Also, damit hat es Folgendes auf sich:

Wenn Du die Einstellung REJECT wählst, dann wird auf eine Anfrage von außen geantwortet, dass der betreffende Port geschlossen ist. Selbst wenn auf dem Server tatsächlich ein Server auf diesem Port läuft, kann von außen nicht darauf zugegriffen werden.

Bei der Einstellung DENY werden eingehende Pakete auf dem betreffenden Port einfach kommentarlos und ohne Antwort verworfen.

Was sind die Vor- und Nachteile? Bei REJECT kann auf die entsprechend eingestellten Ports nicht zugegriffen werden, der Rechner ist aber im Internet sichtbar, weil er ja eine Antwort an den anfragenden Rechner zurückschickt. Bei einem Portscan werden auf REJECT stehende Ports als "closed" angezeigt.

Mit DENY kannst Du den Rechner im Netz praktisch unsichtbar machen, wenn Du gleichzeitig auch noch icmp Ping sperrst. ABER: Der anfragende Rechner läuft in einen Timeout, weil er längere Zeit auf eine Antwort wartet. Deshalb kann die Einstellung DENY andere Rechner im Netz massiv ausbremsen. Du kannst das mit einem Portscan leicht selbst testen. Bei REJECT läuft der rasend schnell durch, bei DENY dauert das ewig, weil der scannende Rechner bis zum Timeout auf Antwort wartet. REJECT ist deshalb die technisch sauberere Lösung, es sei denn, es besteht berechtigtes Interesse, den Rechner vor der Außenwelt zu verstecken.

Hallo!

Die übliche Art der Bezeichnung ist folgende: Die Größe der Grundgesamtheit ist hier bekannt und beträgt N=1200. Oft ist es ja so, dass N gar nicht bekannt ist. Deine vorliegende Stichprobe hat die Größe n=100. Das Verhältnis zwischen n und den von Dir angeschriebenen Personen ist die sog. Rücklaufquote und beträgt hier 25%.

Das bei einzelnen Variablen die Fallzahlen variieren ist der Normalfall (Antwortverweigerungen) und wird bei der jeweiligen Auswertung mit angegeben. Man unterscheidet hier die Gesamtzahl der Fälle und Anzahl der gültigen Fälle, die in eine bestimmte Auswertung eingehen. Wenn Du z.B. ein Balkendiagramm von einer Variable erstellst, kommt unten drunter die Angabe der gültigen Fälle in der Form z.B. n=50. Wenn Du mit SPSS arbeitest, macht das Programm dies automatisch bei jeder einzelnen Auswertung. Werden Maßzahlen berechnet, wie etwa Korrelationskoeffizienten, wird die gültige Fallzahl dahinter in Klammern angegeben, also z.B. r=0,35 (n=90).

Es gibt neben dem globalen Filter auch noch eine vorübergehende Fallselektion. Wenn die Auswahl nur für einen einzelnen Befehl gelten soll kannst Du folgende Syntax verwenden:

temporary.

select if Bedingung.

Beispiel:

temporary.

select if x =1.

Im Beispiel würden alle Fälle ausgewählt, bei denen die Variable x den Wert 1 besitzt, und zwar nur für das nachfolgende Kommando. Danach wird automatisch wieder mit allen Fällen gearbeitet. Hat bei kurzfristigen Auswahlen den Vorteil, dass Du Dir die Syntax nicht mit den Use filter, Filter Off-Blöcken zukleisterst und es keine Verwirrung um den gerade aktiven Filter geben kann.

Die Quartile sind einfache lagetypische Streuungsparameter. Lagetypisch bedeutet, dass sie aus Rohdaten ohne Berechnung bestimmt werden können, indem die Beobachtungen einfach aufsteigend sortiert werden. Das erste Quartil ist dann der Wert, unter dem 25% aller Beobachtungen liegen, das zweite Quartil ist identisch mit dem Median und teilt die Beobachtungen genau in zwei Hälften, das dritte Quartil ist der Wert, unter dem 75% aller Beobachtungen liegen. Nimmt man die Differenz aus Q3-Q1 erhält man den Quartilsabstand (QA), der angibt, in welchem Bereich um den Median sich die inneren 50% der Merkmalsverteilung befinden. Grafisch werden die Quartile und der QA im sog. Boxplot dargestellt, mit dem sich die Streuung verschiedener Verteilungen (z.B. Untergruppen) gut vergleichen lässt.

Du schreibst, dass Du Dich für ein Studium interessierst, bei dem in einem Semester auch Statistik gelehrt wird - was sehr wenig ist.

Die Statistik wird im universitären Curriculum meist aufgeteilt in a) deskriptive, b) induktive und c) multivariate Statistik. Wenn Statistik nur in einem Semester stattfindet, so wird sich dies auf die deskriptive und die elementaren Testverfahren der induktiven Statistik beschränken.

Die deskriptive Statistik ist mathematisch sehr simpel und erfordert wenig mehr als die vier Grundrechenarten. Trotzdem scheitern auch hier schon manche, die es mit der Mathematik nicht so haben, an der vermeintlichen "Komplexität" der Formeln. Die induktive Statistik (Schluss von der Stichprobe auf die Grundgesamtheit) ist schon etwas schwieriger. Zwar gibt es letzlich weniger zu rechnen, aber dafür wesentlich mehr zu verstehen. Insbesondere das Denken in Wahrscheinlichkeiten, der Umgang mit Wahrscheinlichkeitsdichtefunktionen, Fehlerwahrscheinlichkeiten und der Logik des Testens und Schätzens. Die komplexeren und eigentlich interessanten Inhalte (Faktorenanalyse, Clusteranalyse, Diskriminanzanalyse, kanonische Korrelation, MDS usw.) kommen dann in der Regel in Veranstaltungen zur multivariaten Statistik. Damit wirst Du es aber in einem Studium mit einem Semester Statistik nicht zu tun bekommen, wenn dies nicht als Wahlfach angeboten wird.

Vor Statistik muss niemand Angst haben, schon gar nicht vor den Grundlagenvorlesungen, die nur darauf abzielen, die elementaren Methoden richtig anwenden und einigermaßen verstehen zu können.

Die Beschäftigung mit den weiterführenden Gebieten der multivariaten Statistik und darüber hinaus der theoretischen Statistik und der Modellentwicklung erfordert allerdings ein sehr solides mathematisches Rüstzeug und die Fähigkeit und Freude daran, mit teilweise extrem abstrakten mathematischen Modellen zu arbeiten.