Einführung in Quantitative Methoden
|
|
- Manfred Flater
- vor 6 Jahren
- Abrufe
Transkript
1 Einführung in Quantitative Methoden Mag. Dipl.Ing. Dr. Pantelis Christodoulides & Mag. Dr. Karin Waldherr SS 2014 Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 1/57
2 Die Deskriptivstatistik dient der Beschreibung der erhobenen Daten in der Stichprobe durch 1. Tabellen, 2. Statistische Kennwerte, und/oder 3. Grafiken. Diese Strukturierung, Zusammenfassung und anschauliche Darstellung der Daten dient aber auch dazu, sich zunächst einen Überblick zu verschaffen und ev. Widersprüchlichkeiten zu entdecken (verursacht z.b. durch Dateneingabefehler, falsche Angaben eines Untersuchungsteilnehmers, etc.). Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 2/57
3 Die Datenmatrix liefert Informationen über die Charakteristika jeder einzelnen Person. Im allgemeinen ist man allerdings daran interessiert, wie häufig die einzelnen Merkmalsausprägungen in der Stichprobe vorkommen. Dazu kann man sich die Häufigkeitstabelle bzw. Häufigkeitsverteilung ansehen. Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 3/57
4 Nominalskalierte Merkmale Absolute Häufigkeit, f j, ist die Anzahl von Personen mit der j-ten Ausprägung des Merkmals X. Es gilt stets: Die Summe der absoluten Häufigkeiten für die verschiedenen Ausprägungen beträgt n: k f j = n j=1 Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 4/57
5 Die absoluten Häufigkeiten sind vom Stichprobenumfang abhängig; eignen sich nicht um die Ergebnisse verschiedener Erhebungen mit unterschiedlichem Stichprobenumfang zu vergleichen. Größen, die unabhängig vom Stichprobenumfang sind, sind die relative Häufigkeit und Prozentwerte. Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 5/57
6 Relative Häufigkeit, r j, ist der Quotient absolute Häufigkeit Anzahl der Personen = f j n Es gilt stets: Es können nur Werte zwischen 0 und 1 vorkommen; die Summe der relativen Häufigkeiten für die verschiedenen Ausprägungen beträgt 1. Prozentwerte, pz j : k r j = 1 j=1 Prozentuelle Häufigkeit = r j 100 Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 6/57
7 Datenbeispiel 1: Allgemeine Bevölkerungsumfrage der Sozialwissenschaften (ALLBUS 2006): 1 Variable Erhebungsgebiet: Alte Bundesländer (= Westdeutschland) oder Neue Bundesländer (= Ostdeutschland) ; Zufallsstichprobe von n = 50 Personen. Kodierung: 1 = Westdeutschland, 2 = Ostdeutschland. Urliste: 2, 2, 2, 1, 1, 1, 1, 1, 2, 2, 1, 1, 1, 1, 1, 1, 1, 1, 2, 1, 1, 1, 1, 2, 2, 2, 2, 1, 2, 2, 1, 1, 1, 2, 1, 1, 2, 1, 2, 2, 1, 2, 1, 2, 2, 1, 1, 2, 1, 2 1 Das ALLBUS-Programm ist und 1991 von der DFG (Deutsche Forschungsgemeinschaft) gefördert worden. Die weiteren Erhebungen wurden von Bund und Ländern über die GESIS (Gesellschaft sozialwissenschaftlicher Infrastruktureinrichtungen) finanziert. ALLBUS wird innerhalb der GESIS an den Standorten Mannheim und Köln in Zusammenarbeit mit dem ALLBUS-Ausschuß realisiert. Die vorgenannten Institutionen und Personen tragen keine Verantwortung für die Verwendung der Daten in dieser Vorlesung. Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 7/57
8 Häufigkeitstabelle für Datenbeispiel 1 Erhebungsgebiet Strichliste abs. H. rel. H. Prozent x j f j r j pz j Westdeutschland Ostdeutschland Summe Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 8/57
9 Ordinalskalierte Merkmale Zusätzlich kumulative Häufigkeitsfunktionen interessant und sinnvoll. Voraussetzung ist, dass die Merkmalsausprägungen der Größe nach geordnet sind. Kumulierte absolute Häufigkeit oder Empirische Verteilungsfunktion f + = die Summe der absoluten Häufigkeiten der betreffenden Merkmalsausprägung und aller kleineren. Gibt an, wieviele Personen einen Wert haben, der kleiner oder gleich der betreffenden Kategorie l ist. f + l = l j=1 f j Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 9/57
10 Kumulierte relative Häufigkeit r + = die Summe der relativen Häufigkeiten der betreffenden Merkmalsausprägung und aller kleineren. Anteil der Personen, die einen Wert haben, der kleiner oder gleich der betreffenden Kategorie l ist. r + l = 1 n l j=1 f j Kumulierte prozentuelle Häufigkeit pz + = die Summe der prozentuellen Häufigkeiten der betreffenden Merkmalsausprägung und aller kleineren. Prozentwert der Personen, die einen Wert haben, der kleiner oder gleich der betreffenden Kategorie l ist. pz + l = r + l 100 Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 10/57
11 Es gilt stets: f + k = k f j = n j=1 r + k = 1 n k f j = 1 j=1 pz + k = 100 bei j = 1,..., k Merkmalsausprägungen. Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 11/57
12 Datenbeispiel 2: Variable Gesundheitszustand aus ALLBUS (2006): Kodierung: 1 = sehr gut, 2 = gut, 3 = zufriedenstellend, 4 = weniger gut, 5 = schlecht; Zufallsstichprobe von n = 50 Personen. Urliste: 1, 2, 3, 2, 3, 2, 3, 4, 3, 2, 2, 5, 2, 3, 3, 2, 2, 3, 2, 2, 2, 2, 2, 1, 1, 1, 2, 4, 3, 3, 2, 4, 3, 5, 1, 3, 5, 2, 1, 2, 2, 2, 2, 4, 2, 3, 1, 2, 4, 4 Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 12/57
13 Häufigkeitstabelle für Datenbeispiel 2 Gesundheitszustand f j r j pz j f + j r + j pz + j sehr gut gut (7+22) zufriedenstellend (29+12) weniger gut schlecht Summe Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 13/57
14 Metrische Merkmale Univariate Deskriptive Statistik Häufigkeitstabelle unübersichtlich, insbesondere bei stetigen Variablen Intervalle (= Klassenzusammenfassung oder gruppierte Daten) Intervalle (max. 20). Je weniger Intervalle umso größer Informationsverlust, je mehr Intervalle umso unübersichtlicher. Variable Alter aus ALLBUS (2006), Zufallsstichprobe von n = 50 Personen. Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 14/57
15 Häufigkeitstabelle für Datenbeispiel 3 mit Originaldaten Alter f j r j pz j f + j r + j pz + j Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 15/57
16 Fortsetzung Häufigkeitstabelle für Datenbeispiel 3 mit Originaldaten Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 16/57
17 Fortsetzung Häufigkeitstabelle für Datenbeispiel 3 mit Originaldaten Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 17/57
18 Häufigkeitstabelle für Datenbeispiel 3 mit gruppierten Daten Alter f j r j pz j f + j r + j pz + j 29 Jahre Jahre Jahre Jahre Jahre Jahre Summe Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 18/57
19 Häufigkeitstabelle mit SPSS Menü Analysieren... Deskriptive Statistik Häufigkeiten... Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 19/57
20 Histogramm Univariate Deskriptive Statistik Histogramm oder Blockdiagramm - Grafische Darstellung der Häufigkeitstabelle Beobachtete Ausprägungen x j geordnet auf der X -Achse Relative (r j ) oder absolute Häufigkeiten (f j ) auf der Y -Achse Rechtecksflächen sind gleich den r j oder f j Gesamtfläche des Histogramms ist gleich 1 bzw. n Maßstab auf der X -Achse beliebig und wird so gewählt, dass die Verteilung möglichst anschaulich wird Balkendiagramm für nominalskalierte Variablen Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 20/57
21 Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 21/57
22 Treppenfunktion Univariate Deskriptive Statistik Grafische Darstellung der kumulativen Häufigkeitstabelle analog zu Histogramm Letzte und größte Teilfläche ist gleich 1 bzw. n Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 22/57
23 Treppenfunktion Univariate Deskriptive Statistik Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 23/57
24 Lagemaße - Zweck Univariate Deskriptive Statistik Wir wollen die zentrale Tendenz einer Stichprobe möglichst gut schätzen Eine Maßzahl, die in geeigneter Weise ein Zentrum der Stichprobe angibt Mittelwert, Modalwert und Median Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 24/57
25 Arithmetisches Mittel (Mittelwert) Der Mittelwert oder Durchschnittswert ist die Summe aller Werte dividiert durch den Stichprobenumfang n: n x = i=1 n x i = 1 n n i=1 Das arithmetische Mittel ist nur für metrische Variablen sinnvoll! x i Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 25/57
26 Arithmetisches Mittel (Mittelwert) Beispiel: Anzahl der Kinder: Urliste: x = = = 1.8 Die durchschnittliche Kinderzahl in der Stichprobe beträgt 1.8 Kinder. = Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 26/57
27 Arithmetisches Mittel (Mittelwert) Auf Grundlage der Häufigkeitstabelle lässt sich der Mittelwert berechnen, indem man jede Merkmalsausprägung mit ihrer absoluten Häufigkeit multipliziert und die Summe über alle Merkmalsausprägungen bildet. x = 1 n k x j f j j=1 Beispiel: Berechnung des Mittelwertes für Datenbeispiel 3 aus der Häufigkeitstabelle x = ( ) = = Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 27/57
28 Eigenschaften des Mittelwertes (1) Die Summe der Differenzen aller Werte vom Mittelwert ist Null, n (x i x) = 0 i=1 d.h. positive und negative Abweichungen vom Mittelwert heben sich auf. Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 28/57
29 Eigenschaften des Mittelwertes (2) Die Summe der quadrierten Differenzen aller Werte zum Mittelwert ist ein Minimum (d.h. ist kleiner als die Summe der quadrierten Differenzen aller Werte zu irgendeinem anderen Wert) n (x i x) 2 = Min i=1 Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 29/57
30 Gemeinsamer Mittelwert für zwei oder mehr Datensätze Den gemeinsamen Mittelwert aus zwei Stichproben mit Mittelwerten x 1 und x 2 und Stichprobenumfängen n 1 und n 2 berechnet man, indem man die Mittelwerte mit den Stichprobenumfängen gewichtet: x = n 1 x 1 + n 2 x 2 n 1 + n 2 Analog für mehr als zwei Datensätze. Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 30/57
31 Median und das α-quantil Der Median ist dadurch charakterisiert, dass jeweils mindestens 50% der Beobachtungen einen Wert größer oder gleich bzw. kleiner oder gleich dem Median annehmen Sind x (1) x (n) die der Größe nach geordneten Beobachtungswerte, so ist der Median definiert als x = x ( n+1 2 ) falls n ungerade x ( n 2 ) + x ( n+2 2 ) 2 falls n gerade Bei einer ungeraden Anzahl von Merkmalsausprägungen ist der Median der Wert in der Mitte der geordneten Reihe Bei einer geraden Anzahl ist der Median das arithmetische Mittel zwischen den beiden mittleren Werten der geordneten Reihe Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 31/57
32 Median und das α-quantil Beispiel 1: Anzahl der Kinder (n = 15): Urliste: Geordn. Urliste: x = x (8) = 2 Beispiel 2: Anzahl der Kinder (n = 16): Urliste: Geordn. Urliste: x = x (8) + x (9) 2 = = 2 Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 32/57
33 Median und das α-quantil Sind x (1) x (n) die der Größe nach geordneten Beobachtungswerte, so ist das α-quantil (0 < α < 1) definiert als x α = x (l) falls n α keine ganze Zahl ist; l = die auf n α folgende ganze Zahl x (l) +x (l+1) 2 falls n α eine ganze Zahl ist; l = n α Der Median ist das Quantil mit α = 0.50 (0.50-Quantil) Die Quantile mit α = 0.25 und α = 0.75 heißen unteres bzw. oberes Quartil Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 33/57
34 Median und das α-quantil Beispiel Anzahl der Kinder (n = 15): Urliste: Geordnete Urliste: x = x (8) = 2 x 0.25 = x (4) = 1 x 0.75 = x (12) = 3 Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 34/57
35 Median und das α-quantil Der Median hat gegenüber dem arithmetischen Mittel den Vorteil, dass er auch bei rangskalierten Merkmalen verwendet werden kann Der Median ist weniger empfindlich gegenüber Ausreissern in der Stichprobe Werte, die weit von allen übrigen entfernt liegen, beeinflussen den Median kaum Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 35/57
36 Ausreisser - Graphische Überprüfung Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 36/57
37 Modalwert Bei nominalskalierten Merkmalen wie Geschlecht oder Beruf kann man weder das arithmetische Mittel noch den Median als Lagemaß verwenden Der Modalwert (Mod) (häufigster Wert) ist ein dafür geeignetes Lagemaß Der Modalwert gibt die Ausprägung an, welche die größte Häufigkeit in der Stichprobe besitzt Falls mehrere Ausprägungen diese Bedingung erfüllen, der Modalwert also nicht eindeutig ist, ist es nicht sinnvoll ihn als Lagemaß zu verwenden Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 37/57
38 Modalwert Univariate Deskriptive Statistik Beispiel Anzahl der Kinder (n = 15): Urliste: Mod = 1, 2, 3 Modalwert nicht eindeutig Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 38/57
39 Bemerkungen zu den Lagemaßen Bei mehrgipfeligen und U-förmigen Häufigkeitsverteilungen sind Lagemaße nicht charakteristisch für die Verteilung Vor der Verwendung eines Lagemaßes immer seine Sinnhaftigkeit überprüfen Charakterisierung von Häufigkeitsverteilungen Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 39/57
40 Charakterisierung von Häufigkeitsverteilungen Bei einer symmetrischen Verteilung gilt x = x = Mod Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 40/57
41 Charakterisierung von Häufigkeitsverteilungen Lagemaße charakterisieren den Datensatz nicht richtig Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 41/57
42 Bei einer linksschiefen Verteilung gilt x < x < Mod Bei einer rechtsschiefen Verteilung gilt x > x > Mod Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 42/57
43 Wegweiser Lagemaße Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 43/57
44 Streuungsmaße - Zweck Streuungsmaße beschreiben die Abweichung von einem Zentrum einer Häufigkeitsverteilung Präzisierung einer Häufigkeitsverteilung durch Lagemaß und Streuungsmaß Spannweite, Standardabweichung, Varianz, Variationskoeffizient und Quartilabstand Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 44/57
45 Spannweite Univariate Deskriptive Statistik Streubereich einer Häufigkeitsverteilung ist derjenige Bereich, in dem alle Werte der Stichprobe liegen Sind x (1) x (n) die der Größe nach geordneten Beobachtungswerte, so ist das Intervall [ x (1), x (n) ] der Streubereich der Stichprobe Spannweite R = x (n) x (1), d.h. die Breite des Streubereichs Ausreisser beeinflussen die Spannweite sehr stark Berechnung der Spannweite ist nur für metrische Variablen sinnvoll Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 45/57
46 Varianz Univariate Deskriptive Statistik Die Varianz s 2 ist ein Maß, das die Streuung der Werte um den Mittelwert ausdrückt s 2 = 1 n 1 [ n n (x i x) 2 = 1 n 1 i=1 i=1 x 2 i ( n i=1 x i) 2 n }{{} praktische Berechnungsformel Varianz ist ein quadratisches Streuungsmaß und nimmt somit stets positive Werte an Ausreisser beeinflussen die Varianz sehr stark, da die Bezugsgröße der Mittelwert ist Berechnung der Varianz ist nur für metrische Variablen sinnvoll Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 46/57 ]
47 Varianz Univariate Deskriptive Statistik Beispiel Anzahl der Kinder (n = 15): Urliste: i=1 x i = i=1 xi 2 = 72 s 2 = 1 [ ] = Die Varianz läßt sich auch durch die Häufigkeitstabelle berechnen, analog zu Mittelwert s 2 = 1 k f j x j 2 ( k j=1 f jx j )2 n 1 n j=1 Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 47/57
48 Varianz Univariate Deskriptive Statistik Beispiel Datenbeispiel 3: Häufigkeitstabelle siehe 1. Vorlesungseinheit 50 i=1 s 2 = 1 49 x i = i=1 [ x 2 i = ] = Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 48/57
49 Standardabweichung Univariate Deskriptive Statistik Die Standardabweichung s ist die positive Wurzel aus der Varianz einer Stichprobe s = + s 2 = 1 + n 1 n (x i x) 2 Die Standardabweichung besitzt die gleiche Dimension wie die Beobachtungswerte (Vorteil gegenüber der Varianz) Ausreisser beeinflussen die Standardabweichung sehr stark, da die Bezugsgröße der Mittelwert ist i=1 Berechnung der Standardabweichung ist sinnvoll nur für metrische Variablen Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 49/57
50 Variationskoeffizient Univariate Deskriptive Statistik Der Variationskoeffizient v ist ein vom Mittelwert bereinigtes Streuungsmaß v = s x Der Variationskoeffizient misst das Verhältnis von Standardabweichung und Mittelwert Berechnung von v nur für metrische Variablen mit positiven Werten sinnvoll Der Variationskoeffizient eignet sich zum Vergleich der Streuungen verschiedener Messreihen Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 50/57
51 Quartilabstand Univariate Deskriptive Statistik q A = x 0.75 x 0.25 Quartilabstand ist robust gegenüber Ausreissern Zwischen dem unteren und oberen Quartil liegen 50% aller Werte Berechnung des Quartilabstandes ist sinnvoll für mindestens rangskalierte Variablen Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 51/57
52 Quartilabstand Univariate Deskriptive Statistik Beispiel Anzahl der Kinder (n = 15): Urliste: Geordnete Urliste: x = x (8) = 2 x 0.25 = x (4) = 1 x 0.75 = x (12) = 3 q A = x 0.75 x 0.25 = 2 Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 52/57
53 Ausreisser - Grafische Überprüfung Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 53/57
54 Wegweiser Streuungsmaße Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 54/57
55 Schiefe Univariate Deskriptive Statistik Die Schiefe g 1 ist eine Maßzahl, die uns angibt, in welche Richtung eine Häufigkeitsverteilung schief ist g 1 = 1 n n i=1 (x i x) 3 ( 1 n n i=1 (x i x) 2 ) 3 Ist g 1 = 0, so ist die Verteilung symmetrisch Je stärker negativ/positiv g 1 ist, desto linksschiefer/rechtsschiefer ist die Verteilung Die Schiefe ist sinnvoll für eingipfelige Verteilungen Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 55/57
56 Messwerte von Personen verschiedener Populationen sind oft nicht direkt vergleichbar, z.b. die Leistung eines Mädchens in Kugelstoßen mit jener eines Knaben Dennoch möchte man ausdrücken können, wie gut jeder der beiden Leistungen innerhalb der Bezugsgruppe ist Der Standardmesswert ti bezieht den beobachteten Messwert x i der i-ten Person auf den Mittelwert x der Gruppe und drückt die Abweichung in Standardeinheiten s aus Es gilt t = 0 und s 2 t = 1 t i = x i x s Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 56/57
57 Beispiel Ein Knabe erzielt 5.20m bei Gruppenkennwerten x M = 5.03, bzw. s M = 0.92 Ein Mädchen erreicht 4.50m bei Gruppenkennwerten x W = 4.21, bzw. s W = 0.85 Daher ist t M = 0.18 und t W = 0.42 Der Knabe liegt 0.18, das Mädchen 0.42 Standardeinheiten über dem Mittelwert (0!); die Leistung des Mädchens ist relativ besser Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 57/57
Einführung in Quantitative Methoden
Einführung in Quantitative Methoden Mag. Dipl.Ing. Dr. Pantelis Christodoulides & Mag. Dr. Karin Waldherr SS 2011 Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 1/62 Summenzeichen
MehrUnivariate Häufigkeitsverteilungen Kühnel, Krebs 2001: Statistik für die Sozialwissenschaften, S.41-66
Univariate Häufigkeitsverteilungen Kühnel, Krebs 2001: Statistik für die Sozialwissenschaften, S.41-66 Gabriele Doblhammer: Empirische Sozialforschung Teil II, SS 2004 1/19 Skalenniveaus Skalenniveau Relation
Mehr3. Deskriptive Statistik
3. Deskriptive Statistik Eindimensionale (univariate) Daten: Pro Objekt wird ein Merkmal durch Messung / Befragung/ Beobachtung erhoben. Resultat ist jeweils ein Wert (Merkmalsausprägung) x i : - Gewicht
MehrStatistik I für Betriebswirte Vorlesung 9
Statistik I für Betriebswirte Vorlesung 9 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik Vorlesung am 8. Juni 2017 im Audi-Max (AUD-1001) Dr. Andreas Wünsche Statistik I für Betriebswirte
MehrHerzlich willkommen zur Vorlesung Statistik. Streuungsmaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung
FB 1 W. Ludwig-Mayerhofer Statistik 1 Herzlich willkommen zur Vorlesung Statistik smaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung FB 1 W. Ludwig-Mayerhofer
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
Mehr1. Maße der zentralen Tendenz Beispiel: Variable Anzahl der Geschwister aus Jugend '92. Valid Cum Value Frequency Percent Percent Percent
Deskriptive Statistik 1. Verteilungsformen symmetrisch/asymmetrisch unimodal(eingipflig) / bimodal (zweigipflig schmalgipflig / breitgipflig linkssteil / rechtssteil U-förmig / abfallend Statistische Kennwerte
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 3. Vorlesung Dr. Jochen Köhler 1 Inhalte der heutigen Vorlesung Ziel: Daten Modellbildung Probabilistisches Modell Wahrscheinlichkeit von Ereignissen Im ersten
MehrBitte am PC mit Windows anmelden!
Einführung in SPSS Plan für heute: Grundlagen/ Vorwissen für SPSS Vergleich der Übungsaufgaben Einführung in SPSS http://weknowmemes.com/generator/uploads/generated/g1374774654830726655.jpg Standardnormalverteilung
MehrBeispiel 2 (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter)
Beispiel (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter) 1 Ein Statistiker ist zu früh zu einer Verabredung gekommen und vertreibt sich nun die Zeit damit, daß er die Anzahl X der Stockwerke
MehrFachrechnen für Tierpfleger
Z.B.: Fachrechnen für Tierpfleger A10. Statistik 10.1 Allgemeines Was ist Statistik? 1. Daten sammeln: Durch Umfragen, Zählung, Messung,... 2. Daten präsentieren: Tabellen, Grafiken 3. Daten beschreiben/charakterisieren:
MehrDeskriptive Statistik
Deskriptive Statistik Deskriptive Statistik: Ziele Daten zusammenfassen durch numerische Kennzahlen. Grafische Darstellung der Daten. Quelle: Ursus Wehrli, Kunst aufräumen 1 Modell vs. Daten Bis jetzt
Mehrhtw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK htw saar 2 Grundbegriffe htw saar 3 Grundgesamtheit und Stichprobe Ziel: Über eine Grundgesamtheit (Population) soll eine Aussage über ein
MehrGraphische Darstellung einer univariaten Verteilung:
Graphische Darstellung einer univariaten Verteilung: Die graphische Darstellung einer univariaten Verteilung hängt von dem Messniveau der Variablen ab. Bei einer graphischen Darstellung wird die Häufigkeit
MehrDeskriptive Statistik Kapitel VI - Lage- und Streuungsparameter
Deskriptive Statistik Kapitel VI - Lage- und Streuungsparameter Georg Bol bol@statistik.uni-karlsruhe.de Markus Höchstötter, hoechstoetter@statistik.uni-karlsruhe.de Agenda 1. Ziele 2. Lageparameter 3.
MehrKapitel 1 Beschreibende Statistik
Beispiel 1.25: fiktive Aktienkurse Zeitpunkt i 0 1 2 Aktienkurs x i 100 160 100 Frage: Wie hoch ist die durchschnittliche Wachstumsrate? Dr. Karsten Webel 53 Beispiel 1.25: fiktive Aktienkurse (Fortsetzung)
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übung 3 1 Inhalt der heutigen Übung Vorrechnen der Hausübung B.7 Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben C.1: Häufigkeitsverteilung C.2: Tukey
MehrKapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße. x mod (lies: x-mod) Wofür? Lageparameter. Modus/ Modalwert Zentrum. Median Zentralwert
Kapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße Wofür? Lageparameter Modus/ Modalwert Zentrum Median Zentralwert Im Datensatz stehende Informationen auf wenige Kenngrößen verdichten ermöglicht
MehrPROC MEANS. zum Berechnen statistischer Maßzahlen (für quantitative Merkmale)
PROC MEAS zum Berechnen statistischer Maßzahlen (für quantitative Merkmale) Allgemeine Form: PROC MEAS DATA=name Optionen ; VAR variablenliste ; CLASS vergleichsvariable ; Beispiel und Beschreibung der
MehrStreuungsmaße von Stichproben
Streuungsmaße von Stichproben S P A N N W E I T E, V A R I A N Z, S T A N D A R D A B W E I C H U N G, Q U A R T I L E, K O V A R I A N Z, K O R R E L A T I O N S K O E F F I Z I E N T Zentrale Methodenlehre,
MehrDeskriptivstatistik a) Univariate Statistik Weiters zum Thema der statistischen Informationsverdichtung
20 Weiters zum Thema der statistischen Informationsverdichtung M a ß z a h l e n Statistiken bei Stichproben Parameter bei Grundgesamtheiten Maßzahlen zur Beschreibung univariater Verteilungen Maßzahlen
MehrVerteilungen und ihre Darstellungen
Verteilungen und ihre Darstellungen Übung: Stamm-Blatt-Diagramme Wie sind die gekennzeichneten Beobachtungswerte eweils zu lesen? Tragen Sie in beiden Diagrammen den Wert 0.452 an der richtigen Stelle
Mehr1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18
3. Deskriptive Statistik Ziel der deskriptiven (beschreibenden) Statistik (explorativen Datenanalyse) ist die übersichtliche Darstellung der wesentlichen in den erhobenen Daten enthaltene Informationen
MehrAnteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen. Anteile Häufigkeiten Verteilungen
DAS THEMA: VERTEILUNGEN LAGEMAßE - STREUUUNGSMAßE Anteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen Anteile Häufigkeiten Verteilungen Anteile und Häufigkeiten Darstellung
MehrDiese Lücken sollten nicht auch bei Ihnen vorhanden sein: Aufgrund einer statistischen Untersuchung entsteht eine geordnete bzw. ungeordnete, die durc
SS 2017 Torsten Schreiber 222 Diese Lücken sollten nicht auch bei Ihnen vorhanden sein: Aufgrund einer statistischen Untersuchung entsteht eine geordnete bzw. ungeordnete, die durch Summierung je Ausprägung
Mehr3. Lektion: Deskriptive Statistik
Seite 1 von 5 3. Lektion: Deskriptive Statistik Ziel dieser Lektion: Du kennst die verschiedenen Methoden der deskriptiven Statistik und weißt, welche davon für Deine Daten passen. Inhalt: 3.1 Deskriptive
Mehrberuflicher Bildungsabschluss incl. Hochschulabschl. 4Kat.(m) Häufigkeit Prozent Gültig Lehre/Beruffachgesundh.Schule ,2 59,2 59,2
Häufigkeiten Deskriptive Statistiken Häufigkeiten Beruflicher Bildungsabschluss (Mbfbil4) Zielvariablenliste OK Er erscheint: Statistiken beruflicher Bildungsabschluss incl. N Gültig 3445 Fehlend 0 beruflicher
MehrStatistische Kennzahlen für die Lage
Statistische Kennzahlen für die Lage technische universität ach der passenden grafischen Darstellung der Werte eines Merkmals auf der Gesamtheit der Beobachtungen interessieren jetzt geschickte algebraische
MehrLagemaße Übung. Zentrale Methodenlehre, Europa Universität - Flensburg
Lagemaße Übung M O D U S, M E D I A N, M I T T E L W E R T, M O D A L K L A S S E, M E D I A N, K L A S S E, I N T E R P O L A T I O N D E R M E D I A N, K L A S S E M I T T E Zentrale Methodenlehre, Europa
Mehr2. Deskriptive Statistik
Philipps-Universitat Marburg 2.1 Stichproben und Datentypen Untersuchungseinheiten: mogliche, statistisch zu erfassende Einheiten je Untersuchungseinheit: ein oder mehrere Merkmale oder Variablen beobachten
MehrKapitel 3: Lagemaße. Ziel. Komprimierung der Daten zu einer Kenngröße, welche die Lage, das Zentrum der Daten beschreibt
Kapitel 3: Lagemaße Ziel Komprimierung der Daten zu einer Kenngröße, welche die Lage, das Zentrum der Daten beschreibt Dr. Matthias Arnold 52 Definition 3.1 Seien x 1,...,x n Ausprägungen eines kardinal
MehrHäufigkeitsverteilungen und Statistische Maßzahlen. Häufigkeitsverteilungen und Statistische Maßzahlen. Variablentypen. Stichprobe und Grundgesamtheit
TECHNISCHE UNIVERSITÄT MÜNCHEN-WEIHENSTEPHAN MATHEMATIK UND STATISTIK INFORMATIONS- UND DOKUMENTATIONSZENTRUM R. Häufigkeitsverteilungen und Statistische Maßzahlen Statistik SS Variablentypen Qualitative
MehrMittelwert und Standardabweichung
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Mittelwert und Standardabweichung Überblick Mittelwert Standardabweichung Weitere Maße
MehrWillkommen zur Vorlesung Statistik
Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Maßzahlen für zentrale Tendenz, Streuung und andere Eigenschaften von Verteilungen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische
MehrLage- und Streuungsparameter
Lage- und Streuungsparameter Beziehen sich auf die Verteilung der Ausprägungen von intervall- und ratio-skalierten Variablen Versuchen, diese Verteilung durch Zahlen zu beschreiben, statt sie graphisch
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 20. Oktober 2010 1 empirische Verteilung 2 Lageparameter Modalwert Arithmetisches Mittel Median 3 Streuungsparameter
MehrEmpirische Verteilungsfunktion
Empirische Verteilungsfunktion H(x) := Anzahl der Werte x ist. Deskriptive
MehrGrundlagen der empirischen Sozialforschung
Grundlagen der empirischen Sozialforschung Sitzung 10 - Datenanalyseverfahren Jan Finsel Lehrstuhl für empirische Sozialforschung Prof. Dr. Petra Stein 22. Dezember 2008 1 / 21 Online-Materialien Die Materialien
Mehr1 45, 39, 44, 48, 42, 39, 40, , 31, 46, 35, 31, 42, 51, , 42, 33, 46, 33, 44, 43
1) Ermittle jeweils das arithmetische Mittel. Ordne die Datenerhebungen nach der Größe der arithmetischen Mittel. Beginne mit dem Größten. 1 45, 39, 44, 48, 42, 39, 40, 31 2 35, 31, 46, 35, 31, 42, 51,
MehrStatistik eindimensionaler Größen
Statistik eindimensionaler Größen Michael Spielmann Inhaltsverzeichnis 1 Aufgabe der eindimensionalen Statistik 2 2 Grundbegriffe 2 3 Aufbereiten der Stichprobe 3 4 Die Kennzahlen Mittelwert und Streuung,
Mehr1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte. D. Horstmann: Oktober
1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte D. Horstmann: Oktober 2014 4 Graphische Darstellung von Daten und unterschiedliche Mittelwerte Eine Umfrage nach der Körpergröße
Mehr5 Exkurs: Deskriptive Statistik
5 EXKURS: DESKRIPTIVE STATISTIK 6 5 Ekurs: Deskriptive Statistik Wir wollen zuletzt noch kurz auf die deskriptive Statistik eingehen. In der Statistik betrachtet man für eine natürliche Zahl n N eine Stichprobe
MehrInhaltsverzeichnis Grundlagen aufigkeitsverteilungen Maßzahlen und Grafiken f ur eindimensionale Merkmale
1. Grundlagen... 1 1.1 Grundgesamtheit und Untersuchungseinheit................ 1 1.2 Merkmal oder statistische Variable........................ 2 1.3 Datenerhebung.........................................
MehrStatistische Grundlagen I
Statistische Grundlagen I Arten der Statistik Zusammenfassung und Darstellung von Daten Beschäftigt sich mit der Untersuchung u. Beschreibung von Gesamtheiten oder Teilmengen von Gesamtheiten durch z.b.
MehrStatistik I für Humanund Sozialwissenschaften
Statistik I für Humanund Sozialwissenschaften 1 Übung Lösungsvorschlag Gruppenübung G 1 Auf einer Touristeninsel in der Karibik wurden in den letzten beiden Juliwochen morgens zur gleichen Zeit die folgenden
Mehr4 Statistische Maßzahlen
4 Statistische Maßzahlen 4.1 Maßzahlen der mittleren Lage 4.2 Weitere Maßzahlen der Lage 4.3 Maßzahlen der Streuung 4.4 Lineare Transformationen, Schiefemaße 4.5 Der Box Plot Ziel: Charakterisierung einer
MehrEinführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management
Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 03 Hochschule Augsburg : Gliederung Einführung Deskriptive Statistik 3 Wahrscheinlichkeitstheorie
MehrMathematische Statistik. Zur Notation
Mathematische Statistik dient dazu, anhand von Stichproben Informationen zu gewinnen. Während die Wahrscheinlichkeitsrechnung Prognosen über das Eintreten zufälliger (zukünftiger) Ereignisse macht, werden
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 26.02.2008 1 Warum Statistik und Wahrscheinlichkeits rechnung im Ingenieurwesen? Zusammenfassung der letzten Vorlesung Statistik und Wahrscheinlichkeitsrechnung
MehrDr. Quapp: Statistik für Mathematiker mit SPSS. Lösungs Hinweise 1. Übung Beschreibende Statistik & Verteilungsfunktion
Dr. Quapp: Statistik für Mathematiker mit SPSS Lösungs Hinweise. Übung Beschreibende Statistik & Verteilungsfunktion. Die folgende Tabelle enthält die Pulsfrequenz einer Versuchsgruppe von 39 Personen:
MehrMaße der zentralen Tendenz
UStatistische Kennwerte Sagen uns tabellarische und graphische Darstellungen etwas über die Verteilung der einzelnen Werte einer Stichprobe, so handelt es sich bei statistischen Kennwerten um eine Kennzahl,
MehrWiederholung Statistik I. Statistik für SozialwissenschaftlerInnen II p.8
Wiederholung Statistik I Statistik für SozialwissenschaftlerInnen II p.8 Konstanten und Variablen Konstante: Merkmal hat nur eine Ausprägung Variable: Merkmal kann mehrere Ausprägungen annehmen Statistik
MehrDer Mittelwert (arithmetisches Mittel)
Der Mittelwert (arithmetisches Mittel) x = 1 n n x i bekanntestes Lagemaß instabil gegen extreme Werte geeignet für intervallskalierte Daten Deskriptive Statistik WiSe 2015/2016 Helmut Küchenhoff (Institut
MehrI.V. Methoden 2: Deskriptive Statistik WiSe 02/03
I.V. Methoden 2: Deskriptive Statistik WiSe 02/03 Vorlesung am 04.11.2002 Figures won t lie, but liars will figure. General Charles H.Grosvenor Dr. Wolfgang Langer Institut für Soziologie Martin-Luther-Universität
MehrDeskriptive Statistik Erläuterungen
Grundlagen der Wirtschaftsmathematik und Statistik Erläuterungen Lernmaterial zum Modul - 40601 - der Fernuniversität Hagen 7 2.1 Einfache Lageparameter aus einer gegebenen Messreihe ablesen Erklärung
Mehrabsolute Häufigkeit h: Anzahl einer bestimmten Note relative Häufigkeit r: Anzahl einer bestimmten Note, gemessen an der Gesamtzahl der Noten
Statistik Eine Aufgabe der Statistik ist es, Datenmengen zusammenzufassen und darzustellen. Man verwendet dazu bestimmte Kennzahlen und wertet Stichproben aus, um zu Aussagen bzw. Prognosen über die Gesamtheit
MehrErmitteln Sie auf 2 Dezimalstellen genau die folgenden Kenngrößen der bivariaten Verteilung der Merkmale Weite und Zeit:
1. Welche der folgenden Kenngrößen, Statistiken bzw. Grafiken sind zur Beschreibung der Werteverteilung des Merkmals Konfessionszugehörigkeit sinnvoll einsetzbar? A. Der Modalwert. B. Der Median. C. Das
MehrAuswertung und Darstellung wissenschaftlicher Daten (1)
Auswertung und Darstellung wissenschaftlicher Daten () Mag. Dr. Andrea Payrhuber Zwei Schritte der Auswertung. Deskriptive Darstellung aller Daten 2. analytische Darstellung (Gruppenvergleiche) SPSS-Andrea
MehrBeide Verteilungen der Zeiten sind leicht schief. Der Quartilsabstand für Zeiten zum Surfen ist kleiner als der zum Fernsehen.
Welche der folgenden Maßzahlen sind resistent gegenüber Ausreißer? Der Mittelwert und die Standardabweichung. Der und die Standardabweichung. Der und die Spannweite. Der und der Quartilsabstand. Die Spannweite
MehrKapitel 2. Mittelwerte
Kapitel 2. Mittelwerte Im Zusammenhang mit dem Begriff der Verteilung, der im ersten Kapitel eingeführt wurde, taucht häufig die Frage auf, wie man die vorliegenden Daten durch eine geeignete Größe repräsentieren
MehrVorlesungsskript. Deskriptive Statistik. Prof. Dr. Günter Hellmig
Vorlesungsskript Deskriptive Statistik Prof. Dr. Günter Hellmig Prof. Dr. Günter Hellmig Vorlesungsskript Deskriptive Statistik Erstes Kapitel Die Feingliederung des ersten Kapitels, welches sich mit einigen
MehrInhaltsverzeichnis. 1 Über dieses Buch Zum Inhalt dieses Buches Danksagung Zur Relevanz der Statistik...
Inhaltsverzeichnis 1 Über dieses Buch... 11 1.1 Zum Inhalt dieses Buches... 13 1.2 Danksagung... 15 2 Zur Relevanz der Statistik... 17 2.1 Beispiel 1: Die Wahrscheinlichkeit, krank zu sein, bei einer positiven
MehrWahrscheinlichkeits - rechnung und Statistik
Michael Sachs Mathematik-Studienhilfen Wahrscheinlichkeits - rechnung und Statistik für Ingenieurstudenten an Fachhochschulen 4., aktualisierte Auflage 2.2 Eindimensionale Häufigkeitsverteilungen 19 absolute
MehrAngewandte Statistik 3. Semester
Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen
Mehr3 Lage- und Streuungsmaße
3 Lage- und Streuungsmaße 3.0 Kumulierte Häufigkeiten und empirische Verteilungsfunktion Grafische Darstellungen geben einen allgemeinen Eindruck der Verteilung eines Merkmals: Lage und Zentrum der Daten,
Mehr2 Häufigkeitsverteilungen
2 Häufigkeitsverteilungen Ziel: Darstellung bzw Beschreibung (Exploration) einer Variablen Ausgangssituation An n Einheiten ω 1,,ω n sei das Merkmal X beobachtet worden x 1 = X(ω 1 ),,x n = X(ω n ) Also
MehrKapitel 2. Häufigkeitsverteilungen
6 Kapitel 2 Häufigkeitsverteilungen Ziel: Darstellung bzw Beschreibung (Exploration) einer Variablen Ausgangssituation: An n Einheiten ω,, ω n sei das Merkmal X beobachtet worden x = X(ω ),, x n = X(ω
MehrInhaltsverzeichnis. Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite. 1.0 Erste Begriffsbildungen Merkmale und Skalen 5
Inhaltsverzeichnis Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite 1.0 Erste Begriffsbildungen 1 1.1 Merkmale und Skalen 5 1.2 Von der Urliste zu Häufigkeitsverteilungen 9 1.2.0 Erste Ordnung
MehrHäufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche
Lehrveranstaltung Empirische Forschung und Politikberatung der Universität Bonn, WS 2007/2008 Häufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche 30. November 2007 Michael
MehrStatistik I. Zusammenfassung und wichtiges zur Prüfungsvorbereitung. Malte Wissmann. 9. Dezember Universität Basel.
Zusammenfassung und wichtiges zur Prüfungsvorbereitung 9. Dezember 2008 Begriffe Kenntnis der wichtigen Begriffe und Unterscheidung dieser. Beispiele: Merkmal, Merkmalsraum, etc. Skalierung: Nominal etc
Mehr3 Lage- und Streuungsmaße
3 Lage- und Streuungsmaße Grafische Darstellungen geben einen allgemeinen Eindruck der Verteilung eines Merkmals, u.a. von Lage und Zentrum der Daten, Streuung der Daten um dieses Zentrum, Schiefe / Symmetrie
MehrKreisdiagramm, Tortendiagramm
Kreisdiagramm, Tortendiagramm Darstellung der relativen (absoluten) Häufigkeiten als Fläche eines Kreises Anwendung: Nominale Merkmale Ordinale Merkmale (Problem: Ordnung nicht korrekt wiedergegeben) Gruppierte
Mehr4 Statistische Maßzahlen
4 Statistische Maßzahlen 4.1 Maßzahlen der mittleren Lage 4.2 Weitere Maßzahlen der Lage 4.3 Maßzahlen der Streuung 4.4 Lineare Transformationen, Schiefemaße 4.5 Der Box Plot Ziel: Charakterisierung einer
MehrEinführung in die Statistik für Politikwissenschaftler Sommersemester 2011
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011 Es können von den Antworten alle, mehrere oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort (ohne Auslassungen
MehrEinführung in die Statistik
Einführung in die Statistik 1. Deskriptive Statistik 2. Induktive Statistik 1. Deskriptive Statistik 1.0 Grundbegriffe 1.1 Skalenniveaus 1.2 Empirische Verteilungen 1.3 Mittelwerte 1.4 Streuungsmaße 1.0
MehrDas harmonische Mittel
Das harmonische Mittel x H := 1 1 n n 1 x i Das harmonische Mittel entspricht dem Mittel durch Transformation t 1 t Beispiel: x 1,..., x n Geschwindigkeiten, mit denen konstante Wegstrecken l zurückgelegt
MehrFranz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. mit dem R Commander. A Springer Spektrum
Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst mit dem R Commander A Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist
MehrDie erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man:
Die erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man: a) Die absoluten Häufigkeit: Sie gibt an, wie oft ein Variablenwert vorkommt b) Die relative Häufigkeit: Sie erhält
MehrStatistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg
Statistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg Prof. Markus Schumacher, Dr. Stan Lai Physikalisches Institut Westbau 2 OG Markus.Schumacher@physik.uni-freiburg.de
MehrStatistik II: Grundlagen und Definitionen der Statistik
Medien Institut : Grundlagen und Definitionen der Statistik Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Hintergrund: Entstehung der Statistik 2. Grundlagen
MehrKorrelation, Regression und Signifikanz
Professur Forschungsmethodik und Evaluation in der Psychologie Übung Methodenlehre I, und Daten einlesen in SPSS Datei Textdaten lesen... https://d3njjcbhbojbot.cloudfront.net/api/utilities/v1/imageproxy/https://d15cw65ipcts
MehrThema: Mittelwert einer Häufigkeitsverteilung. Welche Informationen kann der Mittelwert geben?
Thema: Mittelwert einer Häufigkeitsverteilung Beispiel: Im Mittel werden deutsche Männer 75,1 Jahre alt; sie essen im Mittel pro Jahr 71 kg Kartoffel(-produkte) und trinken im Mittel pro Tag 0.35 l Bier.
MehrDie ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist.
.3. Stochastik Grundlagen Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist. Die RELATIVE HÄUFIGKEIT einer Merkmalsausprägung gibt an mit welchem Anteil
MehrDeskriptive Statistik & grafische Darstellung
Deskriptive Statistik & grafische Darstellung Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) Deskriptive
MehrStatistik SS Deskriptive Statistik. Bernhard Spangl 1. Universität für Bodenkultur. March 1, 2012
Statistik SS 2012 Deskriptive Statistik Bernhard Spangl 1 1 Institut für angewandte Statistik und EDV Universität für Bodenkultur March 1, 2012 B. Spangl (Universität für Bodenkultur) Statistik SS 2012
MehrSTATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich)
WS 07/08-1 STATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich) Nur die erlernbaren Fakten, keine Hintergrundinfos über empirische Forschung etc. (und ich übernehme keine Garantie) Bei der Auswertung von
Mehr2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen
4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form
MehrDeskriptive Statistik Auswertung durch Informationsreduktion
Deskriptive Statistik Auswertung durch Informationsreduktion Gliederung Ø Grundbegriffe der Datenerhebung Total-/Stichprobenerhebung, qualitatives/quantitatives Merkmal Einteilung der Daten (Skalierung,
MehrStatistik und Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Prof. Dr. Michael Havbro Faber 1 Inhalte der heutigen Vorlesung Ziel: Daten Modellbildung Probabilistisches Modell Im ersten Schritt werden wir die Daten nur beschreiben:
MehrMedian 2. Modus < Median < Mittelwert. Mittelwert < Median < Modus. 2 Modalwerte oder Modus viel größer bzw. viel kleiner als Mittelwert
Universität Flensburg Zentrum für Methodenlehre Tutorium Statistik I Modus oder Modalwert (D) : - Geeignet für nominalskalierte Daten - Wert der häufigsten Merkmalsausprägung - Es kann mehrere Modalwerte
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 07052013 Mittelwerte und Lagemaße II 1 Anwendung und Berechnung
MehrStatistik. Ronald Balestra CH St. Peter
Statistik Ronald Balestra CH - 7028 St. Peter www.ronaldbalestra.ch 17. Januar 2010 Inhaltsverzeichnis 1 Statistik 1 1.1 Beschreibende Statistik....................... 1 1.2 Charakterisierung von Häufigkeitsverteilungen...........
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt Methodenlehre Mathematische und statistische Methoden I Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Dr. Malte Persike persike@uni-mainz.de
Mehr1. Tutorial. Online-Tutorium-Statistik von T.B.
Online-Tutorium-Statistik von T.B. 1 Grundbegriffe I Gegenstand einer statistischen Untersuchung sind bestimmte Objekte (z.b. Personen, Unternehmen) bei denen man sich für gewisse Eigenschaften (z.b. Geschlecht,
MehrSTATISTIK I Übung 04 Spannweite und IQR. 1 Kurze Wiederholung. Was sind Dispersionsparameter?
STATISTIK I Übung 04 Spannweite und IQR 1 Kurze Wiederholung Was sind Dispersionsparameter? Die sogenannten Dispersionsparameter oder statistischen Streuungsmaße geben Auskunft darüber, wie die Werte einer
MehrDatenstrukturen. Querschnitt. Grösche: Empirische Wirtschaftsforschung
Datenstrukturen Datenstrukturen Querschnitt Panel Zeitreihe 2 Querschnittsdaten Stichprobe von enthält mehreren Individuen (Personen, Haushalte, Firmen, Länder, etc.) einmalig beobachtet zu einem Zeitpunkt
MehrVerteilungsfunktion und Quantile
Statistik 1 für SoziologInnen Verteilungsfunktion und Quantile Univ.Prof. Dr. Marcus Hudec Kumulierte Häufigkeiten Hinweis: Damit das Kumulieren inhaltlich sinnvoll ist, muss das auszuwertende Merkmal
MehrKapitel VIII - Mehrdimensionale Merkmale
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel VIII - Mehrdimensionale Merkmale Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh
Mehr