1

der Wert einer Datenreihe, der am häufigsten vorkommt unempfindlich gegenüber Ausreißern

zerlegt eine Datenreihe in 2 gleichgroße Teile unter-/oberhalb des Medians liegen immer 50% der Werte (n+1):2 unempfindlich gegenüber Ausreißern

-> Daten werden aufsummiert, durch Anzahl der Datenpunkte geteilt -> Summe der quadrierten Abweichungen aller Werte vom Mittelwert ergibt ein Minimum (..?) -> wird durch Ausreißer beeinflusst!

zur graf. Darstellung von abs. + rel. Häufigkeitsverteilungen bei metr. Variablen mit vielen unterschiedl. Ausprägungen keine Zwischenräume zwischen den Balken! Wahl der Spaltenbreite entscheidend für opt. Eindruck! Anzahl der Klassen bei manueller Erstellung: k = Wurzel von n 

niedrigstes Skalenniveau / Informationsgehalt, lediglich: wie häufig? zB Geschlecht (männlich, weiblich), Familienstand (ledig, verheiratet, geschieden), Haarfarbe (braun, blond, andere) Abstand nicht interpretierbar, nicht nach Größe zu ordnen kein absoluter Nullpunkt

mittlere quadrierte Abweichung vom Mittelwert -> schwer interpretierbar deswegen wird die Wurzel aus der Varianz berechnet (somit Quadrierung rückgängig gemacht) => Standardabweichung

\ Mittelwert > Median > Modus

/ Mittelwert < Median < Modus

Minimum Maximum Median unteres Quartil oberes Quartil

Zusammenhangsmaß immer größer oder gleich 0 0: beide Variablen sind unabhängig je größer x², desto größer der Unterschied nicht normiert, daher schwer interpretierbar

normiertes Zusammenhangsmaß besitzt alle wünschenswerten Eigenschaften für den Zusammenhang zweier nominalskalierter Variablen Wert 0 bei Unabhängigkeit Wert 1 bei perfekter Abhängigkeit

wie Cramers V ein Maß für den Zusammenhang nominalskalierter Variablen nicht so adäquat wie Cramers V, da Wert 1 nie erreicht wird -> Lösung: KORRIGIERTER KOEFFIZIENT K* kann bei quadratischen Tabellen den Wert 1 annehmen

Werte von -1 bis 1 sind möglich wenn die Korrelation 1 ist, liegen die Werte auf einer steigenden Gerade: niedrigere Korrelation, eher Punktewolke die Korrelation ist unter zulässigen Transformationen invariant

es gibt nix zwischen zwei Werten. Nur den einen und den anderen Wert. Beispiel: Anzahl von Personen 

auch der Zwischenraum, zum Beispiel zwischen zwei ganzen Zahlen ist abzählbar. Beispiel: Längen-/Gewichtsangaben

Korrelationskoeffizient r (auch: Pearsonscher Korrelationskoeffizient / Produkt-Moment-Korrelation) Aussage über Zusammenhang zw. AV und UV, nicht über Kausalität normiert, also alle Werte im Intervall [-1,1] r = 0, wenn kein Zusammenhang r positiv bei gleichsinnigem Zusammenhang r negativ bei gegensinnigem Zusammenhang

große Werte der einen Variablen gehen mit kleinen Werten der anderen Variablen einher

große Werte der einen Variablen gehen mit ebenfalls großen Werten der anderen Variablen einher

-> erklärt den Anteil der durch die Regression erklärten Variation Werte zwischen 0 und 1 je höher r², umso stärker die Beziehung zwischen den betrachteten Variablen gibt den Anteil der Varianz an, der von der Gesamtvarianz der AV durch die UV erklärt werden kann

Standardschätzfehler SEE ODER Schätzfehlervarianz SE2 / MSE

Vorhersage, also unabhängige Variable

abhängige Variable

Summe der Abweichungsquadrate der vorhergesagten Werte zum Mittelwert --> das, was durch die Regressionsgerade an Variation an der AV aufgeklärt werden kann

Standardschätzfehler! analog zur Standardabweichung -> gibt an wie groß die Schwankung um die durch die Regression vorhergesagten Werte ist

Vorgehen, um die beste Gerade für bestimmte Daten zu finden, um dann zum Beispiel andere Werte vorherzusagen

Ordinalskalenniveau (also, damit sie sinnvoll interpretiert werden kann...)

Produkt-Moment-Korrelation

Hebelwirkung auf x-Achse

Wert fällt in y-Richtung aus der Reihe