Zusammenfassung
Die deskriptive (beschreibende) Statistik hat zum Ziel, empirische Daten durch Tabellen und Grafiken übersichtlich darzustellen und zu ordnen, sowie durch geeignete grundlegende Kenngrößen zahlenmäßig zu beschreiben. Vor allem bei umfangreichem Datenmaterial ist es sinnvoll, sich einen ersten Überblick zu verschaffen. Durch eine systematische Beschreibung der Daten mit Hilfsmitteln der deskriptiven Statistik können mitunter auch Fehler in den Daten – beispielsweise durch Tippfehler bei der Dateneingabe oder fehlerhafte Ergebnisse von Texterkennungssystemen – erkannt werden. Die deskriptive Statistik verwendet keine stochastischen Modelle, so dass die dort getroffenen Aussagen nicht durch Fehlerwahrscheinlichkeiten abgesichert sind. Dies kann durch die Methoden der schließenden Statistik erfolgen, sofern die untersuchten Daten den dort unterstellten Modellannahmen genügen. Die explorative (erkundende) Statistik hat darüber hinaus zum Ziel, bisher unbekannte Strukturen und Zusammenhänge in den Daten zu finden und hierdurch neue Hypothesen zu generieren. Diese auf Stichprobendaten beruhenden Hypothesen können dann im Rahmen der schließenden Statistik mittels wahrscheinlichkeitstheoretischer Methoden auf ihre Allgemeingültigkeit untersucht werden.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Es sei an dieser Stelle kurz darauf hingewiesen, dass die Sprache der Datenbanken eine andere Terminologie als die Statistik verwendet. Insbesondere bezeichnet Table eine Datentabelle und statt von Merkmalen oder Variablen spricht man von Attributen.
- 2.
Es ist üblich, nicht streng zwischen Spalten- und Zeilenvektoren zu unterscheiden, wenn dies keine Rolle spielt.
- 3.
Anscombe, F. J. (1973). Graphs in Statistical Analysis. The American Statistician, 27, 1, 17–21.
Literaturverzeichnis
Bamberg, G., & Bauer, F. (1998). Statistik. München: Oldenbourg.
Cramer, E., Kamps, U., & Oltmanns, E. (2007). Wirtschaftsmathematik (2. Aufl.). München: Oldenbourg.
Cramer, E., & Kamps, U. (2014). Grundlagen der Wahrscheinlichkeitsrechnung und Statistik (3. Aufl.). Berlin: Springer Spektrum.
Dehling, H., & Haupt, B. (2004). Einführung in die Wahrscheinlichkeitstheorie und Statistik. Berlin: Springer.
Fahrmeir, L., Künstler, R., Pigeot, I., & Tutz, G. (2004). Statistik – Der Weg zur Datenanalyse (5. Aufl.). Berlin: Springer.
Härdle, W. (1990). Applied Nonparametric Regression. Cambridge: Cambridge University Press.
Hartung, J., Elpelt, B., & Klösener, K.-H. (2002). Statistik (13. Aufl.). München: Oldenbourg.
Kockelkorn, U. (1993). Statistik für Anwender. Berlin: Skript.
Kockelkorn, U. (2000). Lineare statistische Methoden. München: Oldenbourg.
Rohatgi, V. K., & Saleh, E. (2001). An Introduction to Probability and Statistics. New York: Wiley.
Schlittgen, R. (1996). Statistische Inferenz. München: Oldenbourg.
Schlittgen, R. (2003). Einführung in die Statistik (10. Aufl.). München: Oldenbourg.
Steland, A. (2004). Mathematische Grundlagen der empirischen Forschung. Berlin: Springer.
Stock, J. H., & Watson, M. H. (2007). Introduction to Econometrics. Boston: Pearson International.
Sydsaeter, K., & Hammond, P. (2006). Mathematik für Wirtschaftswissenschaftler. München: Pearson-Studium.
Zucchini, W., Schlegel, A., Nenadić, O., & Sperlich, S. (2009). Statistik für Bachelor- und Masterstudenten. Berlin/Heidelberg: Springer.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2016 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Steland, A. (2016). Deskriptive und explorative Statistik. In: Basiswissen Statistik. Springer-Lehrbuch. Springer Spektrum, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-49948-1_1
Download citation
DOI: https://doi.org/10.1007/978-3-662-49948-1_1
Published:
Publisher Name: Springer Spektrum, Berlin, Heidelberg
Print ISBN: 978-3-662-49947-4
Online ISBN: 978-3-662-49948-1
eBook Packages: Life Science and Basic Disciplines (German Language)