4Univariate_StatistikII_eC-1

BMM: Basismodul Methoden
Univariate Statistik II: Maßzahlen der zentralen Tendenz & Streuungsmaße
Marc Hannappel
Universität Bonn
Institut für Politische Wissenschaft und Soziologie
mhannappel@uni-bonn.de
3. April 2024
Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 1 / 46

Seminargliederung: Wo sind wir gerade?
Sitzung Datum Inhalt
1 08.04. Einführung I: Statistical Literacy

2 15.04. Einführung II: Statistik, ein kleiner Orientierungsrahmen
3 22.04 Univariate Statistik I: Tabelleninterpretation & Visualisierungen

4 29.04 Univariate Statistik II: Maßzahlen der zentralen Tendenz & Streuungsmaße
5 06.05 Inferenzstatistik I: Logik des Schließens

6 13.05 Inferenzstatistik II: Hypothesentest
7 27.05 Inferenzstatistik III: Hypothesentest für zwei Stichprobenkennwerte
8 03.06 Bivariate Statistik
9 10.06 Korrelation I: Beziehung zwischen nominalen Variablen

10 17.06 Korrelation II: Beziehung zwischen ordinalen Variablen
11 24.06 Regression I: Regressionstheorie

12 01.07 Regression II: Anwendung
13 08.07 Puffer
14 15.07 Klausur

Inhaltsverzeichnis: Was machen wir heute?
1 Maßzahlen der zentralen Tendenz

Modus
Median
Arithmetisches Mittel
2 Maßzahlen der Dispersion (Streuung)

Range
Quantile & Percentile
Varianz und Standardabweichung
Herfindahl-Streumass
3 Maßzahlen der Konzentration

Schiefe & Wölbung
Gini-Koeffizient

Lernziele: Worauf sollten Sie heute besonders achten?
Sie sollen die verschiedenen Maßzahlen der zentralen Tendenz erkennen und interpretieren können
Sie sollen die verschiedenen Maßzahlen der zentralen Tendenz berechnen können
Sie sollen die Streuungswerte erkennen und interpretieren
Sie sollen die Streuungsmaße für metrische Variablen berechnen können
Sie sollen die Maßzahlen zur Schiefe und Wölbung interpretieren können
Sie sollen die Maßzahlen zur Konzentration interpretieren können

Übersicht
Abbildung: Univariate Statistik
Univariate Statistik
Graphische Numerische
Beschreibung von Beschreibung von
Verteilungen Verteilungen

Übersicht
Abbildung: Univariate Statistik
Univariate Statistik
Graphische Numerische
Beschreibung von Beschreibung von
Verteilungen Verteilungen

Übersicht
Abbildung: Numerische Beschreibungen von Verteilungen
Masszahlen
für
Verteilungen
zentrale Konzen-
Dispersion
Tendenz tration
1) Lagemaße, Maße der zentralen Tendenz: Wo liegt das Zentrum der Daten?
2) Streuungsmaße, Maße der Dispersion: Wie stark streuen die Daten um das Zentrum?
2) Maße der Schiefe und Wölbung: Symmetrie, Asymmetrie, Konzentration der Daten um das Zentrum?
3) Konzentrationsmaße: Konzentration der Datensumme auf die Merkmalsträger?

Maßzahlen der zentralen Tendenz: Modus
Definition
Der Modus ist der am häufigsten auftretende Wert. Er wird durch die Lage der einzelnen Merkmalswerte bestimmt.
Eigenschaften: Abbildung: Der Modus/ Modalwert

Ein lagetypischer Mittelwert
Kein rechnerischer Mittelwert
Kann nur bei unterschiedlichen Häufigkeiten bestimmt
werden
möglich ab nominalem Skalenniveau
+ geeignet für nominal skalierte Variablen

Definition

werden

Definition

werden

Aufgabe:
Bestimmen Sie den Modalwert/Modus der Variablen „Deutsche Staatsangehörigkeit“und „Allgemeiner Schulabschluss“.
Bestimmen Sie das Skalenniveau beider Variablen und begründen Sie dies.

Maßzahlen der zentralen Tendenz: Median

Definition
Der Median (x̃) ist der Mittelwert, der eine der Größe nach geordnete Reihe von Merkmalswerten halbiert. Er ist daher wie der
Modus ein lagetypischer Mittelwert.
Abbildung: Der Median
20 35 28 62 22 44 51 46 32 25 27 25 20
1 2 3 4 5 5 7 8 9 10 11 12 13
20 20 22 25 25 27 28 32 35 44 46 51 62
1 13 5 12 10 11 3 9 2 5 8 7 4

Definition 20 35 28 62 22 44 51 46 32 25 27 25 20
1 2 3 4 5 5 7 8 9 10 11 12 13
20 20 22 25 25 27 28 32 35 44 46 51 62
1 13 5 12 10 11 3 9 2 5 8 7 4

Definition 20 35 28 62 22 44 51 46 32 25 27 25 20
1 2 3 4 5 5 7 8 9 10 11 12 13
20 20 22 25 25 27 28 32 35 44 46 51 62
1 13 5 12 10 11 3 9 2 5 8 7 4
Ungerade Anzahl von Fällen (n):

Der Median (x̃) ist der Wert des mittleren Falles
(n + 1)
x̃ =
2

Definition
20 35 28 62 22 44 51 46 32 25 27 25 20
1 2 3 4 5 5 7 8 9 10 11 12 13
20 20 22 25 25 27 28 32 35 44 46 51 62
1 13 5 12 10 11 3 9 2 5 8 7 4
Ungerade Anzahl von Fällen (n):

Der Median (x̃) ist der Wert des mittleren Falles
(n + 1) (13 + 1)
x̃ = = = 7 → 28
2 2
Der Median ist der Wert des 7ten Falles (= 28)

Maßzahlen der
1
zentralen
2 3 4
Tendenz:
5 5
Median
7 8 9 10 11 12 13
Definition 20 20 22 25 25 27 28 32 35 44 46 51 62
1 13 5 12 10 11 3 9 2 5 8 7 4
20 20 22 25 25 27 28 32 35 44 46 51 62 100
1 13 5 12 10 11 3 9 2 5 8 7 4 14
Gerade Anzahl von Fällen (n):

(n) (n)
Der Median (x̃) ist der halbierte Wert aus der Summe der Werte aus: 2
und 2
+1
x̃ liegt zwischen dem ( 14

2
)ten und ( 14
2
+1)ten Fall ⇒ 28+32
2
= 30

Definition
Eigenschaften:
Möglich ab ordinalem Skalenniveau
+ geeignet für ordinal und metrisch skalierte Variablen

Definition
Eigenschaften:

Definition
Eigenschaften:
3

Definition
Eigenschaften:
Median
Modus

Aufgabe:
Bestimmen Sie den Median der Variablen „Einkommensdifferenz erhoeht Motivation“ und „Deutsche Staatsangehörigkeit“.
Bestimmen Sie das Skalenniveu beider Variablen und begründen Sie dies.

Maßzahlen der zentralen Tendenz: Arithmetische Mittel

Definition
Das arithmetische Mittel (x̄) ist die Summe aller Merkmalswerte geteilt durch die Anzahl der Merkmalsträger.
n
P
xi
x1 + x2 + x3 + ... + xn i=1
x̄ = = (1)
n n

Definition
20 35 28 62 22 44 51 46 32 25 27 25 20
n
P
xi
1 2 3 4
x1 + x52 + x53 + ...7+ xn8 9
i=1
10 11 12 13
x̄ = = (1)
n n
20 20 22 25 25 27 28 32 35 44 46 51 62
1 13 5 12 10 11 3 9 2 5 8 7 4

Definition
20 35 28 62 22 44 51 46 32 25 27 25 20
n
P
xi
1 2 3 4
x1 + x52 + x53 + ...7+ xn8 9
i=1
10 11 12 13
x̄ = = (1)
n n
20 20 22 25 25 27 28 32 35 44 46 51 62
1 13 5 12 10 11 3 9 2 5 8 7 4
20 + 20 + 22 + 25 + 25 + 27 + 28 + 32 + 35 + 44 + 46 + 51 + 62
x̄ = = 33, 6 (2)
13

Definition
Das arithmetische Mittel (x̄) ist die Summe aller Merkmalswerte geteilt durch die Anzahl der Merkmalswerte.
Abbildung: Das arithmetische Mittel

Für Häufigkeitsdaten: Die Werte müssen mit jeweiliger Häufigkeit
multipliziert werden
n
P
fi xi
f1 x1 + f2 x2 + f3 x3 + ... + fn xn i=1
x̄ = = (3)
n n
[…]
1 · 20 + 1 · 95 + 2 · 100 + ... + 1 · 15000
x̄ = = 2460
n

Das arithmetische Mittel hat zwei wichtige Eigenschaften:
1 Schwerpunkteigenschaft: Die Summe der Abweichungen aller 1 Qualitätseigenschaft: Die Summe der
Messwerte von ihrem arithmetischen Mittel ist 0 Abweichungsquadrate (SAQ) ist für das
arithmetische Mittel ein Minimum
n n
X X
2
(xi − x̄) = 0 (4) (xi − x̄) = min (5)
i=1 i=1
Abbildung: Abweichungen
quadrierte
Nettoeinkommen Abweichugnen
Abweichungen
Xi Xi - 𝑋" (Xi − 𝑋")! < 𝑋" > 𝑋"
1 100 -1100 1210000 1207801 1212201
2 1600 400 160000 160801 159201
3 1000 -200 40000 39601 40401
4 0 -1200 1440000 1437601 1442401
5 1500 300 90000 90601 89401
6 2000 800 640000 641601 638401
7 1400 200 40000 40401 39601
8 2500 1300 1690000 1692601 1687401
9 1500 300 90000 90601 89401
10 800 -400 160000 159201 160801
11 1550 350 122500 123201 121801
12 450 -750 562500 561001 564001
Summe 14400 0 6245000 6245012 6245012
Mittelwert 1200
< 𝑋" 1199
> 𝑋" 1201

Maßzahlen der
1 zentralen
13 5 Tendenz:
12 10 11Arithmetische
3 9 2 Mittel
5 8 7 4
+ Das arithmetische Mittel hat noch eine weitere wichtige Eigenschaften: Empfindlichkeit gegenüber Ausreißern
2000 3500 1200 5850 700 1800 3500 2800 1500 4050 2900 2200 6000
1 2 3 4 5 6 7 8 9 10 11 12 13
4
2000 3500 1200 5850 700 1800 3500 2800 1500 4050 2900 2200 917000
2000 + 3500 + 1200 + 5850 + 700 + 1800 + 3500 + 2800 + 1500 + 4050 + 2900 + 2200 + 6000
x̄ = = 2923
13
1 2 3 4 5 6 7 8 9 10 11 12 4
13

Maßzahlen der
1
zentralen
2 3
Tendenz:
4 5 6
Arithmetische
7 8 9
Mittel
10 11 12 13
4
2000 3500 1200 5850 700 1800 3500 2800 1500 4050 2900 2200 917000
1 2 3 4 5 6 7 8 9 10 11 12 4
13
2000 + 3500 + 1200 + 5850 + 700 + 1800 + 3500 + 2800 + 1500 + 4050 + 2900 + 2200 + 917000
x̄ = = 73000
13

Maßzahlen der
1 zentralen
1 2
2
3
3 Tendenz:
4
4
5
5
5 Arithmetische
6
7
7
8
8
9
9
Mittel
10
10
11
11
12
12
13
13
4
20 20 22 25 25 27 28 32 35 44 46 51 62
2000 3500 1200 5850 700 1800 3500 2800 1500 4050 2900 2200 917000
1 13 5 12 10 11 3 9 2 5 8 7 4
1 2 3 4 5 6 7 8 9 10 11 12 4
13
2000 3500 1200 5850 700 1800 3500 2800 1500 4050 2900 2200 6000
2000 + 3500 + 1200 + 5850 + 700 + 1800 + 3500 + 2800 + 1500 + 4050 + 2900 + 2200 + 917000
x̄ = = 73000
1 2 3 4 5 6 13 7 8 9 10 11 12 13
4
Zum Vergleich: Median
700 1200 1500 1800 2000 2200 2800 2900 3500 3500 4050 5850 917000
5 3 9 6 1 12 8 11 2 7 10 4 4
13


Definition
Das arithmetische Mittel (x̄) ist die Summe aller Merkmalswerte geteilt durch die Anzahl der Merkmalswerte.
Eigenschaften:
Ist ein rechnerischer Mittelwert
Möglich ab metrischem Skalenniveau
Zeigt die Zentralität einer Verteilung
Ist empfindlich gegenüber Ausreißern
Median
Modus

Aufgabe:
Berechne das arithmetische Mittel der Variable „Alter“
quadrierte
Nr Alter Abweichugnen Abweichunge
n
Xi Xi - 𝑋ത ത2
(Xi − 𝑋)
1 27
2 41
3 45
4 45
5 46
6 46
7 47
8 64
9 71
10 74
Summe
Mittelwert
Varianz
Standard-
abweichung

Aufgabe:
Berechne das arithmetische Mittel der Variable „Alter“
quadrierte
Nr Alter Abweichugnen Abweichunge
n
(Xi − 𝑋)
1 27
2 41
3 45
4 45 27 + 41 + 45 + 45 + 46 + 46 + 47 + 64 + 71 + 74
x̄ = = 50, 6
5 46 10
6 46
7 47
8 64
9 71
10 74
Summe
Mittelwert
Varianz
Standard-
abweichung

Maßzahlen der zentralen Tendenz:
Skalenniveau Maßzahl Formel
nominal Modalwert = Wert mit der größten Dichte
(n+1)
ordinal (...), Median x̃ = 2
n
P
xi
i=1
metrisch (...),(...), arithmetisches Mittel x̄ = n
n
P
fi ·xi
i=1
mit mehreren gleichen Werten x̄ = n

Maßzahlen der zentralen Tendenz:
x̄ = x̃ = M symmetrische Verteilungen
x̄ > x̃ > M rechtsschiefe Verteilungen
x̄ < x̃ < M linksschiefe Verteilungen
Abbildung: Normalverteilung: Abbildung: Rechtsschief:

Symmetrische Normalverteilung: Modus = Median = Arithmetisches Mittel Rechtsschiefe Verteilung:Arithmetisches Mittel > Median > Modus
0.5
Median Median
Mittelwert Mittelwert
Modus Modus
0.10
0.4
0.08
0.3
0.06
Density
Density
0.2
0.04
0.1
0.02
0.00
0.0
−2 −1 0 1 2 5 10 15 20
Werte Werte
Modus = Median = arithmetisches Mittel arithmetisches Mittel < Median < Modus

Dispersion, Streuungsmaße

Dispersion, Streuungsmaße
Definition
Streuungswerte geben an, wie weit die einzelnen Werte um die Mitte der Verteilung streuen. Sie ergänzen die Mittelwerte somit
um eine weitere Information über die Verteilung
Beispiel:
Durchschnittseinkommen in Deutschland = 1 600 e
= 2 Personen haben 1 600 e
= 1 Person hat 3 200 e und 1 Personen hat 0 e
Streuungswerte geben Auskunft über die Homogenität oder Heterogenität der Variablenwerte
Aufgabe ist es, die Variation der Messwerte in einer einzigen Zahl auszudrücken (wie bei der zentralen Tendenz)

Dispersion, Streuungsmaße: Range
Definition
Der Range (Spannweite) wird berechnet durch die Differenz zwischen dem größten und kleinsten Merkmalswert.
R = xmax − xmin (6)
Er ist sehr empfindlich gegenüber Extremwerten

Dispersion, Streuungsmaße: Quartilsabstand
Definition
Quartile bilden Schnittpunkte zwischen den Vierteln einer Verteilung. Sie trennen die unteren 25% der Fälle von den mittleren
50% und oberen 75%. Quartile sind auch ein einfaches Streuungsmaß, aber stabiler als der Range, da sie nicht von Extremwerten
beeinflusst werden.
Einkommen
1 Quartilsabstand
200
= Q3 − Q1 (7)
2 mittlerer Quartilsabstand
150
Q3 − Q1
QA = (8)
2
count
100
Q1 = 25% = 1500
Q2 = 50% = 2200 50
Q3 = 75% = 3000
Quartilabstand = 1500 0
Mittlerer Quartilsabstand = 750 0 5000

di01a
10000 15000

Dispersion, Streuungsmaße: Quantile & Percentile
Quelle: Lebenslagen in Deutschland: https://www.armuts-und-reichtumsbericht.de/SharedDocs/Downloads/Berichte/sechster-

armuts-reichtumsbericht.pdf? blob=publicationFile&v=2
Anmerkungen:
Um Struktureffekte der Haushaltszusammensetzung beim Vergleich von Einkommen auszuschließen, wird bei Analysen zur Einkommensungleichheit zumeist
das so genannte Nettoäquivalenzeinkommen herangezogen. Das Nettoäquivalenzeinkommen ist ein je nach Zahl und Alter der Haushaltsmitglieder
gewichtetes Nettoeinkommen. Nach der in der Regel verwendeten neuen Skala der Organisation für wirtschaftliche Zusammenarbeit und Entwicklung
(OECD) erhält der Haupteinkommensbezieher des Haushalts den Gewichtungsfaktor 1,0, alle übrigen Haushaltsmitglieder von 14 Jahren und älter den
Faktor 0,5 und Personen unter 14 Jahren den Faktor 0,3. Ein Ehepaar mit 2 Kindern unter 14 hätte daher bei einem verfügbaren Einkommen von 4.500
Euro monatlich ein Äquivalenzeinkommen von 2.142,86 Euro (4.500/(1,0+0,5+2*0,3)=2.142,86). Die wirtschaftliche Leistungsfähigkeit einer alleinlebenden
Person mit einem Einkommen von 2.142,86 Euro würde diesem Haushalt als gleichwertig angesehen werden.
Quelle: https://www.armuts-und-reichtumsbericht.de/SharedDocs/Glossareintraege/N/Nettoaequivalenzeinkommen.html

Dispersion, Streuungsmaße: Varianz und Standardabweichung
Definition
Die Standardabweichung (s) ist das gebräuchlichste Streuungsmaß. Sie ist Definiert als die Quadratwurzel aus der Varianz (s2 ).
Die Varianz ist die durch n geteilte Summe der quadrierten Abweichungen aller Messwerte von ihrem arithmetischen Mittel.
Varianz:
n
1
X
2 2
s = (xi − x̄) (9)
n
i=1
Standardabweichung:
s n
1
X p
s= (xi − x̄)2 oder auch s= s2 (10)
n
i=1

Varianz: quadrierte
Nettoeinkommen Abweichugnen
n Abweichungen
1
X Xi Xi - 𝑋ത ത2
(Xi − 𝑋)
2 2
s = (xi − x̄) (11)
n 1 100 -1100 1210000
i=1 2 1600 400 160000
3 1000 -200 40000
4 0 -1200 1440000
5 1500 300 90000
Standardabweichung: 6 2000 800 640000
s 7 1400 200 40000
n
8 2500 1300 1690000
1
X
s= (xi − x̄)2 (12) 9 1500 300 90000
n 10 800 -400 160000
i=1 11 1550 350 122500
12 450 -750 562500
bzw.: Summe 14400 0 6245000
p
s= s2 (13) Mittelwert 1200
Varianz 520416,7
Standardabweichung 721,4

Eigenschaften von Varianz und Standardabweichung (vgl. Jann 2005: 46)

1 + Zur Berechnung und Interpretation von Varianz und Standardabweichung sollte metrisches Skalenniveau vorliegen.
2 + Die Einheiten der Varianz unterscheiden sich von den Einheiten der zu analysierenden Variable.
3 + Bei der Standardabweichung wird wieder auf die Originaleinheiten normiert.
4 + Varianz und Standardabweichung sind empfindlich gegen Extremwerte in der Verteilung (statistische Ausreißer). Da die
Abstände der einzelnen Werte xi vom Mittelwert x̄ quadriert werden, gehen grössere Abstände mit höherem Gewicht in die
Maßzahl ein.
5 Die Standardabweichung kann zusammen mit dem arithmetischen Mittel verwendet werden, um Datenintervalle in der Form
x̄ ± s, x̄ ± 2s, x̄ ± 3s anzugeben. Es wird damit ausgedrückt, welcher Anteil der Daten sich schätzungsweise in dem
entsprechenden Intervall um den Mittelwert konzentriert. (siehe Wahrscheinlichkeitstheorie)
xi −x̄
z= sx

Aufgabe:
Berechne das arithmetische Mittel der Variable „Alter“, die Varianz und die Standardabweichung
quadrierte
Nr Alter Abweichungen
Abweichungen
(Xi − 𝑋)
1 27
2 41
3 45
4 45
5 46
6 46
7 47
8 64
9 71
10 74
Summe
Mittelwert
Varianz
Standard-
abweichung

Dispersion, Streuungsmaße: für Nominal- und Orindalskalenniveau
Herfindahl-Streumass
Gibt an, ob die Häufigkeiten über die Kategorien eher gleich verteilt sind oder ob es große Unterschiede gibt
Wenn sich alle Daten auf eine Kategorie konzentrieren, nimmt HF sein Minimum von null an.
Bei Gleichverteilung der Häufigkeiten nimmt HF sein Maximum an: (HFmax = k−1
k
)
k
hj 2
X
HF = 1 − (14)
n
j=1
Problem: Herfindahl-Streumass ist abhängig von der Anzahl der Kategorien

Lösung: Normiertes Herfindahl-Streumass
k
RHF = · HF, RHF ∈ [0, 1] (15)
k−1

Dispersion, Streuungsmaße: für Nominal- und Orindalskalenniveau
Beispiel
Abbildung: Beispielrechnung Herfindahl-Streumass (Jann 2005: 51)
in Prozent
ISCO-Berufshauptgruppen Frauen Männer Insgesamt
Führungskräfte 3,8 8,4 6,3

Wissenschaftler 11,7 21,2 16,8
Techniker u. gleichrangige Berufe 30,7 22 26
Büroberufe 21,1 7,6 13,8
Dienstleistungsberufe, Verkäufer 18,9 6,2 12
Landwirtschaft 2,1 4,1 3,2
Handwerk 4,3 21,4 13,5
Maschinisten u. Montierer 2,1 6,5 4,5
Hilfskräfte 5,3 2,5 3,8
Insgesamt 100 100 100
HFF = 1 − (0, 0382 + ... + 0, 0532 ) = 0, 805, 9 · HF

RHFF = 9−1 F = 0, 905
HFM = 1 − (0, 0842 + ... + 0, 0252 ) = 0, 838, 9 · HF
RHFM = 9−1 M = 0, 942
HFI = 1 − (0, 0632 + ... + 0, 0382 ) = 0, 844, 9 · HF = 0, 95
RHFI = 9−1 I
HFF ¡ HFM : Frauen haben eine kleinere Streuung über die Berufsgruppen als Männer ⇒ Frauen konzentrieren sich
stärker auf einzelne Berufsgruppen

Schiefe und Wölbung
Schiefe (Skewness)
m3
γ1 = (16)
s3
wobei:
n
1
X
3
m3 = (xi − x̄)
n
i=1
γ1 = 0 bei symmetrischen Verteilungen

γ1 > 0 bei rechtsschiefen Verteilungen
γ1 < 0 bei linksschiefen Verteilungen
Wölbung (Kurtosis)
m4
γ2 = (17)
s4
wobei:
n
1
X
4
m4 = −3 (xi − x̄)
n
i=1
γ2 = 0 bei Normalverteilung
γ2 > 0 bei spitzen Verteilungen
γ2 < 0 bei flachen Verteilungen

Konzentration
Konzentrationsmaße sind gerade für die Ungleichheitsforschung bedeutsam

Ziel: Analyse der Verteilung von Merkmalssummen auf einzelne Merkmalsträger (Verteilungsungleichheit)
Anwendung: Marktkonzentration, Einkommenskonzentration
Dezilverhältnis
Berechnet das Verhältnis zwischen dem ersten und neunten Dezil einer Verteilung
D9 x0.9
DR = = (18)
D1 x0.1
Gini-Koeffizient
siehe Jann 2005: 57
2
Pn−1 Pn
n(n−1)
|xi − xj |
i=1 j=i+1
G= (19)
2x̄

Konzentration
Abbildung: Gini-Koeffient

Literatur
Zum Vor- und Nachbereiten der Sitzung
Benninghaus, Hans [2007]: Deskriptive Statistik. Eine Einführung für die Sozialwissenschaftler. Wiesbaden: VS Verlag für
Sozialwissenschaften. S. 36 - 58
Jann, B. [2005]: Einführung in die Statistik. München: Oldenbourg Verlag. S. 49 - 52 und 55 - 58

4Univariate_StatistikII_eC-1

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

4Univariate_StatistikII_eC-1

Hochgeladen von

Copyright:

Verfügbare Formate

BMM: Basismodul Methoden

Univariate Statistik II: Maßzahlen der zentralen Tendenz & Streuungsmaße

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 1 / 46

Sitzung Datum Inhalt

1 08.04. Einführung I: Statistical Literacy

3 22.04 Univariate Statistik I: Tabelleninterpretation & Visualisierungen

5 06.05 Inferenzstatistik I: Logik des Schließens

8 03.06 Bivariate Statistik

9 10.06 Korrelation I: Beziehung zwischen nominalen Variablen

11 24.06 Regression I: Regressionstheorie

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 2 / 46

1 Maßzahlen der zentralen Tendenz

2 Maßzahlen der Dispersion (Streuung)

3 Maßzahlen der Konzentration

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 3 / 46

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 4 / 46

Abbildung: Univariate Statistik

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 5 / 46

Abbildung: Univariate Statistik

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 5 / 46

Abbildung: Numerische Beschreibungen von Verteilungen

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 6 / 46

Eigenschaften: Abbildung: Der Modus/ Modalwert

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 7 / 46

Eigenschaften: Abbildung: Der Modus/ Modalwert

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 8 / 46

Eigenschaften: Abbildung: Der Modus/ Modalwert

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 9 / 46

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 10 / 46

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 11 / 46

Abbildung: Der Median

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 12 / 46

Abbildung: Der Median

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 13 / 46

Abbildung: Der Median

Ungerade Anzahl von Fällen (n):

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 13 / 46

Abbildung: Der Median

Ungerade Anzahl von Fällen (n):

Der Median ist der Wert des 7ten Falles (= 28)

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 14 / 46

Abbildung: Der Median

Gerade Anzahl von Fällen (n):

x̃ liegt zwischen dem ( 14

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 15 / 46

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 16 / 46

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 17 / 46

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 18 / 46

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 19 / 46

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 20 / 46

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 21 / 46

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 22 / 46

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 22 / 46

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 22 / 46

Abbildung: Das arithmetische Mittel

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 23 / 46

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 24 / 46

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 25 / 46

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 26 / 46

Zum Vergleich: Median

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 26 / 46

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 27 / 46

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 28 / 46

Univariate Statistik II BMM: Basismodul Methoden 3. April 2024 29 / 46