2. Statistische Methoden in der Diagnostik. Elemente des Studiendesigns

Größe: px
Ab Seite anzeigen:

Download "2. Statistische Methoden in der Diagnostik. Elemente des Studiendesigns"

Transkript

1 2. Statistische Methoden in der Diagnostik Elemente des Studiendesigns Diagnosestudien in der Medizin Klassifikation in krank - nicht krank basierend auf diagnostischem Test Beispiel: Diagnose von Brustkrebs durch Mammographie Prognosestudien prognostische Faktoren In gewissem Sinne Spezialfall einer Diagnosestudie Beispiel: Prognose ob ein Patient bei vorliegenden klinischen Daten in einem definierten Zeitraum stationär behandelt werden muss. Skalentyp des Testergebnisses Auswahl der Studienteilnehmer Vergleich von diagnostischen Tests Test Integrität Screening: Population wird mit kostengünstigem diagnostischen Test untersucht, Bsp.: Pap smear screening. Biostatistische Methoden 1 Biostatistische Methoden 2 Skalentyp des Testergebnisses Auswahl der Studienteilnehmer Typischerweise binär, ordinal oder stetig nicht-binäre Skalen werden häufig mit einem Schwellenwert in zwei Kategorien eingeteilt. Fall-Kontroll-Design : Eine feste Anzahl von kranken und gesunden Personen wird mit diagnostischem Test untersucht Kohorten-Design : Eine Gruppe von Personen wird mit Test untersucht, gleichzeitig wird wahrer Krankheitszustand durch gold standard definite test, kurz Gold Standard erhoben ( ascertainment, Verifikation) Es gibt weitere Varianten, z.b. wiederholte Anwendung eines diagnostischen Tests und Verifikation nur dann, wenn mindestens ein Testergebnis positiv war. Biostatistische Methoden 3 Biostatistische Methoden 4

2 Vergleich von zwei Tests Test Integrität Verbundene Stichproben: Anwendung beider Tests auf jeden Studienteilnehmer Unverbundene Stichproben: Jeder Teilnehmer wird nur mit einem Test untersucht. Kenntnis des wahren Krankheitsstatus darf nicht das Testergebnis beeinflussen. Beispiel: Radiologe beurteilt Röntgenbild von Patientinnen, von denen er weiss dass sie Brustkerbs haben. Abhilfe: Verblindete Studien: Person, die den Test durchführt, kennt Krankheitsstatus nicht. Person, die den wahren Status ermittelt, kennt Testergebnis nicht. Biostatistische Methoden 5 Biostatistische Methoden 6 Beispiel: CASS Studie 2.1 Einfache Verfahren bei binären Tests CASS: coronary artery surgery study exercise stress test (EST) und chest pain history (CPH) bei 1465 Männern mit möglicher Herzerkrankung. Gebundene Stichprobe. Arteriographie: Gold Standard Kohortenstudie, wobei bestimmte Einschlußkriterien gelten müssen. Notation: Y = D = { 1 disease 0 non-disease { 1 test positive for disease 0 test negative for disease D = 0 D = 1 Y = 0 True negative False negative Y = 1 False positive True positive Biostatistische Methoden 7 Biostatistische Methoden 8

3 Klassifikationswahrscheinlichkeiten Fehlklassifikationswahrscheinlichkeit Man definiert nun (oft auch als Raten bezeichnet): false positive fraction FPF = P (Y = 1 D = 0) true positive fraction TPF = P (Y = 1 D = 1) false negative fraction FNF = P (Y = 0 D = 1) = 1 TPF true negative fraction TNF = P (Y = 0 D = 0) = 1 FPF Im Deutschen sind die Begriffe Sensitivität für TPF und Spezifität für TNF üblich. Mit Hilfe der Prävalenz ρ läßt sich die Fehlklassifikationswahrscheinlichkeit bestimmen: Probleme: P (Y D) = FPF (1 ρ) + FNF ρ Die zwei Möglichkeiten für Fehlklassifikation können sehr unterschiedliche Konsequenzen haben, werden hier aber gleich behandelt Die Fehlklassifikationswahrscheinlichkeit hängt von der Prävalenz ab. Biostatistische Methoden 9 Biostatistische Methoden 10 Prädiktive Werte Idealer und nutzloser Test Alternativ lässt sich die Güte eines Tests auch über die prädiktiven Werte beschreiben: positive predictive value PPV = P (D = 1 Y = 1) negative predictive value NPV = P (D = 0 Y = 0) Prädiktive Werte werden häufig zusammen mit der Wahrscheinlichkeit für ein positives Testergebnis τ = P (Y = 1) angegeben. Beachte: Prädiktive Werte hängen von der Prävalenz ρ ab. Ein idealer, perfekter Test hat die Eigenschaften TPF = 1 und FPF = 0 bzw. PPV = NPV = 1 Ein nutzloser Test hat die Eigenschaften TPF = FPF bzw. PPV = ρ und NPV = 1 ρ Biostatistische Methoden 11 Biostatistische Methoden 12

4 Wahl der Parametrisierung Die gemeinsame Verteilung von D und Y kann mit drei Parametern beschrieben werden, hierbei kann sowohl (TPF, FPF, ρ) als auch (PPV, NPV, τ) verwendet werden: PPV = NPV = ρ TPF ρ TPF + (1 ρ) FPF (1 ρ) (1 FPF) (1 ρ) (1 FPF) + ρ (1 TPF) τ = ρ TPF + (1 ρ) FPF TPF = FPF = τ PPV τ PPV + (1 τ) (1 NPV) τ (1 PPV) τ (1 PPV) + (1 τ) NPV ρ = τ PPV + (1 τ) NPV Beispiel: CASS Studie D: CAD: coronary artery disease Y : EST: exercise stress test Es ergibt sich: D = 0 D = 1 Y = % 14.2% 36.5% Y = 1 7.8% 55.6% 63.5% 30.2% 69.8% 100% TPF = 0.797, FPF=0.259, ρ = PPV = 0.877, NPV = 0.611, τ = Biostatistische Methoden 13 Biostatistische Methoden 14 Likelihood-Quotienten Interpretation von Likelihood-Quotienten diagnostic likelihood ratio : DLR Man definiert: positive DLR = DLR + = negative DLR = DLR = Auch Bayes-Faktoren genannt. P (Y = 1 D = 1) P (Y = 1 D = 0) = TPF FPF P (Y = 0 D = 1) P (Y = 0 D = 0) = 1 TPF 1 FPF PPV 1 PPV = ρ DLR+ 1 ρ 1 NPV NPV = ρ DLR 1 ρ Posteriori-Odds = Likelihood-Quotient Priori-Odds DLRs quantifizieren, wie viel man durch ein Testergebnis lernt, genauer: um wieviel sich die Chance für Krankheit bei einem positivem bzw. negativem Testergebnis ändert. DLRs hängen nicht von der Prävalenz ab. Im Beispiel ergibt sich DLR + = 3.08 und DLR = 0.27 Biostatistische Methoden 15 Biostatistische Methoden 16

5 Datengrundlage: Schätzen der Kenngrößen D = 0 D = 1 Y = 0 n D n D n Y = 1 n + D n + D n+ n D n D ML-Schätzung der Klassifikationswahrscheinlichkeiten und der prädiktiven Werte durch übliche Anteilsschätzung: ˆπ = n 1 /(n 1 + n 2 ) = n 1 /n Bsp: TPF = n + D /n D und PPV = n + D /n+ 1. Über se(ˆπ) = 2. Über se(log ˆπ) = ˆπ (1 ˆπ) n 1 ˆπ nˆπ 3. Über se(logit ˆπ) = 1 n n 2 4. Über Likelihood-Intervalle Standardfehler (wird später benötigt) 3. und 4. sind im Allgemeinen zur Berechnung von Konfidenzintervallen (KI) zu bevorzugen, wenn ˆπ nahe bei 0 bzw. 1 liegt. Biostatistische Methoden 17 Biostatistische Methoden 18 Simultane Konfidenzregion für (FPF, TPF) Gesucht ist eine simultane Konfidenzregion (KR) für das Paar (FPF, TPF) zum Niveau 1 α. Da die Schätzungen TPF und FPF unabhängig sind (sie basieren auf unterschiedlichen Daten), kann man leicht eine rechteckige KR über zwei univariate KI für TPF bzw. FPF zum Niveau 1 α mit α = 1 1 α definieren. Alternativ: Ellipsoide KR basierend auf asymptotischer Normalität. Diese sind aber schwieriger zu vermitteln. Analog: Simultane KR für prädiktive Werte. Schätzung von Likelihood-Quotienten ML-Schätzung wegen Invarianz: DLR + = TPF FPF und DLR = 1 TPF 1 FPF Standardfehler auf Log-Skala (se(log DLR ) analog): se(log DLR + ) = 1 TPF 1 FPF + n D TPF n D FPF Im Beispiel ergibt sich DLR + = 3.1 (2.6, 3.6) und DLR = 0.27 (0.24, 0.31) Biostatistische Methoden 19 Biostatistische Methoden 20

6 Simultane Konfidenzregionen für DLR + und DLR Schätzungen bei Fall-Kontroll-Design Problem: DLR + und DLR sind abhängig mit asymptotische Kovarianz gleich ( Cov(log DLR +, log DLR 1 ) = + 1 ) n D n D Beweis über multivariate Delta-Regel Kovarianz hängt nur vom Stichprobenumfang ab, kann zur Konstruktion von KRen basierend auf as. Normalität verwendet werden. Klassifikationswahrscheinlichkeiten und DLRs lassen sich genauso schätzen Schätzung der prädiktiven Werte ist nicht möglich, da Prävalenz unbekannt ist. Fall-Kontroll-Design kann aber bei seltenen Krankheiten deutlich effizienter sein, d.h. einen kleineren Stichprobenumfang benötigen. Rechteckige KRen sind hier wegen der Korrelation weniger geeignet. Biostatistische Methoden 21 Biostatistische Methoden 22 Vergleich der Genauigkeit von Tests In der CASS Studie wurden zwei Tests verglichen: FPF TPF EST 26% 80% CPH 55% 95% Als Maß zum Vergleich von Test A (CPH) mit Test B (EST) bieten sich relative Klassifikationswahrscheinlichkeiten an: rtpf(a, B) = TPF A /TPF B Alternative Größen zum Vergleich von Tests Absolute Differenzen: TPF(A, B) = TPF A TPF B FPF(A, B) = FPF A FPF B Odds Ratios: otpf(a, B) = TPF A (1 TPF B ) TPF B (1 TPF A ) ofpf(a, B) = analog rfpf(a, B) = FPF A /FPF B Hier ergibt sich rtpf(a, B) = 1.19 und rfpf(a, B) = Biostatistische Methoden 23 Biostatistische Methoden 24

7 Vergleich von prädiktiven Werten Vergleich von Likelihood-Quotienten Die gleichen Größen lassen sich auch für prädiktive Werte definieren: rppv(a, B), oppv(a, B), rnpv(a, B), onpv(a, B) und rnpv(a, B) = (1 NPV A )/(1 NPV B ) Zum Vergleich von Likelihood-Quotienten bieten sich relative Likelihood-Quotienten an: rdlr + (A, B) = DLR + A /DLR+ B Bei geringer Prävalenz ( rare disease assumption ) gilt: rppv(a, B) oppv(a, B) rnpv(a, B) 1 rnpv(a, B) 1/oNPV(B, A) Es gilt: rdlr (A, B) = DLR A /DLR B rdlr + (A, B) = oppv(a, B) rdlr (A, B) = 1/oNPV(A, B) Biostatistische Methoden 25 Biostatistische Methoden 26 Beispiel: CASS Studie Welcher Test ist besser? Hier ist DLR + EST = 3.06, DLR+ CPH = 1.71, DLR EST DLR CPH = Somit: rdlr + (CPH, EST) = 0.56 rdlr (CPH, EST) = 0.43 Interpretation? = 0.28 und Antwort einfach wenn sowohl rtpf(a, B) > 1 als auch rfpf(a, B) < 1, da gilt: Die folgenden Bedingungen sind äquivalent: (i) rtpf(a, B) > 1 und rfpf(a, B) < 1 (ii) rppv(a, B) > 1 und rnpv(a, B) > 1 Weiterhin folgt aus (i) (iii) rdlr + (A, B) > 1 und rdlr (A, B) < 1, der Umkehrschluss ist aber im Allgemeinen nicht gültig. Biostatistische Methoden 27 Biostatistische Methoden 28

8 Welcher Test ist besser? Wenn beide Dimensionen des Vergleichs nicht übereinstimmen, bietet sich ein entscheidungstheoretischer Ansatz mit erwarteten Kosten an. Beispiel: Pap smear Test und Zervikalkarzinom. Biostatistische Methoden 29

Vorlesung - Medizinische Biometrie

Vorlesung - Medizinische Biometrie Vorlesung - Medizinische Biometrie Stefan Wagenpfeil Institut für Medizinische Biometrie, Epidemiologie und Medizinische Informatik Universität des Saarlandes, Homburg / Saar Vorlesung - Medizinische Biometrie

Mehr

Kapitel 4: Binäre Regression

Kapitel 4: Binäre Regression Kapitel 4: Binäre Regression Steffen Unkel (basierend auf Folien von Nora Fenske) Statistik III für Nebenfachstudierende WS 2013/2014 4.1 Motivation Ausgangssituation Gegeben sind Daten (y i, x i1,...,

Mehr

9. Schätzen und Testen bei unbekannter Varianz

9. Schätzen und Testen bei unbekannter Varianz 9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,

Mehr

Analyse bivariater Kontingenztafeln

Analyse bivariater Kontingenztafeln Analyse bivariater Kontingenztafeln Werden zwei kategoriale Merkmale mit nicht zu vielen möglichen Ausprägungen gemeinsam analysiert, so kommen zur Beschreibung der gemeinsamen Verteilung im allgemeinen

Mehr

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte

Mehr

Standardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14.

Standardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14. Aufgabe : einfacher T-Test Statistik bei einer Stichprobe Standardfehl Standardab er des Mittelwert weichung Mittelwertes 699 39.68 76.59 2.894 Test bei einer Sichprobe Testwert = 45.5 95% Konfidenzintervall

Mehr

5. Schließende Statistik. 5.1. Einführung

5. Schließende Statistik. 5.1. Einführung 5. Schließende Statistik 5.1. Einführung Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.

Mehr

ε heteroskedastisch BINARY CHOICE MODELS Beispiele: Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit Schätzung mit OLS?

ε heteroskedastisch BINARY CHOICE MODELS Beispiele: Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit Schätzung mit OLS? BINARY CHOICE MODELS 1 mit Pr( Y = 1) = P Y = 0 mit Pr( Y = 0) = 1 P Beispiele: Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit Schätzung mit OLS? Y i = X i β + ε i Probleme: Nonsense Predictions

Mehr

Einflußfaktoren auf die serologische Einzeltierdiagnostik der Paratuberkulose mittels ELISA

Einflußfaktoren auf die serologische Einzeltierdiagnostik der Paratuberkulose mittels ELISA Einflußfaktoren auf die serologische Einzeltierdiagnostik der Paratuberkulose mittels ELISA Heike Köhler Bundesforschungsanstalt für Viruskrankheiten der Tiere, Standort Jena NRL Paratuberkulose Diagnostik

Mehr

Statistik II für Betriebswirte Vorlesung 3

Statistik II für Betriebswirte Vorlesung 3 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 3 5. November 2013 Beispiel: Aktiensplit (Aczel & Sounderpandan, Aufg. 14-28) Ein Börsenanalyst

Mehr

Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.)

Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.) ue biostatistik: nichtparametrische testverfahren / ergänzung 1/6 h. Lettner / physik Statistische Testverfahren Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.)

Mehr

Medizinische Psychologie. Bewertung wissenschaftlicher Ergebnisse, Evidenzbasierte Medizin, Anwendung statistischer Information

Medizinische Psychologie. Bewertung wissenschaftlicher Ergebnisse, Evidenzbasierte Medizin, Anwendung statistischer Information Medizinische Psychologie Bewertung wissenschaftlicher Ergebnisse, Evidenzbasierte Medizin, Anwendung statistischer Information Bewertung wissenschaftlicher Ergebnisse Replizierbarkeit (Wiederholbarkeit)

Mehr

Projekt zur Entwicklung, Umsetzung und Evaluation von Leitlinien zum adaptiven Management von Datenqualität in Kohortenstudien und Registern

Projekt zur Entwicklung, Umsetzung und Evaluation von Leitlinien zum adaptiven Management von Datenqualität in Kohortenstudien und Registern Projekt zur Entwicklung, Umsetzung und Evaluation von Leitlinien zum adaptiven Management von Datenqualität in Kohortenstudien und Registern gefördert durch die Indikatoren von Datenqualität Michael Nonnemacher

Mehr

Diagnostikstudien. Dr. Dirk Hasenclever IMISE, Leipzig.

Diagnostikstudien. Dr. Dirk Hasenclever IMISE, Leipzig. Diagnostikstudien Dr. Dirk Hasenclever IMISE, Leipzig Hasenclever@IMISE.uni-Leipzig.de Diagnostische Tests Krankheit ja Krankheit nein Test positiv TrueP FP Test negativ FN TrueN Test- Positive Test- Negative

Mehr

5.2. Nichtparametrische Tests. 5.2.1. Zwei unabhängige Stichproben: U- Test nach MANN- WHITNEY

5.2. Nichtparametrische Tests. 5.2.1. Zwei unabhängige Stichproben: U- Test nach MANN- WHITNEY 5.2. Nichtparametrische Tests 5.2.1. Zwei unabhängige Stichproben: U- Test nach MANN- WHITNEY Voraussetzungen: - Die Verteilungen der beiden Grundgesamtheiten sollten eine ähnliche Form aufweisen. - Die

Mehr

Medizinische Statistik Epidemiologie und χ 2 Vierfeldertest

Medizinische Statistik Epidemiologie und χ 2 Vierfeldertest Universität Wien Institut für Mathematik Wintersemester 2009/2010 Medizinische Statistik Epidemiologie und χ 2 Vierfeldertest Seminar Angewandte Mathematik Ao. Univ. Prof. Dr. Peter Schmitt von Nadja Reiterer

Mehr

Statistik II für Betriebswirte Vorlesung 2

Statistik II für Betriebswirte Vorlesung 2 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 2 21. Oktober 2014 Verbundene Stichproben Liegen zwei Stichproben vor, deren Werte einander

Mehr

Eine Einführung in R: Statistische Tests

Eine Einführung in R: Statistische Tests Eine Einführung in R: Statistische Tests Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig http://www.uni-leipzig.de/ zuber/teaching/ws12/r-kurs/

Mehr

Multinomiale logistische Regression

Multinomiale logistische Regression Multinomiale logistische Regression Die multinomiale logistische Regression dient zur Schätzung von Gruppenzugehörigkeiten bzw. einer entsprechenden Wahrscheinlichkeit hierfür, wobei als abhänginge Variable

Mehr

Übungsblatt 1 Biostatistische Methoden SoSe 2011 Ulrich Mansmann, Stefanie Kalus, Rüdiger Laubender Übung: Donnerstag 05.05.2011

Übungsblatt 1 Biostatistische Methoden SoSe 2011 Ulrich Mansmann, Stefanie Kalus, Rüdiger Laubender Übung: Donnerstag 05.05.2011 Übungsblatt 1 Biostatistische Methoden SoSe 2011 Ulrich Mansmann, Stefanie Kalus, Rüdiger Laubender Übung: Donnerstag 05.05.2011 Aufgabe 1 (Basic Diagnostics) Der Nachweis von erhöhten Zuckermengen im

Mehr

Fortgeschrittene Statistik Logistische Regression

Fortgeschrittene Statistik Logistische Regression Fortgeschrittene Statistik Logistische Regression O D D S, O D D S - R A T I O, L O G I T T R A N S F O R M A T I O N, I N T E R P R E T A T I O N V O N K O E F F I Z I E N T E N, L O G I S T I S C H E

Mehr

METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER

METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER DAS THEMA: INFERENZSTATISTIK IV INFERENZSTATISTISCHE AUSSAGEN FÜR ZUSAMMENHÄNGE UND UNTERSCHIEDE Inferenzstatistik für Zusammenhänge Inferenzstatistik für Unterschiede

Mehr

Statistische Auswertung der Daten von Blatt 13

Statistische Auswertung der Daten von Blatt 13 Statistische Auswertung der Daten von Blatt 13 Problemstellung 1 Graphische Darstellung der Daten 1 Diskussion der Normalverteilung 3 Mittelwerte und deren Konfidenzbereiche 3 Signifikanz der Behandlung

Mehr

Nichtparametrische Analyse longitudinaler Daten in faktoriellen Experimenten. Frank Konietschke

Nichtparametrische Analyse longitudinaler Daten in faktoriellen Experimenten. Frank Konietschke Nichtparametrische Analyse longitudinaler Daten in faktoriellen Experimenten Frank Konietschke Abteilung für Medizinische Statistik Universität Göttingen 1 Übersicht Beispiele CGI (repeated measures) γ-gt

Mehr

Übungsserie Nr. 10 mit Lösungen

Übungsserie Nr. 10 mit Lösungen Übungsserie Nr. 10 mit Lösungen 1 Ein Untersuchungsdesign sieht einen multivariaten Vergleich einer Stichprobe von Frauen mit einer Stichprobe von Männern hinsichtlich der Merkmale X1, X2 und X3 vor (Codierung:

Mehr

Profil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8

Profil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8 1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen

Mehr

Stichprobenauslegung. für stetige und binäre Datentypen

Stichprobenauslegung. für stetige und binäre Datentypen Stichprobenauslegung für stetige und binäre Datentypen Roadmap zu Stichproben Hypothese über das interessierende Merkmal aufstellen Stichprobe entnehmen Beobachtete Messwerte abbilden Schluss von der Beobachtung

Mehr

Univariate/ multivariate Ansätze. Klaus D. Kubinger. Test- und Beratungsstelle. Effektgrößen

Univariate/ multivariate Ansätze. Klaus D. Kubinger. Test- und Beratungsstelle. Effektgrößen Univariate/ multivariate Ansätze Klaus D. Kubinger Effektgrößen Rasch, D. & Kubinger, K.D. (2006). Statistik für das Psychologiestudium Mit Softwareunter-stützung zur Planung und Auswertung von Untersuchungen

Mehr

Querschnittsbereich Epidemiologie, Med. Biometrie und Med. Informatik Diagnose und Prognose SS 10 Übung 3

Querschnittsbereich Epidemiologie, Med. Biometrie und Med. Informatik Diagnose und Prognose SS 10 Übung 3 Informationsblatt zur Lyme-Borreliose Lyme-Borreliose Die Lyme-Borreliose ist eine Infektionskrankheit, die durch eine bestimmte Bakterienart (Borrelia burgdorferi) verursacht und durch Zecken übertragen

Mehr

Naive Bayes. 5. Dezember 2014. Naive Bayes 5. Dezember 2014 1 / 18

Naive Bayes. 5. Dezember 2014. Naive Bayes 5. Dezember 2014 1 / 18 Naive Bayes 5. Dezember 2014 Naive Bayes 5. Dezember 2014 1 / 18 Inhaltsverzeichnis 1 Thomas Bayes 2 Anwendungsgebiete 3 Der Satz von Bayes 4 Ausführliche Form 5 Beispiel 6 Naive Bayes Einführung 7 Naive

Mehr

Kommentierter SPSS-Ausdruck zur logistischen Regression

Kommentierter SPSS-Ausdruck zur logistischen Regression Daten: POK V AG 3 (POKV_AG3_V07.SAV) Kommentierter SPSS-Ausdruck zur logistischen Regression Fragestellung: Welchen Einfluss hat die Fachnähe und das Geschlecht auf die interpersonale Attraktion einer

Mehr

Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik

Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik Ludwig Fahrmeir, Nora Fenske Institut für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik 29. März 21 Hinweise:

Mehr

ZUKÜNFTIGE KOSTEN VON DEMENZ IN DEUTSCHLAND. Uta Ziegler & Gabriele Doblhammer Universität Rostock Rostocker Zentrum für Demographischen Wandel

ZUKÜNFTIGE KOSTEN VON DEMENZ IN DEUTSCHLAND. Uta Ziegler & Gabriele Doblhammer Universität Rostock Rostocker Zentrum für Demographischen Wandel ZUKÜNFTIGE KOSTEN VON DEMENZ IN DEUTSCHLAND Uta Ziegler & Gabriele Doblhammer Universität Rostock Rostocker Zentrum für Demographischen Wandel Statistische Woche, Köln, 17. September 2008 - Fragestellung

Mehr

Studiendesign und Statistik: Interpretation publizierter klinischer Daten

Studiendesign und Statistik: Interpretation publizierter klinischer Daten Studiendesign und Statistik: Interpretation publizierter klinischer Daten Dr. Antje Jahn Institut für Medizinische Biometrie, Epidemiologie und Informatik Universitätsmedizin Mainz Hämatologie im Wandel,

Mehr

Aufabe 7: Baum-Welch Algorithmus

Aufabe 7: Baum-Welch Algorithmus Effiziente Algorithmen VU Ausarbeitung Aufabe 7: Baum-Welch Algorithmus Florian Fest, Matr. Nr.0125496 baskit@generationfun.at Claudia Hermann, Matr. Nr.0125532 e0125532@stud4.tuwien.ac.at Matteo Savio,

Mehr

Einführung in die Logistische Regression. Fortbildung zur 19.Informationstagung Tumordokumentation

Einführung in die Logistische Regression. Fortbildung zur 19.Informationstagung Tumordokumentation Einführung in die Logistische Regression Fortbildung zur 9.Informationstagung Tumordokumentation Bernd Schicke, Tumorzentrum Berlin FB Bayreuth, 29.März 20 Gliederung Einleitung Schätzen von Maßzahlen

Mehr

Vorlesung 1: Grundlagen, Evidenzbasierte Medizin und Gute Klinische Praxis (GCP)

Vorlesung 1: Grundlagen, Evidenzbasierte Medizin und Gute Klinische Praxis (GCP) Vorlesung 1: Grundlagen, Evidenzbasierte Medizin und Gute Klinische Praxis (GCP) 1.1. Begriffsbildung im Rahmen der Evidenzbasierten Medizin (EBM) Einsicht in die Notwendigkeit und praktische Relevanz

Mehr

Wahrscheinlichkeitstheoretische Grundlagen für False Discovery Rate-kontrollierende multiple Testprozeduren

Wahrscheinlichkeitstheoretische Grundlagen für False Discovery Rate-kontrollierende multiple Testprozeduren Wahrscheinlichkeitstheoretische Grundlagen für False Discovery Rate-kontrollierende multiple Testprozeduren Thorsten Dickhaus Universität des Saarlandes, 06. Juli 2009 Übersicht Einführung: Multiples Testen

Mehr

Auswertung mit dem Statistikprogramm SPSS: 30.11.05

Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Seite 1 Einführung SPSS Was ist eine Fragestellung? Beispiel Welche statistische Prozedur gehört zu welcher Hypothese? Statistische Berechnungen mit

Mehr

0 Einführung: Was ist Statistik

0 Einführung: Was ist Statistik 0 Einführung: Was ist Statistik 1 Datenerhebung und Messung Die Messung Skalenniveaus 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Grundbegriffe Statistische Einheit,

Mehr

Objektivierung der kardiovaskulären Dysfunktion im ambulanten und hausärztlichen Bereich mittels handgehaltener Echokardiographie

Objektivierung der kardiovaskulären Dysfunktion im ambulanten und hausärztlichen Bereich mittels handgehaltener Echokardiographie Objektivierung der kardiovaskulären Dysfunktion im ambulanten und hausärztlichen Bereich mittels handgehaltener Echokardiographie und dem BNP-Schnelltest. Multicenter-Studie des Teilprojekts 6 im Kompetenznetz

Mehr

Praktisches zur Medikamentenallergie- Abklärung Hautteste und Neues zur in vitro Diagnostik

Praktisches zur Medikamentenallergie- Abklärung Hautteste und Neues zur in vitro Diagnostik Praktisches zur Medikamentenallergie- Abklärung Hautteste und Neues zur in vitro Diagnostik Benno Schnyder Universitätsklinik für Rheumatologie, klinische Immunologie und Allergologie Inselspital Bern

Mehr

Evidenzbasierte Diagnostik

Evidenzbasierte Diagnostik Seminar Allgemeinmedizin 2011 Evidenzbasierte Diagnostik A. Sönnichsen Beurteilung eines diagnostischen Tests: Sensitivität Prozentsatz der Test-positiven von allen Erkrankten Spezifität Prozentsatz der

Mehr

Antrag zur Durchführung einer epidemiologischen Untersuchung

Antrag zur Durchführung einer epidemiologischen Untersuchung Materialien zu Genetisch-Epidemiologischen Methoden Absender: Antrag zur Durchführung einer epidemiologischen Untersuchung Musterantrag der ad hoc Arbeitsgruppe Epidemiologie des Arbeitskreises Medizinischer

Mehr

6 Mehrstufige zufällige Vorgänge Lösungshinweise

6 Mehrstufige zufällige Vorgänge Lösungshinweise 6 Mehrstufige zufällige Vorgänge Lösungshinweise Aufgabe 6.: Begründen Sie, warum die stochastische Unabhängigkeit zweier Ereignisse bzw. zufälliger Vorgänge nur ein Modell der Realität darstellen kann.

Mehr

Verbessert Bildung den Gesundheitszustand? Ergebnisse für die Bildungsexpansion in West-Deutschland

Verbessert Bildung den Gesundheitszustand? Ergebnisse für die Bildungsexpansion in West-Deutschland Verbessert Bildung den Gesundheitszustand? Ergebnisse für die Bildungsexpansion in West-Deutschland Hendrik Jürges, MEA Steffen Reinhold, MEA Martin Salm, Universität Tilburg Siebte Jahreskonferenz des

Mehr

Business Value Launch 2006

Business Value Launch 2006 Quantitative Methoden Inferenzstatistik alea iacta est 11.04.2008 Prof. Dr. Walter Hussy und David Tobinski UDE.EDUcation College im Rahmen des dokforums Universität Duisburg-Essen Inferenzstatistik Erläuterung

Mehr

14.01.14 DAS THEMA: INFERENZSTATISTIK II. Standardfehler Konfidenzintervalle Signifikanztests. Standardfehler

14.01.14 DAS THEMA: INFERENZSTATISTIK II. Standardfehler Konfidenzintervalle Signifikanztests. Standardfehler DAS THEMA: INFERENZSTATISTIK II INFERENZSTATISTISCHE AUSSAGEN Standardfehler Konfidenzintervalle Signifikanztests Standardfehler der Standardfehler Interpretation Verwendung 1 ZUR WIEDERHOLUNG... Ausgangspunkt:

Mehr

Seminar Text- und Datamining Datamining-Grundlagen

Seminar Text- und Datamining Datamining-Grundlagen Seminar Text- und Datamining Datamining-Grundlagen Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 23.05.2013 Gliederung 1 Klassifikationsprobleme 2 Evaluation

Mehr

Von Wilcoxon bis McNemar es kann nur einen Signifikanztest geben

Von Wilcoxon bis McNemar es kann nur einen Signifikanztest geben Institut für Medizinische Biometrie und Epidemiologie Von Wilcoxon bis McNemar es kann nur einen Signifikanztest geben Zum Nacharbeiten Auswahl von Signifikanztests 2 prinzipielle Unterscheidungskriterien:

Mehr

Statistik im Bachelor-Studium der BWL und VWL

Statistik im Bachelor-Studium der BWL und VWL Max C. Wewel Statistik im Bachelor-Studium der BWL und VWL Methoden, Anwendung, Interpretation Mit herausnehmbarer Formelsammlung ein Imprint von Pearson Education München Boston San Francisco Harlow,

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike

Mehr

Statistik für Studenten der Sportwissenschaften SS 2008

Statistik für Studenten der Sportwissenschaften SS 2008 Statistik für Studenten der Sportwissenschaften SS 008 Aufgabe 1 Man weiß von Rehabilitanden, die sich einer bestimmten Gymnastik unterziehen, dass sie im Mittel µ=54 Jahre (σ=3 Jahre) alt sind. a) Welcher

Mehr

Lösungen zur Biomathe-Klausur Gruppe A Montag, den 16. Juli 2001

Lösungen zur Biomathe-Klausur Gruppe A Montag, den 16. Juli 2001 Lösungen zur Biomathe-Klausur Gruppe A Montag, den 16. Juli 2001 1. Sensitivität und Spezifität In einer medizinischen Ambulanz haben 30 % der Patienten eine akute Appendizitis. 80 % dieser Patienten haben

Mehr

Ist gut gemeint auch gut gemacht? Chancen und Grenzen von Screening-Programmen

Ist gut gemeint auch gut gemacht? Chancen und Grenzen von Screening-Programmen Ist gut gemeint auch gut gemacht? Chancen und Grenzen von Screening-Programmen Dr. rer. medic. Klaus Koch Was ist Screening? Untersuchung an Gesunden ohne Beschwerden oder besondere Risikofaktoren. Unterscheidung:

Mehr

If something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra

If something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra If something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra If you torture your data long enough, they will tell you whatever you want to hear. James L. Mills Warum Biostatistik?

Mehr

Kategoriale abhängige Variablen: Logit- und Probit -Modelle. Statistik II

Kategoriale abhängige Variablen: Logit- und Probit -Modelle. Statistik II Kategoriale abhängige Variablen: Logit- und Probit -Modelle Statistik II Wiederholung Literatur Annahmen und Annahmeverletzungen Funktionen Exponenten, Wurzeln usw. Das Problem Das binäre Logit-Modell

Mehr

Trainingsaufgaben zur Klausurvorbereitung in Statistik I und II Thema: Satz von Bayes

Trainingsaufgaben zur Klausurvorbereitung in Statistik I und II Thema: Satz von Bayes Trainingsaufgaben zur Klausurvorbereitung in Statistik I und II Thema: Satz von Bayes Aufgabe 1: Wetterbericht Im Mittel sagt der Wetterbericht für den kommenden Tag zu 60 % schönes und zu 40% schlechtes

Mehr

Künstliche Intelligenz Unsicherheit. Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln

Künstliche Intelligenz Unsicherheit. Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Künstliche Intelligenz Unsicherheit Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Rückblick Agent in der Wumpuswelt konnte Entscheidungen

Mehr

Medizinische Physik und Statistik I. 2011/12, II. Semester. Prüfungskurs. Vorlesung: Kurscode: AOK-KN051-Prüfung,

Medizinische Physik und Statistik I. 2011/12, II. Semester. Prüfungskurs. Vorlesung: Kurscode: AOK-KN051-Prüfung, Medizinische Physik und Statistik I. 2011/12, II. Semester Prüfungskurs DATEN DES KURSES Titel des Kurses: Medizinische Physik und Statistik I. Kreditpunkte: 5 Kreditpunkte Vorlesung: Kurscode: AOK-KN051-Prüfung,

Mehr

Häufigkeitstabellen. Balken- oder Kreisdiagramme. kritischer Wert für χ2-test. Kontingenztafeln

Häufigkeitstabellen. Balken- oder Kreisdiagramme. kritischer Wert für χ2-test. Kontingenztafeln Häufigkeitstabellen Menüpunkt Data PivotTable Report (bzw. entsprechendes Icon): wähle Data Range (Zellen, die die Daten enthalten + Zelle mit Variablenname) wähle kategoriale Variable für Spalten- oder

Mehr

8. Konfidenzintervalle und Hypothesentests

8. Konfidenzintervalle und Hypothesentests 8. Konfidenzintervalle und Hypothesentests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Beispiel. Sie wollen den durchschnittlichen Fruchtsaftgehalt eines bestimmten Orangennektars

Mehr

Franz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. Excel Edition. ^ Springer Spektrum

Franz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. Excel Edition. ^ Springer Spektrum Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst Excel Edition ^ Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3

Mehr

Minimale Resterkrankung, Hochdurchsatz-Sequenzierung und Prognose beim multiplen Myelom

Minimale Resterkrankung, Hochdurchsatz-Sequenzierung und Prognose beim multiplen Myelom Minimale Resterkrankung, Hochdurchsatz-Sequenzierung und Prognose beim multiplen Myelom Von Navneet Ramesh und Maike Haehle, übersetzt von Sabine Schock Vom 8. Apr 2014 7:41 Uhr; aktualisiert am 8. Apr

Mehr

Willkommen zur Vorlesung Statistik (Master)

Willkommen zur Vorlesung Statistik (Master) Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungsfreie Verfahren Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften

Mehr

Prüfen von Mittelwertsunterschieden: t-test

Prüfen von Mittelwertsunterschieden: t-test Prüfen von Mittelwertsunterschieden: t-test Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) t-test

Mehr

Interne und externe Modellvalidität

Interne und externe Modellvalidität Interne und externe Modellvalidität Interne Modellvalidität ist gegeben, o wenn statistische Inferenz bzgl. der untersuchten Grundgesamtheit zulässig ist o KQ-Schätzer der Modellparameter u. Varianzschätzer

Mehr

Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table("c:\\compaufg\\kredit.

Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table(c:\\compaufg\\kredit. Lösung 16.3 Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit

Mehr

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren)

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Multiple Regression 1 Was ist multiple lineare Regression? Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Annahme: Der Zusammenhang

Mehr

Einfache statistische Auswertungen mit dem Programm SPSS

Einfache statistische Auswertungen mit dem Programm SPSS Einfache statistische Auswertungen mit dem Programm SPSS Datensatz: fiktive_daten.sav Dipl. Päd. Anne Haßelkus Dr. Dorothea Dette-Hagenmeyer 11/2011 Überblick 1 Deskriptive Statistiken; Mittelwert berechnen...

Mehr

2. Lernen von Entscheidungsbäumen

2. Lernen von Entscheidungsbäumen 2. Lernen von Entscheidungsbäumen Entscheidungsbäume 2. Lernen von Entscheidungsbäumen Gegeben sei eine Menge von Objekten, die durch Attribut/Wert- Paare beschrieben sind. Jedes Objekt kann einer Klasse

Mehr

Univariates Chi-Quadrat-Verfahren für ein dichotomes Merkmal und eine Messwiederholung: Test nach McNemar

Univariates Chi-Quadrat-Verfahren für ein dichotomes Merkmal und eine Messwiederholung: Test nach McNemar Univariates Chi-Quadrat-Verfahren für ein dichotomes Merkmal und eine Messwiederholung: Test nach McNemar Inhaltsverzeichnis Univariates Chi-Quadrat-Verfahren für ein dichotomes Merkmal und eine Messwiederholung:

Mehr

Studiendesign/ Evaluierungsdesign

Studiendesign/ Evaluierungsdesign Jennifer Ziegert Studiendesign/ Evaluierungsdesign Praxisprojekt: Nutzerorientierte Evaluierung von Visualisierungen in Daffodil mittels Eyetracker Warum Studien /Evaluierungsdesign Das Design einer Untersuchung

Mehr

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion

Mehr

Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen

Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen Warum überhaupt Gedanken machen? Was fehlt, ist doch weg, oder? Allgegenwärtiges Problem in psychologischer Forschung Bringt Fehlerquellen

Mehr

Norm- vs. Kriteriumsorientiertes Testen

Norm- vs. Kriteriumsorientiertes Testen Norm- vs. Kriteriumsorientiertes Testen Aus psychologischen Test ergibt sich in der Regel ein numerisches Testergebnis, das Auskunft über die Merkmalsausprägung der Testperson geben soll. Die aus der Testauswertung

Mehr

Primärer Endpunkt Fallzahlkalkulation...

Primärer Endpunkt Fallzahlkalkulation... Prospective randomized multicentre investigator initiated study: Randomised trial comparing completeness of adjuvant chemotherapy after early versus late diverting stoma closure in low anterior resection

Mehr

1. Einfuhrung zur Statistik

1. Einfuhrung zur Statistik Philipps-Universitat Marburg Was ist Statistik? Statistik = Wissenschaft vom Umgang mit Daten Phasen einer statistischen Studie 1 Studiendesign Welche Daten sollen erhoben werden? Wie sollen diese erhoben

Mehr

Analyse von Tabellen und kategorialen Daten

Analyse von Tabellen und kategorialen Daten Hans-Jürgen Andreß Jacques A. Hagenaars Steffen Kühnel Analyse von Tabellen und kategorialen Daten Log-lineare Modelle, latente Klassenanalyse, logistische Regression und GSK-Ansatz Mit 32 Abbildungen

Mehr

Statistische Analyse von Ereigniszeiten

Statistische Analyse von Ereigniszeiten Statistische Analyse von Survival Analysis VO Biostatistik im WS 2006/2007 1 2 3 : Leukemiedaten (unzensiert) 33 Patienten mit Leukemie; Zielvariable Überlebenszeit. Alle Patienten verstorben und Überlebenszeit

Mehr

Multivariate Statistik

Multivariate Statistik Hermann Singer Multivariate Statistik 1 Auflage 15 Oktober 2012 Seite: 12 KAPITEL 1 FALLSTUDIEN Abbildung 12: Logistische Regression: Geschätzte Wahrscheinlichkeit für schlechte und gute Kredite (rot/blau)

Mehr

Stochastische Eingangsprüfung, 17.05.2008

Stochastische Eingangsprüfung, 17.05.2008 Stochastische Eingangsprüfung, 17.5.8 Wir gehen stets von einem Wahrscheinlichkeitsraum (Ω, A, P) aus. Aufgabe 1 ( Punkte) Sei X : Ω [, ) eine integrierbare Zufallsvariable mit XdP = 1. Sei Q : A R, Q(A)

Mehr

Analytische Statistik I. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2009/10

Analytische Statistik I. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2009/10 Analytische Statistik I Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2009/10 Testen Anpassungstests (goodness of fit) Weicht eine gegebene Verteilung signifikant von einer bekannten

Mehr

Wie lässt sich Datenqualität messen?

Wie lässt sich Datenqualität messen? Wie lässt sich Datenqualität messen? Eine Leitline der Telematikplattform für Medizinische Forschungsnetze M. Nonnemacher, D. Weiland, J. Stausberg Institut für Medizinische Informatik, Biometrie und Epidemiologie

Mehr

Christian FG Schendera. Regressionsanalyse. mit SPSS. 2. korrigierte und aktualisierte Auflage DE GRUYTER OLDENBOURG

Christian FG Schendera. Regressionsanalyse. mit SPSS. 2. korrigierte und aktualisierte Auflage DE GRUYTER OLDENBOURG Christian FG Schendera Regressionsanalyse mit SPSS 2. korrigierte und aktualisierte Auflage DE GRUYTER OLDENBOURG Inhalt Vorworte V 1 Korrelation 1 1.1 Einführung 1 1.2 Erste Voraussetzung: Das Skalenniveau

Mehr

Dr. Heidemarie Keller

Dr. Heidemarie Keller Reliabilität und Validität der deutschen Version der OPTION Scale Dr. Heidemarie Keller Abteilung für Allgemeinmedizin, Präventive und Rehabilitative Medizin Philipps-Universität Marburg EbM & Individualisierte

Mehr

Multivariate Verfahren

Multivariate Verfahren Selbstkontrollarbeit 2 Multivariate Verfahren Musterlösung Aufgabe 1 (28 Punkte) Der Marketing-Leiter einer Lebensmittelherstellers möchte herausfinden, mit welchem Richtpreis eine neue Joghurt-Marke auf

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 9. Dezember 2010 1 Konfidenzintervalle Idee Schätzung eines Konfidenzintervalls mit der 3-sigma-Regel Grundlagen

Mehr

Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min

Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Klausur, Multivariate Verfahren, SS 2006, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 08.08.2006 Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Gesamtpunkte: 39 Aufgabe

Mehr

Monte-Carlo-Simulationen mit Copulas. Kevin Schellkes und Christian Hendricks 29.08.2011

Monte-Carlo-Simulationen mit Copulas. Kevin Schellkes und Christian Hendricks 29.08.2011 Kevin Schellkes und Christian Hendricks 29.08.2011 Inhalt Der herkömmliche Ansatz zur Simulation logarithmischer Renditen Ansatz zur Simulation mit Copulas Test und Vergleich der beiden Verfahren Fazit

Mehr

Bisher angenommen: jeder Spieler kennt alle Teile des Spiels. - Diskontfaktor des Verhandlungspartners

Bisher angenommen: jeder Spieler kennt alle Teile des Spiels. - Diskontfaktor des Verhandlungspartners 1 KAP 15. Spiele unter unvollständiger Information Bisher angenommen: jeder Spieler kennt alle Teile des Spiels seine Gegenspieler, deren Aktionen, deren Nutzen, seinen eigenen Nutzen etc. Oft kennt man

Mehr

Beurteilung der biometrischen Verhältnisse in einem Bestand. Dr. Richard Herrmann, Köln

Beurteilung der biometrischen Verhältnisse in einem Bestand. Dr. Richard Herrmann, Köln Beurteilung der biometrischen Verhältnisse in einem Bestand Dr. Richard Herrmann, Köln Beurteilung der biometrischen Verhältnisse in einem Bestand 1 Fragestellung Methoden.1 Vergleich der Anzahlen. Vergleich

Mehr

2. Korrelation, lineare Regression und multiple Regression

2. Korrelation, lineare Regression und multiple Regression multiple 2.2 Lineare 2.2 Lineare 1 / 130 2.2 Lineare 2 / 130 2.1 Beispiel: Arbeitsmotivation Untersuchung zur Motivation am Arbeitsplatz in einem Chemie-Konzern 25 Personen werden durch Arbeitsplatz zufällig

Mehr

Messen im psychologischen Kontext II: Reliabilitätsüberprüfung und explorative Faktorenanalyse

Messen im psychologischen Kontext II: Reliabilitätsüberprüfung und explorative Faktorenanalyse Messen im psychologischen Kontext II: Reliabilitätsüberprüfung und explorative Faktorenanalyse Dominik Ernst 26.05.2009 Bachelor Seminar Dominik Ernst Reliabilität und explorative Faktorenanalyse 1/20

Mehr

Teil I Beschreibende Statistik 29

Teil I Beschreibende Statistik 29 Vorwort zur 2. Auflage 15 Vorwort 15 Kapitel 0 Einführung 19 0.1 Methoden und Aufgaben der Statistik............................. 20 0.2 Ablauf statistischer Untersuchungen..............................

Mehr

Relatives Risiko (RR; relative risk, riskratio) wie OddsRatio wichtiger Kennwert in klinischer Forschung

Relatives Risiko (RR; relative risk, riskratio) wie OddsRatio wichtiger Kennwert in klinischer Forschung Relatives Risiko 1/8 Relatives Risiko (RR; relative risk, riskratio) wie OddsRatio wichtiger Kennwert in klinischer Forschung RR gibt Auskunft darüber, ob das Vorhandensein eines (i.a. Risiko-)Faktors

Mehr

6. METRISCHE UND KATEGORIALE MERKMALE

6. METRISCHE UND KATEGORIALE MERKMALE 6. METRISCHE UND KATEGORIALE MERKMALE wenn an einer Beobachtungseinheit eine (oder mehrere) metrische und eine (oder mehrere) kategoriale Variable(n) erhoben wurden Beispiel: Haushaltsarbeit von Teenagern

Mehr

Ferienakademie 2001: Kryptographie und Sicherheit offener Systeme. Faktorisierung. Stefan Büttcher stefan@buettcher.org

Ferienakademie 2001: Kryptographie und Sicherheit offener Systeme. Faktorisierung. Stefan Büttcher stefan@buettcher.org Ferienakademie 2001: Kryptographie und Sicherheit offener Systeme Faktorisierung Stefan Büttcher stefan@buettcher.org 1 Definition. (RSA-Problem) Gegeben: Ò ÔÕ, ein RSA-Modul mit unbekannten Primfaktoren

Mehr

12.1 Wie funktioniert ein Signifikanztest?

12.1 Wie funktioniert ein Signifikanztest? Sedlmeier & Renkewitz Kapitel 12 Signifikanztests 12.1 Wie funktioniert ein Signifikanztest? Zentrales Ergebnis eine Signifikanztests: Wie wahrscheinlich war es unter der Bedingung dass H0 gilt, diesen

Mehr

Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear":

Das Dialogfeld für die Regressionsanalyse (Lineare Regression) findet sich im Statistik- Menu unter Regression-Linear: Lineare Regression Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear": Im einfachsten Fall werden mehrere Prädiktoren (oder nur

Mehr