Basiswissen Statistik: Kompaktkurs für Anwender aus by Ansgar Steland

By Ansgar Steland

Wirtschaftswissenschaftler, Ingenieure und Informatiker ben?tigen profunde Kenntnisse ?ber Modelle und Methoden der angewandten Wahrscheinlichkeitstheorie und Statistik. Diese spielen eine entscheidende Rolle f?r das Verst?ndnis und die examine komplexer Systeme, wie es zum Beispiel Finanzm?rkte oder der Datenverkehr im web sind. Der Band f?hrt in anwendungsorientierte Themen ein und richtet sich insbesondere an Studienanf?nger. Ein ausf?hrlicher Anhang enth?lt die wichtigsten Ergebnisse aus research und linearer Algebra zum Nachschlagen.

Show description

Read Online or Download Basiswissen Statistik: Kompaktkurs für Anwender aus Wirtschaft, Informatik und Technik PDF

Best german_1 books

Extra resources for Basiswissen Statistik: Kompaktkurs für Anwender aus Wirtschaft, Informatik und Technik

Sample text

6 Quantifizierung der Gestalt empirischer Verteilungen 31 Statt des Logarithmus zur Basis 2 verwendet man h¨aufig auch den nat¨ urlichen Logarithmus ln oder den Logarithmus log10 zur Basis 10. Die ShannonEntropie h¨angt von der Wahl der Basis des Logarithmus ab. Da das Umrechnen von Logarithmen zu verschiedenen Basen nach der Formel loga (x) = loga (b) · logb (x) erfolgt, gehen die jeweiligen Maßzahlen durch Multiplikation mit dem entsprechenden Umrechnungsfaktor auseinander hervor. Weil die im Folgenden zu besprechenden Eigenschaften nicht von der Wahl des Logarithmus abh¨angen, schreiben wir kurz log(x).

024698. 03 suggeriert eine deutlich h¨ohere Verzinsung. Da die Zinss¨atze in den ersten beiden Jahren jedoch sehr niedrig sind, wirkt sich der Zinseszinseffekt kaum aus. 01! − Harmonisches Mittel Der Vollst¨andigkeit halber sei an dieser Stelle auch das harmonische Mittel erw¨ahnt: Harmonisches Mittel Das harmonische Mittel von n Zahlen x1 , . . , xn , n 1 die alle ungleich null sind und die Bedingung ullen, ist i=1 xi = 0 erf¨ definiert durch 1 xhar = 1 n 1 . n i=1 xi − Getrimmte und winsorisierte Mittel* Vermutet man Ausreißer in den Daten, jedoch nicht mehr als 2a · 100%, so ist folgende Strategie nahe liegend: Man l¨ aßt die kleinsten k = ⌊na⌋ und die k gr¨oßten Beobachtungen weg und berechnet von den verbliebenen n − 2k (zentralen) Beobachtungen das arithmetische Mittel.

Xn vom Lagemaß beruhen. Die Grundidee vieler Streuungsmaße f¨ ur metrische Daten ist es, diese Abst¨ande zun¨achst zu bewerten und dann zu einer Kennzahl zu verdichten. Je nachdem, welches Lagemaß 32 1 Deskriptive und explorative Statistik man zugrunde legt und wie die Abst¨ ande bewertet und verdichtet werden, gelangt man zu unterschiedlichen Streuungsmaßen. − Stichprobenvarianz und Standardabweichung W¨ahlt man das arithmetische Mittel als Lagemaß, dann kann man die n quadrierten Abst¨ande (x1 − x)2 , (x2 − x)2 , .

Download PDF sample

Rated 4.45 of 5 – based on 6 votes