Advertisement

Geordnete Statistiken und Rangstatistiken

  • Christine DullerEmail author
Chapter
First Online:

Zusammenfassung

Nichtparametrische Verfahren werden insbesondere für Daten benötigt, die nur ordinales Messniveau aufweisen. Geordnete Daten und die daraus abgeleiteten statistischen Kennzahlen sind die Ausgangsbasis für nichtparametrische Schätzer oder Tests. In vielen Fällen ist jedoch eine eindeutige Ordnung der Daten nicht möglich, da mehrere gleiche Ausprägungen auftreten („Bindungen“). Diese Bindungen können sich auf die Verteilung einer Teststatistik auswirken, demnach widmet sich ein Teil dieses Kapitels dem Umgang mit Bindungen. Des Weiteren werden wesentliche Begriffe, wie Ordnungsstatistik, Rang oder Median eingeführt und deren Verteilungen betrachtet. Eine Möglichkeit zur Berechnung eines Konfidenzintervalls für Quantile schließt dieses Kapitel ab.

This is a preview of subscription content, log in to check access.

Literatur

  1. 1.
    Behr, A., Pötter, U.: Einführung in die Statistik mit R. Vahlen, München (2010)CrossRefGoogle Scholar
  2. 2.
    Bortz, J., Lienert, G.A.: Kurzgefasste Statistik für die klinische Forschung. Springer, Berlin (2008)Google Scholar
  3. 3.
    Bortz, J., Lienert, G.A., Boehnke, K.: Verteilungsfreie Methoden in der Biostatistik. Springer, Berlin (2008)Google Scholar
  4. 4.
    Brosius, F.: SPSS. Umfassendes Handbuch zu Statistik und Datenanalyse. mitp, Frechen (2018)zbMATHGoogle Scholar
  5. 5.
    Brunner, E., Munzel, U.: Nichtparametrische Datenanalyse. Springer, Berlin (2013)CrossRefGoogle Scholar
  6. 6.
    Bühl, A.: SPSS 23. Einführung in die moderne Datenanalyse. Pearson, München (2016)Google Scholar
  7. 7.
    Büning, H., Trenkler, G.: Nichtparametrische statistische Methoden. De Gruyter, Berlin (1998)zbMATHGoogle Scholar
  8. 8.
    Canty, A., Ripley, B.D.: boot: Bootstrap R (S-Plus) Functions. R package version 1.3-20 (2017)Google Scholar
  9. 9.
    Casella, G., Berger, R.L.: Statistical Inference. Duxbury, Pacific Grove (2002)zbMATHGoogle Scholar
  10. 10.
    Cody, R.: An Introduction to SAS University Edition. SAS Institute, Cary (2018)Google Scholar
  11. 11.
    Dalgaard, P.: Introductory Statistics with R. Springer, New York (2008)CrossRefGoogle Scholar
  12. 12.
    David, H.A., Nagaraja, H.N.: Order Statistics. Wiley, New York (2004)Google Scholar
  13. 13.
    Davison, A.C., Hinkley, D.V.: Bootstrap Methods and Their Applications. Cambridge University Press, Cambridge. http://www.springer.com (1997)
  14. 14.
    Dolic, D.: Statistik mit R. Einführung für Wirtschafts- und Sozialwissenschaftler. Oldenbourg, München (2004)CrossRefGoogle Scholar
  15. 15.
    DiCiccio, T.J., Efron, B.: Bootstrap confidence intervals. Stat. Sci. 11(3), 189–228 (1996)MathSciNetCrossRefGoogle Scholar
  16. 16.
    Dufner, J., Jensen, U., Schumacher, E.: Statistik mit SAS. Teubner, Wiesbaden (2004)CrossRefGoogle Scholar
  17. 17.
    Efron, B.: Bootstrap Methods: Another Look at the Jackknife. Ann. Stat. 7(1), 1–26 (1979)MathSciNetCrossRefGoogle Scholar
  18. 18.
    Efron, B.: Better bootstrap confidence intervals (with Discussion). J. Am. Stat. Assoc. 82, 171–200 (1987)CrossRefGoogle Scholar
  19. 19.
    Efron, B., Tibshirani, R.J.: An Introduction to the Bootstrap. Chapman & Hall, New York (1993)CrossRefGoogle Scholar
  20. 20.
    Hedderich, J., Sachs, L.: Angewandte Statistik. Methodensammlung mit R. Springer, Berlin (2018)CrossRefGoogle Scholar
  21. 21.
    Hollander, M., Wolfe, D.A., Chicken, E.: Nonparametric Statistical Methods. Wiley, New York (2014)zbMATHGoogle Scholar
  22. 22.
    Krämer, W., Schoffer, O., Tschiersch, L.: Datenanalyse mit SAS. Statistische Verfahren und ihre Aspekte. Springer, Berlin (2014)zbMATHGoogle Scholar
  23. 23.
    Millard, S.P.: EnvStats: An R Package for Environmental Statistics. Springer, New York. http://www.springer.com (2013)
  24. 24.
    R Core Team: R: A Language and Environment for Statistical Computing: A Graduate Course in Probability. R Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org/ (2018)
  25. 25.
    Shao, J., Tu, D.: The Jackknife and Bootstrap. Springer, New York (1995)CrossRefGoogle Scholar
  26. 26.
    Sheskin, D.J.: Handbook of Parametric and Nonparametric Statistical Procedures. Chapman & Hall, Boca Raton (2011)zbMATHGoogle Scholar
  27. 27.
    Tucker, H.G.: A Graduate Course in Probability. Academic Press, New York (1967)zbMATHGoogle Scholar

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2018

Authors and Affiliations

  1. 1.Institut für Angewandte StatistikUniversität LinzLinzÖsterreich

Personalised recommendations

Cite chapter

Buy options