Der Modus. Lageparameter. Beispiel (Einrichtungen) Beispiel (Lieblingsfarben) Modus. Untersuchungseinheiten U 1,...,U n. Merkmal X

Ähnliche Dokumente
2.2.1 Lagemaße. Exkurs: Quantile. und n. p n

Kennwerte Univariater Verteilungen

Übersicht: BS - 08 BS Häufigkeitsverteilung. Häufigkeitsverteilungen. Parametrisierung. unklassiert. eindimensional. klassiert.

Parameter von Häufigkeitsverteilungen

Kursthemen 5. Sitzung. Lagemaße

h i Deskriptive Statistik 1-dimensionale Daten Daten und Häufigkeiten Seite 1 Nominal Ordinal Metrisch (Kardinal) Metrisch - klassiert

Statistik Einführung // Beschreibende Statistik 2 p.2/61

Formelsammlung. PD Dr. C. Heumann

Formelsammlung. zur Klausur. Beschreibende Statistik

Konzentration und Disparität

Statistische Maßzahlen. Statistik Vorlesung, 10. März, Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte.

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39

WISTA WIRTSCHAFTSSTATISTIK

Absolutskala: metrische Skala mit einem natürlichen Nullpunkt und einer natürlichen Einheit. (Z.B. Einwohnerzahl). Nicht alle Variablen lassen sich

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.

Weitere Lagemaße: Quantile/Perzentile II. Weitere Lagemaße: Quantile/Perzentile I. Weitere Lagemaße: Quantile/Perzentile IV

Statistik mit Excel Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.

3 Kritischer Bereich zum Niveau α = 0.10: K = (χ 2 k 1;1 α, + ) = (χ2 5;0.90, + ) = (9.236, + ) 4 Berechnung der realisierten Teststatistik:

3. Einführung in die Statistik

Beschreibende Statistik Kenngrößen in der Übersicht (Ac)

Korrekturrichtlinie zur Studienleistung Wirtschaftsmathematik am Betriebswirtschaft BB-WMT-S

Evaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft

Univariate Verteilungen

Innerbetriebliche Leistungsverrechnung

FormelnfürdieAnzahlmöglicherQuadrateaufn*nSpielfeldern

14 Statistische Beziehungen zwischen nomi nalen Merkmalen

Statistische Formelsammlung Begleitende Materialien zur Statistik - Vorlesung des Grundstudiums im Fachbereich IK

2.3 Kontingenztafeln und Chi-Quadrat-Test

3 Folgen, Reihen, Grenzwerte 3.1 Zahlenfolgen. Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10.

Umrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung

Statistik I/Empirie I

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:

AngStat1(Ue13-21).doc 23

Kapitel 5: Schließende Statistik

Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.

5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli Schweizer Mathematiker und Physiker Einleitung

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren

Variiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen.

( ) Formelsammlung. Kombinatorik. Permutation: ohne Wiederholung. n! = n (n - 1) (n - 2) n= alle Elemente. Permutation: mit Wiederholung

Wahrscheinlichkeit und Statistik

Praktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle

Finanzmathematische Formeln und Tabellen

Wirksamkeit, Effizienz

II. Grundzüge der Stichprobentheorie

Empirische Methoden I

Beschreibung eines Merkmals

Kapitel 6: Statistische Qualitätskontrolle

Deskriptive Statistik

Streuungsmaße. Prof. Dr. Paul Reuber. Institut für Geographie. Seminar Methoden der empirischen Humangeographie

3. Tilgungsrechnung Tilgungsarten

KORRELATION VON ORDINALDATEN Rangkorrelation nach Spearman Terminologie Berechnung Signifikanzprüfung

Testen statistischer Hypothesen

Einführung in die Grenzwerte

= a n: Wurzelexponent x: Radikand oder Wurzelbasis a: Wurzelwert Bei der ersten Wurzel wird einfach das Wurzelzeichen weggelassen.

Beurteilende Statistik - Testen von Hypothesen Übungsaufgaben (2)

Informatik II Dynamische Programmierung

Datenauswertung. Prof. Dr. Josef Brüderl Universität Mannheim. Frühjahrssemester 2007

1.1 Berechnung des Endwerts einer Einmalanlage bei linearer ganzjähriger Verzinsung nach n Verzinsungsjahren

Korrelationsanalyse zwischen kategorischen Merkmalen. Kontingenztabellen. Chi-Quadrat-Test

Beurteilung des Businessplans zur Tragfähigkeitsbescheinigung

Preisblatt. Service. über Netzanschlüsse Erdgas, Trinkwasser, Strom und Fernwärme, Baukostenzuschüsse und sonstige Kosten. Gültig ab 1.

Grundgesamtheitsanaylsen und Stichproben. Betrachtungen zur Stichprobenfindung

s xy x i x y i y s xy = 1 n i=1 y 2 i=1 x 2 s 1 n x n i Streudiagramme empirische Kovarianz x=5,5 y=7,5

Bernoulli-Experiment und Binomialverteilung

Leitfaden zu den Zertifikate-Indizes. Discount-Index Outperformance-Index Bonus-Index Kapitalschutz-Index Aktienanleihen-Index

SBP Mathe Aufbaukurs 1. Absolute und relative Häufigkeit. Das arithmetische Mittel und seine Eigenschaften. Das arithmetische Mittel und Häufigkeit

1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre Morgasche Formel A \ B = A [ B A [ B = A \ B Kommutativgesetz A \ B = B \ A A [ B = B [ A Assozia

Prof. Dr. Roland Füss Statistik II SS 2008

Inhaltsverzeichnis Office Excel Themen-Special: Statistik I

Die Gasgesetze. Die Beziehung zwischen Volumen und Temperatur (Gesetz von J.-L. und J. Charles): Gay-Lussac

Diskrete Zufallsvariablen

Prof. Dr.-Ing. Bernd Kochendörfer. Bauwirtschaft und Baubetrieb. Investitionsrechnung

Der natürliche Werkstoff Holz - Statistische Betrachtungen zum uniaxialen Zugversuch am Beispiel von Furnier

Glücksspielverhalten in Bayern

Konfidenzintervall_fuer_pi.doc Seite 1 von 6. Konfidenzintervall für den Anteilswert π am Beispiel einer Meinungsumfrage

15.4 Diskrete Zufallsvariablen

Klausur vom

Methodische Grundlagen der Kostenkalkulation

Vereinheitlichung Einheitlicher Maßstab der Risikoeinschätzung. Limitierung / Steuerung Messung und Limitierung ist fundamental für die Steuerung

Beurteilende Statistik - Testen von Hypothesen Alternativtest

Mathematik der Lebensversicherung. Dr. Karsten Kroll GeneralCologne Re

2 Vollständige Induktion

Einige wichtige Ungleichungen

Übungen mit dem Applet Taylor-Entwickung von Funktionen

Stichproben im Rechnungswesen, Stichprobeninventur

Zählterme (Seite 1) Aufgabe: Wie viele Nummernschilder kann es theoretisch im Raum Dresden geben? Wann müsste die 4.Ziffer eingeführt werden?

Wirtschaftsmathematik

1.2. Taylor-Reihen und endliche Taylorpolynome

Einführung in die induktive Statistik. Inferenzstatistik. Konfidenzintervalle. Friedrich Leisch

Übungsaufgaben - Organisatorisches

Formelsammlung Mathematik

SUCHPROBLEME UND ALPHABETISCHE CODES

Statistik I Februar 2005

Ü b u n g s b l a t t 1

Vorkurs Mathematik für Informatiker Folgen

1. Zahlenfolgen und Reihen

A D A E B D D E D E D C C D E

Kontingenztabellen. Chi-Quadrat-Test. Korrelationsanalyse zwischen kategorischen Merkmalen. 1. Unabhängigkeitstest

Transkript:

Lageparameter Der Modus Utersuchugseiheite U,...,U Modus mod Mermal X Urliste,..., geordete Urliste (),..., () Es gilt i.allg.: ( ), i, K i i, Mermalsauspräguge a,..., a wird auch Modalwert oder häufigster Wert geat die Ausprägug des Mermals X mit der größte absolute (ud somit auch relative) Häufigeit. Bimodalität Trimodalität bei stetige Variable spricht ma vo der modale Klasse Beispiel (Liebligsfarbe) Beispiel (Eirichtuge) a H(a ) h(a ) blau 3 3 / 0 gelb / 0 0.0 violett 4 4 / 0 0.0 schwarz / 0 0.0 rot 6 6 / 0 0.30 Modus pi / 0 0.05 grü / 0 0.0 Summe 0 0 /0.00 Azahl der Mitarbeiter(ie) [0, 0] (0, 30] (30, 50] (50, 00] (00, 00] Summe Träger A 4 0 9 5 Träger B 6 5 3 4 3 4

Der Media Der Media ~ Media 0. 5 wird auch Zetralwert geat midestes 50% aller Beobachtuge sid größer oder gleich dem Media ud ugerade ~ + midestes 50% aller Beobachtuge sid leier oder gleich dem Media bei stetige Variable spricht ma vo der Klasse, die de Media beihaltet 5 gerade ~ + +. 6 Beispiel (Supervisio) Hugo Hascherl besucht im Rahme eier Supervisio-Ausbildug edes Wocheede (WE) ei aderes Semiar. I de letzte drei Moate (Mai-Juli) ahm er a isgesamt 4 Wocheedsemiare teil. Nach edem Wocheede bewertet er auf eier -stufige Sala, dere Edpute war ugeheuer gut ud wichtig für mich ud hat mir ichts gebracht sid, die eizele Wocheedsemiare. Bewertuge Mai Jui Juli.WE 4.WE 4 6 3 3.WE 8 3 0 4.WE 5 0 Beispiel (Supervisio) Zur Berechug des Medias seier Bewertuge i de Moate Mai ud Jui ( 9) ergibt sich die folgede geordete Urliste: () () (3) (4) (5) (6) (7) (8) (9) 3 4 4 5 6 8 Der Media ist damit die füftgrößte Beobachtug 9+ ( 5) 4. 5.WE 5 7 8 ~ Bewertuge Mai Jui Juli.WE 4.WE 4 6 3 3.WE 8 3 0 4.WE 5 0 5.WE 5 0.5

Beispiel (Supervisio) Berechet ma de Media aus alle Bewertuge der Moate Mai Juli, so ergibt sich als geordete Reihe vo Beobachtuge: () () (3) (4) (5) (6) (7) (8) (9) (0) () () (3) (4) 3 3 4 4 5 5 6 8 0 0 ~ Es liegt eie gerade Azahl vo Beobachtuge vor ( 4). Der Media berechet sich damit als Bewertuge Mai Jui Juli.WE 4.WE 4 6 3 3.WE 8 3 0 4.WE 5 0 5.WE 5 4 + 5 ( 4 ) + ( 4 ) ( ( 7) + ( 8) ) 4.5. + 9 0.5. Feibestimmug: Gruppierte Date. Bestimmug der Klasse, die de Media ethält. Dies ist die Klasse, bei der die empirische Verteilugsfutio erstmals größer gleich dem Wert ist. ~ 0. 5 Der Media F( a + F( b) F( ( b 0 0 0% Azahl der Mitarbeiter(i e) Beispiel (Eirichtuge) Träger A relative Häufigeit Verteilugsfutio [0, 0] 4 0.00 0.00 (0, 30] 0 00 0.600 Media (30, 50] 9 0.85 (50, 00] 5 0.950 (00, 00] 0.050.000 Summe.000 0 0% 4 0% 8 30% % 6 50% 30 60% Azahl der Mitarbeiter(i e) Beispiel (Eirichtuge) ~ 0. 5 Träger A relative Häufige it Verteilugsfutio [0, 0] 4 0.00 0.00 (0, 30] 0 00 0.600 Media (30, 50] 9 0.85 (50, 00] 5 0.950 (00, 00] 0.050.000 Summe.000 0. 0 + (30 0) 0.6 0 0.4 0 + 0 0 + 0.80 0 + 6 6.

Quatile midestes 00α% der beobachtete Werte sid leier oder gleich dem α-quatil ud midestes 00( α )% der beobachtete Werte sid größer oder gleich dem α-quatil ud ( l) ~ α : ( l) + ( l+ ) falls α eie gaze Zahl ist. (l ist da die auf falls α eie gaze Zahl ist. (Es ist da l α. ) α folgede gaze Zahl. Spezielle Quatile ~ 0. uteres Dezil ~ uteres Quartil ~ Media ~ oberes Quartil 0.75 ~ oberes Dezil 0.9 3 4 Beispiel (Hospiz) Quatile α 0. α 0.75 0, 0, 5, 39, 48, 5, 5, 78, 44, 348 39, 44, 78, 5, 348, 5, 0, 0, 48, 5. α 0 0. l ( ) + ( ) 0 + 0 ~ 0. α 0 0.75 7.5 l 8 ~ ( 8) 78 0.75 5 5. Feibestimmug: Gruppierte Date. Bestimmug der Klasse, die das gewüschte Quatil ethält. Dies ist die Klasse, bei der die empirische Verteilugsfutio erstmals größer gleich dem Wert α ist. ~ α F( α a + F( b) F( ( b 6

Beispiel (Afahrtszeite) Klasse H(K ) h(k ) F(K ) K [0,4] 3 0.09 0.09 K (4,8] 7 0. 0.303 K 3 (8,] 9 0.7 75 K 4 (,6] 6 0.8 0.757 K 5 (6,0] 5 0.909 K 6 (0,4] 0.030 0.939 K 7 (4,8] 0.06.000 Summe 33.000 ~ 0. 0.09 0.009 0. 4 + 0.303 0.09 0. ( 8 4) 4 + 4 4.70. ~ 0.9 0.757 0.43 0. 9 6 + 0.909 0.757 ( 0 6) 6 + 4 9.763. 7 arithmetisches Mittel der übliche Mittelwert Das arithmetische Mittel : i i i ( i) der Mittelwert reagiert leicht auf Ausreißer (etreme Werte); er ist icht robust 8 Beispiel (Hospiz) Beispiel (robust) 39, 44, 78, 5, 348, 5, 0, 0, 48, 5. ( ) ( ) ( 3) ( 4) ( 5) 0 0 796 79.6. 0 ( 39 + 44 + 78 + 5 + 348 + 5 + 0 + 0 + 48 + 5) ( 0 + 0 + 5 + 39 + 48 + 5 + 5 + 78 + 44 + 348) - - 0 ~ 0. 5 ( ) ( ) ( 3) ( 4) ( 5) - - 0 0 ~ 0. 5 0 ud. 0 9 0

Gruppierte Date. das arithmetische Mittel ierhalb der eizele Klasse ist beat oder. das arithmetische Mittel ierhalb der eizele Klasse ist ubeat. Klassemittel: Klassemitte: H ( K H ( K ) K ) m h h ( K ) ( K ) K m Beispiel (Eirichtuge) Klasse K [0,0], K (0,30], K 3 (30,50], K 4 (50,00] ud K 5 (00,00] Klassemitte m 5, m 0, m 3, m 4 75 ud m 5 50 455 36.375. ( 45 + 00 + 9 + 575 + 50) ( 0 + 0 + 360 + 375 + 300) ~ 0. 5 6 Für eie sivolle Berechug des arithmetische Mittels ist es sehr wichtig, daß die Häufigeitsverteilug uimodal ist. Darauf weise auch Gabler & Borg (996) hi: Die Aussageraft des arithmetische Mittels sit allerdigs graviered, we die Verteilug etwa U-förmig oder mehrgipflig ist. Beispiel (Drogeberatugsstelle) Azahl der Besuche 0 3 4 5 Azahl der Persoe 8 6 6 0 8 80 + 6+ 6 + 03 + 8 4 + 5.4 00 00 3 Das getrimmte ud wisorisierte Mittel robustifiziertes arithmetisches Mittel weiger afällig für etreme (abweichede) Beobachtuge a : [ α] a getrimmtes Mittel α t : ( i). a i a+ Gebräuchliche Werte für de Ateil getrimmter Werte sid α 0.05, 0.0, 4

Das getrimmte ud wisorisierte Mittel a : [ α ] größte gaze Zahl leier oder gleich α Beispiel (Hospiz) 0, 0, 5, 39, 48, 5, 5, 78, 44, 348 wisorisiertes Mittel: 79.6 α w a : α a ( a+ ) + ( i) + a (. i a+ 5 0 + 5 + 39 + 48 + 5 + 5 + 78 + 44 448 ( i) 56 0 8 8 9 0.t i 0.w 9 ( ) ( ) ( ) 0 + i + 9 i 0 + 0 + 5 + 39 + 48 + 5 + 5 + 78 + 44 + 44 0 60 60. 0 6 Zusammefassug Saleiveau des Mermals Lageparameter omial ordial metrisch Modus Media / Quatile -- Mittelwerte (arithm./getrimmt/wisorisiert) -- -- 7