StartseiteKurseEinführung in die Statistik

Typologie und Identifizierung von Daten

Kapitel 2 · Deskriptive Statistik · Lektion 4 von 57
Nur für Abonnenten — hier ist der Anfang
Datentypen erkennen Sie haben gesehen, dass es zwei große Arten von Daten gibt: numerische Daten und kategoriale Daten. Numerische Daten können als stetige Daten oder als Anzahl/Intervall eingeteilt werden, und kategoriale Daten als nominale oder ordinale Daten. Der Datentyp bestimmt, welche Methoden sich zur Zusammenfassung Ihrer Daten eignen. Sie haben mehrere Datenbeispiele erhalten, die Sie als stetige, nominale oder ordinale Daten einordnen sollen. Anleitung 0XP Ordnen Sie jedes Beispiel seinem Datentyp zu, indem Sie jedes Element ziehen und im passenden Datentyp ablegen. Hinweis Numerische Daten
Der weitere Verlauf dieser Lektion ist Abonnenten vorbehalten Erstellen Sie Ihr kostenloses Konto, um die Beispielübungen zu testen, und wechseln Sie dann jederzeit zum vollständigen Zugang.

Erstellen Sie Ihr kostenloses Konto

Ohne Kreditkarte, in dreißig Sekunden.
Mit Google fortfahren
oder
Mit E-Mail registrieren
Schon registriert? Anmelden
Mit der Fortsetzung akzeptieren Sie die Nutzungsbedingungen und die Datenschutzrichtlinie. Ihre Daten werden in der Europäischen Union gehostet.

DATAGOZ Vollzugang

19 €/ Monat — oder 190 € / Jahr
  • Alle veröffentlichten Kurse und Berufspfade
  • Übungen und Quizze mit automatischer Korrektur
  • Training, Prüfung und Teilnahmebescheinigung
  • Ohne Verpflichtung, online kündbar
Tarife ansehen
Diese Lektion gehört zum Kurs

Einführung in die Statistik

long_training6 Kapitel · 57 Lektionen
  • Die SchulungsplattformAbonnenten
  • Definition und Rolle der StatistikAbonnenten
  • Anwendungsbeispiele der Statistik in der PraxisAbonnenten
  • Datentypen und ihre ErkennungSie sind hier
  • Deskriptive Statistik vs. InferenzstatistikAbonnenten
  • LagemaßeAbonnenten
  • Fallstudie: Analyse der Zahl der Straftaten pro Bezirk in LondonAbonnenten
  • Kriterien für die Auswahl eines LagemaßesAbonnenten
  • Analyse der Londoner Stadtbezirke mit hoher KriminalitätsrateAbonnenten
  • Streuungs- und VariabilitätsmaßeAbonnenten
  • Definition der StreuungskennzahlenAbonnenten
  • Visualisierung der Streuung mithilfe von Boxplots (Box-Whisker-Diagrammen)Abonnenten
  • Fallstudie: Identifizierung der Straftaten mit hoher StandardabweichungAbonnenten
  • Grundprinzipien der WahrscheinlichkeitsrechnungAbonnenten
  • Vergleich und Rangordnung von WahrscheinlichkeitenAbonnenten
  • Praxisbeispiel: Wahrscheinlichkeit eines Verkaufs über dem DurchschnittAbonnenten
  • Begriff der bedingten WahrscheinlichkeitAbonnenten
  • Abhängige vs. unabhängige EreignisseAbonnenten
  • Praxisbeispiel: Wahrscheinlichkeitsanalyse eines Warenkorbs mit mehr als 10 ArtikelnAbonnenten
  • Einführung in diskrete VerteilungenAbonnenten
  • Erkennung und Klassifizierung von VerteilungenAbonnenten
  • Empirischer Mittelwert (Stichprobe) vs. theoretischer Mittelwert (Grundgesamtheit)Abonnenten
  • Einführung in stetige VerteilungenAbonnenten
  • Vergleich: Diskrete Verteilungen vs. stetige VerteilungenAbonnenten
  • Erkennung und Eigenschaften der NormalverteilungAbonnenten
  • Berechnung von Wahrscheinlichkeiten bei einer GleichverteilungAbonnenten
  • Die BinomialverteilungAbonnenten
  • Erkennung einer BinomialverteilungAbonnenten
  • Einfluss der Wahrscheinlichkeiten auf die Form der BinomialverteilungAbonnenten
  • Bestimmung der Parameter nn und ppAbonnenten
  • Die Normalverteilung (Gauß-Verteilung)Abonnenten
  • Eigenschaften einer NormalverteilungAbonnenten
  • Eigenschaften und Besonderheiten der NormalverteilungAbonnenten
  • Erkennung der Schiefe einer Verteilung (Skewness)Abonnenten
  • Charakterisierung der Wölbung einer Verteilung (Kurtosis)Abonnenten
  • Der Zentrale Grenzwertsatz (ZGS)Abonnenten
  • Visualisierung und Verhalten von StichprobenverteilungenAbonnenten
  • Zentraler Grenzwertsatz vs. Gesetz der großen ZahlenAbonnenten
  • Voraussetzungen für die Anwendung des Zentralen GrenzwertsatzesAbonnenten
  • Die Poisson-VerteilungAbonnenten
  • Modellierung und Erkennung von Poisson-ProzessenAbonnenten
  • Interpretation des Parameters Lambda (λλ)Abonnenten
  • Grundlagen der HypothesentestsAbonnenten
  • Fallstudie: Zusammenhang zwischen Sonnenschein und SchlafAbonnenten
  • Methodisches Vorgehen bei einem HypothesentestAbonnenten
  • Unterscheidung zwischen unabhängigen und abhängigen VariablenAbonnenten
  • Experimentelles VorgehenAbonnenten
  • Prinzipien und Erkennung kontrollierter VersucheAbonnenten
  • Begründung und Bedeutung der RandomisierungAbonnenten
  • Begriff der KorrelationAbonnenten
  • Messung der Korrelation zwischen mehreren VariablenAbonnenten
  • Interpretation und Grenzen der Korrelation (Kausalität)Abonnenten
  • Identifizierung von Störvariablen (Confounder)Abonnenten
  • Analyse und Interpretation der Ergebnisse eines TestsAbonnenten
  • Signifikanzniveaus (αα) und p-WerteAbonnenten
  • Statistische Risiken: Fehler 1. Art (αα) und Fehler 2. Art (ββ)Abonnenten
  • FazitAbonnenten
Nächste Lektion

Deskriptive vs. inferenzielle Statistik

Programm anzeigen Konto erstellen, um fortzufahren