Statistik at FernUniversität in Hagen

Flashcards and summaries for Statistik at the FernUniversität in Hagen

Arrow Arrow

It’s completely free

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

Study with flashcards and summaries for the course Statistik at the FernUniversität in Hagen

Exemplary flashcards for Statistik at the FernUniversität in Hagen on StudySmarter:

Datenerhebung:

Exemplary flashcards for Statistik at the FernUniversität in Hagen on StudySmarter:

Variablen der Datenerhebung

Exemplary flashcards for Statistik at the FernUniversität in Hagen on StudySmarter:

Skalierung von Merkmalsausprägungen

Exemplary flashcards for Statistik at the FernUniversität in Hagen on StudySmarter:

Einordnung nach einer Skala:

Exemplary flashcards for Statistik at the FernUniversität in Hagen on StudySmarter:

Einordnung nach Messbarkeit

Exemplary flashcards for Statistik at the FernUniversität in Hagen on StudySmarter:

Einordnung nach Abzählbarkeit

Exemplary flashcards for Statistik at the FernUniversität in Hagen on StudySmarter:

Nominalskala

Exemplary flashcards for Statistik at the FernUniversität in Hagen on StudySmarter:

Ordinalskala/Rangskala

Exemplary flashcards for Statistik at the FernUniversität in Hagen on StudySmarter:

metrische Skala/ Kardinalskala

Intervall-Skala

Exemplary flashcards for Statistik at the FernUniversität in Hagen on StudySmarter:

metrische Skala/ Kardinalskala

Verhältnis-Skala

Exemplary flashcards for Statistik at the FernUniversität in Hagen on StudySmarter:


metrische Skala/ Kardinalskala

Absolut-Skala


Exemplary flashcards for Statistik at the FernUniversität in Hagen on StudySmarter:

Deskriptive Statistik

Your peers in the course Statistik at the FernUniversität in Hagen create and share summaries, flashcards, study plans and other learning materials with the intelligent StudySmarter learning app.

Get started now!

Flashcard Flashcard

Exemplary flashcards for Statistik at the FernUniversität in Hagen on StudySmarter:

Statistik

Datenerhebung:

Die Erhebung von Datenmaterial kann mittels Befragung (persönlich, telefonisch, postalisch), durch Beobachtung oder durch einExperiment erfolgen. Dabei kann zwischen der Vollerhebung, bei der alle Daten erfasst werden und der Teilerhebung, bei der nur ein Teil aller Daten erfasst werden, unterschieden werden. Zusätzlich spricht man von einer Primärerhebung, wenn das Datenmaterial selbst erhoben wird, von einer Sekundärerhebung/registergestützten Erhebung dagegen, wenn auf vorhandenes Datenmaterial durch Institute zurückgegriffen wird. Bei der Datenerhebung kann man zwischen drei verschiedenen „Tiefen“ der ermittelten Daten unterscheiden:

1.Statistische Einheit:

Das allgemeine Untersuchungsobjekt/Merkmalsträger (Bei uns im Beispiel das Wetter)

2.Merkmal:

Die Eigenschaft, die beim Untersuchungsobjekt analysiert werden soll (Bei uns im Beispiel die Temperatur)

3.Merkmalsausprägung:

Die (Beobachtung-)Werte oder Kategorien, die das Merkmal annehmen kann (Bei uns im Beispiel die verschiedenen gemessenen Temperaturen bspw. 10°C oder 24°C usw).

Merke:Eine statistische Einheit muss sachlich (Gegenstand), zeitlich (Zeitraum) und räumlich (Gebiet) eindeutig abgegrenzt und somit identifizierbar sein

Statistik

Variablen der Datenerhebung

Für die statische Einheit wird im Kurs keine Variable vergeben. Erst ab dem Merkmal werden Variablen vergeben, wobei folgendes gilt:

Variablen für Merkmale: Für diese werden Großbuchstaben vergeben (𝑋,𝑌,𝑍𝑢𝑠𝑤.)

Variablen für Merkmalsausprägungen: 

Für diese werden nummerierte Kleinbuchstaben vergeben (𝑥𝑗,𝑦𝑗,𝑧𝑗𝑤𝑜𝑏𝑒𝑖𝑗=1,2,…,𝑚)

Beispiel:Gehen wir von unserem Beispiel aus, wobei nun nicht nur für die Temperatur, sondern auch für den Niederschlag Daten erhoben werden sollen. Wir haben also die Merkmale Temperatur und Niederschlag aus der statistischen Einheit Wetter. Die Variablen für die Merkmale und deren Ausprägungenkönnten dann wie folgt lauten:

Statistik

Skalierung von Merkmalsausprägungen

Nach der Erhebung von Daten, muss eine Charakterisierung der Merkmale erfolgen, um die möglichen Analysemethoden für die Merkmale ermitteln zu können. Man beginnt mit der Skalierung der Merkmale bzw. deren Merkmalsausprägungen durch eine Einordnung in die folgenden Eigenschaften:

1.Einordnung nach einer Skala: 

Nominalskala, Ordinalskala, Kardinalskala/metrische Skala

2.Einordnung nach Messbarkeit: Qualitativ, Quantitativ

3.Einordnung nach Abzählbarkeit:Diskret, Stetig

Statistik

Einordnung nach einer Skala:

Merkmale und deren Ausprägungen können nach ihrer Vergleichbarkeit/Messbarkeit in bestimmte Skalen eingeordnet werden. Je nach Vergleichbarkeit/Messbarkeit erreichen sie ein bestimmtes Skalenniveau, wobei die Nominalskala das geringste Skalenniveau aufweist:

Nominalskala: Können die Merkmalsausprägungen in keiner Weise untereinander verglichen werden, sind sie der Nominalskala zuzuordnen. Die einzige messbare Eigenschaft liegt hier bei der Häufigkeit. Beispiele: Postleitzahlen, Geschlecht, Studienrichtung, Farben, Religionen, Nationalitäten, Familienstand•

Ordinalskala: Können die Merkmalsausprägungen in eine natürliche Reihenfolge bzw. Rangordnung gebracht werden, sind sie der Ordinalskala zuzuordnen. Die messbaren Eigenschaften liegen hier bei der Häufigkeit und der Reihenfolge.Beispiele: Schulnoten („sehr gut“, „gut“,…), Sternebewertungen (Amazon 1-5 Sterne, Hotel), Schulabschlüsse, Tabellenplätze der Bundesliga•

Kardinalskala/metrische Skala: Können neben der Reihenfolge zwischen den Merkmalsausprägungen eindeutige Abstände durch ein Abstandsmaß (Metrik) gemessen werden, sind die Merkmalsausprägungen der Kardinal-/metrischen Skala zuzuordnen. Die messbaren Eigenschaften liegen mindestens bei der Häufigkeit, Reihenfolge und dem Abstand.Beispiele:Temperatur in Celsius, Temperatur in Fahrenheit, Anzahlen, Größe, Gewicht, Lebensdauer

ACHTUNG:Auf der Kardinalskala/metrischen Skala wird zusätzlich zwischen den folgenden 3 Skalen unterschieden: Intervallskala, Verhältnisskala und Absolutskala

Statistik

Einordnung nach Messbarkeit

Merkmalsausprägung die qualitativ sind, werden nicht in Zahlen angegeben. 

Quantitative Merkmalsausprägungen hingegen werden in Zahlen angegeben und sind metrisch messbare Merkmale.

Qualitative Merkmalsausprägungen: Unterliegen keinem messbaren System, sodass deren Datenerhebung nicht in eigentlicher Form von Zahlen erfolgt.

Quantitative Merkmalsausprägungen: Unterliegen einem messbaren System, sodass die Ausprägungen in Form von Zahlenwerten vorliegen.

MERKE: Alle Merkmale, die der Nominal-und Ordinalskala zugeordnet werden, sind qualitativ, alle Werte, die in die metrische Skala fallen, sind quantitativ.

Statistik

Einordnung nach Abzählbarkeit

Je nach Abzählbarkeit, ist ein Merkmalsausprägung stetig oder diskret. Besitzt ein Merkmal endlich viele oder abzählbar unendliche viele Ausprägungen, ist es diskret, gibt es überabzählbare Ausprägungen, ist das Merkmal stetig.

Diskrete Merkmalsausprägungen:Weisen keine Stellen hinter dem Komma auf

Stetige Merkmalausprägungen: Weisen Stellen hinter dem Komma auf

MERKE:Merkmalsausprägungen, die der Nominal-und Ordinalskala zugeordnet werden, sind diskret. Merkmale auf der Kardinalskala können stetig oder diskret sein

Statistik

Nominalskala

Niveau: Niedrigstes Niveau

Art des Merkmals: Qualitative Merkmale 

Diskretes/Stetiges Merkmal: Diskret

Frage für die nächste Skala: Kann eine sinnvolle Reihenfolge gebildet werden (besser als/schlechter als)?JA⇓ 

Beispiele: Postleitzahlen, Geschlecht, Studienrichtung, Farben, Religionen, Nationalitäten, Familienstand, Blutgruppe        

Statistik

Ordinalskala/Rangskala

Niveau: Niveau steigend

Art des Merkmals: Qualitative Merkmale Auch: Intensitätsmäßiges Merkmals

Diskret/ Stetig Merkmal: Diskret

Frage für die nächste Skala: Existiert ein allgemeingültiges
Abstandsmaß (Metrik) für das Merkmal,
sodass Abstände eindeutig bestimmt
werden können? (nicht: 1,2,3,…)
JA ⇓

Beispiel: 

Schulnoten, Sternebewertung, Schulabschlüsse, Tabellenplätze, Güteklasse bei Lebensmitteln

Statistik

metrische Skala/ Kardinalskala

Intervall-Skala

Niveau: Niveau steigend

Art des Merkmals: Quantitative Merkmale

Diskretes/ Stetiges Merkmal:

Stetig: ÜberÜber-abzählbare Ausprägungen (mögliche Stellen hinter dem Komma)

ODER

Diskret:
Abzählbare Ausprägungen (keine Stellen hinter dem Komma)

Frage für die nächste Skala:

Besitzt die metrische Skala einen natürlichen Nullpunkt, also geht die Messung von 0 nur ins Positive? Sind
Abstände sinnvoll interpretierbar?
JA ⇓

Beispiel: Temperatur in Celsius, Jahreszahlen (Kalender), IQ IQ-Skala, Längengrad der Erde

Statistik

metrische Skala/ Kardinalskala

Verhältnis-Skala

Niveau: Höchstes Niveau

Art des Merkmals: Quantitatives Merkmals

Diskret/ Stetig: 

Stetig:
Über-abzählbare
Ausprägungen
(mögliche Stellen
hinter dem Komma)
Oder
Diskret:
Abzählbare
Ausprägungen (keine
Stellen hinter dem
Komma)

Frage für die nächste Skala:
Besitzen die Merkmalsausprägungen
keine vorgegebene Maßeinheit, bzw. wird nur
eine Anzahl angegeben?
JA ⇓

Beispiele: Temperatur in Kelvin, Größe, Gewicht,
Lebensdauer, Entfernung, Geschwindigkeit,
Bevölkerungsdichte, Zeit

Statistik


metrische Skala/ Kardinalskala

Absolut-Skala


Niveau: Höchstes Niveau

Art des Merkmals: Quantitative Merkmale

Diskret/ Stetig: Stetig:
ÜberÜber-abzählbare
Ausprägungen
(mögliche Stellen
hinter dem Komma)
Oder
Diskret:
Abzählbare
Ausprägungen (keine
Stellen hinter dem
Komma)

Bespiel: Anzahlen von Gegenständen/Personen,
Stückzahlen von Gegenständen

Statistik

Deskriptive Statistik

– beschreibenden Statistik

 – Erhebung, Aufbereitung und explorative Datenanalyse von Datenmaterial steht im Mittelpunkt. 

Ziel ist die Erfassung und übersichtlichen Darstellung von Datenmaterial

explorative Datenanalyse

Messung auf die Verteilung, Lage oder auch auf mögliche Zusammenhänge von verschieden Daten.

Reihenfolge:

Erhebung der Daten: 

Beispielsweise durch tägliche Messung der Temperatur im Sommer.

Aufbereitung der Daten: 

Beispielsweise durch die tabellarische Darstellung der gemessenen Temperaturen für jeden Sommermonat.

Explorative Datenanalyse:

Beispielsweise durch Bildung der Durchschnittstemperaturen für den Sommer und Vergleich mit den Durchschnittstemperaturen in denWintermonaten. Das Datenmaterial liefert folglich den Zusammenhang, dass die Temperaturen im Sommer höher liegen

Sign up for free to see all flashcards and summaries for Statistik at the FernUniversität in Hagen

Singup Image Singup Image
Wave

Other courses from your degree program

For your degree program Business Computer Science at the FernUniversität in Hagen there are already many courses on StudySmarter, waiting for you to join them. Get access to flashcards, summaries, and much more.

Back to FernUniversität in Hagen overview page

Betriebliche Informationssysteme

Einführung in die objektorientierte Programmierung

Einführung in die technischen und theoretischen Grundlagen der Informatik

Einführung in die Wirtschaftswissenschaft

Einführung Betriebswirtschaftslehre

VWL Kurseinheit 1

Wirtschaftsinformatik

Wirtschaftsmathe

Wirtschaftsinformatik

Wirtschaftsinformatik KUE 3

Englisch B1

VWL Wagner

Einführung Wirtschaftsinformatik

Jahresabschluss und Rewe

Grundlagen Mathematik

Einführung BWL

Grundlagen des Privat- und Wirtschaftsrecht

Einführung in die Wirtschaftswissenschaften

Grundlagen Mathematik

What is StudySmarter?

What is StudySmarter?

StudySmarter is an intelligent learning tool for students. With StudySmarter you can easily and efficiently create flashcards, summaries, mind maps, study plans and more. Create your own flashcards e.g. for Statistik at the FernUniversität in Hagen or access thousands of learning materials created by your fellow students. Whether at your own university or at other universities. Hundreds of thousands of students use StudySmarter to efficiently prepare for their exams. Available on the Web, Android & iOS. It’s completely free.

Awards

Best EdTech Startup in Europe

Awards
Awards

EUROPEAN YOUTH AWARD IN SMART LEARNING

Awards
Awards

BEST EDTECH STARTUP IN GERMANY

Awards
Awards

Best EdTech Startup in Europe

Awards
Awards

EUROPEAN YOUTH AWARD IN SMART LEARNING

Awards
Awards

BEST EDTECH STARTUP IN GERMANY

Awards

How it works

Top-Image

Get a learning plan

Prepare for all of your exams in time. StudySmarter creates your individual learning plan, tailored to your study type and preferences.

Top-Image

Create flashcards

Create flashcards within seconds with the help of efficient screenshot and marking features. Maximize your comprehension with our intelligent StudySmarter Trainer.

Top-Image

Create summaries

Highlight the most important passages in your learning materials and StudySmarter will create a summary for you. No additional effort required.

Top-Image

Study alone or in a group

StudySmarter automatically finds you a study group. Share flashcards and summaries with your fellow students and get answers to your questions.

Top-Image

Statistics and feedback

Always keep track of your study progress. StudySmarter shows you exactly what you have achieved and what you need to review to achieve your dream grades.

1

Learning Plan

2

Flashcards

3

Summaries

4

Teamwork

5

Feedback