Bivariate Statistik/Lösungen: Unterschied zwischen den Versionen

Aktuelle Version vom 15. Juli 2020, 16:01 Uhr

Verspätungen

$r_{S}$ = - 0,8

Sportveranstaltungen

$\chi ^{2}$ = 14,4797; $C$ = 0,2146; $C_{korr}$ = 0,3035
$\chi ^{2}$ = 0
$\chi ^{2}$ = 0
Zusammenhang unter a) nur scheinbar; er wird durch den Einfluss des Lebensalters vorgetäuscht. Bei der Ausschaltung dieses Einflusses durch die Untersuchung altersspezifischer Teilgesamtheiten zeigt sich, dass in Wirklichkeit Unabhängigkeit besteht.

Old Faithful

Variable $X$ : Dauer einer Eruption (in Minuten)
Variable $Y$ : Zeit zwischen zwei Eruptionen (in Minuten)
Beide Variablen sind metrischen Skalenniveaus
$\rightarrow$ Bravais–Pearson–Korrelationskoeffizient.

${\begin{array}{c}\sum _{i}x_{i}=26,9\quad \sum _{i}x_{i}^{2}=100,53\\\sum _{i}y_{i}=587\quad \sum _{i}y_{i}^{2}=45131\\\sum _{i}x_{i}y_{i}=2114,6\end{array}}$

${\begin{aligned}r_{yx}={\frac {n\sum _{i}^{n}x_{i}y_{i}-\sum _{i=1}^{n}x_{i}\sum _{i}^{n}y_{i}}{\sqrt {\left(n\sum _{i=1}^{n}x_{i}^{2}-\sum _{i=1}^{n}x_{i}\sum _{i=1}^{n}x_{i}\right)\left(n\sum _{i=1}^{n}y_{i}^{2}-\sum _{i=1}^{n}y_{i}\sum _{i=1}^{n}y_{i}\right)}}}=0,97727\end{aligned}}$

Alter und Preis eines PKWs

Gegeben: $s_{xy}=-5,4\qquad s_{y}^{2}=4\qquad R_{yx}^{2}=0,81$
Es ist $r_{yx}=s_{yx}/s_{x}s_{y}$ . Daraus folgt: $s_{x}=s_{yx}/(r_{yx}s_{y})$
Ferner ist: $r_{yx}=-0,9$ ( $r_{yx}$ und die Kovarianz haben das gleiche Vorzeichen); $s_{y}=2$
$s_{x}=s_{yx}/r_{yx}s_{y}=-5,4/(-0,9\cdot 2)=3$

Koeffizienten Vergleich

H) Median
F) Korr. Kontingenzkoeffizient, K) Quadratische Kontingenz $\chi ^{2}$
D) Interquartilsabstand
B) Bravais–Pearson KK, D) IQR, G) Kovarianz, L) Spannweite, O) Standardabweichung, P) Varianz

GM

X – Wert der Aktie
$K_{i}$ – Kurs der Aktie $E_{j}$ – Wechselkurs
Dann ist ${\bar {X}}=\sum _{j=1}^{5}\sum _{i=1}^{5}E_{j}K_{i}f_{ji}$ zu bestimmen. Da die Kovarianz Null ist, folgt aus der Kovarianzzerlegung
$Cov(E,K)=\sum _{j=1}^{5}\sum _{i=1}^{5}e_{j}K_{i}f_{ji}-{\overline {E}}\cdot {\overline {K}},$ dass der obige Wert dem Produkt der Mittelwerte von $E$ und $K$ entspricht. Mit den marginalen Häufigkeiten berechnet man:
Randverteilung von $E$ : $0,2;\;0,4;\;0,1;\;0,1;\;0,2$
Randverteilung von $K$ : $0,1;\;0,3;\;0,05;\;0,2;\;0,35$
${\overline {e}}=1,97$ EUR/$ ${\overline {k}}=118,0175$ $
damit resultiert der durchschnittliche Wert der GM-Aktie zu ${\bar {x}}=232,5$ EUR.

Teesorten

$r_{S}$ = 0,5714

Buttersorten

${\begin{array}{l}r_{S}=1-{\frac {6\cdot \sum d_{i}^{2}}{n\cdot \left(n^{2}-1\right)}}\\r_{S}=1-(6\cdot 8)/(7\cdot 48)=1-48/336=1-0,1429=08571\approx 0,857\end{array}}$

Tarifvereinbarungen

lineare Transformation: $y=a+bx$
${\overline {y}}=1,029{\overline {x}}+50=1,029\cdot 1642,86+50=1740,50294$

Cafeteria

	Frauen	Männer
Mensa	$h_{11}$	$h_{12}$	$h_{1\bullet }$
Cafeteria	$h_{21}$	$h_{22}$	$h_{2\bullet }$
	$h_{\bullet 1}$	$h_{\bullet 2}$	$n$

$n=200,\quad h_{\bullet 1}=0,375\cdot 200=75,\quad h_{21}=45\quad \Rightarrow h_{11}=30$

Unabhängigkeit:
$\displaystyle {\frac {1}{n}}h_{\bullet 1}\cdot h_{1\bullet }=h_{11}$ $\Leftrightarrow \quad h_{1\bullet }=30\cdot 200/75=80$

Relationen der Merkmalsausprägungen

Da Relationen angegeben sind, sind die beiden Merkmale $X$ und $Y$ ordinal skaliert; Der Spearman’sche Rangkorrelationskoeffizient ist ein geeignetes Maß

i	1	2	3	4	5
$x_{i}$	1	3	5	2	4
$y_{i}$	3	1	4	2	5
$d_{i}$	2	2	1	0	1

$r_{s}=1-{\frac {\displaystyle 6\sum _{i=1}^{n}d_{i}^{2}}{\displaystyle n(n^{2}-1)}}=1-{\frac {\displaystyle 6\cdot 10}{\displaystyle 5\cdot (25-1)}}=0,5$

Stellung im Beruf

Datei:2 74 Stellung im Beruf.xlsx

Geschlecht RV

Beamte(r) Angestellte(r) Arbeiter(in) Geschlecht

weiblich 15 20 5 40

männlich 10 30 20 60

RV Beruf 25 50 25 n=100
Bedingte Verteilung $f(y_{j}|x_{1})$

Beamte Angestellte Arbeiter

w 0,375 0,5 0,125
Bedingte Verteilung $f(x_{i}|y_{2})$

Angestellte

w 0,4

m 0,6
Beobachtete Gemeinsame Verteilung (relative Häufigkeiten)

Beamte(r) Angestellte(r) Arbeiter(in) RV Geschlecht

weiblich 0.15 0.2 0.05 0.4

männlich 0.1 0.3 0.2 0.6

RV Stellung 0.25 0.5 0.25 1
Theoretische Werte der Gemeinsamen Verteilung, wenn Unabhängigkeit angenommen wird

Beamte(r) Angestellte(r) Arbeiter(in) RV Geschlecht

weiblich 0.1 0.2 0.1 0.4

männlich 0.15 0.3 0.15 0.6

RV Stellung 0.25 0.5 0.25 1
Die Merkmale sind nicht unabhängig, da z.B. $f_{11}\neq f_{1.}\cdot f_{.1}$ ist.

Tekolom und IBBM - Teil II

Tekolom–Aktie $var(X)=16$ , IBBM–Aktie $var(Y)=1$ , Portfolio $Z=100X+200Y$
${\begin{aligned}corr(X,Y)&=&{\frac {cov(X,Y)}{\sigma _{X}\cdot \sigma _{Y}}}\rightarrow cov(X,Y)=0,2\cdot 4\cdot 1=0,8\\var(Z)&=&var(100X)+var(200Y)+2\cdot 100\cdot 200cov(X,Y)\\&=&10000\cdot 16+40000\cdot 1+40000\cdot 0,8=232000\\\end{aligned}}$

Mensaessen

Es sei $R_{E}$ die Preis/Leistungs–Rangzahl von Eintopf und $R_{1}$ die von Essen 1.

Fall A: $R_{E}=1$ , $R_{1}=4$

$r_{s}=1-{\frac {6\sum d_{i}^{2}}{n(n^{2}-1)}}=1-{\frac {6\cdot (0+1+9+9+9+4)}{6\cdot 35}}=1-{\frac {32}{35}}=0,085714>0$

Fall B: $R_{E}=4$ , $R_{1}=1$

$r_{s}=1-{\frac {6\sum d_{i}^{2}}{n(n^{2}-1)}}=1-{\frac {6\cdot (9+16+9+9+9+4)}{6\cdot 35}}=1-{\frac {56}{35}}=-0,6<0$

Außentemperatur und Dauer eines Weges

${r_{xy}}={\frac {5\cdot (-1000)}{\displaystyle {\sqrt {(5*1000)(5*7225-175^{2})}}}}={\frac {-5000}{5224}}=-0,953$

Körpergröße

$X$ : “Körpergröße in cm”; ${\overline {x}}$ = 128 cm; $s_{x}^{2}$ = 26 cm $^{2}$ ; $s_{x}$ = 5,1 cm;

$v_{x}$ = 0,0398
$Y$ :“Körpergröße in Zoll”; ${\overline {y}}$ = 51,2 Zoll; $s_{y}^{2}$ = 4,16 Zoll $^{2}$ ; $s_{y}$ = 2,04 Zoll; $v_{y}$ = 0,0398

${x}_{i}=a+by_{i}{\text{ mit }}a=0{\text{ und }}b=2,5;{\bar {x}}=a+b{\bar {y}}$

$s_{x}=|b|s_{y};v_{x}={\frac {s_{x}}{\bar {x}}}={\frac {|b|s_{y}}{b{\bar {y}}}}={\frac {s_{y}}{\bar {y}}}=v_{y}$

@@ Zeile 5: / Zeile 5: @@
 ===Sportveranstaltungen===
+[[Datei:sportveranstaltungen.xlsx]]
 * <math>\chi^{2}</math> = 14,4797; <math>C</math> = 0,2146; <math>C_{korr}</math> = 0,3035
@@ Zeile 18: / Zeile 20: @@
 <math>\rightarrow</math> Bravais–Pearson–Korrelationskoeffizient.
-<math>\begin{aligned}
+<math>\begin{array}{c}
-\sum_ix_i&=&26,9\quad\sum_ix_i^2=100,53\\
+\sum_{i} x_{i}=26,9 \quad \sum_{i} x_{i}^{2}=100,53 \\
-\quad\sum_iy_i&=&587\quad\sum_iy_i^2=45131\\
+\sum_{i} y_{i}=587 \quad \sum_{i} y_{i}^{2}=45131 \\
-\quad\sum_i&x_iy_i&=2114,6\\
+\sum_{i} x_{i} y_{i}=2114,6
- \end{aligned}</math>
+\end{array}</math>
-<math>\begin{aligned}
+<math>\begin{align}
-   r_{yx}&=&\frac{\displaystyle n\sum_i^nx_iy_i-\sum_{i=1}^nx_i\sum_i^ny_i}{\displaystyle\sqrt{\left(n\sum_{i=1}^nx_i^2-\sum_{i=1}^nx_i\sum_{i=1}^nx_i\right)\left(n\sum_{i=1}^ny_i^2-\sum_{i=1}^ny_i\sum_{i=1}^ny_i\right)}}\\
+   r_{y x}=\frac{n \sum_{i}^{n} x_{i} y_{i}-\sum_{i=1}^{n} x_{i} \sum_{i}^{n} y_{i}}{\sqrt{\left(n
-   &=& 0,97727
+\sum_{i=1}^{n} x_{i}^{2}-
-  \end{aligned}</math>
+\sum_{i=1}^{n} x_{i}
+\sum_{i=1}^{n} x_{i}\right)\left(n
+\sum_{i=1}^{n} y_{i}^{2}-
+\sum_{i=1}^{n} y_{i}
+\sum_{i=1}^{n} y_{i}\right)}}=0,97727
+  \end{align}</math>
 ===Alter und Preis eines PKWs===
@@ Zeile 60: / Zeile 67: @@
 ===Buttersorten===
-Spearman’scher Rangkorrelationskoeffizient:<br />
-<math>r_S=1-(6\cdot\sum d_i^2)/[n\cdot(n^2-1)]</math><br />
-<math>r_S=1-(6\cdot8)/(7\cdot48)=1-48/336=1-0,1429=08571\approx0,857</math><br />
+<math>
+\begin{array}{l}
+r_{S}=1-\frac{6 \cdot \sum d_{i}^{2}}{n\cdot\left(n^{2}-1\right)} \\
+r_{S}=1-(6 \cdot 8) /(7 \cdot 48)=1-48 / 336=1-0,1429=08571 \approx 0,857
+\end{array}
+</math>
 ===Tarifvereinbarungen===
@@ Zeile 273: / Zeile 285: @@
 Tekolom–Aktie <math>var(X)=16</math>, IBBM–Aktie <math>var(Y)=1</math>, Portfolio <math>Z=100X+200Y</math><br />
-<math>\begin{aligned}
+<math>\begin{align}
 corr(X,Y)&=&\frac{cov(X,Y)}{\sigma_X\cdot\sigma_Y} \rightarrow cov(X,Y)=0,2\cdot4\cdot1=0,8\\
 var(Z)&=&var(100X)+var(200Y)+2\cdot100\cdot200cov(X,Y)\\
-&=&10000\cdot16+40000\cdot1+40000\cdot0,8=232000\\\end{aligned}</math>
+&=&10000\cdot16+40000\cdot1+40000\cdot0,8=232000\\\end{align}</math>
 ===Mensaessen===
-Es sei <math>R_E</math> die Preis/Leistungs–Rangzahl von Eintopf und <math>R_1</math> die von Essen 1.<br />
+Es sei <math>R_E</math> die Preis/Leistungs–Rangzahl von Eintopf und <math>R_1</math> die von Essen 1.<br /><br>
-Fall A: <math>R_E=1</math>, <math>R_1=4</math><br />
+Fall A: <math>R_E=1</math>, <math>R_1=4</math><br /> <br>
-<math>r_s=1-\frac{6\sum d_i^2}{n(n^2-1)}=1-\frac{6\cdot(0+1+9+9+9+4)}{6\cdot35}=1-\frac{32}{35}=0,085714>0</math><br />
+<math>r_s=1-\frac{6\sum d_i^2}{n(n^2-1)}=1-\frac{6\cdot(0+1+9+9+9+4)}{6\cdot35}=1-\frac{32}{35}=0,085714>0</math><br /> <br>
-Fall B: <math>R_E=4</math>, <math>R_1=1</math><br />
+Fall B: <math>R_E=4</math>, <math>R_1=1</math><br /><br>
 <math>r_s=1-\frac{6\sum d_i^2}{n(n^2-1)}=1-\frac{6\cdot(9+16+9+9+9+4)}{6\cdot35}=1-\frac{56}{35}=-0,6<0</math>
@@ Zeile 297: / Zeile 309: @@
 <math>Y</math>:“Körpergröße in Zoll”; <math>\overline{y}</math> = 51,2 Zoll; <math>s_{y}^{
 }</math> = 4,16 Zoll<math>^{2}</math>; <math>s_{y}</math> = 2,04 Zoll; <math>v_{y}</math> = 0,0398
-* <math>x_{i}= a + by_{i}</math> mit <math>a = 0</math> und <math>b = 2,5</math>; <math>\overline{x}  =
+* <math>{x}_{i}=a+b y_{i} \text { mit } a=0 \text { und } b=2,5 ; \bar{x}=a+b \bar{y}</math><br />
-         a + b\overline{y}</math><br />
+<math>s_{x}=|b| s_{y} ; v_{x}=\frac{s_{x}}{\bar{x}}=\frac{|b| s_{y}}{b \bar{y}}=\frac{s_{y} }{\bar{y}}=v_{y}</math>
-<math>s_{x} = |b|s_{y}</math>; <math>v_{x} = s_{x}/\overline{x} =
-         (|b|s_{y})/b\overline{y} = s_{y}/\overline{y} = v_{y}</math>