Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Statistik: 25.2.04 Erheben von Daten kategoriale Merkmale.

Ähnliche Präsentationen


Präsentation zum Thema: "Statistik: 25.2.04 Erheben von Daten kategoriale Merkmale."—  Präsentation transkript:

1 Statistik: Erheben von Daten kategoriale Merkmale

2 PI Statistik, SS Datenquellen Primäre Daten, aus Vollerhebung Stichprobenerhebung Sekundäre Daten Volkszählungsdaten Daten von Statistik Austria, von der OeNB Daten aus der Hörerevidenz der WU Personal-, Lagerkartei

3 PI Statistik, SS Datenerhebungen Zielsetzung genau definieren Stichprobenrahmen: Seine Qualität entscheidet über Qualität der Daten Erhebungsinstrument bestimmt Kosten und Qualität der Daten (siehe unten) Stichprobenumfang bestimmt Genauigkeit Erhebungsmanagement: Planung, Mannschaft, Schulung, Formulare und EDV, Qualitätssicherung Datenaufbereitung und -speicherung

4 PI Statistik, SS Erhebungsinstrumente Schriftliche Befragung Persönliches Interview Telephonische Befragung Beobachtung follow-up Verfahren Schulung

5 PI Statistik, SS Stichprobendesign Nichtzufälliges Erhebungsdesign convenience sampling Zufälliges Erhebungsdesign Einfache Zufallsstichprobe Geschichtete Zufallsstichprobe Systematische Zufallsstichprobe Clusterstichprobe Quotenstichprobe mehrstufige Stichprobe

6 PI Statistik, SS Fragebogen Typen von Fragen Dichotome Fragen Multiple-Choice Fragen Offene Fragen Fragebogendesign so kurz als möglich einfach, verständlich, eindeutig logischer Aufbau gutes Layout

7 PI Statistik, SS Erhebungen: Fehler Fehler = Stichprobenfehler + non-sampling Fehler Stichprobenfehler non-sampling Fehler Daten-Fehler Übertragungsfehler non-response (Verweigerung, nicht angetroffen) Fehler durch Fragebogendesign

8 PI Statistik, SS Kategoriales Merkmal Auch qualitatives, kategorielles Merkmal Ordnet der Beobachtungs- oder Untersuchungseinheit eine von endlich vielen Klassen (Kategorien) zu; Dazu gehören nominale und ordinale Merkmale Ist immer diskret (die Menge der Merkmalsausprägungen ist endlich oder abzählbar) PopulationMerkmalM-Ausprägungen WU-StudierendeGeschlechtm, w Note1, 2, 3, 4, 5 ProduktionQualitätgut, schlecht

9 PI Statistik, SS Kreisdiagramm AugenfarbeHäuf'kt blau15 grün12 braun19 grau2 schwarz1 Beispiel: Augenfarbe von Studierenden

10 PI Statistik, SS Kreisdiagramm Explodierter 3D-Kreis Augenfarbe Häuf'k t blau15 grün12 braun19 grau2 schwarz1

11 PI Statistik, SS Säulen-, Stabdiagramm AugenfarbeHäuf'kt blau15 grün12 braun19 grau2 schwarz1

12 PI Statistik, SS Absolute & relative Häufigkeit (absolute) Häufigkeit: gibt an, wie oft eine bestimmte Kategorie in der Datenmenge vorkommt; typisches Symbol: H i z.B.: 15 Studierenden haben blaue Augen relative Häufigkeit (Anteil) h i n: Umfang der Datenmenge Oft als Prozente (Prozentanteil) angegeben

13 PI Statistik, SS Kumulierte (relative) Häufigkeiten Summe der relativen Häufigkeiten aller vorhergehenden Kategorien, einschließlich der aktuellen Nur für ordinale Merkmale sinnvoll

14 PI Statistik, SS abs H'ktrel H'kt kum rel H'kt 1713,5% 22242,3%55,8% 31528,8%84,6% 4611,5%96,2% 523,8%100,0% 52 Noten von 52 Studierenden

15 PI Statistik, SS Pivot Table-Bericht Ein PivotTable-Bericht ist eine interaktive Tabelle, die große Datenmengen rasch kombinieren und vergleichen kann. Wichtige Hilfe zum Auszählen von Datenmengen

16 PI Statistik, SS Fragestellungen Kommen alle Kategorien gleich häufig vor ? Entsprechen die Häufigkeiten in den Kategorien einer bestimmten Vorgabe ? Entspricht die Häufigkeit (Prozentsatz, Anteil) in einer bestimmten Kategorie einem bestimmten Wert? In welchem Bereich kann man den Anteil einer Kategorie in der Grundgesamtheit erwarten ?


Herunterladen ppt "Statistik: 25.2.04 Erheben von Daten kategoriale Merkmale."

Ähnliche Präsentationen


Google-Anzeigen