Modul 01: Einführung - fh-dortmund.de · Modul 01: Statistik und ... 01 Prof. Dr. W. Laufner 21...

1

1BS - 01 Prof. Dr. W. LaufnerBeschreibende Statistik

Modul 01:Einführung


Modul 01: Einführung

• Was ist eine „Statistik“?

• Wozu statistische Methoden?dazu 7 kleine Fallstudien

2


Modul 01:Was ist eine „Statistik“?

eine systematische Zusammenstellung von Zahlen und Daten

wozu ?zur Beschreibung bestimmter Zustände, Entwicklungen und Phänomene

Ziel : Gewinnung von Information


Modul 01: Was ist eine „Statistik“?

Umsätze der Meyer AG über die Großhändler in NRW im Jahr 2008

Umsatzklasse in Tsd. €

Anzahl Großhändler

(absolute Häufigkeit)

Anteil in %

(relative Häufigkeit) bis unter 100 7 14%

100 bis unter 200 23 46% 200 bis unter 300 12 24% 300 bis unter 400 5 10% 400 bis unter 500 3 6%

Summe 50 100%

Quelle: Umsatzstatistiken der Großhändler 2008, Vertriebsabteilung Tabelle 01.1

3



54.114,78 188.34,65158.650,75 200.500,00

175.654,45 78.850,50 9.955,50145.768,50 165.874,67 475.358,50

89.135,89 458.285,50 214.554,85165.005,67 66.650,00 356.765,45

55.674,00 185.111,50 106.112,33 405.056,35359.660,00 180.510,50 253.185,80

125.865,33 34.355,85 309.000,00 186.169,45258.543,38 286.909,50 256.770,89 110.007,45

249.867,54 160.800,20 118.560,35 265.878,98 236.679,90 226.303,89

150.117,25 246.151,15 175.600,00 148.890,00 248.690,23 166.876,28

186.440,76 357.890,56 100.568,45 320.689,45 154,670,50

129.999,69 199.568,26



Anzahl Großhändler (absolute Häufigkeit)

Anteil in % (relative Häufigkeit)

0 bis unter 100 7 14% 100 bis unter 200 23 46% 200 bis unter 300 12 24% 300 bis unter 400 5 10% 400 bis unter 500 3 6%

Summe 50 100% (Quelle: Umsatzstatistiken der Vertriebsabteilung, 2008)

Tabelle 01.1

Input Output


Umsätze der Meyer AG über die Großhändler In NRW im Jahr 2008

Quelle: Umsatzstatistiken der Vertriebsabteilung, 2008

Abbildung 01.1


4



Untersuchungseinheiten = statistische Einheiten(Träger der Information) einzelne Großhändler

Grundgesamtheit = statistische Masse Großhändler der Meyer AG in NRW im Jahr 2008

Merkmal = Variable Umsatz mit der Meyer AG im Jahr 2008

(klassierte) Häufigkeitsverteilungmit absoluten und relativen(Klassen-)Häufigkeiten

Fachterminologie



Anzahl Großhändler (absolute Häufigkeit)

Anteil in % (relative Häufigkeit)

0 bis unter 100 7 14% 100 bis unter 200 23 46% 200 bis unter 300 12 24% 300 bis unter 400 5 10% 400 bis unter 500 3 6%

Summe 50 100% (Quelle: Umsatzstatistiken der Vertriebsabteilung, 2008)

Tabelle 01.1


Tabelle 01.2

(Quelle: Statistisches Jahrbuch der Bundesrepublik Deutschland 2006, S. 83)


5


Erwerbstätigein NRW im Jahr 2005

7.637 Tsd.

Angestelltein Deutschland im Jahr 2005

19.071 Tsd.

Operationalisierung der Begriffe

Modul 01: Was ist eine „Statistik“? (zu Tabelle 01.2)

Operationalisierung: „Operation“, mit der ein Begriff konkret gemessen wird


Abbildung 01.2


6


Modul 01: Eine weitere Statistik … (in graphischer Darstellung)


Modul 01:Eine weitere Statistik …(in graphischer Darstellung)

Bemerkenswert:Der Bierverbrauch pro Kopf ist in den alten und neuenBundesländern kurz nach der Wiedervereinigungbis auf die Nachkommastelle gleich.Ansonsten gibt esStrukturunterschiedebeim Durst …

7


Modul 01: Statistik und Weltmeisterschaft im Biertrinken

31. 12 1992: 1. Deutschland 142 l/Kopf2. Tschechoslowakei 140 l/Kopf

1. 1. 1993: 1. Tschechien 160 l/Kopf2. Deutschland 142 l/Kopf….… Slowakei 100 l/Kopf

21 Mio hl31.12.1992 : CSSR 140 l /Kopf15 Mio Einw.

16 Mio hl1.1.1993 : Tschechien 160 l /Kopf10 Mio Einw.

5 Mio hl1.1.1993 : Slowakei 100 l /Kopf5 Mio Einw.

= =

= =

= =

1.1.1993

16 Mio hl Bier10 Mio Einw. 5 Mio hl Bier

5 Mio Einw.

21 Mio hl Bier15 Mio Einw.


Der Bierkonsum in Deutschland hat sich verändert ...

020406080

100120140160

1950 1960 1970 1980 1990 2000 2010 2020

Bierkonsumpro Kopf in l

?

8


Modul 01:• Wozu statistische Methoden?

dazu 7 kleine Fallstudien


Modul 01: Fallstudie 1

134 Geburtsdaten Altersstruktur

0

5

10

15

20

25

31 32 33 34 35 36 37 38 39 40 41 42 43 44 45

Anzahl Mitglieder

Jahre

unübersichtliche, unstrukturierte

große DatenmengeInformationen,Erkenntnisse

statistische Methoden

9


Modul 01: Fallstudie 2

z.B.

Befragungsergebnisse:6 x 20 = 120 Einzelantworten

Nr. G A E M K F Geschlecht Alter Einkommen Markenwahl Kaufrate Familien- in pro Jahr pro stand Jahren in TDM Produkt Monat

1 w 24 34 A 5 ledig 2 m 45 55 B 8 verheiratet 3 m 35 44 B 4 geschieden 4 w 30 38 A 5 ledig 5 m 46 56 B 7 verheiratet 6 w 55 50 B 6 verwitwet 7 w 44 35 B 3 verheiratet 8 w 21 29 A 4 ledig 9 m 27 40 B 5 verheiratet

10 m 67 43 B 4 verwitwet 11 w 34 39 A 5 verheiratet 12 m 22 25 A 4 ledig 13 m 47 59 B 8 verheiratet 14 m 35 44 B 4 geschieden 15 w 29 41 A 5 ledig 16 m 46 56 B 7 verheiratet 17 w 53 50 B 6 verwitwet 18 w 44 39 B 8 verheiratet 19 w 51 29 B 4 ledig 20 m 27 38 A 5 verheiratet

Der Marktanteil von B ist fast 70%!

Befragung in Dortmund, 10.5.-12.5.07, n = 20 Befragte

Produkt A 3330,8%

Produkt B 7469,2%

0%

20%

40%

60%

80%

100%

Frauen Männer

Produkt A Produkt BDas Kaufverhalten ist abhängig vom Geschlecht

Befragung in Dortmund, 10. - 12. 5. 07, n = 20 Befragte


Modul 01: Fallstudie 2 (dreidimensionale Analyse)

bis unter 40 Jahre 40 Jahre und älter0123456

Frauen Männer

Befragung in Dortmund, 10.5. - 12.5.07, n = 20 Befragte

bis unter 40 Jahre 40 Jahre und älter0123456

Befragung in Dortmund, 10.5. - 12.5.07, n = 20 Befragte

Anzahl KonsumentenFrauen Männer

Anzahl Konsumenten

10


Modul 01: SPSS (Statistical Package for the Social Sciences)

Stanford University (California) … 1965 …


Der SPSS-Daten-Editor (Datenansicht)

11


SPSS = Statistical Package for the Social Sciences

F: Was ist Predictive Analytics Software (PASW) und welchen Nutzen bringt sie?

A: Predictive Analytics Software erfasst und analysiert Daten zu den Merkmalen, Haltungen und Verhaltensweisen von Menschen, um ein klares

Verständnis der erwarteten zukünftigen Verhaltensweisen zu gewinnen, wobei diese Erkenntnisse in Geschäftsprozesse integriert werden,

um die Ergebnisse zu verbessern.

PASW = Predictive Analytics Software

2009

28. 7. 09: IBM übernimmt SPSS


Modul 01: Fallstudie 3 Produktionsstatistik in Werk A 37. KW 2009: 7. – 11. 9. 2009 Produktion Wochentag in Stück Montag Dienstag Mittwoch Donnerstag Freitag __________________________________________________________________________ fehlerhaft 1.957 3.542 2.982 3.238 1.237 fehlerfrei 18.993 43.366 5.9945 63.664 12.662 __________________________________________________________________________ Summe 20.950 46.908 62.927 66.902 13.899

Quelle: Abteilung für Qualitätskontrolle in Werk A Tabelle 01.6

Produktionsstatistik in Werk B 37. KW 2009: 7. – 11. 9. 2009 Produktion Wochentag in Stück Montag Dienstag Mittwoch Donnerstag Freitag __________________________________________________________________________ fehlerhaft 2.035 2.674 2.973 4.124 1.970 fehlerfrei 37.542 83.280 88.696 93.674 56.966 __________________________________________________________________________ Summe 39.577 85.954 91.669 97.798 58.936

Quelle: Abteilung für Qualitätskontrolle in Werk B Tabelle 01.7

12


Modul 01: Fallstudie 3 Produktionsstatistik in Werk A 37. KW 2009: 7. – 11. 9. 2009 Produktion Wochentag in Stück Montag Dienstag Mittwoch Donnerstag Freitag __________________________________________________________________________fehlerhaft 1.957 3.542 2.982 3.238 1.237 fehlerfrei 18.993 43.366 5.9945 63.664 12.662 __________________________________________________________________________Summe 20.950 46.908 62.927 66.902 13.899

Quelle: Abteilung für Qualitätskontrolle in Werk A Tabelle 01.6

Produktionsstatistik in Werk B 37. KW 2009: 7. – 11. 9. 2009 Produktion Wochentag in Stück Montag Dienstag Mittwoch Donnerstag Freitag __________________________________________________________________________fehlerhaft 2.035 2.674 2.973 4.124 1.970 fehlerfrei 37.542 83.280 88.696 93.674 56.966 __________________________________________________________________________Summe 39.577 85.954 91.669 97.798 58.936

Quelle: Abteilung für Qualitätskontrolle in Werk B Tabelle 01.7

Statistik über die Ausschussquote in Werk A und B 37. KW 2009, 7. – 11. 9. 2009 Ausschuss- Wochentag quote in % Montag Dienstag Mittwoch Donnerstag Freitag __________________________________________________________________________Werk A 9,34% 7,55% 4,74% 4,84% 8,90% Werk B 5,14% 3,11% 3,24% 4,22% 3,34% __________________________________________________________________________

Quelle: Abteilung für Qualitätskontrolle in Werk A und B Tabelle 01.8


Modul 01: Fallstudie 4 Meyer AG

Filialumsätze Anzahl in Mio € Filialen 0 bis unter 5 29 5 bis unter 10 45 10 bis unter 15 21 15 bis unter 20 16 20 bis unter 25 25 25 bis unter 30 12 30 bis unter 35 12 35 bis unter 40 16 Summe 176

Kauf AG

Filialumsätze Anzahl in Mio € Filialen 0 bis unter 5 12 5 bis unter 10 30 10 bis unter 15 25 15 bis unter 20 42 20 bis unter 25 38 25 bis unter 30 18 30 bis unter 35 8 35 bis unter 40 6 Summe 179

durchschnittlicherFilialumsatz

Meyer AG: 16,11 Mio €Kauf AG: 17,53 Mio €

13


Modul 01: Fallstudie 5 (Zeitreihenanalyse)

Umsätze des X-Produktes (in Mio €)

Jahr ⇒ 2005 2006 2007 Monat ⇓ _________________________________________________Januar 100 135 120 Februar 105 130 110 März 110 125 105 April 115 120 105 Mai 120 130 115 Juni 130 135 125 Juli 140 140 130 August 135 130 125 September 130 120 115 Oktober 130 115 110 November 135 120 115 Dezember 145 125 120 _____________________

Quelle: Umsatzstatistiken der Vertriebsabteilung 2005 - 2007 Tabelle 01.11


Modul 01: Fallstudie 6 (Messzahlen)

14


Modul 01: Fallstudie 7 (Konzentration)

Umsatz der ABC AG im Jahr 2008aufgeteilt nach Produkten Produkt- Produkt- name umsatz (in Mio €) Alpha .................................................122 Beta ...................................................150 Gamma..............................................290 Delta ..................................................345 Epsilon.................................................59 Frieda ..................................................36 Gaby ....................................................21 Halma ................................................830 Jalta ...................................................620 Kappa ................................................211 Lambda..................................................6 Main.......................................................4 Norbert...................................................9 Oskar .................................................165 Pi........................................................134 Quelle ................................................110 Rho ......................................................76 Sigma ..................................................51 Tau.......................................................28 Ufo .......................................................10 _________________________________________________________________

Summe........................... 3.277 Quelle: Hauptabteilung Rechnungswesen, Umsatzstatistik 2008

Tabelle 01.14


Modul 01: Fallstudie 7 (Konzentration)

15


Daten Datenreduktion InformationFall 1: Häufigkeitsverteilung, eindimensional

Gibt es Besonderheiten bei der Altersverteilung?

Fall 2: Häufigkeitsverteilung, zweidimensionalInformation über Abhängigkeit/ZusammenhangHängt die Markenpräferenz vom Geschlecht ab?

Fall 3: Gliederungszahl: AusschussquoteIn welchem Werk wird besser gearbeitet?

Fall 4: Statistische Kennzahlen, MittelwertWelcher Kauhauskonzern hat die umsatzstärkeren Filialen?

Fall 5: ZeitreihenanalyseWelche Gesetzmäßigkeiten gibt es bei der Zeitreihe Umsatz?

Fall 6: ZeitreihenvergleichWelche Zeitreihe ist stärker angestiegen?

Fall 7: KonzentrationsmessungWie stark ist der Gesamtumsatz konzentriert auf die Produkte?


• Beschreibende Statistik

Frauen: 4 = 40% Männer: 6 = 60%

Durchschnittsalter: alle: 21,9 JahreFrauen: 21,0 JahreMänner: 22,5 Jahre

Modul 01 (3):

16


• Schließende Statistik

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

24

21

20

21

19

21

20

23

24

26

?

Schlußvon der

Stichprobeauf die Grund-

gesamtheit

Modul 01 (3):

N = 50 Anzahl der Untersuchungseinheitenin der Grundgesamtheit

n = 10 Anzahl der Untersuchungseinheitenin der Stichprobe


• Schließende Statistik

Entscheidungen sind zu fällen über- Auswahlverfahren- Stichprobenumfang

Probleme:- Stichprobenfehler- “Repräsentativität”

Modul 01 (3):

24

21

20

21

19

21

20

23

24

26

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

4 von 10 Personen sind Frauen 40% aller Personen sind Frauen

17


Modul 01 (3): AuswahlverfahrenGrundgesamtheit: Einwohner in Dortmund über 16 Jahre (N = 500.000)

Stichprobe: n = 1.000

Stichprobe GrundgesamtheitAuswahlverfahren (1):Willkürliche Auswahl = Auswahl aufs Geratewohl = convenience sample- Auswahl ohne Auswahlplan, - Interviewer können Interviewpartner beliebig auswählen,- daher: meist verzerrte Stichprobe- Schluss von den Stichprobenergebnissen auf die Grundgesamtheit

nicht möglich- preiswert und schnell, aber nicht seriös


Modul 01 (3):Auswahlverfahren (2):Quota-Auswahl (gehört zu den „bewussten Auswahlverfahren)- Auswahlplan, - Quotierungsmerkmale (z.B. Geschlecht, Alter, Wohnort, Beruf),- Voraussetzung:Verteilung der Quotierungsmerkmale in der Grundgesamtheit ist bekannt,

- Interviewer werden gesteuert über einen „Quotenplan“,sie müssen bei der Auswahl die „Quoten“ einhalten,

- über alle Interviewer sind die Quotierungsmerkmale in der Stichprobe so verteilt wie in der Grundgesamtheit,

- deutlich besser als eine willkürliche Auswahl, aber der Schluss von derStichprobe auf die Grundgesamtheit ist „problematisch“,

- Stichprobenfehler lässt sich nicht berechnen.

18


Modul 01 (3):Auswahlverfahren (3):Zufallsauswahl = zufällige Auswahl = Random Auswahl- zufallsgesteuerter Auswahlplan,

- zufällige Auswahl ≠ willkürliche Auswahl,- einfache Zufallsauswahl:

jede Einheit der Grundgesamtheit hat die gleiche Chance, in die Stichprobe zu gelangen (Chance = Wahrscheinlichkeit),

- Wichtige Voraussetzung für eine Zufallsauswahl: Liste/Datei mit allen Einheiten der Grundgesamtheit,

- Interviewer bekommen feste Namen/Adressen/Telefonnummern, - nur bei der Zufallsauswahl lässt sich der Stichprobenfehler

mit Hilfe der Wahrscheinlichkeitsrechnung bestimmen,


In welchen Gebieten (Wissenschaften) braucht man Statistik?

• In den empirischen Wissenschaften(auch Realwissenschaften bzw. Erfahrungswissenschaften genannt)

- Naturwissenschaften- Sozialwissenschaften(man will neue Erkenntnisse gewinnen über einen Ausschnitt der Realität,dazu werden empirische Untersuchungen durchgeführt; hierbei fallen Datenan, die mit statistischen Methoden ausgewertet werden)

• In allen Bereichen, in denen große Datenmengen anfallen, aus denen man Erkenntnisse gewinnen will

Modul 01 (4):

19


• Zur Geschichte der Statistik

Die „praktische Statistik“ ist 4.000 – 5.000 Jahre alt.Der Ursprung ist nicht die Mathematik.(Pythagoras war kein Statistiker!)Ausgangspunkt der Statistik: (Staats-)Verwaltung/Management von großen Projekten

Die Mathematik kam erst vor rund 300 Jahren dazuüber die Wahrscheinlichkeitsrechnung.

Schließende Statistik

Modul 01 (5):


Modul 01 (6):

157 m

Kölner Dom

EU-Butter-berg

EU-Butter-berg

300.000 Tonnen

20


Modul 01 (6):

Anzahl der nicht bestandenen KlausurenDurchfallquote = Anzahl der Besucher der Vorlesung

Richtige Definition/Operationalisierungdes Begriffs „Durchfallquote“???


Modul 01 (6):

Elektroenergieverbrauch

Wovon abhängig?

X

B

A

...Erklärungsmodell

Prognosemodell

Einfluss-faktoren

21


Modul 01 (6):

K E ?


Energie-Sparen durch höheren Kartoffel-Verbrauch ?

Die Daten stammen aus: Statistische Jahrbücher der Bundesrepublik Deutschland 1968 - 1990

60kg 70kg 80kg 90kg 100kg 110kg 120kg0

20

40

60

80

100

120

0 Mrd. kWh

20 Mrd. kWh

40 Mrd. kWh

60 Mrd. kWh

80 Mrd. kWh

100 Mrd. kWh

120 Mrd. kWh

Energie-Sparen durch höheren Kartoffel-Verbrauch ?

Die Daten stammen aus: Statistische Jahrbücher der Bundesrepublik Deutschland 1968 - 1990

60kg 70kg 80kg 90kg 100kg 110kg 120kg0

20

40

60

80

100

120

0 Mrd. kWh

20 Mrd. kWh

40 Mrd. kWh

60 Mrd. kWh

80 Mrd. kWh

100 Mrd. kWh

120 Mrd. kWh

Korrelationstatistischer Zusammenhang

Scheinkorrelation(kein kausaler

Zusammenhang)

Kausalitätkausaler Zusammenhang

Ursache-Wirkungs-Beziehung

… denn sonst könnte man denEnergie-Verbrauch durch Kartoffel-

Verbrauch beeinflussen …

Modul 01 (6):

22


Modul 01 (6):

Abbildung 01.32

So sieht die Wahrheit aus …

Quelle: Umsatzzahlen des Produktes ABC, Vertriebsabteilung

JanFeb

MärzApr

MaiJun

JulAug

SeptOkt

NovDez

JanFeb

MärzApr

MaiJun

JulAug

SeptOkt

NovDez

JanFeb

MärzApr

MaiJun

JulAug

SeptOkt

NovDez

JanFeb

MärzApr

MaiJun

JulAug

SeptOkt

NovDez

Jan

2005 2006 2007 2008 2009

0

10

20

30

40

50Umsatz in Mio €

Abbildung 01.33


• Warum Misstrauen in der Bevölkerung gegenüber den Ergebnissen statistischer Untersuchungen?

Einige Gründe …

- Ergebnisse unterschiedlich interpretierbar,insbes. durch geschickte Relativierung (EU-Butterberg)

- falsche Operationalisierung der Begriffe („Durchfallquote“)

- Korrelation ≠ Kausalität (Kartoffel- und Energieverbrauch)

- selektive Auswahl von Daten/Informationen

Modul 01 (6):

Modul 01: Einführung - fh-dortmund.de · Modul 01: Statistik und ... 01 Prof. Dr. W. Laufner 21...

Documents

Transcript of Modul 01: Einführung - fh-dortmund.de · Modul 01: Statistik und ... 01 Prof. Dr. W. Laufner 21...