Statistische Berechnungen mit Mathematica
Mathematicas standardmäßig enthaltene Statistikfunktionen werden von Benutzern aus den unterschiedlichsten Berufzweigen angewandt.
Einführung
Mathematica kann mit dutzenden statistischen Verteilungen - normal, multinormal, beständig und diskret - umgehen. Zur Auswertung statistischer Tests können eigene, individuell festgelegte oder Mathematicas Regressions-Funktionen - linear, exponentiell, polynomial, trigonometrisch - eingesetzt werden. Durch seine interaktiven Funktionen ermöglicht Mathematica die Datenbearbeitung, die der Anwender im Auge hat.
Mathematica wird vor allem für folgende statistische Berechnungen eingesetzt:
- Beschreibende Statistik für unvariate und multivariate Daten
- Datenglättung
- Klassische Hypothesenprüfung
- Konfidenzintervall-Schätzung
- Lineare und nicht-lineare Regression
Hypothesenprüfung
Hypothesenprüfung
Mit Mathematicas eingebauten Funktionen können Hypothesen in Bezug auf das arithmetische Mittel, die Streuung, die Differenz und das Streuungsverhältnis überprüft werden.
Mathematica Funktionen zur Hypothesenprüfung:
- ChiSquarePValue
- EqualVariances
- FRatioPValue
- FullReport
- KnownStandardDeviation
- KnownVariance
- LargeSampleSize
- MeanDifferenceTest
- MeanTest
- NormalPValue
- OneSidedPValue
- PValueTable
- ResultOfTest
- SignificanceLevel
- StudentTPValue
- TwoSided
- TwoSidedPValue
- VarianceRatioTest
- VarianceTest
Konfidenz-Intervall
Konfidenz-Intervall
Sowohl für Stichproben, als auch für hergeleitete Daten kann der Anwender Konfidenzinteralle für verschiedene Parameter ermitteln, wie z.B. arithmetischer Mittelwert, Differenzen zwischen den Durchschnittzahlen zweier Populationen, Varianzen und Varianzverhältnisse zweier Populationen.
Mathematica Funktionen zum Konfidenz-Intervall:
- ChiSquareCI
- ConfidenceLevel
- EqualVariances
- FRatioCI
- KnownStandardDeviation
- KnownVariance
- MeanCI
- MeanDifferenceCI
- NormalCI
- StudentTCI
- VarianceCI
- VarianceRatioCI
Darstellung statistischer Grafiken
Darstellung statistischer Grafiken
Die grafischen Eigenschaften von Mathematica erlauben die flexible Erstellung zwei- und dreidimensionaler Grafiken, wie Punktwolken, Konturdiagramme, Blockdiagramme, Balkendiagramme und viele mehr. Anwender können alle Grafiken mit Beschriftungen, Markierungen, Rahmen und Legenden anpassen und darüber hinaus Mathematica zur Erstellungen von Animationen (Gif oder Quicktime) benutzen.
Mathematica Grafik-Funktionen:
2D-Diagramme:
- BarChart
- ErrorListPlot
- FilledPlot
- GeneralizedBarChart
- ImplicitPlot
- LabeledListPlot
- ListPlot
- LogLinearListPlot
- LogLinearPlot
- LogListPlot
- LogLogListPlot
- LogLogPlot
- LogPlot
- MultipleListPlot
- ParametricPlot
- PercentileBarChart
- PieChart
- Plot
- PolarListPlot
- PolarPlot
- StackedBarChart
- TextListPlot
3D-Diagramme:
- BarChart3D
- ContourPlot3D
- ListPlot3D
- ListShadowPlot3D
- ListSurfacePlot3D
- ParametricPlot3D
- Plot3D
- ScatterPlot3D
- ShadowPlot3D
- TriangularSurfacePlot
Kontourdiagramme:
- ContourPlot
- ListContourPlot
Dichte-Diagramme:
- DensityPlot
- ListDensityPlot
Grundlagen-Funktionen:
- AspectRatio
- Axes
- AxesLabel
- AxesOrigin
- AxesStyle
- Compiled
- Frame
- FrameLabel
- FrameStyle
- FrameTicks
- GridLines
- PlotJoined
- PlotLabel
- PlotPoints
- PlotRange
- PlotStyl
- Ticks
3D Options:
- AmbientLight
- AxesEdge
- Boxed
- BoxRatios
- BoxStyle
- ClipFill
- FaceGrids
- HiddenSurface
- Lighting
- LightSources
- Mesh
- MeshRange
- MeshStyle
- PolygonIntersections
- Shading
- SphericalRegion
- ViewCenter
- ViewPoint
- ViewVertical
Deskriptive und Multideskriptive Statistik
Deskriptive und Multideskriptive Statistik
Beschreibende Statistiken können mit Mathematica sehr einfach berechnet werden, indem die in Mathematica eingebauten Funktionen zum Speicherort, der Streuung, Form und im Fall von multivariaten Daten ihrer Verbindung eingesetzt werden. Normale deskriptive Statistiken für verschiedene eingebaute beständige und diskrete Verteilungen können ebenfalls ermittelt werden.
Mathematica Funktionen zur deskriptiven und multideskriptiven Statistik
- CentralMoment
- CoefficientOfVariation
- DispersionReport
- ExpectedValue
- GeometricMean
- HarmonicMean
- InterpolatedQuantile
- InterquartileRange
- Kurtosis
- KurtosisExcessLocationReport
- Mean
- MeanDeviation
- Median
- MedianDeviation
- MLE
- Mode
- PearsonSkewness1
- PearsonSkewness2
- Quantile
- QuantileQ
- QuartileDeviation
- Quartiles
- QuartileSkewness
- RootMeanSquare
- SampleRange
- ShapeReport
- Skewness
- StandardDeviation
- StandardDeviationMLE
- StandardErrorOfSampleMean
- Standardize
- TrimmedMean
- Variance
- VarianceMLE
- VarianceOfSampleMean
- ZeroMean
Statistische Verteilungen
Statistische Verteilungen
In Mathematica sind Funktionen für die am häufigsten verwendeten diskreten, beständigen, normalen und multinormalen statistischen Verteilungen implementiert. Diese schließen folgende Verteilungen mit ein: binomial, Bernoulli, geometrisch, hypergeometrisch, Poisson, beta, Cauchy, chi, exponentiell, gamma, LaPlace, Pareto, Rayleigh, Weibull, normal, Student t, Chi-Quadrat, F ratio, multivariate Student t, Wishart, Hotelling u.v.a.
Mathematica Funktionen zur Statistischen Verteilung:
Diskret:
- BernoulliDistribution
- BinomialDistribution
- CDF
- CharacteristicFunction
- DiscreteUniformDistribution
- Domain
- GeometricDistribution
- HypergeometricDistribution
- LogSeriesDistribution
- NegativeBinomialDistribution
- PoissonDistribution
- RandomArray
Beständige:
- BetaDistribution
- CauchyDistribution
- CDF
- CharacteristicFunction
- ChiDistribution
- Domain
- ExponentialDistribution
- ExtremeValueDistribution
- GammaDistribution
- HalfNormalDistribution
- LaplaceDistribution
- LogisticDistribution
- LogNormalDistribution
- NoncentralChiSquareDistribution
- NoncentralFRatioDistribution
- NoncentralStudentTDistribution
- ParetoDistribution
- RandomArray
- RayleighDistribution
- UniformDistribution
- WeibullDistribution
Normal:
- CDF
- CharcteristicFunction
- ChiSquareDistribution
- Domain
- FRatioDistribution
- NormalDistribution
- PercentagePoint
- RandomArray
- StudentTDistribution
Multinormal:
- CDF
- CharacteristicFunction
- CorrelationMatrix
- CovarianceMatrix
- Domain
- HotellingTSquareDistribution
- MultinormalDistribution
- MultivariateTDistribution
- QuadraticFormDistribution
- RandomArray
- WishartDistribution
Datenglättung und -verarbeitung
Datenglättung und -verarbeitung
Daten werden in Mathematica als Listen verarbeitet, auch wenn die Darstellung am Bildschirm eine Matrix ist. Mathematica bietet eine große Bandbreite von Funktionen zum curve fitting, zur Interpolation, zur statistischen Berechnung und zur Glättung an. Durch seine interaktiven Funktionen kann das Design der Datenmanipulation jederzeit angepaßt werden. Dutzende statistischer Verteilungensfunktionen zur Kurvenanpassung - normal, multinormal, beständige und diskret - sind in Mathematica verfügbar. Curve fitting-Werkzeuge erlauben die Auswahl eines Modells, das linear, exponentiell, polynomial, trigonometrisch sein kann oder jegliche andere, vom Benutzer angepaßte Funktionen besitzen kann. Daten können geglättet werden, indem gleitende Durchschnitts- oder Mittelwerte oder ausgereiftere Methoden wie lineare Filter oder exponentielle Glättung eingesetzt werden.
Mathematica ist sowohl in Bezug auf die Datenein- als auch auf die Datenausgabe äußerst flexibel. Alle Werkzeuge arbeiten in Mathematica nahtlos miteinander. Mathematica bietet so den kürzesten Weg zwischen den vorhandenen Rohdaten und deren Auswertung.
Mathematica Funktionen zu Datenglättung und -verarbeitung:
Datenglättung:
- ExponentialSmoothing
- LinearFilter
- MovingAverage
- MovingMedian
- RepeatedSmoothing
Datenmanipulation:
- BinCounts
- BinLists
- BooleanSelect
- CategoryCounts
- CategoryLists
- Column
- ColumnDrop
- ColumnJoin
- ColumnTake
- CumulativeSums
- DropNonNumeric
- DropNonNumericColumn
- Frequencies
- LengthWhile
- Ordering
- QuantileForm
- RangeCounts
- RangeLists
- RowJoin
- TakeWhile
Lineare und nicht-lineare Regression
Lineare und nicht-lineare Regression
Mathematica verfügt außerdem über eingebaute Werkzeuge zur Berechnung der linearen und nicht-linearen Regression. Dabei erlaubt sowohl die Grundfunktion zur grundlegenden Berechnung linearer Regression, als auch Funktionen, die nicht nur zur Datenanpassung dienen, sondern auch allgemeine statistische Werte wie die geschätzte Fehlervarianz ermitteln, eine Analyse der Varianztabelle und die Ermittlung der Koeffizienten. Mathematica stellt darüber hinaus zahlreiche weitere Werkzeuge zur Evaluation und Anpassung der Daten bereit.
Mathematica Funktionen zur linearen und nicht-linearen Regression
Lineare Regression:
- BasisNames
- BestFit
- BestFitCoefficients
- BestFitParameters
- BestFitParametersDelta
- CatcherMatrix
- ConfidenceIntervalTable
- CookD
- CorrelationMatrix
- CovarianceMatrix
- CovarianceMatrixDetRatio
- DesignedRegress
- DesignMatrix
- DurbinWatsonD
- EigenstructureTable
- EstimatedVariance
- FitResiduals
- HatDiagonal
- IncludeConstant
- JacknifedVariance
- MeanPredictionCITable
- NoPrint
- OutputControl
- OutputList
- ParameterCITable
- ParameterConfidenceRegion
- ParameterTable
- PartialSumOfSquares
- PredictedResponse
- PredictedResponseDelta
- Regress
- RegressionReport
- RegressionReportValues
- RSquared
- SequentialSumOfSquares
- SinglePredictionCITable
- StandardizedResiduals
- StudentizedResiduals
- SummaryReport
- VarianceInflation
- Weights
Nicht-lineare Regression:
- AsymptoticCorrelationMatrix
- AsymptoticCovarianceMatrix
- BestFit
- BestFitParameters
- EstimatedVariance
- FitCurvatureTable
- FitResiduals
- HatDiagonal
- LevenbergMarquardt
- MeanPredictionCITable
- NonlinearFit
- NonlinearRegress
- ParameterBias
- ParameterCITable
- ParameterTable
- PredictedResponse
- RegressionReport
- RegressionReportValues
- ShowProgress
- SinglePredictionCITable
- StandardizedResiduals
- StartingParameters
- SummaryReport
- Weights
Interaktive Palette
Die interaktive Mathematica-Palette
Unter Mathematica Symbole und Formeleditor und Formeleditor können Sie Mathematicas-Statistikfunktionen auf der interaktiven Statistik-Palette direkt anklicken
Weitere Informationen
Weitere Informationen zu statistischen Berechnungen mit Mathematica
Weitere Informationen zu Mathematicas Statistik-Funktionen finden Sie im Document-Center des Herstellers Wolfram Research.
Außerdem bietet das Infocenter von Wolfram Research kleinere Applikationen und Notebooks zur Statistik zum Download an.
Literatur
Bücher zur statistische Analyse mit Mathematica
| Autor | Titel |
| Hal R. Varian, editor | Computational Economics and Finance: Modeling and Analysis with Mathematica |
| Hal R. Varian, editor | Economic and Financial Modeling with Mathematica |
| Charles M. Grinstead and J. Laurie Snell | Introduction to Probability |
| Kevin Hastings | Introduction to Probability with Mathematica |
| Manfred Denker and Wojbor A. Woyczynski | Introductory Statistics and Random Phenomena: Uncertainty, Complexity, and Chaotic Behavior in Engineering and Science |
| Colin Rose and Murray D. Smith | Mathematical Statistics with Mathematica |
| John J. Kinney | Probability: An Introduction with Statistical Applications |
| Arnold O. Allen | Probability, Statistics, and Queueing Theory with Computer Science Applications |
| Martha L. Abell, James P. Braselton, and John A. Rafter | Statistics with Mathematica |