Empirische Standardabweichung

Erfahrungswerte Standardabweichung

aus der empirischen Varianz, das heißt. Bei der empirischen Standardabweichung handelt es sich lediglich um die Wurzel der empirischen Varianz, d.h. sie gibt auch an, wie sich die Daten um den Mittelwert verteilen. Mit diesem Wert wird die Standardabweichung für kleinere n korrigiert.

mw-headline" id="Definition">Definition[Editieren | | | Quelltext bearbeiten]>

In diesem Beitrag wird die Abweichung und Standardabweichung einer Probe diskutiert. Zur Streuung und Standardabweichung als Merkmal der Streuung einer realen Zufallsvariablen vgl. Streuung (Stochastik), weitere Bedeutung unter Streuung. Empirische Varianz,[1] auch bekannt als Stichprobenvarianz[2] oder schlicht und ergreifend als Streuung (lateinische Variante für "Vielfalt"), ist ein Indikator für eine Probe in der beschreibenden Statistik. 2.

Er zählt zu den Streumaßen und bezeichnet die durchschnittliche Quadratabweichung der Einzelmesswerte vom Erfahrungswert. Positiv für die empirische Streuung ist die empirische Standardabweichung. Der empirische Standardabweichung ist das häufigste Streumaß die hier diskutierte empirische Streuung als Indikator für eine konkrete Probe, d.h. mehrere Nummern. Ein genaues Abgrenzen und Korrelationen findet sich im Kapitel Verhältnis der Begriffe der Varianz. Da sie in vielen Praxissituationen oft nicht bekannt ist und noch in irgendeiner Weise errechnet werden muss, wird oft die empirische Variante verwendet.

Die empirische Standardabweichung hat im Unterschied zur Empirie die gleichen Maßeinheiten wie der empirische Durchschnitt oder die Probe selbst. Ähnlich wie bei der Empirie ist die Kennzeichnung und Kennzeichnung der Standardabweichung nicht gleich. Von der Standardabweichung im Sinn der Wahrscheinlichkeitsrechnung ist die empirische Standardabweichung zu unterscheiden. Dies ist ein Maß für eine Häufigkeitsverteilung oder die Häufigkeitsverteilung einer Zufallsvariablen, während die empirische Standardabweichung ein Maß für eine Probe ist.

Das hat den Nachteil, dass grössere Schwankungen vom Erfahrungswert besser bewertet werden. Das Resultat dieses auf pragmatische Weise abgeleiteten Streumaßes ist die durchschnittliche Quadratabweichung vom oben definierten Erfahrungswert oder der Streuung s~{{\displaystyle {\tilde {s}}}}. Als treue Schätzungsfunktion für die unbestimmte Streuung wird ?{\displaystyle ^{2}} einer Häufigkeitsverteilung herangezogen. Ihr Verhältnis untereinander wird deutlich, wenn man ihre Bedeutung für die Modellbildung der Induktionsstatistik betrachtet:

Streuung (im Sinn der Wahrscheinlichkeitstheorie) ist ein Streumaß einer abstrahierten Häufigkeitsverteilung oder der Zufallsvariablenverteilung in der Stomatologie. Probenvarianz (im Sinn der Induktivstatistik ) ist eine Abschätzfunktion zur Abschätzung der Varianzen (im Sinn der Wahrscheinlichkeitstheorie) einer unbestimmten Wahrscheinlichkeiten. Es handelt sich also nicht um eine Kenngröße, sondern um eine Schätzungsmethode, um die Streuung einer ungeklärten Häufigkeitsverteilung so gut wie möglich zu errechnen.

Neben ihrer Bedeutung für die deskriptive Statistik ist die hier diskutierte empirische Streuung eine handfeste Abschätzung der zugrunde liegenden Streuung nach der Abschätzmethode, die durch die Stichprobenstreuung (im Sinn der Induktionsstatistik ) wiedergegeben wird. Die Differenz zwischen der Schätzungsmethode (Stichprobenvarianz im Sinn der Induktivstatistik ) und ihrer Konkretisierung (empirische Varianz) ist von zentraler Bedeutung.

Hochsprung Norbert Henze: Stochastics für Anfänger. Springerspektrum, Wiesbaden 2013, ISBN 978-3-658-03076-6, S. 31, doi:10.1007/978-3-658-03077-3. ? Hochsprung nach: von Ehrhard Behrends: Elementary Stochastics. Springers pektrum, Wiesbaden 2013, ISBN 978-3-8348-1939-0, S. 274, doi:10.1007/978-3-8348-2331-1. - Thomas Cleff: Beschreibende Statistiken und Erkundungsdatenanalyse. Springer Gabler, Wiesbaden 2015, ISBN 978-3-8349-4747-5, S. 56, doi:10.1007/978-3-8349-4748-2. Springen bis: von Helge Toutenburg, Christian Heumann: Beschreibende Statistiken.

Springer-Verlag, Berlin/Heidelberg 2008, ISBN 978-3-540-77787-8, S. 75, doi:10.1007/978-3-540-77788-5. ?: Thomas Cleff: Datenbeschreibungsstatistiken und Erkundungsdatenanalyse. Springbrunnen Gabler, Wiesbaden 2015, ISBN 978-3-8349-4747-5, S. 255, doi:10.1007/978-3-8349-4748-2. Hochsprung Von Auer: ökonometrie. Ausgabe, S. 46 Hochsprung Lothar Sachs: Statistical Evaluation Methods, S. 400 Hochsprung Reinhold Kosfeld, Hans Friedrich Eckey, Matthias Türck: Beschreibende Statistiken.

Springbrunnen Gabler, Wiesbaden 2016, ISBN 978-3-658-13639-0, S. 122, doi:10.1007/978-3-658-13640-6. Hochsprung nach: von Norbert Henze: Stöchastik für Anfänger. Springerspektrum, Wiesbaden 2013, ISBN 978-3-658-03076-6, S. 31-32, doi:10.1007/978-3-658-03077-3. Hochsprung nach: von Ehrenhard Behrends: Elementarstochastik. Springerspektrum, Wiesbaden 2013, ISBN 978-3-8348-1939-0, S. 274-275, doi:10.1007/978-3-8348-2331-1. Hochsprung ? Eric W. Weisstein: Standardabweichung.

Hochsprung Norbert Henze: Stochastics für Anfänger. Springer Spektrum, Wiesbaden 2013, ISBN 978-3-658-03076-6, S. 33, doi:10.1007/978-3-658-03077-3. - Otfried Beyer, Horst Hackel: Wahrscheinlichkeitsberechnung und rechnerische Statistiken.

Mehr zum Thema