Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Eine Einführung und ein Überblick Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

11. Explorative Datenanalyse

verfasst von : Daniel Bättig, Prof. Dr.

Erschienen in: Angewandte Datenanalyse

Verlag: Springer Berlin Heidelberg

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

In den vorigen Kapiteln wird erklärt, wie Resultate zu nicht direkt messbaren Grössen dargestellt werden können. Man kann den Graphen der A posteriori-Dichtefunktion darstellen, den plausibelsten Wert angeben oder Wahrscheinlichkeitsintervalle nennen. Die Resultate hängen von den Daten und von Vorinformation ab. Neben den Rechnungen ist es sinnvoll, die verwendeten Daten zu visualisieren. In diesem Kapitel werden einfache und prägnante grafischen Darstellungen von univariaten Datenwerten vorgestellt. Dies kann auch nützlich sein, um Fragen wie: „War das Experiment unter statistischer Kontrolle?“, „Sind extreme Werte vorhanden?“, oder „Ist das gewählte Modell gut?“ zu beantworten. Die in den Daten steckende Information kann auch helfen, ein gutes Datenmodell zu wählen.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Streuung und Normalverteilung
Nächstes Kapitel Regressionsmodelle
Anhänge
Nur mit Berechtigung zugänglich
Fußnoten
1
Man kann auch mit der Formel (A.1) aus Abschn. .3 rechnen
$$\text{Cl}_{\text{Methode $A$}}=\overline{\text{Cl}_{A}}\pm t_{6}(0{,}95)\cdot{s_{A}}/{\sqrt{7}}=(102{,}8\pm 0{,}9)\text{ mol/m}^{3}\quad[k=1{,}96]$$
Dabei ist \(\overline{\text{Cl}_{A}}\) das arithmetische Mittel und s A die empirische Standardabweichung der Datenwerte.
 
2
Eine meist funktionierende Faustregel, um dies zu verhindern, ist: Anzahl Klassen mindestens \(\approx\sqrt{n}\), dabei ist n die Anzahl Datenwerte (falls n > 1000 ist \(10\log_{10}n\) eine geeignete Wahl).
 
3
Für Grössen, die mit einer Normalverteilung modelliert werden, bedeuten die Regeln: (1) Ausreisser: Werte, die mindestens \(2{,}9\cdot\sigma\) aber nicht mehr als \(4{,}7\cdot\sigma\) vom Modus entfernt sind, (2) Extremwert: Datenwerte, die mehr als \(4{,}7\cdot\sigma\) vom Modus entfernt sind.
 
4
Box & Whisker Plots wurden von J.W. Tukey erfunden, siehe 10; .
 
5
Experiment aus einem Versuch zur Bestimmung des Wachstums von Stören bei der Firma Tropenhaus Frutigen AG, 2007.
 
6
Angaben aus einem Kontrollblatt aus dem Uhrenmuseum in La Chaux-de-Fonds.
 
Literatur
[1]
A.M. Catilla, Does passage time through the lizard Podarcis lifordis gets affect germination performance in the plant withanic fructescens?. Acta Oecologica 21(2), 119–124 (2000)CrossRef
[2]
F. Hampel, Robust inference Research Report, Bd. 93 (ETH Zürich, 2000)
[3]
C.H. Hennekens, Aspirin in Chronic Cardiovascular Disease and Acute Myodarcial Infarction. Clin. Cardiol. 13, V-62–V-66 (1990)CrossRef
[4]
D. Hinkley, On quick choice of power transformation. Applied Statistics 26, 67–69 (1977)CrossRef
[5]
J.A. Rice, Mathematical Statistics and Data Analysis (Duxburry Press, 1995)
[6]
E. Rutherford, M. Geiger, The Probability Variations in the Distribution of Alpha Particles. Philosophical Magazine, Series 6 20, 698–704 (1910)CrossRef
[7]
D.S. Sivia, J. Skilling, Data Analysis, a Bayesian Tutorial (Oxford University Press, 2006)
[8]
R.G. Staudte, S.J. Sheather, Robust Estimation and Testing (John Wiley & Sons, Inc., 1990)
[9]
E.R. Tufte, The Visual Display of Quantitative Information (Graphics Press, Cheshire, Connecticut, 1983)
[10]
J.W. Tukey, Exploratory Data Analysis (Addison-Wesley Publishing Company, 1977)
Metadaten
Titel
Explorative Datenanalyse
verfasst von
Daniel Bättig, Prof. Dr.
Copyright-Jahr
2015
Verlag
Springer Berlin Heidelberg
Buch
Angewandte Datenanalyse

Print ISBN: 978-3-662-43393-5

Electronic ISBN: 978-3-662-43394-2

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-662-43394-2_11

Premium Partner

    Bildnachweise