Einführung in die Statistik mit EXCEL und SPSS: Ein anwendungsorientiertes Lehr- und Arbeitsbuch (Physica-Lehrbuch)

Physica-Lehrbuch Physica-Lehrbuch Bannier, Christina E. Vertragstheorie Eine Einführung mit finanzökonomischen Beispie...

Author: Christine Duller

79 downloads 1356 Views 3MB Size Report

This content was uploaded by our users and we assume good faith they have the permission to share this book. If you own the copyright to this book and it is wrongfully on our website, we offer a simple DMCA procedure to remove your content from our site. Start by pressing the button below!
Report copyright / DMCA form

DOWNLOAD PDF

Physica-Lehrbuch

Physica-Lehrbuch Bannier, Christina E. Vertragstheorie Eine Einführung mit finanzökonomischen Beispielen und Anwendungen 2005, XVI, 218 S.

Kistner, Klaus-Peter Optimierungsmethoden Einführung in die Unternehmensforschung für Wirtschaftswissenschaftler 3. Aufl. 2003, XII, 293 S.

Rothengatter, Werner Schaffer, Axel Makro kompakt Grundzüge der Makroökonomik 2006, X, 234 S.

Duller, Christine Einführung in die Statistik mit EXCEL und SPSS Ein anwendungsorientiertes Lehr- und Arbeitsbuch 2. Aufl. 2007, XII, 285 S.

Kistner, Klaus-Peter Steven, Marion Produktionsplanung 3. Aufl. 2001, XIII, 372 S.

Schäfer, Henry Unternehmensfinanzen Grundzüge in Theorie und Management 2. Aufl. 2002, XVIII, 522 S.

Farmer, Karl · Wendner, Ronald Wachstum und Außenhandel Eine Einführung in die Gleichgewichtstheorie der Wachstumsund Außenhandelsdynamik 2. Aufl. 1999, XVIII, 423 S. Fink, Andreas Schneidereit, Gabriele · Voß, Stefan Grundlagen der Wirtschaftsinformatik 2. Aufl. 2005, XVIII, 316 S. Göcke, Matthias · Köhler, Thomas Außenwirtschaft Ein Lern- und Übungsbuch 2002, XIII, 359 S. Graf, Gerhard Grundlagen der Volkswirtschaftslehre 2. Aufl. 2002, XIV, 335 S. Graf, Gerhard Grundlagen der Finanzwissenschaft 2. Aufl. 2005, XII, 334 S. Heiduk, Günter S. Außenwirtschaft Theorie, Empirie und Politik der interdependenten Weltwirtschaft 2005, XII, 429 S. Heno, Rudolf Jahresabschluss nach Handelsrecht, Steuerrecht und internationalen Standards (IAS/IFRS) 5. Aufl. 2006, XX, 560 S. Hofmann, Ulrich Netzwerk-Ökonomie 2001, X, 242 S. Huch, Burkhard u.a. Rechnungswesen-orientiertes Controlling Ein Leitfaden für Studium und Praxis 4.Aufl. 2004, XX, 510 S. Kistner, Klaus-Peter Produktions- und Kostentheorie 2. Aufl. 1993, XII, 293 S.

Kistner, Klaus-Peter Steven, Marion Betriebswirtschaftslehre im Grundstudium Band 1: Produktion, Absatz, Finanzierung 4. Aufl. 2002, XIV, 510 S. Band 2: Buchführung, Kostenrechnung, Bilanzen 1997, XVI, 451 S. König, Rolf · Wosnitza, Michael Betriebswirtschaftliche Steuerplanungsund Steuerwirkungslehre 2004, XIV, 288 S. Kortmann, Walter Mikroökonomik Anwendungsbezogene Grundlagen 4. Aufl. 2006, XVIII, 674 S. Marti, Kurt · Gröger, Detlef Einführung in die lineare und nicht lineare Optimierung 2000, VII, 206 S. Marti, Kurt · Gröger, Detlef Grundkurs Mathematik für Ingenieure, Naturund Wirtschaftswissenschaftler 2. Aufl. 2003, X, 267 S. Michaelis, Peter Ökonomische Instrumente in der Umweltpolitik Eine anwendungsorientierte Einführung 1996, XII, 190 S. Nissen, Hans-Peter Einführung in die makroökonomische Theorie 1999, XVI, 341 S. Nissen, Hans-Peter Das Europäische System Volkswirtschaftlicher Gesamtrechnungen 5. Aufl. 2004, XVI, 362 S. Risse, Joachim Buchführung und Bilanz für Einsteiger 2. Aufl. 2004, VIII, 296 S.

Schäfer, Henry Unternehmensinvestitionen Grundzüge in Theorie und Management 2. Aufl. 2005, XVI, 439 S. Schüler, Mirja Einführung in das betriebliche Rechnungswesen Buchführung für Industrieund Handelsbetriebe 2006, XII, 216 S. Sesselmeier, Werner Blauermel, Gregor Arbeitsmarkttheorien 2. Aufl. 1998, XIV, 308 S. Steven, Marion Hierarchische Produktionsplanung 2. Aufl. 1994, X, 262 S. Steven, Marion Kistner, Klaus-Peter Übungsbuch zur Betriebswirtschaftslehre im Grundstudium 2000, XVIII, 423 S. Swoboda, Peter Betriebliche Finanzierung 3. Aufl. 1994, 305 S. Tomann, Horst Volkswirtschaftslehre Eine Einführung in das ökonomische Denken 2005, XII, 186 S. Weigand, Christoph Statistik mit und ohne Zufall Eine anwendungsorientierte Einführung 2006, XIII, 421 S. Weise, Peter u.a. Neue Mikroökonomie 5. Aufl. 2005, XI, 645 S. Zweifel, Peter Heller, Robert H. Internationaler Handel Theorie und Empirie 3. Aufl. 1997, XXII, 418 S.

Christine Duller

Einführung in die Statistik mit EXCEL und SPSS Ein anwendungsorientiertes Lehr- und Arbeitsbuch Zweite, überarbeitete Auflage

Mit 71 Abbildungen und 26 Tabellen

Physica-Verlag Ein Unternehmen von Springer

Ass. Professorin Dipl.-Ing. Mag. Dr. Christine Duller Johannes Kepler Universität Linz IFAS - Institut für Angewandte Statistik Altenberger Straße 69 4040 Linz Österreich [email protected]

ISSN 1431-6870 ISBN 978-3-7908-1911-3 Physica-Verlag Heidelberg ISBN 978-3-7908-1641-9 1. Aufl. Physica-Verlag Heidelberg

Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet ¨ uber http://dnb.d-nb.de abrufbar. Dieses Werk ist urheberrechtlich gesch¨ utzt. Die dadurch begr¨ undeten Rechte, insbesondere die der ¨ bersetzung, des Nachdrucks, des Vortrags, der Entnahme von Abbildungen und Tabellen, der FunkU sendung, der Mikroverfilmung oder der Vervielf¨ altigung auf anderen Wegen und der Speicherung in Datenverarbeitungsanlagen, bleiben, auch bei nur auszugsweiser Verwertung, vorbehalten. Eine Vervielf¨ altigung dieses Werkes oder von Teilen dieses Werkes ist auch im Einzelfall nur in den Grenzen der gesetzlichen Bestimmungen des Urheberrechtsgesetzes der Bundesrepublik Deutschland vom 9. September 1965 in der jeweils geltenden Fassung zul¨ assig. Sie ist grunds¨ atzlich verg¨ utungspflichtig. Zuwiderhandlungen unterliegen den Strafbestimmungen des Urheberrechtsgesetzes. Physica-Verlag ist ein Unternehmen von Springer Science+Business Media springer.de © Physica-Verlag Heidelberg 2006, 2007 Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten w¨ aren und daher von jedermann benutzt werden d¨ urften. Herstellung: LE-TEX Jelonek, Schmidt & V¨ ockler GbR, Leipzig Umschlaggestaltung: WMX Design GmbH, Heidelberg SPIN 11903598

154/3100YL - 5 4 3 2 1 0

Gedruckt auf s¨ aurefreiem Papier

Vorwort

Dieses Buch soll auf allgemein verständlichem Niveau die Grundlagen der Statistik vermitteln. Die LeserInnen sollen die F¨ ahigkeit erwerben, die vorgestellten statistischen Verfahren korrekt anwenden und die daraus resultierenden Ergebnisse richtig und verst¨ andlich interpretieren zu k¨ onnen. Voraussetzungen sind Mathematik auf Maturaniveau und Grundkenntnisse im Umgang mit dem Computer, insbesondere mit EXCEL. Um das Verständnis zu erleichtern werden zahlreiche Beispiele mit Lösungen angef¨ uhrt, wobei viele Beispiele auch mit den g¨ angigen Programmen EXCEL und SPSS gel¨ ost werden. B¨ ucher bieten aber nicht nur Inhalte, sondern transportieren immer auch ¨ Uberzeugungen der Autorinnen und Autoren. Dieses Lehrbuch soll den Studierenden ein n¨ utzliches Hilfsmittel sein und auch einen Beitrag zur bewußten Integration von Studentinnen leisten. Die sonst u ¨blichen ausschließlich männlichen Bezeichnungen werden durch eine Ausdrucksweise ersetzt, die alle Studierende ansprechen soll und daher zwischen m¨ annlicher, weiblicher und gemischter Ausdrucksweise abwechselt. ¨ Im ersten Teil des Buches werden grundsätzliche Uberlegungen zum Thema Statistik, sowie Kurzeinf¨ uhrungen in EXCEL und SPSS geboten. Der zweite Teil setzt sich intensiv mit den Verfahren der deskriptiven Statistik auseinander und legt so den Grundstein f¨ ur erste statistische Analysen. Die Wahrscheinlichkeitsrechnung, die im dritten Teil beleuchtet wird, dient als Grundlage f¨ ur die induktive Statistik, die im vierten und letzten Teil behandelt wird. Um auch den Zweck als Nachschlagewerk zu erf¨ ullen, ist im Anhang neben den ¨ wichtigsten Verteilungstabellen auch eine Ubersicht mit Notationen angef¨ uhrt. Unter http://www.ifas.jku.at/e2571/e2696/index ger.html wird ein Link zu diesem Buch angeboten, wo man Erg¨ anzungen und ausf¨ uhrlichere L¨ osungen zu den Beispielen findet.

VI

Vorwort

F¨ ur die 2. Auflage wurden einige Details erg¨ anzt und nat¨ urlich die gefundenen Fehler korrigiert. Die SPSS-Beschreibungen beziehen sich in der 2. Auflage auf die Version 14.0, die Unterschiede zur Version 12.0 in der 1. Auflage sind aber eher geringf¨ ugig. Mein Dank gilt Norbert Faschinger, der mir vor allem beim Erstellen der zahlreichen Grafiken eine große Hilfe war. F¨ ur Anregungen und Korrekturvorschl¨ age bedanke ich mich bei meinen Testleserinnen, insbeondere bei Frau Eva Obermayr, Frau Martha Pfleger und Frau Dr. Helga Wagner. F¨ ur das Aufsp¨ uren von (Tipp-)fehlern bedanke ich mich bei meinen Studierenden und bei Herrn Mag. Christoph Pamminger. Dem Physica-Verlag aus dem Hause Springer möchte ich danken f¨ ur die Erstellung dieses Lehrbuches und die gute und problemlose Zusammenarbeit, insbesondere gilt mein Dank Frau Dipl.-Math. Lilith Braun, Frau Gabriele Keidel M.A. und Herrn Dr. Werner M¨ uller, die durch ihre Unterst¨ utzung mein Deb¨ ut als Lehrbuchautorin erst erm¨ oglicht haben. ¨ Uber Anregungen meiner Leserinnen und Leser w¨ urde ich mich sehr freuen ([email protected]) und ich w¨ unsche allen viel Spaß mit der Statistik.

Linz, Dezember 2006

Christine Duller

Inhaltsverzeichnis

Teil I Einf¨ uhrung 1

Was ist Statistik? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3

1.1 Der Begriff Statistik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3

1.2 Wozu Statistik? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4

1.3 Grundbegriffe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

6

1.4 Teilbereiche der Statistik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 ¨ Ubungsaufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 2

Ablauf einer statistischen Analyse . . . . . . . . . . . . . . . . . . . . . . . . . 11 2.1 Planung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2.2 Merkmale und Merkmalstypen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 2.2.1 Skalenniveaus von Merkmalen . . . . . . . . . . . . . . . . . . . . . . . 12 2.2.2 Stetige und diskrete Merkmale . . . . . . . . . . . . . . . . . . . . . . 14 2.3 Methode der Datengewinnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 2.4 Datenerfassung und -aufbereitung . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.5 Abschlussbericht . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 2.6 Problemfelder in der Praxis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 2.6.1 Datenschutz, Anonymit¨ at . . . . . . . . . . . . . . . . . . . . . . . . . . 22 2.6.2 Unzureichendes Studiendesign . . . . . . . . . . . . . . . . . . . . . . . 23 2.6.3 Sekund¨ arstatistiken . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 2.6.4 Fehlende Daten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 ¨ Ubungsaufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

VIII

3

Inhaltsverzeichnis

Anmerkungen zum Umgang mit dem Computer . . . . . . . . . . . 27 3.1 Grundlagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 3.2 N¨ utzliche Tasten und Tastenkombinationen . . . . . . . . . . . . . . . . . 28 3.3 Drag and Drop . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 3.4 Konventionen zur Beschreibung . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

4

Das Tabellenkalkulationsprogramm EXCEL . . . . . . . . . . . . . . . . 31 4.1 Grundelemente in EXCEL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 4.2 Formatierung in EXCEL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 4.3 Dateneingabe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 4.4 Statistische Analysen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

5

Das Statistikpaket SPSS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 5.1 Erste Schritte in SPSS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 5.2 Der Dateneditor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 5.3 Datenquellen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 5.4 Der Viewer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 5.5 Datenaufbereitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 5.5.1 Fehlende Werte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 5.5.2 Umkodieren von Variablen . . . . . . . . . . . . . . . . . . . . . . . . . . 50 5.5.3 Transformieren von Variablen . . . . . . . . . . . . . . . . . . . . . . . 53 5.5.4 F¨ alle gewichten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54 5.6 Tipps im Umgang mit SPSS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

Teil II Deskriptive Statistik 6

Eindimensionale H¨ aufigkeitsverteilungen . . . . . . . . . . . . . . . . . . . 61 6.1 Diskrete Merkmale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 6.1.1 H¨ aufigkeitsverteilung in EXCEL . . . . . . . . . . . . . . . . . . . . . 63 6.1.2 H¨ aufigkeitsverteilungen in SPSS . . . . . . . . . . . . . . . . . . . . . 66 6.2 Stetige Merkmale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68 6.2.1 Stetige H¨ aufigkeitsverteilung in EXCEL . . . . . . . . . . . . . . 70 6.2.2 Stetige H¨ aufigkeitsverteilung in SPSS . . . . . . . . . . . . . . . . 70 6.3 Grafische Darstellung von Verteilungen . . . . . . . . . . . . . . . . . . . . . 71

Inhaltsverzeichnis

IX

6.3.1 Kreis- oder Tortendiagramm . . . . . . . . . . . . . . . . . . . . . . . . 71 6.3.2 Balken-, S¨ aulen- oder Stabdiagramm . . . . . . . . . . . . . . . . . 72 6.3.3 Histogramm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73 6.3.4 Qualit¨ atskriterien f¨ ur Grafiken . . . . . . . . . . . . . . . . . . . . . . 76 6.3.5 Auswahl der passenden Darstellungsform . . . . . . . . . . . . . 80 6.3.6 Grafiken in EXCEL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81 6.3.7 Erstellen von Histogrammen in EXCEL . . . . . . . . . . . . . . 83 6.3.8 Grafiken in SPSS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 6.4 Die empirische Verteilungsfunktion . . . . . . . . . . . . . . . . . . . . . . . . 85 6.4.1 Abbild der empirischen Verteilungsfunktion . . . . . . . . . . . 86 6.4.2 Rechnen mit der empirischen Verteilungsfunktion . . . . . . 88 6.4.3 Die empirische Verteilungsfunktion in EXCEL . . . . . . . . 91 6.4.4 Die empirische Verteilungsfunktion in SPSS . . . . . . . . . . . 91 ¨ Ubungsaufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92 7

Maßzahlen f¨ ur eindimensionale Verteilungen . . . . . . . . . . . . . . . 95 7.1 Lagemaße . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95 7.1.1 Arithmetisches Mittel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95 7.1.2 Median . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98 7.1.3 Modus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 7.1.4 Quantile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102 7.1.5 Geometrisches Mittel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104 7.1.6 Lagekennzahlen in EXCEL . . . . . . . . . . . . . . . . . . . . . . . . . 106 7.1.7 Lagekennzahlen in SPSS . . . . . . . . . . . . . . . . . . . . . . . . . . . 108 7.2 Streuungsmaße . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108 7.3 Eigenschaften von Lage- und Streuungsmaßen . . . . . . . . . . . . . . . 112 7.3.1 Maßeinheiten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112 7.3.2 Minimaleigenschaften . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113 7.3.3 Robustheit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113 7.4 Auswahl geeigneter Lagemaßzahlen . . . . . . . . . . . . . . . . . . . . . . . . 114 7.5 Maßzahlen der Schiefe und W¨ olbung . . . . . . . . . . . . . . . . . . . . . . . 114 7.6 Streuung, Schiefe und W¨ olbung in EXCEL . . . . . . . . . . . . . . . . . 118 7.7 Streuung, Schiefe und W¨ olbung in SPSS . . . . . . . . . . . . . . . . . . . . 119

X

Inhaltsverzeichnis

¨ Ubungsaufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119 8

Multivariate deskriptive Statistik . . . . . . . . . . . . . . . . . . . . . . . . . . 123 8.1 Zweidimensionale Häufigkeitsverteilungen . . . . . . . . . . . . . . . . . . . 123 8.2 Randverteilungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125 8.3 Bedingte Verteilung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125 8.4 Maße f¨ ur den Zusammenhang zweier Merkmale . . . . . . . . . . . . . . 127 8.4.1 Zusammenhang zweier nominaler Merkmale . . . . . . . . . . 127 8.4.2 Zusammenhang zweier ordinaler Merkmale . . . . . . . . . . . 130 8.4.3 Zusammenhang zweier metrischer Merkmale . . . . . . . . . . 133 8.5 Grafische Darstellung zweidimensionaler metrischer Merkmale . 137 8.6 Korrelation und Kausalit¨ at . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138 8.7 Zweidimensionale Merkmale in EXCEL . . . . . . . . . . . . . . . . . . . . . 139 8.8 Zweidimensionale Merkmale in SPSS . . . . . . . . . . . . . . . . . . . . . . . 140 8.9 Tipps und Tricks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145 ¨ Ubungsaufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146

9

Die Regressionsanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149 9.1 Die lineare Einfachregression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149 9.2 Regressionsanalyse in EXCEL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155 9.3 Regressionsanalyse in SPSS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155 ¨ Ubungsaufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159

Teil III Wahrscheinlichkeitsrechnung 10 Wahrscheinlichkeitsrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163 10.1 Exkurs: Mengenlehre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163 10.2 Grundbegriffe der Wahrscheinlichkeitsrechnung . . . . . . . . . . . . . . 164 10.3 Denkmodelle f¨ ur den Wahrscheinlichkeitsbegriff . . . . . . . . . . . . . 166 10.3.1 Wahrscheinlichkeit als Anteil . . . . . . . . . . . . . . . . . . . . . . . . 166 10.3.2 Wahrscheinlichkeit als relative H¨ aufigkeit . . . . . . . . . . . . . 167 10.4 Rechnen mit Wahrscheinlichkeiten . . . . . . . . . . . . . . . . . . . . . . . . . 167 10.4.1 Axiome von Kolmogorov . . . . . . . . . . . . . . . . . . . . . . . . . . . 168 10.4.2 Bedingte Wahrscheinlichkeiten . . . . . . . . . . . . . . . . . . . . . . 169

Inhaltsverzeichnis

XI

10.4.3 Stochastisch unabh¨ angige Ereignisse . . . . . . . . . . . . . . . . . 170 10.4.4 Das Theorem von Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171 ¨ Ubungsaufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173 11 Diskrete Wahrscheinlichkeitsverteilungen . . . . . . . . . . . . . . . . . . 177 11.1 Dichte und Verteilungsfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177 11.2 Lage- und Streuungsparameter . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179 11.3 Spezielle diskrete Verteilungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181 11.3.1 Alternativverteilung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181 11.3.2 Diskrete Gleichverteilung . . . . . . . . . . . . . . . . . . . . . . . . . . . 182 11.3.3 Binomialverteilung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183 11.3.4 Hypergeometrische Verteilung . . . . . . . . . . . . . . . . . . . . . . . 186 11.3.5 Poissonverteilung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188 11.4 Rechnen mit diskreten Verteilungen . . . . . . . . . . . . . . . . . . . . . . . . 190 ¨ Ubungsaufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192 12 Stetige Wahrscheinlichkeitsverteilungen . . . . . . . . . . . . . . . . . . . . 195 12.1 Dichte und Verteilungsfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195 12.2 Unabh¨ angigkeit zweier stetiger Zufallsvariablen . . . . . . . . . . . . . . 199 12.3 Lage- und Streuungsparameter . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200 12.4 Die stetige Gleichverteilung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202 12.5 Die Normalverteilung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203 12.6 Approximationen durch die Normalverteilung . . . . . . . . . . . . . . . 210 12.6.1 Gesetz der großen Zahlen und Grenzwerts¨ atze . . . . . . . . . 210 12.6.2 Approximationen durch die Normalverteilung . . . . . . . . . 212 ¨ Ubungsaufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214

Teil IV Schließende Statistik 13 Die Gedankenwelt der schließenden Statistik . . . . . . . . . . . . . . 219 13.1 Stichprobenverteilung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219 13.2 Parametersch¨ atzung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221 13.3 Sch¨ atzen von Anteilen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223 13.4 Sch¨ atzen von Mittelwerten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225

XII

Inhaltsverzeichnis

13.5 Konfidenzintervalle in EXCEL . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228 13.6 Konfidenzintervalle in SPSS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228 ¨ Ubungsaufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229 14 Statistisches Testen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231 14.1 Grundbegriffe der Testtheorie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231 14.2 Testen von Hypothesen u ¨ber Anteile . . . . . . . . . . . . . . . . . . . . . . . 235 14.2.1 Testen von zweiseitigen Hypothesen . . . . . . . . . . . . . . . . . 235 14.2.2 Testen von einseitigen Hypothesen . . . . . . . . . . . . . . . . . . . 238 14.3 Testen von Hypothesen u ¨ber einen Mittelwert . . . . . . . . . . . . . . . 240 14.3.1 Testen von zweiseitigen Hypothesen . . . . . . . . . . . . . . . . . 241 14.3.2 Testen von einseitigen Hypothesen . . . . . . . . . . . . . . . . . . . 242 14.4 Testen von Hypothesen in EXCEL und SPSS . . . . . . . . . . . . . . . 245 14.5 Der Chi-Quadrat-Test auf Unabh¨ angigkeit . . . . . . . . . . . . . . . . . . 246 ¨ Ubungsaufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250 Tabellen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253 ¨ L¨ osungen zu den Ubungsaufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259 Symbolverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273 Literaturverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277 Sachverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279

Teil I

Einf¨ uhrung

1 Was ist Statistik?

1.1 Der Begriff Statistik Die Statistik ist heute ein selbstständiger Teilbereich der Mathematik und hat sich zur Jahrhundertwende vom neunzehnten zum zwanzigsten Jahrhundert als eigene Disziplin herauskristallisiert. Der Ursprung der Statistik liegt im Staatswesen, insbesondere in der Erhebung von Daten u ¨ber die Bev¨ olkerung und den Handel. Der Name wurde unter anderem von Gottfried Achenwall (1719-1772) durch seine Vorlesung u ¨ber Staatskunde unter dem Titel Notitia politica vulgo statistica” gepr¨ agt. Bis zu ” diesem Zeitpunkt wurde nur statista - Staatskundiger oder eine adjektivische Form davon verwendet. Achenwall definiert Statistik folgendermaßen: Wenn ich einen einzelnen Staat ansehe, so erblicke ich eine unendliche Menge ” von Sachen, so darinnen wirklich angetroffen werden. Unter diesen sind einige, welche seine Wohlfahrt in einem merklichen Grade angehen, entweder dass sie solche hindern oder befördern. Man kann selbige Staatsmerkw¨ urdigkeiten nennen. Der Inbegriff der wirklichen Staatsmerkw¨ urdigkeiten eines Reiches oder einer Republik macht ihre Staatsverfassung im weiteren Sinne aus, und die Lehre von der Staatsverfassung eines oder mehrerer einzelner Staaten ist die Statistik.” Erst gegen Ende des neunzehnten Jahrhunderts wurde die Statistik als allgemeine Theorie zur Analyse zufallsabh¨ angiger Probleme anerkannt. Heute kann der Begriff Statistik folgendermaßen definiert werden:

4


Unter Statistik versteht man die Erfassung, Zusammenfassung, Analyse und Darstellung von Massendaten, sowie die Methoden zum vern¨ unftigen Entscheiden bei Unsicherheit. Aus dieser Definition leitet sich auch der Inhalt dieses Buches ab. Der erste Teil ist der beschreibenden (deskriptiven) Statistik mit der Erfassung, Zusammenfassung, Analyse und Darstellung von Daten gewidmet. Im Bereich der induktiven Statistik werden die Methoden der schließenden Statistik bereitgestellt, die sich unter anderem mit dem vern¨ unftigen Entscheiden bei Unsicherheit auseinandersetzen. Der Hauptaugenmerk wird auf ein Verst¨ andnis der Grundlagen und auf eine korrekte Anwendung der Methoden gelegt, dabei wird insbesondere auf m¨ ogliche Fallen und Fehlinterpretationen eingegangen. Die allgemeine Meinung u ¨ber Statistiken und deren Zuverl¨ assigkeit ist nicht sehr hoch, wie einige bekannte Zitate zeigen: •

Ich traue einer Statistik nie - es sei denn ich habe sie selbst gefälscht.” ” Winston Churchill (1874 - 1965), Joseph Goebbels (1897 - 1945).

•

Es gibt drei Arten von L¨ ugen: L¨ ugen, verdammte L¨ ugen und Statistiken.” ” Benjamin Disraeli, Earl of Beaconsfield (1804 - 1881), britischer konservativer Staatsmann und Schriftsteller.

•

Ich stehe Statistiken etwas skeptisch gegen¨ uber, denn laut Statistik haben ” ein Million¨ ar und ein Habenichts je eine halbe Million.” Franklin Delano Roosevelt (1882 - 1945), 32. Pr¨ asident der Vereinigten Staaten von Amerika.

Statistikerinnen und Statistiker haben verst¨ andlicherweise eine andere Sicht auf die Rolle der Statistik, die sich etwa mit folgendem Zitat beschreiben l¨ asst: Statistical thinking will one day be as necessary for ” efficient citizenship as the ability to read and write.” H.G. Wells

1.2 Wozu Statistik? Die pragmatische Antwort f¨ ur einen Teil der LeserInnen (genauer gesagt f¨ ur meine StudentInnen) lautet, dass sie gar keine andere Wahl haben, weil Statistik ein Pflichtfach im Rahmen der meisten Studienrichtungen ist.

1.2 Wozu Statistik?

5

Dieses Buch soll aber auch zeigen, dass Kenntnisse aus diesem Bereich im Alltag n¨ utzlich sind, dass die Grundlagen der Statistik keineswegs so kompliziert sind, wie allgemein bef¨ urchtet wird, und dass - last but not least - Statistik auch Spaß machen kann. Ohne es bewusst wahrzunehmen, kommen wir sehr oft mit Statistik in Ber¨ uhrung. Einige konkrete Beispiele sollen die vielf¨ altigen Anwendungsgebiete illustrieren. Die Volksz¨ ahlung ¨ Wie in den meisten Staaten der Welt wird auch in Osterreich alle 10 Jahre eine Volkszählung (= Zensus) durchgef¨ uhrt, die letzte fand am 15. Mai 2001 statt. Dabei werden mittels Fragebogen wichtige demographische und wirtschaftliche Daten aller BewohnerInnen erhoben. Die Ergebnisse einer Volkszählung zeigen die Struktur der Bev¨ olkerung und dienen als Grundlage f¨ ur zahlreiche Maßnahmen der o¨ffentlichen Verwaltung. Beispielsweise basiert auf diesen Zahlen die Aufteilung von Steuermittel auf Bundesl¨ ander und Gemeinden. Man kann aus den Daten den Bedarf an Verkehrseinrichtungen f¨ ur PendlerInnen ablesen oder Bevölkerungszahl und -struktur prognostizieren. Der Mikrozensus Bei der Volkszählung werden die Daten aller BewohnerInnen erhoben, dem entsprechend aufw¨ andig ist die Erhebung. Um auch in den Jahren zwischen den Volkszählungen u ¨ber aktuelle Daten zu verf¨ ugen, wird viermal j¨ ahrlich ein Mikrozensus erhoben, also eine kleine Volkszählung” durchgef¨ uhrt. Hier ” werden die Daten nicht von allen BewohnerInnen erhoben, sondern nur von ¨ einem Teil. In Osterreich umfasst der Mikrozensus etwa 35.000 Haushalte. Meinungsumfragen Die Meisten sind bereits mit Meinungsumfragen in Ber¨ uhrung gekommen, sei es, dass sie selbst den einen oder anderen Fragebogen ausgef¨ ullt haben, oder sei es, dass man in den Medien u ¨ber Ergebnisse solcher Meinungsumfragen informiert wird. Besonders h¨ aufig werden Ergebnisse von Meinungsumfragen ¨ vor Wahlen pr¨ asentiert, in Osterreich hat sich mittlerweile der Begriff Sonn” tagsfrage” etabliert, hinter dem die Frage steht Wenn kommenden Sonntag ” Wahlen w¨ aren, wen w¨ urden Sie w¨ ahlen?”. Informationen aller Art Selbst auf den ersten Blick unverd¨ achtig erscheinende Themenbereiche wie Sport- oder Wetterberichte sind durchsetzt mit Statistik. Statistiken beim Tennis informieren beispielsweise u ¨ber die Anzahl der Doppelfehler, die Anzahl der selbstverschuldeten Fehler oder auch u ¨ber das Verh¨ altnis der Siege bei gleicher Konstellation von SpielerInnen. Der Wetterbericht informiert uns u ¨ber das morgen wahrscheinliche Wetter und prognostiziert den weiteren Verlauf f¨ ur die n¨ achsten f¨ unf Tage.

6


1.3 Grundbegriffe Jede statistische Erhebung beginnt mit der Bestimmung der Grundgesamtheit. Das ist die Menge aller Objekte (Personen, Betriebe oder a¨hnliches), u ¨ber die man Informationen gewinnen will. Dabei ist eine exakte r¨ aumliche, zeitliche und sachliche Abgrenzung notwendig. Die Notwendigkeit einer exakten Abgrenzung ist plausibel, in der Praxis allerdings nicht immer leicht durchzuf¨ uhren. Beispiel 1.1. MitarbeiterInnenzufriedenheit In einem Unternehmen soll die Zufriedenheit von MitarbeiterInnen untersucht werden. Die Grundgesamtheit umfasst somit alle MitarbeiterInnen des Unternehmens. Der Begriff MitarbeiterIn im Unternehmen” muss nun so weit ” konkretisiert werden, dass f¨ ur jede einzelne Person unzweifelhaft festgestellt werden kann, ob diese zur Grundgesamtheit geh¨ ort oder nicht. Eine r¨ aumliche Abgrenzung legt beispielsweise fest, ob alle Standorte des Unternehmens untersucht werden sollen oder nur ausgew¨ ahlte. Die zeitliche Abgrenzung k¨ onnte dazu f¨ uhren, dass alle Personen befragt werden, die an einem bestimmten Stichtag im Unternehmen besch¨ aftigt waren. Die sachliche Abgrenzung beschäftigt sich mit der Frage, wer MitarbeiterIn ist, ob beispielsweise auch Leasingpersonal oder Aushilfskr¨ afte befragt werden sollen oder nicht. Diese Abgrenzungen sind in Hinblick auf das verfolgte Untersuchungsziel vor der Datenerhebung festzulegen. Die einzelnen in der Grundgesamtheit zusammengefassten Elemente nennt man Erhebungseinheiten oder Merkmalstr¨ ager. Die Anzahl der Erhebungseinheiten entspricht dem Umfang der Grundgesamtheit und wird u ¨blicherweise mit N bezeichnet. Beispiel 1.2. MitarbeiterInnenzufriedenheit (Fortsetzung von Beispiel 1.1) Erhebungseinheit ist in diesem Beispiel eine einzelne Mitarbeiterin, welche die Abgrenzungskriterien in r¨ aumlicher, zeitlicher und sachlicher Hinsicht erf¨ ullt. Nachdem feststeht, von welchen Personen die Daten erhoben werden, ist nun festzulegen, was genau erhoben werden soll. Die interessierenden Eigenschaften der Erhebungseinheiten nennt man Merkmale, wobei jedes Merkmal verschiedene Auspr¨ agungen besitzt. Alle prinzipiell m¨ oglichen Auspr¨ agungen zusammen nennt man den Wertebereich des Merkmals. Beispiel 1.3. MitarbeiterInnenzufriedenheit (Fortsetzung von Beispiel 1.1) Neben verschiedenen Fragen u ¨ber die Zufriedenheit wird man auch das Geschlecht erheben, da es ja sein k¨ onnte, dass

1.3 Grundbegriffe

7

es geschlechtsspezifische Unterschiede in der Zufriedenheit gibt. Somit ist von jeder Person das Merkmal Geschlecht mit den möglichen Auspr¨ agungen weiblich und m¨ annlich zu erheben. Anders formuliert besteht der Wertebereich des Merkmals Geschlecht aus den Auspr¨ agungen weiblich und m¨ annlich. Oft wird nicht die Grundgesamtheit untersucht, sondern nur eine Teilmenge davon, die sogenannte Stichprobe. Daf¨ ur k¨ onnen folgende Gr¨ unde sprechen: • Kostenersparnis • Zeitersparnis • Die Teilgesamtheit kann gr¨ undlicher untersucht werden, als es bei der Grundgesamtheit der Fall w¨ are. • Eine Untersuchung der Grundgesamtheit ist nicht m¨ oglich, weil beispielsweise das Objekt bei der Untersuchung zerst¨ ort wird (z.B. bei Materialtests). F¨ ur die Methoden der induktiven Statistik (vgl. Kapitel 1.4) darf diese Teilmenge nicht willk¨ urlich aus der Grundgesamtheit ausgew¨ ahlt werden, sondern die Stichprobe muss gewissen Anspr¨ uchen gen¨ ugen. Eine Stichprobe muss repr¨ asentativ sein, das bedeutet, dass die Stichprobe ein möglichst genaues Abbild der Grundgesamtheit darstellt. Das Gegenteil einer repr¨ asentativen Stichprobe ist eine verzerrte Stichprobe, die nur dann f¨ ur Aussagen u ¨ber die Grundgesamtheit verwendet werden kann, wenn sich die Verzerrung rechnerisch beheben l¨ asst, was aber sehr selten der Fall ist. Ob eine Stichprobe repr¨ asentativ ist oder nicht l¨ asst sich leider nicht berechnen, da hilft nur ein kritischer Blick auf das Studiendesign. Das Auswahlverfahren legt fest, welche konkreten Elemente der Grundgesamtheit in die Stichprobe aufgenommen werden. F¨ ur die meisten Verfahren der angewandten Statistik wird von einer einfachen Zufallsauswahl ausgegangen, dies bedeutet, dass jedes Element der Grundgesamtheit prinzipiell die gleiche Chance haben muss in die Stichprobe zu gelangen. Eine einfache Zufallsstichprobe ist meistens auch repr¨ asentativ. Es gibt auch Verfahren der bewussten Auswahl, wie z.B. das sogenannte Quotenverfahren, welche in diesem Buch aber nicht n¨ aher beleuchtet werden. Beispiel 1.4. MitarbeiterInnenzufriedenheit (Fortsetzung von Beispiel 1.1) Man m¨ ochte nicht die Grundgesamtheit untersuchen, sondern lediglich eine Stichprobe. Es ist offensichtlich, dass man eine

8


verzerrte (und damit unbrauchbare) Stichprobe erh¨ alt, wenn man ausschließlich Frauen oder nur die leitenden Angestellten befragt. Weniger offensichtlich und daher h¨ aufig begangener Fehler ist die Auswahl von MitarbeiterInnen in der Kantine. Man befragt einfach die Personen, die man mittags in der Kantine antrifft. Dies ist zwar naheliegend und bequem, f¨ uhrt aber ebenfalls zu einer verzerrten Stichprobe, denn vielleicht sind die anderen Personen aufgrund ihrer Unzufriedenheit nicht in der Kantine. Auch Teilzeitbesch¨ aftigte werden die Kantine nur selten aufsuchen. Folgende M¨ oglichkeit bietet sich zur Erstellung einer Zufallsstichprobe an: Alle Personen aus der Grundgesamtheit werden willk¨ urlich durchnummeriert, im n¨ achsten Schritt werden mittels Computer zuf¨ allig Zahlen ausgew¨ ahlt. Befragt werden jene Personen, die diesen Zahlen zugeordnet sind. ¨ Die folgende Ubersicht enth¨ alt die wichtigsten Begriffe, die in diesem Kapitel eingef¨ uhrt wurden. Grundgesamtheit Die Menge aller Objekte, u ¨ber die man Informationen gewinnen will. Eine exakte r¨ aumliche, zeitliche und sachliche Abgrenzung ist notwendig. Erhebungseinheit Ein einzelnes Element der Grundgesamtheit. Die Anzahl der Erhebungseinheiten bildet den Umfang der Grundgesamtheit (= N). Merkmal Die interessierende Eigenschaft der Erhebungseinheiten. Jedes Merkmal besitzt verschiedene Auspr¨ agungen. Wertebereich Alle Auspr¨ agungen eines Merkmals bilden den Wertebereich. Stichprobe Eine Teilmenge der Grundgesamtheit. Repr¨ asentative Stichprobe Die Stichprobe zeichnet ein m¨ oglichst genaues Abbild der Grundgesamtheit. Einfache Zufallsstichprobe Jedes Element der Grundgesamtheit hat die gleiche Chance in die Stichprobe zu gelangen.

1.4 Teilbereiche der Statistik

9

1.4 Teilbereiche der Statistik Man unterscheidet in der Statistik drei inhaltliche Teilbereiche: Deskriptive Statistik Die deskriptive (= beschreibende) Statistik ist Ausgangspunkt jeder Datenanalyse, hier erfolgt die Beschreibung und Darstellung der Daten. Dazu geh¨ ort die Aufbereitung der Daten in Form von Tabellen und Grafiken und die Berechnung einfacher statistischer Kennzahlen. Mit den Methoden der deskrip¨ tiven Statistik verschafft man sich einen ersten Uberblick u ¨ber die Datensituation, manchmal gibt man sich damit auch schon zufrieden. Induktive Statistik Ist der erhobene Datensatz eine repräsentative Stichprobe einer interessierenden Grundgesamtheit, so erlauben die Methoden der induktiven (= schließenden) Statistik R¨ uckschl¨ usse von der Stichprobe auf die Grundgesamtheit. Obwohl man also nur einen Auszug aus der Grundgesamtheit kennt, ist es trotzdem möglich, Aussagen u ¨ber diese unbekannte Grundgesamtheit zu treffen. Diese Aussagen sind zwar mit Unsicherheit behaftet, die sich jedoch abschätzen lässt. Explorative Datenanalyse ¨ Mittlerweile hat sich die explorative Datenanalyse als eigener Bereich im Ubergang zwischen deskriptiver und induktiver Statistik etabliert. Die explorative Datenanalyse dient dem Suchen nach Strukturen, nach m¨ oglichen Fragestellungen und Hypothesen (=Behauptungen). Diese Hypothesen werden anschließend mit den Methoden der induktiven Statistik u ¨berpr¨ uft. Eine andere M¨ oglichkeit die Statistik in Teilgebiete aufzusplitten erh¨ alt man, wenn man die Anzahl der gleichzeitig betrachteten Merkmale als Unterscheidungskriterium heranzieht. Univariate, bivariate und multivariate Statistik ¨ Ublicherweise werden an den Erhebungseinheiten mehrere Merkmale erhoben. Greift man zur Analyse nur ein einziges Merkmal heraus, so spricht man von univariater Statistik. Dem entsprechend betrachtet man bei bivariaten Verfahren zwei Merkmale, die multivariate Statistik analysiert mehrere Variablen gleichzeitig.

10


¨ Ubungsaufgaben 1.1. Notenverteilung Man m¨ ochte die Notenverteilung einer Statistik-Klausur untersuchen. a) Was ist die Grundgesamtheit? b) Was ist eine Erhebungseinheit? c) Welche Merkmale könnten von Interesse sein? d) Welche Wertebereiche haben diese Merkmale? Nennen Sie jeweils einige Auspr¨ agungen.

1.2. Medizinische Studie Man m¨ ochte eine medizinische Studie zum Vergleich zweier Medikamente gegen Bluthochdruck durchf¨ uhren. a) Was ist die Grundgesamtheit? b) Was ist eine Erhebungseinheit? c) Welche Merkmale könnten von Interesse sein? d) Welche Wertebereiche haben diese Merkmale? Nennen Sie jeweils einige Auspr¨ agungen.

2 Ablauf einer statistischen Analyse

Dieses Kapitel skizziert die Schritte, die vor bzw. nach der eigentlichen statistischen Auswertung notwendig sind. NewcomerInnen in der Statistik kennen zwar die Methoden zur Datenauswertung, in der Praxis liegen aber die Probleme oft in den Phasen vor bzw. nach der statistischen Auswertung.

2.1 Planung Die Planung ist ein sehr wichtiger Teil einer statistischen Erhebung. Erst eine gute und durchdachte Planung erm¨ oglicht den Erfolg. In einem ersten Schritt sollte das meist mehr oder weniger diffus vorliegende Forschungsziel konkretisiert werden. Dazu geh¨ ort die m¨ oglichst exakte Zielformulierung und die Abgrenzung der Grundgesamtheit (vgl. Kapitel 1.3), weiters sind die zu erhebenden Merkmale festzulegen. Der n¨ achste Schritt liegt in der Wahl der Methode zur Datengewinnung und die Datengewinnung selbst. Nach einer Probeerhebung (Pretest) werden notwendige Verbesserungen beim Erhebungsinstrument und bei den Merkmalen durchgef¨ uhrt, dann kann mit der eigentlichen Datenerhebung begonnen werden. Danach erfolgt die Auswertung der Daten mit den Methoden der Statistik. Den Abschluss bildet ein schriftlicher Bericht. Die einzelnen Schritte sollten im Vorfeld terminiert werden und alle Arbeiten sind ausreichend zu dokumentieren. Praxistipp: Bei der Erstellung des Zeitplanes sollte die veranschlagte Zeit immer großz¨ ugig bemessen sein. Dokumentieren ist eine lästige Arbeit, aber in der Praxis unumg¨ anglich. Eine unzureichende Planung und Vorbereitung kann sp¨ ater nicht mehr korrigiert werden.

12


Ablauf einer statistischen Analyse 1. Vorbereitung • Zielformulierung • Zeitplan erstellen • Festlegen von Grundgesamtheit und Merkmalen • Methode der Datengewinnung festlegen • Auswertungsmethode festlegen • Probeerhebung und Durchf¨ uhrung von Korrekturen 2. Datengewinnung 3. Datenerfassung und -aufbereitung 4. Statistische Auswertung 5. Bericht Eine ausreichende Dokumentation ist unumg¨ anglich.

2.2 Merkmale und Merkmalstypen Bereits in der Planungsphase muss man sich u ¨ber Eigenschaften von Merkmalen im Klaren sein. Merkmale lassen sich im Wesentlichen nach zwei Prinzipien einteilen: Einerseits gibt es verschiedene Skalenniveaus, andererseits unterscheidet man diskrete und stetige Merkmale.

2.2.1 Skalenniveaus von Merkmalen Hinsichtlich des Skalenniveaus gibt es metrische, ordinale und nominale Merkmale. Ein Merkmal heißt metrisch (= quantitativ, kardinalskaliert), wenn seine Auspr¨ agungen Vielfache einer Einheit sind (z.B. L¨ ange, Einkommen). Die Auspr¨ agungen sind voneinander verschieden, haben eine eindeutige Anordnung und einen eindeutig definierten Abstand. Bei metrischen Merkmalen kann man zwischen verh¨ altnisskalierten und intervallskalierten Merkmalen unterscheiden. Bei verh¨ altnisskalierten Merkmalen gibt es einen nat¨ urlichen Nullpunkt (z.B. Preis) und das Verh¨ altnis zweier Auspr¨ agungen l¨ asst sich sinnvoll interpretieren (Produkt A ist doppelt so teuer wie Produkt B). Intervallskalierte Merkmale haben keinen nat¨ urlichen Nullpunkt, daher k¨ onnen auch Verh¨ altnisse nicht sinnvoll interpretiert werden (z.B. Temperatur in Grad Celsius).

2.2 Merkmale und Merkmalstypen

13

Ein Merkmal heißt ordinal, wenn die Auspr¨ agungen nur in einer Ordnungsbeziehung wie gr¨ oßer, kleiner, besser oder schlechter zueinander stehen (z.B. Schulnoten, G¨ uteklassen). Die Auspr¨ agungen sind voneinander verschieden und haben eine eindeutige Anordnung, der Abstand zweier Merkmalsauspr¨ agungen ist hingegen nicht klar definiert und daher auch nicht interpretierbar. Es ist unumstritten, dass im o¨sterreichischen Schulnotensystem die Note 1 besser ist als die Note 2, der Abstand zwischen diesen beiden Noten l¨ asst sich aber weder interpretieren noch mit dem Abstand zwischen den Noten 4 und 5 gleichsetzen. Ein Merkmal heißt nominal, wenn seine Auspr¨ agungen nicht in eindeutiger Weise geordnet werden können, sondern nur durch ihre Bezeichnungen unterschieden sind (z.B. Geschlecht, Familienstand, Beruf). Die Auspr¨ agungen sind von einander verschieden, es gibt keine eindeutige Anordnung, der Abstand zweier Merkmalsauspr¨ agungen ist nicht definiert. Diese Merkmale werden auch als qualitative oder kategoriale Merkmale bezeichnet. Diese Skalenniveaus sind hierarchisch aufgebaut, an unterster Stelle stehen die nominalen Merkmale, dann folgen die ordinalen Merkmale und an der Spitze stehen die metrischen Merkmale.

metrische Merkmale

Verschiedenheit, Anordnung, Abstand

ordinale Merkmale

Verschiedenheit, Anordnung, kein Abstand

nominale Merkmale

Verschiedenheit, keine Anordnung, kein Abstand

Abb. 2.1. Hierarchie der Skalenniveaus

Daraus ergeben sich zwei Konsequenzen: • Jedes Merkmal aus einer höheren Hierarchiestufe kann durch Zusammenfassen und Umbenennen von Merkmalsauspr¨ agungen in ein Merkmal der niedrigeren Stufe umgewandelt werden, allerdings entsteht dadurch ein Informationsverlust. Das Merkmal K¨ orpergr¨ oße gemessen in cm kann auch angegeben werden mit den Auspr¨ agungen klein - mittel - groß, die Berechnung von Gr¨ oßenunterschieden ist aber nach dieser Transformation nicht mehr möglich. • Alle Verfahren, die f¨ ur ein Merkmal aus einer bestimmten Stufe zul¨ assig sind, sind auch zul¨ assig f¨ ur Merkmale aus dar¨ uber liegenden Stufen.

14


Das Skalenniveau eines Merkmals bestimmt welche Verfahren und Berechnungen im Umgang mit dem Merkmal gestattet sind. Tabelle 2.1 gibt einen ersten ¨ Uberblick u ¨ber sinnvolle Verfahren f¨ ur die verschiedenen Skalenniveaus. Tabelle 2.1. Zul¨ assige Verfahren f¨ ur Skalenniveaus Skalenniveau verh¨ altnisskaliert intervallskaliert ordinal nominal

Ausz¨ ahlen

Ordnen

Summen Differenzen

Quotienten

ja ja ja ja

ja ja ja nein

ja ja nein nein

ja nein nein nein

2.2.2 Stetige und diskrete Merkmale Ein Merkmal heißt stetig, wenn seine Auspr¨ agungen beliebige Zahlenwerte aus einem Intervall annehmen k¨ onnen (z.B. L¨ ange, Gewicht). Ein Merkmal heißt diskret, wenn seine Auspr¨ agungen bei geeigneter Skalierung (bzw. Kodierung) nur ganzzahlige Werte annehmen k¨ onnen (z.B. Fehlerzahlen, Schulnoten, Geschlecht). Diskrete Merkmale haben abz¨ ahlbar viele Auspr¨ agungen. Dichotome Merkmale sind eine Sonderform von diskreten Merkmalen und besitzen nur zwei Auspr¨ agungen. Von quasistetigen Merkmalen spricht man bei Merkmalen, die aufgrund der Definition diskret sind, gleichzeitig aber u ¨ber eine so feine Abstufung verf¨ ugen, dass man sie als stetige Merkmale behandeln kann. Insbesondere zählen hierzu alle monet¨ aren Merkmale (Preis, Kredith¨ ohe, Miete, . . .). Die Bezeichnung diskretisierte Merkmale wird verwendet, wenn stetige Merkmale nur in diskreter Form erfasst werden, beispielsweise die Frage nach dem Alter in ganzen Jahren. Die Zusammenfassung von Auspr¨ agungen eines Merkmals in Gruppen wird als Gruppieren bezeichnet.

2.3 Methode der Datengewinnung

15

Merkmale metrisch:

ordinal: nominal:

stetig: diskret: dichotom:

Abstand, Anordnung, Verschiedenheit der Auspr¨ agungen intervall- oder verh¨ altnisskaliert intervallskaliert: kein absoluter Nullpunkt verh¨ altnisskaliert: absoluter Nullpunkt kein Abstand, aber Anordnung und Verschiedenheit Auspr¨ agungen sind Namen kein Abstand, keine Anordnung, nur Verschiedenheit Auspr¨ agungen sind beliebige Werte aus einem Intervall abz¨ ahlbar viele Auspr¨ agungen zwei Auspr¨ agungen

2.3 Methode der Datengewinnung Die Datengewinnung ist ein wesentlicher Teil der statistischen Analyse, der oft ¨ in den Uberlegungen etwas zu kurz kommt. Dies ist aber ein fataler Fehler, denn wenn die Daten schlecht oder unzureichend erhoben werden, so kann diese Unzulänglichkeit auch mit den Methoden der Statistik nicht behoben werden. Die Daten sind die Basis der Analyse und dessen sollte man sich immer bewusst sein. Werden die Daten speziell f¨ ur einen bestimmten Zweck erhoben, spricht man von prim¨ arstatistischen Erhebungen. Sekund¨ arstatistische Erhebungen greifen hingegen auf bereits vorhandenes Zahlenmaterial zur¨ uck. Im technischnaturwissenschaftlichen Bereich werden Daten meist im Rahmen von Experimenten gewonnen, in den Sozialwissenschaften stammen die Daten im Normalfall aus einer Befragung oder einer Beobachtung. Eine Befragung wird meist mit einem Fragebogen durchgef¨ uhrt, daher werden die wesentlichen Aspekte der Fragebogengestaltung kurz dargestellt. Generell ist bei der Erstellung eines Fragebogens darauf zu achten, dass die Komplexit¨ at und die Wortwahl dem Zielpublikum angepasst sind. Der Fragebogen beginnt mit einfachen und harmlosen Fragen, z.B. nach dem Geschlecht oder dem Familienstand. Nach dieser Aufw¨ armphase kommen die Fragen zum Thema, die einen sinnvollen Aufbau haben sollten. Besonders heikle Fragen (z.B. nach dem Einkommen) sollten m¨ oglichst am Ende des Fragebogens platziert werden, um einen vorzeitigen Abbruch der Befragung zu vermeiden. Ein Fragebogen sollte so lang wie notwendig und so kurz wie m¨ oglich sein, ein ansprechendes Layout erh¨ oht die Motivation der Befragten. Jeder Fragebogen endet h¨ oflicherweise mit einem Dank f¨ ur die Mitarbeit.

16


Bei geschlossenen Fragen werden die m¨ oglichen Antwortalternativen im Fragebogen angef¨ uhrt. Dabei ist darauf zu achten, dass sich einerseits die Alternativen nicht u ¨berschneiden (ausschließend), andererseits aber alle möglichen Alternativen angef¨ uhrt werden (ersch¨ opfend). Im Zweifel kann die Vollständigkeit immer mit der Kategorie Sonstiges erreicht werden. Ein freies Textfeld neben der Kategorie Sonstiges ermöglicht den Befragten eine n¨ ahere Spezifizierung. Geschlossene Fragen werden manchmal dazu verwendet, besonders heikle Fragen zu entschärfen. Als Beispiel sei die Frage nach dem Einkommen erw¨ ahnt, die eher beantwortet wird, wenn die Befragten nur eine Einkommensklasse ankreuzen m¨ ussen anstatt das exakte Einkommen anzugeben. Bei der Erstellung der Antwortalternativen ist Fingerspitzengef¨ uhl notwendig. Die Einkommensklassen sollen einerseits möglichst klein sein, weil man an detaillierten Informationen interessiert ist, andererseits f¨ uhren zu kleine Klassen wieder zu vermehrter Verweigerung. Auf jeden Fall sollten die Klassen m¨ oglichst so angelegt werden, dass niemand die niedrigste oder die h¨ ochste Kategorie auswählen muss, weil dies f¨ ur die Befragten unangenehm w¨ are. Eine besondere Stellung nehmen die Bewertungsfragen ein, bei denen die Befragten beispielsweise die Qualität von Produkten bewerten m¨ ussen. Hier ist es meist sinnvoll ein Bewertungsschema zu verwenden, das dem Schulnotensystem angepasst ist (1 = Sehr Gut bis 5 = Nicht Gen¨ ugend). Das Bewertungsschema muss jedenfalls so aufgebaut sein, dass die Befragten in ihrer Meinungs¨ außerung nicht beeinflusst oder eingeschr¨ ankt werden. Beispiel 2.1. Bewertungsfrage Mensa Die Mensa an der Universit¨ at Linz stellte im Rahmen einer Befragung im Jahr 2003 folgende Frage: Sagt Ihnen unser Suppenangebot zu?” Als m¨ ogli” che Antwort waren lediglich die Alternativen sehr gut, gut und befriedigend vorgesehen. Die Beeinflussung der Befragten durch diese Art der Antwortvorgabe ist offensichtlich . . . . Eine f¨ unfteilige Bewertungsskala ist in den meisten Fällen ein gutes Mittelmaß, zudem ist die Assoziation mit den Schulnoten f¨ ur viele Befragte eine Erleichterung. Die Anzahl der Kategorien rechts und links von der Mittelkategorie muss jedenfalls gleich sein und auch die verbale Formulierung sollte möglichst symmetrisch sein. Bei einer ungeraden Anzahl von Kategorien kann die mittlere Kategorie von manchen Befragten als Fluchtkategorie verwendet werden, manchmal spiegelt aber die Mittelkategorie auch eine echte Einstellung wieder. Bei offenen Fragen werden keine Antwortalternativen vorgegeben. Diese Fragestruktur sollte nur sehr eingeschr¨ ankt verwendet werden, da einerseits die Auswertung von offenen Fragen sehr aufw¨ andig ist und andererseits ge-

2.3 Methode der Datengewinnung

17

schlossene Fragen den Befragten weniger M¨ uhe bereiten. Offene Fragestellungen sind zu bevorzugen, wenn man u ¨ber den Forschungsgegenstand nicht gut genug Bescheid weiß, um alle Antwortalternativen einer geschlossenen Frage angeben zu k¨ onnen. In manchen F¨ allen wird bewusst eine offene Frage gestellt, weil deren Beantwortung andere F¨ ahigkeiten von Befragten verlangt als die einer geschlossenen Frage. Fragt man nach Fakten, so m¨ ussen sich Befragte bei offenen Fragen erinnern, bei geschlossenen Fragen reicht das Wiedererkennen der richtigen Antwort. Offene Fragen sind auch dazu geeignet, um bei Mehrfachantworten die spontane Reihenfolge zu erheben, z.B. bei der Frage Welche PolitikerInnen der Gegenwart sind Ihnen am sympathischsten?”. ” Auch f¨ ur sehr einfache Fragen mit vielen Antwortm¨ oglichkeiten kann eine offene Frage besser sein als eine geschlossene, z.B. die Frage nach dem Alter. Sind Mehrfachantworten möglich, so sollte dies auch eindeutig aus der Fragestellung hervorgehen bzw. direkt nach der Frage vermerkt werden. Die Erstellung eines guten Fragebogens erfordert Erfahrung und spezielles Wissen u ¨ber die Fragebogengestaltung. Viele unterliegen dem Trugschluss, dass sie ohne Hilfe einen Fragebogen erstellen können, weil Fragen zu stellen eine einfache Sache ist. Gerade bei der erstmaligen Durchf¨ uhrung einer Befragung sollte man jedoch unbedingt auf professionelle Hilfe zur¨ uckgreifen, weil ansonsten die Gefahr zu groß ist, dass die erhobenen Daten unbrauchbar sind.

Datengewinnung Prim¨ arstatistik Sekund¨ arstatistik

Fragetypen geschlossene Fragen

Neue Daten werden z.B. mittels Befragung oder Experiment erhoben Zur¨ uckgreifen auf bereits ver¨ offentlichtes Datenmaterial

offene Fragen

Antwortalternativen sind vorgegeben erschöpfende und ausschließende Alternativen am besten dem Schulnotensystem entsprechend symmetrische Kategorien keine Antwortalternativen vorgegeben

Mehrfachantworten

Hinweis im Fragebogen

Bewertungsfragen

18


2.4 Datenerfassung und -aufbereitung Die Informationen m¨ ussen aus den ausgef¨ ullten Frageb¨ ogen entnommen und aufbereitet werden. Im Normalfall wird die Auswertung mit Hilfe eines Computers erfolgen, im einfachsten Fall unter Zuhilfenahme des Tabellenkalkulationsprogramms EXCEL. Wir wollen daher die Daten in einem ersten Schritt f¨ ur EXCEL aufbereiten, die Grundprinzipien der Aufbereitung sind ohnehin f¨ ur alle g¨ angigen Programmpakete gleich. Der Fragebogen in Abbildung 2.2 dient als Beispiel zur Datenerfassung und -aufbereitung. Vor der Dateneingabe werden die Frageb¨ ogen durchnummeriert, danach wird ¨ der Kodeplan erstellt. Der Kodeplan ist eine Anleitung f¨ ur die Ubersetzung von Informationen aus dem Fragebogen in Zahlen. Die Informationen des Fragebogens werden in Tabellenform erfasst. Jede Zeile entspricht einem Fragebogen und damit einer Erhebungseinheit und jede Spalte der Tabelle enth¨ alt ein Merkmal, was aber nicht immer gleichzusetzen ist mit einer Frage. Fragen, bei denen nur eine Antwort m¨ oglich ist lassen sich durch eine Variable (= ein Merkmal) darstellen. Metrische Merkmale werden als Zahlenwerte u ¨bertragen, wobei Maße immer in der gleichen Maßeinheit und mit der gleichen Anzahl an Dezimalstellen erfasst werden sollten. Ordinale Merkmale werden durch nat¨ urliche Zahlen kodiert, die Reihenfolge der Ordnung muss ¨ dabei erhalten werden. Ublich und auch sinnvoll ist die Verwendung von aufeinander folgenden nat¨ urlichen Zahlen, mit 1 beginnend. Nominale Merkmale werden ebenfalls mit nat¨ urlichen Zahlen kodiert. Welche Auspr¨ agung welche Kodierung erh¨ alt ist unwesentlich, aber auch hier werden u ¨blicherweise von 1 ansteigende ganze Zahlen verwendet. Bei Fragen mit Mehrfachantworten muss jede Antwortalternative als eigenes dichotomes Merkmal mit den Auspr¨ agungen ausgewählt” und nicht aus” ” gewählt” kodiert werden (vgl. Tabelle 2.2 auf Seite 20). Datenerfassung • • • • •

Informationen werden nach M¨ oglichkeit als Zahlen erfasst Erste Zeile der Datentabelle enth¨ alt die Variablennamen Erste Spalte enth¨ alt eine laufende Nummer Jede Zeile entspricht einer Erhebungseinheit Jede Spalte entspricht einer Variable (Fragen mit Mehrfachantworten ben¨ otigen f¨ ur jede Antwortalternative eine Variable)

2.4 Datenerfassung und -aufbereitung

Fragebogen Einführung in die Methodenlehre

Geschlecht:

weiblich

männlich

Alter: ______ Jahre Höchste abgeschlossene Schulbildung: Pflichtschule Höhere Schule ohne Matura Höhere Schule mit Matura Universität, Fachhochschule Art der Studienzulassung: AHS HAK HBLA HTL

Studienberechtigung Sonstige:_____________

Studienrichtung: (Mehrfachnennungen möglich) Wirtschaftspädagogik Statistik Wirtschaftswissenschaften Soziologie Sozialwirtschaft Sonstiges: _______ Maturanote (bzw. Abschlussnote) in Mathematik

_____

Maturanote (bzw. Abschlussnote) in Deutsch

_____

Körpergröße:

_____ cm

Körpergewicht: _____ kg

Vielen Dank für Ihre Mitarbeit! Abb. 2.2. Fragebogen

19

20

2 Ablauf einer statistischen Analyse Tabelle 2.2. Auszug aus dem Kodeplan

Merkmal

Merkmalstyp

Auspr¨ agung

Kodierung

Geschlecht

nominal, diskret dichotom

weiblich m¨ annlich

1 2

Alter

metrisch, stetig verh¨ altnisskaliert

Messwerte

nicht notwendig

Schulbildung ordinal, diskret

Pflichtschule H¨ ohere Schule ohne Matura H¨ ohere Schule mit Matura Universit¨ at, Fachhochschule

1 2 3 4

Studienzulassung

AHS HBLA HAK HTL Studienberechtigung Sonstige

1 2 3 4 5 6

nominal, diskret

Wirtschafts- nominal, dichotom nicht ausgew¨ ahlt p¨ adagogik ausgew¨ ahlt

0 1

Nun kann mit der Dateneingabe begonnen werden, fehlende Antworten werden im einfachsten Fall mit leeren Zellen (kein Leerzeichen, sondern eine Zelle ohne Inhalt) kodiert. Empfehlenswerter ist es, auch fehlende Werte mit einer Zahl zu kodieren. Die Kodierung f¨ ur einen fehlenden Wert darf nat¨ urlich nicht als sinnvolle Auspr¨ agung m¨ oglich sein (fehlende Werte f¨ ur das Merkmal Alter w¨ urde man beispielsweise mit 999 kodieren). Bei Fragen mit Mehrfachnennungen werden nicht ausgew¨ ahlte Alternativen mit 0 und ausgew¨ ahlte Alternativen mit 1 kodiert. In der ersten Zeile der Tabelle werden die Variablennamen vermerkt. Das Ergebnis der Datenerfassung ist eine Datenmatrix wie in Abbildung 2.3 ersichtlich. Die nun folgende Datenauswertung wird in diesem Buch ausf¨ uhrlich beschrieben. Daher wird bei der Beschreibung des Ablaufes auf diesen Teil verzichtet und gleich der Abschlussbericht als letzter Teil n¨ aher beleuchtet.

2.5 Abschlussbericht Beim Verfassen des Abschlussberichtes ist darauf zu achten, dass nicht alle LeserInnen ausgebildete StatistikerInnen sind. In einer Einleitung wird kurz das Problem geschildert, weiters werden die Grundgesamtheit und die Untersuchungsmethode beschrieben. Der Auswertungsteil geht von der einfachen zur

2.5 Abschlussbericht

21

Abb. 2.3. Datenmatrix

komplizierten Auswertung, die Ergebnisse sind neben einer verbalen Beschreibung auch in Tabellenform oder als Grafik dargestellt. Ein Res¨ umee bildet den Abschluss des Berichtes. Ergänzt wird dieser Bericht durch ein ansprechendes Deckblatt und ein Inhaltsverzeichnis. Sind im Bericht viele Tabellen bzw. Grafiken vorhanden, so werden LeserInnen ein Tabellen- bzw. ein Abbildungsverzeichnis zu schätzen wissen. Wurde die Datenerhebung mittels Fragebogen durchgef¨ uhrt, so ist im Anhang der verwendete Fragebogen beizulegen. Generell sollte man auf ein ansprechendes Layout Wert legen, die Verwendung von Kopf- und Fußzeilen kann durchaus hilfreich sein. Bevor man die Arbeit aus den H¨ anden gibt k¨ onnen folgende Checklisten wertvolle Dienste leisten: Checkliste Grafiken • • • • • • • • •

¨ Ubersichtlichkeit Dreidimensionale Darstellungen vermeiden ¨ Informative Uberschriften und Legenden Unverzerrte Skalierungen Achsenbezeichnungen, Achsenbeschriftungen Achsen beginnen beim Nullpunkt (Ausnahme: geschultes Publikum) Quellenangabe bei Verwendung bereits vorhandenen Datenmaterials F¨ arbige Grafiken nur bei Farbdruck Beachtung bestehender Konventionen (vgl. Kapitel 6.3.4)

22


Checkliste Tabellen • • • •

Ansprechendes Layout ¨ Informative Uberschriften Angabe von Maßeinheiten Quellenangabe bei Verwendung bereits vorhandenen Datenmaterials

Checkliste Gesamtbericht • • • • • • •

Deckblatt besonders gr¨ undlich auf Tippfehler untersuchen Verzeichnisse u ¨ berpr¨ ufen: Inhalt, Tabellen, Grafiken Korrekte Nummerierung: Seiten, Kapitel, Tabellen, Grafiken Querverweise u ¨ berpr¨ ufen Fragebogen im Anhang Verwendete Quellen anf¨ uhren Rechtschreibung kontrollieren

2.6 Problemfelder in der Praxis Die Problemfelder in der Praxis sind vielf¨ altig, hier sollen nur einige davon kurz angeschnitten werden.

2.6.1 Datenschutz, Anonymit¨ at In den meisten L¨ andern gibt es umfassende gesetzliche Bestimmungen zum Datenschutz, die man kennen und selbstverst¨ andlich auch respektieren sollte. So wird im o¨sterreichischen Bundesgesetz u ¨ ber den Schutz personenbezogener Daten (kurz: Datenschutzgesetz 2000) genau geregelt, wer unter welchen Voraussetzungen welche Daten erheben und verwenden darf. Insbesondere die Verwendung von personenbezogenen Daten unterliegt besonderen Schutzbestimmungen, so dass man im Normalfall auf nicht personenbezogene Daten zur¨ uckgreifen wird. Bei der Erhebung der Daten ist die Anonymit¨ at der Personen unbedingt zu wahren, auch das Kennzeichnen von Frageb¨ ogen oder R¨ uckkuverts ist rechtswidrig. Freiwillige Angaben von personenbezogenen Daten sind zwar zul¨ assig, man sollte aber ber¨ ucksichtigen, dass man ehrlichere Antworten erh¨ alt, wenn die Anonymit¨ at der Befragten garantiert werden kann.

2.6 Problemfelder in der Praxis

23

2.6.2 Unzureichendes Studiendesign Schlechte Planung kann dazu f¨ uhren, dass man w¨ ahrend der Auswertung feststellt, dass interessierende Merkmale nicht oder zu ungenau erhoben wurden. Andere m¨ ogliche Fehler liegen in der Stichprobenbildung, wenn festgestellt werden muss, dass die Stichprobe nicht repr¨ asentativ und somit unbrauchbar ist. In der Praxis werden StatistikerInnen immer wieder gefragt, wie viele Personen zu befragen sind um eine repr¨ asentative Stichprobe zu erhalten. Repr¨ asentativit¨ at kann nicht u ¨ber die Anzahl der befragten Personen erreicht werden, sondern nur durch die (zuf¨ allige) Auswahl der Personen. Will man ¨ ¨ die Meinung der Osterreicherinnen und Osterreicher erheben, so wird man kein repr¨ asentatives Ergebnis erhalten, wenn ausschließlich Frauen befragt werden (auch dann nicht, wenn man alle 4 Millionen Frauen befragt . . .). Der Stichprobenumfang darf trotzdem nicht zu klein gew¨ ahlt werden, denn ¨ aus der Meinung von 20 zuf¨ allig ausgewählten OsterreicherInnen kann auch kein allgemeines Meinungsbild abgelesen werden. Zudem soll die Stichprobe nicht nur hinsichtlich des Merkmals Geschlecht ein repr¨ asentatives Abbild der Grundgesamtheit sein, sondern auch hinsichtlich anderer Merkmale, wie z.B. Alter oder Bildungsniveau. Auch bei Telefonbefragungen und Internetumfragen muss man sich u ¨ber die Repr¨ asentativit¨ at der Stichprobe Gedanken machen. Es ist unmittelbar einsichtig, dass Menschen im Ruhestand leichter telefonisch am Festnetz zu erreichen sind als junge, sehr aktive Menschen. Bei den Mobiltelefonen gibt es zudem viele BenutzerInnen, die ein unregistriertes Handy benutzen und deren Telefonnummer daher nicht bekannt ist. Auch wenn man zuf¨ allig Telefonnummern heraussucht, wird man daher nicht unbedingt eine repr¨ asentative Stichprobe erhalten. Bevor man eine Telefon- oder Internetumfrage initiiert, sollte man sich mit diesen Risiken auseinandersetzen und sie möglichst schon im Vorfeld reduzieren.

2.6.3 Sekund¨ arstatistiken In manchen Analysen kann man auf Sekund¨ arstatistiken zur¨ uckgreifen, das ¨ heißt man verwendet Zahlen, die bereits ver¨ offentlicht wurden. In Osterreich werden eine Reihe von Statistiken von Statistik Austria erstellt. Bei der Verwendung solcher Daten ist aber gr¨ oßte Vorsicht geboten, weil man sehr genau recherchieren muss, was tatsächlich erhoben wurde. Statistik Austria ver¨ offentlicht beispielsweise die Anzahl der Erwerbstätigen, wobei diese Zahlen nach dem durch EUROSTAT vorgeschriebenen LabourForce-Konzept definiert und berechnet werden. Bei den Erwerbst¨ atigen handelt es sich nach dieser Definition um die Summe aus den Selbstst¨ andigen,

24


den bei ihnen ohne Bezahlung mitarbeitenden Familienangeh¨ origen und den Unselbstständigen. Einbezogen sind auch die geringf¨ ugig Erwerbst¨ atigen, d.h. alle Personen, die in der Referenzwoche mindestens eine Stunde gearbeitet haben und alle, die in der Referenzwoche nicht gearbeitet haben (z.B. wegen Krankheit), sonst aber erwerbst¨ atig sind. In den Statistiken des Hauptverbandes der Sozialversicherungen werden geringf¨ ugig Erwerbst¨ atige als nicht erwerbstätig eingestuft. Je nach Datenquelle ist damit die Anzahl der Erwerbst¨ atigen unterschiedlich. Dies gilt nat¨ urlich in weit gr¨ oßerem Ausmaß f¨ ur den Vergleich von internationalen Daten. Will ¨ man also die Arbeitslosenrate in Osterreich mit der in Japan vergleichen, so sollte man zuerst die unterschiedlichen Definitionen recherchieren, damit man nur Werte vergleicht, die auch miteinander vergleichbar sind.

2.6.4 Fehlende Daten Ein besonderer Augenmerk ist im Zusammenhang mit fehlenden Daten auf den Pretest zu legen. Gibt es im Pretest Fragen, die eine auffällig hohe Ausfallsquote haben, sollte man diese auf jeden Fall u ¨berarbeiten. M¨ oglicherweise liegt die hohe Verweigerungsrate an einer missverständlich formulierten Frage oder eine f¨ ur die Befragten heikle Frage wurde nicht mit gen¨ ugender Sensibilit¨ at gestellt.

¨ Ubungsaufgaben 2.1. Skalenniveaus von Merkmalen Geben Sie f¨ ur folgende Merkmale die Skalenniveaus an. Sind diese Merkmale stetig oder diskret? a) Augenfarbe von Personen b) Produktionsdauer c) Alter von Personen d) Preis einer Ware in Euro e) Parteipr¨ aferenz f) Einwohnerzahl g) K¨ orpergr¨ oße in cm h) Platzierung in einem Sch¨ onheitswettbewerb i) Gewicht von Gegenst¨ anden in kg j) Schwierigkeitsgrad einer Klettertour k) Intensit¨ at von Luftstr¨ omungen in m/s

¨ Ubungsaufgaben

25

2.2. Volksz¨ ahlung Es wird in der o¨sterreichischen Volkszählung z.B. erhoben, in welchem Bundesland die Befragten wohnen, wann sie geboren wurden oder welchem Familienstand sie angeh¨ oren. Welches Skalenniveau besitzen diese Merkmale, sind sie stetig oder diskret?

3 Anmerkungen zum Umgang mit dem Computer

Dieses Kapitel soll wesentliche Begriffe im Umgang mit dem Computer kurz erl¨ autern. Daneben werden auch einige Aspekte angesprochen, die sonst meistens unerw¨ ahnt bleiben und erst nach einigen leidvollen Erfahrungen von BenutzerInnen selbst entdeckt werden.

3.1 Grundlagen Ordnerstruktur und Namen Eines der grundlegenden Dinge im Umgang mit Computern ist ein sinnvolles Ablagesystem f¨ ur einzelne Dateien. Am besten l¨ asst sich dieses Ablagesystem mit einer Ordnerstruktur verwirklichen. Zusammengeh¨ orende Files werden in eigene Ordner zusammengefasst und nach M¨ oglichkeit sinnvoll in Unterordner ¨ aufgeteilt. Dies erleichtert die Ubersicht vor allem dann, wenn viele einzelne Dateien vorhanden sind. Es sollte sich von selbst verstehen, dass die Ordner und Dateien informative Namen aufweisen, damit man m¨ oglichst ohne eine Datei zu o¨ffnen weiß, was sich darin befindet. Im Umgang mit Daten empfiehlt es sich, vor dem Beginn der Analysen einen eigenen Sicherungsordner anzulegen, in dem die Originaldaten abgelegt werden und der f¨ ur die weitere Analyse tabu ist. In diesen Sicherungsordner geh¨ oren dann auch z.B. verwendeter Fragebogen und Kodierplan. Sichern Aus eigener Erfahrung kann ich konsequentes Sichern der Dateien am besten auch auf externe Speichermedien nur empfehlen. Mit den heutigen technischen Hilfsmittel bedeutet regelmäßiges Sichern (beispielsweise auf einen USB-Stick) nur noch wenig Aufwand. Im Falle einer defekten Festplatte sind Sicherungen aber von nahezu unsch¨ atzbaren Wert.

28

3 Anmerkungen zum Umgang mit dem Computer

Hilfe Alle Programme bieten Hilfefunktionen an, deren Qualit¨ aten allerdings sehr unterschiedlich sind. Weitere Hilfe kann man im Internet finden, f¨ ur EXCEL und SPSS gibt es zudem ausreichend Literatur in Buchform.

3.2 N¨ utzliche Tasten und Tastenkombinationen F¨ ur den effizienten Umgang mit dem Computer sind einige besondere Tasten von großer Bedeutung und sollen daher kurz beschrieben werden. Strg-Taste Als verbale Formulierung der Strg-Taste wird meistens Steuerung verwendet, daneben gibt es auch noch die Bezeichnungen Ctrl-Taste (Control). Zu finden ist die Taste meistens im Buchstabenteil der Tastatur in der rechten und linken unteren Ecke. Diese Taste verändert die Funktion der Tastatur- und Maustasten. Mit der Tastenkombination Strg + C kann man ausgew¨ ahlte Bereiche in eine sogenannte Zwischenablage kopieren, mit der Tastenkombination Strg + V den Inhalt der Zwischenablage an gew¨ unschter Stelle wieder einf¨ ugen. Diese Tastenkombinationen funktionieren nicht nur in EXCEL, sondern in nahezu allen Programmen. Umschalt-Taste Direkt u ¨ber der Strg-Taste befindet sich die Umschalt-Taste (Taste mit Pfeil nach oben), die auch zur Großschreibung verwendet wird, diese Taste wird auch als Shift oder Shift-Taste bezeichnet. Enter-Taste Zuletzt sei noch die Eingabe-Taste oder Enter-Taste erw¨ ahnt. Diese dient zur Bestätigung von Schaltfl¨ achen (Buttons). Sie wird auch als Return-Taste bezeichnet. Man erkennt sie meist an der Aufschrift Enter oder einem kleinen Pfeil nach links, der am Anfang einen kleinen Strich nach oben hat. Auf PC’s beinhaltet diese Taste zusätzlich die Absatz-Funktion, d.h. in Textprogrammen kann man damit einen Zeilenumbruch erreichen. Konvention zur Beschreibung von Tastenkombinationen Im vorliegenden Buch werden Tastenkombinationen durch die Verkn¨ upfung + dargestellt. Beispielsweise meint man mit Tastenkombination Strg + C folgende Vorgehensweise: zuerst wird die Strg-Taste gedr¨ uckt, man l¨ asst diese auch gedr¨ uckt und dr¨ uckt dann zus¨ atzlich noch die C-Taste. Es ist unmittelbar einsichtig, dass Tastenkombinationen meist aus maximal drei gleichzeitig zu dr¨ uckenden Tasten bestehen . . .

3.4 Konventionen zur Beschreibung

29

3.3 Drag and Drop Unter Drag und Drop versteht man das Verschieben von Objekten mit Hilfe der Maus. Dazu wird ein Objekt mit der linken Maustaste ausgew¨ ahlt und gedr¨ uckt gehalten. Durch Ver¨ andern der Mausposition wird auch das Objekt verschoben. Das Objekt wird an jener Stelle platziert, an der man die Maustaste auslässt.

3.4 Konventionen zur Beschreibung Viele Anweisungen werden u ¨ber die Men¨ uleiste angesteuert. Das Standardmen¨ u ist im Normalfall stets sichtbar, klickt man mit der linken Maustaste auf einen Men¨ upunkt, so erscheint ein passendes Untermen¨ u, aus dem man wieder per Mausklick auswählen kann. Beispielsweise enthält das EXCELStandardmen¨ u einen Men¨ upunkt Format, im Untermen¨ u findet man als ersten Unterpunkt Zelle . . .”. Zur einfacheren Beschreibung werden in diesem ” Buch Punkte und andere in Anweisungen angef¨ uhrte Zeichen ignoriert, und eine Verwendung dieser Anweisung w¨ urde folgendermaßen aussehen: Unter ” dem Men¨ upunkt Format → Zelle erscheint ein Dialogfenster, in dem das Registerblatt Zahlen aktiviert ist.” Es gibt immer mehrere M¨ oglichkeiten zum Ziel zu gelangen, beispielsweise h¨ atte man statt anklicken der Men¨ uleiste auch mit der Tastenkombination Strg + 1 das Formatierungs-Dialogfeld erhalten k¨ onnen. In diesem Buch wird meistens nur eine Vorgehensweise beschrieben, was aber nicht gleichbedeutend damit ist, dass es nur eine gibt.

Umgang mit dem Computer • • • • •

Sicherungsordner anlegen Informative Namen verwenden Regelmäßiges Sichern auch auf externe Datentr¨ ager Strg + C kopiert Daten in Zwischenablage Strg + V f¨ ugt Daten aus der Zwischenablage ein

4 Das Tabellenkalkulationsprogramm EXCEL

EXCEL ist das Tabellenkalkulationsprogramm aus dem Office-Paket von Microsoft und damit wohl auf den meisten PCs zu finden. Mittlerweile bietet EXCEL auch viele interessante M¨ oglichkeiten im Bereich der Statistik. Die Ausf¨ uhrungen in diesem Buch beziehen sich auf EXCEL 2003 unter Windows.

4.1 Grundelemente in EXCEL Das Tabellenkalkulationsprogramm EXCEL verwendet standardm¨ aßig Dateien des Types *.xls, sogenannte Arbeitsmappen. Diese bestehen aus mehreren Arbeitsbl¨ attern, die Namen der Arbeitsbl¨ atter erscheinen auf einem Register am unteren Rand der Arbeitsmappe (vgl. Abbildung 4.1). Die in Kapitel 3 gestellten Forderungen nach sprechenden Namen und Ordnung gilt auch hier. F¨ ur die Verwendung von EXCEL-Files wird empfohlen, die einzelnen Arbeitsbl¨ atter mit sinnvollen Namen zu versehen und es nicht bei Tabelle1 bis Tabelle3 zu belassen. Am oberen Rand der Arbeitsmappe findet man die Symbolleisten, die ein effizientes Arbeiten erleichtern und auch den pers¨ onlichen Anforderungen angepasst werden k¨ onnen. Unter dem Men¨ upunkt Ansicht → Symbolleisten k¨ onnen gew¨ unschte Symbolleisten an- oder abgew¨ ahlt werden oder bestehende Symbolleisten an eigene Anforderungen angepasst werden. Standardm¨ aßig werden die Symbolleisten Standard und Format angezeigt. Unter den Symbolleisten befindet sich die Bearbeitungsleiste, in der Adresse und Inhalt der aktiven Zelle angezeigt werden, wobei die Adresse u ¨blicherweise aus einer Spaltenbezeichnung in Form von Buchstaben und einer Zeilenbezeichnung im Zahlenformat besteht.

32


Abb. 4.1. EXCEL-Arbeitsmappe

F¨ ur die Verarbeitung von Daten werden in EXCEL Formeln verwendet, die in einer Zelle eingegeben werden können. Eine Formel beginnt immer mit einem Gleichheitszeichen und kann als Bestandteile unter anderem Konstanten (Zahlen), mathematische Operatoren (+, -, . . .), integrierte Funktionen (z.B. Summe) und Zellbez¨ uge enthalten. Man unterscheidet zwei Arten von Zellbez¨ ugen • Relativer Zellbezug: Kopiert man einen relativen Zellbezug in eine andere Zelle, so ver¨ andert sich der Bezug der Zelle in derselben Relation, wie sich die Position ver¨ andert hat. Relativ zur Ergebniszelle hat sich also der Bezug nicht ver¨ andert, wohl aber die konkrete Adresse der Zelle. • Absoluter Zellbezug: Kopiert man einen absoluten Zellenbezug in eine andere Zelle, so bleibt die konkrete Adresse des Bezuges unverändert. Einen absoluten Zellenbezug erh¨ alt man, wenn man vor die Spalten- bzw. Zeilenbezeichnung ein $ setzt. Daneben kann auch nur ein Teil der Zelladresse absolut gesetzt werden, indem beispielsweise nur vor die Spaltenbezeichnung ein $ gesetzt wird. In Abbildung 4.2 wurde der Zelleninhalt von A3 nach B3 kopiert. Durch die relativen Bez¨ uge in A3 a¨ndern sich nun die konkreten Bez¨ uge, die relative Position zur Ergebniszelle bleibt erhalten. Beim Kopieren des Zelleninhaltes von A7 nach B7 bleiben die konkreten Bez¨ uge erhalten, weil in diesem Fall absolute Bez¨ uge verwendet wurden.

4.2 Formatierung in EXCEL

33

Abb. 4.2. EXCEL: Absolute und relative Bez¨ uge

Zellbez¨ uge Relativer Bezug Absoluter Bezug

konkreter Bezug ändert sich beim Kopieren oder Verschieben Zellbezug bleibt unver¨ andert $ vor Spalten- bzw. Zeilenbezeichnung

Praxistipps Durch das Kopieren und Verschieben von Formeln k¨ onnen sehr leicht Fehler entstehen, weil man zu wenig Aufmerksamkeit auf die Unterscheidung zwischen absolute und relative Bez¨ uge gelegt hat. Daher sollte man die Formeln nach dem Kopieren bzw. nach dem Verschieben noch einmal kontrollieren. Steht der Cursor in der Bearbeitungsleiste neben oder in einem Bezug, kann der Wechsel zwischen relativen, absoluten und gemischten Bez¨ ugen durch wiederholtes Betätigen der Funktionstaste F4 vorgenommen werden.

4.2 Formatierung in EXCEL Standardm¨ aßig sind Zellen in EXCEL im sogenannten Standardformat formatiert und verf¨ ugen damit u ¨ber kein bestimmtes Zahlenformat. F¨ ur ein ansprechendes Tabellenlayout empfiehlt sich eine benutzerdefinierte Formatierung.

34


Unter dem Men¨ upunkt Format → Zelle erscheint ein Dialogfenster, in dem das Registerblatt Zahlen als aktives Registerblatt geöffnet wird. Als letzte Option der angegebenen Kategorien im linken Fensterbereich findet man Benutzerdefiniert, ein Anklicken dieser Option o¨ffnet im rechten Teil des Fensters eine weitere Auswahlleiste mit der Bezeichnung Typ (vgl. Abbildung 4.3). F¨ ur viele Anwendungen ist hier die Auswahl #.##0,00 empfehlenswert, die bewirkt, dass Tausendertrennzeichen - sofern ben¨ otigt - eingef¨ ugt werden und zwei Dezimalstellen angegeben werden. Die zwei Dezimalstellen werden jedenfalls angef¨ uhrt, die Stellen, die mit einer Raute definiert sind werden nur dann angef¨ uhrt, wenn sie notwendig sind.

Abb. 4.3. EXCEL: Zellen formatieren

Tabelle 4.1 listet einige Beispiele auf, aus denen entnommen werden kann, wie sich unterschiedliche Formatierungen auswirken.

4.2 Formatierung in EXCEL

35

Tabelle 4.1. Auswirkung ausgew¨ ahlter Formatierungen Eingabe

Formattyp

Darstellung

1,23 1,23 1,23 1,23 1,23 1,23 1,23 1,23 1,23

0,0 0,00 0,000 0,00# 0,00 e 00,00 #0,00 0.000,00 #.##0,00

1,2 1,23 1,230 1,23 1,23 e 01,23 1,23 0.001,23 1,23

Unabh¨ angig von der konkreten Auswahl der Formatierung empfiehlt sich das Einf¨ ugen von Leerzeichen nach der ausgewählten Formatierung. Zusammen mit einer rechtsb¨ undigen Ausrichtung ergibt sich nun eine Formatierung, in der die Zahlen vom Zellenrand etwas abger¨ uckt sind und trotzdem rechtsb¨ undig angeordnet sind, wie in Abbildung 4.4 ersichtlich.

Abb. 4.4. EXCEL: formatierte Darstellung

36


4.3 Dateneingabe Die Dateneingabe in EXCEL erfolgt in einem Arbeitsblatt in Tabellenform, wobei jede Zeile einer Erhebungseinheit (z.B. einer Person) und jede Spalte einer Variablen (z.B. Geschlecht) entspricht. Diese Variable beinhaltet im Normalfall ein einzelnes Merkmal, im Falle von Datens¨ atzen, die aus Fragen mit Mehrfachantworten entstanden sind, enth¨ alt eine Variable eine einzelne Merkmalsauspr¨ agung. Jede Zelle enth¨ alt somit die Auspr¨ agung eines Merkmals einer bestimmten Erhebungseinheit. In der Praxis ist es sinnvoll in der ersten Spalte eine Nummerierung der Erhebungseinheiten mitzuf¨ uhren, in der ersten Zeile die Bezeichnungen der Merkmale anzuf¨ uhren und Auspr¨ agungen nur in kodierter Form (vgl. Kapitel 2.4) zu verwenden. Die Kodierung kann unter dem Men¨ upunkt Einf¨ ugen → Kommentar als Kommentar zum Namen des Merkmals hinzugef¨ ugt werden (Abbildung 4.5).

Abb. 4.5. Dateneingabe in einem EXCEL-Arbeitsblatt

4.4 Statistische Analysen

37

4.4 Statistische Analysen In EXCEL gibt es mehrere Möglichkeiten der statistischen Analyse: • Statistik im Rahmen der Tabellenkalkulation: Hier werden die zugrundeliegenden Formeln selbst eingegeben. • Statistik mit Hilfe des Funktionsassistenten: Unter dem Men¨ upunkt Einf¨ ugen → Funktion erscheint der Funktionsassistent, der neben statistischen Funktionen auch andere wichtige Funktionen beinhaltet. Der Funktionsassistent l¨ asst sich auch mit der Schaltfl¨ ache aufrufen, die standardm¨ aßig in der Men¨ uleiste angef¨ uhrt ist. Ist dies nicht der Fall, kann die Schaltfl¨ ache auf folgende Art erstellt werden: Unter Ansicht → Symbolleisten → Anpassen erscheint eine Dialogbox, dort findet man im Blatt Befehle in der Kategorie Einf¨ ugen den Befehl Funktion einf¨ ugen. Durch Drag and Drop kann der zugeh¨ orige Button in die Symbolleiste gezogen werden und steht ab diesem Zeitpunkt dort zur Verf¨ ugung. Auch in der Bearbeitungsleiste kann dieser Button angef¨ uhrt sein. • Statistik mit den Analysefunktionen: Die Analysefunktionen m¨ ussen zuerst u ¨ ber den Add-Inn-Manager aktiviert werden (Men¨ upunkt Extras → Add-Inn-Manager ), dadurch werden unter dem Men¨ upunkt Extras die Analysefunktionen angeboten.

Praxistipps im Umgang mit EXCEL • • • •

Bez¨ uge kontrollieren Informative Namen verwenden Ausreichend dokumentieren Dateneingabe – eine Zeile = eine Erhebungseinheit – eine Spalte = ein Merkmal bzw. eine Merkmalsauspr¨ agung – F¨ alle durchnummerieren in der ersten Spalte – Bezeichnungen der Merkmale in erster Zeile – Kodierungen als Kommentare anf¨ uhren • EXCEL eignet sich gut zum Layoutieren von Tabellen und Grafiken

5 Das Statistikpaket SPSS

SPSS (Statistical Package for the Social Sciences) ist ein Softwarepaket, welches speziell f¨ ur statistische Auswertungen konzipiert ist. Die Ausf¨ uhrungen in diesem Buch beziehen sich auf die Version 14.0 f¨ ur Windows.

5.1 Erste Schritte in SPSS Nach dem Aufrufen des Programms (entweder mittels Doppelklick auf die Verkn¨ upfung am Desktop oder mittels Start → Programme → SPSS f¨ ur Windows → SPSS 14.0 f¨ ur Windows) erscheint das Dialogfeld aus Abbildung 5.1. Dieses Dialogfeld enth¨ alt ein Kontrollk¨ astchen, in dem man ausw¨ ahlen kann, dass dieses Dialogfeld nicht mehr angezeigt werden soll. Man sollte sich jedoch diese Entscheidung gut u ¨berlegen, denn die einzige M¨ oglichkeit dies wieder zu andern ist eine vollst¨ ¨ andige Neuinstallation von SPSS. Das Lernprogramm starten bietet die M¨ oglichkeit sich mit der neuen Software mit Hilfe einer gef¨ uhrten Tour vertraut zu machen. Dieses Lernprogramm ist vor allem f¨ ur BenutzerInnen geeignet, die wenig Erfahrung im Umgang mit Software-Paketen aller Art haben, BenutzerInnen mit mehr Computererfahrung finden sich auch ohne Lernprogramm sehr schnell zurecht. Die beiden Optionen Eine vorhandene Abfrage ausf¨ uhren und Neue Abfrage mit Datenbank-Assistent anlegen sind ausschließlich f¨ ur fortgeschrittene BenutzerInnen interessant, auf eine Beschreibung dieser Optionen wird daher verzichtet und auf die einschl¨ agige Literatur verwiesen. Die Option Vorhandene Datenquelle o ¨ffnen ermöglicht den Zugriff auf bereits vorhandene Datendateien. Viele solcher Datendateien werden standardm¨ aßig bei der Installation von SPSS zur Verf¨ ugung gestellt und sind im SPSS-Ordner

40


Abb. 5.1. Er¨ offnungsdialogfeld in SPSS

bzw. in verschiedenen Unterordnern abgelegt. Die Standardeinstellung Weitere Dateien f¨ uhrt automatisch in den SPSS-Ordner, sofern von BenutzerInnen nichts anderes festgelegt wurde (Siehe auch Kapitel 5.3). Die Option Anderen Dateityp ¨ offnen ermöglicht das Einlesen anderer Formate, wie z.B. auch von SPSS-Ergebnisdateien (Dateityp *.spo, vgl. Kapitel 5.4). Gleichzeitig mit dem Erscheinen dieses Dialogfeldes wird im Hintergrund der Dateneditor von SPSS ge¨ offnet. Mit der Option Daten eingeben oder mit der Schaltfl¨ ache Abbrechen schließt das Dialogfeld und der Dateneditor wird aktiviert.

5.2 Der Dateneditor

41

5.2 Der Dateneditor Mit dem Dateneditor k¨ onnen Dateien vom Typ ∗.sav bearbeitet werden, die Daten in tabellarischer Form enthalten. Der Dateneditor bietet zwei verschiedene Ansichten, die Datenansicht (Abbildung 5.2) und die Variablenansicht (Abbildung 5.3 und 5.5). Der Wechsel zwischen den Ansichten erfolgt durch Anklicken der entsprechenden Registerbl¨ atter im linken unteren Fensterbereich.

Abb. 5.2. Dateneditor in SPSS - Datenansicht

Datenansicht In der Datenansicht kann man Daten wie in einer EXCEL-Arbeitsmappe eingeben. Auch hier gilt wieder das Prinzip jede Zeile eine Erhebungseinheit, jede Spalte ein Merkmal bzw. eine Merkmalsauspr¨ agung (vgl. Kapitel 2.4) und jede Zelle eine kodierte Auspr¨ agung. Die Namen der Merkmale werden im Unterschied zu EXCEL nicht in der ersten Zeile vermerkt, sondern sind als Spaltenbezeichnung sichtbar. Die Zeilen sind durchnummeriert, analog zu EXCEL sollte trotzdem als erste Variable stets die laufende Nummer des Datensatzes angelegt werden. Variablenansicht In der Variablenansicht (Abbildung 5.3 und 5.5) entspricht jede Zeile einem Merkmal und damit einer Spalte in der Datenansicht. F¨ ur jedes Merkmal k¨ onnen verschiedene Informationen gespeichert werden, die in den einzelnen Spalten der Variablenansicht angezeigt werden.

42


Abb. 5.3. Dateneditor in SPSS - Variablenansicht, linker Bereich

Name Die wichtigste Information ist der Variablenname, f¨ ur den in SPSS gewisse Beschränkungen gelten. Kriterien f¨ ur Namen in SPSS • Der Name darf maximal 64 Zeichen lang sein. • Zul¨ assige Zeichen sind Buchstaben, Ziffern und die Sonderzeichen (Unterstrich), . (Punkt), @ (Klammeraffe), $ (Dollar) und # (Raute). • Der Name muss mit einem Buchstaben beginnen. • Der Name darf nicht mit einem Punkt enden. • Der Name darf keine Leerzeichen enthalten. • Groß- und Kleinschreibung wird nicht unterschieden. Diese Beschränkungen sind teilweise von der verwendeten Version abh¨ angig, z.B. darf bis zur Version 11 der Name lediglich 8 Zeichen umfassen. Die beschriebenen Konventionen sind nur die wesentlichsten, es gibt noch weitere Konventionen, auf deren detaillierte Beschreibung hier verzichtet wird. W¨ ahlt man einen Namen, der nicht den Konventionen von SPSS entspricht, so erh¨ alt man umgehend eine informative Fehlermeldung und kann den Namen entsprechend anpassen. Typ In der Spalte Typ kann man aus verschiedenen Variablentypen w¨ ahlen, als Standardeinstellung ist der Variablentyp Numerisch festgelegt.

5.2 Der Dateneditor

43

Abb. 5.4. SPSS Variablentypen

¨ Eine Kurzbeschreibung der Variablentypen kann aus folgender Ubersicht entnommen werden: Numerisch

Komma

Punkt

Enth¨ alt Ziffern, ein Dezimaltrennzeichen und falls notwendig ein vorangestelltes Minuszeichen. Im Feld Breite wird die maximale Stellenanzahl eingetragen, einschließlich einer Stelle f¨ ur das Dezimaltrennzeichen. Im Feld Dezimalstellen werden die gew¨ unschten Dezimalstellen angegeben, maximal ist Breite abz¨ uglich 1 m¨ oglich. Enth¨ alt Ziffern, einen Punkt als Dezimaltrennzeichen, und falls notwendig ein vorangestelltes Minuszeichen und Kommas als Tausendertrennzeichen. Im Feld Breite wird die maximale Stellenanzahl eingetragen, einschließlich der Stellen f¨ ur das Dezimaltrennzeichen und die Kommas. Im Feld Dezimalstellen werden die gew¨ unschten Dezimalstellen angegeben. Enth¨ alt Ziffern, ein Komma als Dezimaltrennzeichen, und falls notwendig ein vorangestelltes Minuszeichen und Punkte als Tausendertrennzeichen. Im Feld Breite wird die maximale Stellenanzahl eingetragen, einschließlich der Stellen f¨ ur das Dezimaltrennzeichen und die Tausendertrennzeichen. Im Feld Dezimalstellen werden die gew¨ unschten Dezimalstellen angegeben.

44


Wissenschaftliche Notation

Datum

Dollar

Spezielle W¨ ahrung String

Numerische Werte werden in Exponentenschreibweise angezeigt. Dem Exponenten kann entweder ein E oder ein D (mit oder ohne Vorzeichen) oder ein Vorzeichen allein vorangestellt werden. Demnach besitzen folgende Darstellungen den gleichen Zahlenwert: 123; 1,23E2; 1,23D2; 1,23E+2 und 1,23+2. Geeignet f¨ ur Datums- und/oder Zeitangaben, es kann aus verschiedenen M¨ oglichkeiten der Formatierung aus einem Pull-Down-Men¨ u ausgewählt werden. Enth¨ alt neben den Ziffern ein Dollarzeichen und je nach Bedarf und Einstellung ein Dezimaltrennzeichen und Tausendertrennzeichen. Numerische Werte in einem Währungsformat, das unter Bearbeiten → Optionen im Registerblatt W¨ ahrung definiert werden kann. Enth¨ alt Zeichenketten mit maximal 255 Zeichen. Da Stringvariablen nicht in Berechnungen verwendet werden k¨ onnen sollte man diesen Variablentyp weitgehend vermeiden.

Bei numerischen Formaten ist die Art des Dezimaltrennzeichens (Punkt oder Komma) von der Spezifikation in den Regions- und Sprachoptionen der Windows-Systemsteuerung abh¨ angig. Intern wird der vollst¨ andige Wert gespeichert und dieser wird auch f¨ ur die Berechnungen verwendet, angezeigt wird nur die gew¨ unschte Zahl an Dezimalstellen. Spaltenformat Das Spaltenformat ergibt sich aus der Breite, die beim Variablentyp festgelegt ¨ wurde. Anderungen, die beim Spaltenformat durchgef¨ uhrt werden, werden automatisch im Variablentyp angepasst. Dezimalstellen ¨ Die Anzahl der Dezimalstellen wird vom Variablentyp u ¨bernommen. Anderungen bei den Dezimalstellen werden auch im Variablentyp angepasst. F¨ ur bestimmte Variablentypen, z.B. f¨ ur String oder Datum, k¨ onnen sinnvollerweise keine Dezimalstellen angegeben werden, daher ist die Standardeinstellung 0 Dezimalstellen. Variablenlabel Als Variablenlabel kann man eine lange Version des Namens oder auch die gesamte zugehörige Frage angeben. Standardm¨ aßig werden bei der Ausgabe nicht die Namen sondern die Labels verwendet, dies l¨ asst sich unter dem Men¨ upunkt Bearbeiten → Optionen im Blatt Beschriftung der Ausgabe andern. ¨

5.2 Der Dateneditor

45

Abb. 5.5. Dateneditor in SPSS - Variablenansicht, rechter Bereich

Wertelabels In der Spalte Wertelabels k¨ onnen die Kodierungen der Auspr¨ agungen mit verbalen Beschreibungen versehen werden. Durch Anklicken der betreffenden Zelle erscheint an der rechten Seite der Zelle ein graues Kästchen mit drei Punkten (vgl. Abbildung 5.5), durch Anklicken des K¨ astchens erscheint die Dialogbox f¨ ur die Wertelabels. Jede Zuweisung muss gesondert durch die Schaltfl¨ ache Hinzuf¨ ugen oder die Enter-Taste bestätigt werden. Das Ende aller Zuweisungen wird mit dem OK-Button best¨ atigt. In der Ausgabe werden auch bei den Auspr¨ agungen standardm¨ aßig die Labels verwendet, auch diese Option kann unter dem Men¨ upunkt Bearbeiten → Optionen im Blatt Beschriftung der Ausgabe geändert werden. Fehlende Werte Fehlende Werte k¨ onnen mehrere Ursachen haben, beispielsweise können Befragte die Beantwortung einer Frage verweigern oder die Beantwortung einer Frage ist den Befragten nicht m¨ oglich, weil sie die daf¨ ur notwendigen Voraussetzungen nicht erf¨ ullen. Fragt man beispielsweise zuerst nach der h¨ ochsten abgeschlossenen Schulbildung und dann nach der absolvierten Studienrichtung, falls ein Universit¨ atsstudium abgeschlossen wurde, so ist unmittelbar einsichtig, dass die Frage nach der Studienrichtung nur von jenen Befragten beantwortet werden kann, die ein Universit¨ atsstudium als h¨ ochste Schulausbildung angegeben haben. Die Behandlung von fehlenden Werten in der Datenmatrix kann auf zwei verschiedene Wege erfolgen:

46


Abb. 5.6. SPSS Fehlende Werte

• Systemdefinierte fehlende Werte: Werden in einer Datenmatrix numerische Daten nicht ausgef¨ ullt, so weist SPSS ihnen systemdefinierte fehlende Werte zu, in der Datenansicht sind diese als Punkt bzw. Komma sichtbar. Die Voreinstellung Keine fehlenden Werte entspricht dieser Vorgehensweise. • Benutzerdefinierte fehlende Werte: Hier k¨ onnen BenutzerInnen f¨ ur die verschiedenen Gr¨ unde eines fehlenden Wertes Kodierungen einf¨ uhren und diese Kodierungen dann als fehlende Werte definieren. Die Kodierung f¨ ur einen fehlenden Wert darf nat¨ urlich nicht als sinnvolle Auspr¨ agung m¨ oglich sein (fehlende Werte f¨ ur das Merkmal Alter w¨ urde man beispielsweise mit 999 kodieren). Auch die Kodierungen f¨ ur fehlende Werte k¨ onnen mit Wertelabels versehen werden. Spalten Die hier eingegebene Anzahl von Spalten bezieht sich auf die Darstellung der Daten in der Datenansicht. Sinnvollerweise sollte die hier angegebene Anzahl mit der Breite u ¨bereinstimmen oder diese u ¨bersteigen. Ist die gewählte Anzahl zu niedrig, so erscheinen in der Datenansicht als Zelleninhalt Sterne. Ausrichtung Hier kann die Ausrichtung des Zellinhaltes der Datenansicht innerhalb einer Zelle eingestellt werden. Zur Verf¨ ugung stehen Rechts f¨ ur rechtsb¨ undige, Mitte f¨ ur zentrierte und Links f¨ ur linksb¨ undige Darstellungen. Die Voreinstellung f¨ ur numerische Werte ist rechtsb¨ undig, f¨ ur Stringvariablen linksb¨ undig. Messniveau In der letzten Spalte kann das Skalenniveau der Merkmale (nominal, ordinal oder metrisch) festgelegt werden. Allerdings u ¨berpr¨ uft SPSS nicht, ob ein

5.3 Datenquellen

47

Verfahren f¨ ur ein bestimmtes Messniveau zulässig ist. Damit haben die BenutzerInnen daf¨ ur zu sorgen, dass nur zul¨ assige Verfahren verwendet werden.

5.3 Datenquellen In SPSS lassen sich u ¨ber das Dialogfeld, das beim Starten von SPSS ge¨ offnet wird, auch Datenquellen mit anderen Dateiformaten problemlos verwenden. ¨ Als Beispiel sei hier das Offnen und Bearbeiten einer EXCEL-Datei angef¨ uhrt. Beim Start von SPSS wird im Er¨ offnungsdialogfeld standardm¨ aßig die Option Vorhandene Datenquelle o ¨ffnen mit Auswahl Weitere Dateien verwendet. Bestätigt man diese Einstellung, so o¨ffnet sich ein Dialogfenster zum Datei offnen. Dieses Dialogfenster erhält man auch unter dem Men¨ ¨ upunkt Datei → ¨ Offnen → Daten. In diesem kann nun im unteren Bereich der Dateityp auf EXCEL ge¨ andert werden und man kann wie gewohnt die gew¨ unschte Datei auswählen (Abbildung 5.7).

Abb. 5.7. Dialogfeld Datei ¨ offnen

Nach der Auswahl der Datei kann man in einem weiteren Dialogfenster auswählen, welches Arbeitsblatt und welcher Bereich im Arbeitsblatt verwendet werden sollen. Des weiteren ist hier auch festzulegen, ob die Variablennamen aus der ersten Zeile der EXCEL-Datei u ¨bernommen werden k¨ onnen (Abbildung 5.8).

48


Abb. 5.8. Dialogfeld EXCEL-Datei ¨ offnen

Die Inhalte der EXCEL-Datei stehen nun in einer neuen, noch unbenannten ∗.sav-Datei zur Verf¨ ugung. In der Variablenansicht sind die Einstellungen ersichtlich, die SPSS beim Importieren ausgew¨ ahlt hat, diese sind gegebenenfalls zu ändern. Beim Einlesen einer EXCEL-Datei können manchmal Fehlermeldungen oder Warnungen auftreten, die aber selbsterkl¨ arend sind. M¨ ogliche Fehlerquellen dabei sind die Namensgleichheit von Variablen und g¨ anzlich leere Spalten oder Zeilen. Umgang mit SPSS • *.sav sind Datendateien, die mit dem Dateneditor bearbeitet werden k¨ onnen • *.spo sind Ausgabedateien, die im Viewer bearbeitet werden k¨ onnen • Datendateien im Dateneditor haben eine Datenansicht und eine Variablenansicht • Namen unterliegen Beschr¨ ankungen, Variablenlabels dienen als Langform f¨ ur Namen • Wertelabels enthalten die Bezeichnungen der Kodierungen ¨ • EXCEL-Dateien o¨ffnen mit Datei → Offnen → Daten, Dateityp auf EXCEL(*.xls) a¨ndern und ausw¨ ahlen

5.4 Der Viewer

49

5.4 Der Viewer Im Viewer können die Ergebnisdateien (Dateityp *.spo) betrachtet und auch bearbeitet werden. Hier werden nicht nur Ergebnisse von Analysen ausgegeben, sondern auch Warnungen und Fehlermeldungen. Als Beispiel f¨ ur die Funktionsweise des Viewers wollen wir uns Informationen u ¨ber die ge¨ offnete Datendatei geben lassen. Dazu wählen wir im Dateneditor den Men¨ upunkt Datei → Datendatei-Informationen anzeigen → Arbeitsdatei (f¨ ur die Version SPSS 11.0 Extras → Datei-Info) aus. Das Programm startet den Viewer und zeigt die in Abbildung 5.9 sichtbare Ausgabedatei. Bei a¨lteren Versionen (z.B. SPSS 12.0) beinhaltet die Ausgabedatei zwar die gleichen Informationen, ist aber optisch etwas anders aufbereitet

Abb. 5.9. Viewer-Ansicht

Die Men¨ uleiste im Viewer entspricht derjenigen des Dateneditors. Damit k¨ onnen Analysen und Befehle auch vom Viewer aus gestartet werden, sofern die ben¨ otigte Datendatei ge¨ offnet ist.

50


5.5 Datenaufbereitung Bevor Daten analysiert werden k¨ onnen, ist es fast immer notwendig die Daten ¨ zuerst in geeigneter Form aufzubereiten. Die vorgenommenen Anderungen oder Erweiterungen im Datensatz sollten genau dokumentiert werden, oberste Priorit¨ at in der Datenanalyse ist Transparenz und Nachvollziehbarkeit. Die drei wesentlichsten Teilbereiche der Datenaufbereitung werden im Folgenden n¨ aher betrachtet.

5.5.1 Fehlende Werte Wie fehlende Werte entstehen können wurde bereits in Kapitel 5.2 aufgezeigt. Dort wurde auch angef¨ uhrt, wie man fehlende Werte in der Datenmatrix behandelt. Offen ist die Frage, wie sich fehlende Werte in der weiteren Analyse auswirken. Die einfachste Methode, mit fehlenden Werten in der Analyse umzugehen, ist das Ausschließen aller Datens¨ atze, die in einer der gerade verwendeten Variablen einen fehlenden Wert aufweisen. Das ist zwar sicher die einfachste Methode mit fehlenden Werten umzugehen, aber in der Praxis möglicherweise nicht die beste. Einerseits wird der Datensatz dadurch reduziert, was bei vielen fehlenden Werten zum Problem werden kann, andererseits sind manchmal auch diese fehlenden Werte Informationstr¨ ager (Befragte verweigern nicht zuf¨ allig eine Antwort, sondern sie tun dies aus ganz bestimmten Gr¨ unden). Damit w¨ urde ein Ausschluss dieser Datens¨ atze zu einer verzerrten Stichprobe f¨ uhren, was den Erkl¨ arungsgehalt der Ergebnisse zunichte macht. Im Forschungsbereich Missing Data werden Verfahren entwickelt, mit denen man versucht diese fehlenden Werte in den Griff zu bekommen. Auch in SPSS gibt es daf¨ ur bereits ein eigenes Tool mit dem Namen Missing Value Analysis, welches aber in der Standardversion nicht enthalten ist. Da diese Verfahren zudem f¨ ur ErstbenutzerInnen ungeeignet sind, sei an dieser Stelle auf die weiterf¨ uhrende Literatur verwiesen.

5.5.2 Umkodieren von Variablen Bei stetigen Variablen bzw. Variablen mit sehr vielen verschiedenen Auspr¨ agungen kann eine H¨ aufigkeitstabelle sehr schnell un¨ ubersichtlich und uninformativ werden. Man kann die Anzahl der Auspr¨ agungen reduzieren, in dem man geeignete Auspr¨ agungen zusammenfasst. Bei stetigen Variablen bedeutet dies, dass man statt der einzelnen Auspr¨ agungen Intervalle festlegt und die H¨ aufigkeiten in den einzelnen Intervallen betrachtet (vgl. Kapitel 6).

5.5 Datenaufbereitung

51

Als Beispiel dient uns die Variable Alter der Datei demo.sav, diese Datei wurde bei der Installation von SPSS mitinstalliert und befindet sich im Ordner SPSS\tutorial\sample files. Wie viele Intervalle verwendet werden und wie die Intervallbreiten festgelegt werden sollen, entscheiden die BenutzerInnen. Es gibt hier keine einheitliche Regeln, die man anwenden k¨ onnte, dazu ben¨ otigt man etwas Erfahrung. F¨ ur unerfahrene BenutzerInnen sind in einem ersten Schritt Intervalle gleicher Breite empfehlenswert, die Anzahl sollte etwa zwischen 5 und 10 liegen, so dass zweckmäßige Intervallgrenzen entstehen. In diesem Beispiel sollen die Intervallgrenzen folgendermaßen festgelegt werden: bis 20 Jahre, mehr als 20 bis 40 Jahre, mehr als 40 bis 60 Jahre und a¨lter als 60 Jahre. Dazu muss die Variable Alter umkodiert werden, man w¨ ahlt daher aus dem Men¨ u den Bereich Transformieren → Umkodieren → in andere Variablen. Es ist empfehlenswert in eine andere Variable zu transformieren, weil so die Originalvariable erhalten bleibt. Durch das Zusammenfassen in Intervalle entsteht ein gewisser Informationsverlust, der beispielsweise f¨ ur die Berechnung von Mittelwerten oder anderen Maßzahlen vermieden werden sollte. F¨ ur weitere Analysen ist also die ungruppierte Originalvariable meist besser geeignet als die intervallskalierte Hilfsvariable.

Abb. 5.10. Dialogfenster Umkodieren

In dem Dialogfenster Umkodieren (vgl. Abbildung 5.10) wird zuerst aus der Variablenliste die Variable ausgew¨ ahlt, die umkodiert werden soll. Dann wird f¨ ur die neu anzulegende Ausgabevariable ein Name (beispielsweise Alter Int) und eine Beschriftung (= Variablenlabel, beispielsweise Alter in Intervallskalierung) festgelegt und mit der Schaltfl¨ ache Zuweisen bestätigt. In der Option Falls kann man festlegen, ob diese Umkodierung f¨ ur alle F¨ alle durchgef¨ uhrt werden soll oder nur unter gewissen Bedingungen, die ebenfalls

52


hier definiert werden k¨ onnen. In diesem Beispiel werden wir sinnvollerweise die Transformation f¨ ur alle F¨ alle durchf¨ uhren. Die Schaltfl¨ ache Alte und neue Werte erlaubt nun die Festlegung der Umkodierungen (vgl. Abbildung 5.11).

Abb. 5.11. Umkodieren: Alte und Neue Werte

Im linken Bereich k¨ onnen die alten Werte eingegeben werden, im rechten oberen Bereich werden die neuen Werte festgelegt und durch die Schaltfl¨ ache Hinzuf¨ ugen werden die Umkodierungen als Liste im Fenster sichtbar. Wir beginnen mit dem Intervall bis 20”, dazu w¨ ahlt man die Option Bereich, ” KLEINSTER bis Wert: und f¨ ugt 20 ein, der neue Wert wird mit 1 belegt als Kodierung f¨ ur das erste Intervall. F¨ ur die folgenden Intervalle w¨ ahlt man bis und f¨ ugt die jeweilige Unter- und Oberjeweils die Option Bereich: grenzen ein und vergibt als neue Werte die laufenden Intervallnummern. F¨ ur ¨ das letzte Intervall wählt man die Option Bereich, Wert bis GROSSTER: und verwendet 60 als untere Intervallgrenze. Der Vollst¨ andigkeit halber werden auch systemdefiniert fehlende Werte als systemdefiniert fehlend definiert (vgl. Kapitel 5.2). Durch Bestätigung mit Weiter und OK wird nun die Transformation durchgef¨ uhrt. Die neue Variable Alter Int wird als letzte Spalte dem Datensatz hinzugef¨ ugt und ist auch in der Variablenansicht als letzte Zeile sichtbar. In der Variablenansicht lassen sich Name und Label ver¨ andern, falls dies erw¨ unscht ist. Auf jeden Fall sollte man aber Wertelabels anlegen, weil die Kodierung 1 bis 4 f¨ ur eine Variable Alter nicht aussagekr¨ aftig ist.


53

Umkodieren von Variablen • Transformieren → Umkodieren → in andere Variablen • Variable ausw¨ ahlen • Name und Beschriftung der neuen Variable festlegen, mit Zuweisen bestätigen • Alte und neue Werte festlegen • Falls notwendig unter der Option Falls Einschr¨ ankung der Umkodierung auf bestimmte F¨ alle vornehmen • Nach Umkodierung Wertelabels f¨ ur Kodierungen festlegen

5.5.3 Transformieren von Variablen Liegen metrische Variablen in unterschiedlichen Maßeinheiten (z.B. L¨ angenangaben einmal in Meter und einmal in Zentimeter) vor, so kann es hilfreich sein, die Variablen vor der Analyse in einheitliche Maßeinheiten zu transformieren. Als Beispiel dient uns die Variable sales der Datei car sales.sav aus dem Ordner SPSS\tutorial\sample files. Diese Variable beinhaltet f¨ ur jede Erhebungs¨ einheit die Verkaufszahlen in Tausend. Zu Ubungszwecken soll eine neue Variable Verkauf angelegt werden, welche die absoluten Verkaufszahlen enth¨ alt. Man w¨ ahlt aus dem Men¨ u den Bereich Transformieren → Berechnen und erh¨ alt das Dialogfenster aus Abbildung 5.12. Man legt den Namen der Zielvariable fest, bei Bedarf auch deren Typ und Label und kann die Berechnungsvorschrift im rechten Fensterteil definieren. Neben den Grundrechnungsarten stehen f¨ ur diese Berechnungen auch zahlreiche andere mathematische Funktionen zur Verf¨ ugung. Bestätigen der Eingabe f¨ ugt die neue Variable am Ende des Datensatzes ein. Transformieren von Variablen • • • •

Transformieren → Berechnen Zielvariable festlegen (Name, Typ, Label) Berechnungsvorschrift eingeben Falls notwendig Einschr¨ ankung der Berechnung auf bestimmte F¨ alle vornehmen unter der Option Falls • Nach Transformation Wertelabels festlegen, falls notwendig

54


Abb. 5.12. Transformieren von Variablen

5.5.4 F¨ alle gewichten In der Praxis kann es passieren, dass Daten nicht als Datensatz zur Verf¨ ugung ¨ stehen, sondern dass bereits vorhandene Tabellen zu analysieren sind. Ublicherweise geht SPSS davon aus, dass eine Zeile einem Datensatz, also einer Erhebungseinheit entspricht. Man kann dies aber auch a¨ndern. Im einfachsten Fall wollen wir eine Tabelle verarbeiten, die Informationen u ¨ber ein einziges Merkmal enth¨ alt. Beispiel 5.1. Geschlecht von LVA-TeilnehmerInnen An einer Lehrveranstaltung nehmen 400 Personen teil, davon sind 180 Personen weiblich. Gemäß der bisherigen Beschreibung m¨ ussten wir einen Datensatz anlegen mit 400 Zeilen entsprechend den Erhebungseinheiten und einer Spalte f¨ ur das Merkmal Geschlecht mit den Auspr¨ agungen 1 = m¨ annlich und 2 = weiblich. Diese Vorgehensweise wäre zwar korrekt, aber sehr zeitaufw¨ andig. Wesentlich effizienter ist die Dateneingabe in Tabellenform. Dazu geben wir die Daten in folgender modifizierter Form ein: Die erste Spalte beinhaltet das


55

Merkmal und die zweite Spalte die zugeh¨ origen H¨ aufigkeiten, die Zeilen werden durch die verschiedenen Auspr¨ agungen festgelegt (vgl. Abbildung 5.13).

Abb. 5.13. Tabellen eingeben

Nun muss auch dem System mitgeteilt werden, dass hier kein Datensatz vorliegt, sondern bereits eine fertige Tabelle, dazu w¨ ahlt man den Men¨ upunkt Daten → F¨ alle gewichten (vgl. Abbildung 5.14).

Abb. 5.14. SPSS F¨ alle gewichten

Nun w¨ ahlt man die Option F¨ alle gewichten mit und als H¨ aufigkeitsvariable wählt man die Variable Anzahl. Durch OK wird diese Auswahl u ¨bernommen und f¨ ur alle weiteren Berechnungen verwendet. Diese Einstellung bleibt auch beim Abspeichern der Datei erhalten, wenn man also das n¨ achste Mal diese Datei aufruft, ist die Gewichtung bereits ber¨ ucksichtigt. Will man mehrdimensionale Tabellen verarbeiten ist f¨ ur jede m¨ ogliche Auspr¨ agungskombination eine Zeile anzulegen.

56


Beispiel 5.2. Einfluss von Strategietraining In einer Studie wird der Einfluss von Strategietraining bei N = 235 zuf¨ allig ausgewählten F¨ uhrungskr¨ aften auf den Unternehmenserfolg untersucht. Das Ergebnis der Untersuchung kann aus nachstehender Tabelle entnommen werden.

kein Training mit Training Summe

kein Erfolg 40 30 70

Erfolg 75 90 165

Summe 115 120 235

Wir kodieren beispielsweise kein Training mit 1 und Training mit 2, die Variable Erfolg wird analog kodiert. Dem entsprechend muss die Datendatei aussehen wie in Abbildung 5.15. Nun gewichtet man wieder unter dem Men¨ upunkt Daten → F¨ alle gewichten und kann danach beliebige Analysen durchf¨ uhren.

Abb. 5.15. Eingabe mehrdimensionaler Tabellen in SPSS

F¨ alle gewichten, Tabelleneingabe in SPSS • Daten eingeben, f¨ ur jede Auspr¨ agung bzw. Auspr¨ agungskombination ist eine Zeile anzulegen. Neben den Spalten f¨ ur die Merkmale eine zusätzliche Spalte mit den H¨ aufigkeiten versehen. • Namen, Variablenlabels und Wertelabels vergeben • Daten → F¨ alle gewichten • Als Gewichtungsvariable die H¨ aufigkeiten ausw¨ ahlen • Gewichtung bleibt beim Speichern der Datei erhalten

5.6 Tipps im Umgang mit SPSS

57

5.6 Tipps im Umgang mit SPSS F¨ ur die Erstellung eines Ergebnisberichtes sollten die Ergebnisse in ansprechender Form aufbereitet sein. Daf¨ ur empfiehlt es sich die Ergebnisse aus SPSS zu exportieren, beispielsweise als EXCEL-File oder als HTML-Dokument, falls die Ergebnisse f¨ ur das Internet aufbereitet werden sollen. Der Export erfolgt unter dem Men¨ upunkt Datei → Exportieren, der ein Dialogfenster o¨ffnet, in dem die Einzelheiten festgelegt werden k¨ onnen. Dieser Men¨ upunkt wird nur im Viewer angeboten, aber nicht im Dateneditor. Ein Export in eine EXCELDatei erscheint vor allem dann sinnvoll, wenn Grafiken erstellt werden sollen, weil das Layoutieren von Grafiken in EXCEL besser funktioniert als in SPSS. Unter dem Men¨ upunkt Bearbeiten → Optionen erscheint ein Dialogfenster mit sehr vielen M¨ oglichkeiten zur Anpassung von Bearbeitungseinstellungen. Beispielsweise lässt sich im Registerblatt Allgemein festlegen, ob bei der Anzeige von Variablenlisten die Namen der Variablen oder die Labels verwendet werden sollen. Eine vollst¨ andige Beschreibung aller Optionen w¨ urde hier zu weit f¨ uhren, die meisten Optionen sind selbsterkl¨ arend, ansonsten muss auf spezielle SPSS-Literatur zur¨ uckgegriffen werden.

Abb. 5.16. Optionen f¨ ur die Bearbeitung in SPSS

Teil II

Deskriptive Statistik

6 Eindimensionale H¨ aufigkeitsverteilungen

¨ H¨ aufigkeitsverteilungen geben einen guten Uberblick u ¨ber wesentliche Informationen aus den Urdaten. Dazu werden die Daten nach Auspr¨ agungen zusammengefasst und in Tabellen oder Grafiken dargestellt. Je nach Skalenniveau und Anzahl der Auspr¨ agungen gibt es unterschiedliche Darstellungsformen, die in diesem Kapitel beleuchtet werden.

6.1 Diskrete Merkmale Ausgangspunkt der Betrachtung sei die Erhebung eines diskreten Merkmales X (z.B. die Anzahl kari¨ oser Zähne bei Kindern) mit verschiedenen Auspr¨ agungen. Mit xi bezeichne man die i-te Ausprägung, beispielsweise xi = 1 f¨ ur einen kari¨ osen Zahn. Beispiel 6.1. Kari¨ ose Z¨ ahne von Kindern Bei 140 Kindern einer Jahrgangsstufe werden die Z¨ ahne auf Karies untersucht. Bei jedem Kind wird das Merkmal Anzahl der kari¨ osen Zähne erhoben, wobei sich folgende Ergebnisse einstellen:

4 0 0 0 0 1 2

0 1 2 5 3 0 7

0 1 1 2 0 1 1

3 3 3 3 1 0 3

1 0 0 0 0 0 1

5 1 0 2 1 4 5

1 1 0 4 0 0 1

2 1 0 0 0 3 0

2 3 6 1 0 1 0

0 1 1 1 5 1 0

5 0 1 3 0 7 2

0 1 2 0 4 2 1

5 4 1 6 1 1 0

2 2 0 2 2 0 3

1 0 1 1 2 3 1

0 3 0 5 7 0 4

1 1 3 1 1 1 0

0 1 0 1 3 3 2

0 7 1 2 1 2 1

4 2 3 2 5 2 1

62


Diese Urliste ist un¨ ubersichtlich, daher werden die Daten in einem ersten Schritt in u ¨bersichtlicher Form dargestellt. Dazu wird eine Tabelle erstellt, in der f¨ ur jede Merkmalsauspr¨ agung angef¨ uhrt ist, wie oft diese in der Untersuchungsgesamtheit aufscheint. Diese Anzahl wird als absolute H¨ aufigkeit bezeichnet. Summiert man die absoluten H¨ aufigkeiten aller m¨ oglichen Merkmalsauspr¨ agungen, so erh¨ alt man den Umfang der Untersuchungsgesamtheit. Die relativen H¨ aufigkeiten geben die Anteile der jeweiligen Merkmalsauspr¨ agung an der Untersuchungsgesamtheit in Dezimalschreibweise oder als Prozentwerte an. Bezeichnungen N r xi hi pi = hi /N Pi = 100 · pi

Untersuchungsumfang Anzahl an verschiedenen Auspr¨ agungen Auspr¨ agung, i = 1, . . . , r absolute H¨ aufigkeit der Auspr¨ agung xi relative H¨ aufigkeit der Auspr¨ agung xi relative H¨ aufigkeit der Auspr¨ agung xi in Prozent

Damit kann die Urliste in Tabellenform zusammengefasst werden. Tabelle 6.1. H¨ aufigkeitsverteilung zu Beispiel 6.1 Auspr¨ agung

absolute H¨ aufigkeiten

relative H¨ aufigkeiten

relative H¨ aufigkeiten in Prozent

i

xi

hi

pi

Pi

1 2 3 4 5 6 7 8

0 1 2 3 4 5 6 7

41 42 20 16 7 8 2 4

0,29 0,30 0,14 0,11 0,05 0,06 0,01 0,03

29% 30% 14% 11% 5% 6% 1% 3%

Summe

140

≈1

≈ 100%

Diese Häufigkeitsverteilung kann nun folgendermaßen interpretiert werden (Zeile i = 3): 20 Schulkinder haben je 2 kari¨ ose Zähne, anders ausgedr¨ uckt haben 14% der untersuchten Kinder je zwei kari¨ ose Zähne. Summiert man die relativen H¨ aufigkeiten u ¨ber alle Auspr¨ agungen, so erh¨ alt man als Summe 1, die Summe der absoluten H¨ aufigkeiten ergibt immer N. Die relativen H¨ aufigkeiten wurden auf zwei Nachkommastellen gerundet, daher ergibt die Summe nicht exakt, sondern nur ann¨ ahernd 1 bzw. 100%.

6.1 Diskrete Merkmale

63

Summen von H¨ aufigkeiten r i=1

hi = N

r

pi = 1

i=1

r

Pi = 100%

i=1

6.1.1 H¨ aufigkeitsverteilung in EXCEL Im Beispiel 6.1 wurde lediglich ein Merkmal erhoben. Den Ausf¨ uhrungen in Kapitel 4 folgend m¨ usste man f¨ ur jedes Merkmal eine Spalte reservieren und in jede Zeile einen Datensatz eintragen. Die Datenmatrix in unserem Beispiel w¨ urde aus einer Spalte und 140 Zeilen bestehen. In diesem speziellen Fall, in dem nur ein Merkmal bearbeitet wird, kann man in EXCEL die Daten aber auch als Datenfeld beliebiger Gr¨ oße belassen, beispielsweise bestehend aus 20 Spalten und 7 Zeilen.

Abb. 6.1. EXCEL: Datensatz zu Beispiel 6.1

Zur Erhebung der H¨ aufigkeiten mit EXCEL sollte zuerst ein Raster f¨ ur die Ergebnisse angelegt werden (vgl. Abbildung 6.2). F¨ ur die Erstellung des Rasters kann mit den EXCEL-Funktionen MIN(Datenbezug) und MAX(Datenbezug) vorab die kleinste und gr¨ oßte Merkmalsauspr¨ agung bestimmt werden.

64


Abb. 6.2. EXCEL: Vorbereitung f¨ ur die Funktion H¨ aufigkeiten

EXCEL bietet f¨ ur das Erstellen einer H¨ aufigkeitsverteilung die Funktion H¨ aufigkeit an. F¨ ur die Verwendung dieser Funktion sind folgende Einzelschritte notwendig. Ermitteln von H¨ aufigkeiten in EXCEL • • • •

Ergebnistabelle vorbereiten (Abbildung 6.2) Markieren des Ergebnisbereiches (hier B2:B9 ) Aufrufen der Funktion H¨ aufigkeit Bezug f¨ ur Daten eingeben bzw. markieren (hier Datensatz EXCEL!A1:T7, vgl. Abbildung 6.1) • Bezug f¨ ur Klassen (=Auspr¨ agungen) eingeben oder markieren (hier H¨ aufigkeitsverteilung!A2:A9 ) • Bestätigen mit der Tastenkombination Strg + Umschalt + Enter (Bestätigen mit OK f¨ uhrt nicht zum gew¨ unschten Ergebnis) Die Funktion H¨ aufigkeit gibt als Ergebnis eine einspaltige Matrix zur¨ uck, daher muss die Formel als sogenannte Matrixformel eingegeben werden, was durch die beschriebene Vorgehensweise automatisch erreicht wird. Matrixformeln sind in der Bearbeitungsleiste an einer Einbettung in geschwungene ¨ Klammern erkennbar. Anderungen in Matrixformeln sind eher schwierig, besser ist es, die gesamte Ergebnismatrix zu entfernen und die geänderte Formel neu einzugeben.


65

F¨ ur die Summenbildung stellt EXCEL die Funktion Summe zur Verf¨ ugung, hier muss nur der Bezug angepasst werden. Die relativen H¨ aufigkeiten weraufigkeiten in den mit Hilfe der Formel pi = hi /N ermittelt. Die relativen H¨ Prozent werden auf die gleiche Weise errechnet, nur die Formatierung der Zelle wird auf Prozent ge¨ andert (vgl. Kapitel 4.2). Die verwendeten Formeln k¨ onnen aus Abbildung 6.3 entnommen werden.

Abb. 6.3. EXCEL: Formeln f¨ ur die Erstellung der H¨ aufigkeitsverteilung

Das Ergebnis l¨ asst sich aus Abbildung 6.4 entnehmen. Praxistipp Durch Berechnungen (z.B. der relativen H¨ aufigkeiten) entstehen meist Dezimalzahlen und damit stellt sich die Frage, auf wie viele Stellen diese gerundet werden sollten. Dezimalzahlen, mit denen weitere Berechnungen durchgef¨ uhrt werden, sollten m¨ oglichst viele Stellen umfassen, um einen gr¨ oßeren Rundungsfehler zu vermeiden. In der Ergebnisdarstellung sind im Normalfall ein bis zwei Nachkommastellen v¨ ollig ausreichend. Durch das Runden in der Darstellung kann es so aussehen, als w¨ aren manche Berechnungen nicht ganz korrekt (Die Summe der auf zwei Dezimalstellen gerundeten relativen H¨ aufigkeiten in Abbildung 6.4 ist nicht exakt 1.).

66


Abb. 6.4. EXCEL: H¨ aufigkeitsverteilung Endergebnis

6.1.2 H¨ aufigkeitsverteilungen in SPSS Zur Ermittlung der H¨ aufigkeitsverteilung mit Hilfe von SPSS ben¨ otigt man den Datenfile in der in Kapitel 5.2 beschriebenen Form. Unter dem Men¨ upunkt Analysieren → Deskriptive Statistiken → H¨ aufigkeiten erscheint das Dialogfeld f¨ ur H¨ aufigkeiten (Abbildung 6.5). Im linken Bereich des Fensters werden alle Variablen angezeigt, die im Datenfile vorhanden sind. Die Variablen sind standardm¨ aßig alphabetisch geordnet und es sind lediglich die kurzen Variablennamen, nicht jedoch die l¨ angeren Variablenlabels sichtbar. Unter dem Men¨ upunkt Bearbeiten → Optionen kann man diese Einstellungen ver¨ andern (vgl. Kapitel 5.6). In unserem Beispiel ist in der Datei lediglich eine Variable vorhanden. Durch Anklicken mit der Maus wird eine Variable markiert. Bet¨ atigt man dann mit der Maus den Button mit dem Pfeil, wird diese Variable ausgew¨ ahlt, und erscheint nun im rechten Fenster. Ein Doppelklick auf die Variable im linken Fenster hat den gleichen Effekt. Durch Markieren im rechten Fenster und neuerliches Anklicken des Pfeil-Buttons (die Richtung des Pfeils auf dem Button hat sich u ¨brigens jetzt umgedreht) kann eine Variable jederzeit wieder


67

Abb. 6.5. SPSS: H¨ aufigkeiten Eingabe

abgewählt werden. Auch hier kann als Alternative ein Doppelklick auf die Variable verwendet werden. Das Kontrollk¨ astchen links unten f¨ ur die Anzeige von H¨ aufigkeitstabellen sollte mit einem Häkchen versehen sein, durch Anklicken kann diese Einstellung ver¨ andert werden (Abbildung 6.5). Im unteren Bereich des Fensters sind drei Schaltfl¨ achen zu sehen, die weitere Einstellungen zulassen. Wir belassen es vorerst bei den Standardeinstellungen und besch¨ aftigen uns erst sp¨ ater mit diesen Schaltfl¨ achen (vgl. Kapitel 7.1.7). Ein Bestätigen der Eingabe o¨ffnet im Viewer das Ergebnisfile (Abbildung 6.6). Folgende Informationen k¨ onnen abgelesen werden: Insgesamt wurden 140 Kinder untersucht, von allen liegt ein g¨ ultiges Ergebnis vor, es gibt keine fehlenden Werte. Die Spalte Prozent” gibt die relative H¨ aufigkeit in Prozent an ” (bezogen auf die Gesamtheit inklusive derjenigen, von denen keine g¨ ultige Information vorliegt), die Spalte g¨ ultige Prozent bezieht den Anteil auf die Erhebungseinheiten, von denen eine g¨ ultige Auspr¨ agung erhoben wurde. In unserem Fall sind beide gleich, weil von allen untersuchten Kindern ein g¨ ultiges Ergebnis vorliegt. Betrachtet man nun f¨ ur die Zeile der Auspr¨ agung 2 die kumulierten Prozente, so kann man ablesen, dass 73,6% der untersuchten Kinder h¨ ochstens zwei kariöse Zähne haben. H¨ aufigkeitstabellen erstellen mit SPSS • Analysieren → Deskriptive Statistiken → H¨ aufigkeiten • Variablen ausw¨ ahlen • H¨ akchen im Kontrollk¨ astchen f¨ ur die Anzeige von H¨ aufigkeitstabellen

68


Abb. 6.6. SPSS: H¨ aufigkeiten Ergebnis

6.2 Stetige Merkmale Bei stetigen Merkmalen ist es f¨ ur die Erstellung einer H¨ aufigkeitstabelle zielf¨ uhrend, den gesamten Wertebereich in Intervalle zu gliedern und die absoluten, relativen H¨ aufigkeiten und relativen H¨ aufigkeiten in Prozent f¨ ur diese Intervalle zu bestimmen. Bezeichnungen N r ei−1 ei hi pi = hi /N Pi = 100 · pi

Untersuchungsumfang Anzahl der Intervalle Untergrenze des i-ten Intervalls, i = 1, . . . , r Obergrenze des i-ten Intervalls = h(ei−1 < x ≤ ei ), absolute H¨ aufigkeit des Intervalls Ii =]ei−1 , ei ] relative H¨ aufigkeit des Intervalls i relative H¨ aufigkeit des Intervalls i in Prozent

6.2 Stetige Merkmale

69

Beispiel 6.2. K¨ orpergr¨ oße von Studierenden Bei 65 Studierenden einer Jahrgangsstufe wurde die K¨ orpergr¨ oße in cm erhoben. Diese Erhebung f¨ uhrte zu folgendem Ergebnis: 178 169 180 172 189

182 165 174 176 162

166 165 183 168 168

162 175 193 160 160

181 180 172 170 178

168 164 178 170 175

170 188 165 171 168

164 170 162 166 158

171 194 174 165 172

170 171 174 160 163

165 185 162 175 172

164 168 163 183 183

176 164 170 182 164

Um f¨ ur die K¨ orpergr¨ oße eine sinnvolle H¨ aufigkeitstabelle erstellen zu können, sind die Auspr¨ agungen in Intervalle zu gruppieren. Die Intervalle m¨ ussen so angelegt werden, dass jede Auspr¨ agung in genau einem Intervall liegt. Vor der Festlegung der Intervalle muss die gew¨ unschte Anzahl an Intervallen fixiert werden. Dabei ist zu bedenken, dass durch die Gruppierung einerseits Infor¨ mation verloren geht, andererseits aber Ubersichtlichkeit gewonnen wird. Man sollte daher die Anzahl groß genug w¨ ahlen, damit die wesentlichen Informatio¨ nen erhalten bleiben, und klein genug, um Ubersicht zu gewinnen. Wir wollen in einem ersten Schritt unsere Daten in etwa 10 Intervalle gruppieren. Zuerst werden der kleinste Wert (158) und der gr¨ oßte Wert (194) aus dem Datensatz gesucht. Die abzudeckende Breite ergibt sich aus der Differenz (36). Nachdem wir etwa 10 Intervalle anstreben, w¨ urde dies einer Intervallbreite von 3,6 entsprechen. Um einigermaßen zweckmäßige Intervallgrenzen zu erhalten, begn¨ ugen wir uns mit 8 Intervallen und w¨ ahlen als Intervallbreite 5. Als Untergrenze des ersten Intervalls wählen wir 155, die restlichen Intervallgrenzen ergeben sich automatisch. Damit kann die Urliste in Tabellenform dargestellt werden (Tabelle 6.2). Tabelle 6.2. H¨ aufigkeitsverteilung K¨ orpergr¨ oße Intervall i 1 2 3 4 5 6 7 8

Gr¨ oße ei−1 < x ≤ ei

hi

H¨ aufigkeiten pi

155 160 165 170 175 180 185 190

4 16 14 13 7 7 2 2

0,06 0,25 0,22 0,20 0,11 0,11 0,03 0,03

6% 25% 22% 20% 11% 11% 3% 3%

65

≈1

≈ 100%

<x≤ <x≤ <x≤ <x≤ <x≤ <x≤ <x≤ <x≤ Summe

160 165 170 175 180 185 190 195

Pi

70


Aus dieser Tabelle lassen sich folgende Informationen ablesen (i = 4): 13 Personen (das entspricht 20% der untersuchten Personen) sind gr¨ oßer als 170 cm aber h¨ ochstens 175 cm groß. Intervallskalierung • Anzahl der Intervalle festlegen • Minimum, Maximum, Differenz zwischen Maximum und Minimum der Auspr¨ agungen bestimmen • Intervallbreiten berechnen (Differenz/Anzahl) • Intervallgrenzen fixieren • Intervalle m¨ ussen alle Auspr¨ agungen abdecken und d¨ urfen sich nicht u ¨berschneiden

6.2.1 Stetige H¨ aufigkeitsverteilung in EXCEL Die Erstellung der H¨ aufigkeitstabelle mit EXCEL verl¨ auft analog zur Beschreibung in Kapitel 6.1.1, als Klassen werden die Obergrenzen der Intervalle verwendet. Damit Excel auf die Obergrenze des Intervalls als Bezug zugreifen kann muss diese in einer eigenen Spalte angef¨ uhrt werden.

6.2.2 Stetige H¨ aufigkeitsverteilung in SPSS In SPSS muss in einem ersten Schritt die stetige Variable umkodiert werden. Mit der Anweisung Variable kategorisieren unter dem Men¨ upunkt Transformieren legt SPSS die Intervallgrenzen so fest, dass die H¨ aufigkeiten in jedem Intervall in etwa gleich groß sind. Dies ist gleichbedeutend damit, dass die Intervalle sehr unterschiedliche Breite haben k¨ onnen. Zudem sind die genauen Intervallgrenzen, die SPSS verwendet, nicht ersichtlich. Es wird daher das manuelle Umkodieren (vgl. Kapitel 5.5.2) in eine andere Variable empfohlen. F¨ ur die Erstellung einer H¨ aufigkeitstabelle sollte die in Intervalle umkodierte Variable verwendet werden.

H¨ aufigkeitsverteilungen f¨ ur stetige Merkmale (bzw. f¨ ur Merkmale mit vielen Auspr¨ agungen) • Stetige Merkmale in Intervalle gruppieren • EXCEL: Als Klassen sind die Obergrenzen der Intervalle zu verwenden • SPSS: Eine in Intervalle umkodierte Variable verwenden, die Originalvariable sollte beim Umkodieren erhalten bleiben.

6.3 Grafische Darstellung von Verteilungen

71

6.3 Grafische Darstellung von Verteilungen Es gibt viele verschiedene grafische Darstellungsformen f¨ ur H¨ aufigkeitsverteilungen, deren Verwendungsm¨ oglichkeiten hier kurz beschrieben werden.

6.3.1 Kreis- oder Tortendiagramm Bei einem Kreis- oder Tortendiagramm werden die Häufigkeiten als Kreissektoren dargestellt. Der Zentriwinkel, das ist der Winkel in der Mitte des Kreises, ist proportional zu den relativen H¨ aufigkeiten. Zur Berechnung der Zentriwinkel werden die relativen H¨ aufigkeiten mit 360 ◦ multipliziert. Geeignet ist diese Darstellungsform f¨ ur nominale Merkmale mit wenigen Auspr¨ agungen. Beispiel 6.3. Geschlecht von LVA-TeilnehmerInnen An einer Lehrveranstaltung nehmen 25 Personen teil, davon sind 10 Personen weiblich. Das Merkmal Geschlecht soll mittels Kreisdiagramm dargestellt werden. Geschlecht

Anzahl hi

relative H¨ aufigkeiten pi

Zentriwinkel αi

weiblich m¨ annlich

10 15

0,4 0,6

144 ◦ 216 ◦

Summe

25

1,0

360 ◦

Geschlechterverteilung in LVA

männlich 60%

α

weiblich 40% i

Abb. 6.7. Kreisdiagramm zu Beispiel 6.3

72


6.3.2 Balken-, S¨ aulen- oder Stabdiagramm Bei einem Säulen- oder Stabdiagramm werden auf der Abszisse (x-Achse) die Merkmalsauspr¨ agungen aufgetragen und auf der Ordinate (y-Achse) die jeweiligen Häufigkeiten. Dazu k¨ onnen die absoluten H¨ aufigkeiten, die relativen H¨ aufigkeiten oder die relativen H¨ aufigkeiten in Prozent verwendet werden. Die Breite des Stabes hat keine Aussagekraft, entscheidend ist lediglich die H¨ ohe. Geeignet ist diese Darstellungsform f¨ ur ordinale Merkmale, f¨ ur diskrete metrische Merkmale mit wenigen Auspr¨ agungen oder f¨ ur nominale Merkmale mit vielen Auspr¨ agungen. Die Begriffe Säulendiagramm und Stabdiagramm werden synonym verwendet. Als Balkendiagramm bezeichnet man ein um 90 ◦ gedrehtes Säulendiagramm, in dem die sonst vertikalen S¨ aulen als horizontale Balken zu sehen sind. Beispiel 6.4. Kari¨ ose Z¨ ahne von Schulkindern (Fortsetzung von Beispiel 6.1, Seite 61) Das Merkmal Anzahl kari¨ oser Zähne soll in einem Stabdiagramm und in einem Balkendiagramm dargestellt werden.

Anzahl kariöser Zähne relative Häufigkeiten

0,40

0,30

0,29

0,30

0,20 0,14 0,11 0,10 0,05

0,06 0,01

0,03

0,00

0

1

2

3

4

5

kariöse Zähne

Abb. 6.8. Stabdiagramm zu Beispiel 6.1

6

7


73

Anzahl kariöser Zähne kariöse Zähne

0,03

7

0,01

6

0,06

5

0,05

4

0,11

3

0,14

2

0,30

1

0

0,29

0,00

0,10

0,20

0,30

0,40

relative Häufigkeiten

Abb. 6.9. Balkendiagramm zu Beispiel 6.1

6.3.3 Histogramm Ein Histogramm ist f¨ ur metrische stetige Merkmale geeignet, deren Auspr¨ agungen in Intervalle zusammengefasst wurden. Bei einem Histogramm werden auf der x-Achse die Auspr¨ agungen und auf der y-Achse die Dichten aufgetragen, wobei die Dichte der Quotient aus H¨ aufigkeit und Intervallbreite ist. In dieser Darstellungsform sind die relativen H¨ aufigkeiten als Fl¨ achen sichtbar. Beispiel 6.5. K¨ orpergr¨ oße von Studierenden (Fortsetzung von Beispiel 6.2, Seite 68) Zu den gemessenen Körpergr¨ oßen ist ein Histogramm anzufertigen. Tabelle 6.3. Dichte zu Beispiel 6.2 Intervall i 1 2 3 4 5 6 7 8

Gr¨ oße ei−1 < x ≤ ei 155 160 165 170 175 180 185 190

<x≤ <x≤ <x≤ <x≤ <x≤ <x≤ <x≤ <x≤

160 165 170 175 180 185 190 195

rel. H¨ aufigkeit pi

Intervallbreite di

Dichte fi

0,062 0,246 0,215 0,200 0,108 0,108 0,031 0,031

5 5 5 5 5 5 5 5

0,012 0,049 0,043 0,040 0,022 0,022 0,006 0,006

74


Dichte f

Größenverteilung der Studierenden

i

0,050

0,040

0,030

0,020

0,010

0,000 150

// 155

160

165

170

175

180

185

190

195

200

Größe in cm Abb. 6.10. Histogramm zu Beispiel 6.2

Ausschließlich bei gleich breiten Intervallen ist es zul¨ assig, statt der Dichten die H¨ aufigkeiten aufzutragen. Dies liegt daran, dass man bei der Betrachtung eines Histogramms automatisch die Verhältnisse der Fl¨ achen wahrnimmt und nicht die Relationen der Rechtecksh¨ ohen. Eine kleine Ver¨ anderung im Beispiel 6.2 soll die Notwendigkeit der Verwendung von Dichten bei unterschiedlichen Intervallbreiten verdeutlichen. Beispiel 6.6. K¨ orpergr¨ oße von Studierenden (Fortsetzung von Beispiel 6.2, Seite 68) Die gemessenen Körpergr¨ oßen wurden in unterschiedlich breite Intervalle aufgeteilt. Daf¨ ur ist ein Histogramm anzufertigen. Tabelle 6.4. Dichte bei unterschiedlichen Intervallbreiten Intervall i 1 2 3 4 5 6

Gr¨ oße ei−1 < x ≤ ei 155 160 165 170 175 185

<x≤ <x≤ <x≤ <x≤ <x≤ <x≤

160 165 170 175 185 195


Intervallbreite di

Dichte fi

0,062 0,246 0,215 0,200 0,215 0,062

5 5 5 5 10 10

0,012 0,049 0,043 0,040 0,022 0,006


0,300

p

75

Größenverteilung der Studierenden

i

kein

Histogramm - schlechte Darstellung

0,250 0,200 0,150 0,100 0,050 0,000 // 150 155

160

165

170 175 Größe in cm

180

185

190

195

200

Abb. 6.11. Kein Histogramm

Abbildung 6.11 vermittelt den Eindruck, dass das Intervall zwischen 175 und 185 etwa doppelt so viele Personen umfasst, wie das Intervall zwischen 165 und 170. Ein Blick auf die Tabelle zeigt hingegen, dass die relativen H¨ aufigkeiten in den beiden Intervallen etwa gleich groß sind. Daher w¨ urde diese Form der Darstellung optisch einen falschen Eindruck vermitteln.

Dichte f 0,050

Größenverteilung der Studierenden i

0,040 0,030 0,020 0,010 0,000 // 150 155

160

165

170 175 Größe in cm

180

185

Abb. 6.12. Histogramm zu Beispiel 6.6

190

195

200

76


Ein Histogramm hingegen vermittelt die Proportionen der H¨ aufigkeiten in den einzelnen Intervallen auf einen Blick. In den drei Abbildungen 6.10 bis 6.12 sind auf der x-Achse jeweils zwei Schr¨ agstriche erkennbar. Diese sollen darauf hinweisen, dass die x-Achse nicht bei Null beginnt, sondern bei einem anderen Wert. Praxistipp Nicht alles, was in der Praxis als Histogramm bezeichnet wird, ist auch tatsächlich eines.

6.3.4 Qualit¨ atskriterien f¨ ur Grafiken Gute Grafiken sollen BetrachterInnen m¨ oglichst auf einen Blick Ergebnisse statistischer Erhebungen vermitteln. Einerseits ist es mit den modernen Hilfsmitteln leicht geworden gute Grafiken zu erstellen, andererseits besteht aber mehr denn je die Gefahr unsinniger Grafiken. In vielen Bereichen dienen Grafiken nur als Auflockerung oder Farbtupfer im eint¨ onigen Zahlendschungel, in anderen Bereichen werden Grafiken gezielt eingesetzt um Halbwahrheiten zu vermitteln. Eine gute Grafik muss gewisse Anforderungen erf¨ ullen. Jede Grafik ben¨ otigt einen Titel, der den wesentlichen Inhalt beschreiben sollte. Sind Koordinatenachsen vorhanden, so sind diese auch zu bezeichnen. Der Nullpunkt der Achsen sollte erkennbar sein, ein Abschneiden der Achsen (wie z.B. in Abbildung 6.12 die x-Achse) ist nur zul¨ assig bei geschultem Publikum oder wenn dies zusätzlich kenntlich gemacht wird. Die Skalierungen auf den Achsen m¨ ussen maßstabsgetreu sein und generell sind bestehende Konventionen einzuhalten. Eine solche Konvention ist beispielsweise, dass auf der x-Achse die Werte nach rechts ansteigend sortiert sind. Sind keine Koordinatenachsen vorhanden, so wird die Grafik mit Hilfe einer Legende n¨ aher beschrieben. Seitdem Grafiken nicht mehr h¨ andisch angefertigt werden m¨ ussen, haben manche Unarten u ¨berhand genommen. Erw¨ ahnt seien beispielsweise dreidimensionale Darstellungen und Grafiken, die so viel Information beinhalten, dass man das Gef¨ uhl hat, vor lauter Wald die B¨ aume nicht mehr zu sehen. Die beiden folgenden Beispiele sind willk¨ urlich ausgewählt und zeigen, wie eine Grafik nicht aussehen sollte. Im ersten Beispiel wurden Daten aus dem Internet verwendet und die Grafik wurde in Analogie zu der gebotenen Grafik erstellt. (Quelle, zuletzt aufgerufen am 15.11.2006: http://www.landesbibliothek.at/content/ueber uns/statistik/Entl98-05.gif)


77

Beispiel 6.7. Landesbibliothek In einer Landesbibliothek liegen folgende Entlehnungszahlen vor: Tabelle 6.5. Entlehnungen Landesbibliothek 1998 - 2004

1998 1999 2000 2001 2002 2003 2004

Jan

Feb

M¨ ar

Apr

Mai

Jun

Jul

Aug

Sep

Okt

Nov

Dez

3.973 3.584 3.722 3.723 4.167 5.393 5.838

3.871 3.726 4.067 3.660 4.098 5.234 5.866

3.524 4.551 4.051 3.771 4.401 5.161 6.183

3.656 3.402 3.138 3.193 4.000 5.459 5.925

2.988 2.649 3.057 2.769 3.746 4.530 5.235

2.625 2.386 2.520 2.330 3.162 3.798 5.139

2.755 2.870 2.425 2.612 3.691 4.874 5.186

2.556 2.515 2.433 2.599 3.490 4.035 5.238

3.000 2.742 2.908 2.835 4.196 5.244 5.077

3.503 3.735 3.262 4.410 5.085 5.558 5.982

3.794 3.532 2.968 3.404 4.492 5.151 6.657

3.721 3.502 2.989 3.937 4.599 5.621 6.832

Folgende Grafik wurde zur Darstellung verwendet:

Landesbibliothek Entlehnungen 1998-2004

7.000

6.000

5.000

4.000

3.000

2.000

1.000

0

n Ja Feb Mär pr ai A M Jun ul g J Au ep kt S O Nov ez D Abb. 6.13. Entlehnungen Landesbibliothek

2004 2002 2000

1998

78


Man sieht, dass man nichts sieht. Dies liegt einerseits an der dreidimensionalen Darstellung, andererseits an der F¨ ulle von Informationen, die in dieser Grafik dargestellt wurde. Eine bessere M¨ oglichkeit der Darstellung zeigt Abbildung 6.14. Landesbibliothek Entlehnungen 1998 - 2004 Entlehnungen 7.000

6.000

5.000

4.000

3.000

2.000

1.000

0 8 9 . n ä J

8 9 . i a M

8 9 . p e S

9 9 . n ä J

9 9 . i a M

9 9 . p e S

0 0 . n ä J

0 0 . i a M

0 0 . p e S

1 0 . n ä J

1 0 . i a M

1 0 . p e S

2 0 . n ä J

2 0 . i a M

2 0 . p e S

3 0 . n ä J

3 0 . i a M

3 0 . p e S

4 0 . n ä J

4 0 . i a M

4 0 . p e S

Monat

Abb. 6.14. Entlehnungen Landesbibliothek, verbesserte Darstellung

Diese Grafik stellt die gleiche Information dar wie die vorhergehende dreidimensionale Abbildung. Es wurde ein Stabdiagramm angefertigt, wobei der J¨ anner jeden Jahres mit einem dunkleren Stab dargestellt wurde, um die Orientierung zu erleichtern. Jetzt l¨ asst sich problemlos ablesen, dass insgesamt die Entlehnungen ansteigen und jedes Jahr saisonale Schwankungen aufweist. In den Sommermonaten gibt es immer einen R¨ uckgang der Entlehnungen, daneben sind in den einzelnen Jahren einige Spitzenmonate (z.B. M¨ arz 1999, Oktober 2001 und 2002) erkennbar. Mit dem Hintergrundwissen, dass diese Bibliothek in erster Linie von Studierenden genutzt wird, lassen sich Schwankungen und Spitzenwerte leicht erkl¨ aren, denn an der Universit¨ at sind von Juli bis September Ferien, im M¨ arz und Oktober ist jeweils Semesterbeginn. Mit Grafiken kann auch - bewusst oder unbewusst - manipuliert werden. Manchmal ist erst auf den zweiten Blick die tats¨ achlich verpackte Information erkennbar, wie folgendes Beispiel zeigt: Beispiel 6.8. H¨ ohenflug der Presse Auf der Titelseite der Zeitung Die Presse” vom 25.5.2000 findet sich eine ” Grafik u ¨ber den H¨ ohenflug der Presse (vgl. Abbildung 6.15).


79

Abb. 6.15. H¨ ohenflug der Presse

Aus Sicht einer Statistikerin w¨ urde sich ein etwas anderer H¨ ohenflug der Presse ergeben (vgl. Abbildung 6.16).

Exemplare 80.000 70.000 60.000

Höhenflug der Presse

74.261 69.182

69.549

1995

1996

76.012

79.779

72.795

50.000 40.000 30.000 20.000 10.000 0

1997

1998

1999 2000 erstes Quartal im Jahr

Abb. 6.16. Tats¨ achlicher H¨ ohenflug der Presse

80


Abbildung 6.15 suggeriert steil ansteigende Verkaufzahlen der Presse. Dieser Effekt wurde unter anderem erreicht durch ein Abschneiden” der y-Achse ” (beginnt bei 70.000 statt bei 0), weil dadurch Unterschiede immer besonders betont werden. Ein kleiner Pfeil nach oben im Jahr 2000 deutet an, dass der H¨ ohenflug (nat¨ urlich) weitergeht. Anforderungen an Grafiken • • • • • • •

Informativer Titel Beschriftung von Koordinatenachsen, Legende einf¨ ugen Nullpunkte von Achsen kennzeichnen Unverzerrte Skalierungen Einhalten von Konventionen Vermeidung dreidimensionaler Darstellungen Nicht zu viele Informationen in einer Grafik

Die einfachste Grafik ist zumeist auch die Beste!

6.3.5 Auswahl der passenden Darstellungsform Die passende Darstellungsform richtet sich nach dem Skalenniveau des Merkmals und nach der Anzahl der Auspr¨ agungen. Kreis- oder Tortendiagramm • relative H¨ aufigkeiten als Kreissektoren • Zentriwinkel αi = 360 · pi • nominale Merkmale mit wenigen Auspr¨ agungen Balken-, S¨ aulen- oder Stabdiagramm • • • • • •

x-Achse: Merkmalsausprägungen y-Achse: Häufigkeiten (absolute, relative oder in Prozent) nominale Merkmale mit vielen Auspr¨ agungen ordinale Merkmale diskrete metrische Merkmale mit wenigen Ausprägungen Balkendiagramm = ein um 90 ◦ gedrehtes Stabdiagramm

Histogramm • • • •

x-Achse: Merkmalsausprägungen y-Achse: Dichten = relative Häufigkeiten / Intervallbreiten metrische Merkmale mit Intervalleinteilung relative H¨ aufigkeiten sind als Fl¨ achen sichtbar


81

6.3.6 Grafiken in EXCEL Ausgangspunkt f¨ ur die Erstellung einer Grafik mit EXCEL ist eine vorliegende H¨ aufigkeitsverteilung in Tabellenform. Unter dem Men¨ upunkt Einf¨ ugen → Diagramm ¨ offnet sich der Diagramm-Assistent. Der Diagramm-Assistent kann auch durch Anklicken des Symbols geöffnet werden. Der erste Schritt ist die Auswahl des Diagrammtyps. Entsprechend den vorangegangenen Ausf¨ uhrungen k¨ onnen wir S¨ aulen-, Balken- oder Kreisdiagramme ausw¨ ahlen. Die Erstellung eines Histogramms erfolgt mit dem Diagrammtyp Punkt (XY). Als Beispiel soll ein Säulendiagramms zu der Anzahl kari¨ oser Zähne erstellt werden (vgl. Beispiel 6.4, Seite 72). Zu jedem Diagrammtyp gibt es verschiedene Diagrammuntertypen die im rechten Fensterbereich angezeigt werden. F¨ ur ein erstes Diagramm wählen wir den vorgeschlagenen Untertyp Gruppierte S¨ aulen. Mit der Bet¨ atigung des Weiter -Buttons gelangen wir zum zweiten Schritt, der Datenquelleneingabe (vgl. Abbildung 6.17).

Abb. 6.17. EXCEL: Grafiken Datenbereich

82


Zuerst ist der Datenbereich einzugeben, am besten markiert man den Datenbereich mit der Maus (in unserem Fall H¨ aufigkeitsverteilung!$B$2:$B$9 ). EXCEL schlägt dann f¨ ur Reihe in: die Auswahl Spalten vor. Diese Auswahl ist f¨ ur unser Beispiel richtig, weil eine Spalte einem Merkmal entspricht. Im Blatt Reihe kann der Name der Datenreihe und die Beschriftung der xAchse als Bezug eingegeben werden. Damit sind die Eingaben der Datenquelle abgeschlossen und werden mit Weiter bestätigt (vgl. Abbildung 6.18).

Abb. 6.18. EXCEL: Grafiken Reihe

Im dritten Schritt k¨ onnen weitere Optionen, wie z.B. der Diagrammtitel geändert werden (vgl. Abbildung 6.19). Im vierten und letzten Schritt wird die Art der Implementierung festgelegt: Das fertige Diagramm wird demnach entweder als eigenes Blatt in die Datei, oder als Objekt in das bestehende


83

Arbeitsblatt eingef¨ ugt. Alle Eingaben, die w¨ ahrend des Erstellens mit dem Diagrammassistenten gemacht werden, können sp¨ ater geändert werden.

Abb. 6.19. EXCEL: Grafiken Optionen

Nach der Erstellung des Diagramms sollte das Layout noch u ¨berarbeitet werden, damit eine ansprechende Grafik entsteht. Die Vorteile von EXCELGrafiken liegen einerseits in der einfachen Handhabung, andererseits beim problemlosen Einf¨ ugen von Grafiken in Berichte.

6.3.7 Erstellen von Histogrammen in EXCEL Histogramme sind leider nicht standardm¨ aßig als EXCEL-Grafik vorgesehen, daher m¨ ussen die vorhandenen M¨ oglichkeiten etwas adaptiert werden, um wirklich ein Histogramm erstellen zu können. F¨ ur die Erstellung eines Histogramms wird der Diagrammtyp Punkt (XY), Diagrammuntertyp Punkte mit Linien ohne Datenpunkte verwendet. Die Datenreihe wird aber in ver¨ anderter Form eingegeben. Jeder einzelne Eckpunkt bzw. Anstoßpunkt einer Linie muss getrennt eingegeben werden, f¨ ur das Histogramm aus Abbildung 6.10 (Seite 74) w¨ are das die Datenreihe aus Tabelle 6.6. Als Datenbereich wählt man den Bereich der Dichten aus, im Blatt Reihe wird dieser Bereich nun automatisch als Y-Werte angef¨ uhrt. Als X-Werte dient der Bereich mit den K¨ orpergr¨ oßen.

84

6 Eindimensionale H¨ aufigkeitsverteilungen Tabelle 6.6. Dateneingabe Histogramm K¨ orpergr¨ oße

Dichte

155 155 160 160 160 165 165 165 .. . 190 190 190 195 195

0,0000 0,0123 0,0123 0,0000 0,0492 0,0492 0,0000 0,0431 .. . 0,0062 0,0000 0,0062 0,0062 0,0000

Grafiken erstellen in EXCEL • Diagramm-Assistent aufrufen • Diagrammtyp ausw¨ ahlen (f¨ ur Histogramm Punkt (XY)) • Datenbezug eingeben (beim Histogramm jeden einzelnen Eckpunkt bzw. Anstoßpunkt) • Layout an Anforderungen anpassen

6.3.8 Grafiken in SPSS SPSS stellt unter dem Men¨ upunkt Grafiken eine Vielzahl von Grafiken bereit, darunter auch Kreisdiagramme und Balkendiagramme. Auch eine Grafik mit der Bezeichnung Histogramm kann angefordert werden, allerdings entspricht diese nicht den Anforderungen an ein Histogramm und sollte daher unbedingt vermieden werden. Das Layoutieren in SPSS ist weniger benutzerfreundlich als in EXCEL, daher wird empfohlen Ergebnisse aus SPSS in eine EXCEL-Datei zu exportieren und allf¨ allige Grafiken in EXCEL zu erstellen. F¨ ur das Exportieren wird im Viewer die gew¨ unschte Tabelle markiert, die rechte Maustaste offnet dann ein Men¨ ¨ u, in dem Exportieren angeboten wird. Das nun erscheinende Dialogfenster erlaubt n¨ ahere Spezifikationen, wie z.B. Speicherort oder gew¨ unschtes Dateiformat.

6.4 Die empirische Verteilungsfunktion

85

6.4 Die empirische Verteilungsfunktion Die empirische Verteilungsfunktion weist jeder Auspr¨ agung xi den Anteil von ur Erhebungseinheiten zu, deren Auspr¨ agung h¨ ochstens xi ist. Sie ist nur f¨ ordinale oder metrische Merkmale sinnvoll interpretierbar, zudem m¨ ussen die Auspr¨ agungen xi in aufsteigender Reihenfolge sortiert sein. Die Werte der empirischen Verteilungsfunktion werden auch als kumulierte H¨ aufigkeiten bezeichnet. Die Verteilungsfunktion wird mit F (xi ) oder p(x ≤ xi ) bezeichnet. Die empirische Verteilungsfunktion Bezeichnungen und Eigenschaften agungen xi sind die in aufsteigender Reihenfolge sortierten Auspr¨ • F (xi ) = p(x ≤ xi ) = p1 + . . . + pi der Anteil an Objekten, die h¨ ochstens die Auspr¨ agung xi aufweisen = empirische Verteilungsfunktion, kumulierte H¨ aufigkeiten • 0 ≤ p(x ≤ xi ) ≤ 1 Die Werte der Verteilungsfunktion liegen im Intervall [0, 1] • p(x ≤ xi ) ≤ p(x ≤ xi+1 ) Die Verteilungsfunktion ist monoton steigend.

Beispiel 6.9. Kari¨ ose Z¨ ahne von Kindern Fortsetzung von Beispiel 6.1, Seite 61 Der Wert der empirischen Verteilungsfunktion (kumulierte H¨ aufigkeit) einer Auspr¨ agung ergibt sich aus der Addition der relativen H¨ aufigkeiten aller Auspr¨ agungen, die kleiner oder gleich dieser Auspr¨ agung sind. Tabelle 6.7. Empirische Verteilungsfunktion zu Beispiel 6.1 i

xi

hi

pi

p(x ≤ xi )

1 2 3 4 5 6 7 8

0 1 2 3 4 5 6 7

41 42 20 16 7 8 2 4

0,29 0,30 0,14 0,11 0,05 0,06 0,01 0,03

0,29 0,59 0,74 0,85 0,90 0,96 0,97 1,00

140

≈1

nicht sinnvoll

Summe

86


Aus der empirischen Verteilungsfunktion l¨ asst sich in diesem Beispiel folgende Information ablesen (Zeile i = 4): 85 Prozent der Kinder haben h¨ ochstens 3 kari¨ ose Zähne. Beispiel 6.10. K¨ orpergr¨ oßen von Studierenden Fortsetzung von Beispiel 6.2, Seite 68 Der Wert der empirischen Verteilungsfunktion (kumulierte H¨ aufigkeit) an der Intervallobergrenze ergibt sich aus der Addition der relativen H¨ aufigkeiten aller Intervalle, deren Obergrenze kleiner oder gleich dieser Intervallobergrenze sind. Tabelle 6.8. Empirische Verteilungsfunktion zu Beispiel 6.2 Intervall i 1 2 3 4 5 6 7 8

Gr¨ oße ei−1 < x ≤ ei 155 160 165 170 175 180 185 190

<x≤ <x≤ <x≤ <x≤ <x≤ <x≤ <x≤ <x≤


kum. H¨ aufigkeit p(x ≤ ei )

0,062 0,246 0,215 0,200 0,108 0,108 0,031 0,031

0,062 0,308 0,523 0,723 0,831 0,938 0,969 1,000

≈1

nicht sinnvoll

160 165 170 175 180 185 190 195

Summe

Aus der empirischen Verteilungsfunktion l¨ asst sich z.B. ablesen (Zeile i = 4), dass 72,3 Prozent der untersuchten Personen h¨ ochstens 175 cm groß sind. 6.4.1 Abbild der empirischen Verteilungsfunktion Das Aussehen des Abbildes der empirischen Verteilungsfunktion ist vom Merkmalstyp abh¨ angig. F¨ ur diskrete Merkmale bildet die Verteilungsfunktion eine Treppenfunktion, f¨ ur intervallskalierte Merkmale ist das Abbild eine Kurve mit geraden Teilst¨ ucken. F¨ ur beide Formen werden die Auspr¨ agungen auf der x-Achse aufgetragen und die kumulierten H¨ aufigkeiten auf der y-Achse, der Unterschied liegt lediglich in der Art und Weise, wie diese Punkte verbunden werden. Abbild der Verteilungsfunktion • Diskrete Merkmale: Treppenfunktion • Intervallskalierte Merkmale: Kurve mit geraden Teilst¨ ucken


87

Beispiel 6.11. Kari¨ ose Z¨ ahne von Schulkindern Fortsetzung von Beispiel 6.1 Nachdem das Merkmal Anzahl kari¨ oser Zähne diskret ist, muss das Abbild einer Treppenfunktion entsprechen. Zuerst werden die Datenpunkte (xi , F (xi )) in ein Koordinatensystem eingetragen, f¨ ur die Verbindung der Punkte beginnt man beim Ursprung. Falls die erste Auspr¨ agung ungleich 0 ist, beginnt man mit einer horizontalen Linie bis zur ersten Auspr¨ agung. Danach wird die erste Auspr¨ agung bzw. der Ursprung durch eine vertikale Linie mit dem ersten Datenpunkt verbunden. Vom Datenpunkt zieht man eine horizontale Linie bis zur n¨ achsten Ausprägung und von dieser wiederum eine vertikale Linie bis zum n¨ achsten Datenpunkt. In dieser Weise werden alle Datenpunkte verbunden. Nach dem letzten Datenpunkt kann die Linie horizontal weitergef¨ uhrt werden. Zu beachten ist, dass an den Sprungstellen (also bei den jeweiligen Auspr¨ agungen) das obere Ende der Verbindungslinie der zugeh¨ orige Funktionswert ist. F(x) 1,1 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,0 0

1

2

3

4

5

6

7

8

kariöse Zähne

Abb. 6.20. Verteilungsfunktion zu Beispiel 6.1

Beispiel 6.12. K¨ orpergr¨ oße Fortsetzung von Beispiel 6.2 Das Abbild des intervallskalierten Merkmals K¨ orpergr¨ oße ist eine Kurve mit geraden Teilst¨ ucken. Auch hier werden zuerst die Datenpunkte (ei , F (ei )) in ein Koordinatensystem eingetragen. Die Punkte werden anschließend durch gerade Linien verbunden. In diesem Beispiel ist es sinnvoll, die x-Achse erst bei 155 beginnen zu lassen. Auf diesen Umstand muss aber auch in der Grafik gesondert hingewiesen werden, etwa durch die Kennzeichnung mit einem doppelten Schr¨ agstrich (Abbildung 6.21).

88

6 Eindimensionale H¨ aufigkeitsverteilungen Verteilungsfunktion Körpergröße

F(x)

1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,0 // 150 155

160

165

170 175 180 Größe in cm

185

190

195

200

Abb. 6.21. Verteilungsfunktion zu Beispiel 6.2

Die Verteilungsfunktion l¨ asst sich vor dem ersten und nach dem letzten Datenpunkt beliebig horizontal fortsetzen. Auch Interpretationen sind f¨ ur diese Erweiterungen kein Problem. Im Beispiel der K¨ orpergr¨ oßen wäre z.B. der Auspr¨ agung 130 der Funktionswert 0 zugeordnet, was bedeutet, dass 0% der Personen h¨ ochstens 130 cm groß sind. Diese Aussage ist sicherlich richtig, wenn auch nicht besonders informativ.

6.4.2 Rechnen mit der empirischen Verteilungsfunktion F¨ ur die Berechnung der empirischen Verteilungsfunktion mit EXCEL ist die rekursive Darstellung p(x ≤ xi ) = p(x ≤ xi−1 ) + pi

(6.1)

hilfreich. Die Zuverl¨ assigkeitsfunktion weist jeder Auspr¨ agung xi den Anteil von Objekten zu, deren Auspr¨ agung gr¨ oßer als xi ist, in formaler Schreibweise p(x > xi ) = 1 − p(x ≤ xi )


89

Beispiel 6.13. K¨ orpergr¨ oße Fortsetzung von Beispiel 6.2 Die Werte der Zuverl¨ assigkeitsfunktion an den Intervallobergrenzen sind zu berechnen und zu interpretieren. Tabelle 6.9. Zuverl¨ assigkeitsfunktion zu Beispiel 6.2 Intervall i 1 2 3 4 5 6 7 8

Gr¨ oße ei−1 < x ≤ ei 155 160 165 170 175 180 185 190

<x≤ <x≤ <x≤ <x≤ <x≤ <x≤ <x≤ <x≤

160 165 170 175 180 185 190 195

Verteilungsfunktion p(x ≤ ei )

Zuverl¨ assigkeitsfunktion p(x > ei )

0,062 0,308 0,523 0,723 0,831 0,938 0,969 1,000

0,938 0,692 0,477 0,277 0,169 0,062 0,031 0,000

27,7 Prozent der untersuchten Personen sind gr¨ oßer als 175 cm (Zeile i = 4).

Aus der Differenz zweier Verteilungsfunktionswerte kann man den Anteil an Objekten in einem Intervall berechnen p(a < x ≤ b) = p(x ≤ b) − p(x ≤ a)

Beispiel 6.14. K¨ orpergr¨ oße Fortsetzung von Beispiel 6.2 FlugbegleiterInnen m¨ ussen größer als 170 cm sein, andererseits darf aber eine K¨ orpergr¨ oße von 185 cm nicht u ¨berschritten werden. Welcher Anteil an Personen erf¨ ullt diese Kriterien? p(170 < x ≤ 185) = p(x ≤ 185) − p(x ≤ 170) = 0, 938 − 0, 523 = 0, 415 41,5% der untersuchten Personen erf¨ ullen die Gr¨ oßenanforderungen f¨ ur FlugbegleiterInnen.

F¨ ur intervallskalierte Merkmale lassen sich die Werte der Verteilungsfunktion f¨ ur Auspr¨ agungen innerhalb der Intervalle (n¨ aherungsweise) mit folgender Formel berechnen:

90


F¨ ur die Auspr¨ agung j ∈ (ei−1 ; ei ] gilt p(x ≤ j) = p(x ≤ ei−1 ) + pi ·

j − ei−1 ei − ei−1

(6.2)

Diese Formel lässt sich mit Hilfe von Abbildung 6.22 leicht herleiten.

1,00F(x)

Verteilungsfunktion Körpergröße

0,95 0,90 pi

∆

0,85 j

0,80

–e

‗

0,75 175

i

–1

e

i

–e

i

–1

180

185

Größe in cm

190

Abb. 6.22. Detail einer Verteilungsfunktion

Bereits bekannt sind die Intervallgrenzen ei−1 und ei , sowie die Intervallbreite ei −ei−1 . Auch die relative H¨ aufigkeit dieses Intervalls pi ist bekannt. Liegt die ¨ Auspr¨ agung j im Intervall (ei−1 ; ei ] so kann aus der Ahnlichkeit der Dreiecke in Abbildung 6.22 der Zusammenhang (j − ei−1 ) : (ei − ei−1 ) = ∆ : pi abgelesen werden. Die Aufl¨ osung der Gleichung nach ∆ ergibt ∆ = pi ·

j − ei−1 ei − ei−1

Addiert man nun diesen Wert zum Wert der Verteilungsfunktion an der Untergrenze des Intervalls p(x ≤ ei−1 ) so erh¨ alt man (6.2) und damit den Wert der Verteilungsfunktion an der Stelle j. Beispiel 6.15. K¨ orpergr¨ oße Fortsetzung von Beispiel 6.2 Welcher Anteil an Personen ist h¨ ochstens 183 cm groß?


91

Um den Wert der Verteilungsfunktion f¨ ur die Auspr¨ agung 183 zu berechnen, verwenden wir (6.2). Zuerst muss jenes Intervall bestimmt werden, in dem die Auspr¨ agung liegt. Dann lassen sich Untergrenze, Obergrenze, relative H¨ aufigkeit dieses Intervalls und der Wert der Verteilungsfunktion an der Untergrenze des Intervalls aus Tabelle 6.8 (Seite 86) ablesen: ei−1 = 180

ei = 185

pi = 0, 108

F (183) = p(x ≤ 183) = 0, 831 + 0, 108 ·

p(x ≤ 180) = 0, 831 183 − 180 = 0, 896 185 − 180

89,6 Prozent der Personen sind h¨ ochstens 183 cm groß. Dieses Ergebnis kann auch n¨ aherungsweise aus dem Abbild der Verteilungsfunktion abgelesen werden. Dazu geht man in Abbildung 6.21 (Seite 88) von der Auspr¨ agung 183 vertikal nach oben, bis man auf die Funktion trifft, dann geht man horizontal nach links und kann an der y-Achse den Wert der Verteilungsfunktion n¨ aherungsweise ablesen. Rechnen mit der Verteilungsfunktion • p(x ≤ xi ) = p(x ≤ xi−1 ) + pi

rekursive Berechnung

• p(x > xi ) = 1 − p(x ≤ xi )

Zuverl¨ assigkeitsfunktion

• p(a < x ≤ b) = p(x ≤ b) − p(x ≤ a) • F¨ ur j ∈ (ei−1 ; ei ] gilt (intervallskalierte Merkmale) j − ei−1 p(x ≤ j) = p(x ≤ ei−1 ) + pi · ei − ei−1 6.4.3 Die empirische Verteilungsfunktion in EXCEL In EXCEL lassen sich die Werte der Verteilungsfunktion am besten mit der rekursiven Darstellung berechnen (vgl. (6.1), Seite 88). Das Abbild der Verteilungsfunktion wird mittels Diagrammtyp Punkt (XY), Diagrammuntertyp Punkte mit Linien ohne Datenpunkte erstellt. F¨ ur das stetige Merkmal gen¨ ugen die Datenpunkte als Eingabe, f¨ ur das diskrete Merkmal m¨ ussen alle Eckpunkte der Treppenfunktion eingegeben werden (vgl. dazu Kapitel 6.3.7). 6.4.4 Die empirische Verteilungsfunktion in SPSS In SPSS werden die kumulierten H¨ aufigkeiten standardm¨ aßig bei der Erstellung einer H¨ aufigkeitstabelle mitgeliefert (vgl. Kapitel 6.1.2). F¨ ur die Erstellung der Grafik wird EXCEL empfohlen.

92


¨ Ubungsaufgaben 6.1. Kari¨ ose Z¨ ahne Bei 140 Kindern einer Jahrgangsstufe werden die Z¨ ahne auf Karies untersucht. Bei jedem Kind wird das Merkmal Anzahl der kari¨ osen Zähne erhoben, wobei sich folgende Ergebnisse einstellen: 4 0 0 0 0 1 2

0 1 2 5 3 0 7

0 1 1 2 0 1 1

3 3 3 3 1 0 3

1 0 0 0 0 0 1

5 1 0 2 1 4 5

1 1 0 4 0 0 1

2 1 0 0 0 3 0

2 3 6 1 0 1 0

0 1 1 1 5 1 0

5 0 1 3 0 7 2

0 1 2 0 4 2 1

5 4 1 6 1 1 0

2 2 0 2 2 0 3

1 0 1 1 2 3 1

0 3 0 5 7 0 4

1 1 3 1 1 1 0

0 1 0 1 3 3 2

0 7 1 2 1 2 1

4 2 3 2 5 2 1

Welcher Anteil an Kindern hat a) mehr als 2 aber h¨ ochstens 4 kari¨ ose Zähne? b) mindestens 2 aber h¨ ochstens 4 kari¨ ose Zähne? c) mindestens 2 aber weniger als 4 kariöse Zähne? d) mehr als 2 aber weniger als 4 kari¨ ose Zähne? 6.2. K¨ orpergr¨ oße von Studierenden Bei 65 Studierenden einer Jahrgangsstufe wurde die K¨ orpergr¨ oße in cm erhoben. Diese Erhebung f¨ uhrte zu folgendem Ergebnis: 178 169 180 172 189

182 165 174 176 162

166 165 183 168 168

162 175 193 160 160

181 180 172 170 178

168 164 178 170 175

170 188 165 171 168

164 170 162 166 158

171 194 174 165 172

170 171 174 160 163

165 185 162 175 172

164 168 163 183 183

176 164 170 182 164

a) Welcher Anteil an Studierenden ist h¨ ochstens 190 cm groß? b) Welcher Anteil an Studierenden ist gr¨ oßer als 158 cm? c) Welcher Anteil an Studierenden ist gr¨ oßer als 173 cm, aber höchstens 186 cm groß?

6.3. Altersverteilung In der Bev¨ olkerung wurde nachstehende H¨ aufigkeitsverteilung des Merkmals Alter erhoben:

¨ Ubungsaufgaben

0 15 30 45 60 75

Alter < x ≤ 15 < x ≤ 30 < x ≤ 45 < x ≤ 60 < x ≤ 75 < x ≤ 100

93

Personen 1.333.505 1.495.740 2.002.259 1.526.110 1.151.122 609.018

a) Berechnen Sie die relativen H¨ aufigkeiten der einzelnen Altersintervalle. b) Stellen Sie die H¨ aufigkeitsverteilung in einem Histogramm dar. c) Berechnen Sie die Werte der Verteilungsfunktion und der Zuverl¨ assigkeitsfunktion f¨ ur die Auspr¨ agungen 12, 35 und 60 und interpretieren Sie Ihre Ergebnisse.

6.4. Bundespr¨ asidentInnenwahl Die österreichische BundespräsidentInnenwahl vom 25.4.2004 brachte folgendes Ergebnis: Dr. Benita Ferrero-Waldner erhielt 1.969.326 Stimmen und Dr. Heinz Fischer erhielt 2.166.690 Stimmen. Berechnen Sie die relativen H¨ aufigkeiten der beiden KandidatInnen. Stellen Sie diese H¨ aufigkeitsverteilung in einem Kreisdiagramm dar.

6.5. Nationalratswahl ¨ Die erste Nationalratswahl der 2. Republik Osterreich am 25.11.1945 ergab nachstehende Verteilung der g¨ ultigen Stimmen auf die damals zur Wahl stehenden Parteien. Partei Stimmen ¨ SPO 1.434.898 ¨ OVP 1.602.227 ¨ KPO 174.257 Sonstige 5.972

Berechnen Sie die relativen H¨ aufigkeiten der einzelnen Parteien.

6.6. TV-Ger¨ ate Eine Umfrage in 425 Haushalten ergab folgende Verteilung f¨ ur das Merkmal Anzahl an TV-Ger¨ aten:

94

6 Eindimensionale H¨ aufigkeitsverteilungen Anzahl an TV-Ger¨ aten 0 1 2 3 4

hj 48 156 193 21 7

a) Stellen Sie diese H¨ aufigkeitsverteilung in einem Stab- und einem Balkendiagramm dar. b) Berechnen Sie die Werte der Verteilungsfunktion und stellen Sie diese grafisch dar.

7 Maßzahlen f¨ ur eindimensionale Verteilungen

¨ H¨ aufigkeitsverteilungen geben einen ersten Uberblick u ¨ber Informationen aus der Urliste. Oft ist man aber an Informationen in sehr komprimierter Form interessiert. Dabei soll möglichst viel Information u ¨ber die Daten in einer einzigen Zahl verarbeitet werden. Dies gelingt bis zu einem gewissen Grad mit Lagemaßzahlen (z.B dem Mittelwert), die das Zentrum einer Verteilung widerspiegeln. Dieses Zentrum kann auf unterschiedliche Arten festgestellt werden, daher gibt es auch unterschiedliche Lagekennzahlen. Welche Lagemaßzahl f¨ ur den konkreten Fall geeignet ist, entscheidet unter anderem das Skalenniveau des Merkmals, aber auch andere Kriterien sind zu beachten. Die Aussagekraft einer Lagemaßzahl ist begrenzt, daher wird im Normalfall zur besseren Charakterisierung der Datenverteilung noch zus¨ atzlich eine Streuungsmaßzahl erhoben. Diese gibt an, wie weit die Daten von einander oder von einer Lagemaßzahl abweichen.

7.1 Lagemaße Die wichtigsten Lagemaßzahlen sind das arithmetische Mittel, der Median und der Modus. F¨ ur bestimmte Fragestellungen sind diese Kennzahlen aber nicht ausreichend und man muss auf andere Maßzahlen, wie z.B. das geometrische Mittel zur¨ uckgreifen. Insbesondere in Hinblick auf die schließende Statistik sind auch sogenannte Quantile wichtige Lagemaßzahlen.

7.1.1 Arithmetisches Mittel Das arithmetische Mittel ist aus dem Alltagsleben als Mittelwert bekannt. Die meisten Durchschnittswerte, wie beispielsweise das durchschnittliche Einkom-

96


men, die durchschnittliche Pensionsh¨ ohe oder die durchschnittliche Studiendauer sind in statistischer Bezeichnung arithmetische Mittel. Bezeichnungen N Untersuchungsumfang r Anzahl der verschiedenen Auspr¨ agungen xi Auspr¨ agung des i-ten Objektes bzw. i-te Auspr¨ agung Arithmetisches Mittel Liegen N Messdaten zum Merkmal X vor, dann ist N 1 xi x ¯= N i=1

(7.1)

das arithmetische Mittel (oder der Mittelwert) des Merkmals X. Liegt eine Häufigkeitsverteilung zum Merkmal X mit r verschiedenen Auspr¨ agungen vor, dann ist x ¯=

r r 1 xi pi xi hi = N i=1 i=1

(7.2)

Alle Formeln liefern das gleiche Ergebnis. Formel (7.1) verwendet man, wenn die Urliste der Daten vorliegt. Liegt hingegen die H¨ aufigkeitsverteilung in Tabellenform vor, so ist es wesentlich effizienter, eine der beiden Formeln (7.2) zu verwenden. Beispiel 7.1. Durchschnittsgewicht von Gep¨ ackst¨ ucken Von vier Gep¨ ackst¨ ucken soll das durchschnittliche Gewicht erhoben werden. Die gemessenen Gewichte betragen 20 kg, 20 kg, 30 kg und 10 kg. Ausgehend von dieser Urliste l¨ asst sich der Mittelwert mit (7.1) berechnen als x ¯=

1 · (10 + 20 + 20 + 30) = 20 4

Man k¨ onnte aber auch in einem ersten Schritt eine H¨ aufigkeitstabelle anlegen und aus dieser den Mittelwert berechnen: xi

hi

pi

10 20 30

1 2 1

0,25 0,50 0,25

7.1 Lagemaße

97

Daraus ergibt sich mit (7.2) das arithmetische Mittel als x ¯=

1 · (10 · 1 + 20 · 2 + 30 · 1) = 20 4

oder als x ¯ = 10 · 0, 25 + 20 · 0, 5 + 30 · 0, 25 = 20 Bei Intervallskalierung eines Merkmals werden f¨ ur die Berechnung des Mittelwertes die jeweiligen Intervallmitten anstelle der Auspr¨ agungen verwendet. Beispiel 7.2. K¨ orpergr¨ oße von Studierenden Fortsetzung von Beispiel 6.2, Seite 68 x ¯=

1 · (157, 5 · 4 + 162, 5 · 16 + . . . + 192, 5 · 2) ≈ 170, 7 65

Die durchschnittliche K¨ orpergr¨ oße betr¨ agt 170,7 cm. Das arithmetische Mittel als Durchschnittswert ist ausschließlich f¨ ur metrische Merkmale zul¨ assig. Ein besonderer Anwendungsfall ergibt sich, wenn man die Berechnungsvorschrift auf dichotome Merkmale anwendet, deren Auspr¨ agungen mit 0 bzw. 1 kodiert sind. In diesem speziellen Anwendungsfall erh¨ alt man als arithmetisches Mittel nicht den Durchschnittswert, sondern den Anteil der 1-Kodierungen an der Untersuchungsgesamtheit. Beispiel 7.3. Geschlecht von LVA-TeilnehmerInnen (vgl. Beispiel 6.3, Seite 71) An einer Lehrveranstaltung nehmen 25 Personen teil, davon sind 10 Personen weiblich. Es ist der Frauenanteil zu berechnen. Geschlecht m¨ annlich weiblich

Kodierung xi

Anzahl hi

0 1

15 10

Summe

25

Das arithmetische Mittel betr¨ agt x ¯=

1 · (0 · 15 + 1 · 10) = 0, 4 25

Damit betr¨ agt der Frauenanteil in dieser Lehrveranstaltung 40%.

98


Bei dieser Anwendung ist darauf zu achten, dass diejenige Auspr¨ agung, an der man interessiert ist, mit 1 kodiert ist. Mittelwert, arithmetisches Mittel • Bezeichnung x ¯ • Interpretation: Durchschnitt • Zul¨ assigkeit: Ausschließlich f¨ ur metrische Merkmale geeignet. Ungeeignet f¨ ur nominale und ordinale Merkmale. • Bei intervallskalierten Merkmalen werden als Auspr¨ agungen die Intervallmitten verwendet. • Die Berechnungsvorschrift des Mittelwertes angewendet auf dichotome Merkmale ergibt den Anteil der 1-Kodierungen.

7.1.2 Median Der Median wird durch folgende Eigenschaft charakterisiert: Mindestens 50% der Objekte haben eine Auspr¨ agung, die h¨ ochstens so groß ist wie der Median und mindestens 50% der Objekte haben eine Auspr¨ agung, die mindestens so groß ist wie der Median. Man kann sich den Median als mittleren Wert einer geordneten Datenreihe vorstellen. Zur Bestimmung des Medians werden die Daten der Urliste der Gr¨ oße nach sortiert. Besteht der Datensatz aus einer ungeraden Anzahl von Objekten, so gibt es genau eine Auspr¨ agung, die im geordneten Datensatz in der Mitte steht. Diese Ausprägung ist der Median. Bei einem Datensatz mit einer geraden Anzahl von Objekten gibt es zwei Auspr¨ agungen in der Mitte. Der Median errechnet sich als arithmetisches Mittel dieser beiden Ausprägungen. Bezeichnungen N Untersuchungsumfang x(i) Auspr¨ agung an der i-ten Stelle der geordneten Datenreihe Median Der Wert x 0,5 =

1 2

x( N +1 ) 2 x( N ) + x( N +1) 2

2

wenn N ungerade wenn N gerade

der geordneten Merkmalsauspr¨ agungen heißt Median des Merkmals X.

7.1 Lagemaße

99

Median • Bezeichnung x 0,5 • Interpretation: Mindestens 50% der Objekte haben eine Auspr¨ agung, die h¨ ochstens so groß ist wie der Median und mindestens 50% der Objekte haben eine Auspr¨ agung, die mindestens so groß ist wie der Median. • Zul¨ assigkeit: F¨ ur ordinale und metrische Merkmale geeignet. Ungeeignet f¨ ur nominale Merkmale.

Beispiel 7.4. Seile Vier Seile werden auf ihre L¨ ange untersucht. Die gemessenen Seillängen betrugen 50m, 60m, 30m und 40m. Bevor der Median bestimmt werden kann, muss diese Urliste nach den Ausprägungen geordnet werden, also 30m, 40m, 50m, 60m. Die Anzahl der untersuchten Objekte ist gerade (N = 4), daher m¨ ussen wir das arithmetische Mittel jener Auspr¨ agungen berechnen, die an den Stellen N2 = 2 und N2 + 1 = 3 der geordneten Datenreihe stehen. In unserem Fall ergibt sich (40+50)/2 = 45. Der Median liegt demnach bei 45 Meter. Mindestens 50% der Seile sind h¨ ochstens 45 Meter lang und mindestens 50% der Seile sind mindestens 45 Meter lang. In einer zweiten Untersuchung werden f¨ unf Seile untersucht mit den Ergebnissen 40m, 30m, 50m, 30m und 60m. Auch hier muss die Urliste in einem ersten Schritt in eine geordnete Datenreihe umgewandelt werden: 30m, 30m, 40m, 50m, 60m. Die Anzahl der untersuchten Objekte ist ungerade (N = 5), daher steht an der Stelle N2+1 = 3 der geordneten Datenreihe der Median. In unserem Beispiel liegt der Median demnach bei 40 Meter. Mindestens 50% der untersuchten Seile sind h¨ ochstens 40 Meter lang und mindestens 50% der untersuchten Seile sind mindestens 40 Meter lang. Ein anderer Weg zur Bestimmung des Medians ist das Ablesen aus der Verteilungsfunktion. F¨ ur diskrete Merkmale k¨ onnen zwei F¨ alle auftreten: 1. Es gibt eine Auspr¨ agung, f¨ ur die der Wert der Verteilungsfunktion exakt 0,5 ist. Dieser Fall kann nur dann eintreten, wenn eine gerade Zahl N von Objekten vorliegt und die Auspr¨ agungen an den Stellen ( N2 ) und ( N2 + 1) der geordneten Datenreihe unterschiedlich sind. In diesem Fall errechnet man den Median als arithmetisches Mittel von jener Auspr¨ agung, f¨ ur die der Wert der Verteilungsfunktion exakt 0,5 ist, und der n¨ achst größeren Auspr¨ agung (vgl. Beispiel 7.4, erste Untersuchung). 2. Es gibt keine Auspr¨ agung, f¨ ur die der Wert der Verteilungsfunktion exakt 0,5 ist. Dann ist der Median jene Auspr¨ agung, f¨ ur die der Wert der Verteilungsfunktion das erste Mal den Wert 0,5 u ¨berschreitet (vgl. Beispiel 7.4, zweite Untersuchung).

100


Beispiel 7.5. Kari¨ ose Z¨ ahne von Kindern Fortsetzung von Beispiel 6.1, Seite 61 Es wurden N = 140 Kinder untersucht, der Median berechnet sich als arithmetisches Mittel der Auspr¨ agungen, die an den Stellen 70 bzw. 71 der geordneten Datenreihe stehen. Ordnet man die Auspr¨ agungen der Gr¨ oße nach (zuerst alle Kinder mit 0 kari¨ osen Zähnen, dann alle mit einem kari¨ osen Zahn usw.) dann findet man als Median 1+1 2 = 1. Mindestens 50% der Kinder haben mindestens einen kari¨ osen Zahn und mindestens 50% der Kinder haben h¨ ochstens einen kari¨ osen Zahn.

Intervallskalierte Merkmale F¨ ur intervallskalierte Merkmale wird der Median als jene Auspr¨ agung bestimmt, f¨ ur die der Wert der empirischen Verteilungsfunktion 0,5 ist. Diese Auspr¨ agung kann aus der grafischen Darstellung der empirischen Verteilungsfunktion abgelesen werden. Man kann den Median auch mit Formel (6.2) berechnen, die f¨ ur diesen Zweck etwas umgeformt werden muss (vgl. Seite 90). Formel (6.2) berechnet f¨ ur eine vorgegebene Auspr¨ agung den Wert der Verteilungsfunktion. Nun ben¨ otigen wir die Umkehrung, weil zum Wert der Verteilungsfunktion 0,5 die zugeh¨ orige Auspr¨ agung gesucht werden muss. Das Intervall (ei−1 ; ei ] sei jenes Intervall, bei dem der Wert der Verteilungsfunktion an der Obergrenze des Intervalls das erste Mal den Wert 0,5 erreicht oder u ¨berschreitet. Dann ist der Median jene Auspr¨ agung j, f¨ ur die gilt: 0, 5 = p(x ≤ ei−1 ) + pi ·

j − ei−1 ei − ei−1

Aufl¨ osung dieser Gleichung nach j liefert j = (0, 5 − p(x ≤ ei−1 )) ·

ei − ei−1 + ei−1 pi

Berechnung des Medians bei intervallskalierten Merkmalen Das Intervall (ei−1 ; ei ] sei jenes Intervall, bei dem der Wert der Verteilungsfunktion an der Obergrenze des Intervalls das erste Mal den Wert 0,5 erreicht oder u ¨berschreitet. Dann ist der Median gegeben durch x 0,5 = (0, 5 − p(x ≤ ei−1 )) ·


7.1 Lagemaße

101

Beispiel 7.6. K¨ orpergr¨ oße von Studierenden Fortsetzung von Beispiel 6.2, Seite 68 Die Verteilungsfunktion u ¨bersteigt den Wert 0,5 zum ersten Mal an der Obergrenze des Intervalls (165; 170] (vgl. Tabelle 6.8, Seite 86). Dieses Intervall bildet unseren Ausgangspunkt. Daher sind folgende Werte zu verwenden: p(x ≤ ei−1 ) = 0, 308

ei−1 = 165

ei = 170

pi = 0, 215

Damit ergibt sich: x 0,5 = (0, 5 − 0, 308) ·

170 − 165 + 165 ≈ 169, 5 0, 215

Mindestens 50% der Personen sind h¨ ochstens 169,5 cm groß und mindestens 50% der Personen sind mindestens 169,5 cm groß.

7.1.3 Modus Diejenige Auspr¨ agung, welche die gr¨ oßte Häufigkeit aufweist, bezeichnet man als Modus oder als Modalwert. Tritt die gr¨ oßte vorkommende H¨ aufigkeit bei nur einer Auspr¨ agung auf, bezeichnet man die Verteilung als unimodal. Bimodale Verteilungen besitzen zwei Modi, die größte H¨ aufigkeit tritt demnach bei zwei Auspr¨ agungen auf. Bei intervallskalierten Merkmalen bezeichnet man das Intervall, welches die gr¨ oßte Häufigkeit aufweist, als modale Klasse. Der Modus ist f¨ ur alle Merkmalstypen geeignet, spielt aber in der Praxis eine untergeordnete Rolle. Modus, Modalwert • • • • • •

Bezeichnung xmod Interpretation: Auspr¨ agung mit der gr¨ oßten H¨ aufigkeit Zul¨ assigkeit: f¨ ur alle Merkmalstypen zul¨ assig Bei intervallskalierten Merkmalen Bezeichnung als modale Klasse Unimodale Verteilungen besitzen einen Modus. Bimodale Verteilungen besitzen zwei Modi.

Beispiel 7.7. Kari¨ ose Z¨ ahne von Kindern Fortsetzung von Beispiel 6.1, Seite 61 Wie aus Tabelle 6.1 (Seite 62) ersichtlich, ist die gr¨ oßte vorkommende H¨ aufigkeit 42. Demnach ist der Modus dieser Verteilung ein kari¨ oser Zahn, es liegt eine unimodale Verteilung vor. Die meisten Kinder haben genau einen kari¨ osen Zahn.

102


Beispiel 7.8. K¨ orpergr¨ oße von Studierenden Fortsetzung von Beispiel 6.2, Seite 68 Aus Tabelle 6.2 (Seite 69) kann die gr¨ oßte Häufigkeit in diesem Beispiel abgelesen werden. Die meisten Personen sind zwar gr¨ oßer als 160 cm, aber höchstens 165 cm groß.

7.1.4 Quantile Quantile sind Auspr¨ agungen von quantitativen Variablen, die geordnete Datenreihen in Gruppen unterteilen, so dass ein bestimmter Prozentsatz u ¨ber und ein bestimmter Prozentsatz unter dem Quantil liegt. Quantile werden auch als Perzentile oder Fraktile bezeichnet. Das α-Quantil ist jener Wert x α , f¨ ur den mindestens der Anteil α der Daten kleiner oder gleich x α und mindestens der Anteil 1 − α der Daten gr¨ oßer oder gleich x α ist. Zusammen mit der Definition der Verteilungsfunktion ergibt sich daher das α-Quantil als jene Auspr¨ agung, dessen Verteilungsfunktion gerade α ist. Der Median ist nichts anderes als ein 0,5-Quantil. Quartile Quartile sind besondere Quantilswerte, weil sie die Daten in vier gleichgroße Gruppen teilen. Das untere Quartil ist somit nichts anderes als ein 0,25Quantil, das mittlere Quartil entspricht dem Median bzw. dem 0,5-Quantil und das obere Quartil ist das 0,75-Quantil. In Analogie zum Median lauten die Berechnungsvorschriften f¨ ur Quantile: α-Quantil Der Wert ⎧ x(k) wenn N · α keine ganze Zahl ist ⎪ ⎪ ⎨ k ist dann die auf N · α folgende ganze Zahl x α = 1

x wenn N · α eine ganze Zahl ist + x ⎪ (k) (k+1) ⎪ ⎩2 dann ist k = N · α

heißt α-Quantil des Merkmals X, wobei x(k) die Auspr¨ agung an der k-ten Stelle der geordneten Datenreihe bezeichnet.

7.1 Lagemaße

103

Beispiel 7.9. Kari¨ ose Z¨ ahne von Kindern Fortsetzung von Beispiel 6.1, Seite 61 und Seite 85 Wieviele kari¨ ose Zähnen haben 70% der Kinder h¨ ochstens? Zur Beantwortung dieser Frage ist das 0,7-Quantil bei N = 140 zu berechnen. x 0,7 =

1 1 (x(98) + x(99) ) = (2 + 2) = 2 2 2

Demnach haben mindestens 70% der Kinder h¨ ochstens zwei kariöse Zähne, mindestens 25% der Kinder haben mindestens zwei kari¨ ose Zähne. Alternativ dazu kann wie beim Median auch das Quantil an der Verteilungsfunktion abgelesen werden. F¨ ur diskrete Merkmale k¨ onnen zwei F¨ alle auftreten: 1. Es gibt eine Auspr¨ agung, f¨ ur die der Wert der Verteilungsfunktion exakt α ist. In diesem Fall errechnet man das α-Quantil als arithmetisches Mittel von jener Auspr¨ agung, f¨ ur die der Wert der Verteilungsfunktion exakt α ist, und der n¨ achst gr¨ oßeren Auspr¨ agung. 2. Es gibt keine Auspr¨ agung, f¨ ur die der Wert der Verteilungsfunktion exakt α ist. Dann ist das α-Quantil jene Auspr¨ agung, f¨ ur die der Wert der Verteilungsfunktion das erste Mal den Wert α u ¨berschreitet. Berechnung des α-Quantils bei intervallskalierten Merkmalen Das Intervall (ei−1 ; ei ] sei jenes Intervall, bei dem der Wert der Verteilungsfunktion an der Obergrenze des Intervalls das erste Mal den Wert α erreicht oder u ¨berschreitet. Dann ist das α-Quantil gegeben durch x α = (α − p(x ≤ ei−1 )) ·


Beispiel 7.10. K¨ orpergr¨ oße von Studierenden Fortsetzung von Beispiel 6.2, Seite 68 Welche Körpergr¨ oße wird von 25% der Personen u ¨berschritten? Hier muss das 0,75-Quantil berechnet werden, weil diese Frage a¨quivalent ist zu der Frage, welche Körpergr¨ oße von 75% der Personen h¨ ochstens erreicht wird. Die Verteilungsfunktion u ¨bersteigt den Wert 0,75 zum ersten Mal an der Obergrenze des Intervalls (175; 180]. Dieses Intervall bildet unseren Ausgangspunkt. Daher sind folgende Werte zu verwenden: p(x ≤ ei−1 ) = 0, 723 Damit ergibt sich:

ei−1 = 175

ei = 180

pi = 0, 108

104


x 0,75 = (0, 75 − 0, 723) ·

180 − 175 + 175 ≈ 176, 3 0, 108

Damit sind 75% der untersuchten Personen h¨ ochstens 176,3 cm groß und 25% der Personen sind gr¨ oßer. Praxistipp Mathematisch gesehen lassen sich Quantile auch f¨ ur kleine Untersuchungsumf¨ ange berechnen. Aber nicht immer ist alles, was mathematisch erlaubt ist, tats¨ achlich auch sinnvoll. F¨ ur kleinere Datenmengen sollte man sich daher mit dem Median begn¨ ugen.

7.1.5 Geometrisches Mittel Das geometrische Mittel verwendet man zur Durchschnittsberechnung von Wachstumsfaktoren. Ein Wachstumsfaktor gibt an, um welchen Faktor sich eine interessierende Gr¨ oße, beispielsweise der Wert einer Aktie, geändert hat. Bezeichnungen It It−1 gt pt

Wert der betrachteten Gr¨ oße zur Zeit t Wert zur Zeit t-1, also zur Vorperiode Wachstumsfaktor zur Zeit t Wachstumsrate zur Zeit t

Ein Wachstumsfaktor zur Zeit t errechnet sich als Quotient aus den Werten der jeweiligen Periode und der Vorperiode: gt =

It It−1

Die Wachstumsrate ist das prozentuelle Wachstum: pt = (gt − 1) · 100% Geometrisches Mittel Der Durchschnitt von k aufeinander folgenden Wachstumsfaktoren g1 , g2 ,. . . gk ist √ g = k g1 · g2 · . . . · gk = k Ik /I0

und heißt das geometrische Mittel dieser Wachstumsfaktoren.

7.1 Lagemaße

105

Durchschnittliche Wachstumsrate Der Wert p = (g − 1) · 100% ist die durchschnittliche Wachstumsrate in Prozent. Beispiel 7.11. Aktienrenditen Eine Aktie mit dem Wert 100 steigt im ersten Jahr um 50%, im zweiten Jahr f¨ allt sie um 50%. Wie hoch ist die durchschnittliche Wachstumsrate pro Jahr? Ausgehend vom Wert 100 hat die Aktie nach dem ersten Jahr den Wert 150 und nach dem zweiten Jahr den Wert 75. Damit gilt: g1 = und damit g=

150 = 1, 5 100

1, 5 · 0, 5 =

g2 =

75 = 0, 5 150

0, 75 ≈ 0, 866

Die durchschnittliche Wachstumsrate in Prozent p = (0, 866 − 1) · 100% = −13, 4% besagt, dass der durchschnittliche Wertverlust der Aktie 13,4% pro Jahr betr¨ agt. Die Berechnung mittels arithmetischem Mittel w¨ urde in Beispiel 7.11 zu einem völlig falschen Ergebnis f¨ uhren. Der Grund daf¨ ur liegt in der Tatsache, dass bei der Verzinsung im zweiten Jahr nicht nur das Kapital verzinst wird, sondern auch die bereits angefallenen Zinsen. Diese Zinseszinsen sind in der Durchschnittsberechnung zu ber¨ ucksichtigen, was das arithmetische Mittel im Gegensatz zum geometrischen Mittel nicht leisten kann. Aus diesem Grund sind Durchschnittswerte, die einen Zeitverlauf und damit das Problem der Zinseszinsen beinhalten, generell mit dem geometrischen Mittel zu berechnen. Dieses Problem kann auch bei Fragestellungen auftreten, die keine monet¨ aren Gr¨ oßen betrachten, wie das folgende Beispiel zeigt: Beispiel 7.12. Bev¨ olkerungswachstum Man m¨ ochte berechnen, wie hoch die durchschnittliche Wachstumsrate in der osterreichischen Bevölkerung ist. Dazu wurden die Bev¨ ¨ olkerungsdaten der Jahre 1998 bis 2004 erhoben (Quelle: Statistik Austria, Statistisches Jahrbuch 2006, Seite 40) und die zugeh¨ origen Wachstumsfaktoren berechnet. Als geometrisches Mittel der Wachstumsfaktoren erhält man g = 6 1, 0019 · 1, 0024 · . . . · 1, 0070 = 6 1, 0248 = 1, 0041

106

7 Maßzahlen f¨ ur eindimensionale Verteilungen ¨ Tabelle 7.1. Bev¨ olkerung in Osterreich Jahr

Bev¨ olkerung

Wachstumsfaktor

1998 1999 2000 2001 2002 2003 2004

7.976.789 7.992.323 8.011.566 8.043.046 8.083.797 8.117.754 8.174.733

1,0019 1,0024 1,0039 1,0051 1,0042 1,0070

Die durchschnittliche Wachstumsrate errechnet man mit p = (1, 0041 − 1) · 100% = 0, 41% Die Zahl der o¨sterreichische Bevölkerung ist in den Jahren 1998 bis 2004 durchschnittlich um 4,1 Promille pro Jahr gestiegen.

7.1.6 Lagekennzahlen in EXCEL EXCEL stellt f¨ ur die Berechnung von Lagekennzahlen eigene Funktionen zur Verf¨ ugung. Diese Funktionen ben¨ otigen nur den Bezug zum Datensatz, lediglich beim Quantil muss zus¨ atzlich noch der Wert f¨ ur α eingegeben werden. Berechnet man den Modus einer Verteilung, die mehrere Modi aufweist, so wird als Ergebnis derjenige Modus ausgegeben, der zuerst im Datensatz gefunden wird. Die Berechnung des Quantils erfolgt in EXCEL mit Interpolation, allerdings wird nicht dokumentiert, wie interpoliert wird. Die Funktion zur Berechnung des Quantils sollte nur bei einem ausreichend großen Datensatz verwendet werden, weil in diesem Fall der Interpolationsfehler relativ gering ist. Bei Quantilen bzw. beim Modus k¨ onnen daher in EXCEL Ergebnisse auftreten, die von anders ermittelten Ergebnissen (h¨ andisch oder SPSS) abweichen. Die richtigen Modi lassen sich am besten aus der Häufigkeitstabelle ablesen, und die Quantile bei kleinen Datens¨ atzen (bis n = 50) sollte man wenn u ¨berhaupt - h¨ andisch ermitteln. Sind die Daten nicht als Urliste, sondern als H¨ aufigkeitsverteilung vorhanden, so m¨ ussen die Kennzahlen in Anlehnung an die zugrunde liegenden Formeln berechnet bzw. erhoben werden. Die EXCEL-Funktionen liefern nur bei Vorliegen der Urliste richtige Ergebnisse. Beispiel 7.13. Kari¨ ose Z¨ ahne von Kindern Fortsetzung von Beispiel 6.1, Seite 61 Die Berechnung von Mittelwert, Median, Modus und 0,7-Quantil erfolgt u ¨ber die Anweisungen

7.1 Lagemaße

107

=MITTELWERT(’Datensatz EXCEL’ !$A$1:$T$7) =MEDIAN(’Datensatz EXCEL’ !$A$1:$T$7) =MODALWERT(’Datensatz EXCEL’ !$A$1:$T$7) =QUANTIL(’Datensatz EXCEL’ !$A$1:$T$7;0,70) Die Ergebnisse sind x ¯ = 1, 7; x 0,5 = 1; xmod = 1 und x 0,7 = 2. Durchschnittlich hat jedes Kind 1,7 kari¨ ose Zähne (arithmetisches Mittel). Mindestens 50% der Kinder haben mindestens einen kari¨ osen Zahn und mindestens 50% der Kinder haben h¨ ochstens einen kari¨ osen Zahn (Median). Die meisten der Kinder hatten genau einen kari¨ osen Zahn (Modus). Mindestens 70% der Kinder haben h¨ ochstens zwei kariöse Zähne, mindestens 25% der Kinder haben mindestens zwei kariöse Zähne (0,7-Quantil). Beispiel 7.14. K¨ orpergr¨ oße von Studierenden Fortsetzung von 6.2, Seite 68 Die Berechnungen von Mittelwert, Median, Modus und 0,75-Quantil u ¨ber die Anweisungen mit Bezug auf den Datensatz liefern die Ergebnisse x ¯ = 0,75 = 176 cm. Diese Ergebnisse 171, 6 cm, x 0,5 = 170 cm, xmod = 170 cm, x weichen von unseren h¨ andisch ermittelten Ergebnissen deswegen ab, weil wir f¨ ur die h¨ andische Berechnung immer auf die intervallskalierten Daten zur¨ uckgegriffen haben, f¨ ur die EXCEL-Anweisungen aber den Originaldatensatz verwenden. Beispiel 7.15. Bev¨ olkerungswachstum Fortsetzung von 7.12, Seite 105 Die Berechnung des geometrischen Mittels erfolgt u ¨ ber die Anweisung =GEOMITTEL(1,0019;1,0024;1,0039;1,0051;1,0042;1,0070) und liefert das Ergebnis g = 1, 0041. Die Umrechnung des durchschnittlichen Wachstumsfaktors auf das durchschnittliche prozentuelle Wachstum muss zusätzlich durchgef¨ uhrt werden. Lagemaße mit EXCEL MITTELWERT(Datenbezug) MEDIAN(Datenbezug) MODALWERT(Datenbezug) QUANTIL(Datenbezug; α) GEOMITTEL(Datenbezug)

mit 0 ≤ α ≤ 1

108


7.1.7 Lagekennzahlen in SPSS Unter Analysieren → Deskriptive Statistiken → H¨ aufigkeiten findet man in der Option Statistik die verschiedenen Kennzahlen. Bei den Lagemaßen im rechten Fensterbereich k¨ onnen Mittelwert, Median und Modalwert ausgewählt werden. Das Quantil kann im linken Fensterbereich u ¨ber Perzentile angefordert werden, wobei die Eingabe f¨ ur α in Prozent erfolgt, also eine Zahl zwischen 0 und 100 ist. Berechnet man den Modus einer Verteilung mit mehreren Modi, so wird als Ergebnis der kleinste Modus ausgegeben. Im Bedarfsfall wird auf diese Vorgehensweise hingewiesen. Bei kleinen Datensätzen kann die Berechnung des Quantils in SPSS zu Ergebnissen f¨ uhren, die von den h¨ andisch ermittelten Ergebnissen abweichen. Dies liegt daran, dass SPSS f¨ ur die Berechnung des Quantils interpoliert, allerdings wird diese Interpolation anders durchgef¨ uhrt als in EXCEL. Daher ist f¨ ur kleine Datens¨ atze (bis n = 50) die h¨ andische Ermittlung des Quantils zu empfehlen. Das geometrische Mittel findet man unter dem Men¨ upunkt Analysieren → Berichte → F¨ alle zusammenfassen ebenfalls in der Option Statistik, dabei ist zu beachten dass die Daten Wachstumsfaktoren beinhalten m¨ ussen. Das Ergebnis zeigt den durchschnittlichen Wachstumsfaktor, den man in das prozentuelle Wachstum umrechnen muss. Lagemaße mit SPSS • Analysieren → Deskriptive Statistiken → H¨ aufigkeiten • Option Statistik ermöglicht die Berechnung von Mittelwert, Median, Modus und Quantilen • α-Quantil = 100α-Perzentil • Analysieren → Berichte → F¨ alle zusammenfassen, Option Statistik ermöglicht die Berechnung des geometrischen Mittels

7.2 Streuungsmaße Mit Hilfe der Lagemaßzahlen haben wir versucht, den gesamten Datensatz durch eine einzige Kennzahl zu beschreiben. Dadurch bleiben oft sehr wichtige Informationen unber¨ ucksichtigt. Angenommen wir h¨ atten einerseits einen Datensatz bestehend aus den Auspr¨ agungen 1 und 9. Die Berechnung des Mittelwertes ergibt als durchschnittliche Auspr¨ agung 5. Ein anderer Datensatz mit den Auspr¨ agungen 5 und 5 w¨ urde zum gleichen Mittelwert f¨ uhren, obwohl der Datensatz ganz anders ist als der erste. Streuungsmaße sollen ausdr¨ ucken, wie weit die einzelnen Datenpunkte voneinander bzw. von einem festen Bezugspunkt entfernt sind.

7.2 Streuungsmaße

109

Spannweite Liegen N Messdaten x1 , x2 , . . . , xN zum Merkmal X vor, dann ist der Abstand zwischen der gr¨ oßten und der kleinsten vorkommenden Auspr¨ agung R = xmax − xmin die Spannweite von x. Eine Spannweite ist f¨ ur metrische Merkmale geeignet, nicht aber f¨ ur nominale oder ordinale Merkmale. Die Spannweite ist einfach zu berechnen, wird aber in der Praxis sehr selten verwendet. Im Normalfall werden eher Minimum und Maximum der Auspr¨ agungen getrennt angegeben. Die wichtigste Streuungskennzahl ist die Varianz, die das arithmetische Mittel der quadrierten Abst¨ ande der Datenpunkte zum Mittelwert ist. Ausgehend von der Varianz werden weitere Streuungsmaße wie die Standardabweichung oder der Variationskoeffizient berechnet. Varianz Die Varianz ist die mittlere quadratische Abweichung vom Mittelwert. Die Berechnung der Varianz ist nur f¨ ur metrische Merkmale zulässig. Varianz, Standardabweichung und Variationskoeffizient sind ausschließlich f¨ ur metrische Merkmale geeignet. Dies ist unmittelbar einsichtig, weil diese Kennzahlen auf das arithmetische Mittel der Daten zur¨ uckgreifen. Varianz Liegen N Messdaten zum Merkmal X vor, dann ist s2 = die Varianz des Merkmals X.

N 1 (xi − x ¯)2 N i=1

(7.3)

Liegt eine Häufigkeitsverteilung zum Merkmal X mit r verschiedenen Auspr¨ agungen vor, dann ist s2 =

r r r 1 x2i pi − x ¯2 (xi − x ¯)2 pi = (xi − x ¯)2 hi = N i=1 i=1 i=1

(7.4)

110


Auch an diesen Formeln kann man die inhaltliche Bedeutung der Varianz als mittlere quadratische Abweichung der Daten vom Mittelwert erkennen, wenn man die Formeln zur Varianzberechnung denen f¨ ur die Mittelwertsberechnung gegen¨ uberstellt. Liegt ein Merkmal in Intervallskalierung vor, so werden wie beim Berechnen des arithmetischen Mittels die Intervallmitten als Auspr¨ agungen xi verwendet. Standardabweichung, Variationskoeffizient √ s = + s2 ist die Standardabweichung von X. V =

s ist der Variationskoeffizient von X. x ¯

Liegt ein Merkmal mit physikalischen Einheiten vor (z.B. K¨ orpergr¨ oße in cm) so ist bei der Berechnung der Streuungsparameter folgendes zu beachten: Die Maßeinheit der Varianz ist quadratisch (cm2 ), die Standardabweichung und die Spannweite werden in der gleichen Maßeinheit wie die Messwerte angegeben, der Variationskoeffizient besitzt keine Maßeinheit, ist also dimensionslos. Der Variationskoeffizient setzt die Streuung in Relation zum Mittelwert und wird daher auch als relatives Streuungsmaß bezeichnet. Der Variationskoeffizient ist insbesondere zum Vergleich zweier Verteilungen geeignet, die in unterschiedlichen Dimensionen gemessen wurden (z.B. Preise in unterschiedlichen W¨ ahrungen). Beispiel 7.16. Kari¨ ose Z¨ ahne von Kindern Fortsetzung von Beispiel 6.1, Seite 61 und 106 Der Mittelwert betrug 1,7, f¨ ur die Berechnung der Varianz verwenden wir Formel (7.4). Tabelle 7.2. Varianzberechnung zu Beispiel 6.1 xi

pi

pi (xi − x ¯)2

0 1 2 3 4 5 6 7

0,293 0,300 0,143 0,114 0,050 0,057 0,014 0,029

0,846 0,147 0,013 0,193 0,265 0,622 0,264 0,803

Summe

1,000

3,153

7.2 Streuungsmaße

111

Die Varianz betr¨ agt demnach 3,153, daraus ergibt sich die Standardabweichung 1,776 und der Variationskoeffizient von 1,044. Daraus kann lediglich abgelesen werden, dass die Daten vom Mittelwert abweichen, eine detailliertere Interpretation ist vorerst nicht m¨ oglich.

Beispiel 7.17. K¨ orpergr¨ oße von Studierenden Fortsetzung von 6.2, Seite 68 und 97 Als Mittelwert wurde 170,7 cm berechnet (h¨ andisch).

Tabelle 7.3. Varianzberechnung zu Beispiel 6.2 pi (xi − x ¯)2

Intervallmitte xi

pi

157,5 162,5 167,5 172,5 177,5 182,5 187,5 192,5

0,062 0,246 0,215 0,200 0,108 0,108 0,031 0,031

10,773 16,676 2,248 0,626 4,935 14,917 8,653 14,582

Summe

≈1

73,408

Die Varianz betr¨ agt demnach 73,4 cm2 , daraus ergibt sich die Standardabweichung 8,6 cm und der Variationskoeffizient von 0,05. F¨ ur die praktische Berechnung der Varianz wird meist auf die Formel s2 =

N 1 2 x −x ¯2 N i=1 i

zur¨ uckgegriffen, die sich durch einfache Umformung aus (7.3) ergibt:

112

7 Maßzahlen f¨ ur eindimensionale Verteilungen N N 1 2 1 2 (xi − x ¯) = (x − 2xi x ¯+x ¯2 ) = s = N i=1 N i=1 i 2

=

=

=

N N N 1 2 1 1 2 xi − 2 xi x ¯+ x ¯ = N i=1 N i=1 N i=1 N N 1 1 2 xi − 2¯ x xi + x ¯2 = N i=1 N i=1 N 1 2 x −x ¯2 N i=1 i

7.3 Eigenschaften von Lage- und Streuungsmaßen Die Auswahl geeigneter Lage- und Streuungsmaßzahlen h¨ angt in erster Linie vom Skalenniveau der betrachteten Merkmale ab. In manchen Situationen sind aber nicht alle zul¨ assigen Kennzahlen auch wirklich zweckmäßig. Die Kenntnis u ¨ber wichtige Eigenschaften der Maßzahlen erleichtert die Entscheidung, welche Kennzahlen f¨ ur ein vorliegendes Problem ad¨ aquat sind.

7.3.1 Maßeinheiten Lagekennzahlen werden in der gleichen Maßeinheit angegeben wie die Auspr¨ agungen. Auch die Standardabweichung und die Spannweite sind in der gleichen Einheit, die Varianz weist immer quadratische Einheit auf und der Variationskoeffizient ist dimensionslos. In manchen F¨ allen soll die Maßeinheit der Merkmalsauspr¨ agungen ge¨ andert werden, z.B. um die Temperatur in Grad Fahrenheit statt in Grad Celsius an¨ zugeben. Alle Auspr¨ agungen sind f¨ ur diese konkrete Anderung der Maßeinheit gemäß ◦ F = 1, 8 · ◦ C + 32 umzurechnen. Alle Lagemaße ändern sich in gleicher Weise wie die einzelnen Ausprägungen, d.h. auch die urspr¨ unglichen Lagemaße k¨ onnen einfach transformiert werden. Die Auswirkung auf die Streuungsmaßzahlen ist unterschiedlich. F¨ ur Varianz und Standardabweichung bleibt eine Addition eines Summanden unber¨ ucksichtigt, ein Faktor bleibt f¨ ur die Standardabweichung als Faktor vorhanden, f¨ ur die Varianz wird der Faktor quadriert.

7.3 Eigenschaften von Lage- und Streuungsmaßen

113

Transformationsregeln X und Y seien zwei Merkmale, und sei Y = a · X + b eine lineare Transformation von X dann gilt: y¯ = a · x ¯+b y0,5 = a · x 0,5 + b

ymod = a · xmod + b s2y = a2 · s2x

sy = |a| · sx F¨ ur b = 0 gilt weiters |Vy | = |Vx | Betrachtet man die Umkehrung dieser Transformation, so l¨ asst sich auch das Merkmal X als lineare Transformation von Y darstellen: X=

Y −b a

W¨ ahlt man nun f¨ ur a die Standardabweichung sY und f¨ ur b den Mittelwert y¯, so weist das transformierte Merkmal X den Mittelwert 0 und die Standardabweichung 1 auf. Man nennt diese spezielle lineare Transformation die Standardisierung des Merkmals Y.

7.3.2 Minimaleigenschaften Der Mittelwert ist jener Wert a, f¨ ur den die Summe der quadratischen AbweiN chungen der Datenpunkte zu diesem Wert s2 (a) = i=1 (xi −a)2 am kleinsten ist. Der Median ur den die Summe der Abweichungsbetr¨ age

N ist jener Wert a, f¨ D(a) = i=1 |xi − a| minimal wird. 7.3.3 Robustheit Der Mittelwert reagiert sehr empfindlich auf so genannte Ausreißer. Ein Ausreißer ist eine Auspr¨ agung, die auff¨ allig weit von allen anderen Auspr¨ agungen abweicht. Manchmal sind solche Ausreißer auf einen Fehler in der Datenerhebung zur¨ uckzuf¨ uhren. Es kann aber genauso gut sein, dass dieser Ausreißer zu Recht in den Daten vorhanden ist.

114


Wesentlich unempfindlicher gegen¨ uber solchen Ausreißern sind der Modus und der Median, man nennt diese Lagekennzahlen daher robust. Die Standardabweichung, die Varianz und die Spannweite reagieren wegen ihrer Abh¨ angigkeit vom Mittelwert ebenfalls sehr empfindlich auf Ausreißer.

7.4 Auswahl geeigneter Lagemaßzahlen Zur Auswahl geeigneter Lagemaßzahlen bestimmt man zun¨ achst die zulässigen Kennzahlen, die sich aus dem Skalenniveau des Merkmals ergeben. Damit k¨ onnen f¨ ur nominale Merkmale der Modus, f¨ ur ordinale Merkmale der Modus, der Median und andere Quantile und f¨ ur metrische Merkmale alle Lagemaßzahlen berechnet werden. Aus der Fragestellung geht hervor, ob ein arithmetisches oder ein geometrisches Mittel (Ber¨ ucksichtigung von Zinseszinsen, vgl. Kapitel 7.1.5) zu berechnen ist. Nicht immer sind alle zul¨ assigen Kennzahlen auch tats¨ achlich geeignet, um Informationen u ¨ber den Datensatz komprimiert darzustellen. Dies kann am Datensatz liegen, wenn beispielsweise einzelne Ausreißer das arithmetische Mittel unbrauchbar machen, kann aber auch andere Ursachen haben. Der Modus aus einem Datensatz von K¨ orpergr¨ oßen ist sicherlich eine zulässige aber ziemlich unn¨ utze Kennzahl, sofern nicht die modale Klasse des intervallskalierten Merkmals bestimmt wird. Es ist unm¨ oglich, eine genaue Anweisung zu geben, in welchen F¨ allen welche Kennzahlen sinnvoll sind. Damit bleibt es den LeserInnen u ¨berlassen, an geeigneter Stelle u ¨ber die Aussagekraft und Zweckm¨ aßigkeit verschiedener Kennzahlen nachzudenken.

7.5 Maßzahlen der Schiefe und W¨ olbung Die Gestalt einer Verteilung kann zus¨ atzlich u ¨ber die Schiefe oder die W¨ olbung einer Verteilung beschrieben werden. Zur Berechnung geeigneter Kennzahlen ben¨ otigt man die Momente dritter und vierter Ordnung.

7.5 Maßzahlen der Schiefe und W¨ olbung

115

Momente der Ordnung k in Bezug auf den Punkt a Liegen N Messdaten x1 , x2 , . . . , xN zum Merkmal X vor, dann nennt man die Gr¨ oßen mk (a) =

N 1 (xi − a)k N i=1

f¨ ur

k = 1, 2, 3, . . .

die Momente der Ordnung k in Bezug auf den Punkt a. Ist a = 0, so nennt man diese Gr¨ oßen gew¨ ohnliche Momente, ist a = x ¯, so nennt an sie zentrale Momente. Der Mittelwert entspricht nach dieser Definition dem gew¨ ohnlichen Moment erster Ordnung, die Varianz dem zentralen Moment zweiter Ordnung: x ¯ = m1 (0)

s2 = m2 (¯ x)

Die Schiefe einer Verteilung l¨ asst sich u ¨ ber den Momentenkoeffizienten bestimmen:

α=

x) m3 (¯ = s3

N 1 (xi − x ¯)3 N i=1

s3

Ist α = 0, so spricht man von einer um x ¯ symmetrischen Verteilung. Ist α positiv, so liegt eine rechtsschiefe Verteilung vor, bei negativem α haben wir eine linksschiefe Verteilung.

fx

fx

fx

x

linksschief α0

Abb. 7.1. Schiefe einer Verteilung

Das Schiefemaß ist wie der Variationskoeffizient dimensionslos.

116


Die Schiefe lässt sich auch an der Anordnung der Lagekennzahlen Mittelwert, Median und Modus ablesen: F¨ ur symmetrische Verteilungen fallen alle drei 0.5 > x ¯ Kennzahlen zusammen, f¨ ur linksschiefe Verteilungen gilt xmod > x 0.5 < x ¯. Von und f¨ ur rechtsschiefe Verteilungen entsprechend xmod < x diesen Ungleichungsketten muss zumindest eine Relation als echte Ungleichung erf¨ ullt sein, f¨ ur die zweite wäre auch eine Gleichung zul¨ assig, also z.B. 0.5 > x ¯ f¨ ur linksschiefe Verteilungen. xmod = x Schiefe

Liegen N Messdaten x1 , x2 , . . . , xN zum Merkmal X vor, dann ist

α=

N 1 (xi − x ¯)3 N i=1

s3 der Momentenkoeffizient der Schiefe dieser Verteilung. α < 0 . . . linksschiefe Verteilung α = 0 . . . symmetrische Verteilung α > 0 . . . rechtsschiefe Verteilung Das letzte Gestaltmerkmal, dem wir uns zuwenden, ist die W¨ olbung. Auch der W¨ olbungskoeffizient wird mit Hilfe der Momente berechnet:

γ=

m4 (¯ x) −3= s4

N 1 (xi − x ¯)4 N i=1

s4

−3

Dieser Wölbungskoeffizient trifft eine Aussage u ¨ber die W¨ olbung der Verteilung im Vergleich zur W¨ olbung einer Normalverteilung (vgl. Kapitel 12.5).

fx

fx

fx

x

breit gew¨ olbt γ0

7.5 Maßzahlen der Schiefe und W¨ olbung

117

Demnach ist f¨ ur γ = 0 die Verteilung gew¨ olbt wie eine Normalverteilung, eine Verteilung mit positivem γ ist stärker gewölbt (also spitzer und schm¨ aler) als die Normalverteilung und eine Verteilung mit negativem γ ist weniger gewölbt (also flacher und breiter) als die Normalverteilung. W¨ olbung, Kurtosis Liegen N Messdaten x1 , x2 , . . . , xN zum Merkmal X vor, dann ist

γ=

N 1 (xi − x ¯)4 N i=1

s4 der W¨ olbungskoeffizient dieser Verteilung.

−3

γ < 0 . . . breit gewölbt γ = 0 . . . normal gewölbt γ > 0 . . . spitz gewölbt Beispiel 7.18. Kari¨ ose Z¨ ahne von Kindern Fortsetzung von Beispiel 6.1, Seite 61, 106 und 110 Die Schiefe und die W¨ olbung dieser Verteilung sind zu berechnen und zu ¯ = 1, 7, s2 = 3, 153 interpretieren. Bisherige Berechnungen ergaben x 0.5 = 1, x und s = 1, 776. Tabelle 7.4. Momente zu Beispiel 6.1

xi

pi

pi (xi − x ¯)3

pi (xi − x ¯)4

0 1 2 3 4 5 6 7

0,293 0,300 0,143 0,114 0,050 0,057 0,014 0,029

-1,439 -0,103 0,004 0,251 0,608 2,054 1,136 4,254

2,446 0,072 0,001 0,326 1,399 6,777 4,884 22,544

Summe

1,000

6,765

38,450

Als Momentenkoeffizient der Schiefe ergibt sich α = 1, 2. Demnach liegt eine rechtsschiefe Verteilung vor. Die Rechtsschiefe hätte man auch an der Tatsache ablesen können, dass der Median kleiner als der Mittelwert ist. Der W¨ olbungskoeffizient betr¨ agt γ = 0, 868. Somit liegt eine Verteilung vor, die stärker gewölbt (also spitzer) ist als die Normalverteilung. Aus dem Stabdia-

118


gramm in Abbildung 6.4 (Seite 72) ist die Rechtsschiefe deutlich erkennbar, die W¨ olbung ist aus der Grafik leider nicht so leicht zu entnehmen.

7.6 Streuung, Schiefe und W¨ olbung in EXCEL EXCEL stellt f¨ ur die Berechnung dieser Kennzahlen eigene Funktionen zur Verf¨ ugung. Diese Funktionen ben¨ otigen nur den Bezug zum Datensatz. Sind die Daten nicht als Urliste vorhanden, sondern als H¨ aufigkeitsverteilung, so m¨ ussen die Kennzahlen in Anlehnung an die zugrunde liegenden Formeln berechnet bzw. erhoben werden. Beispiel 7.19. Kari¨ ose Z¨ ahne von Kindern Fortsetzung von Beispiel 6.1, Seite 61 Die Berechnung von Varianz, Standardabweichung, Schiefe und W¨ olbung erfolgt u ¨ber die Anweisungen =VARIANZEN(’Datensatz EXCEL’ !$A$1:$T$7) =STABWN(’Datensatz EXCEL’ !$A$1:$T$7) =SCHIEFE(’Datensatz EXCEL’ !$A$1:$T$7) =KURT(’Datensatz EXCEL’ !$A$1:$T$7) und man erh¨ alt die Ergebnisse s2 = 3, 153, s = 1, 776, α = 1, 221 und γ = 0, 944. F¨ ur die Varianzberechnung stellt EXCEL die Funktionen Varianz(Datensatz), Varianza(Datensatz), Varianzen(Datensatz) und Varianzena(Datensatz) bereit. Die beiden Funktionen Varianza(Datensatz) und Varianzena(Datensatz) ber¨ ucksichtigen in der Berechnung auch Wahrheitswerte, wobei Wahr als 1 und Falsch als 0 in die Berechnung eingeht. Auch als erfahrene Statistikerin ist mir die Sinnhaftigkeit einer solchen Berechnung bislang verborgen geblieben. Die Funktion Varianzen(Datensatz) berechnet die Varianz wie in Abschnitt 7.2 beschrieben, die Funktion Varianz(Datensatz) berechnet die sogenannte korrigierte Varianz gemäß N

1 N s2 (xi − x ¯)2 = skorr = N − 1 i=1 N −1 2

Auf die Bedeutung der korrigierten Varianz werden wir in der schließenden Statistik zur¨ uckkommen (vgl. Kapitel 13.4, Seite 226). Auch die Funktionen Schiefe und Kurt liefern korrigierte und damit zahlenm¨ aßig leicht abweichende Koeffizienten. Die exakten Formeln f¨ ur die korrigierten Kennzahlen k¨ onnen

¨ Ubungsaufgaben

119

aus der EXCEL-Hilfe entnommen werden. Nachdem wir aber bei der Varianz nur Gr¨ oßenordnungen und bei Schiefe und W¨ olbung nur das Vorzeichen verwenden, sind die Abweichungen in den Ergebnissen unbedeutend. Streuung, Schiefe und W¨ olbung in EXCEL VARIANZEN(Datenbezug) VARIANZ(Datenbezug) korrigierte Varianz STABWN(Datenbezug) STABW(Datenbezug)

korrigierte Standardabweichung

SCHIEFE(Datenbezug)

korrigierte Schiefe

KURT(Datenbezug)

korrigierte W¨ olbung

7.7 Streuung, Schiefe und W¨ olbung in SPSS Unter Analysieren → Deskriptive Statistiken → H¨ aufigkeiten findet man in der Option Statistik die gew¨ unschten Kennzahlen, wobei die Kurtosis nichts anderes als die W¨ olbung ist. Auch in SPSS werden die jeweils korrigierten Maßzahlen berechnet. Streuung, Schiefe und W¨ olbung in SPSS • Analysieren → Deskriptive Statistiken → H¨ aufigkeiten, Option Statistik ermöglicht die Berechnung von Spannweite, Standardabweichung, Varianz, Schiefe und W¨ olbung (Kurtosis) • Es werden die jeweils korrigierten Maßzahlen berechnet

¨ Ubungsaufgaben 7.1. Kari¨ ose Z¨ ahne Bei 60 Kindern einer Jahrgangsstufe werden die Z¨ ahne auf Karies untersucht, wobei sich folgende Ergebnisse einstellen: 0 1 0 5 1 0

1 2 1

3 3 0

0 0 0

1 2 4

1 4 0

1 0 3

3 1 1

1 1 1

0 3 7

1 0 2

4 6 1

2 2 0

0 1 3

3 5 0

1 1 1

1 1 3

7 2 2

2 2 2

120


a) Wie viele kari¨ ose Zähne haben 50% der Kinder h¨ ochstens? b) Wie viele kari¨ ose Zähne haben 50% der Kinder mindestens? c) Wie viele kari¨ ose Zähne haben 10% der Kinder mindestens? d) Berechnen Sie Mittelwert und Median. e) Berechnen Sie Schiefe und W¨ olbung der Verteilung.

7.2. Kinderzahl In einer Stadt wurde von der Abteilung f¨ ur Soziales die Zahl der Kinder pro Haushalt erhoben: Kinderzahl 0 1 2 3 4 5

Anzahl der Haushalte 110 140 90 45 10 5

a) Berechnen Sie Mittelwert, Modus und Median. b) Berechnen Sie Varianz, Standardabweichung und Variationskoeffizient. c) Berechnen Sie Schiefe und W¨ olbung.

7.3. K¨ orpergr¨ oße von Studierenden Bei 60 Studierenden einer Jahrgangsstufe wurde die K¨ orpergr¨ oße in cm erhoben. Diese Erhebung f¨ uhrte zu folgendem Ergebnis: 178 169 180 172 189

182 165 174 176 162

166 165 183 168 168

162 175 193 160 160

181 180 172 170 178

168 164 178 170 175

170 188 165 171 168

164 170 162 166 158

171 194 174 165 172

170 171 174 160 163

a) Welche Gr¨ oße haben 40% der Studierenden h¨ ochstens? b) Welche Gr¨ oße haben 70% der Studierenden mindestens? c) Berechnen Sie Lage- und Streuungsmaßzahlen.

165 185 162 175 172

164 168 163 183 183

¨ Ubungsaufgaben

121

7.4. Altersverteilung In der Bev¨ olkerung wurde folgende Verteilung des Merkmals Alter erhoben:

0 15 30 45 60 75

Alter < x ≤ 15 < x ≤ 30 < x ≤ 45 < x ≤ 60 < x ≤ 75 < x ≤ 100

Personen 1.333.505 1.495.740 2.002.259 1.526.110 1.151.122 609.018

a) Bestimmen Sie Mittelwert, Median und modale Klasse. b) Berechnen Sie Varianz, Schiefe und W¨ olbung. c) Berechnen Sie das 0,25- und das 0,75-Quantil der Altersverteilung. d) Interpretieren Sie Ihre Ergebnisse. 7.5. TV-Ger¨ ate Eine Untersuchung in 100 Haushalten ergab folgende Urliste u ¨ber die Anzahl an TV-Geräten: 1 0 1 0 2

0 2 0 0 7

1 1 1 0 1

0 3 0 0 3

0 0 0 3 1

2 0 3 0 5

0 0 0 1 1

3 0 3 3 0

1 6 1 2 0

1 1 1 1 0

3 1 1 3 2

2 2 2 2 1

1 1 1 1 0

0 0 0 0 3

3 1 3 3 1

0 0 0 0 4

1 3 1 1 0

a) Berechnen Sie Mittelwert, Median und Modus. b) Berechnen Sie Varianz, Schiefe und W¨ olbung. c) Interpretieren Sie Ihre Ergebnisse. 7.6. Klausurergebnisse Bei einer Statistikklausur wurden folgende Ergebnisse erreicht Note 1 2 3 4 5

Studierende 15 25 25 35 40

Berechnen Sie alle zul¨ assigen Lage- und Streuungsmaßzahlen.

3 0 3 3 2

2 1 2 2 1

2 3 2 2 1

8 Multivariate deskriptive Statistik

In den meisten Anwendungsf¨ allen ist man nicht nur an einem Merkmal interessiert, sondern an mehreren Merkmalen und insbesondere an den Zusammenh¨ angen zwischen diesen Merkmalen. Beispielsweise soll die Frage beantwortet werden, ob bei Kindern die sportliche Aktivit¨ at die Schlafdauer beein¨ flusst oder Ahnliches. Zu diesem Zweck m¨ ussen von den Erhebungseinheiten mehrere Merkmale gleichzeitig erhoben und einer gemeinsamen Analyse unterzogen werden. Im einfachsten Fall sollen zwei Merkmale gemeinsam analysiert werden.

8.1 Zweidimensionale H¨ aufigkeitsverteilungen Am besten lassen sich zweidimensionale Häufigkeitsverteilungen mittels Kontingenztabellen darstellen. Dazu ist es notwendig, dass die Merkmale nur wenige Auspr¨ agungen besitzen. Dies kann durch Zusammenfassen von Auspr¨ agungen immer erreicht werden. Beispiel 8.1. Einfluss von Strategietraining In einer Studie u ¨ber 235 zuf¨ allig ausgewählte F¨ uhrungskr¨ afte wird der Einfluss von Strategietraining auf den Unternehmenserfolg untersucht. Das Ergebnis der Untersuchung kann aus folgender Kontingenztabelle entnommen werden: kein Training mit Training Summe

kein Erfolg 40 30 70

Erfolg 75 90 165

Summe 115 120 235

Folgende Fragen sollen beantwortet werden: Wie hoch war die Teilnahmequote am Training, wie hoch war die Erfolgsquote? Konnte durch die Teilnahme am Training die Erfolgsquote erh¨ oht werden?

124


Bei einer zweidimensionalen Häufigkeitsverteilung mit den Merkmalen X und Y verwendet man folgende Bezeichnungen: Bezeichnungen hij absolute H¨ aufigkeit der Kombination X = i und Y = j pij = hij /N relative H¨ aufigkeit der Kombination X = i und Y = j Pij = pij · 100 relative Häufigkeit der Kombination X = i und Y = j in Prozent hi+ (pi+ ) h+j (p+j )

Zeilensummen, Randh¨ aufigkeiten des Merkmals X Spaltensummen, Randh¨ aufigkeiten des Merkmals Y

Damit weist die Kontingenztabelle zu Beispiel 8.1 folgende allgemeine Form auf: Tabelle 8.1. Kontingenztabelle X=1 X=2 Summe

Y =1 h11 h21 h+1

Y =2 h12 h22 h+2

Summe h1+ h2+ N

Beispiel 8.2. Einfluss von Strategietraining (Fortsetzung von Beispiel 8.1) Die entsprechende Tabelle mit den relativen H¨ aufigkeiten hilft bei der Beantwortung der Fragen.

kein Training mit Training Summe

kein Erfolg 0,170 0,128 0,298

Erfolg 0,319 0,383 0,702

Summe 0,489 0,511 1,000

Insgesamt wurden 235 Personen in die Untersuchung einbezogen, davon haben 120 Personen ein Training absolviert. Die Teilnahmequote betr¨ agt daher 120/235 ≈ 0, 511, also etwa 51%. Insgesamt hatten 165 Personen Erfolg, damit betr¨ agt die Erfolgsquote 165/235 ≈ 0, 702, also etwa 70%. Vorerst offen bleibt die Frage, ob das Training die Erfolgschancen verbessert hat. Aus der Tabelle k¨ onnen folgende weitere Informationen abgelesen werden: 17% der F¨ uhrungskr¨ afte haben nicht am Training teilgenommen und hatten keinen Erfolg. 31,9% der Personen haben zwar nicht am Training teilgenommen, hatten aber trotzdem Erfolg. 12,8% hatten trotz Trainingsteilnahme keinen Erfolg und 38,3% der Personen haben am Training teilgenommen und hatten Unternehmenserfolg.

8.3 Bedingte Verteilung

125

8.2 Randverteilungen Eine Randverteilung gibt Auskunft u ¨ber die Verteilung eines Merkmals, ohne das andere Merkmal zu ber¨ ucksichtigen. Liegt eine zweidimensionale Verteilung in Form einer Kontingenztabelle vor, k¨ onnen die Randverteilungen an den Zeilen- bzw. Spaltensummen abgelesen werden. Beispiel 8.3. Einfluss von Strategietraining (Fortsetzung von Beispiel 8.1) Die Randverteilung des Merkmals Training kann an den Zeilensummen abgelesen werden (in absoluter oder relativer Form), die Randverteilung des Merkmals Erfolg kann an den Spaltensummen abgelesen werden. kein Training mit Training Summe

kein Erfolg 0,170 0,128 0,298

Erfolg 0,319 0,383 0,702

Summe 0,489 0,511 1,000

Insgesamt haben 48,9% der F¨ uhrungskr¨ afte kein Training absolviert und 51,1% haben am Training teilgenommen. 70,2% der befragten Personen hatten Erfolg, der Rest hatte keinen Erfolg.

8.3 Bedingte Verteilung Mit der zweidimensionalen Verteilung und den beiden Randverteilungen kann noch keine Aussage u ¨ ber den Zusammenhang getroffen werden, aber meist ist dieser Zusammenhang von großem Interesse. Bezogen auf Beispiel 8.1 ist die Kernfrage, ob die Trainingsteilnahme die Erfolgsquote erh¨ oht hat. Man möchte wissen, ob die Erfolgsquoten der TrainingsteilnehmerInnen h¨ oher ist als die Erfolgsquote der Personen, die kein Training absolviert haben. In statistischer Ausdrucksweise interessiert uns im Beispiel 8.1 die bedingte Verteilung des Merkmals Erfolg, gegeben das Merkmal Training. Wir berechnen die bedingte Verteilung des Merkmals Erfolg bei den TrainingsteilnehmerInnen und bei den Personen, die das Training verweigert haben. Randverteilung - bedingte Verteilung F¨ ur Randverteilungen wird das andere Merkmal vollkommen ausgeblendet, f¨ ur bedingte Verteilungen unterteilt man die Untersuchungsgesamtheit anhand der Auspr¨ agungen des bedingenden Merkmals in mehrere Teilgesamtheiten und betrachtet dann diese Teilgesamtheiten getrennt.

126


Bezeichnung hij /hi+ = pij /pi+

bedingte relative H¨ aufigkeit der Auspr¨ agung j des Merkmals Y bei gegebener Auspr¨ agung i des Merkmals X

Beispiel 8.4. Einfluss von Strategietraining (Fortsetzung von Beispiel 8.1) Die bedingten Verteilungen des Merkmals Erfolg bei den TeilnehmerInnen und den NichtteilnehmerInnen lassen sich aus folgender Tabelle ablesen: kein Training mit Training

kein Erfolg 0,348 0,250

Erfolg 0,652 0,750

Summe 1,000 1,000

Die Erfolgsquote in der Teilgesamtheit der TrainingsteilnehmerInnen liegt wegen 90/120 = 0, 75 bei 75%, die Erfolgsquote der Personen, die das Training verweigert haben, liegt hingegen bei ca. 65% (75/115 = 0, 652). Daraus kann abgelesen werden, dass das Training die Erfolgsquote erh¨ oht hat, dass es also einen Zusammenhang zwischen Training und Erfolg gibt. In der Praxis liegt die Schwierigkeit meist in der Festlegung, welches der beiden Merkmale das Untersuchungsmerkmal und welches das bedingende Merkmal ist. Manchmal l¨ asst sich diese Frage lösen, indem man sich u ¨berlegt welcher Art der Zusammenhang zwischen den Merkmalen ist. L¨ asst sich eindeutig feststellen, welches die unabh¨ angige Variable (Ursache) und welches die abh¨ angige Variable (Wirkung) ist, so ist leicht nachvollziehbar, dass die Ursache als bedingende Variable verwendet werden sollte und die Wirkung zu untersuchen ist. In unserem Beispiel ist die Ursache das Training und die Wirkung der Erfolg, daher sollte man den Erfolg unter dem Aspekt Training untersuchen. Sind die bedingten Verteilungen erstellt, so kann man wie f¨ ur alle anderen Verteilungen Lage- oder Streuungsmaßzahlen berechnen. Diese bedingten Maßzahlen treffen dann ebenfalls nur Aussagen u ¨ber Teilgesamtheiten. Mit bedingten Verteilungen lassen sich auch genderspezifische Fragestellungen untersuchen, z.B. um das mittlere Einkommen von Frauen und M¨ annern zu vergleichen. Dazu wird die Verteilung des Merkmals Einkommen bei gegebenen Geschlecht erhoben, also die Einkommensverteilung der Frauen und jene der M¨ anner, und f¨ ur beide Verteilungen das arithmetische Mittel berechnet.

8.4 Maße f¨ ur den Zusammenhang zweier Merkmale

127

8.4 Maße f¨ ur den Zusammenhang zweier Merkmale Man kann, wie im vorhergehenden Abschnitt beschrieben, u ¨ber die bedingten Verteilungen Erkenntnisse u ¨ber den Zusammenhang von Merkmalen gewinnen. W¨ unschenswert wäre aber eine eigene Kennzahl, die eine Aussage u ¨ber den Zusammenhang erm¨ oglicht. Es gibt diese Kennzahlen, allerdings ist bei der Anwendung darauf zu achten, dass diese an das Skalenniveau der Variablen gebunden sind. Im Folgenden werden die Kennzahlen und ihre Aussagemöglichkeiten beschrieben.

8.4.1 Zusammenhang zweier nominaler Merkmale Zur Messung des Zusammenhangs zwischen zwei nominalen Merkmalen kann das Assoziationsmaß Chi-Quadrat χ2 oder das Cramersche Assoziationsmaß V ( Cramers V“) verwendet werden. Ausgangspunkt f¨ ur beide ” Maßzahlen ist der Vergleich zwischen tatsächlich beobachteten H¨ aufigkeiten und jenen H¨ aufigkeiten, die man bei Unabh¨ angigkeit der beiden Merkmale erwarten w¨ urde. Bezeichnungen hoij . . . beobachtete (= observed) absolute H¨ aufigkeit der Kombination X = i und Y = j heij . . . bei Unabh¨ angigkeit von X und Y erwartete (= expected) absolute H¨ aufigkeit dieser Kombination Dabei gilt

heij =

hi+ · h+j N

Hinweis: Bei der Berechnung der erwarteten H¨ aufigkeiten werden im Normalfall Dezimalzahlen entstehen. Zur weiteren Berechnung sollte man diese Dezimalzahlen verwenden und nicht die gerundeten H¨ aufigkeiten, weil das Ergebnis andernfalls durch die entstehenden Rundungsfehler stark verzerrt wird. Das Assoziationsmaß Chi-Quadrat χ2 mit χ2 =

(hoij − heij )2 heij i j

misst den Zusammenhang zwischen zwei nominalen Merkmalen.

128


Eigenschaften des Assoziationsmaßes Chi-Quadrat χ2 Es gilt

χ2 ≥ 0

Interpretation: χ2 = 0 kein Zusammenhang χ2 > 0 Zusammenhang Wie aus der Formel leicht nachvollziehbar gilt immer χ2 ≥ 0. Der Fall χ2 = 0 kann nur dann auftreten, wenn die beobachteten H¨ aufigkeiten den bei Unabh¨ angigkeit erwarteten H¨ aufigkeiten entsprechen. Dies ist gleichbedeutend damit, dass die Merkmale unabh¨ angig sind, also keinen Zusammenhang aufweisen. Das Assoziationsmaß kann effizienter mit der Formel ⎛ χ2 = N · ⎝ i

j

⎞ hoij 2 − 1⎠ hi+ · h+j

berechnet werden. Der Betrag des Assoziationsmaßes χ2 ist abh¨ angig vom Untersuchungsumfang und der Anzahl der Auspr¨ agungen. Man kann also nicht direkt von der Gr¨ oße arke des Zusammenhanges schließen. Daher verwendet man zur χ2 auf die St¨ Messung des Zusammenhanges das Cramersche Assoziationsmaß, welches auf χ2 aufbaut. Das Cramersche Assoziationsmaß V χ2 V = N · (min(r, s) − 1) misst den Zusammenhang zwischen zwei nominalen Merkmalen. r . . . Anzahl der Merkmalsauspr¨ agungen von X. s . . . Anzahl der Merkmalsauspr¨ agungen von Y.

Es gilt

0≤V ≤1

Je stärker der Zusammenhang, desto n¨ aher liegt V bei 1.


129

Interpretationshilfe f¨ ur das Cramersche Assoziationsmaß V V =0 0 < V ≤ 0, 3 0, 3 < V ≤ 0, 7 0, 7 < V < 1 V =1

kein Zusammenhang schwacher Zusammenhang mittlerer Zusammenhang starker Zusammenhang vollst¨ andiger Zusammenhang

Die angegebenen Zahlenwerte f¨ ur die Interpretation sollen als Hilfe dienen, sind aber lediglich als Anhaltspunkt, nicht als fixe Grenzen zu verstehen. Generell gilt: Je schw¨ acher der Zusammenhang , desto n¨ aher liegt das Cramersche Assoziationsmaß bei 0 und je stärker der Zusammenhang, desto n¨ aher liegt es bei 1. Beispiel 8.5. Einfluss von Strategietraining (Fortsetzung von Beispiel 8.1) Die bei Unabh¨ angigkeit erwarteten H¨ aufigkeiten sind:

kein Training mit Training

Daraus ergibt sich: 2 χ =N· = 235 ·

V =

kein Erfolg 34,3 35,7 70,0

Erfolg 80,7 84,3 165,0

Summe 115 120 235

hoij 2 −1 hi+ · h+j

34, 32 80, 72 35, 72 84, 32 + + + − 1 = 2, 69 115 · 70 115 · 165 120 · 70 120 · 165

χ2 = N · (min(r, s) − 1)

2, 69 = 235 · (min(2, 2) − 1)

2, 69 = 0, 107 235

Demnach besteht ein schwacher Zusammenhang zwischen Training und Erfolg.

Aus den Assoziationsmaßen ist nicht erkennbar, was Ursache und was Wirkung ist und auch eine n¨ ahere Beschreibung des Zusammenhanges (Teilnahme am Training bedeutet h¨ ohere Erfolgchancen) ist damit nicht m¨ oglich. Diese differenziertere Aussage kann lediglich anhand der bedingten Verteilungen getroffen werden (vgl. Kapitel 8.3).

130


8.4.2 Zusammenhang zweier ordinaler Merkmale Zur Messung des Zusammenhanges zwischen zwei ordinalen Merkmalen werden den Auspr¨ agungen aus der Urliste zuerst Rangzahlen zugeordnet, d.h. die kleinste Auspr¨ agung erh¨ alt den Rang 1, die gr¨ oßte Auspr¨ agung den Rang N. Vereinfachend gehen wir vorerst davon aus, dass keine Auspr¨ agung zweimal vorkommt, dass also die Zuordnung von R¨ angen in eindeutiger Weise möglich ist ( ohne Bindungen”). Jede Erhebungseinheit weist somit zwei Ränge ri ” und si hinsichtlich der beiden zu untersuchenden Merkmale auf. Als Kennzahl zur Berechnung des Zusammenhanges dient der Spearmansche Rangkorrelationskoeffizient. Spearmansche Rangkorrelationskoeffizient ohne Bindungen Der Spearmansche Rangkorrelationskoeffizient ρs wird berechnet mittels

6 · d2i ρs = 1 − N · (N 2 − 1) ri , si . . . Ränge di . . . Rangzahlendifferenz ri − si der i-ten Erhebungseinheit F¨ ur die Interpretation ist einerseits das Vorzeichen wichtig, andererseits der Betrag. Aus dem Vorzeichen ist die Richtung des Zusammenhanges ablesbar. Ein gleichsinniger Zusammenhang (eine niedrige Rangziffer hinsichtlich des einen Merkmals geht einher mit einer niedrigen Rangziffer des anderen Merkmals) f¨ uhrt auf einen positiven Rangkorrelationskoeffizienten, ein gegensinniger Zusammenhang (eine niedrige Rangziffer hinsichtlich des einen Merkmals geht einher mit einer hohen Rangziffer des anderen Merkmals) ergibt einen negativen Rangkorrelationskoeffizienten. Sind die Merkmale unabh¨ angig, so erh¨ alt man einen Korrelationskoeffizienten von 0. Aus dem Betrag ist die St¨ arke des Zusammenhanges ablesbar, denn umso stärker der Zusammenhang, desto näher liegt der Betrag bei 1. Spearmansche Rangkorrelationskoeffizient Es gilt

−1 ≤ ρs ≤ 1

Interpretation: ρs < 0 gegensinniger Zusammenhang kein Zusammenhang ρs = 0 gleichsinniger Zusammenhang ρs > 0 Je stärker der Zusammenhang, desto n¨ aher liegt |ρs | bei 1.


131

Interpretationshilfe f¨ ur den Rangkorrelationskoeffizienten ρs = 0 0 < |ρs | ≤ 0, 3 0, 3 < |ρs | ≤ 0, 7 0, 7 < |ρs | < 1 |ρs | = 1


Die Richtung des Zusammenhanges ergibt sich aus dem Vorzeichen. Die angegebenen Zahlenwerte f¨ ur die Interpretation sollen als Hilfe dienen, sind aber lediglich als Anhaltspunkt, nicht als fixe Grenzen zu verstehen. Generell gilt: Je schwächer der Zusammenhang , desto n¨ aher liegt der Rangkorrelationskoeffizient bei 0 und je st¨ arker der Zusammenhang, desto n¨ aher liegt er bei -1 oder 1. Beispiel 8.6. Weinverkostung Sechs Weine wurden von zwei Expertinnen nach ihrer Qualit¨ at geordnet. Wein Expertin 1 Expertin 2

A 1 1

B 2 3

C 4 4

D 5 6

E 6 5

F 3 2

Stimmen die Expertinnen in der Beurteilung weitgehend u ¨berein? Zur Beantwortung dieser Frage berechnen wir den Spearmanschen Rangkorrelationskoeffizienten. Wein Expertin 1 Expertin 2

ri si di d2i

A 1 1 0 0

B 2 3 -1 1

C 4 4 0 0

D 5 6 -1 1

E 6 5 1 1

F 3 2 1 1

Summe

4

6 · d2i 6·4 ρs = 1 − = ρs = 1 − = 0, 886 N · (N 2 − 1) 6 · 35

Zwischen den beiden Reihungen besteht ein starker gleichsinniger Zusammenhang. Von einer Expertin als qualitativ hoch eingesch¨ atzte Weine werden auch von der anderen Expertin als qualitativ hochwertig eingestuft, beide Expertinnen haben eine a¨hnliche Beurteilung der Weinqualit¨ at. Liegen Bindungen vor, ist also eine Zuordnung von R¨ angen nicht in eindeutiger Weise möglich, so muss zur Berechnung des Spearmanschen Rangkorrelationskoeffizienten eine etwas aufwändigere Formel herangezogen werden.

132


Spearmansche Rangkorrelationskoeffizient mit Bindungen Der Spearmansche Rangkorrelationskoeffizient ρs berechnet sich bei N Rangpaaren nach

(ri − r¯)(si − s¯) i ρs =

(ri − r¯)2 (si − s¯)2 i

i

ri , si . . . (Durchschnitts-)R¨ ange, i = 1, . . . , N r¯ = s¯ =

N N 1 N +1 1 . . . mittlere Ränge ri = i= N i=1 N i=1 2

Die Interpretation ist v¨ ollig analog zu dem Fall ohne Bindungen. Weisen mehrere Erhebungseinheiten die gleiche Auspr¨ agung auf, so werden Durchschnittsr¨ ange vergeben, die als arithmetisches Mittel der in Frage kommenden Ränge berechnet werden. Alle Erhebungseinheiten mit derselben Auspr¨ agung erhalten somit denselben Rang, die Rangsumme u ¨ber alle Erhebungseinheiten bleibt gleich. Die Interpretation ist v¨ ollig analog zu dem Fall ohne Bindungen. Beispiel 8.7. Weinverkostung Sechs Weine wurden von zwei Expertinnen nach ihrer Qualit¨ at geordnet. Expertin 1 hat die Weine D und E gleich gut bewertet, aber beide Weine schlechter als alle anderen. Diese Weine wären demnach auf den R¨ angen 5 und 6, also erhalten beide Weine den Durchschnittsrang 5,5. Wein Expertin 1 Expertin 2

A 1 1

B 2 3

C 4 4

D 5.5 6

E 5.5 5

F 3 2

Stimmen die Expertinnen in der Beurteilung weitgehend u ¨berein? Zur Beantwortung dieser Frage berechnen wir den Spearmanschen Rangkorrelationskoeffizienten (f¨ ur Merkmale mit Bindungen). Mit r¯ = s¯ = 3, 5 erh¨ alt man ρs = √

16 = 0, 928 17 · 17, 5

Zwischen den beiden Reihungen besteht ein starker gleichsinniger Zusammenhang. Von einer Expertin als qualitativ hoch eingesch¨ atzte Weine werden auch


133

von der zweiten Expertin tendenziell als qualitativ hochwertig eingestuft. Beide Expertinnen haben eine a¨hnliche Beurteilung der Weinqualit¨ at.

8.4.3 Zusammenhang zweier metrischer Merkmale Zur Messung des Zusammenhanges zwischen zwei metrischen Merkmalen ist der Korrelationskoeffizient von Bravais-Pearson geeignet. Dieser wird kurz als Korrelationskoeffizient bezeichnet, falls aus dem Zusammenhang keine Verwechslung mit dem Rangkorrelationskoeffizienten möglich ist. Ausgangspunkt zur Berechnung bildet die Kovarianz, die - wie der Name bereits andeutet - ähnlich wie die Varianz aufgebaut ist. Der Unterschied liegt darin, dass zur Berechnung der Varianz nur ein Merkmal herangezogen wird, zur Berechnung der Ko-varianz aber zwei. Man kann sich die Kovarianz quasi als zweidimensionales Streuungsmaß vorstellen.

y pos x1 x

Punkt1 neg x2 x

Punkt2 pos y1 y pos y2 y

,y x neg y4 y neg y3 y

x

Punkt4 pos x4 x

Punkt3 neg x3 x

Abb. 8.1. Geometrische Darstellung der Kovarianz

Die geometrische Bedeutung der Kovarianz ist aus Abbildung 8.1 ersichtlich. Zu den zweidimensionalen Daten wird der Datenschwerpunkt berechnet, dessen Koordinaten die Mittelwerte der beiden Merkmale sind (¯ x, y¯). Nun kann zwischen jedem einzelnen Datenpunkt und dem Schwerpunkt ein Rechteck konstruiert werden. Die Kovarianz ist dann nichts anderes als das arithmetische Mittel der Rechtecksflächen, wobei je nach Vorzeichen der Abweichungen

134


diese Flächen auch mit negativem Vorzeichen in die Mittelwertsberechnung eingehen k¨ onnen. Die Fl¨ achen der Punkte 1 und 3 w¨ urden in die Berechnung der Kovarianz mit positivem Vorzeichen einfließen, die der Punkte 2 und 4 mit negativem Vorzeichen. Kovarianz Liegen zu den Merkmalen X und Y zweidimensionale, metrische Daten (x1 , y1 ), (x2 , y2 ), . . . , (xN , yN ) vor, dann ist

sXY = =

N 1 · (xi − x ¯) · (yi − y¯) N i=1 N 1 · xi · yi − x ¯ · y¯ N i=1

die Kovarianz zwischen den Merkmalen X und Y. Es gilt

−∞ ≤ sXY ≤ +∞

Aus der Kovarianz k¨ onnen folgende Informationen abgelesen werden: • Sind die Merkmale X und Y unabh¨ angig, so ist die Kovarianz gleich Null. • Ein gegensinniger Zusammenhang zwischen den Merkmalen X und Y f¨ uhrt zu einem negativen Vorzeichen, ein gleichsinniger Zusammenhang f¨ uhrt zu einem positiven Vorzeichen. Die St¨ arke des Zusammenhanges kann aus der Kovarianz nicht abgelesen werden. Diese lässt sich durch die Berechnung des Korrelationskoeffizienten ermitteln. Bravais-Pearson-Korrelationskoeffizient Der Korrelationskoeffizient zur Messung des linearen Zusammenhanges zwischen X und Y ist sXY ρ= sY · sY mit sX . . . Standardabweichung des Merkmals X sY . . . Standardabweichung des Merkmals Y sXY . . . Kovarianz der Merkmale X und Y


135

Bravais-Pearson-Korrelationskoeffizient Es gilt

−1 ≤ ρ ≤ +1

Interpretation: ρ0 gleichsinniger linearer Zusammenhang Je stärker der lineare Zusammenhang, desto n¨ aher liegt |ρ| bei 1. Besonders wichtig ist der Hinweis darauf, dass der Korrelationskoeffizient lediglich den linearen Zusammenhang misst. W¨ urden alle Datenpunkte exakt auf einer Geraden liegen, so w¨ are |ρ| = 1. Je n¨ aher die Daten an einer Geraden liegen, desto n¨ aher liegt der Betrag von ρ bei eins. Ein positives Vorzeichen deutet auf eine steigende Gerade, ein negatives Zeichen auf eine fallende Gerade (vgl. grafische Darstellungen in Kapitel 8.5). Interpretationshilfe f¨ ur den Korrelationskoeffizienten ρ=0 0 < |ρ| ≤ 0, 3 0, 3 < |ρ| ≤ 0, 7 0, 7 < |ρ| < 1 |ρ| = 1


Die Richtung des Zusammenhanges ergibt sich aus dem Vorzeichen. Die angegebenen Zahlenwerte f¨ ur die Interpretation sollen als Hilfe dienen, sind aber lediglich als Anhaltspunkt, nicht als fixe Grenzen zu verstehen. Generell gilt: Je schwächer der lineare Zusammenhang , desto n¨ aher liegt der Korrelationskoeffizient bei 0 und je st¨ arker der lineare Zusammenhang, desto n¨ aher liegt er bei -1 oder 1. Beispiel 8.8. Schlafverhalten Eine Kinderpsychologin will u ¨berpr¨ ufen, ob sich sportliche Aktivit¨ at positiv auf die Schlafdauer von Kindern auswirkt. Es werden neun Kinder gleichen Alters zuf¨ allig ausgewählt und ihre Schlafphasen (in h) gemessen. Außerdem wird beobachtet, wie viel Sport das Kind betrieben hat (ebenfalls in h). Es ergeben sich folgende Daten: Kind Sport Schlafdauer

1 1,1 7,9

2 0,8 7,6

3 1,3 8,1

4 0,3 7,6

5 1,0 7,9

6 0,9 7,5

7 0,7 7,5

8 1,2 7,7

9 0,2 7,0

136


Nach Berechnung der Hilfsgr¨ oßen x ¯ = 0, 83, y¯ = 7, 64, s2X = 0, 129 und 2 alt man sY = 0, 089 erh¨ sXY =

1 (1, 1 · 7, 9 + . . . + 0, 2 · 7, 0) − 0, 83 · 7, 64 = 0, 087 9 ρ=

sXY 0, 087 √ = 0, 815 =√ sX · sY 0, 129 0, 089

Man findet einen starken gleichsinnigen linearen Zusammenhang zwischen Sportdauer und Schlafdauer. Das bedeutet je mehr Sport das Kind betreibt, desto höher ist die Schlafdauer.

Das folgende Beispiel soll illustrieren, dass der Korrelationskoeffizient als Maßzahl ausschließlich f¨ ur lineare Zusammenh¨ ange geeignet ist.

Beispiel 8.9. F¨ ur die Merkmale X und Y wurden folgende Messwerte erhoben: Messung Merkmal X Merkmal Y

1 -4 16

2 -3 9

3 -2 4

4 -1 1

5 0 0

6 1 1

7 2 4

8 3 9

9 4 16

Aus der Datentabelle ist ersichtlich, dass die Merkmale X und Y einen funktionalen Zusammenhang besitzen, denn es gilt Y = X 2 . Die Berechnung des Korrelationskoeffizienten erfolgt u ¨ber x ¯ = 0, y¯ = 6, 67, alt s2X = 6, 667 und s2Y = 34, 222 und man erh¨ 1 (−4 · 16 + . . . + 4 · 16) − 0, 00 · 6, 67 = 0 9 sXY 0 √ ρ= =√ =0 sY · sY 6, 667 34, 222

sXY =

Obwohl also ein exakter quadratischer Zusammenhang zwischen den Merkmalen besteht, kann der Korrelationskoeffizient diesen nicht entdecken, weil er eben nur lineare Zusammenh¨ ange messen kann. Zwischen den Merkmalen X und Y gibt es keinen linearen Zusammenhang.

8.5 Grafische Darstellung zweidimensionaler metrischer Merkmale

137

8.5 Grafische Darstellung zweidimensionaler metrischer Merkmale Zweidimensionale metrische Merkmale lassen sich sehr gut in Streudiagrammen darstellen, dazu wird jedem Datenpunkt ein Punkt in einem Koordinatensystem zugeordnet. Oft ist schon an den Streudiagrammen erkennbar, ob die Daten einen linearen Zusammenhang aufweisen.

y

y

x

x

Korrelation ρ = 0

y

Korrelation ρ = 0, 5

y

x

Korrelation ρ = 0, 85

x

Korrelation ρ = −0, 95

Abb. 8.2. Streudiagramme verschiedener Korrelationen

Unkorrelierte Daten (ρ = 0) verursachen Streudiagramme, in denen die Datenpunkte relativ unsystematisch angeordnet sind. Je n¨ aher der Betrag von ρ bei 1 liegt, desto besser ist der lineare Zusammenhang zwischen den Merkmalen ausgepr¨ agt und die Punktewolke weist ein ellipsenf¨ ormiges Bild auf. Diese

138


Ellipse wird mit steigendem Betrag von ρ immer schmäler, bis die Punkte f¨ ur |ρ| = 1 exakt auf einer Geraden liegen. Streudiagramm Ein Streudiagramm ist eine grafische Darstellung eines zweidimensionalen metrischen Merkmals. Dabei wird jeder Erhebungseinheit der zugeh¨ orige Datenpunkt in einem Koordinatensystem zugeordnet. Streudiagramme erleichtern das Auffinden von Zusammenh¨ angen. Daneben l¨ asst sich aus einem Streudiagramm auch die Richtung des Zusammenhanges ablesen. Bei einem gleichsinnigen Zusammenhang muss die Punktewolke bzw. die Gerade ansteigend sein, bei einem gegensinnigen Zusammenhang ist die Punktewolke bzw. die Gerade fallend.

8.6 Korrelation und Kausalit¨ at Bei den einzelnen Maßzahlen zur Berechnung des Zusammenhanges wurde bereits auf den Umstand hingewiesen, dass aus der Kennzahl selbst nicht abgelesen werden kann, was Ursache und was Wirkung ist. Es ist nicht einmal sicher, ob es u ¨berhaupt eine Ursache-Wirkungsbeziehung zwischen den beiden Merkmalen gibt. In der Statistik unterscheidet man zwischen einer statistischen Korrelation und einem kausalen Zusammenhang. Kennzahlen k¨ onnen nur messen, ob die Daten eine statistische Korrelation aufweisen, aber niemals, ob es auch tatsächlich einen kausalen Zusammenhang gibt. Kausale Zusammenh¨ ange sind generell nicht durch eine Berechnung zu finden, hier hilft nur Sachkompetenz und Hausverstand. Weisen Daten eine statistische Korrelation auf, f¨ ur die es keine inhaltliche Rechtfertigung gibt, dann spricht man von einer Scheinkorrelation. Als klassisches Beispiel wird meist die starke positive Korrelation zwischen der Anzahl an St¨ orchen und der Geburtenzahl angef¨ uhrt. Das folgende Beispiel zeigt einen ahnlichen Fall: ¨ Beispiel 8.10. Scheinkorrelation In f¨ unf aufeinanderfolgenden Jahren entwickelten sich die Anzahl der gemeldeten Aidsf¨ alle und die Anzahl der Mobiltelefon-BenutzerInnen (in Tausend) in der Schweiz gemäß nachstehender Tabelle: (Quellen: www.bakom.ch und www.bag.admin.ch)

8.7 Zweidimensionale Merkmale in EXCEL Jahr Aidsf¨ alle Mobiltelefon-BenutzerInnen (Tsd.)

1995 736 447

1996 542 663

1997 565 1.044

1998 422 1.699

139

1999 262 3.058

Die Berechnung des Korrelationskoeffizienten f¨ uhrt auf ρ = −0, 94, und verweist damit auf eine starke gegensinnige Korrelation zwischen Aidsf¨ allen und Anzahl der HandynutzerInnen. Mit dem kausalen Zusammenhang ist es etwas schwieriger, denn Handys d¨ urften wohl kaum als neues Mittel gegen Aids verwendbar sein. Die Variable Zeit spielt uns hier einen b¨ osen Streich, denn diese hat sowohl die Zahl der Aidsf¨ alle beeinflusst, als auch die Zahl der Mobiltelefon-BenutzerInnen. Scheinkorrelationen werden meist durch eine zus¨ atzliche Einflussgr¨ oße verursacht, die in der Berechnung der Korrelation nicht ber¨ ucksichtigt wurde. Im Beispiel 8.10 wurde beispielsweise die Einflussgröße Zeit nicht beachtet, ein Fehler, der u ¨brigens sehr oft vorkommt. Bleibt ein entscheidendes Merkmal unber¨ ucksichtigt, kann auch der umgekehrte Effekt auftreten, dass statistisch keine Korrelation feststellbar ist, obwohl ein Zusammenhang existiert, wenn ein weiteres Merkmal ber¨ ucksichtigt wird. In diesem Fall spricht man in der Statistik von verdeckten Korrelationen. Korrelation und Kausalit¨ at • Scheinkorrelation: statistische Korrelation bei fehlendem direkten Zusammenhang • Verdeckte Korrelationen: Zusammenhang bei fehlender statistischer Korrelation Die Ursache liegt bei nicht ber¨ ucksichtigten weiteren Merkmalen.

8.7 Zweidimensionale Merkmale in EXCEL Randverteilungen und bedingte Verteilungen k¨ onnen in EXCEL nur u ¨ber Eingabe der zugeh¨ origen Formeln berechnet werden, ebenso die Assoziationsmaße χ2 und Cramers V. F¨ ur den Bravais-Pearson-Korrelationskoeffizienten stellt EXCEL die Funktion Korrel(Datenbezug X;Datenbezug Y) zur Verf¨ ugung, f¨ ur die Kovarianz die Funktion Kovar(Datenbezug X;Datenbezug Y). Der Rangkorrelationskoeffizient steht nicht als Funktion zur Verf¨ ugung. Liegen die ordinalen Merkmale in geeigneter Form vor (d.h. Rangzahlen zwischen 1 und N, bei gleicher Auspr¨ agung wird der Durchschnittsrang vergeben, die

140


Rangsumme u ¨ ber alle Erhebungseinheiten bleibt dabei gleich) dann kann die Funktion Korrel(Datenbezug1;Datenbezug2) auch zur Berechnung des Rangkorrelationskoeffizienten verwendet werden. Das Streudiagramm wird u ¨ber den Diagrammassistenten (vgl. Kapitel 6.3.6) mit dem Diagrammtyp Punkt (XY) erstellt.

8.8 Zweidimensionale Merkmale in SPSS In SPSS sind alle beschriebenen Kennzahlen zur Messung von Zusammenh¨ angen unter dem Men¨ upunkt Analysieren → Deskriptive Statistiken → Kreuztabellen zu finden. Der Men¨ upunkt o¨ffnet zuerst das Variablenfenster (vgl. Abbildung 8.3), in dem man die gew¨ unschten Variablen ausw¨ ahlt, wobei ein Merkmal als Spalte und das andere als Zeile festgelegt wird. Im Bereich Schicht 1 von 1 k¨ onnte man bei Bedarf Gruppierungen vornehmen, wenn man beispielsweise den Datensatz getrennt nach Geschlecht betrachten möchte.

Abb. 8.3. SPSS: Kreuztabellen - Eingabe der Variablen

8.8 Zweidimensionale Merkmale in SPSS

141

In der Option Zellen (vgl. Abbildung 8.4) ist standardm¨ aßig im Bereich H¨ aufigkeiten die Option Beobachtet ausgewählt.

Abb. 8.4. SPSS: Kreuztabellen - Option Zellen

Dort kann man auch die (bei Unabh¨ angigkeit der Merkmale) erwarteten H¨ aufigkeiten auswählen, die wir bei den Assoziationsmaßen (vgl. Kapitel 8.4.1) kennen gelernt haben. Im Abschnitt Prozentwerte liefert die Option Gesamt die zweidimensionale Verteilung der beiden Merkmale (vgl. Beispiel 8.2). Die Optionen Zeilenweise und Spaltenweise ermöglichen die Berechnung der bedingten Verteilungen. Bei Zeilenweise wird die Zeilenvariable als bedingendes Merkmal ausgew¨ ahlt, d.h. die Auspr¨ agungen dieser Variable zerlegen die Untersuchungsgesamtheit in Teilgesamtheiten, die dann hinsichtlich der Spaltenvariable untersucht werden. Nachdem wir als Zeilenvariable Training ausgewählt haben, w¨ urde uns die Option Zeilenweise die Verteilung des Merkmals Erfolg bei den TrainingsteilnehmerInnen und bei den NichtteilnehmerInnen liefern. Die anderen Auswahlm¨ oglichkeiten in der Option Zellen sind f¨ ur uns vorerst nicht wichtig. Die Maßzahlen selbst verbergen sich hinter der Option Statistik (vgl. Abbildung 8.5). Hier findet man die Auswahlm¨ oglichkeit Chi-Quadrat f¨ ur das Assoziationsmaß χ2 , im Bereich Nominal die Option Phi und Cramer-V

142


Abb. 8.5. SPSS: Kreuztabellen - Option Statistik

f¨ ur das Cramersche Assoziationsmaß V und die Option Korrelationen f¨ ur den Rangkorrelationskoeffizienten nach Spearman und den Bravais-PearsonKorrelationskoeffizienten. Zweidimensionale Merkmale bearbeiten in SPSS • Analysieren → Deskriptive Statistiken → Kreuztabellen • Ein Merkmal als Spalte und das andere als Zeile ausw¨ ahlen • Option Zellen – beobachtete H¨ aufigkeiten – erwartete Häufigkeiten – Prozentwerte f¨ ur zweidimensionale Verteilung (Gesamt) – Randverteilungen (Gesamt) – bedingte Verteilungen (Zeilenweise, bzw. Spaltenweise) • Option Statistik f¨ ur Maßzahlen des Zusammenhanges – Chi-Quadrat – Phi und Cramer V – Korrelationen (auch f¨ ur Rangkorrelationskoeffizient)

8.8 Zweidimensionale Merkmale in SPSS

143

Die Verwendung der Daten aus Beispiel 8.1 (Training und Erfolg) und der Optionen Chi-Quadrat und Phi und Cramer-V liefert folgende Ergebnisse.

Abb. 8.6. SPSS: Ergebnis zu Beispiel 8.1, Chi-Quadrat

Abb. 8.7. SPSS: Ergebnis zu Beispiel 8.1, Cramer-V

In der Tabelle Chi-Quadrat-Tests findet man in der Zeile Chi-Quadrat nach Pearson in der Spalte Wert das Assoziationsmaß χ2 = 2, 687. Das zugehörige Ergebnis f¨ ur das Cramersche Assoziationsmaß V = 0, 107 ist in der Tabelle Symmetrische Maße in Zeile Cramer-V und Spalte Wert zu finden. Die Verwendung der Daten aus Beispiel 8.8 (Sport und Schlafdauer) und der Option Korrelationen liefert die in Abbildung 8.8 ersichtlichen Ergebnisse.

144


Abb. 8.8. SPSS: Ergebnis zu Beispiel 8.8

Die Option Korrelationen (vgl. Abbildung 8.5) liefert standardm¨ aßig sowohl den Rangkorrelationskoeffizienten nach Spearman, als auch den Korrelationskoeffizienten nach Bravais-Pearson. Wird der Rangkorrelationskoeffizient ben¨ otigt, weil ordinale Merkmale vorliegen, so findet man das Ergebnis nach der Berechnung in der Tabelle Symmetrische Maße in der Zeile Korrelation nach Spearman in der Spalte Wert. Der Korrelationskoeffizient f¨ ur metrische Merkmale ist in derselben Spalte eine Zeile h¨ oher bei Pearson-R abzulesen. Daraus l¨ asst sich der Korrelationskoeffizient nach Bravais-Pearson ablesen (ρ = 0, 815). Der Men¨ upunkt Grafiken → Streu-/Punkt-Diagramm öffnet eine Dialogbox, welche einfache und u ¨berlagerte Streudiagramme, einfache Punktdiagramme, sowie Streudiagramme in Matrixform und in dreidimensionaler Form anbietet. F¨ ur EinsteigerInnen ist das einfache Streudiagramm zu empfehlen, in der nun erscheinenden Dialogbox (vgl. Abbildung 8.9) k¨ onnen weitere Spezifikationen vorgenommen werden.

8.9 Tipps und Tricks

145

Abb. 8.9. SPSS: Eingabemaske f¨ ur ein Streudiagramm

8.9 Tipps und Tricks In diesem Kapitel wurden Maßzahlen zur Messung des Zusammenhangs beschrieben, die bei zwei Merkmalen gleichen Skalenniveaus verwendet werden k¨ onnen. In der Praxis kommen oft unterschiedliche Skalenniveaus, z.B. Geschlecht (nominal) und h¨ ochste abgeschlossene Schulbildung (ordinal) vor. Es gibt zwar spezielle Maßzahlen f¨ ur solche F¨ alle, aber es hilft auch folgende

146


¨ Uberlegung: Aufgrund der hierarchischen Anordnung der Skalenniveaus (vgl. Kapitel 2.2.1) sind f¨ ur ein bestimmtes Niveau auch alle Verfahren zul¨ assig, die im darunter liegenden Niveau zul¨ assig sind. Ein ordinales Merkmal darf also als nominales Merkmal behandelt werden, daher kann man den Zusammenhang zwischen Geschlecht und h¨ ochster abgeschlossener Schulbildung mit den Assoziationsmaßen χ2 und Cramers V messen.

¨ Ubungsaufgaben 8.1. Interesse an Sport¨ ubertragung In einer Lehrveranstaltung wurden die dort anwesenden Studierenden gefragt, ob sie sich f¨ ur Sport¨ ubertragungen im TV interessieren. Die 240 befragten Personen verteilten sich folgendermaßen auf dem zweidimensionalen Merkmal Geschlecht und Interesse.

m¨ annlich weiblich Summe

Interesse 60 70 130

kein Interesse 30 80 110

Summe 90 150 240

a) Berechnen Sie die zweidimensionalen relativen Häufigkeiten und interpretieren Sie Ihr Ergebnis. b) Berechnen Sie die bedingten Verteilungen zur Beantwortung folgender Frage: Unterscheiden sich Frauen und M¨ anner bez¨ uglich dem Interesse an Sport¨ ubertragungen. c) Gibt es einen Zusammenhang zwischen Geschlecht und Interesse an Sport¨ ubertragungen? Berechnen Sie geeignete Kennzahlen. 8.2. Inflationsrate und Staatsschulden/BIP Bei 4 Staaten liegen folgende Auspr¨ agungen der Merkmale Inflationsrate und Staatsschulden/BIP vor: Staat A B C D

Inflationsrate (in %) 1,9 3,2 2,8 1,4

Staatsschulden (in %) 53,1 55,7 74,4 76,6

Berechnen Sie eine geeignete Maßzahl zur Messung der Abhängigkeit zwischen den Auspr¨ agungen der beiden Merkmale.

¨ Ubungsaufgaben

147

8.3. K¨ orpergr¨ oße und Gewicht Bei einer Stichprobe von 10 Personen wurden K¨ orpergr¨ oße K und Gewicht G gemessen: Person 1 K 175 G 75

2 175 73

3 184 74

4 180 82

5 173 77

6 173 70

7 184 88

8 179 68

9 168 60

10 183 82

Zeichnen Sie ein Streudiagramm und berechnen Sie eine geeignete Maßzahl f¨ ur den Zusammenhang zwischen den Auspr¨ agungen dieser beiden Merkmale.

8.4. Leistung und Drehzahl Bei einem Gleichstrommotor seien folgende Daten u ¨ber die Leistung (in PS) und die Drehzahl (in Umdrehungen pro Sekunde) bekannt. PS U/sec

20 35,2

30 43,8

40 51,3

50 59,2

60 67,9

Berechnen Sie eine geeignete Maßzahl f¨ ur die Messung des Zusammenhanges dieser beiden Merkmale.

8.5. Abfahrtslauf An einem Abfahrtslauf nahmen 8 Personen (A-H) teil. In der nachfolgenden Tabelle sind die Ergebnisse dargestellt.

Name

Startnummer

A B C D E F G H

5 8 7 1 6 2 3 4

Zeit (in min.sec.) 1.58.90 2.01.34 2.00.30 1.59.60 2.00.14 2.00.41 1.59.62 1.57.48

Bestimmen Sie die Stärke des Zusammenhanges zwischen den Ausprägungen der Merkmale Startnummer und Platzierung und interpretieren Sie das Ergebnis.

148


8.6. Lehrveranstaltung Eine Lehrveranstaltungsleiterin hat beim Betrachten der Ergebnisse ihrer ¨ Ubung festgestellt, dass die beste Klausur von der Studentin mit dem bes¨ ten hinterlassenen Eindruck in der Ubung und die schlechteste Klausur von jener mit dem schlechtesten Eindruck geschrieben wurde. Sie vermutet deshalb einen Zusammenhang zwischen den Rangfolgen bei der Klausur und ihren persönlichen Eindr¨ ucken: Studierende Rang Klausur Rang Eindruck

A 1 1

B 6 2

C 7 7

D 5 3

E 2 4

F 4 5

G 3 6

Berechnen Sie zur Messung des Zusammenhanges zwischen den Ausprägungen dieser beiden Merkmale den Spearmanschen Korrelationskoeffizienten. 8.7. Freude an der Schule Bei einer Befragung von insgesamt 3220 Kindern ergab eine Auswertung nach dem zweidimensionalen Merkmal Geschlecht und Freude an der Schule folgende Verteilung. m¨ annlich weiblich Summe

große Freude 1224 1674 2898

geringe Freude 226 96 322

Summe 1450 1770 3220

a) Berechnen Sie die zweidimensionalen relativen Häufigkeiten und interpretieren Sie Ihr Ergebnis. b) Berechnen Sie die bedingten Verteilungen zur Beantwortung folgender Frage: Unterscheiden sich M¨ adchen und Buben bez¨ uglich der Freude an der Schule? c) Gibt es einen Zusammenhang zwischen Geschlecht und Freude an der Schule? Berechnen Sie geeignete Kennzahlen.

9 Die Regressionsanalyse

Mit dem Begriff Regressionsanalyse werden Verfahren bezeichnet, die den Einfluss von einer oder mehreren Variablen auf eine Zielgr¨ oße untersuchen. Der Ursache-Wirkungs-Zusammenhang soll mit Hilfe einer mathematischen Funktion modelliert werden. Es gibt eine Vielfalt an Regressionsverfahren, die sich hinsichtlich der Anzahl der erkl¨ arenden Variablen, der mathematischen Funktionen und der Skalenniveaus der Merkmale unterscheiden. Im einfachsten Fall gibt es nur eine erkl¨ arende Variable, es wird eine lineare Funktion verwendet und die Merkmale sind metrisch. Dieser Fall der linearen Einfachregression wird hier vorgestellt.

9.1 Die lineare Einfachregression Ausgangspunkt f¨ ur die lineare Einfachregression ist das Vorliegen von N zweidimensionalen, metrischen Messdaten (x1 , y1 ), (x2 , y2 ), . . ., (xN , yN ). Aus der Berechnung des Korrelationskoeffizienten ρ l¨ asst sich ablesen, ob ein linearer Zusammenhang zwischen den Merkmalen X und Y besteht. Existiert ein linearer Zusammenhang, so sollte dieser mit Hilfe einer linearen Gleichung der Form y =a+b·x modelliert werden. Mit diesem Modell wird die abh¨ angige Variable Y durch die unabh¨ angige Variable X erkl¨ art. In der Praxis wird dieses Modell dann f¨ ur Prognosen verwendet.

150


Lineare Einfachregression Idee: Bildung eines Modells f¨ ur den linearen Zusammenhang in Form einer Geradengleichung Ziel: Verwendung des Modells zu Prognosezwecken

Die Regressionsgerade f (x) = y = a + b · x

soll alle Datenpunkte m¨ oglichst gut wiedergeben, dazu sind die Parameter a und b der Geradengleichung geeignet zu w¨ ahlen. Was m¨ oglichst gut bedeutet, muss noch näher spezifiziert werden. Setzt man von einem bekannten Datenpunkt (xi , yi ) den Wert xi in die gefundene Gleichung ein, so erh¨ alt man eine Sch¨ atzung f¨ ur den Wert yi , der auch als prognostizierter yi -Wert bezeichnet wird. Diesen Prognosewert wollen wir mit yi bezeichnen. Die Abweichung ei = yi − yi zwischen dem tatsächlichen Wert und dem prognostizierten Wert sollte m¨ oglichst gering sein. Diese Forderung stellen wir an alle Datenpunkte, daher werden wir den Mittelwert der Abweichungen betrachten. Damit sich positive und negative Abweichungen nicht aufheben k¨ onnen, ist es ratsam, den Mittelwert der quadrierten Abweichungen zu betrachten. Damit erhalten wir als Ansatz eine Funktion Q, die von den Parametern a und b abh¨ angig ist und folgendermaßen angeschrieben werden kann:

Q(a, b) =

N N 1 1 (yi − yi )2 = [yi − (a + b · xi )]2 N i=1 N i=1

Diese Funktion soll ein Minimum annehmen. Anders ausgedr¨ uckt sind jene Parameter a und b zu bestimmen, f¨ ur die diese Funktion minimal wird. Dieses Verfahren zur Bestimmung der Regressionsgerade wird als Methode der kleinsten Quadrate bezeichnet und die beiden gefundenen Sch¨ atzwerte a und b f¨ ur die Parameter nennt man Kleinste-Quadrate-Sch¨ atzer.

Zur Bestimmung der Schätzer ist die Funktion Q(a,b) einmal nach a und einmal nach b partiell zu differenzieren. N 2 ∂Q(a, b) =− [yi − (a + b · xi )] ∂a N i=1

9.1 Die lineare Einfachregression

151

N 2 ∂Q(a, b) =− [yi − (a + b · xi )]xi ∂b N i=1

Beide Ableitungen sind null zu setzen. Dadurch erh¨ alt man zwei Gleichungen mit zwei Unbekannten (n¨ amlich a und b), die sich mit elementaren Methoden l¨ osen lassen:

und

N N 1 1 yi − a − b xi = 0 N i=1 N i=1

N N N 1 1 1 2 yi xi − a xi − b x =0 N i=1 N i=1 N i=1 i

Aus der oberen Gleichung erh¨ alt man

a = y¯ − b · x ¯

Dies eingesetzt in die untere Gleichung ergibt N N N N 1 1 1 1 2 yi xi − y¯ xi + b¯ x xi − b x =0 N i=1 N i=1 N i=1 N i=1 i

Dies lässt sich umformen zu N 1 yi xi − y¯x ¯ = b N i=1

N 1 2 x −x ¯2 N i=1 i

Unter Verwendung von Varianz s2X und Kovarianz sXY l¨ asst sich dieser Zusammenhang elegant anschreiben als sXY = b · s2X

Damit erhalten wir f¨ ur die Sch¨ atzer a und b zwei einfache Formeln.

152


Lineare Einfachregression Liegen N zweidimensionale metrische Messdaten (x1 , y1 ), (x2 , y2 ), . . ., (xN , yN ) vor, dann nennt man das Modell y =a+b·x zur Beschreibung des linearen Zusammenhanges die lineare Einfachregression, wobei a den Achsenabschnitt und b die Steigung der Regressionsgeraden bezeichnet.

Die Kleinste-Quadrate-Sch¨ atzer f¨ ur a und b sind gegeben durch b = sXY s2X

und

a = y¯ − b · x ¯

Residuen Die Abweichungen zwischen den tatsächlichen y-Werten und den prognostizierten y-Werten werden als Residuen e bezeichnet ei = yi − yi

mit

yi = a + bxi

f¨ ur

i = 1, . . . , N

Beispiel 9.1. Schlafverhalten (Fortsetzung von Beispiel 8.8, Seite 135) Der Korrelationskoeffizient in diesem Beispiel betrug ρ = 0, 815 und verwies damit auf einen starken gleichsinnigen linearen Zusammenhang zwischen Sportdauer und Schlafdauer. Nun wollen wir die Schlafdauer der Kinder aufgrund der sportlichen Aktivit¨ at prognostizieren. Wir kennen bereits die Hilfsgr¨ oßen x ¯ = 0, 83, y¯ = 7, 64, s2X = 0, 129 und sXY = 0, 087. Damit erhalten wir f¨ ur die Kleinste-Quadrate-Sch¨ atzer

und

b = sxy = 0, 087 = 0, 678 s2x 0, 129 a = y¯ − b · x ¯ = 7, 64 − 0, 678 · 0, 83 = 7, 079

Die Regressionsgerade lautet daher

y = 7, 079 + 0, 678 · x

9.1 Die lineare Einfachregression

153

Die Residuen f¨ ur die einzelnen Datenpunkte erh¨ alt man durch Einsetzen der xi -Werte in die Geradengleichung. Kind Sportdauer Schlafdauer prognostizierte Schlafdauer Residuen

xi yi

1 1,1 7,90

2 0,8 7,60

3 1,3 8,10

4 0,3 7,60

5 1,0 7,90

6 0,9 7,50

7 0,7 7,50

8 1,2 7,70

9 0,2 7,00

yî

7,83

7,62

7,96

7,28

7,76

7,69

7,55

7,89

7,21

eî

0,07

-0,02

0,14

0,32

0,14

-0,19

-0,05

-0,19

-0,21

Schlafdauer Y 8,2

beobachtet prognostiziert Residuum

8,0 7,8 7,6

e

7,4

i

7,2 7,0

=

6,8

0,0

0,2

0,4

0,6

0,8

1,0 1,2 1,4 Zeit für sportliche Aktivitäten X

Abb. 9.1. EXCEL: Streudiagramm mit Regressionsgerade

Erg¨ anzt man das Streudiagramm der Datenpunkte (xi , yi ) mit der neu berechneten Regressionsgerade, so kann man auf dieser jeweils senkrecht u ¨ ber bzw. unter den Datenpunkten die zugeh¨ origen Prognosepunkte entnehmen (vgl. Abbildung 9.1). Der vertikale Abstand zwischen dem Datenpunkt und dem Prognosepunkt entspricht dem Residuum. Diese Residuen sollten m¨ oglichst ¨ klein sein, und waren deswegen auch Ausgangspunkt unserer Uberlegungen. Die Funktion Q(a,b) ist nichts anderes als das arithmetische Mittel der quadrierten Residuen, die es zu minimieren gilt. Will man die Regressionsgerade zu Prognosen heranziehen, so stellt sich die Frage nach der Qualit¨ at dieser Prognose.

154


G¨ ute der lineare Einfachregression Die G¨ ute des Modells wird geschätzt durch das Bestimmtheitsmaß B = ρ2 0≤B≤1 Je größer der Wert des Bestimmtheitsmaßes, desto besser bildet das Modell den Datensatz ab und desto besser ist die gefundene Geradengleichung zu Prognosezwecken geeignet. Dies ist auch unmittelbar einleuchtend, wenn man sich die Berechnung des Bestimmtheitsmaßes näher ansieht. Ein Korrelationskoeffizient nahe 1 bzw. nahe -1 deutet auf einen starken linearen Zusammenhang hin. Je st¨ arker der lineare Zusammenhang, desto besser kann man diesen auch modellieren und desto aussagekr¨ aftiger ist die Regressionsfunktion. Aus dem Bestimmtheitsmaß lassen sich noch genauere Erkenntnisse gewinnen. Das Merkmal Y weist eine bestimmte Varianz auf, einen Teil dieser Varianz weisen auch die prognostizierten Werte y auf. Dieser Teil der Varianz des Merkmals Y kann also durch das Regressionsmodell erkl¨ art werden, der Rest bleibt unerkl¨ art. Das Bestimmtheitsmaß gibt nun an, welcher Anteil der Varianz des Merkmals Y durch das Modell erkl¨ art werden kann. Im Beispiel 9.1 w¨ urde man B = 0, 665 erhalten. Das lineare Regressionsmodell weist eine mittlere G¨ ute auf. Weiters l¨ asst sich daraus ablesen, dass das Modell der linearen Einfachregression auf die Sportdauer 66,5% der Varianz des Merkmals Schlafdauer erkl¨ aren kann, den Rest nicht. Praxistipp Auch f¨ ur Merkmale mit geringer Korrelation l¨ asst sich eine Regressionsgerade berechnen. Sinnvoll ist diese Berechnung meistens nicht, weil die G¨ ute dann so niedrig ist, dass man das gefundene Modell nicht f¨ ur Prognosen verwenden kann.

9.3 Regressionsanalyse in SPSS

155

9.2 Regressionsanalyse in EXCEL EXCEL stellt folgende Funktionen zur Sch¨ atzung der Regressionsparameter bereit: • ACHSENABSCHNITT(Datenbezug Y;Datenbezug X) berechnet a • STEIGUNG(Datenbezug Y;Datenbezug X) berechnet b

Die G¨ ute des Modells wird mit der Funktion BESTIMMTHEITSMASS(Datenbezug Y;Datenbezug X) bestimmt.

ur einen bestimmten xi -Wert wird mit der AnDer prognostizierte yi -Wert f¨ weisung ¨ SCHATZER(x i -Wert;Datenbezug Y;Datenbezug X) errechnet. Das Streudiagramm wird mit Hilfe des Diagrammassistenten mit der Auswahl Punkt (XY) als Diagrammtyp (vgl. Kapitel 6.3.2) erstellt. Die Regressionsgerade l¨ asst sich ebenfalls mit diesem Diagrammtyp erstellen, allerdings wird daf¨ ur der Untertyp Punkte mit Linien oder Punkte mit Linien ohne Datenpunkte verwendet. Es besteht auch die M¨ oglichkeit, sich die Regressionsgerade von EXCEL direkt erstellen zu lassen. Dazu wird im Streudiagramm zuerst die Datenreihe der beobachteten Werte markiert. Die rechte Maustaste bietet dann ein Untermen¨ u an, aus dem der Punkt Trendlinie hinzuf¨ ugen ausgewählt wird. Die neu ge¨ offnete Dialogbox enth¨ alt die Auswahl f¨ ur die lineare Regression als Standardeinstellung, diese Auswahl muss best¨ atigt werden.

9.3 Regressionsanalyse in SPSS Unter dem Men¨ upunkt Analysieren → Regression → Linear öffnet sich eine Dialogbox zur Dateneingabe. Wir wollen Beispiel 8.8 mit SPSS l¨ osen. Wir wählen daher das Merkmal Schlafdauer als Abh¨ angige Variable und als Unabh¨ angige Variable(n) das Merkmal Sportdauer. Die Voreinstellungen in Diagramme und Optionen belassen wir. In der Option Statistiken wählen wir neben den bereits standardm¨ aßig ausgewählten M¨ oglichkeiten Sch¨ atzer Regressionskoeffizienten und Anpassungsg¨ ute des Modells zusätzlich im Bereich Residuen die Fallweise Diagnose f¨ ur Alle F¨ alle (vgl. Abbildung 9.2). Die Ergebnisse dieser Anweisung entnehmen wir den Abbildungen 9.3 und 9.4.

156


Abb. 9.2. SPSS: Lineare Regression - Option Statistik

In der Tabelle Modellzusammenfassung (vgl. Abbildung 9.3) entspricht der Wert in der Spalte R-Quadrat dem Bestimmtheitsmaß.

Abb. 9.3. SPSS: Lineare Regression - Bestimmtheitsmaß und Parameter

9.3 Regressionsanalyse in SPSS

157

Die Sch¨ atzer f¨ ur die Parameter der Regressionsgeraden sind der Tabelle Koeffizienten zu entnehmen (vgl. Abbildung 9.3). Beide Ergebnisse findet man in der Spalte Nicht standardisierte Koeffizienten - B, den Achsenabschnitt a ˆ in der Zeile (Konstante), die Steigung in der Zeile Sportdauer.

Abb. 9.4. SPSS: Lineare Regression - Residuen

Die Tabelle Fallweise Diagnose (vgl. Abbildung 9.4) listet alle Datenpunkte mit den zugeh¨ origen prognostizierten yi -Werten und den Residuen ei auf.

SPSS bietet die M¨ oglichkeit, die prognostizierten yi -Werte und die Residuen ei in der Datenmatrix abzuspeichern. Die Auswahlm¨ oglichkeit dazu findet man in der Option Speichern der Dialogbox zur Regression (Analysieren → Regression → Linear ). Im Bereich Vorhergesagte Werte liefert die Auswahl Nicht standardisiert die prognostizierten yi -Werte, die Residuen erh¨ alt man im Bereich Residuen ebenfalls mit der Option Nicht standardisiert. Die gew¨ unschten Daten werden als zusätzliche Spalten am Ende der Datenmatrix eingef¨ ugt.

Das Streudiagramm wird unter dem Men¨ upunkt Grafiken → Streu-/PunktDiagramm erstellt (vgl. Kapitel 8.8). Ein Doppelklick auf das Streudiagramm offnet dieses im Diagramm-Editor (vgl. Abbildung 9.5), in dem Grafiken lay¨ outiert werden k¨ onnen. upunkt EleIn der Elementsymbolleiste (Schaltfl¨ ache ) bzw. unter dem Men¨ mente → Anpassungslinie bei Gesamtwert kann die Regressionsgerade angefordert werden. In der Version SPSS 12.0 wird durch Markieren der Datenpunkte in der Symbolleiste des Diagramm-Editors die Option zum Einf¨ ugen einer Anpassungslinie aktiviert. Die Auswahl dieser Option o¨ffnet ein Dialogfenster, in dem eine Anpassungslinie mit der Anpassungsmethode Linear ausgewählt wird (vgl. Abbildung 9.6).

158


Abb. 9.5. SPSS: Streudiagramm im Diagramm-Editor

Abb. 9.6. SPSS: Streudiagramm Eigenschaften

¨ Ubungsaufgaben

159

In der SPSS-Version 11 erh¨ alt man die Regressionsgerade mit einer anderen Vorgehensweise. Auch hier muss das Streudiagramm zuerst mittels Doppelklick im Diagramm-Editor ge¨ offnet werden. Unter dem Men¨ upunkt Diagramme → Optionen ¨ offnet sich eine Dialogbox, in der die Anpassungslinie angefordert werden kann. Regressionsanalyse mit SPSS • Analysieren → Regression → Linear • Abh¨ angige Variable und Unabh¨ angige Variable(n) festlegen • Option Statistik – Sch¨ atzer Regressionskoeffizienten f¨ ur die Sch¨ atzer a und b – Anpassungsg¨ ute des Modells f¨ ur das Bestimmtheitsmaß B – Im Bereich Residuen die Fallweise Diagnose f¨ ur Alle F¨ alle f¨ ur die Residuen ei • Option Speichern – Im Bereich Vorhergesagte Werte Auswahl Nicht standardisiert f¨ ur die Prognosewerte yi – Im Bereich Residuen Auswahl Nicht standardisiert f¨ ur die Residuen ei – Gespeicherte Werte werden am Ende der Datenmatrix angef¨ ugt. • Streudiagramm unter Grafiken → Streudiagramm • Einf¨ ugen der Regressionsgerade im Diagramm-Editor m¨ oglich

¨ Ubungsaufgaben 9.1. K¨ orpergr¨ oße und Gewicht Bei einer Stichprobe von 10 Personen wurden K¨ orpergr¨ oße K und Gewicht G gemessen: Person 1 K 175 G 75

2 175 73

3 184 74

4 180 82

5 173 77

6 173 70

7 184 88

8 179 68

9 168 60

10 183 82

160


a) Berechnen Sie die Regressionsgerade zur Prognose des Gewichts und tragen Sie diese in das Streudiagramm ein. b) Berechnen Sie die Residuen der Regression. c) Berechnen Sie das Bestimmtheitsmaß. d) Wie w¨ urden Sie in diesem Beispiel die G¨ ute einer Vorhersage beurteilen? e) Prognostizieren Sie das zu erwartende Gewicht bei einer K¨ orpergr¨ oße von 180 cm. 9.2. Einkommen und Ausgaben von Haushalten Von 20 Haushalten wurde das monatliche Einkommen und die monatlichen Ausgaben f¨ ur Konsum erhoben. Man erhielt folgendes Ergebnis (Angaben in Euro): Haushalt 1 2 3 4 5 6 7 8 9 10 Einkommen 1100 2400 2100 2250 1700 1200 2000 1500 1200 1800 Ausgaben 960 2070 1780 2120 1250 890 1600 1400 1110 1540

Haushalt 11 12 13 14 15 16 17 18 19 20 Einkommen 1750 1300 2300 2200 2100 2250 1370 2310 1200 1310 Ausgaben 1470 1180 1900 1830 1690 1610 1170 1750 960 1170

a) Berechnen Sie die Regressionsgerade zur Prognose der Ausgaben und tragen Sie diese in das Streudiagramm ein. b) Berechnen Sie die Residuen der Regression. c) Berechnen Sie das Bestimmtheitsmaß. d) Wie w¨ urden Sie in diesem Beispiel die G¨ ute einer Vorhersage beurteilen? e) Prognostizieren Sie die zu erwartenden Haushaltsausgeben bei einem Einkommen von 1200 Euro.

Teil III

Wahrscheinlichkeitsrechnung

10 Wahrscheinlichkeitsrechnung

Bisher haben wir Datens¨ atze beschrieben, uns also mit der deskriptiven Statistik besch¨ aftigt. Diese Datensätze können entweder alle interessierenden Objekte umfassen (Vollerhebung einer Grundgesamtheit) oder nur einen Auszug aus dieser Grundgesamtheit (Stichprobe). In Praxis wird der Datensatz meistens eine Stichprobe beinhalten, weil die Vollerhebung zu teuer oder nur schwer möglich ist. Die schließende (induktive) Statistik stellt Methoden bereit, um R¨ uckschl¨ usse von einer Stichprobe auf die Grundgesamtheit zu erm¨ oglichen. Diese Methoden basieren auf wahrscheinlichkeitstheoretischen Grundlagen. Daher ist es notwendig, sich mit den Grundbegriffen und Denkweisen der Wahrscheinlichkeitsrechnung vertraut zu machen.

10.1 Exkurs: Mengenlehre ¨ Da die Mengenschreibweise f¨ ur manche Uberlegungen in der Wahrscheinlichkeitsrechnung sinnvoll ist, wiederholen wir einige Begriffe der Mengenlehre. Menge Eine Menge ist eine Zusammenfassung von Objekten zu einem Ganzen, die einzelnen Objekte werden Elemente genannt. Mengen werden u ¨blicherweise mit Großbuchstaben bezeichnet und entweder durch Aufz¨ ahlung der Elemente oder durch Angabe einer charakterisierenden Eigenschaft festgelegt. Beispiel 10.1. Mengen Sei A die Menge der nat¨ urlichen Zahlen von eins bis sechs, so l¨ asst sich die Menge A anschreiben als A = {1, 2, 3, 4, 5, 6} oder A = {x|x ist eine nat¨ urliche Zahl und 1 ≤ x ≤ 6} (zu lesen als: A ist die Menge aller x, f¨ ur die gilt . . . ).

164


Einige Notationen: • x ∈ A bedeutet x ist ein Element aus A; sonst x ∈ A. • A ⊂ B bedeutet A ist eine Teilmenge von B, d.h. jedes Element aus A ist auch in B enthalten; sonst A ⊂ B. • A ∩ B bezeichnet die Schnittmenge (den Durchschnitt) von A und B. Diese Schnittmenge enth¨ alt alle Elemente, die sowohl in A als auch in B enthalten sind. • A ∪ B bezeichnet die Vereinigungsmenge (die Vereinigung) von A und B. Diese Vereinigungsmenge enthält alle Elemente, die in A oder in B oder in beiden enthalten sind. • A\B bezeichnet die Differenzmenge A ohne B. Diese enth¨ alt alle Elemente, die in A, nicht aber in B enthalten sind. • Sei A ⊂ Ω, dann bezeichnet A oder AC die Komplement¨ armenge von A. Diese enthält alle Elemente aus Ω, die nicht in A enthalten sind. • |A| bezeichnet die Kardinalzahl oder M¨ achtigkeit der Menge A. Diese gibt an, wie viele Elemente in der Menge A enthalten sind. • Mit ∅ oder {} bezeichnet man die leere Menge, diese enthält kein einziges Element.

10.2 Grundbegriffe der Wahrscheinlichkeitsrechnung In der Wahrscheinlichkeitsrechnung betrachtet man Experimente mit ungewissem Ausgang und versucht, ihre Gesetzmäßigkeiten zu beschreiben. Zufallsexperiment Ein Zufallsexperiment ist ein Vorgang, bei dem ein nicht vollst¨ andig vorhersehbarer Ausgang aus einer Menge prinzipiell m¨ oglicher Ausg¨ ange realisiert wird. Weiters muss ein Zufallsexperiment unter gleichen Bedingungen wiederholbar sein. Zur mathematischen Beschreibung solcher Zufallsexperimente bedient man sich h¨ aufig der Mengenlehre. Beispiele sind das Werfen eines ¨ W¨ urfels oder einer M¨ unze, die Lottoziehung und Ahnliches. Zufallsvariable Das Merkmal X, das den Ausgang eines Zufallsexperimentes beschreibt, nennt man zuf¨ alliges Merkmal oder Zufallsvariable.

10.2 Grundbegriffe der Wahrscheinlichkeitsrechnung

165

F¨ ur die folgenden Begriffe betrachten wir das Zufallsexperiment Werfen eines ” W¨ urfels” mit der Zufallsvariable Geworfene Augenzahl”. ” Wertebereich Die Gesamtheit der f¨ ur diese Zufallsvariable X möglichen Auspr¨ agungen ist der Wertebereich ΩX (ΩX = {1, 2, 3, 4, 5, 6}). Versuchsausgang Jede einzelne Ausprägung der Zufallsvariable X ist ein möglicher Versuchsausgang des betrachteten Zufallsexperimentes (z.B. die Augenzahl 1). Ereignis Jede Teilmenge E des Wertebereiches ΩX entspricht einem Ereignis (z.B. die geraden Augenzahlen, also die Menge E = {2, 4, 6}). Ein Ereignis tritt dann ein, wenn ein m¨ oglicher Versuchsausgang realisiert wurde. (Das Ereignis E = {2, 4, 6} tritt ein, wenn beispielsweise die Augenzahl 2 geworfen wurde.) Elementarereignis Jede einelementige Teilmenge des Wertebereiches ΩX nennt man ein Elementarereignis (z.B. die Augenzahl 1, also die Menge E = {1}). Unm¨ ogliches Ereignis Ein Ereignis, das nicht eintreten kann, wird als unm¨ ogliches Ereignis bezeichnet(z.B. die Augenzahl 7). Unm¨ ogliche Ereignisse werden als leere Menge angeschrieben ∅, { }. Sicheres Ereignis Ein Ereignis, das auf jeden Fall eintritt, nennt man ein sicheres Ereignis. Der Wertebereich ΩX ist immer ein sicheres Ereignis. Disjunkte Ereignisse Zwei Ereignisse E1 und E2 heißen disjunkt oder elementfremd, wenn E1 ∩ E2 = {}, wenn also der Durchschnitt der beiden Mengen die leere Menge ist (z.B. sind E1 = {2, 4, 6} und E2 = {1} disjunkt; E1 = {2, 4, 6} und E2 = {2} sind hingegen nicht disjunkt). Paarweise disjunkte Ereignisse Mehrere Ereignisse Ei heißen paarweise disjunkt, wenn alle m¨ oglichen Paare von Ereignissen disjunkt sind (z.B. sind E1 = {2, 4}, E2 = {1, 3} und E3 = {5, 6} paarweise disjunkt; E1 = {2, 4}, E2 = {1, 3} und E3 = {4, 6} sind hingegen nicht paarweise disjunkt). Komplement¨ arereignis Das Komplementärereignis E C tritt genau dann ein, wenn das Ereignis E nicht eintritt. Es umfasst also alle Elemente, die zwar in ΩX , nicht aber in E enthalten sind (Das Komplement¨ arereignis zu E = {2, 4, 6} ist E C = {1, 3, 5}). Wie man sich leicht u ¨berlegen kann, sind Ereignis und Komple-

166


mentärereignis stets disjunkt. Die Vereinigung aus Ereignis und Komplementärereignis ist der Wertebereich ΩX . Zerlegung Mehrere Ereignisse Ei heißen Zerlegung des Wertebereiches ΩX , wenn die Ereignisse Ei paarweise disjunkt sind und die Vereinigung aller Ereignisse wieder den Wertebereich ergibt (z.B. bilden E1 = {2, 4}, E2 = {1, 3} und E3 = {5, 6} eine Zerlegung von ΩX ).

10.3 Denkmodelle f¨ ur den Wahrscheinlichkeitsbegriff Es gibt verschiedene Denkmodelle, die zur Erfassung des Begriffes Wahrscheinlichkeit hilfreich sein k¨ onnen. Wir wollen zwei dieser Denkmodelle kurz betrachten.

10.3.1 Wahrscheinlichkeit als Anteil Wir betrachten ein Zufallsexperiment, welches folgende Eigenschaften aufweist: • Das Experiment besitzt nur endlich viele Ausg¨ ange. • Alle Ausgänge k¨ onnen als gleichwahrscheinlich betrachtet werden, z.B. aufgrund von Symmetrie¨ uberlegungen (W¨ urfel). Dann ist es plausibel einem Ereignis E den Quotienten P r(E) =

|E| Anzahl der zu E geh¨ orenden Ereignisse = Anzahl aller m¨ oglichen Ereignisse |Ω|

als Wahrscheinlichkeit von E zuzuordnen. Man nennt dies Laplace-Wahrscheinlichkeit, klassische Wahrscheinlichkeit oder Abz¨ ahlregel. Die Abz¨ ahlregel - in der leicht merkbaren Kurzfassung G¨ unstige durch M¨ ogliche” - ist ” aber nur bei jenen Zufallsexperimenten anwendbar, bei denen alle Elementarereignisse gleichwahrscheinlich sind. Abz¨ ahlregel P r(E) =

G¨ unstige” |E| =” |Ω| M¨ ogliche” ”

P r(E) . . . Probability, Wahrscheinlichkeit von E

10.4 Rechnen mit Wahrscheinlichkeiten

167

Beispiel 10.2. W¨ urfel Das Werfen eines W¨ urfels erf¨ ullt die genannten Voraussetzungen, denn es gibt nur endlich viele Ausg¨ ange Ω = {1, 2, 3, 4, 5, 6} und alle sind (zumindest bei einem idealen W¨ urfel) gleichwahrscheinlich. Daher kann die Wahrscheinlichkeit f¨ ur das Ereignis E = {3} berechnet werden als P r(E) = |E|/|Ω| = 1/6. 10.3.2 Wahrscheinlichkeit als relative H¨ aufigkeit Wir betrachten ein Zufallsexperiment, welches beliebig oft wiederholt wird, wobei die Wiederholungen einander nicht beeinflussen. Tritt bei n Versuchen das Ereignis k-mal ein, so kann man mittels pE = k/n die relative H¨ aufigkeit des Ereignisses E unter diesen n Versuchen berechnen. K¨ onnte man diesen Versuch unendlich oft durchf¨ uhren, so w¨ urde sich die relative H¨ aufigkeit bei einer Art Grenzwert stabilisieren, den man als Wahrscheinlichkeit bezeichnet. Allerdings ist dies kein Grenzwert im strengen Sinne der Mathematik. Daf¨ ur w¨ urde man verlangen, dass f¨ ur jede beliebige Genauigkeit eine Anzahl von Versuchen bestimmt werden kann, ab der die relative H¨ aufigkeit nicht weiter vom Grenzwert abweicht als die gew¨ unschte Genauigkeit. Bei unserer Art Grenzwert wächst nur die Wahrscheinlichkeit des Erreichens der Genauigkeit mit wachsendem Stichprobenumfang, die sichere Einhaltung der gew¨ unschten Genauigkeit kann aber nicht garantiert werden. Dieses Denkmodell hat den Vorteil, dass man sich Wahrscheinlichkeit als et¨ was Ahnliches wie eine relative Häufigkeit vorstellen kann. Es birgt aber die Gefahr in sich, dass dieser Grenzwertbegriff tatsächlich als echter Grenzwert angesehen wird, was aber falsch ist und zu Fehlinterpretationen f¨ uhren kann. ¨ Eine solche fehlerhafte Uberlegung w¨ are etwa die Folgende: Jetzt muss doch endlich ein 6er kommen, weil alle anderen Zahlen schon so oft gekommen sind und insgesamt alle Zahlen gleich oft kommen m¨ ussen.

10.4 Rechnen mit Wahrscheinlichkeiten Grundlage f¨ ur das Rechnen mit Wahrscheinlichkeiten sind die Axiome von Kolmogorov. Das Wort Axiom bedeutet Grundwahrheit, in der Mathematik meint man damit Aussagen, die keinen Beweis benötigen. Aus diesen Axiomen lassen sich dann weitere Aussagen ableiten, deren G¨ ultigkeit allerdings zu beweisen ist.

168


10.4.1 Axiome von Kolmogorov Die Axiome von Kolmogorov beschreiben in mathematischer Form die Eigenschaften einer Wahrscheinlichkeitsverteilung. Alle Wahrscheinlichkeitsverteilungen erf¨ ullen diese drei Axiome. Axiome von Kolmogorov 1. 0 ≤ P r(E) ≤ 1 f¨ ur alle Ereignisse E ⊆ Ω 2. P r({}) = 0 und P r(Ω) = 1

3. P r(E1 ∪ E2 ) = P r(E1 ) + P r(E2 ) f¨ ur disjunkte Ereignisse E1 ⊆ Ω und E2 ⊆ Ω Verbal ausgedr¨ uckt bedeuten diese Axiome Folgendes: 1. F¨ ur alle Ereignisse liegt die Wahrscheinlichkeit des Eintreffens immer zwischen 0 und 1. 2. Das unm¨ ogliche Ereignis tritt mit der Wahrscheinlichkeit Null ein, und das sichere Ereignis tritt mit der Wahrscheinlichkeit 1, also 100%, ein. 3. Sind zwei Ereignisse disjunkt, so kann die Wahrscheinlichkeit daf¨ ur, dass das Ereignis 1 oder das Ereignis 2 eintritt, als Summe der beiden Einzelwahrscheinlichkeiten berechnet werden. Die Sinnhaftigkeit der ersten beiden Axiome ist augenscheinlich, ein Beispiel zeigt sehr schnell die Intention des dritten Axioms. Beispiel 10.3. W¨ urfel Wir betrachten das Zufallsexperiment Werfen eines W¨ urfels” und interessie” ren uns f¨ ur die Zufallsvariable Geworfene Augenzahl”. Sei nun E1 = {1} und ” E2 = {2} mit den Wahrscheinlichkeiten P r(E1 ) = 1/6 und P r(E2 ) = 1/6. M¨ ochte man nun die Wahrscheinlichkeit f¨ ur das Ereignis 1 oder 2” berechnen, ” so ist das die Summe aus den beiden Einzelwahrscheinlichkeiten. P r({1, 2}) = P r(E1 ∪ E2 ) = P r(E1 ) + P r(E2 ) =

2 1 1 1 + = = 6 6 6 3

Sind die Ereignisse hingegen nicht elementfremd, so kann die Wahrscheinlichkeit nicht als Summe der einzelnen Wahrscheinlichkeiten berechnet werden. Die Ereignisse E1 = {2, 4} und E2 = {1, 2, 3} haben die Wahrscheinlichkeiten P r(E1 ) = 2/6 und P r(E2 ) = 3/6. Damit folgt: P r(E1 ∪ E2 ) = P r({1, 2, 3, 4}) =

4 6

=

P r(E1 ) + P r(E2 ) =

5 6


169

Aus den Axiomen von Kolmogorov lassen sich weitere Rechenregeln ableiten: Rechenregeln 1. P r(E C ) = 1 − P r(E)

2. P r(E1 ∪ E2 ) = P r(E1 ) + P r(E2 ) − P r(E1 ∩ E2 ) 3. P r(

k

i=1

Ei ) =

k

P r(Ei ) f¨ ur paarweise disjunkte Ereignisse Ei .

i=1

4. P r(E1 \E2 ) = P r(E1 ) − P r(E1 ∩ E2 ) Anmerkungen zu diesen Rechenregeln: 1. P r(E C ) wird als Gegenwahrscheinlichkeit des Ereignisses E bezeichnet. 2. Dieser Additionssatz ist eine Erweiterung des dritten Axioms auf beliebige (disjunkte und nicht disjunkte) Ereignisse. 3. Dies ist eine Erweiterung des dritten Axioms auf eine beliebige Anzahl von disjunkten Ereignissen. alt 4. Dies ist eine Erweiterung der Gegenwahrscheinlichkeit, f¨ ur E1 = Ω erh¨ man die erste Rechenregel.

10.4.2 Bedingte Wahrscheinlichkeiten Als einf¨ uhrendes Beispiel zu den bedingten Wahrscheinlichkeiten betrachten wir das Zufallsexperiment Werfen eines W¨ urfels. Wir k¨ onnen bereits die Wahrscheinlichkeit f¨ ur das Ereignis Gerade Zahl” und f¨ ur das Ereignis Augenzahl ” ” 2” berechnen. Wie groß ist aber die Wahrscheinlichkeit f¨ ur die Augenzahl 2, wenn man bereits weiß, dass eine gerade Zahl gekommen ist? Man könnte nun das Zufallsexperiment an die neuen Gegebenheiten anpassen, dann w¨ are = {2, 4, 6}, A = {2} und damit P r(A) = 1/3. Ω Diese Wahrscheinlichkeit lässt sich aber auch ohne Anpassung des Zufallsexperimentes berechnen. Sei Ω = {1, 2, 3, 4, 5, 6}, A = {2} und B = {2, 4, 6}. Mit P r(A|B) bezeichnet man die Wahrscheinlichkeit f¨ ur das Ereignis A unter der Bedingung, dass B bereits eingetreten ist. Durch die zus¨ atzliche Information (das Ereignis Gerade Zahl” ist eingetreten) kann sich die Wahrscheinlichkeit ” f¨ ur das interessierende Ereignis ver¨ andern.

170


Bedingte Wahrscheinlichkeit F¨ ur Ereignisse A, B ⊆ Ω mit P r(B) > 0 gilt: P r(A|B) =

P r(A ∩ B) P r(B)

In unserem Beispiel ist die Wahrscheinlichkeit f¨ ur das gemeinsame Eintreten der Ereignisse A und B (Es kommt eine gerade Zahl und es kommt die Augenzahl 2) gleich P r(A ∩ B) = P r({2}) = 1/6 und daher P r(A|B) =

1/6 1 P r(A ∩ B) = = P r(B) 3/6 3

. Aus der Definition der bedingten Wahrscheinlichkeit l¨ asst sich durch Umformung die Produktregel ableiten. Produktregel F¨ ur Ereignisse A, B ⊆ Ω mit P r(B) > 0 gilt: P r(A ∩ B) = P r(A|B) · P r(B)

10.4.3 Stochastisch unabh¨ angige Ereignisse Zwei Ereignisse sind stochastisch unabh¨ angig, wenn der Ausgang des einen Ereignisses die Wahrscheinlichkeit f¨ ur das Eintreten des anderen Ereignisses nicht beeinflusst. Wird beispielsweise ein W¨ urfel zweimal hintereinander geworfen, so tritt unabh¨ angig davon, welche Augenzahl beim ersten Wurf geworfen wurde, beim zweiten Wurf jede Augenzahl mit der Wahrscheinlichkeit 1/6 ein. Multiplikationsregel F¨ ur stochastisch unabh¨ angige Ereignisse A, B ⊆ Ω gilt: P r(A ∩ B) = P r(A) · P r(B) Von einem unm¨ oglichen Ereignis ist per Definition jedes Ereignis unabh¨ angig. Aus der Multiplikationsregel folgt f¨ ur stochastisch unabh¨ angige Ereignisse auch P r(A|B) = P r(A) und P r(B|A) = P r(B).


171

Beispiel 10.4. W¨ urfel Ein W¨ urfel wird zweimal hintereinander geworfen. Wie hoch ist die Wahrscheinlichkeit f¨ ur das Ereignis Beide Male kommt die Augenzahl 6”? ” = Man k¨ onnte dies als neues Zufallsexperiment mit dem Wertebereich Ω = 36 betrachten, in dem man am Ereignis {(1, 1), (1, 2), . . . , (6, 6)} mit |Ω| = {(6, 6)} interessiert ist. Die Wahrscheinlichkeit P r(A) l¨ A asst sich mit der Abzählregel berechnen als P r(A) = 1/36. Ebenso kann man von zwei stochastisch unabh¨ angigen Ereignissen des Zufallsexperimentes Werfen eines W¨ urfels” mit Ω = {1, 2, 3, 4, 5, 6} ausgehen, ” wobei A das Ereignis Beim ersten Werfen kommt die Augenzahl 6” und B ” das Ereignis Beim zweiten Werfen kommt die Augenzahl 6” bezeichnet. Aus ” dem Multiplikationssatz ergibt sich damit: P r(A ∩ B) = P r(A) · P r(B) =

1 1 1 · = 6 6 36

10.4.4 Das Theorem von Bayes In manchen Aufgabenstellungen kann es passieren, dass man Informationen u ¨ber bedingte Ereignisse hat, aber die Wahrscheinlichkeit f¨ ur das Eintreten des Ereignisses ohne Bedingung vorerst unbekannt ist. Um diese zu berechnen, ben¨ otigen wir den bereits eingef¨ uhrten Begriff der Zerlegung und den Satz von der totalen Wahrscheinlichkeit. Satz von der totalen Wahrscheinlichkeit Die Ereignisse E1 , . . . , Er seien eine Zerlegung des Wertebereiches Ω. Dann gilt f¨ ur A ⊆ Ω P r(A) =

r i=1

P r(A|Ei ) · P r(Ei )

Ein klassisches Beispiel f¨ ur diese Aufgabenstellung bietet die Medizin. Beispiel 10.5. Medizinische Untersuchung Eine Untersuchungsmethode zur Fr¨ uherkennung einer bestimmten Krankheit liefert bei einer kranken Person mit einer Wahrscheinlichkeit von 98% einen positiven Befund. Allerdings liefert diese Methode auch bei gesunden Menschen mit einer Wahrscheinlichkeit von 1% einen positiven Befund. Dar¨ uber hinaus ist bekannt, dass die Krankheit bei 3% der Bev¨ olkerung auftritt. Man ist interessiert an der Wahrscheinlichkeit, dass eine zuf¨ allig ausgewählte Person einen positiven Befund hat.

172


Mit den Bezeichnungen A = {positiver Befund} E1 = {Person krank} und E2 = {Person gesund} haben wir aus der Angabe folgende Informationen (Hinweis: E1 und E2 bilden eine Zerlegung): P r(A|E1 ) = 0, 98 P r(A|E2 ) = 0, 01 P r(E1 ) = 0, 03 P r(E2 ) = 1 − P r(E1 ) = 0, 97 Damit gilt nach dem Satz von der totalen Wahrscheinlichkeit: P r(A) = P r(A|E1 ) · P r(E1 ) + P r(A|E2 ) · P r(E2 ) = = 0, 98 · 0, 03 + 0, 01 · 0, 97 = 0, 0391

Die Wahrscheinlichkeit daf¨ ur, dass eine zuf¨ allig ausgewählte Person einen positiven Befund erh¨ alt, betr¨ agt 3,9%. Beispiel 10.5 wirft zugleich eine weitere Frage auf. Personen, die einen positiven Befund erhalten, m¨ ochten sicherlich wissen, wie hoch die Wahrscheinlichkeit ist, krank zu sein. Unser n¨ achstes Ziel ist es, in der bedingten Wahrscheinlichkeit Bedingung und bedingtes Ereignis quasi zu tauschen. Zur Beantwortung dieser Frage ben¨ otigen wir die Definition der bedingten Wahrscheinlichkeit P r(E1 ∩ A) P r(E1 |A) = P r(A) Den Z¨ ahler stellen wir mit dem Produktsatz dar als P r(E1 ∩ A) = P r(A|E1 ) · P r(E1 ) f¨ ur den Nenner benutzen wir den Satz der totalen Wahrscheinlichkeit

P r(A) =

r i=1

P r(A|Ei ) · P r(Ei )

und erhalten insgesamt einen Zusammenhang, der als Satz von Bayes bezeichnet wird:

¨ Ubungsaufgaben

173

Satz von Bayes Die Ereignisse E1 , . . . , Er seien eine Zerlegung des Wertebereiches Ω. F¨ ur mindestens ein i gilt P (Ei ) > 0 und P (A|Ei ) > 0. Dann gilt:

P r(Ei |A) =

P r(A|Ei ) · P r(Ei ) P r(A|Ei ) · P r(Ei ) = r P r(A) P r(A|Ei ) · P r(Ei ) i=1

P r(Ei )

a-priori Wahrscheinlichkeit

P r(Ei |A)

a-posteriori Wahrscheinlichkeit

Beispiel 10.6. Medizinische Untersuchung Fortsetzung von Beispiel 10.5. Mit dem Satz von Bayes lässt sich jetzt auch die Frage beantworten, mit welcher Wahrscheinlichkeit eine Person mit einem positiven Befund auch tatsächlich krank ist. Mit den Bezeichnungen und Angaben gilt nach dem Satz von Bayes: P r(A|E1 ) · P r(E1 ) = P r(A|E1 ) · P r(E1 ) + P r(A|E2 ) · P r(E2 ) 0, 98 · 0, 03 = = 0, 75 0, 98 · 0, 03 + 0, 01 · 0, 97

P r(E1 |A) =

Die Wahrscheinlichkeit daf¨ ur, dass eine Person mit positivem Befund tats¨ achlich krank ist, betr¨ agt 75%.

¨ Ubungsaufgaben 10.1. Roulette Ein Zufallsexperiment bestehe aus dem Werfen einer Kugel in einen Trichter. Das Ergebnis des Zufallsexperimentes ist eine ganze Zahl zwischen 0 und 36. Geben Sie an: a) den Wertebereich b) zwei mögliche Ereignisse c) zwei mögliche Elementarereignisse d) zwei unm¨ ogliche Ereignisse e) zwei disjunkte Ereignisse f) das sichere Ereignis

174


10.2. Roulette Fortsetzung von Aufgabe 10.1: Es sei A das Ereignis, das aus dem Eintreffen der geraden Ausg¨ ange (0 ist keine gerade Zahl) besteht, B bestehe aus der Menge der Zahlen im 1. Drittel (1 bis 12) und C aus der Menge der Zahlen von 10 bis 15. Geben Sie folgende Ereignisse durch Aufz¨ ahlen ihrer Elementarereignisse an: a) A ∩ B und A ∪ B b) AC c) A ∩ B ∩ C d) A ∪ B ∪ C und (A ∪ B ∪ C)C e) Sind die Mengen A, B und C paarweise disjunkt? f) Sind die Mengen A ∪ B ∪ C und (A ∪ B ∪ C)C disjunkt? 10.3. Roulette Fortsetzung von Aufgabe 10.2: Berechnen Sie die Wahrscheinlichkeiten folgender Ereignisse: a) P r(A), P r(B) und P r(C) b) P r(A ∩ B) und P r(A ∪ B) c) P r(AC ) d) P r(A ∩ B ∩ C) e) P r(A ∪ B ∪ C) und P r((A ∪ B ∪ C)C ) 10.4. Roulette Fortsetzung von Aufgabe 10.2: Berechnen Sie die Wahrscheinlichkeiten folgender Ereignisse: a) Zweimal hintereinander das Ereignis C b) C, gegeben beim vorherigen Versuch ist B eingetroffen c) 2”, gegeben eine gerade Zahl ist eingetroffen ” d) C, gegeben 0” ist eingetroffen ” e) C, gegeben 10” ist eingetroffen ” 10.5. Rubbellos Bei einem Rubbellos verteilt sich eine Serie von 10.000.000 Losen bei einem Lospreis von 2 Euro folgendermaßen auf die Auszahlungskategorien:

¨ Ubungsaufgaben

Anzahl pro Serie 10 50 150 10.000 200.000 850.000 1.750.000

175

Auszahlung in Euro 30.000 3.000 1.000 100 10 4 2

Berechnen Sie die Wahrscheinlichkeiten daf¨ ur, dass das Los einen Auszahlungsbetrag von a) 30.000 Euro anzeigt b) mindestens 1.000 Euro anzeigt c) h¨ ochstens 2 Euro anzeigt d) mindestens 1.000 Euro anzeigt, gegeben es wurde keine Niete gezogen e) genau 2 Euro anzeigt, gegeben es wurde keine Niete gezogen

10.6. Zwei W¨ urfel Ein Zufallsexperiment bestehe aus dem Werfen zweier W¨ urfel. Das Ergebnis des Zufallsexperimentes ist die Summe der geworfenen Augenzahlen. Geben Sie an: a) einige Elementarereignisse b) den Ereignisraum (Wertebereich) Ω c) einige Ereignisse (durch Aufz¨ ahlen ihrer Elemente) d) einige unm¨ ogliche Ereignisse e) einige disjunkte (elementfremde) Ereignisse f) das sichere Ereignis

10.7. Zwei W¨ urfel Ein Zufallsexperiment bestehe aus dem Werfen zweier W¨ urfel. Das Ergebnis des Zufallsexperimentes ist die Summe der geworfenen Augenzahlen. Berechnen Sie die Wahrscheinlichkeiten folgender Ereignisse: a) alle Elementarereignisse b) 6”, gegeben eine gerade Zahl wurde geworfen ” c) 6”, gegeben eine ungerade Zahl wurde geworfen ” d) eine gerade Zahl, gegeben h¨ ochstens 4” wurde geworfen ” e) eine gerade Zahl, gegeben mindestens 4” wurde geworfen ” f) Berechnen Sie den Erwartungswert der Summe der Augenzahlen beim W¨ urfeln zweier W¨ urfel.

176


10.8. Zwei W¨ urfel Ein Zufallsexperiment bestehe im Werfen zweier W¨ urfel. Das Ergebnis ist die Summe der beiden Augenzahlen. Es sei A die Menge der geraden Ausg¨ ange, B die Menge der Ausgänge unter 7 und C die Menge der Ausg¨ ange u ¨ber 7. Geben Sie folgende Mengen durch Aufz¨ ahlen ihrer Elemente an: a) A ∩ B und A ∪ B are Menge) b) AC (die zu A komplement¨ c) A ∩ B ∩ C und A ∪ B ∪ C d) (A ∪ B ∪ C)C e) Gibt es unter den Mengen A, B und C disjunkte Mengen? f) Sind A ∪ B ∪ C und (A ∪ B ∪ C)C disjunkte Mengen? 10.9. Zwei W¨ urfel Fortsetzung von Aufgabe 10.8: Berechnen Sie folgende Wahrscheinlichkeiten: a) P r(A), P r(B), P r(C) b) P r(A ∩ B), P r(A ∪ B) c) P r(AC ) d) P r(A ∩ B ∩ C), P r(A ∪ B ∪ C) e) P r(A ∪ B ∪ C)C f) P r(A ∪ D) mit D = {7}. 10.10. Zwei W¨ urfel Ein Zufallsexperiment bestehe im Werfen zweier W¨ urfel. Das Ergebnis sind die beiden Augenzahlen (z.B. (1 und 3)). Wie wahrscheinlich ist es, dass a) der erste W¨ urfel eine 1” und der zweite eine 3” anzeigt ” ” b) beide W¨ urfel eine 6” anzeigen ” c) beide W¨ urfel einen Pasch”, das sind zwei gleiche Augenzahlen, anzeigen ” d) der erste W¨ urfel eine gerade, der zweite eine ungerade Zahl anzeigt e) der erste W¨ urfel eine h¨ ohere Zahl als der zweite anzeigt.

10.11. Kinder Ein Zufallsexperiment bestehe im Feststellen des Geschlechtes von 2 Kindern. Die Ausgänge sind die verschiedenen m¨ oglichen Kombinationen. Mit welcher Wahrscheinlichkeit sind beide Kinder einer Familie M¨ adchen, a) wenn angenommen wird, dass M¨ adchen- und Knabengeburten gleich wahrscheinlich sind b) wenn man weiß, dass das erste ein M¨ adchen ist c) wenn man weiß, dass mindestens ein Kind ein M¨ adchen ist?

11 Diskrete Wahrscheinlichkeitsverteilungen

Bei Zufallsexperimenten mit diskreten Zufallsvariablen besteht der Ereignisraum bei entsprechender Kodierung aus einer Teilmenge der nat¨ urlichen Zahlen.

11.1 Dichte und Verteilungsfunktion Gegeben sei eine diskrete Zufallsvariable X mit dem Wertebereich Ω. Man nennt jene Funktion f (x), die jedem Elementarereignis i ∈ Ω seine Wahrscheinlichkeit P r(X = i) zuordnet, die Dichte einer diskreten Zufallsvariable. Dichte einer diskreten Zufallsvariable P r(X = i) f¨ ur x = i f (x) = 0 sonst

(∈ Ω)

Vorsicht: Bei stetigen Zufallsvariablen ist der Begriff Dichte anders definiert. Alternativ werden auch die vereinfachten Schreibweisen f(i), Pr(i) verwendet. Eigenschaften der Dichte f (i) = P r(X = i) ≥ 0

i∈Ω

f (i) =

i∈Ω

P r(X = i) = 1

Nichtnegativit¨ at Normierung

178

11 Diskrete Wahrscheinlichkeitsverteilungen

Jene Funktion F (i), die jedem Elementarereignis i die Wahrscheinlichkeit daf¨ ur zuordnet, dass bei einem Versuch ein Ausgang x ≤ i beobachtet wird, nennt man die Verteilungsfunktion der Wahrscheinlichkeitsverteilung. Die Verteilungsfunktion ist stets nichtnegativ und monoton steigend. Verteilungsfunktion einer diskreten Zufallsvariable F (i) = P r(X ≤ i) =

i

P r(X = j)

j=1

Eigenschaften der Verteilungsfunktion F (i) = P r(x ≤ i) F (i) ≤ F (i + 1)

≥0

∀i∈Ω

Nichtnegativit¨ at monoton steigend

Es gilt P r(X = i) = F (i) − F (i − 1) und damit weiters: P r(a < x ≤ b) = F (b) − F (a) P r(a < x < b) = P r(a < x ≤ b − 1) = F (b − 1) − F (a)

P r(a ≤ x < b) = P r(a − 1 < x ≤ b − 1) = F (b − 1) − F (a − 1) P r(a ≤ x ≤ b) = P r(a − 1 < x ≤ b) = F (b) − F (a − 1) Das Abbild der Verteilungsfunktion einer diskreten Zufallsvariable ist eine monoton von 0 nach 1 ansteigende Treppenfunktion. Hinweis: Bei diskreten Zufallsvariablen ist die Unterscheidung zwischen mindestens (≥) und mehr als (>) beziehungsweise zwischen h¨ ochstens (≤) und weniger als ( x0,5 > E(X)

linksschiefe Verteilung

202

12 Stetige Wahrscheinlichkeitsverteilungen

Abbildung 12.3 zeigt die Dichte und die Verteilungsfunktion einer stetigen Zufallsvariablen. Aus der Dichte ist erkennbar, dass eine unimodale Verteilung vorliegt. Auch die Symmetrie der Verteilungsfunktion ist ersichtlich, weil der Modus gleichzeitig auch der Median ist. Die Abbildung zeigt weiters, dass ein p-Quantil die Fl¨ ache unter der Dichtefunktion in zwei Bereiche trennt, wobei der Bereich links vom Quantil den Anteil p der Gesamtfl¨ ache umfasst und rechts vom Quantil der Fl¨ achenanteil 1-p betr¨ agt.

12.4 Die stetige Gleichverteilung Die stetige Zufallsvariable X Zentriwinkel der Gl¨ ucksradstelle, auf die der ” Pfeil zeigt” entspricht einer auf dem Intervall [0, 360] gleichverteilten Zufallsvariablen, weil alle Intervalle gleicher L¨ ange auch die gleiche Wahrscheinlichkeit aufweisen. Die Dichte ist lediglich vom Gesamtintervall abh¨ angig, daher bilden die beiden Intervallgrenzen a und b die Parameter der stetigen Gleichverteilung G(a, b). Stetige Gleichverteilung G(a,b) Dichte f (x) =

1 b−a 0

f¨ ur a ≤ x ≤ b sonst

Verteilungsfunktion ⎧ 0 f¨ ur x < a ⎪ ⎨ x−a F (x) = f¨ ur a ≤ x ≤ b ⎪ ⎩ b−a 1 f¨ ur x > b

Erwartungswert ∞ a+b E(X) = xf (x)dx = 2 −∞ Varianz V ar(X) =

∞

−∞

(x − µ)2 f (x)dx =

(b − a)2 12

Aus der grafischen Darstellung der Dichte (Abbildung 12.4) ist ersichtlich, dass die stetige Gleichverteilung symmetrisch ist mit x0,5 = E(X) = (a + b)/2. Die stetige Gleichverteilung besitzt keinen Modus.

12.5 Die Normalverteilung

203

fx 1 ba

a

b

x

a

b

x

Fx 1

Abb. 12.4. Dichte und Verteilungsfunktion der stetigen Gleichverteilung

12.5 Die Normalverteilung Die wichtigste und auch bekannteste stetige Verteilung ist die Normalverteilung. Viele Verteilungen lassen sich unter gewissen Voraussetzungen durch eine Normalverteilung approximieren. Normalverteilung NV(µ, σ 2 ) Eine stetige Zufallsvariable X heißt normalverteilt, wenn sie eine Dichte der Form (x − µ)2 1 · exp − mit µ, σ ∈ R und σ ≥ 0 f (x) = √ 2σ 2 2πσ besitzt. Die Parameter dieser Verteilung sind der Erwartungswert µ und die Varianz σ 2 . In Abbildung 12.5 sind im oberen Bereich Dichten von Normalverteilungen dargestellt, die sich hinsichtlich des Erwartungswertes unterscheiden, in der unteren Darstellung unterscheiden sich die Verteilungen hinsichtlich der Varianz. Außerdem ist in dieser Abbildung die Symmetrie der Normalverteilung erkennbar, denn f¨ ur jede Normalverteilung gilt xmod = x0,5 = E(X). Eine besondere Stellung nimmt die Normalverteilung mit den Parametern µ = 0 und σ 2 = σ = 1 ein. Diese spezielle Verteilung wird als Standardnormalverteilung bezeichnet.

204


fx NV0,1 NV1,1 NV2,1

x fx NV0,4 NV0,2 NV0,1

x Abb. 12.5. Dichten von Normalverteilungen

Eine normalverteilte Zufallsvariable X wird durch Standardisierung in eine standardnormalverteilte Zufallsvariable U transformiert. u=

x−µ σ

Standardisierung

Diese Standardisierung ist insbesondere f¨ ur die h¨ andische Berechnung von Wahrscheinlichkeiten normalverteilter Zufallsvariablen von Bedeutung, denn es gilt: x−µ a−µ a−µ ≤ = Pr u ≤ = P r(x ≤ a) = P r σ σ σ (12.1) a−µ = Φ(u) =Φ σ Dabei bezeichnet Φ(u) die Verteilungsfunktion der Standardnormalverteilung an der Stelle u.


205

Verbal ausgedr¨ uckt bedeutet Formel (12.1) Folgendes: Der Wert der Verteilungsfunktion f¨ ur eine Auspr¨ agung a einer normalverteilten Zufallsvariable mit den Parametern µ und σ 2 ist gleich dem Wert der Verteilungsfunktion f¨ ur die standardisierte Auspr¨ agung (a − µ)/σ einer standardnormalverteilten Zufallsvariable. Die Verteilungsfunktion ist in allgemeiner Form durch F (a) = P r(x ≤ a) =

a

f (x)dx

−∞

gegeben. Dieses Integral ist im Falle der Normalverteilung nicht in geschlossener Form l¨ osbar, dies gilt ebenso f¨ ur die Standardnormalverteilung. F¨ ur die Standardnormalverteilung werden diese Integrale durch numerische Verfahren gelöst und die Ergebnisse tabelliert. Es ist v¨ ollig ausreichend, die Ergebnisse der Standardnormalverteilung zu tabellieren, weil man mittels Standardisierung jedes Problem einer beliebigen Normalverteilung in ein Problem der Standardnormalverteilung u ¨berf¨ uhren kann.

Beispiel 12.1. Schrauben Die Länge von Schrauben einer Produktion sei normalverteilt mit Mittelwert 4 cm und Varianz 0, 04 cm2 . Wie wahrscheinlich ist es, dass eine Schraube aus dieser Produktion h¨ ochstens 4,15 cm lang ist? In statistische Ausdrucksweise u ¨ bersetzt ist die Zufallsvariable X (L¨ ange der Schrauben) normalverteilt mit µ = 4 cm und σ 2 = 0, 04 cm2 . Gesucht ist P r(x ≤ 4, 15) = F (4, 15). Unter Verwendung der Standardisierung ergibt sich: 4, 15 − 4 P r(x ≤ 4, 15) = P r u ≤ = P r(u ≤ 0, 75) = Φ(0, 75) 0, 2 Der Wert Φ(0, 75) ist aus Tabelle 1 im Anhang abzulesen. An den Zeilen- und Spaltenbezeichnungen der Tabelle findet man die u-Werte, im Inneren der Tabelle die zugeh¨ origen Werte der Verteilungsfunktion der Standardnormalverteilung Φ(u). F¨ ur unser Beispiel ben¨ otigen wir in der mit 0,7” bezeichneten ” Zeile den Wert in der Spalte 0,05” und finden somit Φ(0, 75) = 0, 7734. Da” mit ist die Wahrscheinlichkeit daf¨ ur, dass eine Schraube aus dieser Produktion h¨ ochstens 4, 15 cm lang ist 77,34%.

Die Wahrscheinlichkeiten normalverteilter Zufallsvariablen lassen sich in EXCEL mit der Anweisung =NORMVERT(x; Mittelwert; Standabwn; Kumuliert)

206


berechnen. Kumuliert ist ein Wahrheitswert, der bewirkt, dass entweder die Dichte (Kumuliert = Falsch oder 0) oder die Verteilungsfunktion (Kumuliert = Wahr oder 1) berechnet wird. Normalverteilung N(µ, σ 2 ) in EXCEL Dichte f (x) = NORMVERT(x; µ; σ; 0) Verteilungsfunktion F (x) = NORMVERT(x; µ; σ; 1)

Beispiel 12.2. Schrauben, Umsetzung in EXCEL (Fortsetzung von Beispiel 12.1) Wir ben¨ otigen die Verteilungsfunktion F (4, 15), daher lautet die EXCEL-Anweisung NORMVERT(4,15; 4; 0,2; wahr). Diese Anweisung liefert ebenfalls das Ergebnis 0,7734. Folgende Zusammenh¨ ange sind f¨ ur die Berechnung von Wahrscheinlichkeiten hilfreich: • P r(x ≤ a) = P r(x < a)

• P r(x > a) = 1 − P r(x ≤ a)

f¨ ur stetige Verteilungen Zuverl¨ assigkeitsfunktion, ¨ Uberlebensfunktion

• Φ(−u) = 1 − Φ(u) • up = −u1−p

Im nächsten Beispiel soll die Vorgehensweise zur Berechnung eines Quantils gezeigt werden. Beispiel 12.3. Schrauben Die Länge von Schrauben einer Produktion sei normalverteilt mit Mittelwert ange jener Schrauben, die mit 4 cm und Varianz 0, 04 cm2 . Berechnen Sie die L¨ einer Wahrscheinlichkeit von 95% unterschritten wird. In statistische Ausdrucksweise u ¨ bersetzt ist die Zufallsvariable X (L¨ ange der Schrauben) normalverteilt mit µ = 4 cm und σ 2 = 0, 04 cm2 . Gesucht ist das 95%-Quantil x0,95 . Auch hier ist die Standardisierung wieder hilfreich: x−µ xp − µ xp − µ ≤ P r(x ≤ xp ) = P r = Pr u ≤ = σ σ σ xp − µ =Φ = Φ(up ) = p σ Diese Gleichung wird nun von hinten nach vorne bearbeitet. Wir beginnen mit p = 0, 95 = Φ(u0,95 ) und ermitteln das Quantil u0,95 aus Tabelle 1. Dazu suchen wir den Wert 0,95 im Inneren der Tabelle, und lesen an den Zeilen-


207

1p p 0

u1p

1p p 0

u1p

Abb. 12.6. P r(x > u1−p ) = 1 − P r(x ≤ u1−p )

1p p 0

u1p

1p p 0

u1p

Abb. 12.7. Φ(−u1−p ) = 1 − Φ(u1−p )

bzw. Spaltenbezeichnungen das Quantil u0,95 ab. L¨ asst sich der Wert 0,95 nicht exakt finden, so begn¨ ugen wir uns mit einem möglichst naheliegenden Wert, in unserem Fall mit 1,64 bzw. 1,65. Tabelle 1a listet besonders wichtige Quantile zus¨ atzlich auf. Aus dieser Tabelle k¨ onnen wir u0,95 ≈ 1, 645 ablesen. Dieser Wert ist aber lediglich das Quantil der Standardnormalverteilung. Wir

208


m¨ ussen nun die Standardisierung quasi r¨ uckg¨ angig machen, was mittels x=µ+u·σ erreicht wird. Daher ergibt sich als 0,95-Quantil x0,95 in unserem Fall x0,95 = 4 + 1, 645 · 0, 2 ≈ 4, 33. Mit einer Wahrscheinlichkeit von 95% wird eine L¨ ange von 4,33 cm unterschritten. F¨ ur die Berechnung von Quantilen stellt EXCEL die Funktion NORMINV(Wahrsch;Mittelwert;Standabwn) bereit. Normalverteilung N(µ, σ 2 ) in EXCEL p-Quantil

=

NORMINV(p; µ; σ)

Beispiel 12.4. Schrauben, Umsetzung in EXCEL Fortsetzung von Beispiel 12.3 F¨ ur unser Beispiel liefert NORMINV(0,95; 4; 0,2) das Ergebnis 4,33. Als n¨ achster Schritt sei ein symmetrisches Intervall um den Mittelwert gesucht, welches eine Wahrscheinlichkeit von 95% aufweisen soll. Aus der Symmetrie der Normalverteilung folgt, dass die L¨ ange der Schrauben mit je 2,5%iger Wahrscheinlichkeit unterhalb der unteren bzw. oberhalb der oberen Intervallgrenze liegt. Die obere Intervallgrenze ist demnach nichts anderes als das 0,975-Quantil, die untere Intervallgrenze dem entsprechend das 0,025Quantil (vgl. Abbildung 12.8). Beispiel 12.5. Schrauben, symmetrische Intervalle Die Länge von Schrauben einer Produktion sei normalverteilt mit Mittelwert µ = 4 cm und Varianz σ 2 = 0, 04 cm2 . Berechnen Sie ein um den Mittelwert symmetrisches Intervall, in welchem die Länge der Schrauben mit einer Wahrscheinlichkeit von 95% liegen. F¨ ur die h¨ andische Berechnung kann das 0,975-Quantil der Standardnormalverteilung direkt aus der Tabelle 1 oder der Tabelle 1a entnommen werden ur die Berechnung des 0,025-Quantils muss man noch zus¨ atzu0,975 ≈ 1, 96. F¨ lich den Zusammenhang Φ(−u) = 1 − Φ(u) nutzen. Dieser Zusammenhang l¨ asst sich auch anschreiben als up = −u1−p , das bedeutet, man sucht hier das


209

1p p2

p2 0

u1p2

u 1p2

Abb. 12.8. Symmetrische Intervalle

1-0,025=0,975-Quantil und verwendet ein negatives Vorzeichen. Dem entsprechend gilt u0,025 = −u0,975 ≈ −1, 96. Diese Quantile der Standardnormalverteilung m¨ ussen nun in Quantile der vorliegenden Normalverteilung transformiert werden, in dem die Standardisierung r¨ uckg¨ angig gemacht wird: x0,025 = µ + u0.025 · σ = µ − u0,975 · σ = 4 − 1, 96 · 0, 2 = 3, 61 x0,975 = µ + u0.975 · σ = 4 + 1, 96 · 0, 2 = 4, 39 Es h¨ atte nat¨ urlich auch gen¨ ugt, die obere Intervallgrenze zu berechnen und dann aufgrund der Symmetrie¨ uberlegungen die untere Intervalluntergrenze mittels x0,025 = µ − (x0,975 − µ) = 4 − (4, 39 − 4) = 3, 61 zu berechnen. (Die obere Intervallgrenze muss vom Mittelwert gleich weit entfernt sein, wie die untere Intervallgrenze vom Mittelwert entfernt ist.) Damit erhalten wir folgendes Ergebnis: Mit einer Wahrscheinlichkeit von 95% wird die L¨ ange der Schrauben zwischen 3,61 cm und 4,39 cm betragen. Bezeichnet man die Wahrscheinlichkeit des Intervalls allgemein mit 1 − α so l¨ asst sich das symmetrische Intervall um den Mittelwert in folgender Weise darstellen: Symmetrische Intervalle F¨ ur die normalverteilte Zufallsvariable X (kurz: X ∼ N V (µ, σ 2 )) gilt: P r(µ − u1− α2 · σ ≤ X ≤ µ + u1− α2 · σ) = 1 − α

210


12.6 Approximationen durch die Normalverteilung Viele Verteilungen lassen sich durch eine Normalverteilung approximieren, was vor allem in der schließenden Statistik eine wichtige Rolle spielt. Wir wollen uns in einem ersten Teil die theoretischen Hintergr¨ unde daf¨ ur ansehen und in einem zweiten Teil verschiedene Approximationsm¨ oglichkeiten n¨ aher beleuchten. Die theoretische Basis liefert das Gesetz der großen Zahlen und verschiedene Grenzwertsätze, die wir im Folgenden betrachten wollen.

12.6.1 Gesetz der großen Zahlen und Grenzwerts¨ atze Bezeichne X eine diskrete oder stetige Zufallsvariable, die eine beliebige Verteilung aufweist und den Erwartungswert µ und die Varianz σ 2 besitzt. Nun wiederholt man das zu X geh¨ orende Zufallsexperiment n-mal hintereinander. Diese Wiederholungen seien dar¨ uber hinaus voneinander unabh¨ angig. Jede einzelne Durchf¨ uhrung des Zufallsexperimentes erh¨ alt eine neue Bezeichnung X1 , . . . , Xn . Damit sind die Zufallsvariablen X1 , . . . , Xn voneinander unabh¨ angig und sie besitzen alle dieselbe Verteilung, n¨ amlich genau diejenige, die auch X aufweist. K¨ urzer formuliert sagt man X1 , . . . , Xn sind unabh¨ angig und identisch verteilt (independent and identically distributed - daher wird diese Bedingung in der Statistik auch kurz iid-Bedingung genannt). Das arithmetische Mittel dieser Zufallsvariablen n

Xn =

1 1 Xi = (X1 + · · · + Xn ) n i=1 n

ist selbst wieder eine Zufallsvariable mit Erwartungswert µ und Varianz σ 2 /n. Damit ist der Erwartungswert des arithmetischen Mittels gleich dem Erwartungswert der einzelnen Verteilung von X, die Varianz strebt mit wachsendem n gegen Null. Daraus resultiert auch das Gesetz der großen Zahlen: Gesetz der großen Zahlen F¨ ur beliebig kleine ε > 0 gilt: P r(|X n − µ| ≤ ε) −→ 1

f¨ ur

n −→ ∞

Man sagt dazu X n konvergiert stochastisch gegen µ.

12.6 Approximationen durch die Normalverteilung

211

Das Gesetz der großen Zahlen sagt aus, dass die Wahrscheinlichkeit daf¨ ur, dass das arithmetische Mittel in einem beliebig kleinen Intervall [µ − ε, µ + ε] um den Erwartungswert liegt, gegen Eins konvergiert, wenn n unendlich groß wird. F¨ ur große n ist damit auch die Wahrscheinlichkeit f¨ ur P r(µ − ε ≤ X n ≤ µ + ε) nahe Eins. Wendet man dieses Gesetz der großen Zahlen auf Zufallsvariablen an, die A(p) = B(1, p)-verteilt sind, dann entspricht das arithmetische Mittel gerade der relativen H¨ aufigkeit pA des Eintretens von A. Dieser Spezialfall kommt im Theorem von Bernoulli zum Ausdruck: Theorem von Bernoulli Die relative H¨ aufigkeit, mit der ein Ereignis A bei n voneinander unabh¨ angigen Versuchen eintritt, konvergiert stochastisch gegen P r(A). Nicht nur u ¨ber den Erwartungswert und die Varianz von Summen von Zufallsvariablen kann eine Aussage getroffen werden, auch die Verteilung der Summe kann zumindest approximativ bestimmt werden. Zentraler Grenzwertsatz angige, identisch verteilte Zufallsvariablen mit Seien X1 , . . . , Xn unabh¨ E(Xi ) = µ und V ar(Xi ) = σ 2 . Dann ist die Zufallsvariable Y = X1 + · · · + Xn approximativ normalverteilt mit Erwartungswert n · µ und Varianz n · σ 2 . Y ∼ N V (nµ, nσ 2 ) Wendet man diesen zentralen Grenzwertsatz auf Zufallsvariablen an, die A(p) = B(1, p)-verteilt sind, erh¨ alt man als Spezialfall den Grenzwertsatz von de Moivre. Grenzwertsatz von de Moivre F¨ ur große n l¨ asst sich die Binomialverteilung B(n,p) durch eine Normalverteilung mit dem Erwartungswert np und der Varianz np(1 − p) approximieren. Bei dieser Approximation muss eine sogenannte Stetigkeitskorrektur durchgef¨ uhrt werden. Diese bewirkt, dass jedem diskreten Ereignis i das stetige Intervall [i − 0, 5; i + 0, 5] zugeordnet wird. Eine Stetigkeitskorrektur ist immer dann zu ber¨ ucksichtigen, wenn eine diskrete Verteilung durch eine stetige Verteilung approximiert wird.

212


12.6.2 Approximationen durch die Normalverteilung Die im vorhergehenden Abschnitt beschriebenen Grenzwerts¨ atze sind die theoretische Grundlage f¨ ur Approximationen verschiedener Verteilungen durch die Normalverteilung. F¨ ur die Binomialverteilung und die Poissonverteilung werden diese Approximationen hier explizit angegeben: Approximation der Binomialverteilung B(n, p) ≈ N V (µ = np, σ 2 = np(1 − p)) Voraussetzung: min{np, n(1 − p) > 10} Stetigkeitskorrektur Damit gelten folgende Approximationen: • P r(x ≤ i | B(n, p)) ≈ P r(x ≤ i + 0, 5 | N V (np, np(1 − p))) • P r(x < i | B(n, p)) ≈ P r(x ≤ i − 0, 5 | N V (np, np(1 − p))) • P r(x > i | B(n, p)) ≈ 1 − P r(x ≤ i + 0, 5 | N V (np, np(1 − p))) • P r(x ≥ i | B(n, p)) ≈ 1 − P r(x ≤ i − 0, 5 | N V (np, np(1 − p))) Approximation der Poissonverteilung P (λ) ≈ N V (µ = λ, σ 2 = λ) Voraussetzung: λ > 10 Stetigkeitskorrektur Damit gelten folgende Approximationen: • P r(x ≤ i | P (λ)) ≈ P r(x ≤ i + 0, 5 | N V (λ, λ)) • P r(x < i | P (λ)) ≈ P r(x ≤ i − 0, 5 | N V (λ, λ)) • P r(x > i | P (λ)) ≈ 1 − P r(x ≤ i + 0, 5 | N V (λ, λ)) • P r(x ≥ i | P (λ)) ≈ 1 − P r(x ≤ i − 0, 5 | N V (λ, λ))

12.6 Approximationen durch die Normalverteilung

213

Ein Beispiel soll diese Anhäufung von Formeln etwas leichter verdaulich machen. Beispiel 12.6. Uhren (vgl. Beispiel 11.12, Seite 191) Eine Lieferung von 100.000 Uhren enth¨ alt 40.000 Einheiten mit wertmindernden Fehlern. Zum Zweck einer statistischen Qualit¨ atskontrolle wird eine Stichprobe von 1.000 Uhren gezogen und gepr¨ uft. Wie groß ist die Wahrscheinlichkeit, dass die Stichprobe h¨ ochstens 400 beschädigte Einheiten enth¨ alt? Wie groß ist die Wahrscheinlichkeit, dass die Stichprobe genau 400 besch¨ adigte Einheiten enth¨ alt? Dieses Problem lässt sich mit einer Hypergeometrischen Verteilung modellieren. Die Voraussetzungen f¨ ur eine Approximation durch die Binomialverteilung sind erf¨ ullt mit p = A/N = 0, 4. Da weiters auch die Voraussetzung f¨ ur eine Approximation durch die Normalverteilung erf¨ ullt ist, erh¨ alt man mit µ = np = 400 und σ 2 = np(1 − p) = 240 P r(x ≤ 400) = P r(x ≤ 400 | B(1000; 0, 4)) ≈ = P r(x ≤ 400, 5 | N V (400, 240)) 400, 5 − 400 √ =Φ = Φ(0, 03) = 0, 512 240 Die Wahrscheinlichkeit daf¨ ur, dass die Stichprobe h¨ ochstens 400 beschädigte Einheiten enth¨ alt, betr¨ agt 51,2%. P r(x = 400) = P r(x = 400 | B(1000; 0, 4)) ≈ = P r(x ≤ 400, 5 | N V (400, 240)) − P r(x ≤ 399, 5 | N V (400, 240)) = 399, 5 − 400 400, 5 − 400 √ √ −Φ = =Φ 240 240 = Φ(0, 03) − Φ(−0, 03) = 0, 512 − (1 − 0, 512) = 0, 024 Die Wahrscheinlichkeit daf¨ ur, dass die Stichprobe genau 400 besch¨ adigte Einheiten enth¨ alt, betr¨ agt 2,4%.

214


¨ Ubungsaufgaben 12.1. Schrauben Die Länge von Schrauben einer Produktion ist normalverteilt mit Mittelwert ur, 4 cm und Varianz 0, 04 cm2 . Berechnen Sie die Wahrscheinlichkeiten daf¨ dass eine Schraube a) h¨ ochstens 4,28 cm lang ist. b) h¨ ochstens 3,8 cm lang ist. c) mindestens 4,21 cm lang ist. d) mindestens 3,91 cm lang ist. e) zwischen 3,85 cm und 4,1 cm lang ist.

12.2. Schrauben Fortsetzung von 12.1. a) Berechnen Sie jene Länge der Schrauben, die mit einer Wahrscheinlichkeit von 0,90 unterschritten wird. b) Geben Sie das um den Mittelwert symmetrische Intervall an, in welchem die L¨ ange der Schrauben mit einer Wahrscheinlichkeit von 0,90 liegt. c) Berechnen Sie jene Länge der Schrauben, die mit einer Wahrscheinlichkeit von 0,90 u ¨berschritten wird.

12.3. Produktion Eine Maschine produziert fehlerfreie St¨ ucke mit einer gleichbleibenden Wahrscheinlichkeit von 0,98. Mit welcher Wahrscheinlichkeit befinden sich in einer Serie vom Umfang 600 a) h¨ ochstens sechs defekte St¨ ucke? b) genau sechs defekte St¨ ucke?

12.4. Lotto Die Wahrscheinlichkeit f¨ ur die Anzahl an Sechsern” in einer Lottorunde ist ” poissonverteilt mit einem Mittelwert von 1,2. Berechnen Sie die Wahrscheinlichkeit daf¨ ur, dass in 100 normalen Lottorunden a) h¨ ochstens 125 Sechser gezogen werden. b) mindestens 100 Sechser gezogen werden.

12.5. Niederschlagsmenge Langj¨ ahrige Aufzeichnungen ergeben f¨ ur die Niederschlagsmenge im April in Linz eine Normalverteilung mit µ = 75 mm und σ = 7 mm. Berechnen Sie

¨ Ubungsaufgaben

215

aus diesen Daten a) das 0,05-Quantil dieser Verteilung. b) das 0,95-Quantil dieser Verteilung.

12.6. Waschpulver Eine Maschine paketiert Waschpulver mit einem Normgewicht von 1000 g. Das Merkmal Gewicht pro Paket” ist in guter N¨ aherung normalverteilt. In ” 90% aller F¨ alle haben die Pakete ein Gewicht zwischen 990 g und 1010 g. Welchen Wert muss das Normgewicht annehmen, wenn bei gleichbleibender Varianz nur mehr 1 % der Pakete einen Inhalt von weniger als 990 g haben d¨ urfen? 12.7. Radioaktivit¨ at Einer der bekanntesten Poissonprozesse in der Natur ist die Absonderung von Teilchen bei radioaktivem Material. Rutherford und Geiger untersuchten die Radioaktivit¨ at eines Poloniumpr¨ aparats, das durchschnittlich 150 Teilchen pro Sekunde emittierte. Wie groß ist die Wahrscheinlichkeit daf¨ ur, innerhalb einer Sekunde weniger als 125 abgestrahlte Teilchen zu registrieren? 12.8. Br¨ ucke Das Gewicht von Bundesheersoldaten ist normalverteilt mit µ = 85 kg und einer Standardabweichung von 8 kg. Ein Bataillon von 1170 Mann u ¨berquert eine Br¨ ucke mit einer Tragkraft von 100 Tonnen. a) Mit welcher Wahrscheinlichkeit wird die Tragkraft der Br¨ ucke u ¨berschritten? b) Welche Tragkraft m¨ usste die Br¨ ucke aufweisen, damit diese nur mehr mit einer Wahrscheinlichkeit von 0,1 % u ¨berschritten wird? 12.9. Eine diskrete Zufallsvariable X besitzt folgende Verteilung: X: -2 P r(x) : 0,05

-1 0,35

0 0,25

1 0,20

2 0,15

Bestimmen Sie die Wahrscheinlichkeit daf¨ ur, dass die Summe Y =

40

i=1

a) gr¨ oßer als null ist. b) genau null ist.

xi

Teil IV

Schließende Statistik

13 Die Gedankenwelt der schließenden Statistik

In der Praxis ist es oft nicht m¨ oglich, alle interessierenden Objekte der Grundgesamtheit zu untersuchen. Man muss sich dann mit einer Auswahl aus dieser Grundgesamtheit, der Stichprobe, begn¨ ugen. Ziel der schließenden Statistik ist es nun, R¨ uckschl¨ usse von der Stichprobe auf die Grundgesamtheit zu erm¨ oglichen. Die schließende Statistik umfasst die beiden Teilbereiche Sch¨ atzen und Testen. Grundlage der Analyse ist in beiden F¨ allen eine Zufallsstichprobe aus der Grundgesamtheit (vgl. Kapitel 1.3). Alle hier vorgestellten Formeln und Verfahren beruhen auf dem Vorliegen einer einfachen Zufallsauswahl und d¨ urfen daher nicht angewendet werden, wenn diese Voraussetzung verletzt ist. Schließende Statistik Wesentliche Voraussetzung f¨ ur die Verfahren der schließenden Statistik ist das Vorliegen einer Zufallsstichprobe. Die schließende Statistik stellt Methoden bereit, die einen R¨ uckschluss von einer Stichprobe auf die Grundgesamtheit zulassen.

13.1 Stichprobenverteilung Wir betrachten ein Beispiel bestehend aus einer Grundgesamtheit von 6 Personen. Davon stimmen 4 Personen einer bestimmten Behauptung zu (z.B. die Personen 1, 3, 4 und 5). Dem entsprechend ist der Anteil der Zustimmung in der Grundgesamtheit p = 0, 667. Wir ziehen nun alle m¨ oglichen Stichproben (ohne Zur¨ ucklegen) vom Umfang n = 3 aus dieser Grundgesamtheit und eruieren in jeder Stichprobe den Stichprobenanteil pˆ.

220

13 Die Gedankenwelt der schließenden Statistik Tabelle 13.1. Stichproben vom Umfang n = 3 Nr 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

1 ja ja ja ja ja ja ja ja ja ja

Ausgew¨ ahlte Person 2 3 4 5 nein ja nein ja nein ja nein ja ja ja ja ja ja ja ja ja nein ja ja nein ja ja nein ja nein ja ja nein ja nein ja ja ja ja ja ja ja ja ja ja

6

nein

nein nein nein

nein nein nein nein nein nein

Anteil pˆ 0,667 0,667 0,667 0,333 1,000 1,000 0,667 1,000 0,667 0,667 0,667 0,667 0,333 0,667 0,333 0,333 1,000 0,667 0,667 0,667

Insgesamt gibt es 20 verschiedene Möglichkeiten, 3 Personen aus 6 Personen auszuwählen. Man sieht nun, dass einige Stichproben denselben Anteil an Zustimmung aufweisen wie die Grundgesamtheit, andere Stichproben jedoch zum Teil erheblich vom tatsächlichen Anteil abweichen. Die Variable Stichproben” anteil” ist somit selbst eine Zufallsvariable, deren Verteilung in Tabellenform darstellbar ist: Tabelle 13.2. Stichprobenverteilung des Anteils, n = 3 Auspr¨ agung pˆ 0,333 0,667 1,000 Summe

Anzahl 4 12 4 20

P r(ˆ p) 0,2 0,6 0,2 1,0

Berechnet man den Erwartungswert dieser Verteilung, so stellt man fest, dass der Erwartungswert der Stichprobenanteile gerade dem Anteil in der Grundgesamtheit entspricht. E(ˆ p) = pˆP r(ˆ p) = p

13.2 Parametersch¨ atzung

221

Die Berechnung der Varianz ergibt in diesem Fall V ar(ˆ p) ≈ 0, 044. Nun betrachten wir den Fall n = 5. Tabelle 13.3. Stichprobenverteilung des Anteils, n = 5 Nr 1 2 3 4 5 6

1 ja ja ja ja ja

Ausgew¨ ahlte Person 2 3 4 5 nein ja ja ja nein ja ja nein ja ja nein ja ja ja ja ja nein ja ja ja Auspr¨ agung pˆ 0,600 0,800 Summe

Anzahl 4 2 6

6 nein nein nein nein nein

Anteil pˆ 0,800 0,600 0,600 0,600 0,800 0,600

P r(ˆ p) 0,667 0,333 1,000

Die Berechnung von Erwartungswert und Varianz zeigt, dass sich der Erwartungswert nicht ver¨ andert hat, die Varianz aber kleiner geworden ist (V ar(ˆ p) ≈ 0, 009). Erh¨ oht man den Stichprobenumfang auf n = 6, so liegt eine Vollerhebung vor. Daher muss der Stichprobenanteil exakt dem Anteil der Grundgesamtheit entsprechen und die Varianz muss Null sein. Allgemein kann gezeigt werden, dass der Erwartungswert des Stichprobenanteils immer dem Anteil der Grundgesamtheit entspricht und die Varianz mit zunehmendem Stichprobenumfang kleiner wird.

13.2 Parametersch¨ atzung Ein wesentlicher Teilbereich der schließenden Statistik ist das Sch¨ atzen von Parametern. Wir haben in Kapitel 11 und 12 verschiedene Verteilungen betrachtet und festgestellt, dass alle Wahrscheinlichkeitsverteilungen einen oder mehrere Parameter als Bestimmungsgrößen haben. In den Beispielen waren bislang diese Parameter bekannt und wir haben Wahrscheinlichkeiten daf¨ ur berechnet, dass in der Stichprobe gewisse interessierende Ereignisse auftreten. Nun haben wir eine Stichprobe vorliegen, und wollen aus dieser Kenntnisse u ¨ber den unbekannten Parameter erlangen, wir sch¨ atzen also den unbekannten Parameter. Diese geschätzten Parameter sollen zusätzlich gewisse G¨ utekriterien erf¨ ullen.

222


Die beiden wesentlichsten G¨ utekriterien haben wir schon in Abschnitt 13.1 kennen gelernt. Wir haben festgestellt, dass der Erwartungswert des Stichprobenanteils dem Anteil der Grundgesamtheit entspricht. Sch¨ atzer, die diese Eigenschaft aufweisen, nennt man erwartungstreu. Weiters haben wir festgestellt, dass mit zunehmendem Stichprobenumfang die Varianz des Sch¨ atzers immer kleiner wird. Diese Eigenschaft wird als Konsistenz bezeichnet. G¨ utekriterien f¨ ur Sch¨ atzer • Erwartungstreue Der Erwartungswert des Sch¨ atzers entspricht dem gesuchten Parameter. ˆ = ˆ r(θ) ˆ =θ E(θ) θP

• Konsistenz Mit zunehmendem Stichprobenumfang wird die Varianz des Sch¨ atzers kleiner. lim V ar(θˆn ) = 0 n→∞

In Kapitel 13.1 haben wir den Stichprobenanteil als Sch¨ atzer f¨ ur den Anteil der Grundgesamtheit herangezogen. Wir haben weiters festgestellt, dass der Stichprobenanteil ein erwartungstreuer und konsistenter Sch¨ atzer des Anteils der Grundgesamtheit ist. Dieser Sch¨ atzer nimmt f¨ ur eine bestimmte Stichprobe einen einzigen Wert an und wird daher auch als Punktsch¨ atzer bezeichnet. Ziehen wir eine zweite Zufallsstichprobe und errechnen erneut den Punktsch¨ atzer, so kann dieser nat¨ urlich vom ersten Sch¨ atzer abweichen. Der Punktsch¨ atzer kann auch vom wahren Anteil in der Grundgesamtheit abweichen. Der Nachteil von Punktsch¨ atzern liegt darin, dass man wenig Information u ¨ber die Qualit¨ at der Sch¨ atzung hat. Wiederholt man diese Stichprobenziehung sehr oft und betrachtet die verschiedenen Ergebnisse, so bildet der Punktsch¨ atzer selbst wieder eine Zufallsvariable, die einer gewissen Verteilung, der so genannten Stichprobenverteilung, gehorcht. Manche Stichprobenverteilungen k¨ onnen bei gen¨ ugend großem Stichprobenumfang gut durch eine Normalverteilung approximiert werden. Die Stichprobenverteilung des Anteils kann beispielsweise durch eine Normalverteilung mit Erwartungswert p und Varianz p(1−p)/n approximiert werden. Damit kann man Intervalle bestimmen, die mit vorgegebener Wahrscheinlichkeit den Stichprobenanteil enthalten, sofern der Anteil der Grundgesamtheit bekannt ist. p(1 − p) p(1 − p) =1−α ≤ p ≤ p + u1− α2 · P r p − u1− α2 · n n

13.3 Sch¨ atzen von Anteilen

223

Dieses Wissen ist nur bedingt brauchbar, weil ja dieser Anteil der Grundgesamtheit in Wahrheit nicht bekannt ist. Allerdings kann man zeigen, dass diese Behauptung auch in der Form p(1 − p) p(1 − p) ≤ p ≤ p + u1− α2 · P r p − u1− α2 · =1−α n n gilt. Somit erhalten wir ein Intervall, welches den gesuchten Parameter mit der Wahrscheinlichkeit 1 − α u ¨berdeckt. Wir haben auf diese Weise einen Bereichschätzer f¨ ur den Anteil konstruiert. Diese Bereichsch¨ atzer werden in ¨ der Statistik als Konfidenzintervalle bezeichnet. Ubliche α-Werte f¨ ur die Konstruktion von Konfidenzintervallen sind etwa 0,05 oder 0,01. Parametersch¨ atzung • Punktsch¨ atzer Der Sch¨ atzer ist ein einzelner Wert, der aufgrund des Stichprobenergebnisses errechnet wird. • Bereichsch¨ atzer - Konfidenzintervalle Mit Hilfe der Stichprobenverteilung werden Intervalle konstruiert, die den gesuchten Parameter mit einer Sicherheit von 1 − α u ¨berdecken. ¨ Ubliche α-Werte sind α = 0, 05 oder α = 0, 01. Man kann sich diese Sicherheit etwa folgendermaßen vorstellen: Zieht man sehr viele verschiedene Stichproben und bestimmt zu jeder dieser Stichproben das Konfidenzintervall beispielsweise zur Sicherheit 1−α = 0, 95, dann werden 95% der Konfidenzintervalle den Parameter der Grundgesamtheit u ¨berdecken. Daneben gibt es aber leider auch 5% der Konfidenzintervalle, die den Parameter nicht u ¨berdecken. Das heißt, ein kleines Restrisiko des Irrtums (n¨ amlich 5%) bleibt. Diese Irrtumswahrscheinlichkeit kann nicht v¨ ollig ausgel¨ oscht werden, aber u ¨ber die Wahl von α reduziert werden. Reduziert man diese Irrtumswahrscheinlichkeit bei gleichbleibendem Stichprobenumfang, so wird das zugeh¨ orige Konfidenzintervall etwas breiter werden, also etwas ungenauer sein.

13.3 Sch¨ atzen von Anteilen Das Sch¨ atzen von Anteilen haben wir bereits als einf¨ uhrendes Beispiel betrachtet, daher begn¨ ugen wir uns mit der Zusammenfassung der Erkenntnisse.

224


Bezeichnungen p wahrer Anteil einer Eigenschaft in der Grundgesamtheit p Sch¨ atzwert aus der Stichprobe f¨ ur den unbekannten Anteil p erwartungstreuer, konsistenter Punktsch¨ atzer u1− α2 (1 − α/2) - Quantil der Standardnormalverteilung Konfidenzintervall f¨ ur Anteile Ein Intervall der Form [p, p] mit p = p + u1− α2 · p = p − u1− α2 ·

p(1 − p) n p(1 − p) n

wird als Konfidenzintervall zur Sicherheit 1 − α bezeichnet. Ein Konfidenzintervall zur Sicherheit 1 − α u ¨berdeckt den wahren Parameter p mit einer Wahrscheinlichkeit von 100(1 − α)%. ¨ Beispiel 13.1. XPO-W¨ ahlerInnen Das Umfrageergebnis einer Zufallsstichprobe von n = 2000 Personen aus der Grundgesamtheit aller Wahlberechtigten liegt vor. Es gaben 910 Befragte an, ¨ wählen zu wollen. Berechnen Sie die XPO • das 99%-Konfidenzintervall • das 95%-Konfidenzintervall • das 90%-Konfidenzintervall

¨ f¨ ur den Anteil der XPO-W¨ ahlerInnen in der Gesamtbev¨ olkerung. F¨ ur das 99%-Konfidenzintervall gilt: p(1 − p) 0, 455(1 − 0, 455) = 0, 455 ± 2, 576 · = [p, p] = p ± u1− α2 · n 2000 = [0, 426; 0, 484] ¨ Dies bedeutet, dass der Anteil der XPO-W¨ ahlerInnen in der Grundgesamtheit mit einer Sicherheit von 99% von dem Intervall [0, 426; 0, 484] u ¨berdeckt wird. Begn¨ ugt man sich mit weniger Sicherheit, so entstehen folgende Intervalle:

13.4 Sch¨ atzen von Mittelwerten

[p, p] = 0, 455 ± 1, 960 ·

225

0, 455(1 − 0, 455) = [0, 433; 0, 477] 2000

¨ Der Anteil der XPO-W¨ ahlerInnen in der Grundgesamtheit wird mit einer Sicherheit von 95% von dem Intervall [0, 433; 0, 477] u ¨berdeckt. 0, 455(1 − 0, 455) [p, p] = 0, 455 ± 1, 645 · = [0, 437; 0, 473] 2000 ¨ Mit einer Sicherheit von 90% wird der Anteil der XPO-W¨ ahlerInnen in der Grundgesamtheit von dem Intervall [0, 437; 0, 473] u ¨berdeckt. Aus den Ergebnissen wird deutlich sichtbar, dass die Intervalle bei geringerer Sicherheit kleiner werden. Kleinere Intervalle bei gleichbleibender Sicherheit erh¨ alt man, indem man den Stichprobenumfang erh¨ oht.

13.4 Sch¨ atzen von Mittelwerten ¨ Ausgangspunkt unserer Uberlegungen ist ein normalverteiltes Merkmal, dessen Varianz bekannt ist und dessen Mittelwert geschätzt werden soll. Es bietet sich an, den theoretischen Mittelwert (= Erwartungswert) durch den empirischen Mittelwert (= arithmetisches Mittel aus den Stichprobendaten) zu schätzen. Auch dieser Sch¨ atzer ist erwartungstreu und konsistent. Wie beim Punktsch¨ atzer von Anteilswerten ist auch hier ein Bereichschätzer dem Punktsch¨ atzer auf jeden Fall vorzuziehen, weil dieser mehr Information bietet. Bezeichnungen µ wahrer Mittelwert eines normalverteilten Merkmals in der Grundgesamtheit bekannte Varianz des normalverteilten Merkmals in der Grundgeσ2 samtheit x ¯ arithmetisches Mittel der Stichprobenwerte erwartungstreuer und konsistenter Punktsch¨ atzer f¨ ur den unbekannten Mittelwert µ u1− α2 (1 − α/2) - Quantil der Standardnormalverteilung

226


Konfidenzintervall f¨ ur Mittelwerte bei bekannter Varianz σ 2 Als Unter- bzw. Obergrenze eines Konfidenzintervalls zur Sicherheit 1−α f¨ ur den Parameter µ bestimmt man σ2 µ=x ¯ + u1− α2 · n σ2 ¯ − u1− α2 · µ=x n In Praxis mag es noch realistisch sein anzunehmen, dass man u ¨ber ein interessierendes Merkmal weiß, dass es normalverteilt ist, aber die Kenntnis der Varianz ist eher unwahrscheinlich. Weil wir an dieser Stelle ein Eingehen auf die tats¨ achlichen mathematischen Hintergr¨ unde vermeiden wollen, betrachten wir das Problem intuitiv. Wenn man die (wahre) Varianz aus der Grundgesamtheit nicht kennt, dann wird diese gesch¨ atzt. Dies erfolgt mit der sogenannten korrigierten Varianz n

1 (xi − x ¯)2 sˆ2 = s2korr = n − 1 i=1

Vergleicht man diese Formel mit der Varianz, die wir in der deskriptiven Statistik (vgl. Kapitel 7.2) kennen gelernt haben, so f¨ allt der ver¨ anderte Nenner auf. Dieser wird verwendet, um auch beim Sch¨ atzer f¨ ur die Varianz die Erwartungstreue zu gewährleisten. Durch die Tatsache, dass die Varianz nicht bekannt ist, sondern gesch¨ atzt werden muss, erhöht sich die Unsicherheit der Aussage u ¨ber den Parameter µ. Um diese Unsicherheit zu kompensieren, muss das Konfidenzintervall etwas breiter angelegt werden. Dies wird erreicht, indem man nicht die Quantile der Standardnormalverteilung u1−α/2 verwendet, sondern die Quantile tn−1;1−α/2 der so genannten Student-Verteilung (auch t-Verteilung). Diese Quantile h¨ angen nicht nur vom Niveau α ab, sondern auch vom Stichprobenumfang n. Konfidenzintervall f¨ ur Mittelwerte bei unbekannter Varianz σ 2 Als Unter- bzw. Obergrenze eines Konfidenzintervalls zur Sicherheit 1 − α f¨ ur den Parameter µ bestimmt man sˆ2 ¯ ± tn−1;1− α2 · [µ, µ] = x n tn−1;1−α/2

(1 − α/2)−Quantil der Student-Verteilung mit n − 1 Freiheitsgraden

13.4 Sch¨ atzen von Mittelwerten

227

Auch die Quantile der Student-Verteilung sind im Anhang tabelliert. Ein Vergleich der Quantile der Student-Verteilung mit jenen der Standardnormalverteilung zeigt: • Bei gleicher Wahrscheinlichkeit sind die Quantile der Student-Verteilung stets größer als die der Standardnormalverteilung. • Mit wachsendem Stichprobenumfang n¨ ahern sich die Quantile der StudentVerteilung denen der Standardnormalverteilung an. Nachdem sich die Student-Verteilung der Standardnormalverteilung ann¨ ahert, kann man ab n = 30 wieder die Standardnormalverteilung zur Berechnung des Konfidenzintervalls verwenden, auch wenn die Varianz aus der Grundgesamtheit nicht bekannt ist und gesch¨ atzt werden muss. Beispiel 13.2. Konfidenzintervalle f¨ ur Mittelwerte Eine Zufallsstichprobe vom Umfang n = 50 aus einer Grundgesamtheit ergab hinsichtlich eines normalverteilten Merkmals X nachstehendes Ergebnis: 948,0 953,3 962,5 949,2 925,6

924,6 970,6 930,8 969,6 961,4

958,4 945,1 969,6 971,7 935,9

961,4 998,2 987,0 969,6 982,9

934,8 953,3 943,0 980,9 941,0

978,8 958,4 972,7 969,6 966,5

978,8 976,8 979,8 978,8 960,4

955,3 957,3 925,6 933,8 938,9

962,5 954,3 928,7 956,3 912,7

959,4 940,0 967,6 953,3 955,3

Bestimmen Sie das 95%-Konfidenzintervall f¨ ur den Mittelwert µ, wenn a) die Standardabweichung in der Grundgesamtheit σ = 18, 7 ist b) die Standardabweichung in der Grundgesamtheit unbekannt ist und durch die Standardabweichung der Stichprobe gesch¨ atzt werden muss.

Als Punktsch¨ atzer aus der Stichprobe erh¨ alt man x ¯ = 957, 0. Fall a) σ2 18, 7 σ =x ¯ ±u1− α2 · √ = 957, 0±1, 960· √ = [951, 8; 962, 2] µ=x ¯ ±u1− α2 · n n 50 Mit 95%-iger Sicherheit u ¨berdeckt das Intervall [951, 8; 962, 2] den Mittelwert der Grundgesamtheit. Fall b) sˆ µ=x ¯ ± tn−1;1− α2 · √ n

n

mit

sˆ2 =

1 (xi − x ¯)2 n − 1 i=1

228


Verwendet man die Tabelle der Student-Verteilung, so stellt man fest, dass 49 Freiheitsgrade nicht tabelliert sind. Man verwendet daher einen m¨ oglichst nahe liegenden Wert, in diesem Fall das Quantil f¨ ur 50 Freiheitsgrade. Demnach ergibt sich: 18, 7 µ = 957, 0 − 2, 009 · √ = 951, 7 50

18, 7 µ = 957, 0 + 2, 009 · √ = 962, 3 50

Mit 95%-iger Sicherheit u ¨berdeckt das Intervall [951, 7; 962, 3] den Mittelwert der Grundgesamtheit.

Stammen die Daten nicht aus einer normalverteilten Grundgesamtheit, so entspricht trotzdem die Stichprobenverteilung des Mittelwertes bei ausreichend großem Stichprobenumfang n zumindest approximativ einer Normalverteilung. Diese Aussage basiert auf dem zentralen Grenzwertsatz. Daher kann bei gen¨ ugend großem Stichprobenumfang (ab n = 30) auch in diesem Fall wieder mit den genannten Konfidenzintervallen gearbeitet werden.

13.5 Konfidenzintervalle in EXCEL Konfidenzintervalle werden am besten mit Hilfe der angef¨ uhrten Formeln berechnet. Die Quantile der Standardnormalverteilung werden u ¨ber die Funktion NORMINV(Wahrsch;Mittelwert;Standabwn) angefordert, jene der StudentVerteilung u ¨ber TINV(Wahrsch;Freiheitsgrade). Bei der Verwendung der Funktion TINV ist allerdings Vorsicht geboten, da die Verwendung der Parameter ungew¨ ohnlich ist. Um das Quantil tn−1;1−α/2 zu erhalten, muss als Wahrscheinlichkeit der Wert α eingegeben werden. Quantile in EXCEL tn;1−α/2

=

TINV(α; n)

u1−α/2

=

NORMINV(1 − α/2; 0; 1)

13.6 Konfidenzintervalle in SPSS Unter Analysieren → Mittelwerte vergleichen → T-Test bei einer Stichprobe k¨ onnen Konfidenzintervalle erstellt werden. Dazu wird die gew¨ unschte Variable als Testvariable und als Testwert die Standardeinstellung 0 ausgew¨ ahlt. In

¨ Ubungsaufgaben

229

Optionen kann die gew¨ unschte Sicherheit 1 − α in Prozent angegeben werden. Die Ergebnisse findet man unter der Spaltenbezeichnung Konfidenzintervall der Differenz. Genau genommen wird ein Konfidenzintervall f¨ ur die Differenz der Testvariablen zum Testwert berechnet, daher haben wir als Testwert 0 verwendet. Eine zweite M¨ oglichkeit findet man unter dem Men¨ upunkt Analysieren → Deskriptive Statistiken → Explorative Datenanalyse. Die Variable wird als Abh¨ angige Variable ausgewählt, in der Option Statistik wird das Konfidenzintervall zur gew¨ unschten Sicherheit ausgewählt. Die Ergebnisse findet man in der Spalte Statistik. SPSS berechnet Konfidenzintervalle immer unter Verwendung der StudentVerteilung. F¨ ur die Berechnung von Konfidenzintervallen f¨ ur Anteile wird der Anteil als Mittelwert interpretiert, wie in Beispiel 7.3 (Seite 97) beschrieben. Bei geeigneter Kodierung kann damit das Konfidenzintervall f¨ ur Mittelwerte auch f¨ ur Anteile herangezogen werden. Durch die Verwendung der StudentVerteilung kann es im Vergleich zu den h¨ andisch oder mit EXCEL ermittelten Ergebnissen zu kleinen Abweichungen im Ergebnis kommen. Da die von SPSS berechneten Intervalle immer gr¨ oßer sind (Verwendung der Student-Verteilung f¨ uhrt zu breiteren Intervallen), haben diese Abweichungen aber keinerlei ne¨ gative Konsequenzen f¨ ur die Uberdeckungswahrscheinlichkeit des Intervalls. Konfidenzintervalle in SPSS • Analysieren → Mittelwerte vergleichen → T-Test bei einer Stichprobe (Testwert 0 ) • Analysieren → Deskriptive Statistiken → Explorative Datenanalyse • SPSS verwendet Student-Verteilung zur Berechnung • Konfidenzintervalle f¨ ur Anteile: Daten werden geeignet kodiert (interessierende Eigenschaft mit 0, die andere mit 1), der Anteil wird dann als Mittelwert behandelt

¨ Ubungsaufgaben 13.1. AkademikerInnenquote Nach den Ergebnissen des Mikrozensus (n = 35.200) aus dem Jahr 2003 haben 5,4% der o¨sterreichischen Bevölkerung einen Universit¨ atsabschluss. Berechnen Sie das 95%-Konfidenzintervall f¨ ur den tats¨ achlichen AkademikerInnenanteil in der Gesamtbev¨ olkerung.

230


13.2. Nationalratswahl Vor der Nationalratswahl 2002 ver¨ offentlichte ein Meinungsforschungsinstitut das Umfrageergebnis einer Zufallsstichprobe von 500 Personen aus der Grundgesamtheit aller Wahlberechtigten. Es gaben 36% der Befragten an, die ¨ w¨ SPO ahlen zu wollen. Berechnen Sie und interpretieren Sie a) das 99%-Konfidenzintervall b) das 95%-Konfidenzintervall ¨ f¨ ur den Anteil der SPO-W¨ ahlerInnen zu diesem Zeitpunkt in der Gesamtbev¨ olkerung. 13.3. Mineralwasser Bei der Abf¨ ullung eines Mineralwassers in Literflaschen ist der Magnesiumgehalt je Liter normalverteilt. 16 Kontrollmessungen ergaben folgende Werte f¨ ur den Gehalt an Magnesium (in mg/l): 22,6 24,2

24,1 26,9

22,0 23,5

25,4 27,4

24,1 26,0

26,8 24,9

27,0 28,6

25,2 24,6

Berechnen Sie ein 95%-Konfidenzintervall f¨ ur den mittleren Magnesiumgehalt in der Gesamtproduktion. 13.4. Bier Beim Ausschank von Bier ist die F¨ ullmenge je Glas normalverteilt. 33 Kontrollmessungen ergaben folgende Werte f¨ ur die F¨ ullmenge (in ml): 500 510 495

503 509 499

498 499 505

497 506 507

502 495 495

505 490 499

495 505 505

499 507 495

505 506 499

495 495 503

499 490 496

Berechnen Sie ein 95%-Konfidenzintervall f¨ ur die mittlere F¨ ullmenge pro Glas.

14 Statistisches Testen

Ein statistischer Test ist eine Regel zur Entscheidung bei Unsicherheit. Diese Unsicherheit liegt vor, weil man keine Kenntnisse u ¨ber die Grundgesamtheit hat, sondern nur u ¨ber eine Stichprobe. Die Entscheidung ist zwischen zwei Behauptungen zu treffen, die als Hypothesen bezeichnet werden. Wir wollen uns zuerst mit einigen Begriffen der Testtheorie auseinandersetzen und uns dann einige spezielle Tests genauer ansehen.

14.1 Grundbegriffe der Testtheorie Beim statistischen Testen bezeichnet man mit H0 die Nullhypothese und mit H1 die Alternativhypothese. Beide Hypothesen beinhalten eine Behauptung u ¨ber die Grundgesamtheit, wobei die beiden Hypothesen einander ausschließen und erg¨ anzen. Diese Hypothesen können sich beispielsweise auf den Parameter θ einer Verteilung eines Merkmales aus der Grundgesamtheit beziehen. Wir wollen das Prinzip des statistischen Testens anhand eines Beispiels untersuchen, das eigentlich nichts mit Statistik zu tun hat, n¨ amlich an einer Gerichtsverhandlung. Statistisches Testen Statistischer Test Hypothesen

Entscheidungsregel zwischen zwei Hypothesen Behauptungen u ¨ber die Grundgesamtheit H0 Nullhypothese, H1 Alternativhypothese schließen einander aus und erg¨ anzen sich

232


Beispiel 14.1. Gerichtsverhandlung ¨ In Osterreich, wie in vielen anderen Rechtsstaaten auch, gilt die sogenannte Unschuldsvermutung. Ein Angeklagter ist somit so lange als unschuldig anzusehen, bis seine Schuld nachgewiesen werden kann. Durch diese Unschuldsvermutung soll auf jeden Fall ausgeschlossen werden, dass ein Unschuldiger verurteilt wird (Justizirrtum). Der Richter muss sich somit zwischen zwei Behauptungen entscheiden, die einander ausschließen und erg¨ anzen. Eine der beiden Hypothesen, sagen wir die Nullhypothese, lautet Der Angeklagte ist ” unschuldig”, die zugeh¨ orige Alternativhypothese lautet demnach Der Ange” klagte ist schuldig”. Die Zuordnung der Unschuldsvermutung zur Nullhypothese ist nicht zuf¨ allig, sondern gezielt gewählt. Die Begr¨ undung f¨ ur diese Zuordnung erfolgt an sp¨ aterer Stelle. Die Entscheidung f¨ ur eine der beiden Hypothesen ist aufgrund eines Stichprobenergebnisses zu treffen. Damit wird die Entscheidung unter Unsicherheit getroffen und kann daher richtig oder falsch sein. Als Ergebnis eines statistischen Tests formuliert man daher Entscheidung f¨ ur die Nullhypothese” oder ” Entscheidung f¨ ur die Alternativhypothese”. Unpr¨ azise und daher auf jeden ” Fall abzulehnen ist eine Formulierung der Art Die Nullhypothese trifft zu”, ” weil man diese Aussage nur dann treffen k¨ onnte, wenn die Grundgesamtheit vollst¨ andig bekannt w¨ are. F¨ allt die Entscheidung zugunsten der Alternativhypothese H1 , obwohl in der Grundgesamtheit H0 richtig ist, dann begeht man einen Fehler 1. Art oder α-Fehler. Ein Fehler 2. Art oder β-Fehler ensteht bei der Entscheidung f¨ ur H0 , obwohl in der Grundgesamtheit H1 richtig ist. Tabelle 14.1. Fehler beim statistischen Testen Entscheidung auf H0 H1 wahr ist

H0 H1

kein Fehler β-Fehler

α-Fehler kein Fehler

Nat¨ urlich sollten diese Fehler so gering wie m¨ oglich sein. Allerdings sind die Fehler nicht unabh¨ angig voneinander, ein kleinerer α-Fehler f¨ uhrt zu einem gr¨ oßeren β-Fehler und umgekehrt. Der β-Fehler ist aber nicht als Gegenwahrscheinlichkeit zum α-Fehler anzusetzen, es gilt also nicht 1 = α + β. Das Ausmaß des α-Fehlers nennt man das Signifikanzniveau des Tests (¨ ublich sind α = 0, 05 oder α = 0, 01). Dieses Signifikanzniveau wird vor Durchf¨ uhrung des Tests festgelegt. Signifikanztests sind so konstruiert, dass

14.1 Grundbegriffe der Testtheorie

233

der Fehler 1. Art maximal 100α% beträgt. Damit hat man den α-Fehler unter Kontrolle, den β-Fehler u ¨blicherweise aber nicht. Hauptaugenmerk liegt demnach auf dem α-Fehler, daher werden die Hypothesen so formuliert, dass der schwerwiegendere Fehler als α-Fehler konzipiert ist. Fehler beim statistischen Testen α-Fehler

Verwerfen von H0 , obwohl H0 richtig ist Signifikanzniveau des Tests u ¨blich sind α = 0, 05 oder α = 0, 01

β-Fehler

Beibehalten von H0 , obwohl H1 richtig ist

Beispiel 14.2. Gerichtsverhandlung (Fortsetzung von Beispiel 14.1) Durch die Unschuldsvermutung soll auf jeden Fall ein Justizirrtum vermieden werden. W¨ urde man die Gerichtsverhandlung als statistisches Testproblem formulieren, so wäre der Justizirrtum als α-Fehler anzusetzen. Ein α-Fehler entsteht beim irrt¨ umlichen Ablehnen der Nullhypothese, daher lautet in diesem Fall die Nullhypothese Der Angeklag” te ist unschuldig” und die zugeh¨ orige Alternativhypothese Der Angeklagte ” ist schuldig”. Nun sind die Hypothesen formuliert und wir sind informiert u ¨ber mögliche Fehlentscheidungen. Der n¨ achste Schritt ist die Entscheidung selbst. Ausgangspunkt ist eine m¨ oglichst unvoreingenommene Haltung in Form der Nullhypothese, alle anderen M¨ oglichkeiten sind als Alternativhypothese formuliert. In der Folge wird versucht, in der Stichprobe Indizien daf¨ ur zu finden, dass dieser Ausgangspunkt falsch ist und daher verworfen werden muss. Findet man in der Stichprobe genug Indizien, um die Nullhypothese zu verwerfen, dann entscheidet man sich f¨ ur die Alternativhypothese, ansonsten muss die Nullhypothese beibehalten werden. Arbeitsweise eines statistischen Tests Ausgangspunkt ist immer die Nullhypothese. In der Stichprobe wird nach ausreichenden Indizien gesucht, die eine Ablehnung der Nullhypothese ermöglichen. • Gelingt dies, so kann die Nullhypothese mit Sicherheit 1−α verworfen werden. Man erh¨ alt ein signifikantes Ergebnis zum Niveau 1 − α.

• Gelingt dies nicht, so muss (aus Mangel an Beweisen) die Nullhypothese beibehalten werden. Wir erhalten kein signifikantes Ergebnis.

234


Beispiel 14.3. Gerichtsverhandlung (Fortsetzung von Beispiel 14.1) Ausgangspunkt ist die Unschuldsvermutung, in der Gerichtsverhandlung werden Hinweise zur Schuld des Angeklagten vorgelegt. Sind die Indizien ausreichend, wird der Angeklagte verurteilt (Entscheidung f¨ ur Alternativhypothese), ansonsten erfolgt ein Freispruch (Entscheidung f¨ ur Nullhypothese). Die Beweislast liegt beim Kl¨ ager, daher wird der Angeklagte auch im Fall mangelnder Beweise freigesprochen. Auch beim statistischen Testen entscheidet man sich im Zweifel immer f¨ ur die Nullhypothese. Die beiden Hypothesen sind daher in ihrer Konsequenz nicht gleichwertig. Lassen sich in der Stichprobe genug Indizien zur Verwerfung der Nullhypothese finden, dann konnte die Alternativhypothese mit Sicherheit 1 − α nachgewiesen werden. Entscheidungen f¨ ur die Alternativhypothese werden als signifikante Ergebnisse bezeichnet. Sind nicht genug Indizien in der Stichprobe zu finden, m¨ ussen wir uns f¨ ur die Beibehaltung der Nullhypothese entscheiden. Wir haben diese aber nicht nachgewiesen, sondern wir behalten diese nur wegen mangelnder Beweise bei. Daraus ergeben sich folgende ¨ Uberlegungen zur Formulierung von Hypothesen: • Als Nullhypothese wird eine m¨ oglichst unvoreingenommene Behauptung verwendet. • Die Hypothesen sind so zu formulieren, dass der α-Fehler den schwerwiegenderen Fehler beinhaltet. • Die nachzuweisende Behauptung wird als Alternativhypothese formuliert. Damit l¨ asst sich der allgemeine Ablauf eines statistischen Tests darstellen: Ablauf eines statistischen Tests 1. Hypothesen formulieren. 2. Signifikanzniveau festlegen (α = 0,01 oder 0,05). 3. Nach den vorliegenden Regeln aufgrund eines Stichprobenergebnisses eine Entscheidung f¨ ur eine der beiden Hypothesen treffen. 4. Entscheidung interpretieren. In der Statistik werden die Testverfahren nach verschiedenen Kriterien in Bereiche zusammengefasst. Eines dieser Kriterien unterscheidet parametrische und nichtparametrische Tests. Parametrische Tests ben¨ otigen als Voraussetzung Annahmen u ¨ber den Verteilungstyp in der Grundgesamtheit, nichtparametrische Tests hingegen kommen ohne Verteilungsannahmen aus. Ein Beispiel f¨ ur einen parametrischen Test ist der Test, ob ein Mittelwert eines normalverteilten Merkmals von einem vorgegebenen Sollwert abweicht (TTest, vgl. Abschnitt 14.3.1). Der Chi-Quadrat-Test auf Unabh¨ angigkeit u ¨ber-

14.2 Testen von Hypothesen u ¨ ber Anteile

235

pr¨ uft, ob es zwischen zwei nominalen Merkmalen einen Zusammenhang gibt, und z¨ ahlt zu den nichtparametrischen Tests (vgl. Kapitel 14.5), weil keine bestimmte Verteilung vorliegen muss. Eine weitere wichtige M¨ oglichkeit zur Unterscheidung ist aus der konkreten Formulierung der Hypothesen zu entnehmen: Einseitige und zweiseitige Tests Die Hypothesenformulierung H0 :

”

=”

H1 :

”

= ”

wird als zweiseitiges Testproblem bezeichnet. Falls die Hypothesen H0 :

”

≤”

H1 :

”

>”

oder ≥” H1 : < ” ” ” lauten, so bezeichnet man dies als einseitiges Testproblem. H0 :

14.2 Testen von Hypothesen u ¨ber Anteile Wir gehen davon aus, dass unsere Stichprobe groß genug ist (n ≥ 30), um den zentralen Grenzwertsatz anwenden zu d¨ urfen. Ist die vorliegende Stichprobe nicht groß genug, so muss der Signifikanztest u ¨ber Anteile anders als hier durchgef¨ uhrt werden.

14.2.1 Testen von zweiseitigen Hypothesen Ausgangspunkt ist die Behauptung, dass ein Anteil einen ganz bestimmten Wert p0 annimmt. Als Alternative wird formuliert, dass der Anteil den Wert p0 nicht annimmt, dabei ist es v¨ ollig unerheblich, ob dieser Wert unter- oder u ¨berschritten wird. Hypothesenformulierung H0 : p = p0

H1 : p = p0

236


¨ Beispiel 14.4. XPO-W¨ ahlerInnen ¨ Man ist interessiert an dem Anteil der XPO-W¨ ahlerInnen in der o¨sterreichischen Bevölkerung. Dazu hat man die Nullhypothese, dass sich der Anteil seit der letzten Wahl nicht ver¨ andert hat, damals lag der Anteil bei 45%. Die Alternativhypothese lautet dem entsprechend, dass sich der Anteil geändert hat und somit von 45% verschieden ist. Demnach lauten die Hypothesen: H0 : p = 0, 45

H1 : p = 0, 45

Signifikanzniveau festlegen Wir wollen einen α-Fehler von 0,05 zugestehen. F¨ allt die Entscheidung sp¨ ater auf die Alternativhypothese, so k¨ onnte dies mit 5%-iger Wahrscheinlichkeit ¨ eine falsche Entscheidung sein. Uber den β-Fehler treffen wir - wie u ¨ blich keine Aussage. Entscheidung Die Entscheidung f¨ ur dieses Testproblem kann folgendermaßen getroffen werden: Man bestimmt ein Konfidenzintervall zur Sicherheit 1 − α (vgl. Kapitel 13.3).

[p, p] = pˆ ± u1− α2 ·

pˆ(1 − pˆ) n

Von diesem Konfidenzintervall wissen wir bereits, dass es den wahren Anteil in der Grundgesamtheit mit der Wahrscheinlichkeit 1 − α u ¨berdeckt. W¨ are nun p0 der tatsächliche Anteil in der Grundgesamtheit, so m¨ usste dieses Intervall auch den Hypothesenwert p0 u ¨berdecken. Daraus l¨ asst sich folgende Entscheidungsregel ableiten: ur die Nullhypothese, sonst f¨ ur Gilt p0 ∈ [p, p], dann entscheidet man sich f¨ die Alternativhypothese. ¨ Beispiel 14.5. XPO-W¨ ahlerInnen (Fortsetzung von Beispiel 14.4). Von 1000 zuf¨ allig ausgewählten Personen ga¨ ben 430 an, XPO-W¨ ahlerInnen zu sein. Damit ergibt sich als Stichprobenanteil pˆ = 430/1000 = 0, 43 und als Konfidenzintervall mit α = 0, 05 0, 43(1 − 0, 43) = [0, 399; 0, 461] [p, p] = 0, 43 ± 1, 960 · 1000 Der Hypothesenwert p0 = 0, 45 wird vom Konfidenzintervall [0, 399; 0, 461] u ¨berdeckt, daher entscheidet man sich f¨ ur die Nullhypothese.


237

Interpretation Man hat sich f¨ ur die Nullhypothese entschieden, es konnten nicht genug Indizien f¨ ur die Alternativhypothese gefunden werden. Demnach w¨ urde man die Entscheidung folgendermaßen formulieren: Die Nullhypothese muss beibehalten werden, es konnte nicht nachgewiesen werden, dass sich der Anteil der ¨ XPO-W¨ ahlerInnen ver¨ andert hat. ¨ Beispiel 14.6. XPO-W¨ ahlerInnen (Fortsetzung von Beispiel 14.4). Wie w¨ urde die Entscheidung lauten, wenn der Stichprobenanteil pˆ = 0, 4 betragen h¨ atte? Das zugehörige Konfidenzintervall mit α = 0, 05 lautet 0, 4(1 − 0, 4) = [0, 370; 0, 430] [p, p] = 0, 4 ± 1, 960 · 1000 Der Hypothesenwert p0 = 0, 45 wird von dem Konfidenzintervall [0, 370; 0, 430] nicht u ¨berdeckt, daher entscheidet man sich f¨ ur die Alternativhypothese. Interpretation Man hat sich f¨ ur die Alternativhypothese entschieden, es war also m¨ oglich, genug Indizien f¨ ur die Alternativhypothese zu finden. Die Entscheidung kann folgendermaßen interpretiert werden: Die Alternativhypothese wird akzeptiert, es konnte mit einer Sicherheit von 95% nachgewiesen werden, dass sich der ¨ Anteil der XPO-W¨ ahlerInnen in der Grundgesamtheit ver¨ andert hat. Anmerkung ¨ Es braucht etwas Zeit und auch viele Uberlegungen, um die ganze Problematik hinter dem Testproblem zu erfassen. Ein wesentlicher Aspekt ist die Tatsache, dass eine Nullhypothese nicht bewiesen werden kann. Die Nullhypothese ist der Ausgangspunkt, und man versucht Indizien daf¨ ur zu finden, dass dieser Ausgangspunkt falsch ist. Findet man diese Indizien, so kann mit Sicherheit 1−α behauptet werden, dass der Ausgangspunkt falsch war. Findet man diese nicht, so beweist dies jedoch nicht, dass die Nullhypothese richtig ist. ¨ Zum Verständnis kann auch folgende Uberlegung hilfreich sein: Die Interpretationen der Konfidenzintervalle lassen sich mit dem Testproblem verkn¨ upfen. Als Entscheidungsgrundlage haben wir ein zweiseitiges Konfidenzintervall f¨ ur den Parameter p der Grundgesamtheit bestimmt. Damit k¨ onnen wir behaupten, dass das Intervall [p, p] den Parameter p der Grundgesamtheit mit einer Wahrscheinlichkeit von 1 − α u ¨berdeckt. Liegt der Hypothesenwert p0 außerhalb dieses Intervalls, so k¨ onnen wir mit Sicherheit 1−α behaupten, dass dieser Wert nicht der Parameter der Grundgesamtheit sein kann. Liegt der Hypothesenwert im Konfidenzintervall, so kann es sein, dass der Wert p0 tatsächlich der Parameter der Grundgesamtheit ist. Aber das Konfidenzintervall besagt nur, dass der Paramter u ¨berdeckt wird, aber nicht, wo genau der Parameter

238


liegt. Daher k¨ onnte genauso jeder andere Wert aus dem Konfidenzintervall der Parameter der Grundgesamtheit sein. Also k¨ onnen wir nicht nachweisen, dass die Nullhypothese richtig ist, auch wenn wir uns f¨ ur die Nullhypothese entscheiden. Entscheidungen f¨ ur die Alternativhypothese werden als signifikant bezeichnet ( Der W¨ ahlerInnenanteil ist von 45% signifikant verschieden.”). Als hochsig” nifikantes Ergebnis wird eine Entscheidung zugunsten der Alternativhypothese auf einem Signifikanzniveau von α = 0, 01 bezeichnet. Um Unklarheiten auszuschließen, ist es besser, von einer signifikanten Entscheidung auf einem Sicherheitsniveau von 99% zu sprechen. Testen von zweiseitigen Hypothesen u ¨ ber Anteile Hypothesen H 0 : p = p0

H1 : p = p0

Entscheidungsregel [p, p] = pˆ ± u1− α2 ·

pˆ(1 − pˆ) n

Gilt p0 ∈ [p, p], dann wird die Nullhypothese beibehalten, andernfalls verworfen.

14.2.2 Testen von einseitigen Hypothesen Einseitige Hypothesen behandeln die Fragstellung, ob sich nachweisen l¨ asst, dass ein Parameter einen bestimmten Sollwert unter- oder u ¨berschreitet. Wir betrachten zuerst die Frage, ob ein Parameter einen bestimmten Sollwert u ¨ber¨ schreitet. Gerade in dem Beispiel der XPO-W¨ ahlerInnen wird es f¨ ur die Partei von Interesse sein, ob sie ihren WählerInnenanteil vergr¨ oßern konnte. Die Faustregeln zur Hypothesenbildung beachtend muss die Alternativhypothese ¨ lauten: Der Anteil der XPO-W¨ ahlerInnen ist gr¨ oßer als bei der letzten Wahl ” (45%).” Hypothesen formulieren H 0 : p ≤ p0 Signifikanzniveau festlegen Auch hier w¨ ahlen wir wieder α = 5%.

H1 : p > p0


239

Entscheidungsregel Beim Testen einseitiger Hypothesen ist eine einseitige Vertrauensschranke f¨ ur p zur Sicherheit 1 − α zu bestimmen, sozusagen ein einseitiges Konfidenzintervall. In dem vorliegenden Fall wird die untere Vertrauensschranke zur Sicherheit 1 − α bestimmt: pˆ(1 − pˆ) p = pˆ − u1−α · n Gilt p0 < p, dann entscheidet man sich f¨ ur die Alternativhypothese, sonst beh¨ alt man die Nullhypothese bei. ¨ ¨ Aquivalent dazu ist folgende Uberlegung: Die untere Vertrauensschranke wurde berechnet, die Obergrenze des einseitigen Vertrauensintervalls kann durch ¨ Uberlegen (ein Anteil kann niemals gr¨ oßer als 1 sein) erg¨ anzt werden. Das Konfidenzintervall ist daher von der Form [p; 1]. ¨ Uberdeckt dieses Intervall den Hypothesenwert, so entscheidet man sich f¨ ur die Nullhypothese, ansonsten f¨ ur die Alternativhypothese. ¨ Beispiel 14.7. XPO-W¨ ahlerInnen, einseitiger Test Eine politische Partei will feststellen, ob ihr Stimmanteil u ¨ber 45% liegt. In einer Umfrage unter 1000 Wahlberechtigten kam sie auf einen Anteil von 49%. H0 : p ≤ 0, 45

H1 : p > 0, 45

0, 49(1 − 0, 49) = 0, 464 1000 Es gilt 0, 45 < 0, 464, daher Entscheidung f¨ ur die Alternativhypothese, die ¨ Uberlegung 0, 45 ∈ [0, 464; 1] f¨ uhrt zu derselben Entscheidung. Mit einer Sicherheit von 95% konnte nachgewiesen werden, dass der W¨ ahlerInnenanteil u ¨ber 45% liegt. Der W¨ ahlerInnenanteil ist signifikant gr¨ oßer als 45%. p = 0, 49 − 1, 645 ·

Testen von einseitigen Hypothesen u ¨ ber Anteile ¨ Nachweis einer Uberschreitung Hypothesen H 0 : p ≤ p0

H1 : p > p0

Entscheidungsregel

[p, p] = pˆ − u1−α ·

pˆ(1 − pˆ) ;1 n

Gilt p0 ∈ [p, p], dann entscheidet man sich f¨ ur die Nullhypothese, sonst f¨ ur die Alternativhypothese.

240


Will man nachweisen, dass der Anteil einen bestimmten Sollwert p0 unterschreitet, sind die Hypothesen folgendermaßen zu formulieren: H0 : p ≥ p0

H1 : p < p0

Als Entscheidungsgrundlage bestimmen wir eine obere Vertrauensschranke zur Sicherheit 1 − α: pˆ(1 − pˆ) p = pˆ + u1−α · n Gilt p < p0 , dann wird zugunsten der Alternativhypothese entschieden, sonst beh¨ alt man die Nullhypothese bei. ¨ ¨ Aquivalent dazu ist folgende Uberlegung: Die obere Vertrauensschranke wurde berechnet, die Untergrenze des einseitigen Vertrauensintervalls kann erg¨ anzt werden (ein Anteil kann niemals kleiner als 0 sein). Das Vertrauensintervall kann daher angeschrieben werden als [0; p]. ¨ Uberdeckt dieses Intervall den Hypothesenwert, so entscheidet man sich f¨ ur die Nullhypothese, ansonsten f¨ ur die Alternativhypothese. Testen von einseitigen Hypothesen u ¨ ber Anteile Nachweis einer Unterschreitung Hypothesen H 0 : p ≥ p0

H1 : p < p0

Entscheidungsregel

[p, p] = 0; pˆ + u1−α ·

pˆ(1 − pˆ) n

ur die Nullhypothese, sonst Gilt p0 ∈ [p, p], dann entscheidet man sich f¨ f¨ ur die Alternativhypothese.

14.3 Testen von Hypothesen u ¨ber einen Mittelwert Ausgangspunkt f¨ ur diesen Test, der auch als t-Test bezeichnet wird, ist ein Merkmal, das in der Grundgesamtheit normalverteilt ist. Getestet werden Aussagen u ¨ber den Mittelwert dieses Merkmals. Die Vorgehensweise ist analog zu jener, die beim Testen von Hypothesen u ¨ber Anteile verwendet wurde. Lediglich die Konfidenzintervalle, die als Entscheidungsgrundlage dienen, wer¨ ¨ den anders berechnet. In Ubereinstimmung zu den Uberlegungen, die wir bei

14.3 Testen von Hypothesen u ¨ ber einen Mittelwert

241

den Konfidenzintervallen (vgl. Kapitel 13.4) f¨ ur Mittelwerte angestellt haben, m¨ ussen auch beim Testen die beiden Fälle bekannte bzw. unbekannte Varianz der Grundgesamtheit unterschieden werden.

14.3.1 Testen von zweiseitigen Hypothesen Analog zum zweiseitigen Testproblem der Anteile lauten die Hypothesen: H0 : µ = µ0

H1 : µ = µ0

Als Entscheidungsgrundlage wird ein Konfidenzintervall zur Sicherheit 1 − α bestimmt. Ist die Varianz der Grundgesamtheit bekannt, werden zur Berechnung die Quantile der Standardnormalverteilung herangezogen, bei gesch¨ atzter Varianz werden die Quantile der Student-Verteilung verwendet. Testen von zweiseitigen Hypothesen u ¨ ber Mittelwerte Hypothesen H0 : µ = µ0

H1 : µ = µ0

Entscheidungsregel Fall a) Varianz der Grundgesamtheit bekannt σ2 ¯ ± u1− α2 · [µ; µ] = x n Fall b) Varianz der Grundgesamtheit unbekannt, Sch¨ atzer sˆ2 n sˆ2 1 α mit sˆ2 = ¯ ± tn−1;1− 2 · [µ; µ] = x (xi − x ¯)2 n n − 1 i=1 ur die Nullhypothese, sonst Gilt µ0 ∈ [µ, µ], dann entscheidet man sich f¨ f¨ ur die Alternativhypothese. Beispiel 14.8. Zweiseitiger T-Test (vgl. Beispiel 13.2, Seite 227) Eine Zufallsstichprobe vom Umfang 50 aus einer Grundgesamtheit ergab hinsichtlich eines normalverteilten Merkmals X nachstehendes Ergebnis.

242

14 Statistisches Testen 948,0 953,3 962,5 949,2 925,6

924,6 970,6 930,8 969,6 961,4

958,4 945,1 969,6 971,7 935,9

961,4 998,2 987,0 969,6 982,9

934,8 953,3 943,0 980,9 941,0

978,8 958,4 972,7 969,6 966,5

978,8 976,8 979,8 978,8 960,4

955,3 957,3 925,6 933,8 938,9

962,5 954,3 928,7 956,3 912,7

959,4 940,0 967,6 953,3 955,3

Mittels statistischem Test ist die Frage zu beantworten, ob der Mittelwert der Grundgesamtheit von einem Sollwert, der mit 950 angegeben ist, abweicht. Hypothesenformulierung: H0 : µ = 950

H1 : µ = 950

Das Sicherheitsniveau legen wir mit α = 0, 05 fest. Da keine Angabe u ¨ber die Varianz des Merkmals gemacht wurde, ist die unbekannte Varianz aus der Stichprobe zu sch¨ atzen und zur Berechnung des Konfidenzintervalls sind die Quantile der Student-Verteilung heranzuziehen. Bei Verwendung der Tabelle f¨ ur die Student-Verteilung stellt man fest, dass 49 Freiheitsgrade nicht tabelliert sind. Daher wird ein m¨ oglichst nahe liegender Wert verwendet, in diesem Fall das Quantil f¨ ur 50 Freiheitsgrade. Es ergibt sich mit x ¯ = 957, 0 und sˆ = 18, 7 sˆ2 18, 7 = 957, 0 ± 2, 009 · √ = [951, 7; 962, 3] ¯ ± tn−1;1− α2 · [µ; µ] = x n 50 Das Intervall u ¨berdeckt den Hypothesenwert nicht, daher ist die Nullhypothese zu verwerfen. Mit 95%-iger Sicherheit konnte nachgewiesen werden, dass der Mittelwert in der Grundgesamtheit von 950 abweicht. F¨ ur die Konstruktion des Konfidenzintervalls h¨ atte man in diesem Fall wegen n ≥ 30 auch die Quantile der Standardnormalverteilung verwenden d¨ urfen (vgl. Kapitel 13.4).

14.3.2 Testen von einseitigen Hypothesen Wir versuchen nun zu beweisen, dass der Mittelwert der Grundgesamtheit einen bestimmten Vergleichswert u ¨ berschreitet. Demnach sind die Hypothesen folgendermaßen zu formulieren: H0 : µ ≤ µ0

H1 : µ > µ0

Als Entscheidungsgrundlage dient die untere Vertrauensschranke zur Sicherheit 1 − α, die bei bekannter Varianz σ 2 mit σ2 µ=x ¯ − u1−α · n

14.3 Testen von Hypothesen u ¨ ber einen Mittelwert

243

und bei unbekannter Varianz σ 2 und Sch¨ atzer sˆ2 mit s2 µ=x ¯ − tn−1;1−α · n berechnet wird. Gilt µ0 < µ, dann wird die Nullhypothese verworfen, ansonsten beibehalten. ¨ ¨ Aquivalent dazu ist folgende Uberlegung: Die untere Vertrauensschranke wurde berechnet, die Obergrenze des einseitigen Vertrauensintervalls wird ergänzt. Damit weist das Vertrauensintervall die Form [µ; ∞] auf. ¨ Uberdeckt dieses Intervall den Hypothesenwert, so entscheidet man sich f¨ ur die Nullhypothese, ansonsten f¨ ur die Alternativhypothese. Testen von einseitigen Hypothesen u ¨ ber Mittelwerte ¨ Nachweis einer Uberschreitung Hypothesen H0 : µ ≤ µ0

H1 : µ > µ0

Entscheidungsregel Fall a) Varianz der Grundgesamtheit bekannt σ2 ;∞ ¯ − u1−α · [µ; µ] = x n

Fall b) Varianz der Grundgesamtheit unbekannt, Sch¨ atzer sˆ2 n sˆ2 1 ;∞ mit sˆ2 = [µ; µ] = x ¯ − tn−1;1−α · (xi − x ¯)2 n n − 1 i=1 Gilt µ0 ∈ [µ, µ], dann wird die Nullhypothese beibehalten, ansonsten wird sie verworfen. Beispiel 14.9. Einseitiger T-Test (vgl. Beispiel 14.8) Es ist auf einem Sicherheitsniveau von 95% zu u ¨berpr¨ ufen, ob der Mittelwert den Sollwert 950 u ¨berschreitet. H0 : µ ≤ 950 µ=x ¯ − tn−1;1−α ·

sˆ2 n

H1 : µ > 950

18, 7 = 957, 0 − 1, 676 · √ = 952, 6 50

244


Das Intervall [952, 6; ∞] u ¨berdeckt den Hypothesenwert nicht, daher ist die Nullhypothese zu verwerfen. Mit 95%-iger Sicherheit konnte nachgewiesen werden, dass der Mittelwert in der Grundgesamtheit den Sollwert 950 u ¨berschreitet. Im zweiten Fall einer einseitigen Testformulierung soll u ¨berpr¨ uft werden, ob ein vorgegebener Sollwert unterschritten wird, demnach lauten die Hypothesen H1 : µ < µ0 H0 : µ ≥ µ0 Als Entscheidungsgrundlage wird eine obere Vertrauensschranke zur Sicherheit 1 − α bestimmt. Bei bekannter Varianz werden zur Berechnung der Vertrauensschranke die Quantile der Standardnormalverteilung verwendet, bei unbekannter Varianz die Quantile der Student-Verteilung. Gilt µ0 > µ, dann entscheidet man zugunsten der Alternativhypothese, sonst beh¨ alt man die Nullhypothese bei. ¨ ¨ Aquivalent dazu ist folgende Uberlegung: Die obere Vertrauensschranke wurde berechnet, die Untergrenze des einseitigen Vertrauensintervalls kann erg¨ anzt werden. Das Vertrauensintervall hat daher die Form [−∞; µ]. ¨ Uberdeckt dieses Intervall den Hypothesenwert, so entscheidet man sich f¨ ur die Nullhypothese, ansonsten f¨ ur die Alternativhypothese. Testen von einseitigen Hypothesen u ¨ ber Mittelwerte Nachweis einer Unterschreitung Hypothesen H0 : µ ≥ µ0

H1 : µ < µ0

Entscheidungsregel Fall a) Varianz der Grundgesamtheit bekannt ¯ + u1−α · [µ; µ] = −∞; x

σ2 n

Fall b) Varianz der Grundgesamtheit unbekannt, Sch¨ atzer sˆ2 n sˆ2 1 2 mit sˆ = (xi − x ¯)2 [µ; µ] = −∞; x ¯ + tn−1;1−α · n n − 1 i=1 Gilt µ0 ∈ [µ, µ], dann wird die Nullhypothese beibehalten, ansonsten wird sie verworfen.

14.4 Testen von Hypothesen in EXCEL und SPSS

245

14.4 Testen von Hypothesen in EXCEL und SPSS In diesem Abschnitt wird die Umsetzung der Tests u ¨ ber Mittelwerte und Anteile in EXCEL bzw. SPSS gezeigt. In EXCEL werden die notwendigen Quantile u ¨ber Funktionen angefordert und die einseitigen oder zweiseitigen Intervalle mit Hilfe der beschriebenen Formeln berechnet. Die Entscheidung wird dann nach den jeweils g¨ ultigen Regeln getroffen. Quantile in EXCEL tn;1−α/2

=

TINV(α; n)

tn;1−α

=

TINV(2α; n)

u1−α/2

=

u1−α

=

NORMINV(1 − α/2; 0; 1)

NORMINV(1 − α; 0; 1)

In SPSS k¨ onnen ebenfalls die ben¨ otigten Konfidenzintervalle berechnet werden (vgl. Kapitel 13.6). SPSS berechnet dabei standardm¨ aßig immer zweiseitige Intervalle. Falls ein einseitiges Intervall ben¨ otigt wird, kann dies u ¨ber die Anpassung der Sicherheit erreicht werden. Um ein einseitiges 1 − α = 95%Intervall zu berechnen, wird ein zweiseitiges Intervall zum Niveau 1 − 2α = 90% angefordert und je nach Bedarf nur die Obergrenze oder nur die Untergrenze des Intervalls verwendet. In SPSS werden Entscheidungen beim statistischen Testen im Normalfall mit ¨ einer anderen Uberlegung getroffen. Unter Analysieren → Mittelwerte vergleichen → T-Test bei einer Stichprobe kann der Test f¨ ur Mittelwerte angefordert werden. Dazu wird die gew¨ unschte Variable als Testvariable und als Testwert der Hypothesenwert ausgewählt. In Optionen kann die gew¨ unschte Sicherheit 1 − α in Prozent angegeben werden. Als Ergebnis wird ein sogenannter p– Wert ausgegeben, der in diesem Fall in der Spalte Sig. (2-seitig) zu finden ist. Dieser p–Wert ist quasi der berechnete α-Fehler der speziellen Stichprobe. Ist dieser kleiner oder gleich dem (von uns vorgegebenen) zul¨ assigen α-Fehler, so wird die Nullhypothese verworfen. Beispiel 14.10. t-Test in SPSS (vgl. Beispiel 14.8) Mit der Eingabe von 950 als Testwert liefert SPSS als Ergebnis einen p–Wert von 0,011. Wegen 0, 011 ≤ 0, 05 (= α) ist die Nullhypothese zu verwerfen. Dieser p–Wert ist f¨ ur eine zweiseitige Fragestellung berechnet. Möchte man einseitig Testen so wird der halbierte p–Wert mit dem vorgegebenen α verglichen.

246


p–Wert Ein p–Wert entspricht der Wahrscheinlichkeit, unter der Nullhypothese das beobachtete (oder ein noch extremeres) Ergebnis zu erhalten. Damit ist der p–Wert quasi der errechnete α-Fehler f¨ ur die Stichprobe. t-Test in SPSS • Analysieren → Mittelwerte vergleichen → T-Test bei einer Stichprobe • Hypothesenwert als Testwert verwenden • Entscheidung treffen – zweiseitiger Test: Gilt p–Wert ≤ α, so wird die Nullhypothese verworfen. – einseitiger Test: Gilt p–Wert/2 ≤ α, so wird die Nullhypothese verworfen.

14.5 Der Chi-Quadrat-Test auf Unabh¨ angigkeit Gegeben sind zwei nominale Merkmale mit s bzw. r Auspr¨ agungen. Getestet wird die Abh¨ angigkeit der Merkmalsauspr¨ agungen. In Kapitel 8.4.1 haben wir zur Messung des Zusammenhanges zwischen zwei nominalen Merkmalen die Assoziationsmaße χ2 und Cramers V kennen gelernt. Es wurde festgestellt, dass beide Maßzahlen den Wert 0 annehmen, falls die Merkmale unabh¨ angig voneinander sind. Dem entsprechend lassen sich die Hypothesen f¨ ur unser Testproblem folgendermaßen ansetzen: agungen der Merkmale unabh¨ angig, χ2 = 0 H0 : Auspr¨ agungen der Merkmale abh¨ angig, χ2 > 0 H1 : Auspr¨ Teststrategie: Man berechnet zuerst den χ2 -Wert mit Hilfe folgender Formel aus den Daten χ2err =

mit den Bezeichnungen

s r (hoij − heij )2 heij j=1 i=1

14.5 Der Chi-Quadrat-Test auf Unabh¨ angigkeit

247

hoij

beobachtete absolute H¨ aufigkeit der Kombination X = i und Y = j

heij

bei Unabh¨ angigkeit von X und Y erwartete absolute H¨ aufigkeit dieser Kombination Dabei gilt

hi+ h+j r, s

heij =

hi+ · h+j N

Zeilensummen, Randh¨ aufigkeiten des Merkmals X Spaltensummen, Randh¨ aufigkeiten des Merkmals Y Anzahl der Auspr¨ agungen des Merkmals x bzw. Y

Statt eines Konfidenzintervalls wird das (1 − α)-Quantil der χ2 -Verteilung als ¨ Vergleichswert verwendet. Ahnlich wie bei der Student-Verteilung ben¨ otigen wir auch hier wieder Freiheitsgrade zur n¨ aheren Spezifikation des Quantils. Diese werden allerdings in diesem Fall u ¨ber m = (r − 1) · (s − 1) berechnet. H0 wird mit Irrtumswahrscheinlichkeit α verworfen, wenn χ2(r−1)(s−1);1−α < χ2err Damit die Anwendung dieses Tests zulässig ist, muss die erwartete Häufigkeit in jeder Kategorie mindestens 1 betragen und bei h¨ ochstens 20% der Kategorien darf die erwartete H¨ aufigkeit unter 5 liegen. χ2 -Test auf Unabh¨ angigkeit Voraussetzungen • Die erwartete Häufigkeit in jeder Kategorie muss mindestens 1 betragen. • Bei höchstens 20% der Kategorien darf die erwartete H¨ aufigkeit unter 5 liegen. Sind diese Voraussetzungen nicht erf¨ ullt, so kann man sich damit behelfen, dass man Auspr¨ agungen zusammenfasst. Dies f¨ uhrt zu einer entsprechenden Reduktion von r bzw. s.

248


χ2 -Test auf Unabh¨ angigkeit Ausgangspunkt sind zwei nominale Merkmale mit r bzw. s Auspr¨ agungen. Hypothesen H0 : χ2 = 0 Unabh¨ angigkeit

H1 : χ2 > 0 Abh¨ angigkeit

Entscheidungsregel Gilt χ2(r−1)(s−1);1−α

0) = (10 + 50 + 150)/2.810.210 = 0, 00007473 P r(X = 2 e|X > 0) = 1.750.000/2.810.210 = 0, 6227

10.6 Zwei W¨ urfel a) E1 = {1}, E2 = {8} b) Ω = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12} c) A = {2, 4, 6, 8, 10, 12} gerade Summe” ” B = {2, 3, 4, 5, 6} Summe kleiner Sieben” ” d) {1}, {7, 5}, {π}, {25} e) A = {2, 3, 4, 5, 6} Summe kleiner Sieben” und ” B = {8, 9, 10, 11, 12} Summe größer Sieben” ” f) Ω = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}

¨ L¨ osungen zu den Ubungsaufgaben

10.7 Zwei W¨ urfel a) P r(X = 2) = 1/36 P r(X = 3) = 2/36 P r(X = 5) = 4/36 P r(X = 6) = 5/36 P r(X = 8) = 5/36 P r(X = 9) = 4/36 P r(X = 11) = 2/36 P r(X = 12) = 1/36 b) P r(6|gerade Zahl) = 5/18 c) P r(6|ungerade Zahl) = 0 d) P r(gerade Zahl|h¨ ochstens 4) = 2/3 e) P r(gerade Zahl|mindestens 4) = 17/33 f) E(X) = 7

P r(X = 4) = 3/36, P r(X = 7) = 6/36, P r(X = 10) = 3/36,

10.8 Zwei W¨ urfel a) b) c) d) e) f)

A ∩ B = {2, 4, 6} A ∪ B = {2, 3, 4, 5, 6, 8, 10, 12} AC = {3, 5, 7, 9, 11} A ∩ B ∩ C = {} A ∪ B ∪ C = {2, 3, 4, 5, 6, 8, 9, 10, 11, 12} (A ∪ B ∪ C)C = {7} B und C sind paarweise disjunkt ja

10.9 Zwei W¨ urfel a) b) c) d) e) f)

P r(A) = 0, 5 P r(B) = 5/12 P r(C) = 5/12 P r(A ∩ B) = 0, 25 P r(A ∪ B) = 2/3 P r(AC ) = 0, 5 P r(A ∩ B ∩ C) = 0 P r(A ∪ B ∪ C) = 5/6 P r(A ∪ B ∪ C)C = 1/6 P r(A ∪ D) = 2/3

10.10 Zwei W¨ urfel 1/36

1/36

1/6

0,25

5/12

10.11 Kinder 0,25

0,5

1/3

L¨ osungen zu Kapitel 11 11.1 W¨ urfel P r(X = 0) = 5/6

P r(X = 1) = 1/6

P r(X ≤ 1) = 1

267

268


11.2 Urne mit Zur¨ ucklegen P r(X = 0) = 0, 216 P r(X = 3) = 0, 064

P r(X = 1) = 0, 432 E(X) = 1, 2

P r(X = 2) = 0, 288

11.3 Urne ohne Zur¨ ucklegen P r(X = 0) = 0, 167 P r(X = 3) = 0, 033

P r(X = 1) = 0, 5 E(X) = 1, 2

P r(X = 2) = 0, 3

11.4 Karten P r( As”) = 1/13 ”

P r(X ≤ 5) = 4/13

P r(X > Bube”) = 3/12 ”

11.5 Joker Ziehen mit Zur¨ ucklegen P r( Joker”) = 0, 000001 ” 9 1 1 1 P r( 3er”) = 10 = 9/10.000 10 10 10 ”

E(X) = 0, 6

11.6 M¨ unze P r(alle richtig) = 0, 015625 P r(mind. einmal richtig) = 0, 984375 B(512; 0,015625): P r(niemand richtig) = 0, 000315 8 Personen 11.7 Gl¨ uhbirne P r(X = 1) = 0, 268

P r(X ≥ 1) = 0, 893

11.8 Lotto P r(X = 0) = 0, 301

P r(X ≥ 2) = 0, 337

11.9 Autolackiererei P r(X = 2) = 0, 147

P r(X = 8) = 0, 012

11.10 Urne P r(X ≤ 2) = 0, 044 (Approximation durch Binomialverteilung) E(X) = 6 Nein, die Voraussetzung ist nicht erf¨ ullt


269

11.11 Qualit¨ atskontrolle Approximation durch Binomialverteilung: P r(X > 2%) = P r(X > 4) = 0, 052 P r(X < 0, 5%) = P r(X < 1) = 0, 134 Approximation durch Poissonverteilung: P r(X > 2%) = 0, 053

P r(X < 0, 5%) = 0, 135

L¨ osungen zu Kapitel 12 12.1 Schrauben P r(X ≤ 4, 28) = 0, 919 P r(X ≤ 3, 8) = 0, 159 P r(X ≥ 4, 21) = 0, 147 P r(X ≥ 3, 91) = 0, 674 P r(3, 85 ≤ X ≤ 4, 1) = 0, 691 − 0, 227 = 0, 464 12.2 Schrauben P r(X ≤ 4, 26) = 0, 90 P r(X ≥ 3, 74) = 0, 90

P r(3, 67 ≤ X ≤ 4, 33) = 0, 90

12.3 Produktion P r(X ≤ 6) = 0, 0443 P r(X ≤ 6) = 0, 0544

P r(X = 6) = 0, 0248 P r(X = 6) = 0, 0254

(Binomialverteilung) (Normalverteilung)

12.4 Lotto P r(X ≤ 125) = 0, 696 P r(X ≤ 125) = 0, 692

P r(X ≥ 100) = 0, 972 P r(X ≥ 100) = 0, 969

(Poissonverteilung) (Normalverteilung)

12.5 Niederschlagsmenge x0,95 = 86, 5 x0,05 = 63, 5 Mit 5%iger Wahrscheinlichkeit betr¨ agt die Niederschlagsmenge im April in Linz h¨ ochstens 63,5mm. 12.6 Waschpulver µ = 1004, 14


270

12.7 Radioaktivit¨ at P r(X < 125) = 0, 017 P r(X < 125) = 0, 019

(Poissonverteilung) (Normalverteilung)

12.8 Br¨ ucke P r(Y > 100.000) = 0, 022

x0,999 = 100.296

12.9 P r(Y > 0) = 0, 581

P r(Y = 0) = 0, 052

L¨ osungen zu Kapitel 13 13.1 AkademikerInnenquote [p, p] = [0, 052; 0, 056] Mit 95%iger Wahrscheinlichkeit u ¨berdeckt das Intervall [0, 052; 0, 056] den Anteil der o¨sterreichischen Bevölkerung mit einem Universit¨ atsabschluss. 13.2 Nationalratswahl [p, p] = [0, 305; 0, 415] Mit 99%iger Wahrscheinlichkeit u ¨berdeckt das Intervall [0, 305; 0, 415] ¨ den Anteil der SPO-W¨ ahlerInnen in der o¨sterreichischen Gesamtbev¨ olkerung zu diesem Zeitpunkt. [p, p] = [0, 318; 0, 402] 13.3 Mineralwasser [µ, µ] = [24, 2; 26, 2] Mit 95%iger Wahrscheinlichkeit u ¨berdeckt das Intervall [24, 2; 26, 2] den mittleren Magnesiumgehalt in der Gesamtproduktion. 13.4 Bier [µ, µ] = [498, 4; 502, 1] Mit 95%iger Wahrscheinlichkeit u ¨berdeckt das Intervall [498, 4; 502, 1] die mittlere F¨ ullmenge pro Glas.


271

L¨ osungen zu Kapitel 14 14.1 Nationalratswahl H0 : p ≤ 0, 33 H1 : p > 0, 33 α = 0, 05 [p; p] = [0, 323; 1] Nullhypothese beibehalten Es konnte nicht nachgewiesen werden, dass der derzeitige Stimmanteil ¨ der SPO-W¨ ahlerInnen den Anteil der letzten Wahl u ¨berschreitet. 14.2 Mineralwasser H0 : µ = 25 H1 : µ = 25 α = 0, 05 [µ; µ] = [24, 24; 26, 17] Nullhypothese beibehalten Es konnte nicht nachgewiesen werden, dass der mittlere Magnesiumgehalt vom Sollwert 25mg/l abweicht. 14.3 Bier H0 : µ ≥ 500 H1 : µ < 500 α = 0, 05 [µ; µ] = [−∞; 501, 81] Nullhypothese beibehalten Es konnte nicht nachgewiesen werden, dass der Wirt zuwenig Bier in die Halbe-Gl¨ aser f¨ ullt. 14.4 Interesse an Sport¨ ubertragungen H0 : χ2 = 0 H 1 : χ2 > 0 α = 0, 05 2 χ(r−1)(s−1);1−α = 3, 8415 χ2err = 9, 06 Nullhypothese verwerfen Mit 95%iger Sicherheit konnte nachgewiesen werden, dass ein Zusammenhang zwischen dem Geschlecht und dem Interesse an Sport¨ ubertragungen besteht. 14.5 Freude an der Schule H0 : χ2 = 0 H 1 : χ2 > 0 α = 0, 05 2 χ(r−1)(s−1);1−α = 3, 8415 χ2err = 91, 46 Nullhypothese verwerfen Mit 95%iger Sicherheit konnte nachgewiesen werden, dass ein Zusammenhang zwischen dem Geschlecht und der Freude an der Schule besteht.

Symbolverzeichnis

Symbol

Kurzbeschreibung

α α αi β χ2 χ2err χ2n;p

α-Fehler, Fehler 1. Art Momentenkoeffizient der Schiefe Zentriwinkel β-Fehler, Fehler 2. Art Assoziationsmaß Chi-Quadrat Assoziationsmaß Chi-Quadrat der Stichprobe p-Quantil der Chi-Quadrat-Verteilung mit n Freiheitsgraden leere Menge W¨ olbungskoeffizient Stichprobenanteil Erwartungswert Komplementärmenge von A Verteilungsfunktion der Standardnormalverteilung Bravais-Pearson-Korrelationskoeffizient Spearmansche Rangkorrelationskoeffizient Standardabweichung Varianz Unter- bzw. Obergrenze eines Konfidenzintervalls f¨ ur einen Mittelwert Unter- bzw. Obergrenze eines Konfidenzintervalls f¨ ur einen Anteil Achsenabschnitt der Regressionsgerade Steigung der Regressionsgerade Residuum (Regression) geschätzter Wert (Regression) Median Kardinalzahl oder M¨ achtigkeit der Menge A

∅, {} γ pˆ µ A, AC Φ(u) ρ ρs σ σ2 µ, µ p, p a b ei y x 0,5 |A|

Seite 232 116 71 232 128 246 247 164 117 219 200 164 204 135 130 200 200 226 224 152 152 152 152 98 164

274

Symbolverzeichnis

Symbol

Kurzbeschreibung

Seite

A\B A∩B A∪B A⊂B A(p) B B(n, p) di di E(X) ei−1 ei f (x), fi F (x), F (xi ) g G(a, b) G(N ) gt H(N, A, n) h+j (p+j ) hi+ (pi+ ) hij heij hoij H0 , H1 hi mk (a) N n! N V (µ, σ 2 ) p p P (λ) p(x ≤ xi ) pij , Pij pi , Pi pt P r(A|B) P r(E) r R ri , si

Differenzmenge A ohne B Schnittmenge (Durchschnitt) von A und B Vereinigungsmenge von A und B A ist eine Teilmenge von B Alternativverteilung Bestimmtheitsmaß (Regression) Binomialverteilung Intervallbreite Rangzahlendifferenz Erwartungswert Untergrenze des i-ten Intervalls, i = 1, . . . , r Obergrenze des i-ten Intervalls Dichte 73, 177, Verteilungsfunktion 85, 178, geometrisches Mittel Stetige Gleichverteilung Diskrete Gleichverteilung Wachstumsfaktor zur Zeit t Hypergeometrische Verteilung Spaltensummen, Randh¨ aufigkeiten des Merkmals Y Zeilensummen, Randh¨ aufigkeiten des Merkmals X zweidimensionale absolute Häufigkeit erwartete zweidimensionale absolute Häufigkeit beobachtete zweidimensionale absolute Häufigkeit Nullhypothese, Alternativhypothese absolute H¨ aufigkeit der Auspr¨ agung xi Moment der Ordnung k in Bezug auf den Punkt a Untersuchungsumfang n-Fakult¨ at, n-Faktorielle Normalverteilung Anteil in der Grundgesamtheit durchschnittliche Wachstumsrate Poissonverteilung Verteilungsfunktion zweidimensionale relative Häufigkeit, ∼ in Prozent relative H¨ aufigkeit der Auspr¨ agung xi , ∼ in Prozent Wachstumsrate zur Zeit t bedingte Wahrscheinlichkeit Probability, Wahrscheinlichkeit von E Anzahl an verschiedenen Auspr¨ agungen Spannweite (Durchschnitts-)R¨ ange

164 164 164 164 181 154 184 73 130 179 68 68 198 199 104 202 182 104 187 124 124 124 127 127 231 62 115 62 185 203 224 105 189 85 124 62 104 169 166 62 109 130

Symbolverzeichnis

275

Symbol

Kurzbeschreibung

Seite

s S(a) s2 s2korr , sˆ2 sXY tn;p up V V V ar(X) x∈A x ¯ xα , xp xmod x(i) xi

Standardabweichung 110 ¨ Zuverl¨ assigkeitsfunktion, Uberlebensfunktion 206 Varianz 109 korrigierte Varianz 118, 226 Kovarianz der Merkmale X und Y 134 p-Quantil der Student-Verteilung mit n Freiheitsgraden 226 p-Quantil der Standardnormalverteilung 206 Assoziationsmaß Cramers V 128 Variationskoeffizient 110 Varianz 179 x ist ein Element aus A 164 Mittelwert 96 Quantil 102, 201 Modus 101 i-te Auspr¨ agung der geordneten Datenreihe 98 Auspr¨ agung, i = 1, . . . , r oder i = 1, . . . , N 62

n k

Binomialkoeffizient, n u ¨ber k

185

Literaturverzeichnis

[1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18]

Brosius F. (2006) SPSS 14. mitp-Verlag, Bonn. B¨ uhl A., P. Z¨ ofel (2006) SPSS 14. Einf¨ uhrung in die moderne Datenanalyse unter Windows. Pearson, M¨ unchen. Fahrmeir L., Tutz G. (2001) Multivariate Statistical Modelling Based on Generalized Linear Models (2. Auflage). Springer-Verlag, New York. Fahrmeir L., Hammerle A., Tutz G. (1996) Multivariate statistische Verfahren (2. Auflage). de Gruyter, Berlin. Fahrmeir L., K¨ unstler R., Pigeot I., Tutz G. (2004) Statistik (5. Auflage). Springer-Verlag, Berlin. Fahrmeir L., K¨ unstler R., Pigeot I., Tutz G., Caputo A., Lang S. (2005) Arbeitsbuch Statistik (4. Auflage). Springer-Verlag, Berlin. Hafner R. (2000) Statistik f¨ ur Sozial- und Wirtschaftswissenschaftler, Band 1 (2. Auflage). Springer-Verlag, Wien. Hafner R., Waldl H. (2001) Statistik f¨ ur Sozial- und Wirtschaftswissenschaftler, Band 2. Springer-Verlag, Wien. Hartung J., B. Elpelt (1999) Multivariate Statistik (6. Auflage). OldenbourgVerlag, M¨ unchen. ¨ Hartung J., B. Heine (2004) Statistik-Ubungen. Induktive Statistik (4. Auflage). Oldenbourg-Verlag, M¨ unchen. Hartung J., B. Elpelt, Kl¨ osener K.-H. (2005) Statistik (14. Auflage). Oldenbourg-Verlag, M¨ unchen. Holm K. (Hrsg.) (1991) Die Befragung 1 (4. Auflage). Uni-Taschenbuch 372. Francke Verlag, M¨ unchen. Jarai H. (2004) Excel 2003/xp. Franzis-Verlag, M¨ unchen. Kirchhoff S., Kuhnt S., Lipp P., Schlawin S. (2002) Der Fragebogen (3. Auflage). UTB, Stuttgart. Kr¨ amer W. (2006) So l¨ ugt man mit Statistik (8. Auflage). Piper, M¨ unchen. Kr¨ amer W. (2006) Statistik verstehen (5. Auflage). Piper, M¨ unchen. Kreienbrock L. (1993) Einf¨ uhrung in die Stichprobenverfahren (2. Auflage). Oldenbourg-Verlag, M¨ unchen/Wien. Little J. A., Rubin D. B. (2002) Statistical Analysis with Missing Data (2. Edition). Wiley, New York.

Sachverzeichnis

α-Fehler, 232 α-Quantil, siehe Quantil β-Fehler, 232 χ2 -Test, siehe Chi-Quadrat-Test a-posteriori, 173 a-priori, 173 absolute H¨ aufigkeit, 62, 68 absoluter Zellbezug, 32 Abz¨ ahlregel, 166 Additionssatz, 169 Alternativhypothese, 231 Alternativverteilung, 181 Ankunftsrate, 188 Approximation, 190, 191 Binomialverteilung, 191, 212 Hypergeometrische Verteilung, 191 Normalverteilung, 210, 212 Poissonverteilung, 191, 212 arithmetisches Mittel, 95, 96, 98 EXCEL, 107 SPSS, 108 Assoziationsmaße, 127 Chi-Quadrat, 127, 128 Cramers V, 127–129 EXCEL, 139 SPSS, 142 Auspr¨ agung, 8, 62 Gruppieren, 14 Axiome von Kolmogorov, 168 Balkendiagramm, siehe Stabdiagramm Bearbeitungsleiste, 31 bedingte Verteilung, 125

EXCEL, 139 SPSS, 142 bedingte Wahrscheinlichkeit, 170 Bereichsch¨ atzer, siehe Konfidenzintervall Bestimmtheitsmaß, 154 Bewertungsfrage, 16, 17 Bezug, siehe Zellbezug bimodal, 101 Bindungen, 130 Binomialkoeffizient, 185 Binomialverteilung, 184 Approximation, 191, 212 EXCEL, 185 bivariate Statistik, 9 Bravais-Pearson-Korrelationskoeffizient, siehe Korrelation Checkliste Gesamtbericht, 22 Grafik, 21 Tabellen, 22 Chi-Quadrat, 127, 128 EXCEL, 139 SPSS, 142 Chi-Quadrat-Test, 246, 248 EXCEL, 249 SPSS, 249 Cramers V, 128, 129 EXCEL, 139 SPSS, 142 Cramersche Assoziationsmaß, siehe Cramers V Ctrl-Taste, 28

280

Sachverzeichnis

Datenansicht, 41 Dateneditor, 41 Datenerfassung, 18 EXCEL, 36 Datenschutz, 22 deskriptive Statistik, 9 dichotom, 14 Dichte, 73 diskrete Zufallsvariable, 177 stetige Zufallsvariable, 198 diskret, 14 Diskrete Gleichverteilung, 182 diskretisiert, 14 Drag and Drop, 29 Eingabe-Taste, 28 einseitiger Test, 235 Anteil, 239, 240 Mittelwert, 243, 244 Unabh¨ angigkeit, 248 Elementarereignis, 165 Enter-Taste, 28 Ereignis disjunkte, 165 Elementar-, 165 Komplement¨ ar-, 165 paarweise disjunkte, 165 sichere, 165 stochastisch unabh¨ angige, 170 unm¨ ogliche, 165 Ereignisse, 165 Erhebungseinheit, 8 Erwartungstreue, 222 Erwartungswert diskrete Zufallsvariable, 179 stetige Zufallsvariable, 200 EXCEL, 31 absoluter Zellbezug, 32 arithmetisches Mittel, 107 Assoziationsmaße, 139 Bearbeitungsleiste, 31 bedingte Verteilung, 139 Binomialverteilung, 185 Chi-Quadrat, 139 Chi-Quadrat-Test, 249 Cramers V, 139 Dateneingabe, 36 Funktionsassistent, 37 geometrisches Mittel, 107

Grafik, 81 H¨ aufigkeitsverteilung, 63, 64, 70 Histogramm, 83 Hypergeometrische Verteilung, 188 Konfidenzintervall, 228 Korrelation, 139 Kovarianz, 139 Lagemaße, 106, 107 Median, 107 Mittelwert, 107 Modus, 107 Normalverteilung, 206, 208, 228 Poissonverteilung, 190 Praxistipp, 33, 37, 65, 76, 104 Quantil, 107, 228, 245 Randverteilung, 139 Rangkorrelationskoeffizient, 139 Regression, 155 relativer Zellbezug, 32 Schiefe, 118, 119 Standardabweichung, 119 Streudiagramm, 139 Symbolleiste, 31 Test Unabh¨ angigkeit, 249 Testen Anteil, 245 Mittelwert, 245 Varianz, 119 Verteilungsfunktion, 91 W¨ olbung, 118, 119 Zellen formatieren, 33 Zusammenhang, 139 zweidimensionale Merkmale, 139 explorative Datenanalyse, 9 F¨ alle gewichten, 54, 56 Faktorielle, 185 Fakult¨ at, 185 fehlende Daten, 24 fehlende Werte SPSS, 45, 50 Fehler 1. Art, 232 Fehler 2. Art, 232 Fragebogen, 15 Fraktil, siehe Quantil Gegenwahrscheinlichkeit, 169 geometrisches Mittel, 104

Sachverzeichnis EXCEL, 107 SPSS, 108 Gesamtbericht Checkliste, 22 geschlossene Frage, 16, 17 Gesetz der großen Zahlen, 210 gew¨ ohnliches Moment, 115 Gleichverteilung Diskrete, 182 Stetige, 202 Grafik Anforderungen, 80 Auswahl, 80 Checkliste, 21 EXCEL, 81 H¨ aufigkeitsverteilung, 71 Histogramm, 73, 80 Kreisdiagramm, 71, 80 Qualit¨ atskriterien, 76 SPSS, 84 Stabdiagramm, 72, 80 Verteilungsfunktion, 86 Grenzwertsatz von de Moivre, 211 Zentraler, 211 Grundgesamtheit, 8 Gruppieren, 14 G¨ ute der Regression, 154 G¨ utekriterien f¨ ur Sch¨ atzer, 222 H¨ aufigkeit absolut, 62, 68 eindimensionale Verteilung, 61 erwartete, 127 kumuliert, 85 relativ, 62, 68 relativ in Prozent, 62, 68 Summe, 63 H¨ aufigkeitsverteilung diskretes Merkmal, 61 eindimensional, 61 EXCEL, 63, 64, 70 Grafik, 71 SPSS, 66, 67, 70 zweidimensional, 123 Histogramm, 73, 80 EXCEL, 83 Hypergeometrische Verteilung, 187 Approximation, 191

281

EXCEL, 188 Hypothese Alternativ-, 231 Null-, 231 iid-Bedingung, 210 induktive Statistik, 9 Intensit¨ atsrate, 188 intervallskaliert, 12 Intervallskalierung, 70 kardinalskaliert, siehe metrisch kategorial, siehe nominal Kausalit¨ at, 139 Kleinste-Quadrate-Sch¨ atzer, 150 Kodeplan, 18 Komplement¨ arereignis, 165 Konfidenzintervall, 223 EXCEL, 228 f¨ ur den Anteil, 224 f¨ ur den Mittelwert bekannte Varianz, 226 unbekannte Varianz, 226 Sicherheit, 223 SPSS, 229 Konsistenz, 222 Kontingenztabelle, siehe Kreuztabelle Korrelation, 133–135 EXCEL, 139 Kausalit¨ at, 139 Scheinkorrelation, 139 SPSS, 142 Streudiagramm, 137, 138 Kovarianz, 133, 134 EXCEL, 139 SPSS, 142 Kreisdiagramm, 71, 80 Kreuztabelle, 124 Kurtosis, siehe W¨ olbung Lagekennzahl, siehe Lagemaße Lagemaße, 95 Auswahl geeigneter, 114 Eigenschaften, 112 EXCEL, 106, 107 SPSS, 108 Transformationsregeln, 113 Median, 98, 99

282

Sachverzeichnis

EXCEL, 107 intervallskaliertes Merkmal, 100 SPSS, 108 stetige Zufallsvariable, 201 Mehrfachantwort, 17 Menge, 163 Merkmal, 8, 12 dichotom, 14 diskret, 14 H¨ aufigkeitsverteilung, 61 diskretisiert, 14 Hierarchie, 13 intervallskaliert, 12 metrisch, 12 Intervallskalierung, 70 nominal, 13 ordinal, 13 quasistetig, 14 Skalenniveau, 12, 15 stetig, 14 H¨ aufigkeitsverteilung, 68 verh¨ altnisskaliert, 12 Merkmalstyp, 12 Messniveau, siehe Skalenniveau Methode der kleinsten Quadrate, 150 metrisch, 12 Intervallskalierung, 70 Mikrozensus, 5 Mittel arithmetisches, 95, 96, 98 EXCEL, 107 geometrisches, 104 Mittelwert, 95, 96, 98 modale Klasse, siehe Modus Modalwert, siehe Modus Modus, 101 EXCEL, 107 SPSS, 108 stetige Zufallsvariable, 200 Moment, 115 gew¨ ohnliches, 115 zentrales, 115 Multiplikationsregel, 170 multivariate Statistik, 9 n-Faktorielle, 185 n-Fakult¨ at, 185 nominal, 13 Normalverteilung, 203

Approximation, 210, 212 EXCEL, 206, 208, 228 Rechnen mit der, 206 Standard-, 203 Symmetrische Intervalle, 209 Nullhypothese, 231 offene Frage, 16, 17 ordinal, 13 p–Quantil, siehe Quantil p–Wert, 246 Parameter, 181 Perzentil, siehe Quantil Poissonverteilung, 189 Approximation, 191, 212 EXCEL, 190 Prim¨ arstatistik, 17 Produktregel, 170 Punktsch¨ atzer, 223 qualitativ, siehe nominal Quantil, 102 EXCEL, 107, 228, 245 intervallskaliertes Merkmal, 103 SPSS, 108 stetige Zufallsvariable, 200 quantitativ, siehe metrisch Quartil, 102 quasistetig, 14 Randverteilung, 125 EXCEL, 139 SPSS, 142 Rangkorrelationskoeffizient, 130–132 EXCEL, 139 SPSS, 142 Regression, 149, 152 Bestimmtheitsmaß, 154 EXCEL, 155 G¨ ute, 154 Kleinste-Quadrate-Sch¨ atzer, 150, 152 linear, 151 Methode der kleinsten Quadrate, 150 Praxistipp, 154 Regressionsgerade, 150 Residuen, 152 SPSS, 155, 159 Ziel, 150

Sachverzeichnis Regressionsgerade, 150 relative H¨ aufigkeit, 62, 68 in Prozent, 62, 68 relativer Zellbezug, 32 Residuen, 152 Return-Taste, 28 Robustheit, 113 Satz von Bayes, 173 Satz von der totalen Wahrscheinlichkeit, 171 S¨ aulendiagramm, siehe Stabdiagramm Sch¨ atzer Bereich-, siehe Konfidenzintervall Erwartungstreue, 222 G¨ utekriterien, 222 Konsistenz, 222 Punkt-, 223 Scheinkorrelation, 139 Schiefe, 114–116, 201 EXCEL, 118, 119 SPSS, 119 Schließende Statistik, 219 Sekund¨ arstatistik, 17, 23 Shift-Taste, 28 Sicherheit, 223 Signifikanzniveau, 232 Skalenniveau, 12, 15 Hierarchie, 13 SPSS, 46 Zul¨ assige Verfahren, 14 Spannweite, 109 Spearman, siehe Rangkorrelationskoeffizient SPSS, 39 arithmetisches Mittel, 108 Assoziationsmaße, 142 bedingte Verteilung, 142 Chi-Quadrat, 142 Chi-Quadrat-Test, 249 Cramers V, 142 Datenansicht, 41 Dateneditor, 41 F¨ alle gewichten, 54, 56 fehlende Werte, 45, 50 geometrisches Mittel, 108 Grafik, 84 H¨ aufigkeitsverteilung, 66, 67, 70 Konfidenzintervall, 229

283

Korrelation, 142 Kovarianz, 142 Lagemaße, 108 Median, 108 Mittelwert, 108 Modus, 108 ¨ Offnen anderer Dateiformate, 47 Quantil, 108 Randverteilung, 142 Rangkorrelationskoeffizient, 142 Regression, 155, 159 Schiefe, 119 Skalenniveau, 46 Standardabweichung, 119 Streudiagramm, 144 Tabelle eingeben, siehe F¨ alle gewichten Testen Anteil, 246 Mittelwert, 246 Unabh¨ angigkeit, 246, 249 Tipps, 57 Variable transformieren, 53 Variable umkodieren, 50, 53 Variablenansicht, 41 Variablenlabel, 44 Variablenname, 42 Variablentyp, 42 Varianz, 119 Verteilungsfunktion, 91 Viewer, 49 Wertelabels, 45 W¨ olbung, 119 Zusammenhang, 142 Test, siehe SPSS-TestenUnabh¨ angigkeit zweidimensionale Merkmale, 140, 142 Stabdiagramm, 72, 80 Standardabweichung, 110 EXCEL, 119 SPSS, 119 Standardisierung, 113, 204 Standardnormalverteilung, 203 Statistischer Test, siehe Test stetig, 14 Stetige Gleichverteilung, 202 Stichprobe, 7, 8 repr¨ asentativ, 8 Zufalls-, 8

284

Sachverzeichnis

Stichprobenverteilung, 219 Streudiagramm, 137, 138 EXCEL, 139 SPSS, 144 Streuungsmaße, 108 Eigenschaften, 112 Transformationsregeln, 113 Strg-Taste, 28 Student-Verteilung, 226 Symbolleiste, 31 t-Test, siehe Test-Mittelwert t-Verteilung, siehe Student-Verteilung Tabelle Checkliste, 22 Tastenkombination, 28 Test, 231 Ablauf, 234 Anteil, 238–240 EXCEL, 245 SPSS, 246 Arbeitsweise, 233 einseitig, 235 Fehler, 232 Hypothesen-Formulierung, 234 Mittelwert, 241, 243, 244 EXCEL, 245 SPSS, 246 nichtparametrisch, 234 parametrisch, 234 Signifikanzniveau, 232 Unabh¨ angigkeit, 246 zweiseitig, 235 Theorem von Bernoulli, 211 Tortendiagramm, siehe Kreisdiagramm Transformationsregeln, 113 Transformieren von Variablen, 53 ¨ Uberlebensfunktion, 206 Umkodieren von Variablen, 50, 53 Umschalt-Taste, 28 Unabh¨ angigkeit diskrete Zufallsvariable, 170 stetige Zufallsvariable, 199 unimodal, 101 univariate Statistik, 9 Untersuchungsumfang, 62 Urliste, 62

Variable Transformieren in SPSS, 53 Umkodieren in SPSS, 50, 53 Variablenansicht, 41 Variablenlabel, 44 Varianz, 109 diskrete Zufallsvariable, 179 EXCEL, 119 korrigierte, 118, 226 SPSS, 119 stetige Zufallsvariable, 200 Variationskoeffizient, 110 verh¨ altnisskaliert, 12 Versuchsausgang, 165 Verteilung Alternativ-, 181 bedingte, 125 Binomial-, 184 Diskrete Gleich-, 182 Hypergeometrische, 187 Normal-, 203 Poisson-, 189 Rand-, 125 Standardnormal-, 203 Stetige Gleich-, 202 Verteilungsfunktion, 85 diskrete Zufallsvariable, 178 empirische Bezeichnungen, 85 Eigenschaften, 85 EXCEL, 91 Grafik, 86 Rechenregeln, 91 rekursive Darstellung, 88, 91 SPSS, 91 stetige Zufallsvariable, 199 Viewer, 49 Wachstumsfaktor, 104 Wachstumsrate, 104, 105 Wahrscheinlichkeit a-posteriori, 173 a-priori, 173 Abz¨ ahlregel, 166 Additionssatz, 169 Axiome von Kolmogorov, 168 bedingte, 169, 170 Gegen-, 169 Laplace-, 166

Sachverzeichnis Multiplikationsregel, 170 Produktregel, 170 Rechenregeln, 169 totale, 171 unabh¨ angiger Ereignisse, 170 Wahrscheinlichkeitshistogramm, 195 Wertebereich, 8, 165 Wertelabels, 45 W¨ olbung, 114, 116, 117 EXCEL, 118, 119 SPSS, 119 Zellbezug absolut, 32, 33 relativ, 32, 33 Zentraler Grenzwertsatz, 211 zentrales Moment, 115 Zentriwinkel, 71 Zerlegung, 166 Ziehen mit Zur¨ ucklegen, 183 Ziehen ohne Zur¨ ucklegen, 186 Zufallsexperiment, 164 Zufallsstichprobe, 8 Zufallsvariable, 164 diskrete, 177 Dichte, 177 Erwartungswert, 179 Unabh¨ angigkeit, 170 Varianz, 179

285

Verteilungsfunktion, 178 stetige, 195 Dichte, 198 Erwartungswert, 200 Unabh¨ angigkeit, 199 Varianz, 200 Verteilungsfunktion, 199 Zusammenhang EXCEL, 139 gegensinnig, 130, 135, 138 gleichsinnig, 130, 135, 138 linear, 134 metrische Merkmale, 133 nominale Merkmale, 127 ordinale Merkmale, 130 SPSS, 142 Streudiagramm, 137, 138 Test, siehe Test-Unabh¨ angigkeit Tipps, 145 Zuverl¨ assigkeitsfunktion, 88, 91, 206 zweidimensionale H¨ aufigkeitsverteilung, 123 zweidimensionale Merkmale, 123 EXCEL, 139 SPSS, 140, 142 zweiseitiger Test, 235 Anteil, 238 Mittelwert, 241

Einführung in die Statistik mit EXCEL und SPSS: Ein anwendungsorientiertes Lehr- und Arbeitsbuch (Physica-Lehrbuch)

Verstehen und Übersetzen. Ein Lehr- und Arbeitsbuch

Methoden der Statistik: Lehr- und Arbeitsbuch

Deskriptive Statistik. Eine Einführung in Methoden und Anwendungen mit SPSS

Energieeffizienz: Ein Lehr- und Handbuch

Analysis fur technische Oberschulen: Ein Lehr- und Arbeitsbuch

Wahrscheinlichkeitsrechnung und Statistik mit MATLAB

Operationsverstärker: Lehr- und Arbeitsbuch zu angewandten Grundschaltungen

Englisch für Maschinenbauer: Lehr- und Arbeitsbuch

Induktive Statistik eine Einführung mit R und SPSS

Signale und Systeme: Lehr- und Arbeitsbuch mit MATLAB-Übungen und Lösungen, 3. Auflage

Statistik für Ökonomen: Datenanalyse mit R und SPSS (Springer-Lehrbuch)

Elektrische Maschinen und Antriebe. Lehr- und Arbeitsbuch 6. Auflage

Arbeitsbuch Statistik

Deskriptive Statistik: Eine Einführung in Methoden und Anwendungen mit R und SPSS (Springer-Lehrbuch) (German Edition)

Statistik-Praktikum mit Excel GERMAN

Einfuhrung in die nichtparametrische Statistik mit SAS und R

Digitaltechnik: Ein Lehr- und Übungsbuch (Springer-Lehrbuch)

Angewandte Mathematik mit Mathcad Lehr- und Arbeitsbuch: Band 3: Differential- und Integralrechnung

Mathematik für Ingenieure und Naturwissenschaftler Band 2: Ein Lehr- und Arbeitsbuch für das Grundstudium

Datenanalyse mit SPSS fur Fortgeschrittene: Ein Arbeitsbuch, 2. Auflage

Angewandte Mathematik mit Mathcad, Lehr- und Arbeitsbuch: Band 4: Reihen, Transformationen, Differential- und Differenzengleichungen

Angewandte Mathematik mit Mathcad, Lehr- und Arbeitsbuch: Band 4: Reihen, Transformationen, Differential- und Differenzengleichungen German

Angewandte Mathematik mit Mathcad. Lehr- und Arbeitsbuch: Band 4: Reihen, Transformationen, Differential- und Differenzengleichungen, 3. Auflage

ActionScript 2: Ein Lehr- und Ubungsbuch

Elektrische Antriebe in der Fahrzeugtechnik: Lehr- und Arbeitsbuch, 2. Auflage

Angewandte Mathematik mit Mathcad. Lehr- und Arbeitsbuch: Band 3: Differential- und Integralrechnung, 3. Auflage

Marktforschung: Ein einführendes Lehr- und Übungsbuch

Stochastik: Einfuhrung in die Wahrscheinlichkeitstheorie und Statistik

Einfuehrung in die Wahrscheinlichkeitstheorie und Statistik

Wahrscheinlichkeitsrechnung und Statistik mit MATLAB, 2. Auflage

Einführung in die Statistik mit EXCEL und SPSS: Ein anwendungsorientiertes Lehr- und Arbeitsbuch (Physica-Lehrbuch)

Verstehen und Übersetzen. Ein Lehr- und Arbeitsbuch

Methoden der Statistik: Lehr- und Arbeitsbuch

Deskriptive Statistik. Eine Einführung in Methoden und Anwendungen mit SPSS

Energieeffizienz: Ein Lehr- und Handbuch

Analysis fur technische Oberschulen: Ein Lehr- und Arbeitsbuch

Wahrscheinlichkeitsrechnung und Statistik mit MATLAB

Operationsverstärker: Lehr- und Arbeitsbuch zu angewandten Grundschaltungen

Englisch für Maschinenbauer: Lehr- und Arbeitsbuch

Induktive Statistik eine Einführung mit R und SPSS

Signale und Systeme: Lehr- und Arbeitsbuch mit MATLAB-Übungen und Lösungen, 3. Auflage

Statistik für Ökonomen: Datenanalyse mit R und SPSS (Springer-Lehrbuch)

Elektrische Maschinen und Antriebe. Lehr- und Arbeitsbuch 6. Auflage

Arbeitsbuch Statistik

Deskriptive Statistik: Eine Einführung in Methoden und Anwendungen mit R und SPSS (Springer-Lehrbuch) (German Edition)

Statistik-Praktikum mit Excel GERMAN

Einfuhrung in die nichtparametrische Statistik mit SAS und R

Digitaltechnik: Ein Lehr- und Übungsbuch (Springer-Lehrbuch)

Angewandte Mathematik mit Mathcad Lehr- und Arbeitsbuch: Band 3: Differential- und Integralrechnung

Mathematik für Ingenieure und Naturwissenschaftler Band 2: Ein Lehr- und Arbeitsbuch für das Grundstudium

Datenanalyse mit SPSS fur Fortgeschrittene: Ein Arbeitsbuch, 2. Auflage

Angewandte Mathematik mit Mathcad, Lehr- und Arbeitsbuch: Band 4: Reihen, Transformationen, Differential- und Differenzengleichungen

Angewandte Mathematik mit Mathcad, Lehr- und Arbeitsbuch: Band 4: Reihen, Transformationen, Differential- und Differenzengleichungen German

Angewandte Mathematik mit Mathcad. Lehr- und Arbeitsbuch: Band 4: Reihen, Transformationen, Differential- und Differenzengleichungen, 3. Auflage

ActionScript 2: Ein Lehr- und Ubungsbuch

Elektrische Antriebe in der Fahrzeugtechnik: Lehr- und Arbeitsbuch, 2. Auflage

Angewandte Mathematik mit Mathcad. Lehr- und Arbeitsbuch: Band 3: Differential- und Integralrechnung, 3. Auflage

Marktforschung: Ein einführendes Lehr- und Übungsbuch

Stochastik: Einfuhrung in die Wahrscheinlichkeitstheorie und Statistik

Einfuehrung in die Wahrscheinlichkeitstheorie und Statistik

Wahrscheinlichkeitsrechnung und Statistik mit MATLAB, 2. Auflage

Recommend Documents