Master of Science in Pflege
|
|
- Hennie Buchholz
- vor 5 Jahren
- Abrufe
Transkript
1 Master of Science in Pflege Modul: Statistik Einführung in die schliessende Statistik Oktober 212 Prof. Dr. Jürg Schwarz Folie 2 Programm 31. Oktober 212: Vormittag ( ) Vorlesung - Einführung, Stichprobenziehung - Wie ein Hypothesentest funktioniert, Punktschätzung und Konfidenzintervall Tutorat / Assignment: Einführung zum Thema - Informationen zum Entscheidbaum / Wahl eines Tests / Anhang in Assignment 3 Programm 31. Oktober 212: Nachmittag ( ) Anwendung in der Pflegewissenschaft: Beispiele - Pryjmachuk & Richards (27) Tutorat / Assignment - Begleitetes Lösen des Assignments Remains of the Day
2 Ziele der Vorlesung Folie 3 Sie kennen das Konzept des zentralen Grenzwertsatzes (vereinfacht). Sie kennen das Konzept standardisierter Werte (z-werte). Sie kennen das Konzept des Hypothesentests. Sie kennen die Schritte, die zum Hypothesentest gehören. Sie können mit SPSS Hypothesentests durchführen. Im Einzelnen können Sie einen t-test (Mittelwerte von zwei unabhängigen Stichproben) mit SPSS durchführen. die Punktschätzung sowie das Konfidenzintervall des Mittelwerts einer metrischen Variable mit SPSS berechnen. Einführung Beispiel Folie 4 Umfrage bei Pflegpersonal zu Herausforderungen im Bereich Palliative Care (HPC) Stichprobe mit n = 15 Pflegenden eines Spitals mit spezialisiertem Palliative Care Angebot Index HPC [ bis 6] Index Berufserfahrung [ bis 6] Ergebnis einer Clusteranalyse Mittelwert Index Mittelwert Drei Cluster Berufserfahrung Index HPC Gering Mittel Hoch Fragen Frage I: Welchen Wert hat der Index HPC in der Grundgesamtheit? Frage II: Gibt es beim Index HPC auch in der Grundgesamtheit einen Unterschied zwischen den Clustern?
3 Folie 5 Frage I Umgangssprachliche Fragestellung: Welchen Wert hat der Index HPC in der Grundgesamtheit? Forschungsfrage: Wie kann der "richtige Wert" für die Grundgesamtheit geschätzt werden? Wie verlässlich kann der Wert berechnet werden? Statistische Frage: (auch Fragen zur Stichprobenziehung) Welches ist der richtige Schätzer? (Ausblick: Ein Schätzer sollte erwartungstreu, konsistent und effizient sein.) Wie genau ist die Schätzung? Lösung Berechnung der Punktschätzung des Mittelwerts Berechnung des Konfidenzintervalls des Mittelwerts (Confidence interval, C.I., K.I., "Vertrauensbereich") "How to mit SPSS SPSS-Menü: Analysieren Deskriptive Statistiken Explorative Datenanalyse... Folie 6 Ergebnisse Index HPC Mittelwert Konfidenzintervall Gering 1.7 ±.15 Mittel 4.1 ±.21 Hoch 3.5 ±.23 Alle 3.2 ±.19 Der Mittelwert x der Stichprobe ist ein unbiased, effizienter und konsistenter Schätzer des Mittelwerts in der Grundgesamtheit. Typisches Beispiel einer statistischen Aussage: Der Schätzung des Mittelwerts des Index HPC für mittlerere Berufserfahrung in der Grundgesamtheit ist 4.1. Das Konfidenzintervall auf dem 95%-Konfidenzniveau reicht von 3.9 bis %-Konfidenzintervall [ , ] = [3.9, 4.3] Punktschätzer 4.1
4 Folie 7 Frage II Umgangssprachliche Fragestellung: Unterscheidet sich der Index HPC zwischen den Clustern? Forschungsfrage: Besteht der Unterschied nur in der Stichprobe oder auch in der Grundgesamtheit? Statistische Frage: Hypothesenbildung: H : "keine Differenz" (= keine signifikante Differenz): µ 1 = µ 2 H A : "Differenz" (= signifikante Differenz): µ 1 µ 2 Kann die Hypothese H verworfen werden? Lösung Vergleich der Mittelwerte mit einem t-test für unabhängige Stichproben "How to mit SPSS SPSS-Menü: Analysieren Mittelwerte vergleichen t-test unabhängiger Stichproben Folie 8 Ergebnisse Index HPC Vergleich Differenz K.I. der Differenz Freiheitsgrade t-wert Signifikanz Gering Mittel 2.4 [2.1, 2.6] Gering Hoch 1.8 [1.5, 2.] Mittel Hoch.6 [.3,.9] Die Unterschiede zwischen den Mittelwerten sind signifikant. Die Nullhypothese kann verworfen werden. Typische statistische Aussage: Der Index HPC von Pflegepersonal mit geringer Berufserfahrung unterscheidet sich signifikant von jenem von Pflegepersonal mit mittlerer Berufserfahrung (t-test: df = 94, t = 17.2, p =.). Die Differenz der Mittelwerte beträgt 2.4, das Konfidenzintervall der Differenz ist [2.1, 2.6].
5 Schliessende Statistik Aus der Einführung Folie 9 Beschreibende versus schliessende Statistik Beschreibende Statistik beschreibt die zu analysierenden Daten. ist auf die Stichprobe begrenzt, die eine Teilmenge von individuellen Beobachtungen ist. => Rückschlüsse oder Schlussfolgerungen über die Grundgesamtheit sind nicht möglich. Schliessende Statistik ist ein Methodenset mit dem aufgrund von Informationen einer Stichprobe Rückschlüsse oder Schlussfolgerungen über die Grundgesamtheit gemacht werden. das im Speziellen den statistischen Hypothesentest als wichtigste Methode verwendet. Die schliessende Statistik wird auch als... inferentielle respektive induktive Statistik bezeichnet, da der Prozess, mit dem Rückschlüsse auf die Grundgesamtheit gezogen werden, Inferenz respektive Induktion heisst. Stichprobenziehung Intuitives Stichprobenwissen von Säuglingen Folie 1 Quelle: Xu (28) Das unerwartete Ereignis ("Unexpected": 9.9 Sekunden) weist im Vergleich zum erwartetend Ereignis ("Expected": 7.5 Sekunden) eine signifikant höhere Betrachtungszeit auf.
6 Stichprobe: Hintergrund und Eigenschaften Folie 11 Warum Stichprobenziehung? Die Grundgesamtheit ist oft zu gross oder nicht erreichbar Der Aufwand für eine Vollerhebung ist zu gross (Zeit, Geld, Personal) Manchmal kann die Grundgesamtheit zwar definiert nicht aber identifiziert werden Es gibt beispielsweise kein Verzeichnis der Nichtraucher Eigenschaften der Stichprobe Stichprobe... ist Teilmenge aller Untersuchungseinheiten soll untersuchungsrelevante Merkmale der Grundgesamtheit möglichst genau abbilden Wann ist eine Stichprobe "repräsentativ"? Drei Elemente tragen dazu bei, um diese Frage zu beurteilen: Stichprobe ist zufällig gezogen. Schätzverfahren, um von der Stichprobe auf die Grundgesamtheit zu schliessen, ist bekannt. Genauigkeit, die unter anderem durch die Stichprobengrösse beeinflusst wird, ist bekannt. Quelle: BfS (29) Rückschlüsse von einer Stichprobe auf die Grundgesamtheit Folie 12 Beschreibende Statistik µ SP = 83.7 ±.4 Grundgesamtheit (GG) Alle Engländer Schliessende Statistik Stichprobentheorie x = 83.7 Stichprobe (SP) n = 5'685 Engländer Beschreibende Statistik x = 83.7 Mittelwert der Stichprobe 83.7 ±.4 Rückschluss auf die Grundgesamtheit Frage Wie gross ist das Körpergewicht der Männer in England? Stichprobentheorie Ziehung einer Zufallsstichprobe aus einer Grundgesamtheit. Schliessende Statistik Schätzung des Werts in der Grundgesamtheit, basierend auf dem Stichprobenmittelwert x. Jede Schätzung weist ein Konfidenzintervall auf. Schätzung: 83.7 Konfidenzintervall: ±.4 Jede Aussage muss mit der Grösse des Risikos für eine falsche Aussage bewertet sein.
7 Stichprobenverfahren Folie 13 Übersicht Teilerhebung vs. Vollerhebung Zufallsauswahl Bewusste Auswahl Willkürliche Auswahl Mehrstufige Stichproben * Einstufige Stichproben Einfache Zufallsstichprobe Geschichtete Zufallsstichprobe Klumpenstichprobe Quotenverfahren Andere systematische Verfahren proportional disproportional *Mehrstufige Stichprobven bestehen aus Kombinationen einstufiger Verfahren mit unterschiedlichen Auswahleinheiten. *Adaptiert nach Raithel (28) Wie ein Hypothesentest funktioniert Folie 14 Klinische Studie zum Körpergewicht von Studierenden Definition der Grundgesamtheit (N = 22') Studierende von schweizerischen Hochschulen: Gemessen wird das Körpergewicht Studentinnen (Frauen): Mittelwert µ = 65 kg / Standardabweichung σ = 12 kg Studenten (Männer): Mittelwert µ = 78 kg / Standardabweichung σ = 14 kg Stichprobe mit n = 15 Studenten (Männer) der Universität A Universität A Stichprobenwerte Mittelwert x = 8.3 Standardabweichung s = 13.4
8 Gedankenexperiment: Weitere Stichproben werden gezogen Folie 15 Körpergewicht in der Grundgesamtheit Mittelwert Standardabweichung µ = 78 σ = 14 Stichprobe 2:... Stichprobe 67: x 67 =78.9 Stichprobe 1: x 1 =77.8 Universität A x 2 = Stichproben mit Stichprobengrösse n = 15 Stichprobe Mittelwert Standardabweichung : Verteilung der Stichprobenmittelwerte (Simulation) Folie 16 Mittelwert Clear Run Delay Anzahl Mittelwert Mittelwert Clear Run Delay Anzahl Mittelwert Clear Run Delay Anzahl Mittelwert Mittelwert Clear Run Delay Mittelwert : Anzahl 67 Stichproben mit Stichprobengrösse n = Mittelwert
9 9'999 Stichproben mit Stichprobengrösse n = 15 Folie 17 Mittelwert Clear Run Delay : Mittelwert Anzahl Zentraler Grenzwertsatz Normalverteilung Die Verteilung der Stichprobenmittelwerte nähert sich einer Normalverteilung an unabhängig davon, welche Verteilung in der Grundgesamtheit vorliegt. Damit können Aussagen über einen Stichprobenmittelwert gemacht werden, ohne andere Stichprobenmittelwerte heranzuziehen. Mit wachsendem Stichprobenumfang wird die Normalverteilung immer besser angenähert. Gedankenexperiment: Unendlich viele Stichproben werden gezogen k Folie 18 Körpergewicht in der Grundgesamtheit Mittelwert Standardabweichung µ = 78 σ = 14 Zentraler Grenzwertsatz Gemäss zentralem Grenzwertsatz ist die Verteilung der Stichprobenmittelwerte eine Normalverteilung mit den Parametern µ und s.e. Stichprobe 1: x 1 Mittelwert Standardabweichung (Standardfehler) (standard error s.e.) µ = 78 σ 14 = = 1.14 n 15 Stichprobe 2: x 2... s.e. Stichprobe k: x k k Stichproben mit Stichprobengrösse n = 15 µ = 78 Verteilung der Stichprobenmittelwerte x i
10 Hypothesentest Hypothesenbildung Folie 19 Anmerkung: µ SP ist eine Schätzung, basierend auf dem Mittelwert x der Stichprobe. Es gilt µ SP = x ((siehe Folien 12 und 38). Umgangssprachliche Ebene Unterscheiden sich die Studenten der Universität A von schweizerischen Studenten? Ebene der Forschungsfrage Ist die Grundgesamtheit von Universität A verschieden von der definierten Grundgesamtheit? Statistische Ebene Hypothesenbildung H : Die Studenten der Universität A stammen aus der definierten Grundgesamtheit. Die Schätzung für das Körpergewicht ist gleich dem Wert in der Grundgesamtheit. µ SP = µ H A : Die Studenten der Universität A stammen nicht aus der definierten Grundgesamtheit. Die Schätzung für das Körpergewicht ist nicht gleich dem Wert in der Grundgesamtheit. µ SP µ Kann die Nullhypothese H verworfen werden? Die Nullhypothese H ist allgemein das, was nicht gesucht ist "Null und nichtig". Die Hypothesenstruktur mit H und H A folgt der Maxime des kritischen Rationalismus: Neues Wissen wird durch Widerlegen bestehenden Wissens generiert. Hypothesentest Schritt für Schritt Folie 2 Verteilung der Stichprobenmittelwerte unter H Gemäss zentralem Grenzwertsatz folgt die Verteilung der Stichprobenmittelwerte einer Normalverteilung mit den Parametern µ und s.e. Grundsätzlich ist unter H jeder Mittelwert möglich (Normalverteilung ist asymptotisch), doch Werte weit von µ entfernt sind weniger wahrscheinlich als Werte nahe bei µ. Verteilung der Stichprobenmittelwerte s.e. µ = 78 x = 8.3 Der Mittelwert der Universität A ist sehr weit weg vom Mittelwert der Grundgesamtheit. Es ist eher unwahrscheinlich, dass die Stichprobe A aus der Grundgesamtheit unter H stammt.
11 Folie 21 Wann wird die Nullhypothese H verworfen? H wird verworfen, wenn sich ein Stichprobenmittelwert so stark von µ unterscheidet, dass der Unterschied nur mit sehr geringer Wahrscheinlichkeit auftritt. Diese Wahrscheinlichkeit und damit der Grenzwert ("Kritische Grenze"), die ein Stichprobenmittelwert erreichen muss, wird bereits vor der Untersuchung festgelegt. Liegt ein Stichprobenmittelwert links oder rechts der kritischen Grenzen, wird die Hypothese H verworfen. Dann unterscheidet sich der Mittelwert signifikant von µ. Verteilung der Stichprobenmittelwerte Kritische Grenze Kritische Grenze µ = 78 x = 8.3 Die kritische Grenze ist überschritten. Das Gewicht der Studenten der Universität A unterscheidet sich signifikant vom Mittelwert der Grundgesamtheit. Kritische Grenzen / Kritische Region Folie 22 Die kritische Grenze wird in der Regel so festgesetzt, dass ein beliebiger Mittelwert einer Stichprobe aus der Grundgesamtheit mit einer gesamten Wahrscheinlichkeit von 5% links oder rechts der kritischen Grenze liegt. Verteilung der Stichprobenmittelwerte Kritische Region (2.5% der Gesamtfläche) Werte in dieser Region treten mit 2.5% Wahrscheinlichkeit auf Kritische Region (2.5% der Gesamtfläche) Werte in dieser Region treten mit 2.5% Wahrscheinlichkeit auf µ = 78 x = 8.3 Kritische Grenze Kritische Grenze Das bedeutet auch: In 5% der Fälle, in denen H zutrifft, wird H fälschlicherweise verworfen. Diese Wahrscheinlichkeit wird Signifikanzniveau α oder Irrtumswahrscheinlichkeit genannt.
12 Folie 23 Verwerfungsbereich und Annahmebereich Wenn der Stichprobenmittelwert ausserhalb der kritischen Grenzen liegt, wird die Nullhypothese H verworfen der Unterschied ist signifikant. Wenn der Stichprobenmittelwert innerhalb der kritischen Grenzen liegt, wird die Nullhypothese H angenommen der Unterschied ist nicht signifikant. Verteilung der Stichprobenmittelwerte µ = 78 x = 8.3 Verwerfungsbereich von H Annahmebereich von H Verwerfungsbereich von H Folie 24 Intermezzo: Bestimmung der kritischen Grenzen mit Hilfe der z-transformation Sei X eine normalverteilte Zufallsvariable mit Mittelwert µ, Varianz σ 2 und Standardabweichung σ Schreibweise X ~ N(µ, σ 2 ) Die Variable X wird transformiert (das heisst, es wird eine Berechnung durchgeführt) Transformation Z = X µ σ Die transformierte Zufallsvariable Z ist wieder normalverteilt, aber mit Mittelwert, Varianz 1 2 und Standardabweichung 1 Schreibweise Z ~ N(, 1 2 ) SPSS: Analysieren Deskriptive Statistiken Deskriptive Statistik...
13 Intermezzo: Bestimmung der kritischen Grenzen mit Hilfe der z-transformation Folie 25 X ~ N( µ, σ 2 ) σ Fläche unter der Kurve = 1 (1% Wahrscheinlichkeit) Z = X µ σ µ Originalverteilung Z ~ N(,1) 1 Fläche unter der Kurve = 1 (1% Wahrscheinlichkeit) Standardnormalverteilung Intermezzo: Grenzen einer symmetrischen Fläche der Standardnormalverteilung Folie 26 Fläche = 2.5% Fläche = 95% Fläche = 2.5% Grenze = Grenze = 1.96 Die Werte der Grenzen werden in Tabellen dargestellt. Gegebene Fläche zugehörige Werte 9.% ± % ± % ± % ± % ± 3.29
14 Intermezzo: Kritische Grenzen Folie 27 Die Werte der kritischen Grenzen können in der Standardnormalverteilung bestimmt werden. Zweiseitiger Test Einseitiger Test H : x = µ H : x µ H A : x µ H A : x > µ α/2 α/2 α Signifikanzniveau α Kritische Grenzen Kritische Grenzen 5% ± % ± Berechnung der Teststatistik Folie 28 Der Mittelwert der Stichprobe muss ebenfalls in die standardisierte Normalverteilung transformiert werden, bevor er mit den kritischen Grenzen verglichen werden kann. Die z-transformation führt zur Teststatistik z, die einer Normalverteilung folgt z x µ = σ <=> z folgt einer Normalverteilung <=> z-test n Falls die Standardabweichung der Grundgesamtheit σ unbekannt ist, muss sie aus der Stichprobe geschätzt werden. Anstelle von σ wird der Wert s der Stichprobe verwendet. In diesem Fall folgt die Teststatistik einer t-verteilung mit ν = n - 1 Freiheitsgraden. t = x µ s n <=> t folgt einer t-verteilung <=> t-test
15 Intermezzo: Berechnung von standardisierten Werten (z-transformation) Folie 29 Allgemeiner Fall µ σ Eigenschaften Verteilung ist normalverteilt mit Parameter µ und σ X ~ N(µ, σ 2 ) Transformation X µ Z = σ Mittelwertsverteilung s.e µ Eigenschaften Verteilung ist normalverteilt mit Parameter µ und s.e. X ~ N(µ, s.e. 2 ) µ = Mittelwert in GG σ = Standardabweichung in GG n = Stichprobengrösse s.e. = σ n Transformation Z = X µ σ n z-test für das Gewicht der Studenten der Universität A Folie 3 Stichprobe von n = 15 Studenten der Universität A mit Gewicht: x = 8.3, s = 13.4 Das Gewicht in der Grundgesamtheit ist bekannt: µ = 78, σ = 14 Hypothesen H : Gewicht der Studenten der Universität A ist gleich wie in der Grundgesamtheit H A : Gewicht der Studenten der Universität A ist nicht gleich wie in der Grundgesamtheit Signifikanzniveau α = 5% Kritischer Wert = ±1.96 (siehe Folie 27) Teststatistik (auch z-wert genannt): x µ = = = z 2.12 σ 14 n Teststatistik 2.12 ist grösser als der kritische Wert H wird verworfen. Das Gewicht der Studenten der Universität A unterscheidet sich signifikant vom Mittelwert der Grundgesamtheit.
16 Folie 31 p-wert Die Fläche ausserhalb des z-werts ist die Wahrscheinlichkeit, dass irgendein Stichprobenmittelwert kleiner respektive grösser ist als der Mittelwert der aktuellen Stichprobe. Diese Wahrscheinlichkeit, die eine Zufallsgrösse ist, wird p-wert der Stichprobe genannt. z-wert z-wert p-wert = Fläche links des z-werts + Fläche rechts des z-werts Folie 32 p-wert Gewicht der Studenten der Universität A Stichprobe von n = 15 Studenten der Universität A mit Gewicht: x = 8.3, s = 13.4 Das Gewicht der Grundgesamtheit ist bekannt: µ = 78, σ = 14 Signifikanzniveau α = 5% wie Folie 3 Kritischer Wert = ± Testgrösse: x µ z = = = 2.12 σ 14 n 15 p-wert = Fläche ausserhalb der z-werte p = 4.4 % (mit Taschenrechner berechnet) p < 5% p < α z-wert = z-wert = 2.12 Der p-wert ist kleiner als 5% => H wird verworfen. Unter H tritt ein z-wert von 2.12 lediglich mit Wahrscheinlichkeit 4.4% auf. Das Gewicht der Studenten der Universität A ist signifikant höher als in der Grundgesamtheit.
17 Folie 33 Einseitiges oder zweiseitiges Testen? Bei einem zweiseitigen Test gibt es keine Voraussetzung über die Richtung der Abweichung des Mittelwerts vom wahren Wert µ. Zweiseitiger Test nicht signifikant Ein einseitiger Test ist bei gleichem Wert des Mittelwerts schneller signifikant. Das heisst, die Nullhypothese H wird beim einseitigen Test eher verworfen. 2.5% µ 2.5% Dieser Gewinn an Teststärke entsteht, weil bereits vor dem Test die Richtung der Abweichung des Mittelwerts festgelegt worden ist. Die Richtung darf nur dann vorher festgelegt werden, wenn empirische Evidenz vorliegt oder eine gesicherte Theorie. Das heisst, die Richtung muss mit anderen Studien oder aus theoretischen Überlegung begründbar sein. Beispiel: Bei einer Studie zu Übergewichtigen kann angenommen werden, dass ihr Durchschnittsgewicht grösser ist als das in der Grundgesamtheit. Ein Test darf deshalb einseitig durchgeführt werden. Einseitiger Test signifikant µ 5.% t-test für eine Stichprobe mit SPSS Folie 34 Stichprobe von n = 15 Studenten der Universität A mit Gewicht: x = 8.3, s = 13.4 Das Gewicht der Grundgesamtheit ist bekannt: µ = 78 Nicht bekannt ist die Standarbabweichung σ in der Grundgesamtheit Zurück zur Anmerkung auf Folie 28 Hypothesen H : Gewicht der Studenten der Universität A ist gleich wie in der Grundgesamtheit H A : Gewicht der Studenten der Universität A ist nicht gleich wie in der Grundgesamtheit Signifikanzniveau α = 5%
18 Folie 35 SPSS Menü Analysieren Mittelwerte vergleichen T-Test bei einer Stichprobe... Testwert 78 entspricht dem Mittelwert in der Grundgesamtheit (µ ). Folie 36 SPSS-Ausgabe Mittelwert und Standardabweichung der Teilstichprobe mit 15 Studenten der Universität A T = wird gemäss Formel "t = " von Folie 28 berechnet. df (degrees of freedom) entspricht ν = n 1 von Folie 28: ν = 15 1 = 149 Sig. (2-seitig) ist der p-wert: 3.4% => p < 5% das heisst p < α Der p-wert ist kleiner als 5% => H wird verworfen. Das Gewicht der Studenten der Universität A ist signifikant höher als in der Grundgesamtheit.
19 Punktschätzung und Konfidenzintervall Punktschätzung Folie 37 Grundgesamtheit (GG) Alle Studenten Mittelwert µ = 78 Stichprobentheorie Intervall ± Schliessende Statistik Stichprobe (SP) n = 15 Studenten Punkt 8.3 auf dem Zahlenstrahl x = 8.3 Mittelwert der Stichprobe 8.3 ± 2.2 Punktschätzung mit Konfidenzintervall für die Grundgesamtheit Punktschätzung des Mittelwerts x Mittelwert der Stichprobe µ SP Punktschätzung für den Mittelwert der Grundgesamtheit µ Wahrer Mittelwert in der Grundgesamtheit (im allgemeinen unbekannt) Ein "Schätzer" ist eine Funktion, Folie 38 die einen Wert berechnet. Die Wahl des Schätzers für den Mittelwert basiert auf folgenden Kriterien: Erwartungstreue (auch: Unverzerrtheit oder Unbiasedness) Effizienz Konsistenz Ein Schätzer ist erwartungstreu, falls sein Erwartungswert gleich dem Wert des Mittelwerts in der Grundgesamtheit ist, den er schätzt. Ein erwartungstreuer Schätzer ist effizient, falls kein anderer erwartungstreuer Schätzer eine geringere Varianz der Stichprobenverteilung aufweist. Ein Schätzer ist konsistent, wenn eine Zunahme der Stichprobengrösse dazu führt, dass er näher am wahren Wert des Mittelwerts in Grundgesamtheit liegt. Der Mittelwert x einer Stichprobe ist ein erwartungstreuer, effizienter und konsistenter Schätzer des Mittelwerts der Grundgesamtheit: µ SP = x
20 Konfidenzintervall Folie 39 Ein Kochrezept Gegeben ist ein Fehlerrisiko α (Beispiel: α = 5%) Aus dem Mittelwert x einer Stichprobe kann das Intervall berechnet werden, in welchem µ mit einer Wahrscheinlichkeit von 1 α liegt (Beispiel: 1% 5% = 95%). In die Berechnung fliessen die Stichprobengrösse n und die Standardabweichung s ein. Dieses Intervall heisst Konfidenzintervall. Die Wahrscheinlichkeit 1 α wird Konfidenzniveau genannt. Gegeben Fehlerrisiko α <=> Konfidenzniveau 1 α Dann beinhaltet das Intervall s x t α / 2, ν, x+ tα / 2, ν n s n den Mittelwert der Grundgesamtheit µ mit einem Konfidenzniveau 1 α. Der t-wert t α/2,ν wird aus der Tabelle auf Folie 42 herausgelesen, wobei für ν gilt ν = n 1 Konfidenzintervall mit SPSS I Beispiel: Studie zum Körpergewicht von Studierenden Stichprobe der Universität A mit n = 15 Studenten Folie 4 Analysieren Deskriptive Statistiken Explorative = = - 2.2
21 Konfidenzintervall mit SPSS II Folie 41 Punktschätzung Konfidenzintervall Universität A 8.3 ± %-Konfidenzintervall [ , ] = [78.2, 82.5] Punktschätzung 8.3 Der Mittelwert 8.3 ist eine erwartungstreue Punktschätzung für den wahren Wert in der Grundgesamtheit. Mit einer Wahrscheinlichkeit von 95% liegt der wahre Wert µ des Gewichts in der Grundgesamtheit im Intervall [ , ] = [78.1, 82.5]. Appendix: Tabelle der t-verteilung Folie 42 : Beispiel: df = 3 1 = %-Konfidenzniveau (zweiseitig) => t-wert zwischen und => t 1.969
22 Literatur Folie 43 BfS (29) Die Stichprobe: warum sie funktioniert. Broschüre auf der Homepage des Bundesamts für Statistik, Schweiz, Zugriff: Oktober 212: Raithel (28) Quantitative Forschung : ein Praxiskurs / Jürgen Raithel. - 2., durchges. Aufl. - Wiesbaden : VS Verlag für Sozialwissenschaften, 28. Xu (28) Fei Xu and Vashti Garcia: Intuitive statistics by 8-month-old infants. Proceedings of the National Academy of Sciences, PNAS (13) , 28 Inhaltsverzeichnis Folie 44 Ziele der Vorlesung 3 Einführung 4 Beispiel...4 Schliessende Statistik...9 Stichprobenziehung 1 Intuitives Stichprobenwissen von Säuglingen...1 Stichprobe: Hintergrund und Eigenschaften...11 Wie ein Hypothesentest funktioniert 14 Klinische Studie zum Körpergewicht von Studierenden...14 Hypothesentest...19 t-test für eine Stichprobe mit SPSS 34 Punktschätzung und Konfidenzintervall 37 Punktschätzung...37 Konfidenzintervall...39
Empirische Wirtschaftsforschung
Empirische Wirtschaftsforschung Prof. Dr. Bernd Süßmuth Universität Leipzig Institut für Empirische Wirtschaftsforschung Volkswirtschaftslehre, insbesondere Ökonometrie 1 4. Basiskonzepte der induktiven
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
Mehr5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Punkt- und Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr.
MehrMethodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie als Wissenschaft
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Punkt- und Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr.
Mehr5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
Mehr3.Wiederholung: Toleranzbereiche Für EX Geg:
3.Wiederholung: Toleranzbereiche Für EX Geg: Vl. 24.2.2017 Schätzfunktion für Güte: Ist X Problem: Feb 17 13:21 > Wir berechnen Bereiche (Toleranzbereiche) für sind untere und obere Grenzen, berechnet
MehrJost Reinecke. 7. Juni 2005
Universität Bielefeld 7. Juni 2005 Testtheorie Test für unabhängige Stichproben Test für abhängige Stichproben Testtheorie Die Testtheorie beinhaltet eine Reihe von Testverfahren, die sich mit der Überprüfung
MehrWahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
Mehr4.1. Nullhypothese, Gegenhypothese und Entscheidung
rof. Dr. Roland Füss Statistik II SS 8 4. Testtheorie 4.. Nullhypothese, Gegenhypothese und Entscheidung ypothesen Annahmen über die Verteilung oder über einzelne arameter der Verteilung eines Merkmals
MehrStatistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de
rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent
Mehr2.3 Intervallschätzung
2.3.1 Motivation und Hinführung Bsp. 2.11. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler 2009 war genau 33.7%. Wie groß ist die Wahrscheinlichkeit, in einer Zufallsstichprobe von 1000 Personen genau
MehrStatistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli
Mehr7. Übung: Aufgabe 1. b), c), e) Aufgabe 2. a), c), e) Aufgabe 3. c), e) Aufgabe 4. Aufgabe 5. Aufgabe 6. Aufgabe 7. Aufgabe 8. Aufgabe 9.
7. Übung: Aufgabe 1 b), c), e) Aufgabe a), c), e) Aufgabe 3 c), e) Aufgabe 4 b) Aufgabe 5 a) Aufgabe 6 b) Aufgabe 7 e) Aufgabe 8 c) Aufgabe 9 a), c), e) Aufgabe 10 b), d) Aufgabe 11 a) Aufgabe 1 b) Aufgabe
Mehr6. Schätzverfahren für Parameter
6. Schätzverfahren für Parameter Ausgangssituation: Ein interessierender Zufallsvorgang werde durch die ZV X repräsentiert X habe eine unbekannte Verteilungsfunktion F X (x) Wir interessieren uns für einen
MehrMarcel Dettling. GdM 2: LinAlg & Statistik FS 2017 Woche 12. Winterthur, 17. Mai Institut für Datenanalyse und Prozessdesign
Marcel Dettling Institut für Datenanalyse und Prozessdesign Zürcher Hochschule für Angewandte Wissenschaften marcel.dettling@zhaw.ch http://stat.ethz.ch/~dettling Winterthur, 17. Mai 2017 1 Verteilung
Mehr2.3 Intervallschätzung
2.3.1 Motivation und Hinführung Bsp. 2.15. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler unter allen Wählern war 2009 auf eine Nachkommastelle gerundet genau 33.7%. Wie groß ist die Wahrscheinlichkeit,
Mehr3 Grundlagen statistischer Tests (Kap. 8 IS)
3 Grundlagen statistischer Tests (Kap. 8 IS) 3.1 Beispiel zum Hypothesentest Beispiel: Betrachtet wird eine Abfüllanlage für Mineralwasser mit dem Sollgewicht µ 0 = 1000g und bekannter Standardabweichung
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 41 Übersicht Struktur eines Hypothesentests Stichprobenverteilung t-test: Einzelner-Parameter-Test F-Test: Multiple lineare Restriktionen 2 / 41 Struktur
MehrSo berechnen Sie einen Schätzer für einen Punkt
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: SCHÄTZEN UND TESTEN htw saar 2 Schätzen: Einführung Ziel der Statistik ist es, aus den Beobachtungen eines Merkmales in einer Stichprobe Rückschlüsse über die Verteilung
MehrStichproben Parameterschätzung Konfidenzintervalle:
Stichproben Parameterschätzung Konfidenzintervalle: Beispiel Wahlprognose: Die Grundgesamtheit hat einen Prozentsatz p der Partei A wählt. Wenn dieser Prozentsatz bekannt ist, dann kann man z.b. ausrechnen,
MehrStatistik Einführung // Stichprobenverteilung 6 p.2/26
Statistik Einführung Kapitel 6 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Leydold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // 6 p.0/26 Lernziele 1. Beschreiben
MehrWS 2014/15. (d) Bestimmen Sie die Wahrscheinlichkeitsfunktion von X. (e) Bestimmen Sie nun den Erwartungswert und die Varianz von X.
Fragenkatalog zur Übung Methoden der empirischen Sozialforschung WS 2014/15 Hier finden Sie die denkbaren Fragen zum ersten Teil der Übung. Das bedeutet, dass Sie zu diesem Teil keine anderen Fragen im
MehrStatistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
MehrKonkretes Durchführen einer Inferenzstatistik
Konkretes Durchführen einer Inferenzstatistik Die Frage ist, welche inferenzstatistischen Schlüsse bei einer kontinuierlichen Variablen - Beispiel: Reaktionszeit gemessen in ms - von der Stichprobe auf
MehrStatistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 11. Juli 016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrGrundlagen der Statistik
www.nwb.de NWB Studium Betriebswirtschaft Grundlagen der Statistik Band 2: Wahrscheinlichkeitsrechnung und induktive Statistik Von Professor Dr. Jochen Schwarze 9., vollständig überarbeitete Auflage STUDIUM
MehrMethodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 12 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft
MehrFit for Abi & Study Stochastik
Fit for Abi & Study Stochastik Prof. Dr. Tilla Schade Hochschule Harz 15. und 16. April 2014 No. 1 Stochastik besteht aus: Wahrscheinlichkeitsrechnung Statistik No. 2 Gliederung Grundlagen Zufallsgrößen
MehrStatistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
MehrWahrscheinlichkeitsrechnung und schließende Statistik
Springer-Lehrbuch Wahrscheinlichkeitsrechnung und schließende Statistik Bearbeitet von Karl Mosler, Friedrich Schmid 4., verb. Aufl. 2010. Taschenbuch. XII, 347 S. Paperback ISBN 978 3 642 15009 8 Format
MehrTrim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19
Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage
MehrProbleme bei kleinen Stichprobenumfängen und t-verteilung
Probleme bei kleinen Stichprobenumfängen und t-verteilung Fassen wir zusammen: Wir sind bisher von der Frage ausgegangen, mit welcher Wahrscheinlichkeit der Mittelwert einer empirischen Stichprobe vom
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 017 4 Spezielle Zufallsgrößen Einführung 1 Wahrscheinlichkeit: Definition
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
MehrStatistisches Testen
Statistisches Testen Universität Duisburg-Essen, Fak. 4, FG Instrumentelle Analytik 7. Juni 2007 Statistisches Testen Inhaltsverzeichnis Schätzverfahren und Testverfahren sind Anwendungen der Stichprobentheorie.
MehrStatistiktutorium (Kurs Frau Jacobsen)
Statistiktutorium (Kurs Frau Jacobsen) von Timo Beddig 1 Grundbegriffe p = Punktschätzer, d.h. der Mittelwert aus der Stichprobe, auf Basis dessen ein angenäherter Wert für den unbekannten Parameter der
Mehr1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Intervallschätzung
0 Einführung 1 Wahrscheinlichkeitsrechnung Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Intervallschätzung Motivation und Hinführung Der wahre Anteil der rot-grün Wähler 009 war genau
MehrSozialwissenschaftlerInnen II
Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Testen von Hypothesen
MehrWiederholung Hypothesentests Zusammenfassung. Hypothesentests. Statistik I. Sommersemester Statistik I Hypothesentests I (1/36)
Statistik I Sommersemester 2009 Statistik I I (1/36) Wiederholung Grenzwertsatz Konfidenzintervalle Logik des 0.0 0.1 0.2 0.3 0.4 4 2 0 2 4 Statistik I I (2/36) Zum Nachlesen Agresti/Finlay: Kapitel 6+7
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2
Mehr4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 4.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
MehrStatistische Tests. Kapitel Grundbegriffe. Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe
Kapitel 4 Statistische Tests 4.1 Grundbegriffe Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe X 1,..., X n. Wir wollen nun die Beobachtung der X 1,...,
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 12 2009 FernUniversität in Hagen Alle Rechte vorbehalten Fachbereich Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
MehrModul 141 Statistik. 1. Studienjahr 11. Sitzung Signifikanztests
Modul 141 Statistik 1. Studienjahr 11. Sitzung Signifikanztests Inhalt der 11. Sitzung 1. Parametrische Signifikanztests 2. Formulierung der Hypothesen 3. Einseitige oder zweiseitige Fragestellung 4. Signifikanzniveau
MehrSchließende Statistik
Schließende Statistik Die schließende Statistik befasst sich mit dem Rückschluss von einer Stichprobe auf die Grundgesamtheit (Population). Die Stichprobe muss repräsentativ für die Grundgesamtheit sein.
MehrHypothesentests für Erwartungswert und Median. für D-UWIS, D-ERDW, D-USYS und D-HEST SS15
Hypothesentests für Erwartungswert und Median für D-UWIS, D-ERDW, D-USYS und D-HEST SS15 Normalverteilung X N(μ, σ 2 ) : «X ist normalverteilt mit Erwartungswert μ und Varianz σ 2» pdf: f x = 1 2 x μ exp
MehrInferenzstatistik und Hypothesentests. Hierbei geht es um die Absicherung eines Untersuchungsergebnisses gegen ein Zufallsereignis.
Statistik II und Hypothesentests Dr. Michael Weber Aufgabenbereich Hierbei geht es um die Absicherung eines Untersuchungsergebnisses gegen ein Zufallsereignis. Ist die zentrale Fragestellung für alle statistischen
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg. für Betriebswirtschaft und internationales Management
für Betriebswirtschaft und internationales Management Sommersemester 2015 Prof. Dr. Stefan Etschberger Hochschule Augsburg Testverteilungen Chi-Quadrat-Verteilung Sind X 1,..., X n iid N(0; 1)-verteilte
MehrHypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests
ue biostatistik: hypothesen, fehler 1. und. art, power 1/8 h. lettner / physik Hypothesen: Fehler 1. und. Art, Power eines statistischen Tests Die äußerst wichtige Tabelle über die Zusammenhänge zwischen
MehrWahrscheinlichkeitsrechnung und schließende Statistik
Karl Mosler Friedrich Schmid Wahrscheinlichkeitsrechnung und schließende Statistik Vierte, verbesserte Auflage Springer Inhaltsverzeichnis 0 Einführung 1 1 Zufalls Vorgänge und Wahrscheinlichkeiten 5 1.1
MehrEvaluation & Forschungsstrategien. B.Sc.-Seminar. Sitzung IV: Konfidenzintervalle // Normalverteilungstests
Evaluation & Forschungsstrategien B.Sc.-Seminar Sitzung V: Konfidenzintervalle // Normalverteilungstests Seminarinhalte Sitzung V: 16.05.2018 Konfidenzintervalle bei bekannter Varianz Konfidenzintervalle
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
MehrAnalyse von Querschnittsdaten. Signifikanztests I Basics
Analyse von Querschnittsdaten Signifikanztests I Basics Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Generalisierung kategoriale Variablen Datum 13.10.2004 20.10.2004 27.10.2004
MehrStatistik Zusätzliche Beispiele SS 2018 Blatt 3: Schließende Statistik
Statistik Zusätzliche Beispiele SS 2018 Blatt 3: Schließende Statistik 1. I Ein Personalchef führt so lange Vorstellungsgespräche durch bis der erste geeignete Bewerber darunter ist und stellt diesen an.
Mehr5. Seminar Statistik
Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation
MehrHypothesentests für Erwartungswert und Median. Statistik (Biol./Pharm./HST) FS 2015
Hypothesentests für Erwartungswert und Median Statistik (Biol./Pharm./HST) FS 2015 Normalverteilung X N μ, σ 2 X ist normalverteilt mit Erwartungswert μ und Varianz σ 2 pdf: pdf cdf:??? cdf 1 Zentraler
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 5.5.2006 1 Ausgangslage Wir können Schätzen (z.b. den Erwartungswert) Wir können abschätzen, wie zuverlässig unsere Schätzungen sind: In welchem Intervall
MehrWichtige Definitionen und Aussagen
Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge
MehrSchließende Statistik
Schließende Statistik [statistical inference] Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.
MehrTeil VIII. Zentraler Grenzwertsatz und Vertrauensintervalle. Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle. Lernziele. Typische Situation
Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle Patric Müller ETHZ Teil VIII Zentraler Grenzwertsatz und Vertrauensintervalle WBL 17/19, 29.05.2017 Wahrscheinlichkeit
Mehr1.1.1 Ergebnismengen Wahrscheinlichkeiten Formale Definition der Wahrscheinlichkeit Laplace-Experimente...
Inhaltsverzeichnis 0 Einführung 1 1 Zufallsvorgänge und Wahrscheinlichkeiten 5 1.1 Zufallsvorgänge.......................... 5 1.1.1 Ergebnismengen..................... 6 1.1.2 Ereignisse und ihre Verknüpfung............
MehrStatistik I für Betriebswirte Vorlesung 13
Statistik I für Betriebswirte Vorlesung 13 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 4. Juli 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrHandelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen?
1. Handelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen? a.) Anzahl der Kunden, die an der Kasse in der Schlange stehen. b.) Die Menge an Energie, die pro Tag von einem Energieversorgungsunternehmen
MehrHypothesenprüfung. Darüber hinaus existieren zahlreiche andere Testverfahren, die alle auf der gleichen Logik basieren
Hypothesenprüfung Teil der Inferenzstatistik Befaßt sich mit der Frage, wie Hypothesen über eine (in der Regel unbekannte) Grundgesamtheit an einer Stichprobe überprüft werden können Behandelt werden drei
MehrStatistik II. Weitere Statistische Tests. Statistik II
Statistik II Weitere Statistische Tests Statistik II - 19.5.2006 1 Überblick Bisher wurden die Test immer anhand einer Stichprobe durchgeführt Jetzt wollen wir die statistischen Eigenschaften von zwei
MehrStichwortverzeichnis. Symbole
Stichwortverzeichnis Symbole 50ste Perzentil 119 A Absichern, Ergebnisse 203 Abzählbar unendliche Zufallsvariable 146 Alternativhypothese 237 238 formulieren 248 Anekdote 340 Annäherung 171, 191 Antwortquote
MehrHypothesentests. Hypothese Behauptung eines Sachverhalts, dessen Überprüfung noch aussteht.
Hypothese Behauptung eines Sachverhalts, dessen Überprüfung noch aussteht. Wissenschaftliche Vorgehensweise beim Hypothesentest Forscher formuliert eine Alternativhypothese H 1 (die neue Erkenntnis, die
Mehr2 Wiederholung statistischer Grundlagen Schließende Statistik empirischen Information aus Stichprobenrealisation x von X
Hypothesentests Bisher betrachtet: Punkt- bzw. Intervallschätzung des unbekannten Mittelwerts Hierzu: Verwendung der 1 theoretischen Information über Verteilung von X empirischen Information aus Stichprobenrealisation
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management
Statistik für Betriebswirtschaft und International Management Sommersemester 2014 Prof. Dr. Stefan Etschberger HSA Streuungsparameter Varianz Var(X) bzw. σ 2 : [x i E(X)] 2 f(x i ), wenn X diskret Var(X)
MehrMedizinische Statistik
Medizinische Statistik Angewandte Biometrie für Ärzte und Gesundheitsberufe Bearbeitet von Wilhelm Gaus, Rainer Muche 1. Auflage 2013. Buch. 640 S. Hardcover ISBN 978 3 7945 2931 5 Format (B x L): 16,5
Mehr8. 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
MehrHypothesentests und Konfidenzintervalle
Beispiel 1: Befüllen von Cornflakesschachteln Problem Ein Hersteller von Cornflakes möchte überprüfen, ob der Abfüllprozess den Zielvorgaben entspricht. Das Sollgewicht der Schachteln beträgt 365 Gramm.
MehrT-Test für den Zweistichprobenfall
T-Test für den Zweistichprobenfall t-test (unbekannte, gleiche Varianzen) Test auf Lageunterschied zweier normalverteilter Grundgesamtheiten mit unbekannten, aber gleichen Varianzen durch Vergleich der
MehrT-Test für unabhängige Stichproben
T-Test für unabhängige Stichproben Wir gehen von folgendem Beispiel aus: Wir erheben zwei Zufallstichproben, wobei nur die Probanden der einen Stichprobe einer speziellen experimentellen Behandlung (etwa
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
Mehr1. Einführung in die induktive Statistik
Wichtige Begriffe 1. Einführung in die induktive Statistik Grundgesamtheit: Statistische Masse, die zu untersuchen ist, bzw. über die Aussagen getroffen werden soll Stichprobe: Teil einer statistischen
MehrBeispiel für Gütefunktionen Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = 0.10
6 Hypothesentests Gauß-Test für den Mittelwert bei bekannter Varianz 6.3 Beispiel für Gütefunktionen Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = 0.10 G(µ) 0 α 0. 0.4 0.6 0.8 1 n = 10 n =
MehrAufgabe 1 (8= Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten:
Aufgabe 1 (8=2+2+2+2 Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten: Die Zufallsvariable X bezeichne die Note. 1443533523253. a) Wie groß ist h(x 5)? Kreuzen
MehrWie liest man Konfidenzintervalle? Teil I. Premiu m
Wie liest man Konfidenzintervalle? Teil I Premiu m Was sind Konfidenzintervalle? Ein Konfidenzintervall (KI) ist ein Maß für die Unsicherheit bezüglich einer Schätzung eines Effekts. Es ist ein Intervall
Mehr3 Konfidenzintervalle
3 Konfidenzintervalle Konfidenzintervalle sind das Ergebnis von Intervallschätzungen. Sicheres Wissen über Grundgesamtheiten kann man anhand von Stichproben nicht gewinnen. Aber mit Hilfe der Statistik
MehrPrüfgröße: Ist die durch eine Schätzfunktion zugeordnete reelle Zahl (etwa Mittelwert 7 C).
Statistik Grundlagen Charakterisierung von Verteilungen Einführung Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsverteilungen Schätzen und Testen Korrelation Regression Einführung Aus praktischen Gründen
MehrAufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97.
Aufgabenblock 4 Aufgabe ) Da s = 8. cm nur eine Schätzung für die Streuung der Population ist, müssen wir den geschätzten Standardfehler verwenden. Dieser berechnet sich als n s s 8. ˆ = = =.88. ( n )
MehrAnalyse von Querschnittsdaten. Signifikanztests I Basics
Analyse von Querschnittsdaten Signifikanztests I Basics Warum geht es in den folgenden Sitzungen? Datum Vorlesung 18.10.2006 Einführung 18.10.2006 Beispiele 25.10.2006 Daten 08.11.2006 Variablen Kontinuierliche
MehrZentraler Grenzwertsatz/Konfidenzintervalle
/ Statistik I Sommersemester 2009 Statistik I ZGWS/ (1/37) Kann Ahmadinejad die Wahl gewonnen haben? Im wesentlichen Dreiteilung der polit. Elite 2005: 17.3 Millionen Stimmen (Stichwahl), Wahlbeteiligung
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003. Eine seltene Krankheit trete mit Wahrscheinlichkeit : 0000 auf. Die bedingte Wahrscheinlichkeit, dass ein bei einem Erkrankten durchgeführter
MehrDr. H. Grunert Schließende Statistik Vorlesungscharts. Vorlesung 7. Schätzverfahren
Vorlesungscharts Vorlesung 7 Schätzverfahren Konstruktion von Konfidenzintervallen Konfidenzintervalle für den Erwartungswert normalverteilter Grundgesamtheiten Konfidenzintervalle für Anteilswerte Seite
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 22 Übersicht Weitere Hypothesentests in der Statistik 1-Stichproben-Mittelwert-Tests 1-Stichproben-Varianz-Tests 2-Stichproben-Tests Kolmogorov-Smirnov-Test
MehrStichwortverzeichnis. Stichwortverzeichnis
Stichwortverzeichnis 377 Stichwortverzeichnis A Abhangigkeit von Ereignissen 44 ff. Ablehnung einer Hypothese 285 Ablehnungsbereich 284, 286 ff. Additionssatz 36 ff. Alternativhypothese 283, 285 ff. analytische
Mehr7. Hypothesentests. Ausgangssituation erneut: ZV X repräsentiere einen Zufallsvorgang. X habe die unbekannte VF F X (x)
7. Hypothesentests Ausgangssituation erneut: ZV X repräsentiere einen Zufallsvorgang X habe die unbekannte VF F X (x) Interessieren uns für einen unbekannten Parameter θ der Verteilung von X 350 Bisher:
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests Nach Verteilungsannahmen: verteilungsabhängig: parametrischer [parametric] Test verteilungsunabhängig: nichtparametrischer [non-parametric] Test Bei parametrischen Tests
Mehr3) Testvariable: T = X µ 0
Beispiel 4.9: In einem Molkereibetrieb werden Joghurtbecher abgefüllt. Der Sollwert für die Füllmenge dieser Joghurtbecher beträgt 50 g. Aus der laufenden Produktion wurde eine Stichprobe von 5 Joghurtbechern
MehrKapitel 3 Schließende Statistik
Beispiel 3.4: (Fortsetzung Bsp. 3.) bekannt: 65 i=1 X i = 6, also ˆp = X = 6 65 = 0, 4 Überprüfen der Voraussetzungen: (1) n = 65 30 () n ˆp = 6 10 (3) n (1 ˆp) = 39 10 Dr. Karsten Webel 194 Beispiel 3.4:
Mehr