Statistische Grundlagen

- Mae fr die zentrale Tendenz

(Mittelwerte)
- Streuungsmae
- Zusammenhangsmae
Beschreibende (deskriptive) Statistik
Arbeitsablauf der statistischen Bearbeitung von Testergebnissen

1. Ordnung und Darstellung verhltnisskalierter Daten

Tabellarische Ordnung
1. Urliste
2. Primre Tafel
3. Hufigkeitstabelle (evtl. mit Klassenbildung)
Graphische Darstellung
1. Histogramm oder Polygonzug

2. Berechnung des
1. Modus
2. Median
3. arithmetischen Mittels x
 Skalenniveaus
Verhltnisskala
absoluter Nullpunkt
Rangordnung
gleiche Abstnde
Beispiele: m, kg, s, Temperaturskala in K

Intervallskala
Rangordnung
gleiche Abstnde
Beispiel: Temperaturskala in C

Ordinalskala
Rangordnung
Beispiele: Plazierungen, trifft zu - trifft weniger zu - trifft nicht zu

Nominalskala
keine Voraussetzungen
Beispiel: Ja/Nein
Median (Zentralwert)

- Wert, bei dem 50% der Messwerte erreicht (kummuliert) sind.

- Ermittlung aus einer geordneten Reihe von Messwerten.

i 100m-Zeit [s]

1 12,9
2 13,0 Median bei 5 Messwerten:
3 13,3 13,3 s
4 14,0
Median bei 6 Messwerten:13,65 s
5 14,5
6 14,9
(13,3 + 14,0):2

Voraussetzung: mindestens Ordinalskala!

Modus (Gipfelwert)

- Wert, der am hufigsten vorkommt.

Hochsprung-
i hhe [m]
Anzahl n

1 1,35 3
2 1,40 4
3 1,45 8 Modus bei 1,45 m
4 1,50 6
5 1,55 3
6 1,60 2
7 1,65 1

Voraussetzung: Nominalskala
Mittelwert (x) 142,3
xK 14,23
10
n

x
1
x i xS
416,54
41,65
n 10
i 1
i Kugel (xK) Speer (xS)
1 16,00 45,68
2 15,66 55,24
142,3
3
4
16,30
13,77
46,62
35,82
xK 14,23
5 13,11 41,84 10
6 13,39 38,64
7 13,11 35,42
416,54
8 15,12 43,40 xS 41,65
9
10
12,63
13,21
35,64
38,24
10
S 142,30 416,54
x Voraussetzung: mindestens Intervallskala!
14,23 41,65
Beschreibende (deskriptive) Statistik
Arbeitsablauf der statistischen Bearbeitung von Testergebnissen

1. Ordnung und Darstellung verhltnisskalierter Daten

Tabellarische Ordnung
1. Urliste
2. Primre Tafel
3. Hufigkeitstabelle (evtl. mit Klassenbildung)
Graphische Darstellung
1. Histogramm oder Polygonzug

2. Berechnung des Mae fr die zentrale Tendenz

1. Modus
2. Median
3. arithmetisches Mittels x

3. Berechnung der Streuungsmae

Variationsbreite (Range), R = xmax - xmin
Standardabweichung s
Variabilttskoeffizient v
Warum Berechnung der Streuungsmae?
- Streuung verschiedener Verteilungen mit gleichem Mittelwert
Standardabweichung (s) 17,28
sK 1,39
9
n 358,34
( xi x )
1 sS 6,31
s 2
9
n 1
i 1

i Kugel (xK) (xi - x) (xi - x)2 Speer (xS) (xi - x) (xi - x)2

1 16,00 1,77 3,13 45,68 4,03 16,21

2 15,66 1,43 2,04 55,24 13,59 184,58
17,28
3 16,30 2,07 4,28 46,62 4,97 24,66 sK 1,39
4 13,77 -0,46 0,21 35,82 -5,83 34,04
9
5 13,11 -1,12 1,25 41,84 0,19 0,03
358,34
6 13,39 -0,84 0,71 38,64 -3,01 9,08 sS 6,31
7 13,11 -1,12 1,25 35,42 -6,23 38,86
9
8 15,12 0,89 0,79 43,40 1,75 3,05
9 12,63 -1,60 2,56 35,64 -6,01 36,17
10 13,21 -1,02 1,04 38,24 -3,41 11,66
S 142,30 17,28 416,54 358,34
x 14,23 41,65
s 1,39 6,31
Standardabweichung (s)
17,28
n sK 1,39

1 9
s ( xi x )2
n 1 sS
358,34
6,31
i 1 9

Variabilittskoeffizient (v) 1,39

vK 0,097
s 14,23
v vS
6,31
0,15
x 41,65

Z-Transformation
XK5=13,11 z xK 5
13,11 - 14,23
-0,8
xi x 1,39
zi XS5=41,84 zxS 5
41,84 - 41,65
0,03
s 6,31
Komparative Statistik
- Ermittlung der Zusammenhnge zwischen zwei Merkmalen (Korrelationsrechnung)
- Produkt-Moment Korrelation rxy
- X-Y-Punktdiagramm

Korrelation Kugel-Speer

60

50
Speerwurfweite [m]

40

30

20

10

0
12 13 14 15 16 17
Kugelstoweite [m]
Korrelation (rxy)
n

(x i x ) (y i y )
i 1
rxy
n n

(x i x )2 ( y i y )2
i 1 i 1

i Kugel (xK) (xi - x) (xi - x)2 Speer (yS) (yi - x) (yi - x)2 (xiK - xK)(yiS - xS)

1 16,00 1,77 3,13 45,68 4,03 16,21 7,13

2 15,66 1,43 2,04 55,24 13,59 184,58 19,43
3 16,30 2,07 4,28 46,62 4,97 24,66 10,28
4 13,77 -0,46 0,21 35,82 -5,83 34,04 2,68
5 13,11 -1,12 1,25 41,84 0,19 0,03 -0,21
6 13,39 -0,84 0,71 38,64 -3,01 9,08 2,53
7 13,11 -1,12 1,25 35,42 -6,23 38,86 6,98
8 15,12 0,89 0,79 43,40 1,75 3,05 1,55
9 12,63 -1,60 2,56 35,64 -6,01 36,17 9,62
10 13,21 -1,02 1,04 38,24 -3,41 11,66 3,48
S 142,30 17,28 416,54 358,34 63,48
x 14,23 41,65
s 1,39 6,31
Korrelation (rxy)
n

(x i x ) (y i y ) 63,48
rxy
i 1
rxy 0,81
17,28 358,34
n n

(x i x )2 ( y i y )2
i 1 i 1

i Kugel (xK) (xi - x) (xi - x)2 Speer (yS) (yi - x) (yi - x)2 (xiK - xK)(yiS - xS)

1 16,00 1,77 3,13 45,68 4,03 16,21 7,13

2 15,66 1,43 2,04 55,24 13,59 184,58 19,43
3 16,30 2,07 4,28 46,62 4,97 24,66 10,28
4 13,77 -0,46 0,21 35,82 -5,83 34,04 2,68
5 13,11 -1,12 1,25 41,84 0,19 0,03 -0,21
6 13,39 -0,84 0,71 38,64 -3,01 9,08 2,53
7 13,11 -1,12 1,25 35,42 -6,23 38,86 6,98
8 15,12 0,89 0,79 43,40 1,75 3,05 1,55
9 12,63 -1,60 2,56 35,64 -6,01 36,17 9,62
10 13,21 -1,02 1,04 38,24 -3,41 11,66 3,48
S 142,30 17,28 416,54 358,34 63,48
x 14,23 41,65
s 1,39 6,31
 Interpretation des Korrelationskoeffizienten

Korrelationskoeffizienten bewegen sich im Bereich von -1 bis

+1.

Positive Korrelationen ergeben sich bei Zusammenhngen der Art

je grer die eine Variable, desto grer die andere Variable

Negative Korrelationen ergeben sich bei Zusammenhngen der Art

je grer die eine Variable, desto kleiner die andere Variable

Werte zwischen 0,7 und 1,0 werden als hohe, Werte zwischen 0,3
und 0,7 als mittlere und Werte zwischen 0 und 0,3 als niedrige
Korrelationen bezeichnet. Ein Wert von -1 oder +1 beschreibt einen
vollstndigen Zusammenhang.

Die Korrelationsberechnung kann z.B. zur Identifikation von

wichtigen biomechanischen Parametern (Kennwerten) und zur
Abgrenzung von eher unwichtigen dienen.
 Einschrnkungen zum Korrelationskoeffizienten

Nur sinnvoll anwendbar bei linearen Zusammenhngen! Fr

nichtlineare Zusammenhnge existieren andere Verfahren

Ein hoher Korrelationskoeffizient sagt noch nichts ber einen

tatschlich inhaltlich vorhandenen Zusammenhang aus
(Scheinkorrelationen)!

Durch die falsche Auswahl von Populationen (Selektionsfehler)

knnen Verzerrungen entstehen.
Nichtlineare Zusammenhnge

Parabolischer Zusammenhang

Kein Zusammenhang

Aus: BORTZ, J. (1989). Statistik fr Sozialwissenschaftler.

Berlin, Heidelberg, New York. Springer
Scheinkorrelation
 Scheinkorrelation?
Sind gute Golfspieler gegenber schlechteren die besseren oder
die schlechteren Unternehmensfhrer? Wer erreicht die besseren
Renditen?
Was meinen Sie? Argumente? Begrndungen?
Was braucht man zum Golferfolg? Disziplin? Konzentration?

Scheinbar korreliert ein kleines Handicap im Golf mit hohen

Renditen durch den Vorstandsvorsitzenden (negative Korrelation)!
Ob dies allerdings inhaltlich begrndbar ist, bleibt fraglich.
Wre Tiger Woods also der ideale Unternehmensfhrer?
Selektionsfehler (Stichprobe mit zu kleiner Streubreite)

Aus: BORTZ, J. (1989). Statistik fr Sozialwissenschaftler. Berlin, Heidelberg, New York. Springer
Selektionsfehler (Stichprobe mit zu kleiner Streubreite)

Aus: BORTZ, J. (1989). Statistik fr Sozialwissenschaftler. Berlin, Heidelberg, New York. Springer
Regression 100m-Zeit zu Weitsprungleistung

Y = mx + b
m = -1,0453504
b = 18,87
Beispiel: 12,5 * -1,0453504 + 18,87 = 5,87 m
r = -0,92
Testverfahren fr Gruppenvergleiche (Mittelwertsvergleiche)

Aus:WILLIMCZIK, K. (1997): Statistik im Sport. Hamburg: Czwalina

Stichproben und Grundgesamtheit
 Unterschiede zwischen Gruppen?

Mittelwertsvergleiche z.B. mit einem t-Test ermglichen

die Entscheidung, ob sich Gruppen signifikant
unterscheiden. Sie berprfen Hypothesen!
 Unterschiede zwischen Gruppen?

Mittelwertsvergleiche z.B. mit einem t-Test ermglichen

die Entscheidung, ob sich Gruppen signifikant
unterscheiden. Sie berprfen Hypothesen!