Beschreibende Statistik/Klassenbildung

Man kann jede Art von Merkmalen klassieren. Das geht sogar bei qualitativen Merkmalen mit einer Nominalskala.

Beispiel Merkmal Lieblingsfarbe

Sind zum Beispiel die Farben hellgelb, gelb, sonnengelb, rot, grün, hellblau, mittelblau, himmelblau und dunkelblau unter den Merkmalsausprägungen, so könnte man die Klassen "gelb" mit den Merkmalsausprägungen hellgelb, gelb und sonnengelb, "blau" mit den Merkmalsausprägungen hellblau, mittelblau, himmelblau und dunkelblau , "Andere" mit den verbliebenden Merkmalsausprägungen bilden. Dies wird auch bei der Auswertung von Wahlergebnissen im Fernsehen gemacht, die kleineren, nicht so wichtigen Parteien werden unter "Andere" zusammengefasst.

Bei qualitativen Merkmalen mit einer Ordinalskala wird man immer darauf achten, dass aufeinander folgende Merkmalsausprägungen zusammengefasst werden.

Beispiel Merkmal Note Mathematikarbeit

Betrachtet man die Noten der letzten Mathematikarbeit, so könnte man die Klassen "Leistungsträger" für die Merkmalsausprägungen "sehr gut" und "gut", "Mittelfeld" für die Merkmalsausprägungen "befriedigend" und "ausreichend" und "Blauer Brief" für die Merkmalsausprägungen "mangelhaft" und "ungenügend" bilden, um eine knappe Übersicht über die Lerngruppe zu erhalten.

Im Folgenden werden aber nur noch quantitative Merkmale betrachtet.

Nicht immer macht es Sinn, alle verschiedenen Merkmalsausprägungen einzeln zu betrachten. Bei quantitativen Merkmalen fasst man oft verschiedene Merkmalsausprägungen zu Klassen zusammen.

Beispiel Körpergröße (in cm) Betrachtet man zum Beispiel die Körpergröße (in cm) der Schüler und Schülerinnen der Klasse HHU5 am Berufskolleg Hattingen (Schuljahr 2012/2013): Urliste Körpergröße in cm 170 178 174 188 168 191 169 159 199 200 177 178 200 193 169 151 185 191 165 158 185 188 194 180 170 Wenn man hier die verschiedenen Merkmalsausprägungen mit ihren absoluten und relativen Häufigkeiten erfasst, ist noch nicht wirklich etwas gewonnen, da es 18 verschiedene Merkmalsausprägungen gibt, von denen sieben die absolute Häufigkeit 2 und alle anderen die absolute Häufigkeit 1 haben. (Der geneigte Leser mag das selber nachrechnen.) Man könnte zum Beispiel die Frage "Wie viele Schüler sind größer als 175 cm und höchstens 183 cm? stellen. Dann ist es sinnvoll, eine absolute Häufigkeitsverteilung mit drei verschiedenen Klassen zu bilden. Jede Klasse hat eine untere und eine obere Grenze. Wichtig ist, dass sich die Klassen nicht überschneiden, damit jeder Beobachtungswert nur genau zu einer Klasse gehört.

Klasseneinteilung: Klasse $k_1$: vom kleinsten Wert $x_{Min}$ (hier: 151 cm) bis zu 175 cm einschließlich mathematische Kurzschreibweise: $[151;175]=]150;175]$ Klasse $k_2$: von über 175 cm bis zu 183 cm einschließlich mathematische Kurzschreibweise: $]175;183]$ Klasse $k_3$: von über 183 cm bis zum größten Wert $x_{Max}$ (hier 200 cm) einschließlich mathematische Kurzschreibweise: $]183;200]$ Häufigkeitsverteilung bestimmen: Jetzt kann man die absolute Häufigkeit $H(k_i)$ zu jeder Klasse $k_i$ bestimmen, indem man alle Beobachtungswerte zählt, die im Intervall der Klasse $k_i$ liegen. Dann lässt sich auch die relative Häufigkeit $h(k_i)$ zu jeder Klasse $k_i$ bestimmen, indem man den Anteil aller Beobachtungswerte am Stichprobenumfang $n$, die im Intervall der Klasse $k_i$ liegen, berechnet. Klassierte Körpergrößen HHU5 2012/2013 $k_i$ $150 < a_i \le 175$ $175 < a_i \le 183$ $183 < a_i \le 200$ Summe $H(k_i)$ $10$ $4$ $11$ $25$ $h(k_i)$ Fehler beim Parsen (Konvertierungsfehler. Der Server („cli“) hat berichtet: „[INVALID]“): {\displaystyle \frac{2}{5}=40 %} Fehler beim Parsen (Konvertierungsfehler. Der Server („cli“) hat berichtet: „[INVALID]“): {\displaystyle \frac{4}{25}=16 %} Fehler beim Parsen (Konvertierungsfehler. Der Server („cli“) hat berichtet: „[INVALID]“): {\displaystyle \frac{11}{25}=44 %} Fehler beim Parsen (Konvertierungsfehler. Der Server („cli“) hat berichtet: „[INVALID]“): {\displaystyle 100 %}

Interpretation: Es sind also nicht nur vier Schüler größer als 175 cm und höchstens 183 cm. Es sieht so aus, als wären die Schüler der Klasse entweder klein oder groß, weil die Klasse in der Mitte so selten vertreten ist. Stimmt das denn? Hier ist es hilfreich, sich mit den Klassenbreiten zu beschäftigen. Klassenbreiten bestimmen: Die gewählten Klassen $k_i$ sind unterschiedlich breit. Die Breite $b_i$ einer Klasse $k_i$ errechnet man, indem man die untere Grenze $uG_i$ von der oberen Grenze $oG_i$ subtrahiert. Klasse $k_i$ untere Grenze $uG_i$ obere Grenze $oG_i$ Klassenbreite $b_i$ $k_1$ $150$ $175$ $175-150=25$ $k_2$ $175$ $183$ $183-175=8$ $k_3$ $183$ $200$ $200-183=17$

Jetzt sieht man, dass die mittlere Klasse auch viel schmaler ist, als die beiden anderen Klassen. Die Klassenbreite hat aber Einfluss auf die Häufigkeit, mit der die Beobachtungswerte in der Klasse liegen. Deshalb wählt man in der Regel Klassen mit gleicher Klassenbreite. Nur in Ausnahmefällen machen Klassen mit unterschiedlichen Klassenbreiten Sinn. Ganz besonders gut geeignet sind unterschiedliche Klassenbreiten, wenn man schon vorher weiß, welche Aussage man mit den Daten unterstützen möchte. Auch die obige Fragestellung hätte man prima mit gleich breiten Klassen lösen können. Dabei beginnt man dann mit dem aus der Frage vorgegebenen Intervall und bildet alle nötigen Klassen darunter und darüber mit Klassenbreite 8 cm so, dass man auch den kleinsten und den größten Beobachtungswert einer Klasse zuordnen kann. Das sieht dann so aus: Klassierte Körpergrößen HHU5 2012/2013 Klasse $k_i$ Intervall $H(k_i)$ $h(k_i)$ $k_1$ $143 < a_i \le 151$ $1$ Fehler beim Parsen (Konvertierungsfehler. Der Server („cli“) hat berichtet: „[INVALID]“): {\displaystyle \frac{1}{25}=4 %} $k_2$ $151 < a_i \le 159$ $2$ Fehler beim Parsen (Konvertierungsfehler. Der Server („cli“) hat berichtet: „[INVALID]“): {\displaystyle \frac{2}{25}=8 %} $k_3$ $159 < a_i \le 167$ $1$ Fehler beim Parsen (Konvertierungsfehler. Der Server („cli“) hat berichtet: „[INVALID]“): {\displaystyle \frac{1}{25}=4 %} $k_4$ $167 < a_i \le 175$ $6$ Fehler beim Parsen (Konvertierungsfehler. Der Server („cli“) hat berichtet: „[INVALID]“): {\displaystyle \frac{6}{25}=24 %} $k_5$ $175 < a_i \le 183$ $4$ Fehler beim Parsen (Konvertierungsfehler. Der Server („cli“) hat berichtet: „[INVALID]“): {\displaystyle \frac{4}{25}=16 %} $k_6$ $183 < a_i \le 191$ $6$ Fehler beim Parsen (Konvertierungsfehler. Der Server („cli“) hat berichtet: „[INVALID]“): {\displaystyle \frac{6}{25}=24 %} $k_7$ $191 < a_i \le 199$ $3$ Fehler beim Parsen (Konvertierungsfehler. Der Server („cli“) hat berichtet: „[INVALID]“): {\displaystyle \frac{3}{25}=12 %} $k_8$ $199 < a_i \le 207$ $2$ Fehler beim Parsen (Konvertierungsfehler. Der Server („cli“) hat berichtet: „[INVALID]“): {\displaystyle \frac{2}{25}=8 %} Summe $25$ Fehler beim Parsen (Konvertierungsfehler. Der Server („cli“) hat berichtet: „[INVALID]“): {\displaystyle 100%}

Interpretation:

Man kann leicht erkennen, dass es - unter Berücksichtigung der Klassenbreite - nur zwei Klassen gibt, in denen sich mehr Beobachtungswerte befinden. So erhält man also ein ganz anderes Bild der Verteilung.

Merke

Wenn bei einer umfangreichen Stichprobe sehr viele unterschiedliche Merkmalsausprägungen auftreten, so bietet es sich an, ähnliche Werte in sogenannte Klassen $k_i$ der (Klassen-)Breite $b_i$ zusammenzufassen.

Man unterscheidet zwei Arten von Klassenbildungen:

• Klassen mit gleicher Klassenbreite $b_i=b$

  Klassen mit unterschiedlicher Klassenbreite $b_i$

Übrigens eignen sich Klassen mit unterschiedlicher Klassenbreite hervorragend, um Daten so aufzubereiten, dass sie die gewünschte Aussage (hier entweder eine Klasse mit besonders großen Schülern oder mit besonders kleinen Schülern) gut unterstützen. Hier gilt der allseits beliebte Spruch: "Traue keiner Statistik, die du nicht selbst gefälscht hast."