Prof. Dr.

Marc Piazolo
Statistik (Sommersemester 2019)

Willkommen zu
Statistik
(Sommersemester 2019)

Gruppe Ort Uhrzeit Selbststudium

Mittwoch, 8.00 – 11.15 Uhr Eine Stunde Vor- und

A 108
MÖ B Beginn: 20. März 2019 Nachbereitung in der Woche
Ende: 03. Juli 2019

Sprechstunde Dienstag, 11.30 – 12.30 Uhr Sowie n.V.

H 349 marc.piazolo@hs-kl.de
Assistenten
Inka Harms Inka.harms@hs-kl.de

Unterlagen OLAT worldofecon

1
 Prof. Dr. Marc Piazolo
Statistik (Sommersemester 2019)

Inhalte der Lehrveranstaltung

1. Grundlagen der Statistik

1.1. Statistische Grundbegriffe und Ablauf einer statistischen Untersuchung

1.2. Mathematische Hilfsmittel

2. Deskriptive (beschreibende) Statistik

2.1. Eindimensionale Häufigkeitsverteilung

2.2. Zweidimensionale Häufigkeitsverteilung
2.3. Parameter von Häufigkeitsverteilungen
2.3.1. Lageparameter
2.3.2. Streuungsparameter
2.3.3. Konzentrationsmaße
2.3.4. Zusammenhangsmaße
2.4. Regressionsanalyse (einfache und multiple)

2
 Prof. Dr. Marc Piazolo
Statistik (Sommersemester 2019)

Inhalte der Lehrveranstaltung

3. Wahrscheinlichkeitsrechnung

3.1. Grundlagen der Wahrscheinlichkeitsrechnung

3.2. Wahrscheinlichkeitsverteilungen für diskrete und stetige Zufallsvariablen

4. Induktive (schließende) Statistik

4.1. Stichprobenverfahren und Prüfverteilungen

4.2. Schätzverfahren
4.2.1. Intervallschätzungen für Mittelwerte, Anteilswerte, Varianzen
4.2.2. Bestimmung des notwendigen Stichprobenumfangs
4.3. Hypothesentestverfahren
4.3.1. Parametertests: Mittelwerte und Anteilswerte
4.3.2. Parametertests: Differenzen zwischen Mittel- und Anteilswerten
4.3.3. Einfache Varianzanalyse
4.3.4. Anpassungstests
4.3.5.Unabhängigkeitstest
3
 Prof. Dr. Marc Piazolo
Statistik (Sommersemester 2019)

Literatur
Primärquellen
- Piazolo, M. Statistik für Wirtschaftswissenschaftler, Daten sinnvoll aufbereiten,
analysieren und interpretieren, 3. Auflage (2018)
- Schira, J. Statistische Methoden der VWL und BWL, 5. Auflage Pearson Studium 2016

Größere Bonusaufgabe – Thema: Kultur

Graphische Aufbereitung statistischen Datenmaterials Ihrer Wahl;
Kurzanalyse und Beschreibung der Daten (inkl. Regressionsanalyse)
Falls möglich, Verbesserungsvorschläge zur graphischen Aufbereitung und empirischen
Analyse nennen; Wichtig: genaue Datenquelle anführen und Datenmaterial mit abgeben.

Formalia: Matrikelnummer, Name, Fachsemester;

Umfang: zwei-drei Seiten; Graphiken und Datenmaterial können Sie in einer Anlage
beifügen. Abgabetermin: 15. Mai 2019
Maximal 8 Bonuspunkte auf die Klausur im Juli 2019

Klausur
12. Juli 2019 (Anmeldung bis 10. Juni 2019) 120 Minuten
4
 Prof. Dr. Marc Piazolo
Statistik (Sommersemester 2019)

Experimente und Forschendes Lernen

Forschendes
Lernen Ermittlung eines typischen Warenkorbes von Studierenden – Team von sechs
Studierenden
Ziel: repräsentative Wahlumfrage zur Europawahl (Mai 2019)

„Vergütung“
- Kostenlose Teilnahme an Professionelle Befragungen – von der Planung bis
zur Durchführung am Zentrum für Europäischen Wirtschaftsforschung,
Mannheim (2020).
- für durchführende Teammitglieder 10 Bonuspunkte.
- Zeitungsartikel, Rundschauartikel geplant.

5
 Prof. Dr. Marc Piazolo
Statistik (Sommersemester 2019)

Einleitung
Bonusaufgabe – Keynes Beauty Contest (OLAT)
Abgabe bis 22. März 2019 (Postfach bzw. Inka Harms)

Warum Statistik? Grundlage, um Entscheidungen zu treffen.

Statistik: Gesamtheit der Methoden, die angewandt werden,

um Daten zu sammeln, zu analysieren und sinnvoll zu interpretieren.

Voraussetzung:
- Erscheinungen müssen öfters (massenhaft) auftreten
- Sie müssen zahlenmäßig erfassbar sein.

Ronning, 1981, S. 5. Tab. 1: Gurtpflicht – Pro und Contra 6

 Prof. Dr. Marc Piazolo
Statistik (Sommersemester 2019)

Einleitung

Probleme mit Statistik

• Datenmanipulationen
- CIA World Factbook: POP Afghanistan 34,940,837 (July 2018 est.)
- CIA World Factbook: POP Deutschland 80,457,737 (July 2018 est.)
- CIA World Factbook: POP USA 329,256,465 (July 2018 est.)
- Dt. Ärzteblatt und Aidsstatistik (zu hohe Krankenbestände
ausgewiesen)

• Achtung Prozentsätze
- Absolventenquote FH KL

• Legendäre Zahlen
- 150 Menschen werden pro Jahr von Kokosnüssen erschlagen
- Tagesbedarf Getränk = 2 Liter

Deutschland 82.979 Mio. (September 2018) Statistisches Bundesamt.

7
 Prof. Dr. Marc Piazolo
Statistik (Sommersemester 2019)

1.1 Statistische Grundbegriffe

Die Untersuchungseinheit ist der Träger von Eigenschaften, die für die
statistische Untersuchung von Interesse sind. Die Menge der
Untersuchungseinheiten bildet die so genannte statistische Grundgesamtheit.

Das Messen stellt das Zuordnen von Ziffern (Zahlensymbol) zu Objekten,

Ereignissen oder Merkmalsausprägungen nach bestimmten Regeln dar.

Qualitätsprobleme beim Datenmaterial – da Unterschiede existieren.

Zahlenmäßige vs. Artmäßige Merkmale

(Quantitativ vs. Qualitativ)

Diskrete vs. Stetige Merkmale

- diskret, basiert auf einen Zählvorgang (Anzahl Studierende in LV)
- stetig, basiert auf einen Messvorgang (Körpergewicht der Studierenden)

8
 Prof. Dr. Marc Piazolo
Statistik (Sommersemester 2019)

1.1 Statistische Grundbegriffe

Eigenschaft der Identität

Jede Zahl ist nur sich selber gleich und von allen anderen Zahlen zu
unterscheiden.

Eigenschaft der Ordnung

Zwei oder mehr nicht identische Zahlen lassen sich immer in eine auf- oder
absteigende Reihenfolge bringen.

Eigenschaft der Additivität

Aus zwei oder mehr natürlichen Zahlen lässt sich immer eine Summe bilden,
deren Wert wiederum sinnvoll durch eine natürliche Zahl ausgedrückt werden
kann.

Vier statistische Maß-Skalen

9
 Prof. Dr. Marc Piazolo
Statistik (Sommersemester 2019)

1.1 Statistische Grundbegriffe – Maßskalen zur Datenqualität

Nominalskala
Die Zuordnungsziffern eines Merkmals besitzen nur die Identitätseigenschaft.
Folglich dienen die Ziffern ausschließlich dazu, gleiche Tatbestände als
gleichartig zu charakterisieren.

Beispiele

Ordinalskala
Die Zuordnungsziffern dienen sowohl zur Unterscheidung der Ausprägungen als
auch dazu, ein „Mehr” oder „Weniger” bzw. ein „Größer als” des untersuchten
Merkmals zu kennzeichnen.

Zwischen den unterschiedlichen Ausprägungen besteht eine natürliche

Rangordnung. Es lässt sich aber nicht sagen, ob der Abstand zwischen den
Ausprägungen genau gleich groß ist.
Beispiele

10
 Prof. Dr. Marc Piazolo
Statistik (Sommersemester 2019)

1.1 Statistische Grundbegriffe – Maßskalen zur Datenqualität

Intervallskala
Die Zuordnungsziffern dienen neben der Unterscheidung von Ausprägung und
Anordnung zusätzlich dazu, die Abstände zwischen zwei Ziffern richtig
wiederzugeben. Damit lassen sich die Differenzen zwischen einzelnen
Ausprägungen interpretieren.

Da es noch keinen echten Nullpunkt gibt, dürfen die Ziffern selbst nicht
addiert, multipliziert oder dividiert werden.

Beispiele

Verhältnisskala (metrische Skalierung)

Die Verhältnisskala kann behandelt werden wie die Intervallskalierung. Der
Nullpunkt ist jedoch nicht willkürlich festgelegt, sondern er hat empirisch einen
Sinn. Folglich können Quotienten aus den Zuordnungsziffern gebildet und diese
sinnvoll interpretiert werden.

Beispiele
Absolutskala
11
 Prof. Dr. Marc Piazolo
Statistik (Sommersemester 2019)

1.1 Ablauf einer statistischen Untersuchung – Beispiel Analyse der Preisentwicklung

(1) Planung

Definition des Problems bzw. des Gegenstands der Untersuchung.

- Sachliche Abgrenzung
- Methodische Abgrenzung (Wahl des statistischen Verfahrens)
- Räumliche / Zeitliche Abgrenzung
- Organisatorische Vorbereitung

Sachliche Abgrenzung: Welche Preise sind von Interesse?

Lebenshaltungskosten, Rohstoffe

Methode Berechnung Preisindex

Raum & Zeit Saarland, Rheinland-Pfalz, Zweibrücken | 2 Jahre

Organisation Fragebogen, Online, Befragungen (Telefon)

12
 Prof. Dr. Marc Piazolo
Statistik (Sommersemester 2019)

1.1 Ablauf einer statistischen Untersuchung – Beispiel Analyse der Preisentwicklung

(2) Erhebung

Beschaffung von Daten über Massenerscheinungen.

- Primärstatistische Erhebung
- Sekundärstatistische Erhebung

Primärstatistiken Direkte Beobachtung bzw. Erfragung der Daten

•Fragebogen (Verbrauchsgewohnheiten)
•Interview
•Beobachtung (Güterpreise in Geschäften)
•Automatische Erfassung (Güterpreise)

Sekundärstatistiken Bereits vorhandenes Datenmaterial nutzen

•Statistische Landes- und Bundesämter

Vorteil: Kosten- und Zeitersparnis

Vgl. Piazolo (2011b) 13
 Prof. Dr. Marc Piazolo
Statistik (Sommersemester 2019)

1.1 Ablauf einer statistischen Untersuchung – Beispiel Analyse der Preisentwicklung

(3) Aufbereitung

Ur(daten)material wird geordnet, verdichtet und für die Anwendung statistischer

Verfahren vorbereitet.

Datenfehler werden ermittelt und entfernt.

Datenfehler z.B. 1 l Milch für 10 €

Verdichtung Bildung von Mittelwerten

(Durchschnittspreis für 1 l Milch)

Ziel typischer Preis für 1 l Milch zu ermitteln

14
 Prof. Dr. Marc Piazolo
Statistik (Sommersemester 2019)

1.1 Ablauf einer statistischen Untersuchung – Beispiel Analyse der Preisentwicklung

(4) Analyse

Kern der statistischen Arbeit; i.d.R. mit Hilfe von Statistikprogrammen oder Excel

Methode Verbraucherpreisindex für Zweibrücken ermitteln

Monatliche / Jährliche Veränderungsraten (Inflation)

(5) Interpretation und Dokumentation

Ergebnisse der Untersuchung werden dokumentiert, eventuell veröffentlicht und

sachbezogen interpretiert.

Hintergründe für eine Entwicklung

Verbraucherpreisindex ZW beeinflusst von Energiepreisen

Vergleich mit anderen Preisindices, Prognosen

bundes- und europaweite Inflationsraten
15
 Prof. Dr. Marc Piazolo
Statistik (Sommersemester 2019)

1.2 Mathematische Hilfsmittel

Summenzeichen

Produktzeichen

Falls Sie eine beliebige Konstante mit jedem Wert multiplizieren, dann gilt:

16
 Prof. Dr. Marc Piazolo
Statistik (Sommersemester 2019)

1.2 Mathematische Hilfsmittel – Statistische Auszählprozesse

Urnenmodell
Urne enthält 10 Elemente ( n = 10)
Es werden 3 Elemente zufällig entnommen.

Abb. 2: Urne mit 10 Elementen Abb. 3: Auswahlmöglichkeiten bei drei Kugeln

Urnenmodell
Wie viele unterschiedlichen Möglichkeiten gibt es?

17
 Prof. Dr. Marc Piazolo
Statistik (Sommersemester 2019)

1.2 Mathematische Hilfsmittel – Statistische Auszählprozesse

Beginn
Beginn

1. Ziehung 2. Ziehung 3. Ziehung Ergebnisse

Abb. 4: Baumdiagramm für die Ziehung von drei Kugeln

18
 Prof. Dr. Marc Piazolo
Statistik (Sommersemester 2019)

1.2 Mathematische Hilfsmittel – Kombinatorik

Kombinatorik = Teilgebiet der Mathematik

Das Produkt aller natürlichen Zahlen von 1 bis n wird als „n-Fakultät”
bezeichnet:
1234... (n–1)  n = n!
0! = 1 und 1! = 1

Als zweiten Ausdruck führen wir den Binomialkoeffizienten ein: „n über k”

n falls n < k

  n!
 k  ( n  k )!k !
 

19
 Prof. Dr. Marc Piazolo
Statistik (Sommersemester 2019)

1.2 Mathematische Hilfsmittel – Kombinatorik

C
k
n
n
 
k 
Cnk 
w
 n  k 1
k 
Vnk  nk
k n! w
V 
n
(n  k )!

Quelle: Kobelt/Steinhausen 2006, S. 29

Tab. 2: Kombinatorische Formeln zu Reihenfolge – Wiederholung

Beispiele
(1) 10 Personen gehen in ein Schnellrestaurant. Sechs von ihnen werden zufällig
ausgewählt um Bestellungen aufzugeben. Wie viele verschiedene Gruppen sind
denkbar?
(2) In einem Glas sind 6 verschiedene Kugeln. Es werden 2 Kugeln ausgewählt. Dabei
ist die Reihenfolge wesentlich und die Kugeln werden bei der Entnahme registriert.
Wie viele unterschiedliche Variationen ergeben sich?

20
 Prof. Dr. Marc Piazolo
Statistik (Sommersemester 2019)

1.2 Mathematische Hilfsmittel – Lotto

Beispiel
Wie wahrscheinlich ist es, einen Sechser im Lotto (6 aus 49) zu gewinnen?

21
 Prof. Dr. Marc Piazolo
Statistik (Sommersemester 2019)

1.2 Mathematische Hilfsmittel – Lotto

Warum ist Lotto-Spielen so beliebt?

1. Wahrscheinlichkeit, sechs Richtige zu tippen, wird überschätzt.

2. Wahrscheinlichkeit (sehr gering) wird vom Spieler ausgeblendet.

3. Kosten des Lotto-Spiel werden ignoriert.

4. Tippen macht Spaß (eigener Nutzen wird generiert).

5. Einzige Möglichkeit (legal) im Leben, richtig reich zu werden.

6. Tippen verschafft ein angenehmes Gefühl (Glück)

Vorstellung, was man alles mit dem Jackpot machen würde.

7. Alle machen mit, also nehme ich auch daran teil (Herdentrieb)

Jungermann (2005) 22