Beruflich Dokumente
Kultur Dokumente
Organisation III
• Erlaubte Hilfsmittel in der Klausur:
– Ein einfacher, wissenschaftlicher, nicht programmierbarer,
Taschenrechner (ohne weitergehende Berechnung von
Funktionseigenschaften, z.B. Nullstellen, Ableitungen,
Flächenberechnung usw. und ohne „naturale“ Funktionseingabe)
– Ihr selbsterstellter (handschriftlicher!) „Spickzettel“ (ein Blatt DIN A4
mit Formeln)
– Alle (von mir!) mit Z gekennzeichneten Folien
• „Spickzettel“:
Sie können den Spickzettel mit der Klausur abgeben und erhalten in
diesem Fall dafür Punkte angerechnet:
– 1 Pkt. bei fast vollständigen Spickzetteln
– 2 Pkt. bei vollständigen und eher strukturierten Spickzetteln
– 3 Punkt bei vollständigen und sehr gut strukturierten Spickzettel
Organisation VI
• Ergänzende Literatur (Modulteil a):
– Kirsch, S. / Führer, C.: Wirtschaftsmathematik, 4. Aufl., 2014
– Luderer, B. / Würker, U.: Einstieg in die Wirtschaftsmathematik, 8. Aufl.,
2011
– Heinrich, G.: Basiswissen Mathematik, Statistik und Operations Research
für Wirtschaftswissenschaftler, 5. Aufl., 2013 (für beide Teile)
• Ergänzende Literatur (Modulteil b):
– Grundlegend: Brell, C / Brell, J. / Kirsch, S.: Statistik von Null auf Hundert.
Mit Kochrezepten schnell zum Statistik-Grundwissen, 1. Aufl., 2014
– Fortgeschritten: Schira, J.: Statistische Methoden der VWL und BWL.
Theorie und Praxis, 4. Aufl. 2012
• Für die Aussage „a gehört zur Menge der natürlich Zahlen“ wird
verkürzt geschrieben: a Є IN. Genau wie das Symbol Є gibt es eine
Reihe von Kurzschreibweisen, die wir Stück für Stück einführen.
Hier die ersten Kurzschreibweisen:
Kürzel Bedeutung Kürzel Bedeutung
Ist (kein) Element der Menge ist echte Teilmenge von
∈ bzw. ∉ gehört (nicht) zu
⊂ bzw. ⊃
⊆ bzw. ⊇ ist unechte Teilmenge von
für alle
∀ für beliebige ⊄ Ist keine echte Teilmenge von
es existiert ⊄ Ist keine unechte Teilmenge von
∃ es gibt ein
Menge für die gilt
aus…folgt {... | ...}
⇒ (die Umkehrung gilt nicht [eindeutig])
für die/das gilt
genau dann, wenn :
⇔ (und nur dann!)
(innerhalb eines Terms)
-
minus als Subtraktionszeichen
Negativ als Vorzeichen ∏ Produktzeichen bzw.
Produktoperator
mal als Multiplikationszeichen
⋅ bzw. × (Konvention: wenn Verwechslung ausge- Um größere Summen oder Produkt
schlossen sind, wird es weggelassen)
übersichtlich darzustellen, werden die beiden
dividiert durch als Divisionszeichen
: bzw. oben dargestellten Zeichen genutzt. Dabei wird
ein Index (oder mehrere Indices) genutzt,
der (oder die) bestimmt, welche Elemente
addiert bzw. multipliziert werden sollen.
Kürzel Bedeutung
ist gleich
=
ist etwa / annährend gleich
≈
ist ungleich
≠
( 2 + 5 + 7) + (1 + 4 + 6) = 25
n n
a1 = 2; a2 = 5; a3 = 7; c = 5
∑c ⋅ a
i =1
i = c ⋅ ∑ ai
i =1
3
∑c ⋅ a i
3
= c ⋅ ∑ ai
i =1 i =1
(5 ⋅ 2) + (5 ⋅ 5) + (5 ⋅ 7) = 5 ⋅ ( 2 + 5 + 7) = 70
a1 = a ---
a n an 5 3 53 125
( ) = n ,b ≠ 0 ( ) = 3= = 15,625
b b 2 2 8
( a m ) n = a n⋅m ( 22 )3 = 22⋅3 = 26 = 64
Achtung für die Addition und Subtraktion gibt es keine vergleichbaren Regeln,
m+n
d.h. insbesondere a + a ≠ a
m n
b 16
) = log2 (16) − log2 (8) = 4 − 3 = 2
loga ( ) = loga (b) − loga (c ) log2 (
8
c 16
log2 ( ) = log2 ( 2) = 1
8
Aussagenlogik – Wahrheitswerttafeln
A B ¬A A∧ B A∨ B A ∨ B A⇒ B A⇔ B
w w f w w f w w
w f f f w w f f
f w w f w w w f
f f w f f f w w
T1 = T2 ⇔ T1 ± T3 = T2 ± T3 x −9 = 5 ⇔ x −9−5 = 5−5
Addition/Subtraktion eines Terms Auf beiden Seiten 5 subtrahieren
T1 = T2 ⇔ T1 ⋅ T3 = T2 ⋅ T3 , T3 ≠ 0 x + 1 = 2 ⇔ ( x + 1) ⋅ 3 = 2 ⋅ 3
Multiplikation mit einem Term ≠ 0 Auf beiden Seiten 3 multiplizieren
T1 = T2 ⇔
T1 T2
= , T3 ≠ 0 8 ⋅ x 16
8 ⋅ x = 16 ⇔ =
T3 T3 4 4
Division durch einen Term ≠ 0 Auf beiden Seiten durch 4 dividiert
Potenzieren
T1 = T2 ⇔ n T1 = n T2 , n ungerade x 3 = 27 ⇔ 3 x 3 = 3 27
Wurzelziehen Auf beiden Seiten die 3. Wurzel gezogen
T1 > T2 ⇔ T1 ± T3 > T2 ± T3
---
Addition/Subtraktion eines Terms
T1 > T2 ⇔ T1 ⋅ T3 > T2 ⋅ T3 , T3 > 0 Bei der Multiplikation mit einem
negativen Term wird das Vorzeichen
T1 > T2 ⇔ T1 ⋅ T3 < T2 ⋅ T3 , T3 < 0
umgedreht.
Multiplikation mit einem Term ≠ 0
T1 T2
T1 > T2 ⇔ > , T3 > 0
T3 T3
Bei der Division mit einem negativen
T T
T1 > T2 ⇔ 1 < 2 , T3 < 0 Term wird das Vorzeichen umgedreht.
T3 T3
Division mit einem Term ≠ 0
Ableitungsregeln I
Funktion f(x) Ableitung f‘(x) Beispiel
xn nx n −1 f ( x ) = x 5 ⇒ f ′( x ) = 5 x 4
Ableitungsregeln II
Funktion f(x) Ableitung f‘(x) Beispiel
6x
u( x ) u′( x ) ⋅ v ( x ) − u( x ) ⋅ v′( x ) f ( x) = ⇒
x −1
v( x) ( v ( x )) 2 6 ⋅ ( x − 1) − 6 x ⋅ 1 6
f ′( x ) = = −
Quotientenregel ( x − 1) 2 ( x − 1) 2
f ( g ( x )) f ′( g ( x )) ⋅ g ′( x ) f ( g ( x )) = (3x 2 + 1) 4
mit f (g) = g4
Kettenregel
und g ( x ) = 3x 2 + 1
f ′( x ) = 4 ⋅ (3x 2 + 1) ⋅ 6 x
= 24 x ⋅ (3x 2 + 1)
Ableitungsregeln III
Funktion f(x) Ableitung f‘(x) Beispiel
e x
e x f ( x ) = e 2 x +5 ⇒ f ′( x ) = 2e 2 x +5
Grundintegrale I
Funktion f(x) Unbestimmtes Integral ∫f(x)dx
0 c
a a⋅x+c
x n , n ≠ −1 x n +1
+c
n +1
( a ⋅ x + c ) , n ≠ −1, a ≠ 0
n 1 ( ax + b) n +1
⋅ +c
a n +1
1
ln(| x |) + c
x
Grundintegrale II
Funktion f(x) Unbestimmtes Integral ∫f(x)dx
1 1
,a ≠ 0 ln(| ax + b |) + c
ax + b a
ex ex + c
e ax +b , a ≠ 0 1 ax +b
e +c
a
∫ c ⋅ f ( x)dx = c ⋅ ∫ f ( x)dx
∫ ( g ( x) ± f ( x))dx = ∫ g ( x)dx + ∫ f ( x)dx
Regel Bemerkung
(A·B)·C=A·(B·C) Assoziativgesetz
A·(B+C)=A·B+A·C Distributivgesetz
(A·B)+C=A·C+B·C
Wenn A quadratisch gilt: Multiplikation mit der Einheitsmatrix E
A·E=E·A=A reproduziert A
Wenn A quadratisch und N Multiplikation mit der Nullmatrix N ergibt
die passende Nullmatrix ist, die Nullmatrix.
gilt: A·N=N·A=N
(A·B)T = BT · AT Transponieren eines Matrixprodukts
Binomialkoeffizienten I
• Es gilt stets:
n n n n n
= = 1 = n =
0 n 1
k n − k
Zusammenfassung
Bitte auf die Bedeutung von n,m und k im jeweiligen Kontext achten!
alle Elemente P = n!
unterscheidbar
Permutationen
nicht alle Elemente n!
P=
unterscheidbar n1!⋅n2!⋅...nm!
mit Berücksichtigung n!
V=
der Anordnung ( n − k )!
Kombinationen
ohne n n!
Berücksichtigung der C = =
Anordnung k k! ( n − k )!
Zusammenfassung I
Nach einer bestimmten Vorschrift ausgeführtes, beliebig oft wiederholbares Experiment mit (ex ante)
Zufallsexperiment ungewissem Ausgang, dessen Ergebnisse (ex post) beobachtbar sind.
Einzelne, nicht mehr zerlegbare und sich gegenseitig ausschließende Ergebnisse eines
Elementarereignis Zufallsexperiments.
Alle Ereignisse eines Zufallsexperiments mit einem Ereignisraum. Immer enthalten: die leere Menge
Ereignismenge und das sichere Ereignis (der Ereignisraum selber).
Wahrscheinlichkeit Maß des Grades an Gewissheit für das Eintreten eines Ereignisses
Zusammenfassung II
klassische Zuordnung von Wahrscheinlichkeiten auf Basis von Laplace-Experimenten durch den Quotienten aus
Wahrscheinlichkeit günstigen Ereignissen und allen gleichwahrscheinlichen Ereignissen
statistische Grenzwert der relativen Häufigkeit eines Ereignisses bei unendlich häufiger Durchführung eines
Wahrscheinlichkeit Zufallsexperiments.
subjektive
Maß des persönlichen Vertrauens für den Eintritt eines Ereignisses.
Wahrscheinlichkeit
• Mit dieser Definition kann der Multiplikationssatz (den Sie bis jetzt
nur für unabhängige Ereignisse kennen) erweitert werden. Es gilt
für alle Ereignisse:
P( A ∩ B ) = P( A) ⋅ P( B | A)
Totale Wahrscheinlichkeit II
Bayes-Theorem II
∑ P( B | A ) ⋅ P( A )
i =1
i i
nicht
Zufallsauswahl zufallsgesteuerte
Auswahlverfahren
reine Klumpen-
Zufallsauswahl stichprobe
mehrstufige
Stichprobe
Zusammenfassung I
Statistik als wissenschaftliche Disziplin, ist die Lehre von den Methoden zum Umgang mit
Statistik quantitativen Informationen (Daten).
Statistische Einheit Statistische Einheiten bzw. Merkmalsträger sind Objekte, deren Merkmale bei der statistischen
Merkmalsträger Untersuchung von Interesse sind.
Die Grundgesamtheit Ω ist die Menge aller in Frage kommenden / zu untersuchenden statistischen
Grundgesamtheit Einheiten über die eine Aussage gemacht werden soll.
Statistische Variable Bezeichnet die Zuordnung von (reellen) Zahlen zu den Merkmalsausprägungen
Zusammenfassung II
Vollerhebung Werden alle (interessierenden) Merkmalsträger einer Grundgesamtheit untersucht, so wird dies
Totalerhebung Vollerhebung bzw. Totalerhebung genannt.
Teilgesamtheit
(Jede) Teilmenge der Grundgesamtheit
Auswahl
Teilmenge der Grundgesamtheit, bei deren Bestimmung der Zufall eine maßgebliche Rolle spielt. (Zu
Stichprobe Stichprobenarten vgl. Übersichtsfolie)
Merkmalstypen I abgestufte
diskret
Merkmalsausprägungen lassen Ausprägungen
quantitativ sich durch Zahlen ausdrücken stetig können Zwischenwerte
kontinuierlich annehmen
Zusammenfassung III
Datenerhebung
mehrstufig
einstufig
Pre-Test, Itembildung, Nacherhebung
Beispielhafte Übersicht
Untersuchungsobjekt
oder Beobachtung („beobachtbares“) Merkmal Aufgabenlösung Bestellmenge Umsatz
Konstrukt
theoretisches Modell (nicht direkt beobachtbares Merkmal im Rahmen der zu Intelligenz Nachfragemacht Marktmacht
überprüfenden Theorie)
Variable
formales Modell (Repräsentant eines Merkmals in einem formalen Modell, welches x x x
grundsätzlich viele Werte annehmen kann)
Daten
Statistisches Modell (konkrete Ausprägungen von statistischen Variablen bei den 120, 80, ... 120, 80, ... 20%, 30%, ...
Untersuchungsobjekten)
Datenarten
Daten
Primärdaten Sekundärdaten
selbst erhoben andere Quellen
Zusammenfassung I
Ist die Beobachtung, Messung oder Befragung der Merkmalsausprägung von Merkmalen bei den
Erhebung Merkmalsträgern.
Durch das Antwortverhalten bedingte, systematische Verzerrung der Antworten gegenüber der
response bias eigentlichen Merkmalsausprägung.
Konstrukte
Nicht direkt beobachtbare, theoretische Elemente, die analysiert werden sollen
(latente Variable)
(mathematische)
Repräsentant des Konstruktes in einem formalen (mathematischen) Modell
Variable
Daten Konkret erhobenen Merkmalsausprägungen bei den Merkmalsträgern der Auswahl bzw. Stichprobe.
Zusammenfassung II
Urliste
Matrix aller erhobenen Merkmalsausprägung bei den Merkmalsträgern der Auswahl bzw. Stichprobe
Datenmatrix
Querschnittsdaten Daten von unterschiedlichen Merkmalsträgern, die sich (alle) auf einen Zeitpunkt beziehen.
Längsschnittdaten Daten von denselben Merkmalsträgern, die sich auf (aufeinanderfolgende) Zeitpunkte beziehen.
Zeitreihen Nutzung weniger Variablen.
Daten von denselben Merkmalsträgern, die sich auf (aufeinanderfolgende) Zeitpunkte beziehen und
Paneldaten gleichzeitig Nutzung vieler Variablen
E ( a ⋅ g1 ( X )) = a ⋅ E ( g1 ( X ))
E ( g1 ( X ) + g 2 ( X )) = E ( g1 ( X )) + E ( g 2 ( X ))
V (a ) = 0
V ( X + a) = V ( X )
V (a ⋅ X ) = a 2 ⋅V ( X )
Zusammenfassung I
Nach einer bestimmten Vorschrift ausgeführtes, beliebig oft wiederholbares Experiment mit (ex ante)
Zufallsexperiment ungewissem Ausgang, dessen Ergebnisse (ex post) beobachtbar sind.
Wahrscheinlichkeit Maß des Grades an Gewissheit für das Eintreten eines Ereignisses.
Zufallsvariable Eine Funktion die jedem Elementarereignis eine reelle Zahl zuordnet.
diskrete Eine Funktion die jedem Elementarereignis eine reelle Zahl zuordnet, so dass die Realisationen
Zufallsvariable zählbar sind.
stetige Eine Funktion die jedem Elementarereignis eine reelle Zahl zuordnet, so dass ein überabzählbarer
Zufallsvariable unendlicher Wertbereich für die Realisationen entsteht.
Zusammenfassung II
Funktion, die einer Zufallsvariable einen reellen Wert zwischen 0 und 1 zuweist, der angibt, wie groß
Verteilungsfunktion die Wahrscheinlichkeit ist, das die Zufallsvariable nicht größer als x ist.
Die Funktion die bei einer diskreten Zufallsvariablen jeder Realisation die Wahrscheinlichkeit
Massenfunktion zuordnet, mit der die Zufallsvariable genau den Wert x annimmt.
Dichtefunktion Bei stetigen Zufallsvariablen die erste Ableitung der Verteilungsfunktion nach x.
Der Erwartungswert entspricht dem mit den Wahrscheinlichkeiten gewichteten arithmetischen Mittel
Erwartungswert aller Realisationen eines Zufallsexperiments.
Varianz Erwartungswert der quadrierten Abweichung der Zufallsvariablen von ihrem Erwartungswert.
Zusammenfassung
Die absoluten Häufigkeiten eines Wertes ist die Anzahl der Merkmalsträger, bei denen die
absolute Häufigkeit Merkmalsausprägung diesen Wert annimmt.
Die relative Häufigkeiten eines Wertes ist der Anteil der Merkmalsträger, bei denen die
relative Häufigkeit Merkmalsausprägung diesen Wert annimmt.
kumulierte absolute
Die kumulierte absolute/relative Häufigkeiten eines Wertes ist die Anzahl/der Anteil der
oder relative Merkmalsträger, bei denen die Merkmalsausprägung maximal diesen Wert annimmt.
Häufigkeit
Histogramme sind also grafische Darstellungen von relativen Häufigkeiten stetiger (klassierter)
Merkmalausprägungen, bei denen direkt nebeneinander Rechtecke, deren Flächen proportional zur
Histogramm relativen Häufigkeit (der Klasse) sind, gezeichnet werden. Die Klassenbreite entspricht der Breite des
Rechtecks, die Häufigkeitsdichte der Höhe.
∑ ( x − x) = 0
i =1
i
n i =1 n i =1
Übersicht Lageparameter I
Errechenbar bei** Interpretierbar bei**
Bestimmung*
n o1 o2 k n o1 o2 k
Modalwert
Modus
Häufigster Wert X X X X X X X X
xMe = x n +1 falls n ungerade
Median
allgemein x n ≤ xMe ≤ x n
2
+1
falls n gerade X X X
2 2
Median 1
Konvention
xMe = ( x n + x n )
2 2 2
+1 X X X
Q1 = x n +1 falls n ungerade
unteres Quartil
allgemein x n ≤ Q1 ≤ x n
4
falls n gerade X X X
+1
4 4
* Bitte beachten Sie die Besonderheiten bei klassierten Daten. Hier wird von nicht-klassierten Daten ausgegangen.
** (n)ominales; ordinales Skalenniveau mit Zahlenwerten (o2); ordinales Skalenniveau ohne Zahlenwerte (o1) oder (k)ardinales Skalenniveau
Übersicht Lageparameter II
Errechenbar bei** Interpretierbar bei**
Bestimmung*
n o1 o2 k n o1 o2 k
Q3 = x 3n +1 falls n ungerade
oberes Quartil
allgemein
4
x 3n ≤ Q3 ≤ x 3n
+1
falls n gerade X X X
4 4
unteres Quartil 1
Konvention
Q1 = ( x n + x n ) X X X
2 4 +1
4
oberes Quartil 1
Konvention
Q3 = ( x 3n + x 3n ) X X X
2 4 +1
4
1 n
x := ⋅ ∑ xi
arithmetisches Mittel
Mittelwert*** X X X
n i =1
n
geometrisches Mittel G X := n ∏x
i =1
i xi > 0 X X X
n
H X :=
X X X
n
harmonisches Mittel 1
∑
i =1 xi
* Bitte beachten Sie die Besonderheiten bei klassierten Daten. Hier wird von nicht-klassierten Daten ausgegangen.
** (n)ominales; ordinales Skalenniveau mit Zahlenwerten (o2); ordinales Skalenniveau ohne Zahlenwerte (o1) oder (k)ardinales Skalenniveau
*** Bitte beachten Sie die Möglichkeiten der vereinfachten Berechnung und die Eigenschaften
Übersicht Streuungsparameter I
Errechenbar bei** Interpretierbar bei**
Bestimmung*
n o1 o2 k n o1 o2 k
Quartilsabstand QA := Q3 − Q1 X X X
QA
mittlerer MQA := X X X
Quartilsabstand 2
* Bitte beachten Sie die Besonderheiten bei klassierten Daten. Hier wird von nicht-klassierten Daten ausgegangen.
** (n)ominales; ordinales Skalenniveau mit Zahlenwerten (o2); ordinales Skalenniveau ohne Zahlenwerte (o1) oder (k)ardinales Skalenniveau
Übersicht Streuungsparameter II
Errechenbar bei** Interpretierbar bei**
Bestimmung*
n o1 o2 k n o1 o2 k
1 n
Varianz***
(der Grundgesamtheit)
s := ⋅ ∑ ( xi − x ) 2
2
X X X X
n i =1
Standard-
abweichung***
(der Grundgesamtheit)
s X := s X2 X X X
sX
Variationskoeffizient VK X := X X X
x
* Bitte beachten Sie die Besonderheiten bei klassierten Daten. Hier wird von nicht-klassierten Daten ausgegangen.
** (n)ominales; ordinales Skalenniveau mit Zahlenwerten (o2); ordinales Skalenniveau ohne Zahlenwerte (o1) oder (k)ardinales Skalenniveau
*** Bitte beachten Sie die Möglichkeiten der vereinfachten Berechnung und die Eigenschaften
Zusammenfassung I
Modalwert Der häufigste Wert der Urliste bzw. bei klassierten Daten die Klassenmitte der Klasse, die am
Modus häufigsten besetzt ist.
Die Merkmalsausprägung, die eine der Größe nach geordnete Reihenfolge von Beobachtungswerten
Median in zwei gleiche Teile zerlegt.
unteres Quartil Die Merkmalsausprägung, die eine der Größe nach geordnete Reihenfolge von Beobachtungswerten
oberes Quartil bei 25% (unteres Quartil) bzw. 75% (oberes Quartil) unterbricht.
Die Merkmalsausprägung definiert, die eine der Größe nach geordnete Reihenfolge von
p-Quantil Beobachtungswerten bei p unterbricht.
Zusammenfassung II
arithmetisches Mittel
Summe aller Merkmalsausprägungen geteilt durch die Anzahl der Merkmalsträger
Mittelwert
n-te Wurzel des Produktes aller Merkmalsausprägungen, sofern alle Merkmalsausprägungen größer
geometrisches Mittel Null sind.
Kehrwert des arithmetischen Mittels der Kehrwerte aller Merkmalsausprägungen, sofern alle
harmonisches Mittel Merkmalsausprägungen größer Null sind.
Spannweite
Differenz aus dem größten und dem kleinsten Wert aller beobachteten Merkmalsausprägungen.
Range
(mittlerer)
(Halbe) Differenz aus dem oberen und dem unteren Quartil.
Quartilsabstand
Zusammenfassung III
Varianz Mittelwert der quadrierten Abweichung der Merkmalsausprägung von ihrem Mittelwert.
Boxplot Darstellungsform, die das Minimum, das Maximum, das untere und obere Quartil und den Median
Whiskerplot veranschaulicht.
Darstellungsform, die (zumindest) das untere und obere Quartil und den Median sowie Ausreißer
punktierter Boxplot veranschaulicht. Häufig werden auch Minima und Maxima angegeben.
Zusammenfassung I
absolute
Anteil der Merkmalssumme bezogen auf eine (absolute) Anzahl von Merkmalsträgern.
Konzentration
relative
Anteil der Merkmalssumme bezogen auf eine Anteil von Merkmalsträgern.
Konzentration
Konzentration der ∑x i k
ersten k C ( k ) := i =1
m
= ∑ ai Mit ai der Anteil des i-ten Merkmalsträgers an der Summe aller
Merkmalsausprägungen.
Merkmalsträger
∑x
i =1
i
i =1
Herfindahl-Index
∑x i
2
Quotient aus der Summe der quadrierten
HHI := i =1
Merkmalsausprägungen und dem Quadrat der Summe der
HHI n
( ∑ xi ) 2 Merkmalsausprägungen.
i =1
Zusammenfassung I
Darstellung der kumulierten Anteile der Merkmalssumme über die kumulierten relativen
Lorenzkurve Häufigkeiten.
(normierter) Quotient aus der Konzentrationsfläche zwischen der Hauptdiagonalen und der
Gini-Koeffizient Lorenzkurve und der maximal möglichen Konzentrationsfläche
… … … … … …
=
…
ni• ij •j
=j 1 =i 1
∑=
n bzw. n ∑n ij
i =1 i =1
in Tabellenform aufzuschreiben.
• Zur Bestimmung der Kovarianz wird benötigt:
i, xi , yi , xi − x , yi − y und ( xi − x ) ⋅ ( yi − y )
• Zur Bestimmung des Korrelationskoeffizienten zusätzlich:
2
( xi − x ) 2 und ( yi − y )
i xi yi xi − x yi − y ( xi − x ) ⋅ ( yi − y ) ( xi − x ) 2 ( yi − y ) 2
1 x1 y1
1 4
… … … 5 8
n xn yn
n
∑i =1 2 6 9
1 n
⋅∑ x y 7
n i =1 3
7 = Kovarianz
6 9 Einsetzen, um Korrelationskoeffizienten zu bestimmen
Kontingenzmaße – Eigenschaften
χ²
Kontingenzkoeffizient
(Pearsons P)
korrigierter
Kontingenzkoeffizient
φ-Koeffizient
Cramers V
x1 x2
y1 a b a+b
y2 c d c+d
a+c b+d m = a+b+c+d
• Es ergibt sich:
m ⋅ (a ⋅ d − b ⋅ c)2
χ :=
2
( a + b) ⋅ ( c + d ) ⋅ ( a + c ) ⋅ ( b + d )
• und
(a ⋅ d − b ⋅ c)
φ = V :=
( a + b) ⋅ ( c + d ) ⋅ ( a + c ) ⋅ (b + d )
V Z Wirtschaftsstatistik
Mathematische Grundlagen der
77
Fachbereich Wirtschaftswissenschaften
Prof. Dr. Matthias Freund
Zusammenfassung
Grafische Darstellung zweier Merkmalsausprägung eines Merkmalträgers. Dabei wird für jeden
Streudiagramm Merkmalsträger ein Punkt (mit den jeweiligen Merkmalsausprägungen) in ein Koordinatensystem mit
Scatterplot den (jeweiligen) Wertebereichen der Merkmalsausprägungen gezeichnet. Es ergibt sich eine
„Punktwolke“, deren Form einen ersten Hinweis auf den Zusammenhang gibt.
Kontingenz-,
Korrelations- bzw. Tabellarische Gegenüberstellung zweier Merkmalsausprägungen.
Kreuztabelle
Absolute, relative
oder kumulierte Verteilung eines der Merkmale ohne Berücksichtigung des jeweils anderen Merkmale.
Randverteilung
1 n
Kovarianz s XY := ⋅ ∑ ( xi − x ) ⋅ ( yi − y )
n i =1
X X X
n
Korrelations- ∑ ( x − x) ⋅ ( y − y)
X X X
i i
s XY
rXY := = i =1
koeffizient s X ⋅ sY n n
∑ ( x − x) ⋅ ∑ ( y − y)
i =1
i
2
i =1
i
2
Rangkorrelations- srg ( X ) rg (Y )
:= X X X X X X
Sp
rXY
koeffizient srg ( X ) ⋅ srg (Y )
l k
( nij − Eij ) 2
χ² χ := ∑∑
2
i =1 j =1 Eij
X X X X X X X X
• (n)ominales; ordinales Skalenniveau mit Zahlenwerten (o2); ordinales Skalenniveau ohne Zahlenwerte (o1) oder (k)ardinales Skalenniveau als
„geringstes“ Skalenniveau einer der beiden zu Grunde liegenden Merkmalen
Kontingenzkoeffizient χ2
(Pearsons P) P :=
χ2 + m
X X X X X X X X
korrigierter χ 2 ⋅ min(k , l )
Kontingenzkoeffizient P korr
:=
( χ 2 + m) ⋅ (min(k , l ) − 1)
X X X X X X X X
χ2
φ-Koeffizient φ :=
m
X X X X X X X X
φ
Cramers V V :=
min((k − 1), (l − 1)) X X X X X X X X
• (n)ominales; ordinales Skalenniveau mit Zahlenwerten (o2); ordinales Skalenniveau ohne Zahlenwerte (o1) oder (k)ardinales Skalenniveau als
„geringstes“ Skalenniveau einer der beiden zu Grunde liegenden Merkmalen
Modellverteilungen Prüfverteilungen
(Auswahl) (Auswahl)
Gleichverteilung (2+)
Binomialverteilung (2)
Bernoulli-Verteilung (1)
diskret Poisson-Verteilung (1)
Hypergeometrische Verteilung (3)
Geometrische Verteilung (2)
n i =1 n i =1
• Sind x1,…,xn aufeinanderfolgende natürliche Zahlen, so ergibt sich
die Varianz als:
1 n 1 n 2
V ( X ) = ⋅ ∑ ( xi − x ) = ( ⋅ ∑ xi ) − ( x ) 2
2
n i =1 n i =1
( n + 1)( 2n + 1) ( n + 1) 2 n 2 − 1
= − =
6 4 12
0 x<a (b − a ) 2
für V(X ) =
x −a 2
F ( x) = für a ≤ x ≤ b
b − a
1 für x>b
Binomialverteilung IV
k =0
• Der Erwartungswert und die Varianz ergeben sich als:
E( X ) = n ⋅ p V ( X ) = n ⋅ p ⋅ (1 − p )
1 = zur Besseren Übersicht sind nur positive Wahrscheinlichkeitsmassen angegeben. Der Wert sonst ist Null.
Bernoulli-Verteilung
Poisson-Verteilung III
Standardnormalverteilung I
Standardnormalverteilung V
• Es ergibt sich als zugehörige Verteilungsfunktion der
Standardnormalverteilung:
z 1
1 − ⋅u 2
F ( z) = ⋅ ∫ e 2 du
2 ⋅ π −∞
Standardnormalverteilung VIII
P(Z>-0.4044)
= 1-P(Z≤-0.4044)
≈ 0.659
P(Z≤-0.4044)
≈ 0.341
Standardnormalverteilung IX
P(Z≥-1.2)
P(Z≤-0.4044) P(Z≥0.4044) = 0.8849
≈ 0.341 ≈ 0.341
Wirtschaftsstatistik
2,3 0,98928 0,98956 0,98983 0,99010 0,99036 0,99061 0,99086 0,99111 0,99134 0,99158
2,4 0,99180 0,99202 0,99224 0,99245 0,99266 0,99286 0,99305 0,99324 0,99343 0,99361
2,5 0,99379 0,99396 0,99413 0,99430 0,99446 0,99461 0,99477 0,99492 0,99506 0,99520
3,9 0,99995 0,99995 0,99996 0,99996 0,99996 0,99996 0,99996 0,99996 0,99997 0,99997
4,0 0,99997 0,99997 0,99997 0,99997 0,99997 0,99997 0,99998 0,99998 0,99998 0,99998
92
Fachbereich Wirtschaftswissenschaften
Prof. Dr. Matthias Freund
Fachbereich Wirtschaftswissenschaften
Prof. Dr. Matthias Freund
Normalverteilung I
• Um die Normalverteilung zu definieren wird mit μ der
arithmetische Mittelwert und mit σ die Standardabweichung der
Verteilung bezeichnet.
• Eine stetige Zufallsvariable X mit der Dichtefunktion
1 x−µ
1 − ⋅( )2
f ( x) = ⋅e 2 σ
mit − ∞ < z < ∞
σ ⋅ 2 ⋅π
heißt normalverteilt.
• Es ergibt sich als zugehörige Verteilungsfunktion der
Normalverteilung:
x 1 u−µ
1 − ⋅( )2
F ( x) = ⋅ ∫e 2 σ
du
σ ⋅ 2 ⋅ π −∞
• Der Erwartungswert der Standardnormalverteilung ist E(Z) = μ und
die Varianz V(Z) = σ².
Normalverteilung VI
Normalverteilung VII
.4
.4
.3
.3
Density
Density
.2
.2
.1
.1
0
-4 -2 0 2 4 -4 -2 0 2 4 6
var2 var3