Streuungs-, Schiefe und Wölbungsmaße

Ähnliche Dokumente
wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:

Auswertung univariater Datenmengen - deskriptiv

Grundlagen sportwissenschaftlicher Forschung Deskriptive Statistik

Maße der zentralen Tendenz (10)

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum

Auswertung univariater Datenmengen - deskriptiv

Prof. Dr. P. Kischka WS 2012/13 Lehrstuhl für Wirtschafts- und Sozialstatistik. Klausur Statistische Inferenz

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen

FORMELSAMMLUNG STATISTIK (I)

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):

Standardnormalverteilung / z-transformation

Lösungen zum 3. Aufgabenblock

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2

Auswertung univariater Datenmengen - deskriptiv

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

Konkave und Konvexe Funktionen

Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression

Erwartungswert, Varianz, Standardabweichung

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung

Lineare Optimierung Dualität

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

ANOVA (Analysis of Variance) Varianzanalyse. Statistik Methoden. Ausgangssituation ANOVA. Ao.Prof.DI.Dr Josef Haas

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung

Lineare Regression (1) - Einführung I -

Statistik und Wahrscheinlichkeit

-70- Anhang: -Lineare Regression-

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam,

4. Indexzahlen. 5.1 Grundlagen 5.2 Preisindizes 5.3 Indexzahlenumrechnungen. Dr. Rebecca Schmitt, WS 2013/2014

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07

WS 2016/17 Prof. Dr. Horst Peters , Seite 1 von 9

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

Aspekte zur Approximation von Quadratwurzeln

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.

Mathematik für MolekularbiologInnen. Vorlesung VII Block III: Wahrscheinlichkeit und Statistik Verteilungen und Lagemaßzahlen

Spannweite, Median Quartilsabstand, Varianz und Standardabweichung.

6. Modelle mit binären abhängigen Variablen

Auswertung univariater Datenmengen - deskriptiv

Analyse von Querschnittsdaten. Bivariate Regression

18. Dynamisches Programmieren

3. Lineare Algebra (Teil 2)

Einführung in die Finanzmathematik

Elemente der Mathematik - Sommer 2016

Konzept der Chartanalyse bei Chart-Trend.de

Grundgedanke der Regressionsanalyse

Stochastische Prozesse

Facility Location Games

Der Erweiterungsfaktor k

Statistik. 1. Vorbereitung / Planung - präzise Formulierung der Ziele - detaillierte Definition des Untersuchungsgegenstandes

P(mindestens zwei gleiche Augenzahlen) = = 0.4 = = 120. den 5 vorbereiteten Gebieten drei auszuwählen: = 10. Deshalb ist 120 =

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel

Gewichtetes arithmetisches Mittel und Streuung

Diskrete Mathematik 1 WS 2008/09

Beschreibende Statistik Mittelwert

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

Weitere NP-vollständige Probleme

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/ ω Additionstheorem: 2 sin 2 2

ÜbungsaufgabeN mit Lösungen

Hydrosystemanalyse: Finite-Elemente-Methode (FEM)

Klausur zur Vorlesung Lineare Modelle SS 2006 Diplom, Klausur A

Nomenklatur - Übersicht

8 Logistische Regressionsanalyse

In der beschreibenden Statistik werden Daten erhoben, aufbereitet und analysiert. Beispiel einer Datenerhebung mit Begriffserklärungen (Vokabel)

Schätzfehler in der linearen Regression (1) Einführung

3.2 Die Kennzeichnung von Partikeln Partikelmerkmale

Schiefe- und Konzentrationsmaße

Franzis Verlag, Poing ISBN Autor des Buches: Leonhard Stiny

Verteilungen, sondern nur, wenn ein. Eignet sich nicht bei flachen. Bei starker Streuung wenig. Wert eindeutig dominiert.

Ursache der Ungewissheit kann dabei z.b. unvollständige Information sein oder unbekannte bzw. nicht beeinflussbare Bedingungen.

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n

6. Übung zur Linearen Algebra II

Grundpraktikum M5 Oberflächenspannung

5. ZWEI ODER MEHRERE METRISCHE MERKMALE

1.1 Grundbegriffe und Grundgesetze 29

Musterklausur Wirtschaftsmathematik und Statistik. Zusatzstudium für Wirtschaftsingenieur

Verteilungen eindimensionaler diskreter Zufallsvariablen

Der starre Körper. 1 Grundlagen. Dominik Fauser. 1.1 Denition. 1.2 Freiheitsgrade

1 Definition und Grundbegriffe

Stochastische Prozesse

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).

Datenaufbereitung und -darstellung III

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt -

14 Überlagerung einfacher Belastungsfälle

Zufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert

Prof. Dr.- Ing. Herzig Vorlesung "Grundlagen der Elektrotechnik 1" 1etv3-4

Z Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden.

Entscheidungstheorie Teil 3. Thomas Kämpke

Determinanten - I. den i-ten Zeilenvektor der n n-matrix A bezeichnet.

Hausübung 1 Lösungsvorschlag

Prof. Dr. Hans Peter Litz Sommersemester Statistische Formelsammlung. Teil I. Deskriptive Statistik

Teil E: Qualitative abhängige Variable in Regressionsmodellen

Zur Interpretation einer Beobachtungsreihe kann man neben der grafischen Darstellung weitere charakteristische Größen heranziehen.

4.6 Das Pumping-Lemma für reguläre Sprachen:

Methoden der innerbetrieblichen Leistungsverrechnung

Klausuren zum Üben. Gesamtdauer der Anrufe in [Min]: bis 20 bis 40 bis 60 bis 90 bis 120 Anzahl der Schüler/innen:

Übungen zur Vorlesung Physikalische Chemie 1 (B. Sc.) Lösungsvorschlag zu Blatt 2

Versicherungstechnischer Umgang mit Risiko

Transkript:

aptel IV Streuungs-, Schefe und Wölbungsmaße B... Lagemaße von äufgketsvertelungen geben allen weng Auskunft über ene äufgketsvertelung. Se beschreben zwar en Zentrum deser Vertelung, geben aber kenen Anhaltspunkt dafür, we wet en konkreter Merkmalswert von enem solchen Zentrum abwechen kann. Maße, de de Abwechung von enem Zentrum ener äufgketsvertelung beschreben, nennt man Streuungsmaße oder Dspersonsmaße. D... (Spannwete) Als Spannwete (be enem nchtgrupperten Datenmateral) bezechnet man R : = ma mn B... Be enem grupperten Datenmateral st R G g p BS... (Sehe BS...). Nchtgruppert. Gruppert R = 8.0.00 =.0. R 8.0.00 =.0. B... De Spannwete st geegnet, falls - man sch für den gesamten Streuberech nteressert. - de beden Randwerte ene bedeutende Rolle spelen. De Spannwete st ncht geegnet - be großen Stchprobenumfängen. - bem Auftreten von Ausreßern. - um de Streuung der Grundgesamthet zu schätzen.

D... (Quartlsabstand) Als Quartlsabstand bezechnet man = 0.75 0.5. QA: BS... (Fortsetzung). Nchtgruppert. Gruppert QA = 7.05 5.60 =.5. QA = 7.5 5.50 =.85. D... (Mttlerer Quartlsabstand) BS... (Fortsetzung). Nchtgruppert Q : = 0.75 0.5. Gruppert Q = ( 7.05 5.60 ) = 0.75. X = ( 7.5 5.50 ) = 0.95. B... Im Verglech zur Spannwete haben der Quartlsabstand und der mttlere Quartlsabstand den Vortel, von den Etremwerten der Vertelung ncht beenflusst zu werden. D... (Mttlere absolute Abwechungen). Als mttlere absolute (bzw. lneare) Abwechung vom Medan bezechnet man d. 0.5 n : = 0.5 n =. Als mttlere absolute (bzw. lneare) Abwechung vom arthmetschen Mttel bezechnet man n d : =. n =

BS... (Fortsetzung). 0 d = 6.0 = 7.8 0.9. 0.5 0 = 0. 0 d = 6.0 = 8. 0.9. 0 0 = B.. 5. (Mnmalegenschaft des Medanes) Es glt: n n 0.5 Z, Z R : belebg = =. B.. 6. (Mttlere absolute Abwechungen be enem grupperten Datenmateral) Es glt: d, 0.5 p : 0.5 n = p d :. n = Falls de lassenmttel ncht vorhanden snd, werden se durch de lassenmtten m ersetzt. BS... (Fortsetzung) Es st 0.5 = 6.9, = 6.0. [ [ [ [ [ [ [ 7.00, 8.0[ m m 6.9 m 6.0 =.00, 5.00.50.58.80 = 5.00, 6.00 5.50 8.69 9.90 = 6.00, 7.00 7 6.50.7 0.70 = 0 7.70..00 0 7.8 7.0 d 7.8 7. 0.9, d 0.9. 0 0 0.5

D.. 5. (Mttlere quadratsche Abwechungen). Als mttlere quadratsche Abwechung vom Medan bezechnet man d. n : = ( 0.5) 0.5 n =. Als mttlere Abwechung vom arthmetschen Mttel (bzw. Varanz) bezechnet man a) be ener Grundgesamthet σ µ N : = ( ) N = b) be ener Stchprobe N µ N = =. s n : = ( ) n = = n = n n n =.. Als Standardabwechung bezechnet man de postve Wurzel der Varanz. BS... (Fortsetzung). 0 7.79 d = ( 6.0) =.6. 0.5 0 = 0. 0 7.9 s = ( 6.0) =.9. 9 9 =.. s.. B.. 7.. Es glt: n ( Z ), Z R, belebg. = = n (Mnmalegenschaft des arthmetschen Mttels)

. Se ( ) : ( ) d Z = s + Z, Z R : belebg. eraus folgt: d ( Z) s (Verschebungssatz) B.. 8. (Mttlere quadratsche Abwechungen be enem grupperten Datenmateral) Es glt: d, p : ( 0.5) n = p σ : ( µ ), (be ener Grundgesamthet) N = s, (be ener Stchprobe) p : ( ) n = Falls de lassenmttel ncht vorhanden snd, werden se durch de lassenmtten m ersetzt. BS... (Fortsetzung) Es st 0.5 = 6.9, = 6.0. [ [ [ [ [ [ [ 7.00, 8.0[ m ( m 6.9) ( m 6.0) =.00, 5.00.50 6.08 7. = 5.00, 6.00 5.50 6.865 8.9 = 6.00, 7.00 7 6.50 0.087 0.07 = 0 7.70 9.880 6.90 0.60.0.60.0 d., s., s.07. 0 9 B.. 7. (Sgma-Regeln) Im Intervall σ + σ legt stets de Mehrhet, also mndestens 50 % aller Merkmalswerte Für den Fall, dass de Merkmalswerte hnrechend genau normalvertelt snd, glt de Folgende Sgma-Regel. 5

Im Intervall k σ, + k σ legen für k = rund 68%, für k = rund 95% und für k = rund 99% aller Merkmalswerte. D.. 6. (Varatonskoeffzent) Das Merkmal X möge nur postve Werte annehmen. Als Varatonskoeffzent bezechnet man σ v : =, µ > 0 (be ener Grundgesamthet), µ s v : =, > 0 (be ener Stchprobe). B.. 8. Der Varatonskoeffzent st en relatves Streuungsmaß, das kene Maßenhet bestzt und n der Pras mest n Prozent angegeben wrd. Er st vor allem n zweerle nscht von praktscher Bedeutung:. Der Varatonskoeffzent wrd als ene Maßzahl benutzt, um enschätzen zu können, we gut das arthmetsche Mttel alle Enzelwerte repräsentert. Dabe verwendet man de folgende Faustregel: En Varatonskoeffzent größer als 0.5 bzw. 50% st en Indz dafür, dass der Durchschntt wegen ener zu großen Streuung ken geegneter statstscher Repräsentant der Enzelwerte st.. Der Varatonskoeffzent st ene geegnete Maßzahl für den Streuungsverglech von glech und/oder unterschedlch dmensonerten Merkmals. BS... (Fortsetzung). Nchtgruppert. Gruppert. v = 0.07. 6.0.07 v = 0.07 6.0 6

BS... En Fachgeschäft für Schrauben west an enem bestmmten Wochentag folgende Verkaufszahlen n den Abtelungen A und A : Abtelung A Abtelung A Verkaufsbetrag [ ] Anzahl der Verkäufe Verkaufsbetrag [ ] Anzahl der Verkäufe.50,.50 6.00 8 [ [ 0.00 0 [.50,.50 [ 8 0.00 6 [.50,.50 [ 0 50.00 [.50, 5.50 [ 60.00 [ 5.50, 6.50 [ [ 6.50, 7.50 [. Nennen und charakterseren Se das statstsche Merkmal.. Berechnen Se für jede Abtelung den durchschnttlchen Verkaufsbetrag.. Überprüfen Se de Rchtgket folgender Aussage mthlfe der entsprechenden Varatonskoeffzenten: De Verkaufsbeträge n der Abtelung A streuen stärker als n der Abtelung A. Lösung:. Das Merkmal heßt: verkaufte Beträge. Es handelt sch (praktsch) um en dskretes Merkmal.. und. Abtelung A : Arbetstabelle a ( a ) a ( a ) j j j j a j ( 6.80) ( a ) 6 8 8 6. 0 0 600 9.80 0 6 60 6.8 50 600 090.88 60 0 5.96 60 08 879.60 j 08 879.60 60 59 = = 6.80, s = = 9.0, s., v 0... 7

Abtelung A : Arbetstabelle m m ( m.95) [.50,.50 [ 8 5.0 [.50,.50 [ 8 7.0 [.50,.50 [ 0 80 0.050 [.50, 5.50 [ 5 0.0 [ 5.50, 6.50 [ 6 8.05 [ 6.50, 7.50 [ 7 8.605 0 58 5.900 58 5.9 0 9 = =.95, s = =.8, s.8, v 0.0.. Wegen v = 0. > 0.0 = v A A st de Aussage De Verkaufsbeträge n der Abtelung A streuen stärker als n der Abtelung A wahr. D.. 7. (k-tes Zentralmoment) Das k te Zentralmoment von n kardnalskalerten Merkmalswerten st gegeben durch: n M k : = ( ) (für en nchtgruppertes Datenmateral) n = k p M : = ( m ) (für en gruppertes Datenmateral) k n = B.. 9. De Varanz st glech M. k D.. 8. (Schefe) De Schefe der Vertelung enes kardnalskalerten Merkmals X se gegeben durch: M S : = s B.. 0. De Schefe gbt an, ob de Werte der Vertelung vom Modus aus lnks ( S > 0 ) oder rechts ( S < 0 ) schneller abfallen; das lange Ende der Vertelung st jewels auf der anderen Sete. Im ersten Falle st de Vertelung lnksstel bzw. rechtsschef; m zweten Falle rechtsstel bzw. lnksschef. 8

BS... (Fortsetzung). Nchtgruppert S = 6.775 0. 0... Gruppert m ( m 6.0).5 -.78 5.5-8.09 7 6.5 0.007 0 7.7.970 0 0.0 0.0 S = 0 0.007..07 B... (Wetere Schefemaße) Es gbt wetere Schefemaße, u. a.. Das Schefemaß aus den Quartlen: S 0.75 + 0.5 0.50 : = ( S + ). α α 0.75 0.5. Das Schefemaß nach Pearson: S P : M s. Das Schefemaß nach Yule-Pearson: = S P ( + ). BS... (Fortsetzung). Nchtgruppert: S Me s Y P : = S P ( + ). S α 7.05 + 5.60 6.0 = 0.7, 7.05 5.60 9

S P 6.0 5.60 = = 0.6,. SY P ( ) 6.0 6.0 = 0.6... Gruppert S α 7.5 + 5.50 6.9 0.5, 7.5 5.50 S P 6.0 5.69 0.66,.05 SY P ( ) 6.0 6.9 0.9.. D.. 8. (Ezess, Wölbung, urtoss ) Der Ezess der Vertelung enes kardnalskalerten Merkmals X se gegeben durch: M : = (für ene Stchprobe), s n( n ) ( )( )( ) ( n ) ( )( ) + M : = n n n d n n (für ene Grundgesamthet). B... Der Ezess st en Maß für de relatve Flachhet ener Vertelung (m Verglech zur Normalvertelung, de enen Ezess von null aufwest.). En postver Ezess zegt ene sptz zulaufende Vertelung (ene sog. Leptokurtsche Vertelung), wohngegen en negatver Ezess ene flache Vertelung (platykurtsche Vertelung) anzegt. er zwe Bespele von Vertelungen mt unterschedlchem Ezess: 0

BS... (Fortsetzung). Nchtgruppert: 0.05 = 0.0.. Gruppert: m ( m 6.0).5 6.06 5.5 7.7 7 6.5 0.0007 0 7.7 8.56 0 6.8 6.8 0..07

(Letzte Aktualserung: 0.0.09)