Wird mit allen Funktionen (Audio, mehr erstellen, Lehrkraft fragen) in deine Bibliothek kopiert, ohne die KI erneut für Karteikarten/Tests zu nutzen. „Ganzen Block hinzufügen“ holt auch die übrigen Themen dieser Kategorie.
Statistik
Universität
Einführung in den Studiengang Statistik. Quelle: Wikipedia (CC BY-SA 4.0).
Registriere dich, um beizutreten: «Statistik»
Den Stoffplan und seine Blöcke anzusehen ist frei. Das ganze Thema zu öffnen — Zusammenfassung, Test, Karteikarten und Audio — ist kostenlos, erfordert aber ein Konto, damit dein Fortschritt gespeichert wird und das Ganze für alle tragbar bleibt.
Was du wissen musst
Die ganze Theorie lesen →Definition, Anwendungen und Zweige der Statistik
- Definition: Untersuchung der Variabilität und stochastischer Prozesse unter Wahrscheinlichkeitsgesetzen
- Verwendung in empirischen Wissenschaften: Erhebung, Organisation, Analyse und Interpretation von Daten
- Methodisches Ziel: Schlussfolgerungen aus Stichproben und Inferenzen über Populationen ziehen
- Deskriptive Statistik: Zusammenfassung und Visualisierung von Daten (z. B. Mittelwert, Standardabweichung, Histogramme)
- Inferenzstatistik: Erstellung von Modellen, Vorhersagen und Inferenzen über Populationen
- Inferenzielle Techniken: Hypothesentests, Schätzung, Prognosen, Korrelation und Regression
- Unterteilungen der Inferenzstatistik: Parametrisch und nicht-parametrisch
- Mathematische Statistik: Legt die theoretischen Grundlagen der Techniken fest
- Differenzierung: „Statistiken“ bezieht sich auf die Zusammenfassung deskriptiver Ergebnisse
Historische Entwicklung und Ursprung der Statistik
- Ursprung: Gottfried Achenwall (1749), „Staatswissenschaft“
- Heutige Bedeutung: Eingeführt durch Sir John Sinclair im 19. Jahrhundert.
- Bibliographischer Zusammenhang: Zusammen mit der Demografie (Melvil Dewey).
- Babylonien (3000 v. Chr.): Tontafeln für Agrarproduktion und Handel.
- Ägypten (3050 v. Chr.): Volkszählungen zur Planung von Pyramiden und Ressourcenverwaltung.
- China (2238 v. Chr.): Allgemeine Volkszählung von Yao (landwirtschaftlich, industriell und kommerziell).
- Griechenland (594 v. Chr.): Volkszählungen für Steuern, Militärdienst und das Wahlrecht.
- Rom: Register von Geburten, Todesfällen und Vermögen.
- Mexiko (1116): Volkszählung auf Befehl von König Xólotl.
- Mittelalter: Werk von Isidorus von Sevilla (Originum sive Etymologiarum).
- Spanien (Neuzeit): Volkszählungen der Pecheros (1528), Obispos (1587), Millones (1591) und Aranda (1768).
- England (1500er Jahre): Vermehrung von Daten durch die Pest.
Historische Entwicklung der Wahrscheinlichkeits- und Statistiktheorie
- Ursprung: Pascal-Fermat-Korrespondenz (1654)
- Erste wissenschaftliche Behandlung: Huygens (1657)
- Mathematische Konsolidierung: Bernoulli (1713) und de Moivre (1718)
- Modernes Grundmodell: Kolmogorow
- Fehlertheorie: Simpson (1755) führte die Diskussion über Fehler und das Axiom der Gleichwahrscheinlichkeit ein
- Kombinationsregeln: Laplace (1774) leitete Formeln für den Mittelwert und das Gesetz der Fehlerwahrscheinlichkeit ab
- Prinzip des maximalen Produkts: Bernoulli (1778)
- Kleinste Quadrate: Veröffentlicht von Legendre (1805), Adrain (1808) und Gauss (1809)
- Praktische Anwendung: Gauss (1801) sagte die Position von Ceres voraus
- Sozialstatistik: Quetelet führte das Konzept des „Durchschnittsmenschen“ ein
- Strenge Disziplin: Galton und Pearson im 20. Jahrhundert
- Beiträge von Galton: Standardabweichung, Korrelation und Regression
- Beiträge von Pearson: Korrelationskoeffizient, Momentenmethode und Pearson-Verteilungen
- Institutionen: Biometrika und die Abteilung für Statistik am University College London
- Varianz: Erste Verwendung des Begriffs durch Fisher (1918)
- Versuchsplanung: Fisher (1935) entwickelte strenge Modelle und das Konzept der hinreichenden Statistik (sufficiency)
- Biologie: Fisher-Prinzip (Geschlechterverhältnis) und Fisherian runaway (1930)
Grundlagen, Anwendungen und Methoden der Statistik
- Definition: Statistik ist eine formale Wissenschaft und ein Teilbereich der Mathematik, der auf empirische Wissenschaften angewendet wird.
- Unidade de estudo: Kann eine vollständige Grundgesamtheit, ein Prozess oder eine Zeitreihe sein.
- Stichprobe: Ein ausgewähltes Teilset der Grundgesamtheit zur Erleichterung der Datenerhebung.
- Zwecke der Analyse: Beschreibung und Inferenz.
- Korrelation: Gemeinsame Variation von zwei Variablen; impliziert keine Kausalität.
- Störvariable: Eine nicht berücksichtigte dritte Variable, die eine scheinbare Korrelation erklären kann.
- Repräsentativität: Notwendige Bedingung, um die Schlussfolgerungen der Stichprobe auf die Grundgesamtheit zu übertragen.
- Statistische Theorie: Der Zweig, der die Wahrscheinlichkeitstheorie und die mathematische Analyse nutzt.
- Mathematische Annahmen: Obligatorische Voraussetzung für die Gültigkeit jeder statistischen Methode.
- Statistische Signifikanz: Maß für das Ausmaß, in dem ein Trend durch Zufallsschwankungen verursacht werden kann.
- Kausalität: Untersuchung des Effekts von unabhängigen Variablen auf abhängige Variablen.
- Arten von Kausalitätsstudien: experimentell und observational.
Messniveaus, statistische Techniken und Populationskonzepte
- Nominalebene: Gruppierung in Klassen ohne interpretierbare Ordnung.
- Ordinalebene: Besitzt eine interpretierbare Ordnung, aber unpräzise Differenzen.
- Intervallebene: Konstante Einheit und messbarer Abstand; arbiträrer Nullpunkt (Nullpunkt ist willkürlich).
- Verhältnisebene: Höchste Ebene; besitzt einen eigenen Nullpunkt (Abwesenheit der Größe).
- Statistische Tests: Umfassen ANOVA, Pearson, Spearman, χ², t-Test von Student und Mann-Whitney-U-Test.
- Grundgesamtheit: Gesamtheit aller Werte; deren vollständige Analyse ist eine Volkszählung (Census).
- Endliche Grundgesamtheit: Begrenzte Anzahl von Elementen.
- Unendliche Grundgesamtheit: Unbegrenzte Anzahl von Beobachtungen.
- Stichprobe: Teilmenge der Grundgesamtheit; ihre Auswahl ist die Stichprobenziehung.
- Repräsentative Stichprobe: Muss die wesentlichen Merkmale der Grundgesamtheit enthalten.
- Parameter: Numerisches Maß der Grundgesamtheit (μ oder σ).
Entwicklung der Statistik, Missbrauch von Daten und Inferenzmethoden
- Rechentechnische Auswirkungen: Übergang von linearen Modellen zu neuronalen Netzen, Entscheidungsbäumen und Multilevel-Modellen.
- Resampling-Methoden: Wachstum von Permutationstests, Bootstrap und Gibbs-Sampling.
- Chaostheorie: In den USA etabliert mit 350 Büchern im Jahr 1997 und in der Physik sowie den Sozialwissenschaften angewendet.
- Datenverzerrung (Data Bias): Eingeführt durch nicht-zufällige Auswahl oder selektives Entfernen von Ausreißern.
- Berufliche Anforderung: Es wird vorgeschlagen, Statistik zu einem reglementierten Beruf für Absolventen der Mathematik oder Statistik zu machen.
- Fehler 1. Art: Häufige Folge technischer Unkenntnis bei der Dateninterpretation.
- P-Hacking: Die Praxis, signifikante Assoziationen ohne vorherige Hypothese zu suchen, was die Reproduzierbarkeit beeinträchtigt.
- Klassische Inferenz: Risiko der Überbewertung kleiner Unterschiede in großen Stichproben.
- Wissenschaftliche Inkonsistenz: Verursacht durch die Verwendung kleiner Stichproben und falsch angewandte statistische Techniken.
Kritik an der Hypothesenprüfung und der Methodik im Statistikunterricht
- Kritik am p-Wert: fasst die Evidenz des Effekts zusammen, aber nicht seine Stärke.
- Konfidenzintervalle: geben Effektstärke und Unsicherheit an.
- Bayesianische Methoden: Alternative zum Hypothesentest, ebenfalls kritisiert.
- Fehler 1. und 2. Art: erzeugen Spannungen bei der Arzneimittelzulassung.
- Effektives Lehren: erfordert konkrete Beispiele und relevante Probleme.
- Verknüpfung von Qualitativ-Quantitativ: ermöglicht die Nutzung deskriptiver Details zur Quantifizierung und Verallgemeinerung.
- Triangulation von Ergebnissen: verringert die Fehleranfälligkeit der Daten.
- Curriculare Integration: das quantitative Denken muss in den Kernfächern enthalten sein.
- Nutzung von Wikipedia: Die Analyse von Besuchen dient dazu, Themen aus den Lehrplänen zu identifizieren.
- Praxisorientierung: Priorisierung von Prüfungsauswahl, Interpretation und Open-Source-Software.
Statistisches Recht und Kriminologische Statistik
- Statistisches Recht: Rechtsdisziplin, die Trends und Häufigkeiten massenhafter Phänomene untersucht.
- Ziel: Regulierung des gesellschaftlichen Lebens, um es gerechter und weniger manipulierbar zu machen.
- Hauptfunktion: Bereitstellung von Daten für die soziale Regulierung mit Zuverlässigkeit und Validität.
- Einsatz in der Justiz: Ein grundlegendes Instrument, bei dem Daten die Unschuld oder die Schädigung bestimmen können.
- Risiko: Fehlerhafte Nutzung statistischer Daten in Gerichtsverfahren.
- Kriminologische Statistik: Disziplin, die Forschungsprinzipien und -techniken für präzisere Urteile liefert.
- Kontext: Wenige strenge statistische Ansätze in lateinamerikanischen Ländern.
Vorschau der Karteikarten (6 von 40)
- 01
Die Statistik untersucht die Variabilität von Phänomenen und den [____]-Prozessen, die sie erzeugen.
zufällig
- 02
Was ist das Ziel der deskriptiven Statistik in den empirischen Wissenschaften?
Die Merkmale eines Datensatzes organisieren und beschreiben.
- 03
Die inferenzstatistische Statistik wird verwendet, um Rückschlüsse auf die untersuchte [____] zu ziehen.
Grundgesamtheit
- 04
Die inferenzstatistische Statistik unterteilt sich in zwei Typen: [____] und nicht-parametrisch.
parametrisch
- 05
Welche Disziplin legt die theoretischen Grundlagen der statistischen Techniken?
Mathematische Statistik
- 06
Wer führte 1749 den deutschen Begriff Statistik ein, um sich auf die Datenanalyse des Staates zu beziehen?
Gottfried Achenwall
+ 34 weitere Karteikarten, 24 Testfragen und Audio, wenn du dich registrierst (kostenlos).