Statistik 2.2

Deskriptivstatistik für ordinalskalierte Variablen

Deskriptivstatistik für ordinalskalierte Variablen


A. S.
Diese Lernkarten behandeln fortgeschrittene statistische Methoden für Psychologie-Studierende, mit Fokus auf die Analyse von ordinalskalierten Daten. Sie erklären die Berechnung des Medians, Quartile und Prozentränge, sowie die Handhabung von Rangbindungen und die Bestimmung des Modus bei geordneten Kategorien. Besonders nützlich für Studierende, die Daten mit geordneten Kategorien auswerten müssen und vertiefte Kenntnisse in deskriptiver Statistik erwerben wollen.
Karten
19
Lernende
2
Sprache
Deutsch
Kategorie
Psychologie
Stufe
Universität
Erstellt / Aktualisiert
30.12.2015 / 12.12.2024

Lernkarten

zusätzliches Lagemass:

Median, 

  • Der Median ist derjenige («mittlere») Wert, für den gilt:

    • •  Mindestens 50% der Werte sind kleiner oder gleich dem Median.

    • •  Mindestens 50% der Werte sind grösser oder gleich dem Median. 

bestimmung des Median bei singulären Daten (ohne Bindung):

\((n + 1) : 2\)

jedoch bei singulären Daten nicht besonders interessant

Bestimmung des Median bei Variablen mit geordneten Kategorien 
 (auch verwendbar bei singulären Daten mit Rangbindung): 

ungerades n

Bei ungeradem n ist der Median gleich dem Merkmalswert (Kategorie) der Person, die an der Stelle (n + 1) / 2 in der Rangreihe steht 

Bestimmung des Median bei Variablen mit geordneten Kategorien (auch verwendbar bei singulären Daten mit Rangbindung): 

gerades n

Bei geradem n bestimmt man den Median als arithmetischen Mittelwert der Merkmalswerte der Personen, die an den Stellen n / 2 und n / 2 + 1 stehen 

Medianklasse

Kategorie, in die der MEdian fällt bei gruppierten Daten

Medianklasse identifizieren:

Es ist die Klasse, innerhalb derer der Wert der kumulierten relativen Häufigkeit von 0,5 überschritten wird 

Dispersion bei singulär ordinalskalierten Daten:

wenig interessant, da meist jeder Wert genau einmal vorkommt

Dispersion bei Variablen mit geordneten Kategorien

  1. relativer Informationsgehalt auch interessantes Mass, ordinale Information wird allerdings nicht ausgenutzt

  2. deshalb: empirischer Interquartilsbereich 

Dispersion bei ordinalskalierten Daten, Vorgehen:

Reihe der Messwerte wird in Quartile geteilt

Berechnung von Q1, falls Stichprobe nicht durch 4 teilbar (also keine ganze Zahl):

\(Q_1 = x_q\)

x ist Merkmalswert einer geordneten Kategorie

dann ist q die nächste ganze Zahl, die auf \(n \times 0.25\) folgt

Berechnung von Q1, falls Stichprobe durch 4 teilbar (also ganze Zahl entsteht):

muss mitteln

zunächst \(q = n \times 0.25 \)

und dieses dann mitteln \(Q1 = 0.5 \times (x_q + x_{q+1})\)

Lernen