Interpretieren der wichtigsten Ergebnisse für Randdiagramm

Führen Sie die folgenden Schritte aus, um ein Randdiagramm zu interpretieren.

Schritt 1: Suchen nach einer Modellbeziehung und Auswerten ihrer Stärke

Ermitteln Sie, welche Modellbeziehung für Ihre Daten am besten geeignet ist, und werten Sie die Stärke der Beziehung aus.

Tipp

Um die Eignung eines bestimmten Modells für die Daten besser zu veranschaulichen, erstellen Sie ein Streudiagramm mit einer angepassten Regressionslinie.

Typ der Beziehung

Ermitteln Sie, welche Modellbeziehung (sofern zutreffend) für die Daten am besten geeignet ist. Im Folgenden sind Beispiele für die Typen von Beziehungen aufgeführt.
Linear: positiv
Linear: negativ
Gekrümmt: quadratisch
Gekrümmt: kubisch
Keine Beziehung

Wenn ein Modell passend für Ihre Daten erscheint, können Sie die Beziehung mit einer Regressionsanalyse untersuchen.

Stärke der Beziehung

Werten Sie aus, wie gut das Modell an die Daten angepasst ist, um die Stärke der Beziehung zwischen x und y zu schätzen. Wenn die Beziehung stark ist, werden die Daten durch die Regressionsgleichung genau modelliert.
Schwächere Beziehung
Stärkere Beziehung

Um die Stärke einer linearen (geraden) Beziehung zu quantifizieren, führen Sie eine Korrelationsanalyse aus.

Schritt 2: Suchen nach Anzeichen von nicht normalverteilten oder ungewöhnlichen Daten

Schiefe Daten und multimodale Daten weisen darauf hin, dass die Daten möglicherweise nicht normalverteilt sind. Ausreißer können andere Bedingungen in den Daten anzeigen.

Schiefe Daten

Wenn die Daten schief sind, liegen die meisten Datenwerte am oberen oder unteren Rand der Grafik. Schiefe weist darauf hin, dass die Daten möglicherweise nicht normalverteilt sind. Untersuchen Sie die Grafiken an den Rändern eines Randdiagramms auf Anzeichen für schiefe Daten.

Die folgenden Grafiken mit rechtsschiefen Daten veranschaulichen beispielsweise Wartezeiten. Die meisten Wartezeiten sind relativ kurz, und nur wenige Wartezeiten sind lang. Die folgenden Grafiken mit linksschiefen Daten zeigen Ausfallzeiten. Nur wenige Elemente fallen sofort aus, während viel mehr Elemente zu späteren Zeitpunkten ausfallen.
Histogramme
Rechtsschief
Linksschief
Punktdiagramme
Rechtsschief
Linksschief
Boxplots
Rechtsschief
Linksschief

Wenn Ihnen bekannt ist, dass die Daten nicht naturgemäß schief sind, untersuchen Sie die möglichen Ursachen. Wenn Sie erheblich schiefe Daten analysieren möchten, lesen Sie den Artikel mit Überlegungen zu Daten für die Analyse, um sicherzustellen, dass Sie nicht normalverteilte Daten verwenden können.

Ausreißer

Ausreißer, d. h. Datenwerte, die weit entfernt von den anderen Datenwerten liegen, können sich stark auf Ihre Ergebnisse auswirken. Suchen Sie im Streudiagramm sowie den Grafiken an den Rändern eines Randdiagramms nach Ausreißern.

Streudiagramm
In einem Streudiagramm weisen isolierte Punkte auf Ausreißer hin.
Histogramm
In einem Histogramm weisen isolierte Balken an den Enden auf Ausreißer hin.
Punktdiagramm
In einem Punktdiagramm weisen ungewöhnlich niedrige oder hohe Datenwerte auf mögliche Ausreißer hin.
Boxplot
In einem Boxplot werden Ausreißer mit Sternchen (*) gekennzeichnet.

Versuchen Sie, die Ursache von Ausreißern zu ermitteln. Korrigieren Sie sämtliche Dateneingabe- oder Messfehler. Erwägen Sie, Datenwerte zu entfernen, die auf ungewöhnliche, einmalige Ereignisse (Ausnahmebedingungen) zurückzuführen sind. Wiederholen Sie anschließend die Analyse.

Multimodale Daten

Multimodale Daten weisen mehrere Spitzen auf. (Eine Spitze stellt den Modus eines Datensatzes dar.) Multimodale Daten treten in der Regel auf, wenn die Daten aus mehreren Prozessen oder unter mehreren Bedingungen erfasst wurden, z. B. bei unterschiedlichen Temperaturen.

Untersuchen Sie die Histogramme oder Punktdiagramme an den Rändern eines Randdiagramms auf Anzeichen für multimodale Daten. Diese Grafiken weisen beispielsweise zwei Spitzen auf.
Histogramm
Punktdiagramm

Wenn Sie über zusätzliche Informationen verfügen, die es Ihnen ermöglichen, die Beobachtungen in Gruppen zu gliedern, können Sie anhand dieser Informationen eine Gruppierungsvariable anlegen. Dann können Sie ein Histogramm oder ein Punktdiagramm mit Gruppen erstellen, um zu ermitteln, ob die Gruppierungsvariable die Spitzen in den Daten erklärt.

Durch Ihre Nutzung dieser Website stimmen Sie zu, dass Cookies verwendet werden. Cookies dienen zu Analysezwecken und zum Bereitstellen personalisierter Inhalte.  Lesen Sie unsere Richtlinien