STATISIK LV Nr.: 0028 SS 2005 18. Mai 2005.

Präsentation zum Thema: "STATISIK LV Nr.: 0028 SS 2005 18. Mai 2005."—  Präsentation transkript:

1 STATISIK LV Nr.: 0028 SS 2005 18. Mai 2005

2 Zweidimensionale Merkmale
Frage: Wie lässt sich der Zusammenhang bzw. die Abhängigkeit zw. zwei Merkmalen messen? Wie stark ist der Zusammenhang bzw. die Abhängigkeit? Antwort durch Korrelationsrechnung. Lässt sich der Zusammenhang in einer bestimmten Form darstellen? Antwort durch Regressionsrechnung.

3 Zweidimensionale Merkmale
n Untersuchungseinheiten, 2 Merkmale X und Y, Ausprägungen des Merkmals X a1,…,al und Ausprägungen des Merkmals Y b1,…,bm. 2-dimensionales Merkmal (X,Y) mit Ausprägungen (aj,bk), mit absoluten Häufigkeiten hjk und relativen Häufigkeiten fjk=1/n·hjk

4 Kontingenztafel Häufigkeitsverteilung von (X,Y) wird durch Kontingenztafel dargestellt. X Y b1 … bm a1 h11 h1m : al hl1 hlm

5 Kontingenztafel Bsp. Geschlecht (X) Rauchverhalten (Y): absolute und relative Häufigkeiten von (X,Y). X Y R N-R w 9 32 m 5 27 X Y R N-R w 0,12 0,44 m 0,07 0,37

6 Kontingenztafel Absolute Randhäufigkeiten Relative Randhäufigkeiten
von aj für j=1,…,l und bk für k=1,...,m: Relative Randhäufigkeiten von aj für j=1,…,l und bk für k=1,…,m: Randhäufigkeiten ergeben die Häufigkeits-verteilung des Merkmals X bzw.Y (Randverteilung).

7 Kontingenztafel Kontingenztafel absoluten Häufigkeiten und Randhäufigkeiten X Y b1 … bm Σ a1 h11 h1m h1. : al hl1 hlm hl. h.1 h.m h..=n

8 Kontingenztafel Kontingenztafel relative Häufigkeiten und Randhäufigkeiten X Y b1 … bm Σ a1 f11 f1m f1. : al fl1 flm fl. f.1 f.m f..=1

9 Kontingenztafel Es gilt:
Relative Randhäufigkeit = 1 / n · absolute Randhäufigkeit Summe der absoluten Randhäufigkeiten = n Summe der relativen Randhäufigkeiten = 1

10 Kontingenztafel Bsp. Geschlecht (X) Rauchverhalten (Y): absolute und relative Häufigkeiten und Randhäufigkeiten von (X,Y). X Y R N-R  w 9 32 41 m 5 27 14 59 73 X Y R N-R  w 0,12 0,44 0,56 m 0,07 0,37 0,19 0,81 1

11 Kontingenztafel Bsp. Geschlecht (X) Rauchverhalten (Y): Zeilenprozent:
X Y R N-R  w 9 32 41 m 5 27 14 59 73 X Y R N-R  w 0,22 0,78 1 m 0,16 0,84 0,19 0,81

12 Kontingenztafel Bsp. Geschlecht (X) Rauchverhalten (Y):
Spaltenprozent: X Y R N-R  w 9 32 41 m 5 27 14 59 73 X Y R N-R  w 0,64 0,54 0,56 m 0,36 0,46 0,44 1

13 Darstellung

14 Darstellung

15 Korrelationskoeffizient
Bravais-Pearson Korrelationskoeffizient rXY 2-dimensionales metrisch skaliertes Merkmal (X,Y) mit Ausprägungen (aj,bk) und Häufigkeiten hjk für j=1,…,l und k=1,…,m. Maß für den Zusammenhang zw. X und Y:

16 Korrelationskoeffizient
rXY liegt immer im Intervall [-1,1] Extremfälle: -1 negativer linearer Zusammenhang rXY = 0 kein linearer Zusammenhang 1 positiver linearer Zusammenhang Interpretation: rXY < 0 d.h. große Werte von X treten mit kleinen Werten von Y auf rXY > 0 d.h. große Werte von X treten mit großen Werten von Y auf

17 Korrelationskoeffizient
Probleme: Scheinkorrelation: X und Y hängen von einem dritten Merkmal Z ab Bsp. Gefahr eines Waldbrandes (X) und schlechter Kornertrag (Y) hängen von der Stärke der Sonneneinstrahlung (Z) ab. Nonsenskorrelation: sachlogischer Zusammenhang zw. X und Y Bsp. Korrelation zw. Anzahl der Störche und der Anzahl der Geburten in einem Land Nichtlinearer Zusammenhang: rXY misst nur einen linearer Zusammenhang

18 Korrelation

19 Korrelation

20 Korrelationskoeffizient
Bsp. Körpergröße und Gewicht: r = 0,76 Positiver linearer Zusammenhang zw. Körpergröße und Gewicht.

21 Korrelation Fechnersche Korrelationskoeffizient (für 2 metrisch skalierte Merkmale X und Y): rF Basiert auf Vorzeichen der transformierten Paare x* und y* 1 x* und y* gleiches Vorzeichen od. beide 0 vi = ½ genau einer der Werte x* bzw. y* = 0 0 sonst

22 Korrelation Fechnersche Korrelationskoeffizient:
Werte im Intervalle [-1,1] +1 nicht nur bei positivem linearen Zusammenhang, sonder auch wenn gilt: oder

23 Korrelation Bsp. Hennen, Körpergewicht, Legeleistung

24 Korrelation Rangkorrelationen für ordinal skalierte Merkmale:
Verwendung von Rangzahlen: Merkmal Z, Ausprägungen z1,…,zn, der Größe nach ordnen (vom größten zum kleinsten Wert) z(1),…,z(n) und nummerieren. Rangzahl: R(z(i)) = i für i=1,…,n Tritt ein Ausprägung mehrmals auf (Auftreten von Bindungen), dann Rang = arithm. Mittel der Ränge, die sie einnehmen. Bsp: z(1)=8, z(2)=5, z(3)=5, z(4)=2, Ränge: R(z(1))=1, R(z(2))=2,5, R(z(3))=2,5, R(z(4))=4

25 Korrelation Spearmansche Rangkorrelationskoeffizient rS
Entspricht dem Bravais-Pearson Koeffizienten der Rangzahlen Wert +1 schon bei monoton wachsenden Beobachtungen, d.h. es gilt für alle (xi,yi), (xj,yj): mit xi < xj ist auch yi < yj

26 Korrelation Bsp. Klausur- und Übungspunkte
Einfachere Formel für den Spearman‘schen Korrelationskoeffizienten (falls alle xi und yi verschieden sind (und di=R(xi)–R(yi)):

27 Korrelation Bsp. Maturanoten Mathe, Deutsch, Englisch Mathe Deutsch
1 0,23 0,382 0,576

28 Korrelation Yulesche Assoziationskoeffizient für eine Vierfeldertafel
(X,Y) nominal skaliert Häufigkeitsverteilung von (X,Y) Es gilt: -1 ≤ AXY ≤ +1; falls ein hij=0, so gilt: |AXY|=1; Vorzeichen nur in Verbindung Vierfeldertafel interpretierbar

29 Korrelation Bsp. Geschlecht – Raucher/Nichtraucher
Leicht positiver Zusammenhang zw. Merkmalsausprägungen „w“ und „R“ R N-R  w 9 32 41 m 5 27 14 59 73

30 Korrelation Bsp. Geschlecht – Raucher/Nichtraucher
Leicht negativer Zusammenhang zw. Merkmalsausprägungen „m“ und „R“ R N-R  m 5 27 32 w 9 41 14 59 73

31 Wahrscheinlichkeitsrechung
Betrachte Ereignisse die nicht deterministisch (vorherbestimmbar) sind, Ereignisse mit Zufallscharakter. Bsp. Werfen eines idealen Würfels, Werfen einer fairen Münze, … Oder Ereignisse, die von so vielen Einflussfaktoren abhängen, dass das Ergebnis nicht sicher bestimmt werden kann.

32 Wahrscheinlichkeitsrechung
Grundbegriffe: Zufallsexperiment: Vorgang nach einer bestimmten Vorschrift ausgeführt, beliebig oft wiederholbar, Ergebnis hängt vom Zufall ab, bei mehrmaligen Durchführung des Experiments beeinflussen die Ergebnisse einander nicht – unabhängig voneinander. (z.B. Münzwurf, Werfen eines Würfels, …)

33 Wahrscheinlichkeitsrechung
Elementarereignisse (Realisationen) Zufallsexperiment: Reihe aller möglichen elementarer Ereignisse {e1},…,{en} Ereignisraum S: Menge der Elementarereignisse S={e1,…,en} Ereignis: Jede beliebige Teilmenge des Ereignisraumes (setzt sich aus einem od. mehreren Elementarereignissen zusammen)

34 Wahrscheinlichkeitsrechung
Vereinigung Vereinigung von 2 Ereignissen A und B: AUB Menge aller Elementarereignisse, die zu A oder B gehören Durchschnitt Durchschnitt von 2 Ereignissen A und B: A∩B Menge aller Elementarereignisse, die zu A und B gehören Disjunkte Ereignisse 2 Ereignisse A und B schließen einander aus, A∩B=Ø (Ø unmögliches Ereignis) Komplementärereignis Menge aller Elementarereignisse des Ereignisraumes S, die nicht in Ereignis A enthalten sind

35 Wahrscheinlichkeitsrechung
Wahrscheinlichkeit ist ein Maß zur Quantifizierung der Sicherheit bzw. Unsicherheit des Eintretens eines bestimmten Ereignisses im Rahmen eines Zufallsexperiments.

36 Wahrscheinlichkeitsrechung
Klassischer Wahrscheinlichkeitsbegriff: Bsp. Urne mit 10 Kugeln (8 rot, 2 schwarz) Gesucht: Wahrscheinlichkeit, dass eine zufällig gezogene Kugel rot ist (Ereignis A) Ereignisraum 10 mögl. Elementarereignisse, 8 günstige Fälle W(A) = 8 / 10 = 0,8

37 Wahrscheinlichkeitsrechung
Statistischer Wahrscheinlichkeitsbegriff: Grenzwert der relativen Häufigkeiten des Auftretens von A

38 Wahrscheinlichkeitsrechung
Subjektiver Wahrscheinlichkeitsbegriff: Ereignissen werden „Wettchancen“ zugeordnet. Quote für A ist a:b, dann ergibt sich die Wahrscheinlichkeiten

39 Wahrscheinlichkeitsrechung
Axiomatischer Wahrscheinlichkeitsbegriff: Definition von mathematischen Eigenschaften 1. 0 ≤ W(A) ≤ 1 2. W(S) = 1 3. A und B disjunkt: W(A U B) = W(A) + W(B)

40 Zufallsvariable Zufallsvariable: Variable deren Wert vom Zufall abhängt (z.B. X, Y, Z) Bsp. Zufallsexperiment: 2-maliges Werfen einer Münze. Frage: Wie oft erscheint „Zahl“? Mögliche Werte: 0, 1, 2. Variable „Anzahl Zahl“ hängt vom Zufall ab – Zufallsvariable. Realisation (Ausprägung): Wert, den eine Zufallsvariable X annimmt (z.B. x, y, z). Bsp. 2-maliges Werfen einer Münze, ZV X „Anzahl Zahl“, Ausprägungen: x1=0, x2=1, x3=2.

41 Zufallsvariable Zufallsvariable: Funktion, die jedem Elementarereignis eine bestimmt reelle Zahl zuordnet, z.B. X(ej)=xi Definitionsbereich einer ZV: Ereignisraum S des zugrundeliegenden Zufallsexperiments. Wertebereich einer ZV: Menge der reellen Zahlen.

42 Zufallsvariable Diskrete Zufallsvariable: ZV mit endlich vielen oder abzählbar unendlich vielen Ausprägungen Stetige Zufallsvariable: können (zumindest in einem bestimmten Bereich der reellen Zahlen) jeden beliebigen Zahlenwert annehmen.

43 Wahrscheinlichkeit Diskrete Zufallsvariable:
Wahrscheinlichkeit, mit der eine diskrete ZV X eine spezielle Ausprägung xi annimmt, W(X=xi): Summe der Wahrscheinlichkeiten derjenigen Elementarereignisse ej, denen Ausprägung xi zugeordnet ist:

44 Wahrscheinlichkeitsfunktion
Wahrscheinlichkeitsfunktion einer diskreten ZV: Funktion f(xi), die für jede Ausprägung der ZV (unterschiedliche Ausprägungen xi einer ZV X) die Wahrscheinlichkeit ihres Auftretens angibt: f(xi) = W(X=xi) Eigenschaften: f(xi) ≥ 0 i=1,2,… Σi f(xi) = 1

45 Verteilungsfunktion Verteilungsfunktion einer diskreten ZV: Funktion F(x), die die Wahrscheinlichkeit dafür angibt, dass die ZV X höchstens den Wert x annimmt. F(x) = W(X ≤ x) Es gilt: Treppenfunktion

46 Verteilungsfunktion Verteilungsfunktion einer stetigen ZV (kann in einem bestimmten Intervall jeden beliebigen Wert annehmen): Funktion F(x), die die Wahrscheinlichkeit dafür angibt, dass die ZV X höchstens den Wert x annimmt. F(x) = W(X ≤ x) Stetige Funktion

47 Verteilungsfunktion Eigenschaften einer stetigen Vt-Funktion:
1. 0 ≤ F(x) ≤ 1 2. F(x) ist monoton wachsend (d.h. für x1 < x2 gilt F(x1) ≤ F(x2) 3. lim x→-∞ F(x) = 0 4. lim x→∞ F(x) = 1 5. F(x) ist überall stetig

48 Wahrscheinlichkeitsdichte
Wahrscheinlichkeitsdichte (Dichtefunktion) f(x) einer stetigen ZV: Ableitung der Verteilungsfunktion. Es gilt:

49 Wahrscheinlichkeitsdichte
Eigenschaften: 1. f(x) ≥ 0 2. 3. 4. W(X=x) = 0 5. W(a ≤ X ≤ b) = W(a < X < b) 6. W(X ≤ a) = F(a) W(X ≤ b) = F(b) W(a ≤ X ≤ b) = F(b) – F(a)