kann auch berechnet werden, wenn kein linearer Zusammenhang zwischen den variablen besteht, beide variablen müssen zumindest ordinalskaliert sein oder höheres Skalenniveau aufweisen

Spannweite = Differenz zwischen Maximum und Minimum im Datensatz, die Berechnung der Standardabweichung ist nur für metrisch skalierte Daten sinnvoll , berechnet sich aus den Wurzel der Varianz, 2. Quartiö entspricht den Median

Erlaubt die Vorhersage des Wertes einer abhängigen Variablen auf Basis einer oder mehrere unabhängigen Variablen, Die Regressionskoeffizienten der Regressionsgleichung können auch negative Werte annehmen

Modus/Modalwert sinnvolles Lagemaß für nominalskalierte Daten, Das 1. Quartiel zeigt an, dass unter diesem Wert 25% der sortierten Daten liegen, Der Median teilt die geordnete Daten in 2 Hälften , die Berechnung des Mittelwert ist für metrisch skalierte Daten sinnvoll, innerhalb des 1. und 3 Quartil liegen 50 % der erhobenen Daten

Merkmalsausprägung = Wien/Klagenfurt, Merkmalsträger = Person

Korrelation kann nur Werte von -1 bis +1 annehmen, Korrelation ist symmetrisch, Reihenfolge nicht relevant, Korrelation von 0 bedeutet einen stärkeren Zusammenhang als eine Korrelation von -0,8, wie auch von -0,8 als +0,4

Abhängige Variable muss ordinalskaliert sein, Unabhängigkeit der Stichprobe/Gruppen

Körpergröße , mon. Einkommen, Körpertemperatur , reaktionszeit in Sekunden, Intelligenzquotient, Körpergewicht in kg, Laufzeit 100 m, Grundbesitz in m2

Hypothese = Unterschiedshypothese, Hypothese = gerichtet formuliert

Schwellenwert von 0,05 > nicht signifikant , signifikant < 0,05 - H0 verwerfen, H1 annehmen

Der Beta Fehler gibt die Wahrscheinlichkeit an, mit der die H0 beibehalten wird, obwohl die H1 zutrifft

Merkmalsausprägung = Weiblich/Bürokauffrau, Merkmale = Geschlecht/Beruf

? Ergebnis im Intelligenztest = unabhängig Variable, ? Ergebnis im Intelligenztest = stetige Variable

metrische Werte der abhängigen Variablen, Normalverteilung der Differenz der gepaarten Werte

sehr geringer Zusammenhang = 0,0-0,10, geringer Zusammenhang = 0,10 - 0,30, mittlerer Zusammenhang = 0,3 - 0,7 , hoher Zusammenhang = 0,7 - 0,9 , sehr hoher Zusammenhang = über 0,9

Lineare Zusammenhang zwischen den Variablen , keine extremen Ausreißer in den Daten, bivariate Normalverteilung

Zusammenhangshypothese, kann mit Korrelation geprüft werden

Gibt die Wahrscheinlichkeit an, mit der die H1 angenommen wird, obwohl die H0 zutrifft

Modus (häufigster Wert) = 199, Median (mittlerer Wert) = 201, Mittelwert (Summe/11) = 215, Spannweite (Differenz zwischen größten/kleinsten Wert) = 100

Untersuchung über die steigende Produktion im Baugewerbe, Untersuchung über den Anstieg der Altersarmut

Platzierung im 100m Wettlauf , Sternebwertung Hotel, Körpergröße (S, M, L), Ranglisten Golf, Energieeffizienzklassen

ist symmetrisch gegenüber dem Mittelwert, Werte sind im zentralen Bereich am stärksten Konzentiert , +/- einer Standardabweichung vom Mittelwert liegen rund 2/3 der Messwerte, parameter ų Mittelwert und q2 Varianz eindeutig bestimmt

Untersuchung über Einkommensänderung, Prüfung der Abweichung von der optimalen Bestellmenge

Längsschnittuntersuchung (wiederholte Erhebung), Paneldesign (identische Merkmalsträger: Personen)

Geburtstort/Monat, Erstsprache, Geschlecht, Sternzeichen, PLZ, Rand Militär -Berufspostion, Augenfarbe , Autokennzeichen, Staatsbürgerschaft

Homogenität der Varianzen, Keine Extremen Ausreißer in den Daten

Abhängige Variable muss metrisch sein, Normalverteilung der abhängigen Variablen in den Gruppen

Geschlecht des Recruiters = unabhängige Variable, Geschlecht = Diskrete Variable

Merkleistung = abhängige Variable, Körpertemperatur = stetige Variable