Artwork

Inhalt bereitgestellt von Barbara Bredner. Alle Podcast-Inhalte, einschließlich Episoden, Grafiken und Podcast-Beschreibungen, werden direkt von Barbara Bredner oder seinem Podcast-Plattformpartner hochgeladen und bereitgestellt. Wenn Sie glauben, dass jemand Ihr urheberrechtlich geschütztes Werk ohne Ihre Erlaubnis nutzt, können Sie dem hier beschriebenen Verfahren folgen https://de.player.fm/legal.
Player FM - Podcast-App
Gehen Sie mit der App Player FM offline!

#26 Wie funktioniert Verteilungsprüfung?

26:38
 
Teilen
 

Manage episode 306288938 series 2924427
Inhalt bereitgestellt von Barbara Bredner. Alle Podcast-Inhalte, einschließlich Episoden, Grafiken und Podcast-Beschreibungen, werden direkt von Barbara Bredner oder seinem Podcast-Plattformpartner hochgeladen und bereitgestellt. Wenn Sie glauben, dass jemand Ihr urheberrechtlich geschütztes Werk ohne Ihre Erlaubnis nutzt, können Sie dem hier beschriebenen Verfahren folgen https://de.player.fm/legal.
Wann sind Messwerte normalverteilt?

Wie funktioniert Verteilungsprüfung?

  1. Wie funktioniert die grafische Verteilungsprüfung?
  2. Welcher Verteilungstest ist der beste?
  3. Warum ist es eine ganz schlechte Idee, die Verteilung automatisch auszuwählen?

Wir arbeiten gerne mit bekannten Methoden, deshalb werden in der Verteilungsprüfung oft Histogramme mit Verteilungskurven angeschaut oder der Kolmogorov-Smirnov-Test gerechnet. Warum beide Methoden weniger gut geeignet sind und welche besseren Auswertungsverfahren es gibt, darum geht es in der heutigen Folge von "Irgendwas mit Daten".

Außerdem wird die Frage beantwortet, warum die automatische Verteilungsauswahl oder Verteilungsidentifikation selten gute Ergebnisse liefert und welche Schritte besser und zuverlässiger zu einer gut gewählten Verteilung führen.

Links

👉 NCSS: Probability Plots / Formeln für Wahrscheinlichkeitsnetze
👉 Groß, Jürgen: A Normal Distribution Course Wahrscheinlichkeitsnetz bzw. QQ-Plot S. 98
👉 Bredner, Barbara und Stanger, Karl: Fähigkeit bei technisch begrenzten Merkmalen
👉 Johnson, Norman L.; Kotz, Samuel Kotz; Balakrishnan, Narayanaswamy: Continuous Univariate Distributions, Volume 1
👉 Johnson, Norman L.; Kotz, Samuel Kotz; Balakrishnan, Narayanaswamy: Continuous Univariate Distributions, Volume 2
👉 The American Statistician: The ASA Statement on p-Values: Context, Process and Purpose

Wie halten Sie es mit der Verteilungsprüfung?

Ich freue mich über Ihre Nachricht! Barbara Bredner, post@irgendwas-mit-daten.io

  continue reading

51 Episoden

Artwork
iconTeilen
 
Manage episode 306288938 series 2924427
Inhalt bereitgestellt von Barbara Bredner. Alle Podcast-Inhalte, einschließlich Episoden, Grafiken und Podcast-Beschreibungen, werden direkt von Barbara Bredner oder seinem Podcast-Plattformpartner hochgeladen und bereitgestellt. Wenn Sie glauben, dass jemand Ihr urheberrechtlich geschütztes Werk ohne Ihre Erlaubnis nutzt, können Sie dem hier beschriebenen Verfahren folgen https://de.player.fm/legal.
Wann sind Messwerte normalverteilt?

Wie funktioniert Verteilungsprüfung?

  1. Wie funktioniert die grafische Verteilungsprüfung?
  2. Welcher Verteilungstest ist der beste?
  3. Warum ist es eine ganz schlechte Idee, die Verteilung automatisch auszuwählen?

Wir arbeiten gerne mit bekannten Methoden, deshalb werden in der Verteilungsprüfung oft Histogramme mit Verteilungskurven angeschaut oder der Kolmogorov-Smirnov-Test gerechnet. Warum beide Methoden weniger gut geeignet sind und welche besseren Auswertungsverfahren es gibt, darum geht es in der heutigen Folge von "Irgendwas mit Daten".

Außerdem wird die Frage beantwortet, warum die automatische Verteilungsauswahl oder Verteilungsidentifikation selten gute Ergebnisse liefert und welche Schritte besser und zuverlässiger zu einer gut gewählten Verteilung führen.

Links

👉 NCSS: Probability Plots / Formeln für Wahrscheinlichkeitsnetze
👉 Groß, Jürgen: A Normal Distribution Course Wahrscheinlichkeitsnetz bzw. QQ-Plot S. 98
👉 Bredner, Barbara und Stanger, Karl: Fähigkeit bei technisch begrenzten Merkmalen
👉 Johnson, Norman L.; Kotz, Samuel Kotz; Balakrishnan, Narayanaswamy: Continuous Univariate Distributions, Volume 1
👉 Johnson, Norman L.; Kotz, Samuel Kotz; Balakrishnan, Narayanaswamy: Continuous Univariate Distributions, Volume 2
👉 The American Statistician: The ASA Statement on p-Values: Context, Process and Purpose

Wie halten Sie es mit der Verteilungsprüfung?

Ich freue mich über Ihre Nachricht! Barbara Bredner, post@irgendwas-mit-daten.io

  continue reading

51 Episoden

Alle Folgen

×
 
Loading …

Willkommen auf Player FM!

Player FM scannt gerade das Web nach Podcasts mit hoher Qualität, die du genießen kannst. Es ist die beste Podcast-App und funktioniert auf Android, iPhone und im Web. Melde dich an, um Abos geräteübergreifend zu synchronisieren.

 

Kurzanleitung