Du bist nicht eingeloggt. Du musst dich anmelden oder registrieren und Mitglied dieser Institution werden um Zugang zu erhalten. In unserer Hilfe findest du Informationen wie du Mitglied einer Institution werden kannst.
Der Vortrag „Klassierung, Skalentransformation und andere eindimensionale Häufigkeitsverteilungen“ von Dipl.-Wirtsch.Inf. Leo Hamminger ist Bestandteil des Kurses „Archiv Statistik“. Der Vortrag ist dabei in folgende Kapitel unterteilt:
Ordnen Sie die passenden Überschriften zu! 1. Maria 2. Haarfarbe 3. blond, brünett, rot, schwarz, andere 4. blond
Merkmale sollten auf der höchstmöglichen Skala abgebildet werden, da…
Was muss man bei der Transformation von Skalen beachten?
Was kennzeichnet eine univariate Häufigkeitsverteilung bei metrisch skalierten Daten?
Welche dieser Aussagen zum Thema Klassierung sind zutreffend?
Welchen Aussagen zur Rechteckhöhe sind korrekt?
Welche Aussagen zu Histogrammen sind zutreffend?
Was bezeichnet man als Summenhäufigkeit?
5 Sterne |
|
5 |
4 Sterne |
|
0 |
3 Sterne |
|
0 |
2 Sterne |
|
0 |
1 Stern |
|
0 |
... blond, braun, …= Anzahl Kinder=natürliche=Zahl= Maria Merkmale Messwerte Brustumfang 64 stetig Taillenumfang ...
... Person, Personengruppe, … Maria, Elena, Anna, … Merkmal (Variable) Eigenschaft eines Merkmalträgers Größe, Gewicht, Haarfarbe, Blutdruck, … ...
... 64 stetig Taillenumfang 52 stetig Haarfarbe schwarz diskret Anzahl Kinder 1 diskret Maria Merkmale Messwerte Alter 18 stetig Brustumfang 64 ...
... abgebildet werden, da ?sonst Information verloren geht ?mit höheren Skalen genauere statistische Methoden möglich sind Beispiel: Messen des Körperfetts Verhältnis Taille / Körpergröße (unter 40-jährige) ...
... einen Skala wird genau einem Wert der anderen Skala zugeordnet Immer 1 Manchmal 2 Selten ...
... Metrische Skalen ?Intervallskala: linear Gemeinkosten (Stückkosten * Stück) + Fixkosten y ax ...
... werden, um das Verhältnis der Abstände zwischen den Werten zu erhalten! Gesamtpreis ...
... wir Körpergrößen zwischen 120cm – 170cm, hier beispielhaft ein Auszug aus der Urliste (ungeordnete Erhebungsdaten, in Reihenfolge der Erhebung): Schüler Wert (cm) x1 121 x2 ...
... eine geordnete Reihenfolge an. Diese 51 Werte (120cm-170cm) mit ihren absoluten Häufigkeiten hj lassen sich nicht übersichtlich darstellen. Es liegt nahe sie zu gruppieren, d.h. in Klassen zusammen zu führen. Es ist üblich nicht mehr als 20 ...
... sehen, dass die unterste (erste) Klasse 6cm breit ist, um die 51 Werte unter zu bringen. Wir könnten diese erste Klasse als offene Randklasse bilden: <= 125 Grundsätzlich sollten Klassen gleich breit sein – schwierig bei stark in engen Bereichen gestreuten Merkmalen, z.B. 12, 13, 80, 81, ...
... Merkmale hier: Klassenmitte Histogramm: -Keine Säulenabstände -Nur klassierte Merkmale -Rechteckhöhe rh: Häufigkeit h / Klassenbreite 0 0,5 1 1,5 2 ...
... aus dem Beispiel mit den 14 Einkommen, in 4 Einkommensklassen. Da die Klassenbreiten ungleich sind (200, 100, 100, 200) gibt die ...
... heißt Summenhäufigkeitsverteilung (hier: diskrete Werte) 65% der Schüler sind 150cm oder kleiner. („Fehler“ = Klassenbreite) x y „Fehler“ ...
... Wir verwenden wieder das Beispiel mit den 14 Einkommen und stellen deren Summenhäufigkeitsverteilungen dar: es ergibt sich eine stückweise lineare Funktion. Wir können ...