Auswertung univariater Datenmengen - deskriptiv Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 1 Lage- und Streuungsparameter V Bibliografie ¾ Prof. Dr. Kück; Statistik, Vorlesungsskript Abschnitt 6.1.3, 6.1.4, 6.1.5 ¾ Bleymüller/Gehlert/Gülicher; Statistik für Wirtschaftswissenschaftler Verlag Vahlen ¾ Bleymüller/Gehlert; Formeln, Tabellen und Programme Verlag Vahlen Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 2 Lage- und Streuungsparameter V 1 Standardisierte Maßzahlen Will man mehrere Eigenschaften (Merkmale) der Objekte (Einheiten) miteinander vergleichen, ist es erforderlich, die unterschiedlichen Merkmalsdimensionen auszuschalten. Das geschieht mittels Standardisierung. Die hier behandelten Formen der Standardisierung sind: ¾ z-Transformation ¾ 0,1-Standardisierung Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 3 Lage- und Streuungsparameter V z-Transformation Es gilt: a −µ zi = i σ Abweichung gegenüber dem Mittel Dabei bedeuten: zi : neuer Wert ai : alter Wert µ : arithmetisches Mittel σ : Standardabweichung Die Differenz zwischen Merkmalswert und Mittelwert im Zähler sowie die Standardabweichung im Nenner haben die selbe Dimension, die sich wegkürzt. Durch z-Transformation erhält man dimensionslose Daten. Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 4 Lage- und Streuungsparameter V 2 z-Transformation Eigenschaften der standardisierten Werte zi: ¾ sie sind dimensionslose relative Abweichungen, ¾ das arithmetische Mittel ist Null, E(Z) = 0 ¾ die Varianz hat den Wert Eins, V(Z) = 1 Gemessene Werte Standardisierte Werte Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 0 ai 0 zi 5 Lage- und Streuungsparameter V z-Transformation Die standardisierten Werte zi sind anschaulicher als die f(z) Ausgangswerte ai, denn: –1 < zi < 1 einfacher Streubereich –2 < zi < 2 doppelter Streubereich –3 < zi < 3 dreifacher Streubereich -3 -2 -1 0 68,3%* 1 2 3 z 95,5%* 99,7%* Abweichungen im einfachen Streubereich drücken Normalität in den Abweichungen aus, Abweichungen im dreifachen Streubereich sind eher unwahrscheinlich. *Die angegebenen Wahrscheinlichkeiten gelten nur für die Normalverteilung! Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 6 Lage- und Streuungsparameter V 3 z-Transformation Beispiel: Die standardisierten Merkmalswerte der Leistung der 250 Autos weisen folgende Verteilung auf: SPSS-Diagramm Normalverteilungskurve Std.abw. = 1,00 Mittel = 0,00 N = 250,00 00 4, 50 3, 00 3, 50 2, 00 2, 50 1, 00 1, 0 ,5 00 0, 0 -,5 0 ,0 -1 0 ,5 -1 Z-Wert: Leistung [PS] Ein Merkmalswert von 280 PS entspricht einem zi-Wert von 2,24; er liegt außerhalb des zweifachen Streubereiches und ist somit auffällig abweichend vom Mittelwert. 7 Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik Lage- und Streuungsparameter V z-Transformation Beispiel: Stellt man die standardisierten Werte des Verbrauches dar, so ergibt sich folgende Verteilung: SPSS-Diagramm 40 Normalverteilungskurve 30 20 10 Std.abw. = 1,00 Mittel = 0,00 N = 250,00 0 25 3, 25 2, 75 2, 75 1, 25 1, 5 ,7 5 5 5 ,2 -, 2 25 75 5 ,2 -, 7 -1 , -2 , -1 Z-Wert: Kraftstoffverbrauch durchschnittlich Der VW Lupo mit einem Verbrauch von 4,3 l/100 km hat einen standardisierten Wert von -2,17 , der Ford Mondeo 2,5i V6 hat einen z-Wert von 2,8. Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 8 Lage- und Streuungsparameter V 4 z-Transformation - Beispiel Beispiel: Wie sind einzelne Fahrzeuge hinsichtlich ihrer Leistungsausstattung und ihrem Benzinverbrauch vergleichend zu beurteilen? Z-Wert des Verbrauchs VW Lupo -2,17 Ford Mondeo 2,5i V6 2,8 Volvo S80 2,4 0,25 Z-Wert der Leistung < > ≈ -0,88 0,78 0,26 Analytische Interpretation: Bezüglich der 250 untersuchten Autos hat VW Lupo sowohl eine unterdurchschnittliche Leistung als auch einen unterdurchschnittlichen Verbrauch. Jedoch ist der Verbrauch deutlich geringer als die Leistung im Vergleich zu den anderen 249 Autos. VW Lupo ist ein Fahrzeug, das einen geringen Energieeinsatz je Leistung hat. Negativ fällt in dieser Hinsicht Ford Mondeo auf, Volvo S80 ist „ausgeglichen“. Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 9 Lage- und Streuungsparameter V z-Transformation - Beispiel Beispiel: Vergleich zweier Messreihen in unterschiedlichen Wertebereichen: Was erkennt man daraus? 1 2 3 4 5 6 7 8 9 10 Mittelwert Streuung Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik a (1) 1,8 2,1 4,7 1,6 2,5 1,3 2,8 3,2 4,4 3,6 2,8 1,1 a (2) 2314 2700 6043 2057 3214 1672 3600 4114 5657 4629 3600 1422 z (1) -0,90 -0,63 1,72 -1,09 -0,27 -1,36 0,00 0,36 1,45 0,72 0,00 1,00 z (2) -0,90 -0,63 1,72 -1,09 -0,27 -1,36 0,00 0,36 1,45 0,72 0,00 1,00 10 Lage- und Streuungsparameter V 5 0,1-Standardisierung Eine weitere Standardisierungsmöglichkeit ist die Eingrenzung des Wertebereiches [0….1) . a i − a max si = a min − a max Sind alle ai positiv, so liegen alle si zwischen o und 1. Für den maximalen Merkmalswert amax nimmt die standardisierte Größe si den Wert 0 an, für den minimalen Merkmalswert amin ist si gleich 1. Man sieht somit deutlich Abweichungen gegenüber dem Höchstwert, der zum Maßstab der Standardisierung gemacht wird. Das ist bei Unternehmensvergleichen mit ökonomischen Kennzahlen sinnvoll. Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 11 Lage- und Streuungsparameter V 0,1-Standardisierung von zwei Reihen - Beispiel 1 2 3 4 5 6 7 8 9 10 Minimum Maximum a (1) 1,8 2,1 4,7 1,6 2,5 1,3 2,8 3,2 4,4 3,6 1,3 4,7 Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik a (2) 2314 2700 6043 2057 3214 1672 3600 4114 5657 4629 1672 6043 s (1) 0,85 0,76 0,00 0,91 0,65 1,00 0,56 0,44 0,09 0,32 1,00 0,00 s (2) 0,85 0,76 0,00 0,91 0,65 1,00 0,56 0,44 0,09 0,32 1,00 0,00 12 Lage- und Streuungsparameter V 6 Ausreißerproblematik bei 0,1-Standardisierung - Beispiel Beispiel: Würde Nils nicht 101 kg sondern ungesunde 146 kg wiegen, hat die Änderung des Maximalwertes Auswirkung auf alle standardisierten Werte: Name Nr. i xi si Lisa 1 44 1,00 Anna 2 46 0,96 Antje Marie Dörte 3 4 5 50 54 56 0,89 0,82 0,79 Sven 6 69 0,56 Uwe 7 72 0,51 Kai 8 78 0,40 Jan 9 80 0,37 Nils 10 101 0,00 Name Nr. i xi si Lisa 1 44 1,00 Anna 2 46 0,98 Antje Marie Dörte 3 4 5 50 54 56 0,94 0,90 0,88 Sven 6 69 0,75 Uwe 7 72 0,73 Kai 8 78 0,67 Jan 9 80 0,65 Nils 10 146 0,00 Die gleiche Auswirkung hätte die Änderung des Minimalwertes – in diesem Fall das Gewicht von Lisa. Die 0,1-Standardisierung ist daher problematisch. Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 13 Lage- und Streuungsparameter V Einführung Momente Momente sind Maßzahlen für die Beurteilung eindimensionaler Häufigkeitsverteilungen. Sie sind durchschnittliche potenzierte Abweichungen der Merkmalswerte von einem Bezugspunkt. Man unterscheidet folgende Arten zur Bildung der Momente: ¾ Gewöhnliche Momente mit dem Bezugspunkt Null m r (0 ) = 1 N r ∑ xi N i =1 ¾ Zentrale Momente um den Bezugspunkt des arithmetischen Mittels m r (µ ) = Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 1 N (x i − µ )r ∑ N i =1 14 Lage- und Streuungsparameter V 7 Momente, Schiefe und Wölbung ¾ Das gewöhnliche erste Moment mit dem Bezugspunkt Null ist das arithmetische Mittel: 1 N µ = m1 (0) = ∑ x 1i N i =1 ¾ Das 2., 3. und 4. zentrale Moment mit dem Bezugspunkt des arithmetischen Mittel ergeben: ¾ die Varianz: σ 2 = m 2 (µ ) = ¾ die Schiefe: m 3 (µ ) = 1 N ¾ die Wölbung: m (µ ) = 1 4 1 N (x i − µ )2 ∑ N i =1 N ∑ (x i =1 − µ) i − µ) 3 N ∑ (x N Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik i i =1 4 15 Lage- und Streuungsparameter V Momente Schiefe und Wölbung ¾Die angegebenen Maße sind absolute Maßzahlen, welche die jeweilige Dimension der Merkmalsausprägung in der jeweiligen Potenz haben. (z. B. hat das Schiefemaß für die Verteilung einer Zeitdauer in Stunden die Dimension Stunden³) ¾Daher ergeben sich oft sehr hohe Werte, die für praktische Auswertungen ungeeignet sind. Momente werden deshalb auch als relative Maßzahlen angegeben. Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 16 Lage- und Streuungsparameter V 8 Momente Schiefe und Wölbung Aussage dieser Momente: ¾Neben Lageparametern und Streuungsmaßen lässt sich eine Häufigkeitsverteilung auch noch durch Parameter beschreiben, welche die Form der Verteilung charakterisieren. Hierzu gehören die Momente Schiefe und Wölbung. ¾Schiefe- und Wölbungsmaße sind deshalb sinnvoll, weil Häufigkeitsverteilungen trotz gleichem arithmetischen Mittel und gleicher Standardabweichung unterschiedliche Formen aufweisen können. 17 Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik Lage- und Streuungsparameter V Momente Schiefe und Wölbung - Beispiel Beispiel: Folgende drei Häufigkeitsverteilungen haben bei gleichem arithmetischen Mittel von 10 und gleicher Varianz von 6,4 unterschiedliche Formen: 1 2 Klassenmitte xi 4 0,1 f(xi) 6 0,1 8 0,2 10 0,5 12 0,2 14 0,1 16 0,1 Klassenmitte xi f(xi) 6 0,2 8 0,2 10 0,3 12 0,2 14 0,2 16 0 4 0 0,6 0,5 0,4 0,3 0,2 0,1 0 0,4 0,3 0,2 0,1 0 0,5 3 Klassenmitte xi 4 0,1 f(xi) 6 0,1 8 0,2 10 0,3 12 0,4 14 0,1 16 0 0,4 0,3 0,2 0,1 Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 0 18 Lage- und Streuungsparameter V 9 Momente Schiefe und Wölbung 1 2 0,6 0,5 0,4 0,3 0,2 0,1 0 3 0,4 0,5 0,3 0,4 0,2 0,3 0,2 0,1 0,1 0 0 1 und 2 sind symmetrische Verteilungen, wobei sich bei 1 die Merkmalswerte stärker um den Mittelwert konzentrieren. Die Verteilungen 1 und 2 unterscheiden sich in ihrer Steilheit. Verteilung 3 ist asymmetrisch, konkret: linksschief (rechtssteil). Die Steilheit der Verteilung wird durch das Maß der Wölbung ausgewiesen. Die Asymmetrie wird durch das Maß der Schiefe ausgewiesen. Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 19 Lage- und Streuungsparameter V Schiefe (skewness) Eine Verteilung ist symmetrisch, wenn es eine Symmetrieachse gibt, so dass linke und rechte Hälfte der Verteilung spiegelbildlich sind: 0,3 0,25 0,2 0,15 0,1 0,05 0 Bei empirischen Verteilungen ist exakte Symmetrie selten! Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 20 Lage- und Streuungsparameter V 10 Schiefe (skewness) ¾Eine Verteilung ist rechtsschief bzw. linkssteil, wenn der überwiegende Teil der Daten linksseitig lokalisiert ist, d.h. kleine Merkmalsausprägungen große Häufigkeiten haben. 0,50 0,40 0,30 0,20 0,10 0,00 1 ¾Eine Verteilung ist linksschief bzw. rechtssteil, wenn der überwiegende Teil der Daten rechtsseitig lokalisiert ist, d.h. große Merkmalsausprägungen große Häufigkeiten haben. Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 2 3 4 5 6 7 0,25 0,2 0,15 0,1 0,05 0 21 Lage- und Streuungsparameter V Absolutes Schiefemaß (skewness) Das absolute Schiefemaß ist wie folgt definiert: 1 N 3 m 3 (µ ) = ∑ (x i − µ ) N i =1 Das Schiefemaß ist das Mittel der kubierten Abweichung der Einzelwerte vom Mittel. Da durch die 3. Potenz das Vorzeichen der Abweichung erhalten bleibt, kürzen sich bei symmetrischen Verteilungen die Abweichungen weg; bei asymmetrischen Verteilungen wird jedoch ein Schiefemaß größer oder kleiner Null ausgewiesen. Bei rechtsschiefer Verteilung ist das Maß positiv, bei symmetrischer Verteilung ist das Maß Null, bei linksschiefer Verteilung ist das Maß negativ. Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 22 Lage- und Streuungsparameter V 11 Relatives Schiefemaß (skewness) Das absolute Schiefemaß ist umso größer, je größer die Streuung der Merkmalswerte ist. Um die Schiefe verschiedener Verteilungen zu vergleichen, empfiehlt sich eine Normierung. Analog zum Variationskoeffizienten erhält man ein relatives Maß: Relatives Schiefemaß: (drittes Standardmoment) m *3 (µ ) = m 3 (µ ) σ³ Das relative Schiefemaß ist eine dimensionslose Größe, welche die relative Abweichung von der Symmetrie indiziert. Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 23 Lage- und Streuungsparameter V Schiefemaß (skewness) - Beispiel Beispiel: Für die 250 untersuchten Autos soll die Verteilung des Anschaffungspreises mit der Verteilung des Kraftstoffverbrauches verglichen werden: 60 SPSS-Diagramm 40 50 30 40 30 20 20 10 Std.abw. = 26500,57 10 Mittel = 42609,9 Std.abw . = 1,81 N = 250,00 0 N = 250,00 0 ,0 14,50 13,00 13,50 12,00 12,50 11,00 11,50 10,00 10 50 9, 0 0 9, 0 5 8, 0 0 8, 0 5 7, 0 0 7, 0 5 6, 0 0 6, 0 5 5, 0 0 5, 0 5 4, ,0 00 00 21 0,0 0 00 19 0,0 0 00 17 0,0 0 00 15 0,0 0 00 13 0,0 0 00 11 ,0 0 00 90 ,0 0 00 70 ,0 0 00 50 ,0 0 00 30 ,0 0 00 10 Preis [DM] Mittel = 8,22 0 Kraftstoffverbrauch durchschnittlich [l/100km] Um die unterschiedlich dimensionierten Merkmale miteinander vergleichen zu können, wird das relative Schiefemaß verwendet: Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik m*3 (µ ) = m3 (µ ) σ³ 24 Lage- und Streuungsparameter V 12 Schiefemaß (skewness) - Beispiel Beispiel: Für die 250 untersuchten Autos soll die Verteilung des Anschaffungspreises mit der Verteilung des Kraftstoffverbrauches verglichen werden: 40 60 30 50 40 20 30 20 10 10 Std.abw . = 1,81 Std.abw. = 26500,57 Mittel = 8,22 Mittel = 42609,9 N = 250,00 0 N = 250,00 0 0 ,0 14,50 13,00 13 50 , 12,00 12,50 11 00 , 11,50 10,00 10 0 5 9, 0 9,00 5 8, 0 0 8, 0 7,50 0 7, 50 6, 0 0 6, 0 5,50 0 5, 0 5 4, ,0 00 00 21 0,0 0 00 19 0,0 0 00 ,0 17 00 00 15 0,0 0 00 13 0,0 0 00 11 ,0 0 00 90 ,0 0 00 70 0 0, 00 50 ,0 0 00 30 ,0 0 00 10 Kraftstoffverbrauch durchschnittlich [l/100km] Preis [DM] m *3 (µ )Preis = 2,935 m *3 (µ )Verbrauch = 0,668 Der optische Eindruck – die Verteilung der Anschaffungspreise ist stärker asymmetrisch als die Verteilung des Kraftstoffverbrauches – wird durch das relative Schiefemaß bestätigt. Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 25 Lage- und Streuungsparameter V Wölbung (Exzess, Kurtosis) Maßzahlen der Wölbung sollen charakterisieren, wie stark oder schwach der zentrale Bereich und die Randbereiche der Verteilung besetzt sind. Verteilungen mit gleicher Streuung können unterschiedliche Wölbungen besitzen. 0,6 0,5 0,4 0,3 0,2 0,1 0 0,4 0,3 0,2 0,1 0 Trotz gleicher Varianz weisen die beiden symmetrischen Verteilungen unterschiedliche Wölbungen auf. Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 26 Lage- und Streuungsparameter V 13 Absolutes Wölbungsmaß (Exzess, Kurtosis) Die absolute Wölbung ist wie folgt definiert: 1 N 4 m 4 (µ ) = ∑ (x i − µ ) N i =1 Das Wölbungsmaß ist aufgrund der vierten Potenz stets positiv. Ausnahme: alle Merkmalswerte sind gleich, es existieren keine Abweichungen vom Mittelwert. Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 27 Lage- und Streuungsparameter V Relatives Wölbungsmaß (Exzess, Kurtosis) Die relative Wölbung wird im Vergleich zur Standardnormalverteilung definiert, deren Wölbungsmaß 3 ergibt. Der Wert Null für das modifizierte relative Wölbungsmaß indiziert die Normalverteilung. Modifiziertes relatives Wölbungsmaß: m *4 (µ ) = m 4 (µ ) −3 σ4 ! Das modifizierte relative Wölbungsmaß kann analog zur Schiefe ein positives oder negatives Vorzeichen haben oder im Fall der Normalverteilung Null sein. • m*4(µ) = 0, Normalverteilung • m*4(µ) > 0, Maximum der Verteilung größer als NV • m*4(µ) < 0, Maximum der Verteilung kleiner als NV Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 28 Lage- und Streuungsparameter V 14 Wölbung - Grafische Darstellung m*4(µ) > 0 m*4(µ) = 0 m*4(µ) < 0 Normalverteilung Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 29 Lage- und Streuungsparameter V Beschreibung von Häufigkeitsverteilungen mittels grafischer Verfahren Das Diagramm eines Boxplots ermöglicht eine komprimierte Visualisierung einer univariaten Häufigkeitsverteilung, indem die fünf Punkte einer Verteilung zusammengefasst dargestellt werden. Aufbau des Boxplots: Merkmalsausprägung Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik • Maximum • oberes Quartil • Median • unteres Quartil • Minimum 30 Lage- und Streuungsparameter V 15 Boxplots bei asymmetrischer Verteilung Aus der konkreten Gestalt des Boxplots lassen sich Aussagen über die empirische Verteilung ableiten. ¾ Je nachdem, wo der Median innerhalb der Box liegt, lassen sich Aussagen über die Symmetrie der Verteilung treffen. Merkmalsausprägung ÆBei einer asymmetrischen Verteilung liegt der Median nicht mittig in der Box. Æ Ungleich breite Abstände zwischen Extrema und unteren bzw. oberen Quartil („whiskers“ ) indizieren ebenfalls Asymmetrie. ¾ Der Streubereich der Merkmalswerte wird durch die Spannweite der Extrema gekennzeichnet. Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 31 Lage- und Streuungsparameter V Boxplots bei symmetrischer Verteilung Für eine exakt symmetrische Verteilung hat das Boxplot folgende Gestalt: ¾ die Abstände zwischen Extrema und unteren bzw. oberen Quartil sind gleich. Merkmalsausprägung ¾ Der Median liegt mittig in der Box, Jegliche Abweichungen davon bedeuten Asymmetrie der empirischen Verteilung. Bei empirischen Verteilungen ist exakte Symmetrie selten! Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 32 Lage- und Streuungsparameter V 16 Aussagen des Boxplots - Beispiel Beispiel: Für die 250 untersuchten Autos sei die Leistung der Großraumlimousinen, Kombis, Schrägheckfahrzeuge, Stufenhecklimousinen mittels der BoxplotDarstellung vergleichend dargestellt: 400 SPSS-Diagramm 250 249 248 247 246 245 300 235 229 223 214 215 216 211 Leistung [PS] 200 100 29 30 0 N= 16 20 117 97 GL K SH STH Karosserieform Die Gruppe der Großraumlimousinen ist im Vergleich am wenigsten asymmetrisch und weist beim Merkmal Leistung den geringsten Streubereich auf. Den größten Streubereich haben Stufenhecklimousinen. Extreme Leistungen im oberen Leistungsbereich gibt es bei SH und STH. Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 33 Lage- und Streuungsparameter V Boxplots - Ausreißerproblematik SPSS kann optional bestimmte Objekte aus der Erstellung des Boxplots ausschließen. 250 249 248 247 246 245 300 235 229 223 214 215 216 211 200 Leistung [PS] Als Ausreißer werden Objekte behandelt, deren Merkmalswerte zwischen 1,5 und 3 Boxlängen vom oberen oder unteren Rand der Box entfernt sind. Die Boxlänge entspricht dem interquartilen Bereich. 400 100 29 30 0 N= 16 20 117 97 GL K SH STH Karosserieform Als Extremwerte werden Objekte behandelt und gekennzeichnet ausgewiesen, deren Merkmalswerte mehr als 3 Boxlängen vom oberen oder unteren Rand der Box entfernt sind. Die Boxlänge entspricht dem Interquartilsabstand. Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 34 Lage- und Streuungsparameter V 17 Boxplots für Haushaltsnettoeinkommen in Ost- und Westdeutschland, Quelle: Datenreport 2004 - Beispiel Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 35 Lage- und Streuungsparameter V Lage- und Streuungsparameter Sind Sie wachsam! Alles Klar? Prof. Kück / R. Bernitz / Dr. Ricabal Lehrstuhl Statistik 36 Lage- und Streuungsparameter V 18