Prüfungsaufgaben Deskriptive Statistik (einfach)

Aufgabe 1

# ─────────────────────────────────────────────────────────────────────────────
# Aufgabe 1: Arithmetisches Mittel einer kleinen Punktzahlen‑Gruppe
# Wir haben 5 Punktzahlen, ermitteln das Mittel und interpretieren es.
# ─────────────────────────────────────────────────────────────────────────────

# 1. Datensatz anlegen
scores <- c(12, 15, 14, 10, 13) # Erstelle Vektor 'scores' mit fünf Werten

# 2. Datensatz anzeigen
scores # Zeige alle fünf Punktzahlen im Vektor an
#> [1] 12 15 14 10 13

# 3. Arithmetisches Mittel berechnen
mean(scores) # Mittelwert der fünf Punktzahlen berechnen
#> [1] 12.8

# Interpretationsfragen:
# - Was sagt der Mittelwert (hier 12,8) über die durchschnittliche Leistung dieser Gruppe aus?
# - Würde sich Ihr Urteil ändern, wenn ein Wert sehr groß oder sehr klein wäre?

Aufgabe 2

# ─────────────────────────────────────────────────────────────────────────────
# Aufgabe 2: Median der Wartezeiten
# Wir haben 5 Wartezeiten, bestimmen den Median und diskutieren seine Robustheit.
# ─────────────────────────────────────────────────────────────────────────────

# 1. Datensatz anlegen
waits <- c(5, 7, 3, 10, 6) # Vektor 'waits' enthält fünf Wartezeiten in Min.

# 2. Datensatz anzeigen
waits # Zeige alle Wartezeiten an
#> [1] 5 7 3 10 6

# 3. Median berechnen
median(waits) # Gib den Median der Wartezeiten aus
#> [1] 6

# Interpretationsfragen:
# - Warum ist der Median (hier 6) robuster gegenüber Ausreißern als das arithm. Mittel?
# - Wie würde sich der Median ändern, wenn eine Wartezeit 100 wäre?

Aufgabe 3

# ─────────────────────────────────────────────────────────────────────────────
# Aufgabe 3: Spannweite der Temperaturen
# Wir haben 5 Temperatur‑Messungen, berechnen die Spannweite und deuten sie.
# ─────────────────────────────────────────────────────────────────────────────

# 1. Datensatz anlegen
temps <- c(20, 22, 19, 25, 23) # Fünf Temperaturwerte in °C

# 2. Minima und Maxima ermitteln
range(temps) # Zeige kleinstes und größtes Temperatur‑Datum
#> [1] 19 25

# 3. Spannweite berechnen
diff(range(temps)) # Differenz von Max und Min → Spannweite
#> [1] 6

# Interpretationsfragen:
# - Was sagt eine Spannweite von 6 °C über das Wetter‑Spektrum aus?
# - Welche Information fehlt, die die Spannweite nicht liefert?

Aufgabe 4

# ─────────────────────────────────────────────────────────────────────────────
# Aufgabe 4: Stichprobenvarianz von Würfelergebnissen
# Wir haben 5 Würfel‑Ergebnisse, berechnen die Varianz und deuten sie.
# ─────────────────────────────────────────────────────────────────────────────

# 1. Datensatz anlegen
rolls <- c(3, 6, 2, 5, 4) # Vektor 'rolls' mit fünf Ergebnissen

# 2. Werte anzeigen
rolls # Zeige alle fünf Würfel‑Augenzahlen an
#> [1] 3 6 2 5 4

# 3. Stichprobenvarianz berechnen
var(rolls) # Varianz der fünf Ergebnisse
#> [1] 2.5

# Interpretationsfragen:
# - Was bedeutet eine Varianz von 2,5 im Würfel‑Kontext?
# - Wie würde sich die Varianz ändern, wenn ein Ergebnis 6 statt 2 wäre?

Aufgabe 5

# ─────────────────────────────────────────────────────────────────────────────
# Aufgabe 5: Boxplot von Gehältern
# Wir betrachten 6 Monatsgehälter, fassen sie statistisch zusammen und visualisieren.
# ─────────────────────────────────────────────────────────────────────────────

# 1. Datensatz anlegen
salary <- c(45, 50, 55, 60, 48, 52) # Monatsgehälter (in k€) von 6 Personen

# 2. Deskriptive Statistik
summary(salary) # Min, 1st Qu., Median, Mean, 3rd Qu., Max
#> Min. 1st Qu. Median Mean 3rd Qu. Max.
#> 45.00 48.00 51.00 51.67 55.00 60.00

# 3. Boxplot erstellen
boxplot(salary, main="Monatsgehälter", ylab="k€") # Boxplot mit Beschriftung
# (grafisch in Plots‑Fenster)

# Interpretationsfragen:
# - Welche Werte liefern Median und Quartile?
# - Gibt es Ausreißer und was würden Sie mit ihnen tun?