Advertisement

Ausreißertests

  • Ulf RitgenEmail author
Chapter
  • 143 Downloads

Zusammenfassung

Ausreißertests sind vor jeder Berechnung statistischer Größen durchzuführen, um die Qualität der Messungen zu überprüfen. Ein als Ausreißer qualifizierter Datenpunkt darf in keinem Fall bei den weiteren Berechnungen berücksichtigt werden, da man sonst falsche Resultate erhält. Derartige Tests dürfen nur einmal in einem Datensatz durchgeführt werden – das liegt zum einen daran, dass Ausreißer tatsächlich seltene Ereignisse und sind, und zum anderen daran, dass sich durch Herausnehmen von Werten die Verteilung dann sehr ändern würde.

Supplementary material

Weiterführende Literatur

  1. Bartsch H-J (2007) Taschenbuch Mathematischer Formeln. Carl Hanser, MünchenGoogle Scholar
  2. Binder H-J, Buhrow J, Just G, Meisel A, Mühlig H, Oelschlägel D (1993) Mathematik für Chemiker. Deutscher Verlag für Grundstoffindustrie, LeipzigGoogle Scholar
  3. Brunner G, Brück R (2013) Mathematik für Chemiker. Springer, BerlinCrossRefGoogle Scholar
  4. Cann AJ (2007) Maths from Scratch for Biologists. Wiley & Sons, MünchenGoogle Scholar
  5. Dubben H-H, Beck-Bornholdt H-P (2003) Der Schein der Weisen – Irrtümer und Fehlurteile im täglichen Denken. Rowohlt, HamburgGoogle Scholar
  6. Dubben H-H, Beck-Bornholdt H-P (2011) Mit an Wahrscheinlichkeit grenzender Sicherheit – Logisches Denken und Zufall. Rowohlt, HamburgGoogle Scholar
  7. Dubben H-H, Beck-Bornholdt H-P (2013) Der Hund, der Eier legt – Erkennen von Fehlinformationen durch Querdenken. Rowohlt, HamburgGoogle Scholar
  8. Gieck K, Gieck R (1995) Technische Formelsammlung. Gieck, GermeringGoogle Scholar
  9. Harris DC (2014) Lehrbuch der Quantitativen Analyse. Springer, HeidelbergCrossRefGoogle Scholar
  10. Horstmann D (2008) Mathematik für Biologen. Spektrum, HeidelbergGoogle Scholar
  11. Monk P (2006) Maths for Chemistry. Oxford University Press, New YorkGoogle Scholar
  12. Papula L (2009) Mathematik für Naturwissenschaftler und Ingenieure, Band 3. Vieweg + Teubner, WiesbadenGoogle Scholar
  13. Skoog DA, Holler FJ, Crouch SR (2013) Instrumentelle Analytik. Springer, HeidelbergCrossRefGoogle Scholar
  14. Walz G, Zeilfelder F, Rießinger T (2005) Brückenkurs Mathematik. Elsevier/ Spektrum, MünchenGoogle Scholar
  15. Sie werden bemerkt haben, dass die Grundlagen der Statistik in diesem Teil sehr mathematisch präsentiert wurden – und das ist auch gut so, denn auch das mathematische Rüstzeug sollten Sie nicht nur beherrschen, sondern auch (zumindest grundlegend) verstanden haben. (Kompakt zusammengefasst finden Sie vieles davon auch im Harris.) Für den Fall, dass es jedoch etwas zu viel Mathematik war, seien Ihnen die Werke von Dubben und Beck-Bornholdt ans Herz gelegt: Diese beiden Autoren haben sozusagen die Quadratur des Kreises geschafft und die Grundlagen der Statistik korrekt und doch anschaulich anhand von auf den ersten Blick teilweise … belustigenden Beispielen zusammengefasst. Nebenbei erfahren Sie noch reichlich Details über die Schwierigkeiten, die auch Naturwissenschaftler und/oder Mediziner mit so manchen Aspekten der Statistik haben.Google Scholar

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2020

Authors and Affiliations

  1. 1.FB 05 – Angewandte NaturwissenschaftHochschule Bonn-Rhein-SiegRheinbachDeutschland

Personalised recommendations