• Keine Ergebnisse gefunden

Deskriptive Statistik

N/A
N/A
Protected

Academic year: 2022

Aktie "Deskriptive Statistik "

Copied!
2
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

Modul G.1 WS 07/08: Statistik 1.11.2006 1

Modul G.1: Statistik Ziele:

 Theoretische Grundlagen der deskriptiven Statistik und der Prüfstatistik

 Anwendung in der Phonetik

 Berechnungen mit R Teilnahmeschein:

 Kurzzusammenfassung der letzten Stunde oder Musterlösung für kleinere Übungs- aufgaben erläutern

 zwei große Hausaufgaben bestehen = Hausaufgaben müssen solange verbessert werden, bis sie in Ordnung sind

Hausaufgabe 1 wird am 6. Dezember gestellt, Hausaufgabe 2 zum Semesterende

Materialien:

Download von R über die R-Projekt-Webseite:

http://www.r-project.org/

Tutorials:

http://corpus.linguistics.berkeley.edu/~kjohnson/quantitative/

http://www.ipds.uni-kiel.de/Dokumente/ModulF/SEM06/EMU_R1.pdf Bücher:

Leonhart, Rainer (2004). Lehrbuch Statistik: Einstieg und Vertiefung. Bern: Hans Huber Verlag. € 29,95.

Dalgaard, Peter (2002). Introductory Statistics with R. New York: Springer. € 47,50.

Auf der R-Projekt-Seite http://www.r-project.org/doc/bib/R-books.html befindet sich eine kommentierte Liste von Büchern, die sich mit R oder S beschäftigen.

Warum Statistik?

(a) Datenreduktion auf einige relevante Kennwerte: Prozente, Mittelwert, Standard- abweichung, Varianz etc. (deskriptive Statistik)

(b) Hypothesen testen: F-Test, t-test, Varianzanalysen (Prüfstatistik)

(c) Beziehungen zwischen einzelnen Variablen herstellen: Korrelation und Regression (d) Vorhersagen und Wahrscheinlichkeiten: stochastische Modellierung

Warum R?

(a) frei erhältlich

(b) selber programmieren bringt gutes Verständnis für Statistik (c) R und EMU

(2)

Modul G.1 WS 07/08: Statistik 1.11.2006 2

Deskriptive Statistik

Skalenniveaus

 Datenerhebung durch Messen

 Art des Skalenniveaus hängt von der Messung ab

 Skalenniveaus in aufsteigender Reihenfolge 1. Nominalskala

Einer Kategorie wird ein Name gegeben.

Bsp.: Geschlecht, Lautklassen Eigenschaften: Identität

Ableitbare Interpretation: Gleichheit oder Verschiedenheit 2. Ordinalskala

Zwischen den Werten wird eine Ordnung bzw. Reihenfolge erstellt.

Bsp.: Bundesligatabelle, Sonoritätshierarchie, Öffnungsgrade von Vokalen.

Eigenschaften: Identität, Geordnetheit, Umkehrbarkeit (besser, schlechter) Ableitbare Interpretationen: Gleichheit, Größer-, Kleiner-Relationen 3. Intervallskala

Werte werden auf einer Skala gemessen, bei der es keinen absoluten Nullpunkt gibt.

Zwischen den Werten können Intervalle berechnet werden.

Bsp.: Temperatur in Celsius, F0-Gipfelpositionen

Eigenschaften: Identität. Geordnetheit, Umkehrbarkeit, Definiertheit der Abstände

Ableitbare Interpretationen: Gleichheit, Relationen, Gleichheit und Verschiedenheit von Intervallen

4. Verhältnisskala (metrische Skala, Rationalskala)

Die Werte können in ein Verhältnis gesetzt werden, da es einen absoluten Nullpunkt gibt.

Aussagen wie doppelt so hoch, lang, schwer sind möglich Bsp.: Körpergröße, Vokaldaueren

Eigenschaften: Identität, Geordnetheit, Definiertheit der Abstände, Existenz eines Null- elements

Ableitbare Interpretationen: Gleichheit, Relationen, Gleichheit und Verschiedenheit von Verhältnissen

Referenzen

ÄHNLICHE DOKUMENTE

[r]

[r]

Die Größe der stetigen Merkmale wird durch eine Maßeinheit (= Größenein- heit, physikalische Einheit), zum Beispiel Körpergröße in cm oder Körpergewicht in kg, dargestellt.

I Schließende Statistik (auch: inferenzielle Statistik, induktive Statistik) Typischer Einsatz von Statistik:.. Verarbeitung — insbesondere Aggregation — von (eventuell noch

Man nimmt an, dass man (im Prinzip auch vor der Erhebung) eine Menge M angeben kann, die alle vorstellbaren Merkmalswerte eines Merkmals enth¨alt. Das n-Tupel (x

I Verfahren f¨ur ordinalskalierte Merkmale k¨onnen nur dann eingesetzt werden, wenn beide Merkmale X und Y mindestens ordinalskaliert sind. I Verfahren f¨ur kardinalskalierte

Man nimmt an, dass man (im Prinzip auch vor der Erhebung) eine Menge M angeben kann, die alle vorstellbaren Merkmalswerte eines Merkmals enth¨alt. Das n-Tupel (x

I Verfahren f¨ur ordinalskalierte Merkmale k¨onnen nur dann eingesetzt werden, wenn beide Merkmale X und Y mindestens ordinalskaliert sind. I Verfahren f¨ur kardinalskalierte