Typische Anzahl von Raubüberfällen pro Londoner Bezirk

Im Video hast du gesehen, dass sowohl der Mittelwert als auch der Median Informationen über den typischen Wert einer Variablen liefern können.

Hier sind drei Definitionen, die den Modus, den Median und den Mittelwert zusammen mit ihren jeweiligen Werten für Raubüberfälle im Londoner Kriminalitätsdatensatz darstellen:

Alle Werte addieren und durch die Anzahl der Beobachtungen dividieren	Der Londoner Stadtbezirk, in dem Raubüberfälle am häufigsten vorkommen	Sortiere alle Daten und nimm den mittleren Wert
1496,16	Westminster	1354,5

Wie lauten die Werte für Mittelwert und Median in der Tabelle?

Diese Übung ist Teil des Kurses

Einführung in die Statistik

Interaktive Übung

Setze die Theorie in einer unserer interaktiven Übungen in die Praxis um

Diese Übung ist Teil des Kurses

Einführung in die Statistik

Geringe SchwierigkeitSchwierigkeitsgrad

4.8+

Kurs kostenlos starten

Die deskriptive Statistik gibt dir die Werkzeuge an die Hand, die du brauchst, um deine Daten zu beschreiben. In diesem Kapitel lernst du die deskriptive Statistik kennen, einschließlich des Mittelwerts, Medians und der Standardabweichung, und lernst, wie man sie richtig interpretiert. Außerdem entwickelst du deine Fähigkeiten zum kritischen Denken, damit du die beste deskriptive Statistik für deine Daten auswählen kannst.

Exercise 1: Was ist Statistik?Exercise 2: Praktische Anwendung der Statistik Exercise 3: Identifizieren von Datentypen Exercise 4: Deskriptive vs. schließende Statistik Exercise 5: Maße der zentralen Tendenz Exercise 6: Typische Anzahl von Raubüberfällen pro Londoner Bezirk

Aktuelle Übung

Exercise 7: Auswählen eines Maßes Exercise 8: Londoner Stadtbezirke mit der höchsten Kriminalitätsrate Exercise 9: Streuungsmaße Exercise 10: Definieren der Streuungsmaße Exercise 11: Box-Plots zur Messung der Streuung Exercise 12: Welche Straftat hat die größere Standardabweichung

Die Wahrscheinlichkeitsrechnung ist die Grundlage für einen großen Teil der Statistik, in der die Wahrscheinlichkeit des Eintretens von Ereignissen berechnet wird. Du arbeitest mit realen Verkaufsdaten und lernst, wie Daten mit unterschiedlichen Werten als Wahrscheinlichkeitsverteilungen interpretiert werden können. Du lernst etwas über diskrete und stetige Wahrscheinlichkeitsverteilungen, einschließlich der Entdeckung der Normalverteilung und wie häufig sie bei natürlichen Ereignissen vorkommt!

Exercise 1: Wie stehen die Chancen?Exercise 2: Was ist wahrscheinlicher?Exercise 3: Die Wahrscheinlichkeit, dass der nächste Umsatz über dem Mittelwert liegt.Exercise 4: Bedingte Wahrscheinlichkeit Exercise 5: Abhängige vs. unabhängige Ereignisse Exercise 6: Bestellungen von mehr als 10 Warenkorbpodukten Exercise 7: Diskrete Verteilungen Exercise 8: Identifizieren von Verteilungen Exercise 9: Stichprobenmittelwert vs. theoretischer Mittelwert Exercise 10: stetige Verteilungen Exercise 11: Diskrete vs. stetige Verteilungen Exercise 12: Finden der Normalverteilung Exercise 13: Die Wahrscheinlichkeit mit einer Gleichverteilung

Nun ist es an der Zeit, weitere Wahrscheinlichkeitsverteilungen zu erkunden. Du lernst die Binomialverteilung kennen, um die Wahrscheinlichkeit binärer Ergebnisse zu veranschaulichen, sowie eine der wichtigsten Verteilungen in der Statistik, die Normalverteilung. Du erfährst, wie Verteilungen durch ihre Form beschrieben werden können, und entdeckst die Poisson-Verteilung und ihre Rolle bei der Berechnung der Wahrscheinlichkeiten von Ereignissen, die im Laufe der Zeit auftreten. Außerdem lernst du den zentralen Grenzwertsatz kennen!

Exercise 1: Die Binomialverteilung Exercise 2: Erkennen einer Binomialverteilung Exercise 3: Einfluss der Wahrscheinlichkeitsrechnung auf die Binomialverteilung Exercise 4: Identifizieren von n und p Exercise 5: Die Normalverteilung Exercise 6: Erkennen der Normalverteilung Exercise 7: Was ist das Besondere an der Normalverteilung?Exercise 8: Erkennen der Schiefe Exercise 9: Verteilungen mit Hilfe der Wölbung beschreiben Exercise 10: Der zentrale Grenzwertsatz Exercise 11: Visualisierung von Stichprobenverteilungen Exercise 12: Die CLT vs. Das Gesetz der großen Zahlen Exercise 13: Wann man den zentralen Grenzwertsatz verwendet Exercise 14: Die Poisson-Verteilung Exercise 15: Erkennen von Poisson-Prozessen Exercise 16: Erkennen von Lambda in der Poisson-Verteilung

Im letzten Kapitel lernst du Hypothesentests kennen und erfährst, wie du mit ihrer Hilfe genaue Aussagen über eine Grundgesamtheit treffen kannst. Du lernst die Korrelation kennen und erfährst, wie man damit eine lineare Beziehung zwischen zwei Variablen quantifizieren kann. Du erfährst etwas über Versuchsplanungstechniken wie Randomisierung und Verblindung. Außerdem lernst du Konzepte kennen, mit denen du das Risiko minimieren kannst, aus den Ergebnissen von Hypothesentests falsche Schlüsse zu ziehen!

Exercise 1: Hypothesentests Exercise 2: Sonnenschein und Schlaf Exercise 3: Ablauf von Hypothesentests Exercise 4: Unabhängige und abhängige Variablen Exercise 5: Experimente Exercise 6: Erkennen von kontrollierten Studien Exercise 7: Warum Randomisierung?Exercise 8: Korrelation Exercise 9: Erkennen von Korrelationen zwischen Variablen Exercise 10: Was sagt die Korrelation aus?Exercise 11: Störvariablen Exercise 12: Interpretieren der Ergebnisse von Hypothesentests Exercise 13: Signifikanzniveaus vs. p-Werte Exercise 14: Fehler 1. und 2. Art.Exercise 15: Glückwunsch!