Univariate Statistik/Lösungen

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); $s_{y}=2$
$s_{x}=s_{yx}/r_{yx}s_{y}=-5,4/(-0,9\cdot 2)=3$

Anstieg der Produktion

• $i_{G}={\sqrt[{4}]{1,1^{2}\cdot 1,2^{2}}}$ = 1,1489
• $i_{2007/2011}=x_{2011}/x_{2007}=1,2^{4}$ = 2,0736

Arbeitslose

X: Arbeitslosenquote$\rightarrow$ Verhältnis von Arbeitslosen zu Erwerbspersonen
Möglichkeit 1
Zusätzliche Informationen $g(x_{j})$ sind Arbeitslosenzahlen, beziehen sich inhaltlich auf den Zähler des Merkmals X $\rightarrow$ harmonisches Mittel
${\bar {x}}_{H}={\frac {\displaystyle \sum _{j=1}^{k}g_{j}}{\displaystyle \sum _{j=1}^{k}{\frac {\displaystyle g_{j}}{\displaystyle x_{j}}}}}={\frac {3000+4000}{\displaystyle {\frac {3000}{5}}+{\frac {4000}{20}}}}={\frac {7000}{800}}=8,75$
Die Arbeitslosenquote für das Bundesland beträgt 8,75%.

Möglichkeit 2
Anwendung des arithmetischen Mittels nach vorheriger Berechnung der Informationen für den Nenner des Merkmals X. Diese sind $3000/5=600$ und $4000/20=200$.
${\begin{aligned}{\bar {x}}&=&{\frac {1}{n}}\sum _{j=1}^{k}x_{j}h(x_{j})\\&=&{\frac {1}{800}}(5\cdot 600+20\cdot 200)={\frac {3000+4000}{800}}={\frac {7000}{800}}\\&=&8,75\end{aligned}}$

Außentemperatur und Dauer eines Weges

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

Auswirkung der Regelstudienzeit

• $X$: “Semesterzahl”; kardinalskaliert, diskret

• und c)

  $x_{j}$	$h(x_{j})$	$f(x_{j})$	$F(x)$
  10	20	0,10	0,10
  11	20	0,10	0,20
  12	80	0,40	0,60
  13	40	0,20	0,80
  14	30	0,15	0,95
  15	10	0,05	1,00
  Summe	200	1,00

• 10 Semester

• 12 Semester

• 13 Semester

• ordinalskaliert

• Säulendiagramm

• Nein. Eine Verteilungsfunktion erfordert wegen

  $F(x)=\sum _{x_{j}\leq x}f(x)$

  eine Ordnungsrelation (“kleiner-gleich”-Beziehung) zwischen den Merkmalsausprägungen. Derartige Vergleichszeichen sind jedoch auf nominalskalierte Merkmale nicht anwendbar, da bei Nominalskalierung keine Anordnung möglich ist.

Benzinverbrauch

Bei Verbrauchsdaten in Liter/100km: $v=0,41/8,2=0,05$.
Der Variationskoeffizient verändert sich durch die Umrechnung auf Gallonen/100 Meilen nicht, da diese Umrechnung sowohl beim arithmetischen Mittel als auch bei der Standardabweichung vorgenommen werden muss.

Berliner Bühnen

• Gesamtheit: Menge der Berliner Bühnen im Jahre  
  

Einheit: die einzelne Bühne (z.B. Deutsche Oper, Deutsches Theater, Komische Oper, Schauspielhaus, Hansa–Theater, Schiller–Theater, Theater am Kurfürstendamm, Volksbühne, Theater des Westens).

• Identifikationsmerkmale:
  

Ort: festgelegt, Berlin.
Zeit: festgelegt, .
Sachlich: Bühne, festgelegt

• Erhebungsmerkmale:
  

Bühne (festgelegt) Höhe der Einnahmen, Höhe der Ausgaben (variabel)

• Anzahl der Schauspieler, Anzahl der Besucher pro Jahr, Art der Bühne, Anzahl der Gastspiele usw.

Berliner Luftqualität

• $X$: “Stickstoffmonoxydgehalt der Berliner Luft im März ”; kardinalskaliert, stetig

• $x_{j}^{u}$ $\leq$ $X$ $<$ $x_{j}^{o}$	$h(x_{j})$	$f(x_{j})$	$F(x)$	$f_{K}(x_{j})$
  19,5 - 29,5	5	0,3333	0,3333	0,03333
  29,5 - 34,5	4	0,2667	0,6000	0,05334
  34,5 - 39,5	5	0,3333	0,9333	0,06666
  39,5 - 44,5	1	0,0667	1,0000	0,01334
  Summe	15	1,0000

• Häufigkeitsverteilung: Histogramm
  empirische Verteilungsfunktion: stückweise lineare Funktion

• 6 Tage

• 37,5 mg/m$^{3}$

Statistische Massen

Bestandsmassen: b, c, e, i, j, l, m
Bewegungsmassen: a, d, f, g, h, k

Besuche pro Woche

• $x_{j}$	$h(x_{j})$	$f(x_{j})$	$F(x_{j})$
  0	7	0,14	0,14
  1	11	0,22	0,36
  2	5	0,10	0,46
  3	7	0,14	0,60
  4	7	0,14	0,74
  5	4	0,08	0,82
  6	5	0,10	0,92
  7	3	0,06	0,98
  9	1	0,02	1,00
  	50	1,00

• ${\overline {x}}$ = 3 Besuche

Bevölkerungsdichte und Ärztedichte

Bevölkerungsdichte: ${\overline {x}}$ = 150 Einwohner/km$^{2}$
Ärztedichte: ${\overline {y}}_{H}$ = 1 Arzt/1000 Einwohner

Bibliotheken - Teil III

$s_{x}$ = 10,4775 Std./Wo.; $s_{y}$ = 15,2382 Std./Wo.
$v_{x}$ = 0,1612; $v_{y}$ = 0,312

Bibliotheken - Teil II

• $x_{D}$ = 62,998 Std./Wo.; $x_{0,5}$ = 63,998 Std./Wo.; ${\overline {x}}$ = 64,959 Std./Wo.
• $y_{D}$ = 44,166 Std./Wo.; $y_{0,5}$ = 46,3165 Std./Wo.; ${\overline {y}}$ = 48,831 Std./Wo.
• nein, da keine unimodale Häufigkeitsverteilung vorliegt
• $z_{0,25}$ = 2,0502 Mill.EUR/Jahr; $z_{0,5}$ = 3,353 Mill.EUR/Jahr; $z_{0,75}$ = 4,346 Mill.EUR/Jahr;
  

$z_{(1)}$ = 0,85 Mill.EUR/Jahr; $z_{(62)}$ = 6,56 Mill.EUR/Jahr

Bibliotheken - Teil I

• alle Merkmale sind kardinalskaliert

  • Öffnungszeiten und Ausleihzeiten: stetig

  • Etat für Neuerwerb: quasi-stetig

  • Planstellen: diskret

• $X$: “Öffnungszeiten”

  Öffnungszeiten $x_{j}$	$h(x_{j)}$	$f(x_{j})$	$F(x)$	$f_{K}(x_{j})$
  40 – 50	2	0,0323	0,0323	0,00323
  50 – 60	19	0,3065	0,3388	0,03065
  60 – 70	25	0,4032	0,7420	0,04032
  70 – 80	11	0,1774	0,9194	0,01774
  80 – 90	4	0,0645	0,9839	0,00645
  90 – 115	1	0,0161	1,0000	0,00064
  Summe	62	1,0000

  Häufigkeitsverteilung: Histogramm
  empirische Verteilungsfunktion: stückweise lineare Funktion

• $Y$: “Ausleihzeiten”

  Ausleihzeiten $y_{j}$	$h(y_{j)}$	$f(y_{j})$	$F(y)$	$f_{K}(y_{j})$
  25 – 30	5	0,0806	0,0806	0,01612
  30 – 40	14	0,2258	0,3064	0,02258
  40 – 50	19	0,3065	0,6129	0,03065
  50 – 60	12	0,1935	0,8064	0,01935
  60 – 70	6	0,0968	0,9032	0,00968
  70 – 80	3	0,0484	0,9516	0,00484
  80 – 100	3	0,0484	1,0000	0,00242
  Summe	62	1,0000

  Häufigkeitsverteilung: Histogramm
  empirische Verteilungsfunktion: stückweise lineare Funktion

• $Z$: “Etat für Neuerwerb”

  Etat für Neuerwerb $z_{j}$	$h(z_{j)}$	$f(z_{j})$	$F(z)$	$f_{K}(z_{j})$
  0 – 1	1	0,0161	0,0161	0,0161
  1 – 2	14	0,2258	0,2419	0,2258
  2 – 3	10	0,1613	0,4032	0,1613
  3 – 4	17	0,2742	0,6774	0,2742
  4 – 5	13	0,2097	0,8871	0,2097
  5 – 6	6	0,0968	0,9839	0,0968
  6 – 7	1	0,0161	1,0000	0,0161
  Summe	62	1,0000

  Häufigkeitsverteilung: Histogramm
  empirische Verteilungsfunktion: stückweise lineare Funktion

• $W$: “Planstellen”

  Planstellen $w_{j}$	$h(w_{j)}$	$f(w_{j})$	$F(w)$	$f_{K}(w_{j})$
  30 – 70	6	0,0968	0,0968	0,00242
  70 – 80	12	0,1935	0,2903	0,01935
  80 – 100	10	0,1613	0,4516	0,00807
  100 – 150	19	0,3065	0,7581	0,00613
  150 – 200	12	0,1935	0,9516	0,00387
  200 – 270	3	0,0484	1,0000	0,00069
  Summe	62	1,0000

  Häufigkeitsverteilung: Histogramm
  empirische Verteilungsfunktion: stückweise lineare Funktion

• • 0,7872

  • 0,1452

  • 0,3064

  • 0,5484

  • 77 Planstellen

  • 76,088 Std./Wo.

Brutto- und Nettoeinkommen

Bruttoeinkommen/Beschäftigten und Monat: $i_{G}$ = 1,0352
Nettoeinkommen/Beschäftigten und Monat: $i_{G}$ = 1,0279

Buttersorten

Spearman’scher Rangkorrelationskoeffizient:
$r_{S}=1-(6\cdot \sum d_{i}^{2})/[n\cdot (n^{2}-1)]$
$r_{S}=1-(6\cdot 8)/(7\cdot 48)=1-48/336=1-0,1429=08571\approx 0,857$

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$

CDs

• ${\overline {x}}_{H}$ = 4,27 EUR/CD
• $s^{2}$ = 0,1519; $s$ = 0,39 EUR/CD

Das erste Tor

Klassierte Häufigkeitsverteilung

Klasse	$h(x)$	$H(x)$	$f(x)$	$F(x)$
0 – 15	9	9	0,36	0,36
15 – 30	5	14	0,20	0,56
30 – 45	9	23	0,36	0,92
45 – 90	2	25	0,08	1,00

$f(20<x\leq 60)=F(60)-F(20)=$?
$F(x)=F(x_{j}^{u})+f(x_{j})\cdot (x-x_{j}^{u})/(x_{j}^{o}-x_{j}^{u})$(Interpolation)
$F(60)=F(45)+0,08\cdot (60-45)/(90-45)=0,92+0,0267=0,9467$
$F(20)=F(15)+0,2\cdot (20-15)/(30-15)=0,36+0,067=0,4267$
$f(20<x\leq 60)=F(60)-F(20)=0,9467-0,4267=0,52$

Ladekabel

${\overline {x}}$ = 15,52 EUR/Ladekabel

Diskret vs. stetig

Von den kardinalskalierten Merkmalen sind

diskret: 4, 16, 29, 30, 46, 47

quasi–stetig: 12, 14, 24, 26, 32

stetig: 2, 3, 8, 9, 18, 21, 25, 33, 35, 45

Drei Betriebe

• ${\overline {x}}$ = 740 EUR Materialverbrauch/1000EUR Produktion
• Materialverbrauch pro 1000EUR Produktion, kardinalskaliert
• i$_{G}$ = 0,97; $x_{2013}$ = 112 908 000 EUR Materialverbrauch

Drei Stichproben

gepoolter Datensatz
${\overline {x}}=\displaystyle {\frac {1}{\displaystyle n}}\displaystyle \sum _{p=1}^{r}{\overline {x}}_{p}n_{p},\quad n=\displaystyle \sum _{p=1}^{r}n_{p};\quad s^{2}=\displaystyle \sum _{l=1}^{r}{\frac {\displaystyle n_{l}}{\displaystyle n}}s_{l}^{2}+\displaystyle \sum _{l=1}^{r}{\frac {\displaystyle n_{l}}{\displaystyle n}}\left({\overline {x}}_{l}-{\overline {x}}\right)^{2}$ ${\begin{aligned}{\overline {x}}&=0,1\cdot 51+0,4\cdot 53+0,5\cdot 54=53,3\\s^{2}&=(0,1\cdot 21+0,4\cdot 22+0,5\cdot 23)\\&+0,1(51-53,3)^{2}\\&+0,4(53-53,3)^{2}+0,5(54-53,3)^{2}\\&=22,4+0,529+0,036+0,245=22,4+0,81=23,21\end{aligned}}$

Eine Befragung von Studierenden - Teil II

• $x_{D}$ = BWL, da BWL die höchste absolute Häufigkeit beinhaltet. Der Modus ist ein geeigneter Lageparameter, da es sich um nominalskalierte Variablenausprägungen handelt, die lediglich eine Verschiedenartigkeit zum Ausdruck bringen.
• Die drei geeigneten Lageparameter entsprechen hier dem Modus, dem Median und dem Arithmetischen Mittel.
• Der Modus $y_{D}$ = 1, da die Ausprägung eins die höchste absolute Häufigkeit besitzt.
• Der Median $y_{0,5}$ = 1, da eins ungerade ist und daher die Formel
  

${\begin{aligned}x_{0,5}&=x_{\left({\tfrac {n+1}{2}}\right)}\\&=x_{\left({\tfrac {25+1}{2}}\right)}\\&=x_{(13)}\end{aligned}}$ für den Median gilt.

• Das Arithmetische Mittel ${\overline {y}}$ = 1, da sich mit der Formel
  

${\begin{aligned}{\overline {x}}&={\dfrac {1}{n}}\cdot \sum _{i=1}^{n}\cdot x_{i}\\&={\dfrac {1}{25}}\cdot (8\cdot 0+11\cdot 1+4\cdot 2+2\cdot 3)\\&=1{\text{ ergibt}}.\end{aligned}}$

• Das durchschnittliche Einkommen eines/einer Studierenden ergibt sich durch Berechnen des Arithmetischen Mittels wie folgt:
  

${\begin{aligned}{\overline {z}}&={\dfrac {1}{n}}\cdot \sum _{i=1}^{n}\cdot z_{i}\\{\overline {z}}&={\dfrac {1}{25}}\cdot (924+...+640)\\&={\dfrac {1}{25}}\cdot 20200\\&=808{\text{ EUR}}\end{aligned}}$

• Als aussagekräftige Lageparameter werden das Arithmetische Mittel und der Median berechnet.
• Der Median berechnet sich für klassierte Daten mit der folgenden Formel: ${\begin{aligned}z_{0,5}&=x_{j}^{u}+{\dfrac {(0,5-F(z_{j}^{u}))}{f(z_{j}^{m})}}\cdot (z_{j}^{o}-z_{j}^{u})\\&=700+{\dfrac {(0,5-0,48)}{0,32}}\cdot 200\\&=712,5{\text{ EUR}}\end{aligned}}$
• Das Arithmetische Mittel wird hier für klassierte Daten mit der folgenden Formel berechnet, wobei $x_{j}^{m}$ die Klassenmitte und $n_{j}$ die Anzahl der Beobachtungen in Klasse j angibt: ${\begin{aligned}{\overline {z}}&={\dfrac {1}{n}}\cdot \sum _{j=1}^{k}\cdot z_{j}^{m}\cdot n_{j}\\&={\dfrac {1}{25}}\cdot (625\cdot 6+675\cdot 6+800\cdot 8+1050\cdot 2+1325\cdot 3)\\&={\dfrac {20275}{25}}\\&=811{\text{ EUR}}.\end{aligned}}$ Für die Berechnung der Quantile von klassierten Daten wird folgende Formel verwendet: ${\begin{aligned}F(x_{p})&=p\Leftrightarrow x_{p}=x_{j}^{u}+{\dfrac {(p-F(x_{j}^{u}))}{f(x_{j})}}\cdot (x_{j}^{o}-x_{j}^{u})\end{aligned}}$
• Die Quartile werden somit wie folgt für klassierte Daten berechnet: ${\begin{aligned}z_{0,25}&=650+{\dfrac {(0,25-0,24)}{0,24}}\cdot 50\\&=652,08{\text{ EUR}}\\z_{0,75}&=700+{\dfrac {(0,75-0,48)}{0,32}}\cdot 200\\&=868,75{\text{ EUR}}\end{aligned}}$
• Das 90%-Quantil ergibt somit: ${\begin{aligned}z_{0,9}&=1200+{\dfrac {(0,9-0,88)}{0,12}}\cdot 250\\&=1241,67{\text{ EUR}}\end{aligned}}$
• Minimum und Maximum sind hier wie folgt:
  

• Das Minimum ist hier $z_{(1)}$ = 616, da es die kleinste Merkmalsausprägung des Merkmals Einkommen ist
• Das Maximum entspricht $z_{(25)}$ = 1440, da es demgegenüber die größte Ausprägung des Merkmals Einkommen ist
  

Die Quantile ergeben sich wie folgt:

• $z_{0,25}$ = 660, da $n\cdot p$ keine ganze Zahl ist, sondern hier $25\cdot 0,25=6,25$ woraufhin die Ausprägung an der auf $n\cdot p$ folgenden Zahlenstelle gilt, das heißt 660 ist die Ausprägung an der siebten Stelle.
• $z_{0,5}=700$ mit $n\cdot p=25\cdot 0,5=12,5\Rightarrow$ 700 ist das Ergebnis und steht als Ausprägung an dreizehnter Stelle
• $z_{0,75}$ = 850 mit $n\cdot p=25\cdot 0,75=18,75\Rightarrow$ Das entspricht der Ausprägung an neunzehnter Stelle

Eine Befragung von Studierenden - Teil I

• • Grundgesamtheit: Die Menge aller Studierenden der deutschen Hochschule im Juni

  • Stichprobe: Die Menge der 25 befragten Studierenden der deutschen Hochschule im Juni

  • Statistische Einheiten: Studierende der deutschen Hochschule im Juni

  • Identifikationskriterien:

  • örtlich: Deutschland

  • zeitlich: Juni

  • sachlich: immatrikulierte Person an der Hochschule

• $X$: “Studiengang”; nominalskaliert

  Studiengang $x_{j}$	$h(x_{j})$	$f(x_{j})$
  VWL	5	0,2
  BWL	10	0,4
  Polit.Wiss.	5	0,2
  Sozialwiss.	5	0,2
  Summe	25	1,0

  Graphische Darstellung als Säulendiagramm, Kreisdiagramm oder Flächendiagramm. Siehe dazu Folien in der Vorlesung “Deskriptive Statistik”, beispielsweise:

• Grafische Darstellung der Häufigkeit II

• $Y$: “Anzahl der Geschwister”; kardinalskaliert, diskret

  Anzahl der Geschwister $y_{j}$	$h(y_{j})$	$f(y_{j})$	$F(y)$
  0	8	0,32	0,32
  1	11	0,44	0,76
  2	4	0,16	0,92
  3	2	0,08	1,00
  Summe	25	1,00

  Graphische Darstellung der Häufigkeitsverteilung als Stabdiagramm, der empirischen Verteilungsfunktion als Treppenfunktion

• 23 Studierende haben höchstens 2 Geschwister.

• Viermal 2 Geschwister $+$ zweimal 3 Geschwister $=$ 6 Personen mit mindestens 2 Geschwistern, d.h.
  ${\dfrac {6}{25}}=0,24=24\%$ haben mindestens zwei Geschwister.
  ${\dfrac {15}{25}}=0,6=60\%$ haben ein oder zwei Geschwister.

• $Z$: “Einkommen”; kardinalskaliert (metrisch), quasi-stetig

  Einkommen $z_{j}^{u}\leq Z<z_{j}^{o}$	$h(z_{j})$	$f(z_{j})$	$F(z)$	$f_{K}(z_{j})$
  600 – 650	6	0,24	0,24	0,0048
  650 – 700	6	0,24	0,48	0,0048
  700 – 900	8	0,32	0,80	0,0016
  900 – 1200	2	0,08	0,88	0,0003
  1200 – 1450	3	0,12	1,00	0,0005
  Summe	25	1,00

  Graphische Darstellung der Häufigkeitsverteilung als Histogramm, der empirischen Verteilungsfunktion als stückweise linearer Funktion

• • $P[\{750\leq Z\leq 1300\}]=F(1300)-F(750)$ ${\begin{aligned}F(1300)&=&0,88+{\frac {1300-1200}{1450-1200}}\cdot 0,12=0,928\\F(750)&=&0,48+{\frac {750-700}{900-700}}\cdot 0,32=0,56\\P[\{750\leq Z\leq 1300\}]&=&F(1300)-F(750)=0,928-0,56\\\end{aligned}}$

  • $P[\{Z>800\}]=1-F(800)$ ${\begin{aligned}&=&1-[0,24+0,24+{\frac {(800-700)}{(900-700)}}\cdot 0,32]\\&=&1-[0,48+{\frac {100}{200}}\cdot 0,32]\\&=&0,36\end{aligned}}$

  • $0,5=0,48+{\frac {z-700}{900-700}}\cdot 0,32\rightarrow z=712,5{\mbox{EUR}}$

  • $0,12+0,08=0,2\Rightarrow 20\%\Rightarrow 900EUR$

Einkommen der Beamten

Gegeben:
$x_{0,5}=2590$; $x_{0,75}=3590$; $R=8000$; $IQR=1770$; $x_{min}=500$; $s=1620$; $v=0,54$
Gesucht:
$x_{0,25}=x_{0,75}-IQR=3590-1770=1820$

Einkommensgleichheit

	Atoll A
Person	Einkommen	$x_{i}^{2}$	$x_{i}-{\overline {x}}$	$(x_{i}-{\overline {x}})^{2}$
	(in Kauri Schnecken)
1	225	50625	$32,625$	$1064,390625$
2	185	34225	$-7,375$	$54,390625$
3	250	62500	$57,625$	$3320,640625$
4	150	22500	$-42,375$	$1795,640625$
5	237	56169	$44,625$	$1991,390625$
6	100	10000	$-92,375$	$8533,140625$
7	87	7569	$-105,375$	$11103,890625$
8	305	93025	$112,625$	$12684,390625$
$\sum$	1539	336613		$40547,875$

${\overline {x}}=1539/8=192,375$

Einkommen und Alter

• a) und b)

  Einkommen	Alter					RV X
  	20-30	30-40	40-50	50-60	60-70
  0-1000	0.02	0.04	0.02	0.02	0.02	0.12
  1000-1500	0.04	0.08	0.08	0.06	0.02	0.28
  1500-2000	0.06	0.12	0.12	0.06	0.04	0.40
  2000-3000	0.02	0.06	0.04	0.04	0.04	0.20
  RV Y	0.14	0.30	0.26	0.18	0.12	1.00

• c)

Einkommen	Alter
	20-30	30-40	40-50	50-60	60-70
0-1000	0.143	0.133	0.077	0.111	0.0167
1000-1500	0.286	0.267	0.308	0.333	0.167
1500-2000	0.429	0.400	0.462	0.333	0.167
2000-3000	0.143	0.200	0.154	0.222	0.333
	1.000	1.000	1.000	1.000	1.000

• d)

Einkommen	Alter					RV X
	20-30	30-40	40-50	50-60	60-70
0-1000	0.167	0.333	0.167	0.167	0.167	1.000
1000-1500	0.143	0.286	0.286	0.214	0.071	1.000
1500-2000	0.150	0.300	0.300	0.150	0.100	1.000
2000-3000	0.100	0.300	0.200	0.200	0.200	1.000

• e)

  ${\overline {x}}$ = 1610 EUR

• f)

  ${\overline {y}}$ = 43,4 Jahre

• g)

  $x_{D}$ = 1642,86 EUR

• h)

  $x_{Z}$ = 1625 EUR

• i)

  1535,71 EUR; 1600 EUR; 1615,38 EUR; 1611,11 EUR; 1708,33 EUR

• j)

  $s_{x}$ = 591,95 EUR

• k)

  $s_{xy}$ = 476

Einwohnerzahlen

Da wir zwei große Ausreißer in den Daten haben (China und Indien) muss der Median verwendet werden: $x_{0,5}=0,5\cdot (x_{(5)}+x_{(6)})=0,5\cdot (122+139)=131$

Eiskugelkonsum

• $X$: “Eiskonsum in Kugeln”; kardinalskaliert, diskret

• $x_{j}$	$h(x_{j})$	$f(x_{j})$	$F(x)$
  1	40	0,20	0,20
  3	50	0,25	0,45
  4	70	0,35	0,80
  5	10	0,05	0,85
  6	30	0,15	1,00
  Summe	200	1,00

• Häufigkeitsverteilung: Stabdiagramm
  empirische Verteilungsfunktion: Treppenfunktion

• $F(5)=0,85$

• 3 Kugeln

• 4 Kugeln

Erdbeerplantage - Teil II

• ${\overline {x}}$ = 4,65 Std./Tag
• $x_{0,5}$ = 4,5 Std./Tag

Erdbeerplantage - Teil I

• $X$: “Anzahl der Sonnenstunden pro Tag in dieser Saison”; kardinalskaliert, stetig klassiert

• $x_{j}^{u}\leq x_{j}<x_{j}^{o}$	$h(x_{j})$	$f(x_{j})$	$F(x)$	$f_{K}(x_{j})$
  0 - 2	20	0,20	0,20	0,10
  2 - 3	15	0,15	0,35	0,15
  3 - 5	20	0,20	0,55	0,10
  5 - 8	35	0,35	0,90	0,12
  8 - 12	10	0,10	1,00	0,03
  Summe	100	1,0000

  Häufigkeitsverteilung: Histogramm

• empirische Verteilungsfunktion: stückweise lineare Funktion

• an 55 Tagen

• 3,5 Std./Tag

• 47,5 %

Familienstand

Grundgesamtheit:
Menge der Studierenden des Fachbereiches Wirtschaftswissenschaften der Humboldt-Universität zu Berlin im Sommersemester 2012.

Identifikationskriterien:
örtlich – HUB
zeitlich – Sommersemester
sachlich - Studierende, Wirtschaftswissenschaften

statistische Einheit:
Studierender des Fachbereiches Wirtschaftswissenschaften
der Humboldt-Universität zu Berlin im Sommersemester .

untersuchtes statistisches Merkmal:
Familienstand.

Merkmalsausprägungen:
ledig, verheiratet, geschieden, verwitwet

Festgeldkonten

Zuerst muss der Median der Zinssätze für Einlagen im jeweiligen Land $x_{0,5}(L)$ berechnet werden. Hierzu wird jeweils die Klasse $x_{j},j\in \{1,2,3,4\}$ bestimmt, in welcher der Median liegt. Bezeichnet $x_{j}^{u}$ die untere Klassengrenze, so ist für klassierte Daten ${\begin{aligned}x_{0,5}(L)&=&x_{j}^{u}+{\frac {0,5-F(x_{j}^{u})}{f(x_{j})}}\cdot (x_{j}^{o}-x_{j}^{u})\\x_{0,5}(1)&=&5,0+{\frac {0,5-0,44}{0,30}}\cdot 0,5=5,1\\x_{0,5}(2)&=&5,0+{\frac {0,5-0,16}{0,34}}\cdot 0,5=5,5\\x_{0,5}(3)&=&5,5+{\frac {0,5-0,375}{0,625}}\cdot 0,5=5,6\\x_{0,5}(4)&=&4,5+{\frac {0,5-0,15}{0,35}}\cdot 0,5=5,0\\x_{0,5}(5)&=&4,5+{\frac {0,5-0,275}{0,375}}\cdot 0,5=4,8\end{aligned}}$ Ermittlung der länderspezifischen variablen Zinssätze $z(L)=0,7z+0,3x_{0,5}(L)$ mit $z=5,2$:
Land 1: $z(1)=0,7\cdot 5,2+0,3\cdot 5,1=5,17$
Land 2: $z(2)=0,7\cdot 5,2+0,3\cdot 5,5=5,29$
Land 3: $z(3)=0,7\cdot 5,2+0,3\cdot 5,6=5,32$
Land 4: $z(4)=0,7\cdot 5,2+0,3\cdot 5,0=5,14$
Land 5: $z(5)=0,7\cdot 5,2+0,3\cdot 4,8=5,08$
Damit folgt für den durchschnittlichen variablen Zinssatz der Bank:
${\overline {z}}(L)=26/5=5,2$

Fließband

Die mittlere Stückzeit kann also harmonisches Mittel berechnet werden, da es sich bei den angebenen Daten um Verhältniszahlen (Zeit/Stück) handelt, deren Nenner (die Stückzahlen) nicht explizit gegeben sind. ${\begin{aligned}{\overline {x}}_{H}&=&{\frac {n}{\displaystyle \sum _{i=1}^{n}{\frac {1}{x_{i}}}}}=\displaystyle {\frac {6}{\displaystyle {\frac {1}{2}}+{\frac {1}{4}}+{\frac {1}{8}}+{\frac {1}{10}}+{\frac {1}{8}}+{\frac {1}{5}}}}\\&=&{\frac {6}{0,5+0,25+0,125+0,1+0,125+0,2}}={\frac {6}{1,3}}=4,61538\end{aligned}}$

Führerschein–Entziehungen

• ${\overline {x}}$ = 35,65 Jahre $\approx$ 36 Jahre
• $s$ = 10,39 Jahre; $v$ = 0,2914
• $x_{0,25}$ = 26,44 Jahre; $x_{0,75}$ = 43,868 Jahre; $QA$ = 17,428 Jahre
• $x_{Z}$ = 34 Jahre
• $d$ = 8,6 Jahre

Gartenzwerg–Großhandel

• ** $X$: “Auftragshöhe (in EUR) pro Auftrag”; kardinalskaliert
  • Das Merkmal wurde an den einzelnen Aufträgen erhoben
  • Die durchschnittliche Auftragshöhe für klassierte Daten wird wie folgt berechnet: ${\begin{aligned}{\overline {x}}&={\dfrac {1}{n}}\cdot \sum _{j=1}^{k}\cdot x_{j}^{m}\cdot n_{j}{\text{, wobei }}n=\sum _{j=1}^{k}\cdot u_{j}\\{\overline {x}}&={\dfrac {1}{100}}\cdot (10000\cdot 15+35000\cdot 30+100000\cdot 45+225000\cdot 10)\\{\overline {x}}&=79500{\text{ EUR/Auftrag}}\end{aligned}}$
• ${\overline {x}}$= a + b $\cdot$ ${\overline {y}}$; ${\overline {x}}$ = 0 + 1,5$\cdot$60 000 = 90 000 EUR/Auftrag
• **
  • Arithmetisches Mittel ${\overline {x}}$ nicht sinnvoll, da Ausreißer vorkommt
  • Der Modus $x_{D}$ nicht sinnvoll, da eventuell multimodale Häufigkeitsverteilung vorliegt
  • Sinnvoll ist hier der Median mit dem Ergebnis $x_{0,5}$ = 12 000 EUR/Auftrag. Da n ungerade ist gilt: ${\begin{aligned}x_{0,5}&=x_{\left({\tfrac {n+1}{2}}\right)}\\&=x_{\left({\tfrac {5+1}{2}}\right)}\\&=x_{(3)}\end{aligned}}$
  • ${\begin{aligned}{\overline {x}}&={\dfrac {1}{n}}\cdot \sum _{i=1}^{n}\cdot x_{i}\\&={\dfrac {1}{5}}\cdot 45000\\&=9000{\text{ EUR/Auftrag}}\end{aligned}}$
• Die durchschnittliche Auftragshöhe für das gesamte Unternehmen beträgt: ${\begin{aligned}{\overline {x}}&={\dfrac {1}{n}}\cdot \sum _{i=1}^{n}\cdot x_{i}\\&={\dfrac {1}{(95+5+100)}}\cdot (100\cdot 79500+95\cdot 90000+5\cdot 9000)\\&=82725{\text{ EUR/Auftrag}}\end{aligned}}$

Gefahrene Strecke

Gesucht ist der Quartilsabstand: ${\begin{aligned}QA&=x_{0,75}-x_{0,25}\\x_{p}&=x_{j}^{u}+(p-F(x_{j}^{u}))(x_{j}^{o}-x_{j}^{u})/f(x_{j})\\x_{0,25}&=50+(0,25-0,15)50/0,25=70{\text{ km}}\\x_{0,75}&=300+(0,75-0,7)200/0,2=350{\text{ km}}\\QA&=350-70=280{\text{ km}}\end{aligned}}$

Gleisbaubetrieb

Berechnet wurde das einfache arithmetische Mittel. Dies ist jedoch falsch, da das statistische Merkmal Bauzeit/Gleis eine Verhältniszahl ist und die gegebenen Zusatzinformationen über die Bauzeit jedes Bauzuges (8 Stunden) sich inhaltlich auf den Zähler der Verhältniszahl beziehen (In dieser Zusatzinformation steckt die unterschiedliche Anzahl von Gleisen, die von jedem Bauzug in dieser Schicht verlegt wurden und die bei der Berechnung des einfachen arithmetischen Mittels nicht berücksichtigt wurden). Es ist deshalb das einfache harmonische Mittel anzuwenden: ${\overline {x}}_{H}$ = 166,67 Minuten/Gleis.

Glücksspielautomaten

${\overline {x}}(A)=2,0\quad {\overline {x}}(B)=1,893$
$x_{z}(A)=1,75$

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.

Grafische Darstellung

Die beiden Balkendiagramme scheiden aus, da die Variable metrisch stetig ist. Da die Daten klassiert mit unterschiedlicher Klassenbreite vorliegen, muss auf der Ordinatenachse die Häufigkeitsdichte abgetragen werden. Damit scheiden die Histogramme aus, bei denen auf der Ordinatenachse die relativen Häufigkeiten abgetragen wurden.

Alter	unter 15	15-18	18-25	25-65	65-90	$\sum$
Anzahl
der Getöteten	126	76	258	808	638	1906
rel. Häufigkeit	0,06611	0,03987	0,13536	0,42392	0,33473
Häufigkeitsdichte	0,00472	0,01329	0,01934	0,01060	0,01339

Aufgrund dieser Häufigkeitsdichten gibt das Histogramm D die Daten korrekt wieder.

Häufbare Variablen

Von den nominalskalierten Merkmalen sind häufbar:

10, 15, 28, 31, 34, 37, 38, 44

Histogramm

$j$	Klassen	H.-dichte		$F(X)$
1	0 – 2	0,05	0,1	=	$0,05\cdot 2$	0,1
2	2 – 6	0,10	0,4	=	$0,1\cdot 4$	0,5
3	6 – 12	0,05	0,3	=	$0,05\cdot 6$	0,8
4	12 – 20	0,025	0,2	=	$0,025\cdot 8$	1,0
			1,0

${\begin{aligned}F(X)&=&F(x_{j}^{u})+{\frac {x-x_{j}^{u}}{x_{j}^{o}-x_{j}^{u}}}\cdot f(x_{j})\\F(5)&=&0,1+{\frac {5-2}{6-2}}\cdot 0,4=0,1+0,3=0,4\\F(16)&=&0,8+{\frac {16-12}{20-12}}\cdot 0,2=0,8+0,1=0,9\end{aligned}}$ $F(5\leq X\leq 16)=F(16)-F(15)=0,9-0,4=0,5$
$H(5\leq X\leq 16)=F(5\leq X\leq 16)\cdot 110=0,5\cdot 110=55$

55 Gemeinden dieses Landkreises haben eine Einwohnerzahl von mindestens 5000 und höchstens 16000.

Intercity – Zug

${\overline {x}}_{H}$ = 112,5 km/h

Internetstunden

Berechnung von $f(.)$:$f(x_{j})={\hat {f}}(x_{j})\cdot (x_{j}^{o}-x_{j}^{u})$

Internetstunden
von …bis unter …	${\hat {f}}(x_{j})$	$f(x_{j})$	$F(x_{j})$
0 – 4	0,05	0,20	0,20
4 – 8	0,06	0,24	0,44
8 – 12	0,09	0,36	0,80
12 – 16	0,03	0,12	0,92
16 – 20	0,02	0,08	1,00
		1,00

Medianklasse ist 8 – 12.$x_{z}=x_{j}^{u}+{\frac {0,5-F(x_{j}^{u})}{f(x_{j})}}\cdot (x_{j}^{o}-x_{j}^{u})=8+{\frac {0,5-0,44}{0,36}}\cdot (12-8)=8,6666$

Kaltmieten

Medianklasse ist 10-13.$x_{z}=x_{j}^{u}+{\frac {0,5-F(x_{j}^{u})}{f(x_{j})}}\cdot (x_{j}^{o}-x_{j}^{u})=10+{\frac {0,5-0,45}{0,3}}\cdot (13-10)=10,5$

Wohnfläche (m$^{2}$)
von …bis unter …	Anzahl	$f(x_{j})$	$F(x_{j})$
0-6	5	0,05	0,05
6-8	10	0,10	0,15
8-10	30	0,30	0,45
10-13	30	0,30	0,75
13-16	20	0,20	0,95
16-20	5	0,05	1,00
	100	1,00

Kartoffeln

• $X$:“Kosten je verladene Tonne Kartoffeln”; ${\overline {x}}_{H}$ = 0,83 EUR/Tonne
• $Y$:“Verladene Tonnen Kartoffeln je Stunde”; ${\overline {y}}$ = 52 t/h

Kaufkurs der Aktien

${\begin{aligned}{\overline {x}}_{H}={\frac {\displaystyle \sum _{j=1}^{k}g_{j}}{\displaystyle \sum _{j=1}^{k}{\frac {g_{j}}{x_{j}}}}}&={\frac {45000+84000+3600+14000}{\displaystyle {\frac {45000}{500}}+{\frac {84000}{600}}+{\frac {3600}{400}}+{\frac {14000}{700}}}}\\&={\frac {146600}{90+140+9+20}}\\&={\frac {146600}{259}}=566,02\end{aligned}}$

oder${\overline {x}}={\frac {1}{n}}\sum _{j=1}^{k}x_{j}h(x_{j})={\frac {500\cdot 90+600\cdot 140+400\cdot 9+700\cdot 20}{90+140+9+20}}={\frac {146600}{259}}=566,02$

Koeffizienten Vergleich

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

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

• $x_{i}=a+by_{i}$ mit $a=0$ und $b=2,5$; ${\overline {x}}=a+b{\overline {y}}$
  

$s_{x}=|b|s_{y}$; $v_{x}=s_{x}/{\overline {x}}=(|b|s_{y})/b{\overline {y}}=s_{y}/{\overline {y}}=v_{y}$

Körperschaftssteueraufkommen

Berechnung der gepoolten Varianz; dafür ist der Gesamtmittelwert erforderlich ${\begin{aligned}{\overline {x}}&=&{\frac {1}{n}}\sum _{p=1}^{r}{\overline {x}}_{p}n_{p}\\&=&{\frac {1}{10000}}(100\cdot 9500+9500\cdot 100+300\cdot 200+100\cdot 400)={\frac {2000000}{10000}}=200\\\\s^{2}&=&\sum _{l=1}^{r}{\frac {n_{l}}{n}}s_{l}^{2}+\sum _{l=1}^{r}{\frac {n_{l}}{n}}({\overline {x}}_{l}-{\overline {x}})^{2}\\&=&\left[{\frac {100}{10000}}\cdot (1000)^{2}+{\frac {9500}{10000}}\cdot (80)^{2}+{\frac {300}{10000}}\cdot (100)^{2}+{\frac {100}{10000}}\cdot (250)^{2}\right]\\&+&\left[{\frac {100}{10000}}\cdot (9500-200)^{2}+{\frac {9500}{10000}}\cdot (100-200)^{2}+{\frac {300}{10000}}\cdot (200-200)^{2}\right.\\&+&\left.{\frac {100}{10000}}\cdot (400-200)^{2}\right]\\&=&(10000+6080+300+625)+(864900+9500+0+400)=891805\\\\{\sqrt {s^{2}}}&=&{\sqrt {891805}}=944,3543\approx 944\end{aligned}}$

Kontrollzeiten

X: Kontrollzeit pro Stück; Verhältniszahl. Die Bestandsmasse, über die zu mitteln ist, sind somit die produzierten Stück und nicht die Arbeiterinnen. Als zusätzliche Informationen sind jedoch nicht die produzierten Stück (Zusatzinformation zum Nenner des Merkmals), sondern die gesamte Kontrollzeit von 8 Stunden (Zusatzinformation zum Zähler von X) gegeben, die für alle Arbeiterinnen gleich ist. Anwendung des einfachen harmonischen Mittels:
${\begin{aligned}{\overline {x}}_{H}&={\frac {\displaystyle n}{\displaystyle \sum _{i=1}^{n}{\frac {\displaystyle 1}{\displaystyle x_{i}}}}}={\frac {6}{\displaystyle {\frac {1}{0,2}}+{\frac {1}{0,4}}+{\frac {1}{0,8}}+{\frac {1}{0,5}}+{\frac {1}{0,5}}+{\frac {1}{0,8}}}}\\&={\frac {6}{5+2,5+1,25+2+2+1,25}}\\&={\frac {6}{14}}=0,4285\approx 0,429{\mbox{ min/Stück}}\end{aligned}}$ Es können jedoch auch die von den einzelnen Arbeiterinnen in den acht Stunden kontrollierten Stückzahlen aus der Tabelle ermittelt werden, die die absoluten Häufigkeiten für die Berechnung des arithmetischen Mittels darstellen (2400,1200,600,960,960,600). Dann Anwendung des gewogenen arithmetischen Mittels:
${\overline {x}}=(6\cdot 480)/6720=2880/6720=0,4285\approx 0,429{\mbox{ min/Stück}}$

Kurzarbeiter

• ${\overline {x}}$ = 44,328 %
• $x_{0,5}$ = 40,36 %

Leichtathletikabteilung

• Histogramm

• 10,8 sec.

• $MQ({\overline {x}})=s^{2}=0,0601$sec$^{2}$; $x_{0,5}$ = 10,52 sec.; $MQ(x_{Z})$ = 0,0602

• $MQ({\overline {x}})<MQ(x_{Z})$; ja; Beweis über den Verschiebungssatz

  $MQ(c)={\frac {1}{n}}\sum (x_{i}-c)^{2}={\frac {1}{n}}\sum (x_{i}-{\overline {x}}+{\overline {x}}-c)^{2}=s^{2}+({\overline {x}}-c)^{2};c=x_{0,5}$

Lernzeit

• $X$:“Aufwand für das Studium (in Stunden)”; kardinalskaliert

• {| !align="right"| $x_{j}^{u}\leq x_{j}<x_{j}^{o}$ !align="right"| $x_{j}$ !align="right"| $h(x_{j})$ !align="right"| $f(x_{j})$ !align="right"| $F(x_{j})$ !align="right"| $f_{K}(x_{j})$ |- |align="right"| 0 - 3 |align="right"| 1,5 |align="right"| 30 |align="right"| 0,3 |align="right"| 0,3 |align="right"| 0,1 |- |align="right"| 3 - 6 |align="right"| 4,5 |align="right"| 48 |align="right"| 0,48 |align="right"| 0,78 |align="right"| 0,16 |- |align="right"| 6 - 8 |align="right"| 7 |align="right"| 17 |align="right"| 0,17 |align="right"| 0,95 |align="right"| 0,085 |- |align="right"| 8 - 12 |align="right"| 10 |align="right"| 5 |align="right"| 0,05 |align="right"| 1,00 |align="right"| 0,0125 |}

• $x_{0,5}$ = 4,25 Stunden

• 38 Studenten

• ${\overline {x}}$ = 4,3 Stunden

• $x_{D}$ = 4,333 Stunden

Lineares Streuungsmaß

${\begin{aligned}X_{Z}&=&17;d=(1/n)\sum _{i=1}^{n}|x_{i}-x_{Z}|;\\8&=&(1/5)(|3-17|+|7-17|+|17-17|+|19-17|+|x_{5}-17|)\\\Leftrightarrow 40&=&14+10+0+2+x_{5}-17\\\Leftrightarrow x_{5}&=&31\end{aligned}}$

Maschinen

$v_{Fiat}$ = 0,05; $v_{Mercedes}$ = 0,02

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

Merkmalsausprägungen

• sachliches Kriterium: Beteiligung am Erwerbsleben - auf Erwerbstätige (festgelegt).
• örtliches Kriterium: Großstadt K in der Bundesrepublik Deutschland.
• zeitliches Kriterium: März .

Miete und Wohnfläche

$s_{xy}=\displaystyle {\frac {1}{n}}\sum x_{i}y_{i}-{\overline {x}}\cdot {\overline {y}}$
${\overline {x}}=\displaystyle {\frac {3\cdot 40+60+2\cdot 80+4\cdot 90}{10}}={\frac {700}{10}}=70$
${\overline {y}}=\displaystyle {\frac {3\cdot 12+15+9+5\cdot 10}{10}}={\frac {110}{10}}=11$
${\overline {x}}=70$, ${\overline {y}}=11$, $\sum x_{i}y_{i}=7390$

$\rightarrow s_{xy}=7390/10-70\cdot 11=-31$

Minimale Summe

$c={\bar {x}}=10$
Begründung:
Quadratische Minimumseigenschaft des arithmetischen Mittels

Nelkenstrauß

${\overline {x}}$ = 0,95 EUR/Nelke

Neubauwohnungen

${\overline {x}}$ = 9,15 Monate/Wohnungseinheit
$x_{0,5}$ = 8,5403 Monate/Wohnungseinheit
$x_{D}$ = 7,3846 Monate/Wohnungseinheit

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.

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

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

Perlenkette

• {| !align="right"| Durchmesser !align="right"| $h(x_{j})$ !align="right"| $f(x_{j})$ !align="right"| $F(x_{j})$ |- |align="right"| 3 - 4 |align="right"| 20 |align="right"| 0,278 |align="right"| 0,278 |- |align="right"| 4 - 5 |align="right"| 21 |align="right"| 0,292 |align="right"| 0,570 |- |align="right"| 5 - 6 |align="right"| 19 |align="right"| 0,264 |align="right"| 0,834 |- |align="right"| 6 - 7 |align="right"| 9 |align="right"| 0,125 |align="right"| 0,959 |- |align="right"| 7 - 8 |align="right"| 3 |align="right"| 0,041 |align="right"| 1,000 |}

• ${\overline {x}}$ = 4,861 mm

• $x_{D}$ = 4,33 mm

• $x_{0,5}$ = 4,76 mm

Produktionsleistung einer Maschine

• ${\overline {x}}$ = 296,75 Stück/Tag; 296,75/300 = 0,9892

  Die Maschine ist durchschnittlich zu 98,92 % pro Tag ausgelastet; die Behauptung ist richtig.

• $x_{Z}$ = 296,5 Stück/Tag; $d$ = 1,15 Stück/Tag

Reinigungsunternehmen - Teil II

$s_{1}^{2}$ = 45 693; $s_{1}$ = 213,759; $v_{1}$ = 0,086
$s_{2}^{2}$ = 4848,75; $s_{2}$ = 69,633; $v_{2}$ = 0,02467
$s_{3}^{2}$ = 12 032,4; $s_{3}$ = 109,692; $v_{3}$ = 0,04441 ${\begin{aligned}s^{2}&=\sum \limits _{l=1}^{3}{\dfrac {n_{l}}{n}}s_{l}^{2}+\sum \limits _{l=1}^{3}{\dfrac {n_{l}}{n}}({\overline {x}}_{l}-{\overline {x}})^{2}\\&={\dfrac {6}{15}}\cdot 45693+{\dfrac {4}{15}}\cdot 4848,75\\&+{\dfrac {5}{15}}\cdot 12032,4+{\dfrac {6}{15}}(-83,2)^{2}+{\dfrac {4}{15}}\cdot 251,3^{2}+{\dfrac {5}{15}}(-101,2)^{2}\\&=23581+23023,16\\&=46604,16\\\\s&=215,88{\text{ EUR;}}\\v&=0,08396\end{aligned}}$

Reinigungsunternehmen - Teil I

• ${\overline {x}}$ = 2488 EUR; $x_{0,5}$ = 2470,5 EUR;
• ${\overline {x}}$ = 2822,5 EUR; $x_{0,5}$ = 2798 EUR;
• ${\overline {x}}$ = 2470 EUR; $x_{0,5}$ = 2454 EUR;
• ${\overline {x}}$ = 2571,2 EUR; $x_{0,5}$ = 2546 EUR.

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

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

Sanatorium

• Spearman’scher Rangkorrelationsoeffizient $r_{S}=1-{\frac {6\sum _{i=1}^{n}d_{i}^{2}}{n(n^{2}-1)}},\quad {\text{wobei:}}\quad d_{i}={\text{Rang }}x_{i}-{\text{Rang }}y_{i}$

  Zusammenhang zwischen Gewicht und Laufleistung:

  |S|S|S|S| &Gewicht $X$&Rang Gewicht&Differenz$^{2}$
  1&70 & 2 & 1
  2&60& 1 & 1
  3&80&6 & 9
  4&77& 3& 1
  5&82& 8&9
  6&81& 7&1
  7&78&4&9
  8&100&10&4
  9&83&9&0
  10&110&11&1
  11&79&5&36
  

  ${\begin{aligned}\sum _{i=1}^{n}d_{i}^{2}&=1+1+9+1+9+1+9+4+0+1+36\\&=72\\\end{aligned}}$

  $r_{S}=1-{\frac {6\cdot 72}{11(11^{2}-1)}}=0,6727$

• a) Median für nicht klassierte Daten,$n$ ungerade $x_{Z}=x_{0.5}=x_{({\frac {n+1}{2}})}=x_{6}=80{\text{ kg }}$

• Quadratisches Streuungsmaßim Bezug auf Median

  ${\begin{aligned}MQ(x_{Z})&=MQ(x_{0,5})={\frac {1}{n}}\sum _{i=1}^{n}(x_{i}-x_{0,5})^{2}\\&=((70-80)^{2}+(60-80)^{2}+(80-80)^{2}\\&+(77-80)^{2}+(82-80)^{2}+(81-80)^{2}\\&+(78-80)^{2}+(100-80)^{2}+(83-80)^{2}\\&+(110-80)^{2}+(79-80)^{2})\cdot {\frac {1}{11}}\\&={\frac {1828}{11}}=166,18\\\end{aligned}}$

• Kleiner, da die Varianz ein Streuungsmaß in Bezug auf das arithmetische Mittel ist. Das arithmetische Mittel minimiert die mittlere quadratische Abweichung.

• Durchschnittsgeschindigkeit der Frauen?

  • Eine Frau läuft den Lauf mit $2$m/s

  • Die andere Frau läuft den Lauf mit $4$m/s

  Insgesamt wurden $100$m gelaufen, $50$m mit $2$m/s und $50$m mit $4$m/s. Kann auch wie eine Frau betrachtet werden die erst $50$m langsamer und dann $50$m schneller läuft.
  Harmonisches Mittel:

  Fehler beim Parsen (Konvertierungsfehler. Der Server („cli“) hat berichtet: „SyntaxError: Illegal TeX function Found \slashin 2:53“): {\displaystyle \begin{aligned} \overline{x}_{H}&= \frac{50m+50m}{\frac{50m}{2m\slash s} +\frac{50m}{4m\slash s}} = \frac{100m}{25s +12,5s }\\ &=\frac{100m}{37,5s}=2,667 m\slash s\\ \end{aligned}}

Schafzucht Teil - II

Pfund = Gebühr + Wechselkurs $\cdot$ Gulden, $y_{i}=a+b\cdot x_{i}$
${\overline {x}}$ = 7,8 Tsd. Gulden; $s_{x}^{2}$ = 37,76 (Tsd. Gulden)$^{2}$;
${\overline {y}}$ = 3,1 Tsd. Pfund; $s_{y}^{2}$ = 9,44 (Tsd. Pfund)$^{2}$;
${\overline {y}}$ = 3,1 = a + b${\overline {x}}$; $s_{y}^{2}=b^{2}\cdot s_{x}^{2}$
$a=3,1-7,8b$; $b^{2}=s_{y}^{2}/s_{x}^{2}$ = 0,25; $b=0,5$
$a=3,1-0,5\cdot$ 7,8 = - 0,8
Gebühr: 0,8 Tsd. Pfund; Wechselkurs: 1 Pfund : 2 Gulden

Schafzucht - Teil I

Wir berechnen das harmonische Mittel. Von den in der Vorlesung präsentierten Formeln wählen wir die folgende, weil der Lohn im Verhältnis zur Leistung gegeben ist: ${\overline {x}}_{H}={\dfrac {\sum _{j=1}^{k}g_{j}}{\sum _{j=1}^{k}{\dfrac {g_{j}}{x_{j}}}}},$ wobei $g_{1}$ die Lohnsumme für die Irischen Arbeiter und $g_{2}$ die Lohnsumme für die einheimischen Arbeiter darstellt. Das bedeutet hier, dass $g_{1}=285$ und $g_{2}=260$, und $x_{1}=15$ den Lohn für die Irischen Arbeiter in Pfund pro Kilogramm und $x_{2}=20$ den Lohn für die einheimischen Arbeiter darstellt. Damit ergibt sich für das harmonische Mittel: ${\begin{aligned}{\overline {x}}_{H}&={\dfrac {\sum _{j=1}^{k}g_{j}}{\sum _{j=1}^{k}{\dfrac {g_{j}}{x_{j}}}}}\\&={\dfrac {285+260}{{\dfrac {285}{15}}+{\dfrac {260}{20}}}}\\&={\dfrac {545}{19+13}}=17,03{\dfrac {\text{Pfund}}{\text{kg}}}\end{aligned}}$

Schulbezirke

Für Variable $X$: $X={\mbox{nominal, nur Modus}}$
Für Variable $Y$: $Y={\mbox{metrisch, alle außer Modus}}$

Skalierung

nominalskaliert	Geschlecht, Postleitzahl,
	abonnierten Zeitungen,
	Nationalität ,
	Freizeitbeschäftigung,
	Rückennummern von Fußsballspielern,
	Familienstand, erlernter Beruf,
	Todesursache, Studienfach,
	Augenfarbe, Wohnsitz,
	Telefonnummer,
	Rechtsform einer Unternehmung ,
	Finanzierung des Studiums
ordinalskaliert	Schulnote, Betriebsgröenklasse,
	Militärdienstgrad, Windstärke,
	Schwierigkeitsgrad einer Klettertour,
	Tarifklassen bei der Kfz-Haftpflicht,
	Güteklasse, Handelsklasse bei Obst,
	Aggressivität, Intelligenz,
	sozialer Status
metrisch skaliert/	Temperatur in Celsius,
Intervallskala	Normabweichung, Geburtsjahrgang,
	Breitengrade der Erde
metrisch skaliert/	Körpergröße,
Verhältnisskala	Länge eines Werkstückes,
	Wahlergebnis einer Partei,
	Fahrpreise, Geschwindigkeit,
	Kraftstoffverbrauch eines PKW auf 100 km,
	Preis einer Ware, Lebensalter,
	Einkommen, Jahresumsatz,
	Grundstücksgröße,
	Produktionsdauer
metrisch skaliert/	Kinderzahl, Bücherbestand einer Bibliothek,
Absolutskala	Seitenzahl eines Buches,
	Semesterzahl, Klausurpunkte

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.

Stellung im Beruf

•  
  

  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

• Die Merkmale sind nicht unabhängig, da z.B. $h_{11}\neq {\frac {h_{1.}\cdot h_{.1}}{n}}$ ist.

Streuungsmaß

• Begründung:
  

Gegeben $n=50$ Elemente, $k=2$
$K(50;2)=1225$

• metrisch (kardinal) skalierte Merkmale

Tägliche Arbeitswege - Teil II

• $x_{0,25}$ = 4; $x_{0,75}$ = 22,5; $QA$ = 18,5 km
• $x_{Z}$ = 10,4286 km; $d$ = 9,53 km

Tägliche Arbeitswege - Teil I

• Beschäftigter; Anfahrtsweg (in km) pro Beschäftigter; kardinalskaliert
  

• {| !align="right"| Anfahrtsweg !align="right"| $h(x_{j})$ !align="right"| $f(x_{j})$ !align="right"| $F(x_{j})$ !align="right"| $f_{K}(x_{j})$ |- |align="right"| 0 - 1 |align="right"| 7 |align="right"| 0,07 |align="right"| 0,07 |align="right"| 0,07 |- |align="right"| 1 - 5 |align="right"| 24 |align="right"| 0,24 |align="right"| 0,31 |align="right"| 0,06 |- |align="right"| 5 - 15 |align="right"| 35 |align="right"| 0,35 |align="right"| 0,66 |align="right"| 0,035 |- |align="right"| 15 - 30 |align="right"| 18 |align="right"| 0,18 |align="right"| 0,84 |align="right"| 0,012 |- |align="right"| 30 - 50 |align="right"| 16 |align="right"| 0,16 |align="right"| 1,00 |align="right"| 0,008 |}

• ${\overline {x}}$ = 14,705 km

• $x_{D}$ = 0,875 km; Modus

• $x_{0,5}$ = 10,4286 km

• $x_{0,05}$ = 0,7143 km; $x_{0,25}$ = 4 km; $x_{0,75}$ = 22,5 km; $x_{0,9}$ = 37,5 km

Tarifvereinbarungen

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

Tarifverhandlungen

X: Jahresbruttolohn vor der Tarifverhandlung, Y:Jahresbruttolohn nach der Tarifverhandlung; ${\overline {x}}=21200{\mbox{ EUR}}$ ${\overline {y}}={\frac {\sum _{i=1}^{n}y_{i}}{n}}={\frac {\sum _{i=1}^{n_{1}}(a_{1}+bx_{i})+\sum _{i=n_{1}+1}^{n_{2}}(a_{2}+bx_{i})}{n}}={\frac {n_{1}a_{1}+n_{2}a_{2}}{n}}+b{\overline {x}}$
$n_{1}=4000,n_{2}=16000,n=20000,a_{1}=200,a_{2}=0,b=1,05;{\overline {y}}=4000\cdot 200/20000+1,05\cdot 21200=40+22260=22300$ EUR

Teesorten

$r_{S}$ = 0,5714

Tekolom und IBBM - Teil II

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

Tekolom und IBBM - Teil I

$X={\mbox{Kurs der Tekolom--Aktie}}$, $Y={\mbox{Kurs der IBBM--Aktie}}$,
relative Häufigkeiten: $f_{1}=73/365=0,2$; $f_{2}=146/365=0,4$; $f_{3}=146/365=0,4$
${\overline {x}}=\sum f_{i}x_{i}$, ${\overline {y}}=\sum f_{i}y_{i}$, $s_{X}^{2}=\sum f_{i}(x_{i}-{\overline {x}})^{2}$, $s_{Y}^{2}=\sum f_{i}(y_{i}-{\overline {y}})^{2}$,
$s_{XY}=\sum f_{i}(x_{i}-{\overline {x}})(y_{i}-{\overline {y}})$
${\overline {x}}=41$, ${\overline {y}}=126$, $s_{X}^{2}=14$, $s_{Y}^{2}=14$, $s_{XY}=4$, $\rho =\displaystyle {\frac {s_{XY}}{s_{X}s_{Y}}}=0,28571$

Telefonanbieter

${\overline {x}}_{H}=\displaystyle {\frac {\mbox{Gesamtsumme}}{\mbox{Gesamtdauer}}}=\displaystyle {\frac {78,75}{525}}=0,15$

Telefon–Interviews

Fehler beim Parsen (Konvertierungsfehler. Der Server („cli“) hat berichtet: „SyntaxError: Expected "}" or valid UTF-16 sequences but "|" found.in 1:32“): {\displaystyle 10\mbox{ Minuten|Freizeit}=0,48} EUR, 18 Interviews
${\text{ }}\qquad 10\cdot 60{\mbox{ Sek.}}=600/150=4{\mbox{ Einheiten}}\cdot 12=48{\mbox{ Cent}}$
Fehler beim Parsen (Konvertierungsfehler. Der Server („cli“) hat berichtet: „SyntaxError: Expected "}" or valid UTF-16 sequences but "|" found.in 1:32“): {\displaystyle 10\mbox{ Minuten|Tag}=0,84} EUR, 10 Interviews
${\text{ }}\qquad 10\cdot 60{\mbox{ Sek.}}=600/90=6,{\overline {66}}{\mbox{ Einheiten}}\rightarrow 7\cdot 12=84{\mbox{ Cent}}$
Fehler beim Parsen (Konvertierungsfehler. Der Server („cli“) hat berichtet: „SyntaxError: Expected "}" or valid UTF-16 sequences but "|" found.in 1:32“): {\displaystyle 20\mbox{ Minuten|Freizeit}=0,96} EUR, 11 Interviews
${\text{ }}\qquad 20\cdot 60{\mbox{ Sek.}}=1200/150=8{\mbox{ Einheiten}}\cdot 12=96{\mbox{ Cent}}$
Fehler beim Parsen (Konvertierungsfehler. Der Server („cli“) hat berichtet: „SyntaxError: Expected "}" or valid UTF-16 sequences but "|" found.in 1:32“): {\displaystyle 20\mbox{ Minuten|Tag}=1,68} EUR, 20 Interviews
${\text{ }}\qquad 20\cdot 60{\mbox{ Sek.}}=1200/90=13,{\overline {33}}{\mbox{ Einheiten}}\rightarrow 14\cdot 12=168{\mbox{ Cent}}$
${\overline {X}}=(18\cdot 0,48+10\cdot 0,84+11\cdot 0,96+20\cdot 1,68)/59=1,037$

Tennis Turniere

• $X$: “Anzahl der pro Turnier bis zum Ausscheiden gespielten Runden”; kardinalskaliert, diskret

• {| !align="right"| $x_{j}$ !align="right"| $h(x_{j})$ !align="right"| $f(x_{j})$ !align="right"| $F(x)$ |- |align="right"| 1 |align="right"| 10 |align="right"| 0,25 |align="right"| 0,25 |- |align="right"| 2 |align="right"| 16 |align="right"| 0,40 |align="right"| 0,65 |- |align="right"| 4 |align="right"| 6 |align="right"| 0,15 |align="right"| 0,80 |- |align="right"| 5 |align="right"| 6 |align="right"| 0,15 |align="right"| 0,95 |- |align="right"| 6 |align="right"| 2 |align="right"| 0,05 |align="right"| 1,00 |- |align="right"| Summe |align="right"| 40 |align="right"| 1,00 |align="right"| |}

• Treppenfunktion

• 65 %

• 20 %

• 30 Turnieren

• 4. Runde

• 2. Runde

• $F(7)$ = 1; d.h. jedes Turnier ging nur über 6 Runden; daher konnte B.B. niemals in eine 7. Runde gelangen, er war also in 100 % aller Turniere in Runde 7 (=x) ausgeschieden.

Verspätungen

$r_{S}$ = - 0,8

Wählerverhalten

sachlich

wahlberechtigte Personen (Deutsche im Sinne von Artikel 116 Abs. 1 des Grundgesetzes, 18. Lebensjahr vollendet, ...)

räumlich

Personen welche seit mindestens drei Monaten Ihre Wohnung in der Bundesrepublik Deutschland haben oder sich sonst gewöhnlich dort aufhalten

zeitlich

Zeitpunkt der Bundestagswahl

Walzabteilung

X = “Bearbeitungszeit in sec./Stück)”;
Y = “hergestellte Stück pro Stunde”

• a) Man berechnet das harmonische Mittel wie folgt: ${\begin{aligned}{\overline {x}}_{H}&={\dfrac {n}{\sum _{i=1}^{n}\cdot {\dfrac {1}{x_{i}}}}}\\&={\dfrac {4}{{\dfrac {1}{20}}+{\dfrac {1}{30}}+{\dfrac {1}{60}}+{\dfrac {1}{60}}}}\\&=34,286{\text{ sec./Stück}}\end{aligned}}$ b) Man berechnet das arithmetische Mittel wie folgt: ${\begin{aligned}{\overline {x}}&={\dfrac {1}{n}}\cdot \sum _{i=1}^{n}\cdot x_{i}\\&={\dfrac {1}{2000}}\cdot (1000\cdot 20+500\cdot 30+300\cdot 60+200\cdot 60)\\&=32,5{\text{ sec./Stück}}\end{aligned}}$
• a)
• Zuerst errechnet man die jeweils pro Stunde produzierten Einheiten pro Arbeiter wie folgt: ${\begin{aligned}{\text{A produziert}}{\dfrac {3600{\text{ sec}}}{20{\text{ sec}}}}&=180{\text{ Stück pro Stunde}}\\{\text{B produziert}}{\dfrac {3600{\text{ sec}}}{30{\text{ sec}}}}&=120{\text{ Stück pro Stunde}}\\{\text{C und D produzieren jeweils}}{\dfrac {3600{\text{ sec}}}{60{\text{ sec}}}}&=60{\text{ Stück pro Stunde}}\end{aligned}}$
• Anschließend wird das arithmetische Mittel berechnet: ${\begin{aligned}{\overline {y}}&={\dfrac {1}{n}}\cdot \sum _{i=1}^{n}\cdot x_{i}\\&={\dfrac {1}{4}}\cdot (180+120+60+60)\\&=105{\text{ Stück/h}}\end{aligned}}$ b) Das harmonische Mittel wird errechnet: ${\begin{aligned}{\overline {y}}_{H}&={\dfrac {n}{\sum _{i=1}^{n}\cdot {\dfrac {1}{x_{i}}}}}\\&={\dfrac {2000}{{\dfrac {1000}{180}}+{\dfrac {500}{120}}+{\dfrac {300}{60}}+{\dfrac {200}{60}}}}\\&=110,77{\text{ Stück/h}}\end{aligned}}$

Wanderer

${\overline {x}}_{H}$ = 4,8 km/h

WM–Berichterstattung

• $X$: “Fernsehkonsum (in Std.) während der letzten Fußball-WM” kardinalskaliert, diskret

• {| !align="right"| $x_{j}$ !align="right"| $h(x_{j})$ !align="right"| $f(x_{j})$ !align="right"| $F(x)$ |- |align="right"| 0 |align="right"| 1 |align="right"| 0,05 |align="right"| 0,05 |- |align="right"| 1 |align="right"| 2 |align="right"| 0,10 |align="right"| 0,15 |- |align="right"| 2 |align="right"| 8 |align="right"| 0,40 |align="right"| 0,55 |- |align="right"| 3 |align="right"| 4 |align="right"| 0,20 |align="right"| 0,75 |- |align="right"| 4 |align="right"| 5 |align="right"| 0,25 |align="right"| 1,00 |- |align="right"| Summe |align="right"| 20 |align="right"| 1,00 |align="right"| |}

• 1 Std.

• 2 Std.

• 3 Std.

Zigaretten

• empirische Verteilungsfunktion,
  Annahme: Gleichverteilung der Merkmalswerte innerhalb jeder Klasse

• $X$: “Anzahl der gerauchten Zigaretten pro Tag”

  $x_{j}^{u}$ $\leq$ $X$ $<$ $x_{j}^{o}$	$h(x_{j})$	$f(x_{j})$	$F(x)$	$f_{K}(x_{j})$
  0 - 5	10	0,05	0,05	0,01
  5 - 10	40	0,20	0,25	0,04
  10 - 20	90	0,45	0,70	0,045
  20 - 40	60	0,30	1,00	0,015
  Summe	200	1,0000

• 0,3

Zuckergewicht

Füllgewicht	$h(x_{j})$	$f(x_{j})$	$F(x_{j})$	$f_{K}(x_{j})$
980 - 990	5	0,067	0,067	0,0067
990 - 995	12	0,160	0,227	0,032
995 - 1000	23	0,307	0,534	0,0614
1000 - 1005	22	0,293	0,827	0,0586
1005 - 1010	11	0,147	0,974	0,0294
1010 - 1020	2	0,026	1,000	0,0026

$x_{D}$ = 999,565 g; $x_{0,5}$ = 999,446 g; ${\overline {x}}$ = 999,27 g

Zugfolge - Teil II

• Wir wählen den Mittelwert, den Median und den Modus als Lageparameter für die klassierten Daten.
  

Für den Modus ist zunächst die Modalklasse zu berechnen; das bedeutet die Klasse mit der höchsten Häufigkeitsdichte. Da hier die Klassenbreite für alle Klassen 30 beträgt, genügt es, die Klasse mit der höchsten Häufigkeit zu wählen. Das entspricht der Klasse 30-60. Für die Feinbestimmung gilt folgende Formel für den Modus bei klassierten Daten: ${\begin{aligned}x_{D}&=x_{2}^{u}+{\dfrac {f_{K}(x_{2})-f_{K}(x_{2-1})}{2f_{K}(x_{2})-f_{K}(x_{2-1})-f_{K}(x_{2+1})}}\cdot (x_{2}^{o}-x_{2}^{u})\\&=30+{\dfrac {{\dfrac {0,4595}{30}}-{\dfrac {0,3784}{30}}}{2\cdot {\dfrac {0,4595}{30}}-{\dfrac {0,3784}{30}}-{\dfrac {0,1351}{30}}}}\cdot (60-30)\\&=30+{\dfrac {1}{5}}\cdot 30=36\end{aligned}}$ 36 .
Für den Median von klassierten Daten gilt die folgende Formel:
${\begin{aligned}x_{0,5}&=F(x_{0},5)\Leftrightarrow \\x_{0,5}&=x_{j}^{u}+{\dfrac {(0,5-F(x_{j}^{u}))}{f(x_{j}^{m})}}\cdot (x_{j}^{o}-x_{j}^{u})\\x_{0,5}&=30+{\dfrac {(0,5-0,3784)}{0,4595}}\cdot 30\\&=37,94{\text{Minuten}}.\\\end{aligned}}$ Der Mittelwert für klassierte Daten berechnet sich wie folgt, wobei $x_{j}^{m}$ die Klassenmitte und $n_{j}$ die Anzahl der Beobachtungen in Klasse j beschreibt:
${\begin{aligned}{\overline {x}}&={\dfrac {1}{n}}\cdot \sum _{j=1}^{k}\cdot x_{j}^{m}\cdot n_{j}\\&={\dfrac {1}{37}}\cdot (15\cdot 14+45\cdot 17+75\cdot 5+105\cdot 1)\\&=39,324{\text{ Minuten}}\\\end{aligned}}$

• Der Unterschied zum Ergebnis aus Teilaufgabe a) ergibt sich aufgrund von Informationsverlust durch die Klassierung der Daten.
  

Man berechnet das Arithmetische Mittel ${\overline {x}}$ von nicht-klassierten Daten wie folgt: ${\begin{aligned}{\overline {x}}&={\dfrac {1}{n}}\cdot \sum _{i=1}^{n}\cdot x_{i}\\&={\dfrac {1}{37}}\cdot \sum _{i=1}^{n}\cdot x_{i}\\&={\dfrac {1}{37}}\cdot 1440\\&=38,92{\text{ Minuten}}\end{aligned}}$

Zugfolge - Teil I

• $X$: “Zugfolgeabstand”; kardinalskaliert, stetig

• und c) Zugfolgeabstand (Von ... bis unter ...)

  	$h(x_{j})$	$f(x_{j})$	$F(x_{j}^{o})$	$f_{K}(x_{j})$
  0	–	30	14	0,3784	0,3784	0,0126
  30	–	60	17	0,4595	0,8379	0,0153
  60	–	90	5	0,1351	0,9730	0,0045
  90	–	120	1	0,0270	1,0000	0,0009
  	37	1,0000

  Häufigkeitsverteilung: Histogramm
  empirische Verteilungsfunktion: stückweise lineare Funktion