Achtung Terminänderung !!! Klausur am 6. August 2008 nicht am 8.8.2008 9:00 – 13:00 Uhr Hörsaal Löfflerstraße Hörsaal Makarenkostraße

Statistische Methoden II SS 2008 Vorlesung: Prof. Dr. Michael Schürmann Zeit: Freitag 10.00 - 12.30 (Pause: 11.30 - 11.45) Ort: Hörsaal Makarenkostraße (Kiste) Übungen Gruppe 2: Hermann Haase Di 8.00 - 10.00 SR 222 Gruppe 1: Hermann Haase Di 10.00 - 12.00 SR 222 Gruppe 5: Svenja Schützhold Di 12.00 - 14.00 SR 222 Gruppe 7: Sebastian Grapenthin Di 14:00 - 16:00 HS 11 Gruppe 8: Svenja Schützhold Di 16:00 -18:00 SR 5 Gruppe 4: Sabine Storandt Mi 8.00 - 10.00 SR 222 Gruppe 3: - fällt weg - Mi 10.00 - 12.00 SR 222 Gruppe 6: Sebastian Grapenthin Mi 12.00 - 14.00 SR 3 SR 222 : Fleischmannstraße 6 SR 3 + 5 : Loefflerstraße 70 HS 11 : Domstraße 9a (Hist. Institut)

Statistische Methoden I WS 2007/2008 Einleitung: Wie schätzt man die Zahl der Fische in einem See? Zur Geschichte der Statistik I. Beschreibende Statistik 1. Grundlegende Begriffe 2. Eindimensionales Datenmaterial 2.1. Der Häufigkeitsbegriff 2.2. Lage- und Streuungsparameter 2.3. Konzentrationsmaße (Lorenz-Kurve) 3. Mehrdimensionales Datenmaterial 3.1. Korrelations- und Regressionsrechnung 3.2. Indexzahlen 3.3. Saisonbereinigung

II. Wahrscheinlichkeitstheorie 1. Laplacesche Wahrscheinlicheitsräume 1.1. Kombinatorische Formeln 1.2. Berechnung von Laplace-Wahrschein- lichkeiten 2. Allgemeine Wahrscheinlichkeitsräume 2.1. Der diskrete Fall 2.2. Der stetige Fall 2.3. Unabhängigkeit und bedingte Wahrscheinlichkeit 3. Zufallsvariablen 3.1. Grundbegriffe 3.2. Erwartungswert und Varianz 3.3. Binomial- und Poisson-Verteilung 3.4. Die Normalverteilung und der Zentrale Grenzwertsatz

4. Markov-Ketten 4.1. Übergangsmatrizen 4.2. Grenzverhalten irreduzibler Markov-Ketten 4.3. Gewinnwahrscheinlichkeiten 4.4. Beispiel „Ruin der Spieler“ 4.5. Anwendungen

III. Induktive Statistik 1. Schätztheorie 1.1. Grundbegriffe, Stichproben 1.2. Maximum-Likelihood-Schätzer 1.3. Erwartungstreue Schätzer 1.4. Konfidenzintervalle 1.5. Spezialfall Binomial-Verteilung 2. Spezialfall Normalverteilung 2.1. Student- und Chi-Quadrat-Verteilung 2.2. Konfidenzintervalle

3. Tests 3.1. Grundbegriffe 3.2. Tests einfacher Hypothesen (Neyman-Pearson-Test) 3.3. Tests zusammengesetzter Hypothesen 3.4. Vergleich zweier unabhängiger Stichproben 3.5. Chi-Quadrat-Tests 3.6. Kolmogorov-Smirnov-Test 3.7. Einfache Varianzanalyse

Statistische Methoden I WS 2007/2008 Literatur 1) G. Bamberg, F. Baur: Statistik. Oldenbourg 2) G. Bamberg, F. Baur: Statistik-Arbeitsbuch. Oldenbourg 3) L. Fahrmeir, R. Künstler, I. Pigeot, G. Tutz: Statistik. Springer 4) J. Schira: Statistische Methoden der VWL und BWL. Pearson Education 5) H. Haase: Stochastik für Betriebswirte. Shaker 6) J. Hartung: Statistik. Oldenbourg 7) R. Schlittgen: Einführung in die Statistik. Oldenbourg 8) A. Quatember: Statistik ohne Angst vor Formeln. Pearson Studium 9) H.-D. Radke: Statistik mit Excel. Markt + Technik

Die wichtigsten Tabellen

Übersicht I Konfidenzintervalle für den Erwartungswert

Übersicht II Konfidenzintervalle für die Varianz

Test für den Erwartungswert Fall Normalverteilung Test für den Erwartungswert Varianz bekannt

Test für den Erwartungswert Fall Normalverteilung Test für den Erwartungswert Varianz unbekannt

Übersicht Chi-Quadrat-Tests

Test auf Unabhängigkeit Faustregeln Chi-Quadrat-Tests Test auf Anpassung Test auf Unabhängigkeit Test auf Homogenität

Weitere nützliche Übersichten in den Powerpoint-Präsentationen der Vorlesung! http://www.math-inf.uni-greifswald.de/algebra/

Beschreibende Statistik

Zentrale Themen Darstellung von Daten (Stem-Leaf-Diagramm, Box-Plot) (praktischer Teil) Darstellung von Daten (Stem-Leaf-Diagramm, Box-Plot) Absolute und relative Häufigkeiten Empirische Verteilungsfunktion Lageparameter (arithmetisches Mittel, Median, Quantile, Quartile) Streuungsparameter (Varianz, emp. Varianz, Streuung) Lorenz-Kurve, Gini-Koeffizient Kovarianz Korrelationskoeffizient nach Bravais-Pearson Regressionsrechnung (lineare Regression, Regressionsgerade, Bestimmtheitsmaß) Peisindex nach Laspeyres und nach Paasche

Wahrscheinlich- keitstheorie Beschreibende Statistik (= Deskriptive Statistik) Beschreibung von Datenmaterial 1. Semester Wahrscheinlich- keitstheorie 1. Semester Schließenden Statistik (= Induktive Statistik) Analyse von Datenmaterial, Hypothesen, Prognosen 2.Semester

Häufigkeiten Gegeben ist eine Datenliste (Urliste) (hier z. B. die Klausur-Noten von 50 Studenten) 3 3 4 5 2 1 3 3 4 3 2 3 4 4 4 5 2 1 3 3 3 3 4 4 4 5 4 3 4 3 2 3 3 2 4 3 2 1 5 4 4 4 5 4 5 1 1 3 3 3 Hier die geordneten Daten 1 1 1 1 1 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 5 5 5 5 5

Kumulierte relative Häufigkeiten Absolute Häufigkeiten h(1) = 0.1 h(2) = 0.12 h(3) = 0.36 h(4) = 0.3 h(5) = 0.12 Relative Häufigkeiten F(1) = 0.1 F(2) = 0.22 F(3) = 0.58 F(4) = 0.88 F(5) = 1 Kumulierte relative Häufigkeiten

Berechnung der Winkel für ein Kreisdiagramm Fakultäten EMAU Berechnung der Winkel für ein Kreisdiagramm T: Theologische RSW: Rechts- und Staatswiss. Med: Medizinische Phil: Philosophische MathNat: Mathematisch-Naturwiss. K: Studienkolleg, ... h(T) = 0.011 h(RSW) = 0.22 h(Med) = 0.164 h(Phil) = 0.309 h(MathNat) = 0.273 h(K) = 0.022 3.96 Grad 79.2 Grad 59.04 Grad 111.24 Grad 98.28 Grad 7.92 Grad

Kreisdiagramm Fakultäten EMAU

Stabdiagramm „Zähne“

Histogram „Zähne“

Empirische Verteilungsfunktion „Zähne“

Stem-Leaf-Diagramm Bei diesem Diagramm werden meist (siehe aber Aufgabe 3) nur die beiden führenden Ziffern berücksichtigt. Die erste Ziffer wird links von einer senkrecht gezogenen Linie eingetragen. Damit hat man den Stamm. Die zweiten Ziffern - die Blätter - werden rechts davon notiert, und zwar zeilenweise aufsteigend geordnet. Dabei muss jeder Wert des Datensatzes durch eine zweite Ziffer (ggf. Null!) repräsentiert werden. Kaltmieten

Charakterisierung von Merkmalen Unterscheidung zwischen qualitativen quantitativen Merkmalen quantitative: Merkmale unterscheiden sich nach der Größe qualitative: Merkmale unterscheiden sich nach der Art Unterscheidung nach der zugrundeliegenden Werteskala Nominal- Ordinal- metrische Skala

Nominal: keine Rangordnung Ordinal: Rangordnung, aber Zwischenwerte nicht interpretierbar metrisch: Rangordnung, Werte zwischen 2 Werten erlauben eine Interpretation Unterscheidung nach diskreten stetigen Merkmalen diskret: Menge der Werte abzählbar (evtl. abzählbar unendlich) stetig: Menge der Werte kontinuierlich, (z.B. reelle Zahlen oder ein Intervall reeller Zahlen)

Ordinal, diskret

metrisch, diskret

metrisch, stetig

Ordinal, diskret

Arithmetisches Mittel Merkmal Datensatz

Median Merkmal Geordneter Datensatz n ungerade: Wert, der in der Mitte steht n gerade: arithmetisches Mittel der beiden Werte, die in der Mitte stehen

Aufgabe 1

Aufgabe 2

Quantile

Boxplot Ober-, Untergrenze der „Box“: oberes, unteres Quartil „dicker Strich“ in der Box: Median Ausreißer nach oben: Werte > oberes Quartil + 1.5 Quartilsabstand Ausreißer nach unten: Werte < unteres Quartil - 1.5 Quartilsabstand Jeder Ausreißer wird mit einem Symbol gesondert einge- tragen. Antennen: größter und kleinster Wert in der Datenliste, der kein Ausreißer ist

Aufgabe 3

Aufgabe 4

Mittelwert oder Median Grobe Faustregeln Metrische Skalierung Mittelwert Ordinale Skalierung Median Ausreißer wahrscheinlich Median Wenn sich die Werte „irdendwie“ gegeneinander ausgleichen Mittelwert

Streuungsparameter Median Mittlere Abweichung vom Median Die Ungleichung gilt für jede Konstante c.

Streuungsparameter Mittelwert Varianz Die Ungleichung gilt für jede Konstante c.

Rechenregeln für Mittelwert, Varianz und Streuung

Rechenregeln für Mittelwert, Varianz und Streuung

Rechenregeln für Mittelwert, Varianz und Streuung

Berechnung von Streuungsparametern an einem einfachen Beispiel