Nicht-parametrische Verfahren 2 unabhängige Stichproben: Mediantest 1/7
|
|
- Adolph Hauer
- vor 5 Jahren
- Abrufe
Transkript
1 unabhängige Stichproben: Mediantest /7 Mediantestprüft unabhängige Stichproben auf Unterschiede in ihrer zentralen Tendenz (ist neben U-Test einenicht-parametrische Entsprechung zum t-test für unabhängige Stichproben) H 0 : Die beiden Stichproben stammen aus Populationen mit gleichem Median Verwendet Ranginformationder Daten geeignet für (originär) ordinalskalierte und metrische Daten Prinzip: Für beide Stichproben wird ein gemeinsamer Median bestimmt Auszählen, wie viele Messwerte in den jeweiligen Stichproben über und unter diesem Wert liegen Durchführen eines Vier-Felder-Tests (exakt oder asymptotisch) Dr. Ulrich Tran, VO Ausgewählte Methoden, SS 0
2 unabhängige Stichproben: Mediantest /7 Beispiel: Messreihen, aufsteigend geordnet (vgl. Bortz & Lienert, 008, S. 38) A 4 5 B Median Gruppe A = Median Gruppe B =4 Gemeinsamer Median =.5 Gruppe A Gruppe B > Median 8 < Median 7 3 χ =5.05, df = p=.05 (zweiseitig, asymptotisch) Gruppe A und B unterscheiden sich signifikant hinsichtlich ihrer zentralen Tendenz Dr. Ulrich Tran, VO Ausgewählte Methoden, SS 0
3 unabhängige Stichproben: Mediantest 3/7 Fällt bei ungeradzahligem= + einmesswert genau auf den gemeinsamen Median, kann dieser Messwert exkludiert werden Ansonsten kann ein Paramediantestdurchgeführt werden (Dichotomisierung nahe am Median, um zu verhindern, dass Messwerte mit dem Trennwert identisch sind; vgl. Bortz & Lienert, 008, S. 37) In SPSS wird eine Aufteilung in die Gruppen > Medianund Median vorgenommen Mediantest ist i. A. der schwächstenicht-parametrische Test zur Untersuchung von Lageunterschieden Allerdings:sehr robustgegenüber Ausreißern, macht keinerleiannahmen zur Form oder Homogenität der Verteilung in den Stichproben Dr. Ulrich Tran, VO Ausgewählte Methoden, SS 0
4 unabhängige Stichproben: Mediantest 4/7 Mediantest kann auch einseitigdurchgeführt werden (beim Vergleich zweier Stichproben, df = ) Halbierung des p-wertes Kann sehr einfachfür den Vergleich von k> Gruppen erweitert werden keine Vier-Felder-Tafel, sondern k -Kontingenztafeln Mediantest findet sich deshalb in SPSS unter Verfahren zum Vergleich von mehr als Stichproben Dr. Ulrich Tran, VO Ausgewählte Methoden, SS 0
5 unabhängige Stichproben: Mediantest 5/7 Beispiel (Rückgriff): Unterscheiden sich Gesunde von Remittierten in ihrer berichteten Depressivität (BDI)? [Hochsignifikante Unterschiede in der AOVA (Einzelvergleich: p <.00)] och einmal die deskriptive Darstellung: n M SD Md Q Q3 Remittierte Gesunde Dr. Ulrich Tran, VO Ausgewählte Methoden, SS 0
6 unabhängige Stichproben: Mediantest 6/7 Durchführung in SPSS (File BDI.sav) Analysieren > ichtparametrische Tests > K unabhängige Stichproben Unter Bereich definieren Gruppe (=Remittierte) und 3 (= Gesunde) wählen Dr. Ulrich Tran, VO Ausgewählte Methoden, SS 0
7 unabhängige Stichproben: Mediantest 7/7 Vier-Felder-Tafel mit Häufigkeiten Testergebnisse: Gemeinsamer Median = 0 eben χ -Test auch Testergebnis mit Kontinuitätskorrektur (konservativer) signifikanter Unterschied Dr. Ulrich Tran, VO Ausgewählte Methoden, SS 0
8 unabhängige Stichproben: U-Test / U-Test (Mann & Whitney, 947; auch Wilcoxon-Rangsummentest[Wilcoxon, 945] genannt) ist dasnicht-parametrische Pendant zum t-test für unabhängige Stichproben Prüft zwei unabhängige Verteilungen auf Unterschiede hinsichtlich ihrer zentralen Tendenz H 0 : Die beiden Stichproben stammen aus formgleich (homomer) verteilten Populationen mit gleichem Median U-Test macht Annahme, dass die Form beider Verteilungen gleichist (Unterschied zum Mediantest! Verteilungen müssen aber nichtsymmetrisch oder gar normal sein) Verwendet Ranginformationder Daten geeignet für (originär) ordinalskalierte und metrische Daten Dr. Ulrich Tran, VO Ausgewählte Methoden, SS 0
9 unabhängige Stichproben: U-Test / Prinzip des U-Tests: Die Messwerte beider Stichproben werden in eine gemeinsame Rangreihe gebracht (kleine Messwerte niedrige Ränge, hohe Messwerte hohe Ränge) Die Rangsumme (U-Test) bzw. den mittleren Rangplatz (Wilcoxon- Rangsummentest) pro Gruppe bestimmen Bestimmung der statistischen Größe U anhand der Rangsummen bzw. von W anhand der mittleren Ränge inferenzstatistische Absicherung Wenn sich die Stichproben nichtin ihrer zentralen Tendenz (Median) unterscheiden, unterscheiden sie sich auchnichtin ihren mittleren Rängen Dr. Ulrich Tran, VO Ausgewählte Methoden, SS 0
10 unabhängige Stichproben: U-Test 3/ Veranschaulichung: Gruppe T i T i A Ränge B Ränge T i =Rangsummen T i =mittlere Rangsummen Es gilt: T U + T ( + ) = + U = U U = = + + ( ( + ) T + ) T Kleinerender beiden Werte nehmen Dr. Ulrich Tran, VO Ausgewählte Methoden, SS 0
11 unabhängige Stichproben: U-Test 4/ Veranschaulichung: U = + ( + ) T = (6 + ) 59 = 0 Kleinerer Wert U = + ( + ) T = (8 + ) 46 = 38 Kontrollen: T + T = = 05 U + U = = 48 ( + ) = 4 (4 + ) = 05 = 6 8 = 48 Dr. Ulrich Tran, VO Ausgewählte Methoden, SS 0
12 unabhängige Stichproben: U-Test 5/ Exakter Testfür 0 Tabellen in Lehrbüchern Asymptotischer Test für größere Stichproben μ U = z = U μ σ U U σ U = ( + + ) standardnormalverteilte Prüfgröße Unser Beispiel: U= 0, exakter Test, zweiseitig: p =.08 einseitig: p =.04 Dr. Ulrich Tran, VO Ausgewählte Methoden, SS 0
13 unabhängige Stichproben: U-Test 6/ U-Test hat höhere Testmacht wenn seine Voraussetzungen zutreffen als Mediantest (nutzt mehr Information aus den Daten) U-Test verliert an Machtund Gültigkeit, wenn (vgl. Bortz & Lienert, 008) Ausreißer vorliegen Stichproben ungleich groß sind Daten in kleinerer Stichprobe mehr streuen als in größerer Boden- oder Deckeneffekte vorliegen Mediantest verwenden Das Vorliegen von Bindungenbeeinträchtigt ebenso die Prüfgröße U kann/sollte in Signifikanztestung berücksichtigt werden Dr. Ulrich Tran, VO Ausgewählte Methoden, SS 0
14 unabhängige Stichproben: U-Test 7/ Bindungen treten auf, wenn gleichgroße Messwerte vorliegen Messwerte teilen sich dann Rangplätze Gruppe A Ränge B Ränge Alle drei Messwerte haben gleichen Rang (da gleichgroß) Die Plätze 7, 8 und 9 werden für sie vergeben Letztlich bekommen alle drei den Rangplatz 8: = 8 Dr. Ulrich Tran, VO Ausgewählte Methoden, SS 0
15 unabhängige Stichproben: U-Test 8/ Bindungskorrektur (vgl. Bortz & Lienert, 008, S. 46) verkleinertvarianzschätzung (σ U ) der Prüfgröße U führt eherzur Verwerfung der H 0 Für U-Test existiert keine eigenständige Definition einer Effektgröße Allerdings:Berechnung und Angabe des sog. relativen Effekts mithilfe der mittleren Rangsummen (Mann & Whitney, 947) pˆ = ( T T) Maßzahl der stochastischen Tendenz interpretierbar als Wahrscheinlichkeit, dass Gruppe höhere Werte als Gruppe hat Dr. Ulrich Tran, VO Ausgewählte Methoden, SS 0
16 unabhängige Stichproben: U-Test 9/ Weitere Möglichkeit über asymptotische Eigenschaften von U approximative Bestimmung der Effektgröße r (vgl. Field, 009, S. 550) r = z Dr. Ulrich Tran, VO Ausgewählte Methoden, SS 0
17 unabhängige Stichproben: U-Test 0/ Durchführung in SPSS (File BDI.sav) Analysieren > ichtparametrische Tests > Zwei unabhängige Stichproben Dr. Ulrich Tran, VO Ausgewählte Methoden, SS 0
18 unabhängige Stichproben: U-Test / Angabe der mittleren Ränge und Rangsummen Blick auf mittlere Ränge erlaubt Überprüfung, in welchergruppe niedrigere/höhere Werte vorlagen Äquivalente Teststatistiken U und W, z- und p-werte Relativer Effekt: pˆ = ( T T) = ( ) = 0.6 Effektgröße: r = z = = Dr. Ulrich Tran, VO Ausgewählte Methoden, SS 0
19 unabhängige Stichproben: U-Test / Relativer Effekt interpretierbar als: Die Wahrscheinlichkeit, dass Gesunde (Gruppe ) höhere Werte als Remittierte (Gruppe ) haben, beträgt (gerundet) lediglich %. Das Effektmaß deutet auf einen großen Effekt (r>.40)hin Im Vergleich zur Effektgröße aus AOVA-Kontrasttest (r =.37) fällt der Effekt in der nicht-parametrischen Betrachtung größer aus (r =.49) Ebenso ist Effekt etwas größer als d-effektmaß des t-tests für diesen Vergleich (d =.05) bei Umrechnung ergibt sich d=. für U-Test U-Test weniger durch Schiefe beeinträchtigt Dr. Ulrich Tran, VO Ausgewählte Methoden, SS 0
20 k > unabhängige Stichproben: Mediantest /3 Mediantest lässt sich auch für k> Stichproben einsetzen H 0 : Die kstichproben stammen aus Populationen mit gleichem Median Alternativhypothese hier nur ungerichtetmöglich (Omnibustest, vgl. einfaktorielle AOVA) Grundlage ist keine Vier-Felder-Tafel, sondern eine k -Tafel Testung mithilfe χ -basierter Methoden; Beispiel: Depressivität im BDI n M SD Md Q Q3 Depressive Remittierte Gesunde Dr. Ulrich Tran, VO Ausgewählte Methoden, SS 0
21 k > unabhängige Stichproben: Mediantest /3 Durchführung in SPSS (File BDI.sav) Analysieren > ichtparametrische Tests > K unabhängige Stichproben Unter Bereich definieren Minimum= (=Depressive) Maximum = 3 (= Gesunde) Dr. Ulrich Tran, VO Ausgewählte Methoden, SS 0
22 k > unabhängige Stichproben: Mediantest 3/3 Kontingenztafel mit Häufigkeiten Testergebnis: Gemeinsamer Median = 8 signifikanter Unterschiedaller drei Gruppen (wie in AOVA) Dr. Ulrich Tran, VO Ausgewählte Methoden, SS 0
Tutorium. Termin am 22. Juni ist fakultativ wird mit den Anwesenden am 20. Juni entschieden, ob er stattfindet
Tutorium Zur Prüfungsvorbereitung und zum nochmaligen Durcharbeiten und Besprechen des Stoffs findet ein Tutoriumstatt (Michael Zeiler; michael.zeiler@univie.ac.at) Mittwoch, 8. Juni, 15.00-16.30, HS G
MehrNicht-parametrische Verfahren k > 2 unabhängige Stichproben: Kruskal-Wallis-Test 1/12
k > 2 unabhängige Stichproben: Kruskal-Wallis-Test 1/12 Kruskal-Wallis-Test (H-Test; Kruskal & Wallis, 1952)ist Verallgemeinerung der Prinzipien des U-Test für k> 2 Stichproben klassisches Pendant der
MehrUnterschiedshypothesen für maximal 2 Gruppen, wenn die Voraussetzungen für parametrische Verfahren nicht erfüllt sind
Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 6 Seite 1 Unterschiedshypothesen für maximal 2 Gruppen, wenn die Voraussetzungen für parametrische
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Post Hoc Tests A priori Tests (Kontraste) Nicht-parametrischer Vergleich von Mittelwerten 50 Ergebnis der ANOVA Sprossdichte der Seegräser 40 30 20 10
MehrForschungsstatistik II
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg R. 06-06 (Persike) R. 06-3 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik II Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrKapitel 8: Verfahren für Rangdaten
Kapitel 8: Verfahren für Rangdaten Der Mann-Whitney U-Test 1 Der Wilcoxon-Test 3 Der Kruskal-Wallis H-Test 4 Vergleich von Mann-Whitney U-Test und Kruskal-Wallis H-Test 6 Der Mann-Whitney U-Test In Kapitel
MehrParametrische vs. Non-Parametrische Testverfahren
Parametrische vs. Non-Parametrische Testverfahren Parametrische Verfahren haben die Besonderheit, dass sie auf Annahmen zur Verteilung der Messwerte in der Population beruhen: die Messwerte sollten einer
MehrPrüfung & Tutorium. Der 1. Prüfungstermin findet am 27. Juni 2011 um 10h im Audimaxstatt. Anmeldung in UNIVIS vom Juni
Prüfung & Tutorium Der 1. Prüfungstermin findet am 27. Juni 2011 um 10h im Audimaxstatt Anmeldung in UNIVIS vom 14.-22. Juni Die Prüfung wird aus 30 Multiple Choice Fragen(5 Antwortalternativen, 1-3 Richtige)
MehrAufgaben zu Kapitel 8
Aufgaben zu Kapitel 8 Aufgabe 1 a) Berechnen Sie einen U-Test für das in Kapitel 8.1 besprochene Beispiel mit verbundenen n. Die entsprechende Testvariable punkte2 finden Sie im Datensatz Rangdaten.sav.
MehrEinfaktorielle Varianzanalyse
Kapitel 16 Einfaktorielle Varianzanalyse Im Zweistichprobenproblem vergleichen wir zwei Verfahren miteinander. Nun wollen wir mehr als zwei Verfahren betrachten, wobei wir unverbunden vorgehen. Beispiel
MehrSignifikanzprüfung. Peter Wilhelm Herbstsemester 2016
Signifikanzprüfung Peter Wilhelm Herbstsemester 2016 1.) Auswahl des passenden Tests 2.) Begründete Festlegung des Alpha-Fehlers nach Abschätzung der Power 3.) Überprüfung der Voraussetzungen 4.) Durchführung
MehrStatistik II: Signifikanztests /1
Medien Institut : Signifikanztests /1 Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Noch einmal: Grundlagen des Signifikanztests 2. Der chi 2 -Test 3. Der t-test
Mehr10. Medizinische Statistik
10. Medizinische Statistik Projektplanung Deskriptive Statistik Inferenz-Statistik Literatur: Hüsler, J. und Zimmermann, H.: Statistische Prinzipien für medizinische Projekte, Verlag Hans Huber, 1993.
Mehr12 Rangtests zum Vergleich zentraler Tendenzen
12 Rangtests zum Vergleich zentraler Tendenzen 12.1 Allgemeine Bemerkungen 12.2 Gepaarte Stichproben: Der Wilcoxon Vorzeichen- Rangtest 12.3 Unabhängige Stichproben: Der Wilcoxon Rangsummentest und der
MehrSignifikanzprüfung. Peter Wilhelm Herbstsemester 2014
Signifikanzprüfung Peter Wilhelm Herbstsemester 2014 1.) Auswahl des passenden Tests 2.) Begründete Festlegung des Alpha- Fehlers nach Abschätzung der Power 3.) Überprüfung der Voraussetzungen 4.) Durchführung
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Pantelis Christodoulides & Karin Waldherr 4. Juni 2014 Christodoulides / Waldherr Einführung in Quantitative Methoden 1/35 Ein- und Zweiseitige Hypothesen H 0 : p =
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrZWEISTICHPROBENTESTS - NICHTPARAMETRISCHE TESTS
Universität Hannover Naturwiss. Fakultät BSc-Modul Biostatistik Prof. Dr. L. Hothorn (3./ 4. Semester) ZWEISTICHPROBENTESTS - NICHTPARAMETRISCHE TESTS 1. Ein motivierendes Beispiel Differences in collecting
MehrAufgaben zu Kapitel 8
Aufgaben zu Kapitel 8 Aufgabe 1 a) Berechnen Sie einen U-Test für das in Kapitel 8.1 besprochene Beispiel mit verbundenen Rängen. Die entsprechende Testvariable punkte2 finden Sie im Datensatz Rangdaten.sav.
MehrPflichtmodul E2: Theorie und Methoden psychologischen Messens und Beobachtens. Ausgewählte Methoden. Mag. Dr. Ulrich Tran Sommersemester 2011
Pflichtmodul E2: Theorie und Methoden psychologischen Messens und Beobachtens Ausgewählte Methoden Mag. Dr. Ulrich Tran Sommersemester 2011 Überblick LV gibt Einführung in Grundlagen, Anwendung(SPSS) und
MehrHäufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche
Lehrveranstaltung Empirische Forschung und Politikberatung der Universität Bonn, WS 2007/2008 Häufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche 30. November 2007 Michael
MehrPrüfen von Unterschiedshypothesen für ordinale Variablen: Mann-Whitney Test und Ko
Prüfen von Unterschiedshypothesen für ordinale Variablen: Mann-Whitney Test und Ko Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik
MehrDas Zweistichprobenproblem
Kapitel 5 Das Zweistichprobenproblem In vielen Anwendungen will man überprüfen, ob sich zwei oder mehr Verfahren, Behandlungen oder Methoden in ihrer Wirkung auf eine Variable unterscheiden. Wir werden
MehrWeitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell
Einfaktorielle Versuchspläne 27/40 Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell Abweichung Einfach Differenz Helmert Wiederholt Vergleich Jede Gruppe mit Gesamtmittelwert
MehrLösungen zu den Übungsaufgaben in Kapitel 10
Lösungen zu den Übungsaufgaben in Kapitel 10 (1) In einer Stichprobe mit n = 10 Personen werden für X folgende Werte beobachtet: {9; 96; 96; 106; 11; 114; 114; 118; 13; 14}. Sie gehen davon aus, dass Mittelwert
MehrStatistik II für Betriebswirte Vorlesung 3
Statistik II für Betriebswirte Vorlesung 3 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 2. November 2016 Prof. Dr. Hans-Jörg Starkloff Statistik II für Betriebswirte Vorlesung
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
MehrMann-Whitney-U-Test für zwei unabhängige Stichproben
Mann-Whitney-U-Test für zwei unabhängige Stichproben Wir haben bis jetzt einen einzigen Test für unabhängige Stichproben kennen gelernt, nämlich den T-Test. Wie wir bereits wissen, sind an die Berechnung
Mehr6.4 Der Kruskal-Wallis Test
6.4 Der Kruskal-Wallis Test Der Test von Kruskal und Wallis, auch H-Test genannt, ist ein Test, mit dem man die Verteilungen von Teilstichproben auf Unterschiede untersuchen kann. Bei diesem Test geht
Mehr8.2 Nicht parametrische Tests Vergleich CT/2D/3D. Abb. 28 Mann-Whitney-U-Test
41 8. Interpretationen der Studienergebnisse Im vorliegenden Kapitel werden die Studienergebnisse mit Hilfe des Mann-Whitney-U-Tests auf signifikante Unterschiede untersucht. Hierfür wurden die vorliegenden
MehrComputergestützte Methoden. Master of Science Prof. Dr. G. H. Franke WS 07/08
Computergestützte Methoden Master of Science Prof. Dr. G. H. Franke WS 07/08 1 Seminarübersicht 1. Einführung 2. Recherchen mit Datenbanken 3. Erstellung eines Datenfeldes 4. Skalenniveau und Skalierung
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Pantelis Christodoulides & Karin Waldherr 5. Juni 2013 Christodoulides / Waldherr Einführung in Quantitative Methoden- 11. VO 1/48 Anpassungstests allgemein Gegeben:
MehrInhaltsverzeichnis. Über die Autoren Einleitung... 21
Inhaltsverzeichnis Über die Autoren.... 7 Einleitung... 21 Über dieses Buch... 21 Was Sie nicht lesen müssen... 22 Törichte Annahmen über den Leser... 22 Wie dieses Buch aufgebaut ist... 23 Symbole, die
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
MehrKlausur zur Vorlesung
Institut für Mathematische Stochastik WS 2004/2005 Universität Karlsruhe 14. Februar 2005 Dr. Bernhard Klar Sebastian Müller Aufgabe 1: (15 Punkte) Klausur zur Vorlesung Statistik für Biologen Musterlösungen
MehrStatistik II (Sozialwissenschaften)
Dr. Hans-Otfried Müller Institut für Mathematische Stochastik Fachrichtung Mathematik Technische Universität Dresden http://www.math.tu-dresden.de/sto/mueller/ Statistik II (Sozialwissenschaften) 2. Konsultationsübung,
MehrNicht-parametrische Statistik Eine kleine Einführung
Nicht-parametrische Statistik Eine kleine Einführung Überblick Anwendung nicht-parametrischer Statistik Behandelte Tests Mann-Whitney U Test Kolmogorov-Smirnov Test Wilcoxon Test Binomialtest Chi-squared
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Karin Waldherr & Pantelis Christodoulides 11. Juni 2014 Waldherr / Christodoulides Einführung in Quantitative Methoden 1/46 Anpassungstests allgemein Gegeben: Häufigkeitsverteilung
MehrEine 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 9. Dezember 2009 Bernd Klaus, Verena Zuber
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 19. Januar 2011 1 Nichtparametrische Tests Ordinalskalierte Daten 2 Test für ein Merkmal mit nur zwei Ausprägungen
MehrSignifikanztests zur Prüfung von Unterschieden in der zentralen Tendenz -Teil 1-
SPSSinteraktiv Signifikanztests (Teil ) - - Signifikanztests zur Prüfung von Unterschieden in der zentralen Tendenz -Teil - t-test bei einer Stichprobe - SPSS-Output Der t-test bei einer Stichprobe wird
Mehr1 Grundlagen der Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsräume. Ein erster mathematischer Blick auf Zufallsexperimente...
Inhaltsverzeichnis 1 Grundlagen der Wahrscheinlichkeitsrechnung 1 1.1 Wahrscheinlichkeitsräume Ein erster mathematischer Blick auf Zufallsexperimente.......... 1 1.1.1 Wahrscheinlichkeit, Ergebnisraum,
MehrGepaarter und ungepaarter t-test. Statistik (Biol./Pharm./HST) FS 2014
Gepaarter und ungepaarter t-test Statistik (Biol./Pharm./HST) FS 2014 Wdh: t-test für eine Stichprobe 1. Modell: X i ist eine kontinuierliche MessgrÄosse; X 1 ; : : : ; X n iid N (¹; ¾ 2 X ); ¾ X wird
MehrStatistik Prüfung 24. Jänner 2008
Statistik Prüfung 24. Jänner 2008 February 10, 2008 Es ist immer nur EINE Antwort richtig, bei falsch beantworteten Fragen gibt es KEINEN Punktabzug. Werden mehrere Antworten bei einer Frage angekreuzt,
MehrBIOMETRIE I - KLINISCHE EPIDEMIOLOGIE
BIOMETRIE I - KLINISCHE EPIDEMIOLOGIE Wintersemester 2003/04 - Übung zur Vorlesung Biometrie I Ein Lösungsvorschlag von Christian Brockly Lösungsvorschlag zur Übung Biometrie I Bei diesem Dokument handelt
MehrEine Einführung in R: Statistische Tests
I. Einführungsbeispiel II. Theorie: Statistische Tests III. Zwei Klassiker: t-test und Wilcoxon-Rangsummen - Test IV. t-test und Wilcoxon-Rangsummen - Test in R Eine Einführung in R: Statistische Tests
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
MehrKategoriale und metrische Daten
Kategoriale und metrische Daten Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/14 Übersicht Abhängig von der Anzahl der Ausprägung der kategorialen Variablen unterscheidet man die folgenden Szenarien:
MehrUE Angewandte Statistik Termin 4 Gruppenvergleichstests
UE Angewandte Statistik Termin 4 Gruppenvergleichstests Martina Koller Institut für Pflegewissenschaft SoSe 2015 INHALT 1 Allgemeiner Überblick... 1 2 Normalverteilung... 2 2.1 Explorative Datenanalyse...
MehrResampling Methoden Dortmund, 2005 (Jenő Reiczigel) 1. Permutationstests I.
Resampling Methoden Dortmund, 2005 (Jenő Reiczigel) 1 Permutationstests I. 1. Einleitendes Beispiel 2. Zwei-Stichprobentest 3. Der klassische Mann-Whitney U-Test 4. Der exakte Test von Fisher 5. Nicht
MehrGepaarter und ungepaarter t-test. Statistik (Biol./Pharm.) Herbst 2012
Gepaarter und ungepaarter t-test Statistik (Biol./Pharm.) Herbst 2012 Mr. X Krebs Zwei Krebstypen 1 Typ 1: Mild Chemotherapie nicht nötig 2 Typ 2: Schwer Chemotherapie nötig Problem: Typ erst nach langer
MehrAnhang: Statistische Tafeln und Funktionen
A1 Anhang: Statistische Tafeln und Funktionen Verteilungsfunktion Φ(z) der Standardnormalverteilung Die Tabelle gibt die Werte Φ(z) der Verteilungsfunktion zu vorgegebenem Wert z 0 an; ferner gilt Φ( z)
MehrStatistik K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
MehrStatistik II für Betriebswirte Vorlesung 2
Statistik II für Betriebswirte Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 26. Oktober 2016 Prof. Dr. Hans-Jörg Starkloff Statistik II für Betriebswirte Vorlesung
MehrKonfidenzintervalle. Gesucht: U = U(X 1,..., X n ), O = O(X 1,..., X n ), sodass für das wahre θ gilt
Konfidenzintervalle Annahme: X 1,..., X n iid F θ. Gesucht: U = U(X 1,..., X n ), O = O(X 1,..., X n ), sodass für das wahre θ gilt P θ (U θ O) = 1 α, α (0, 1). Das Intervall [U, O] ist ein Konfidenzintervall
MehrGibt es einen Zusammenhang zwischen Merkmalen? Korrelationen
Arbeitsblatt SPSS Kapitel 8 Seite Gibt es einen Zusammenhang zwischen Merkmalen? Korrelationen Wie in allen Kapiteln gehen wir im Folgenden davon aus, dass Sie die Datei elporiginal.sav geöffnet haben.
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-06) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrStatistik. Jan Müller
Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen
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
MehrNachklausur zur Vorlesung
Institut für Mathematische Stochastik WS 003/004 Universität Karlsruhe 30. April 004 Priv.-Doz. Dr. D. Kadelka Nachklausur zur Vorlesung Statistik für Biologen Musterlösungen Aufgabe 1 Gemessen wurde bei
MehrEinführung in die Induktive Statistik: Testen von Hypothesen
Einführung in die Induktive Statistik: Testen von Hypothesen Jan Gertheiss LMU München Sommersemester 2011 Vielen Dank an Christian Heumann für das Überlassen von TEX-Code! Testen: Einführung und Konzepte
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
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
MehrStochastik Praktikum Testtheorie
Stochastik Praktikum Testtheorie Thorsten Dickhaus Humboldt-Universität zu Berlin 11.10.2010 Definition X: Zufallsgröße mit Werten in Ω, (Ω, F, (P ϑ ) ϑ Θ ) statistisches Modell Problem: Teste H 0 : ϑ
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 12. Januar 2011 1 Vergleich zweier Erwartungswerte Was heißt verbunden bzw. unverbunden? t-test für verbundene Stichproben
MehrKlausur zur Vorlesung
Institut für Mathematische Stochastik WS 2006/2007 Universität Karlsruhe 12. Februar 2007 Priv.-Doz. Dr. D. Kadelka Dipl.-Math. W. Lao Aufgabe 1 (15 Punkte) Klausur zur Vorlesung Statistik für Biologen
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
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
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 15 009 FernUniversität in Hagen Alle Rechte vorbehalten Fachbereich Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
MehrBiostatistik, WS 2013/2014 Wilcoxons Rangsummen-Test
1/22 Biostatistik, WS 2013/2014 Wilcoxons Rangsummen-Test Matthias Birkner http://www.mathematik.uni-mainz.de/~birkner/biostatistik1314/ 20.12.2013 Motivation 4/22 Bei (ungefähr) glockenförmigen und symmetrisch
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen 5. Der zwei-stichproben-t-test. und der Wilcoxon-Test
Wahrscheinlichkeitsrechnung und Statistik für Biologen 5. Der zwei-stichproben-t-test (t-test für ungepaarte Stichproben) und der Wilcoxon-Test Martin Hutzenthaler & Dirk Metzler http://www.zi.biologie.uni-muenchen.de/evol/statgen.html
MehrHäufigkeitsverteilungen
Häufigkeitsverteilungen Eine Häufigkeitsverteilung gibt die Verteilung eines erhobenen Merkmals an und ordnet jeder Ausprägung die jeweilige Häufigkeit zu. Bsp.: 100 Studenten werden gefragt, was sie studieren.
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen 5. Der zwei-stichproben-t-test. und der Wilcoxon-Test
Wahrscheinlichkeitsrechnung und Statistik für Biologen 5. Der zwei-stichproben-t-test (t-test für ungepaarte Stichproben) und der Wilcoxon-Test Martin Hutzenthaler & Dirk Metzler 20. Mai 2010 Inhaltsverzeichnis
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
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrPROC NPAR1WAY. zum Durchführen des U-Tests für zwei unverbundene Stichproben (für quantitative nicht-normalverteilte Merkmale)
PROC NPAR1WAY zum Durchführen des U-Tests für zwei unverbundene Stichproben (für quantitative nicht-normalverteilte Merkmale) Allgemeine Form: PROC NPAR1WAY DATA=name Optionen ; VAR variablenliste ; CLASS
MehrOnline Statistik-Coaching
Online Statistik-Coaching Modul 3 Statistisches Testen - Auswahl der passenden Methode - Durchführung mit SPSS - Interpretation und Darstellung Dipl.-Math. Daniela Keller www.statistik-und-beratung.de
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
MehrErgebnisse VitA und VitVM
Ergebnisse VitA und VitVM 1 Basisparameter... 2 1.1 n... 2 1.2 Alter... 2 1.3 Geschlecht... 5 1.4 Beobachtungszeitraum (von 1. Datum bis letzte in situ)... 9 2 Extraktion... 11 3 Extraktionsgründe... 15
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrAufgaben zu Kapitel 7:
Aufgaben zu Kapitel 7: Aufgabe 1: In einer Klinik sollen zwei verschiedene Therapiemethoden miteinander verglichen werden. Zur Messung des Therapieerfolges werden die vorhandenen Symptome einmal vor Beginn
MehrEinführung in die Statistik
Elmar Klemm Einführung in die Statistik Für die Sozialwissenschaften Westdeutscher Verlag INHALTSVERZEICHNIS 1. Einleitung und Begrifflichkeiten 11 1.1 Grundgesamtheit, Stichprobe 12 1.2 Untersuchungseinheit,
MehrStatistische Tests zu ausgewählten Problemen
Einführung in die statistische Testtheorie Statistische Tests zu ausgewählten Problemen Teil 4: Nichtparametrische Tests Statistische Testtheorie IV Einführung Beschränkung auf nichtparametrische Testverfahren
MehrKlausur Statistik I Dr. Andreas Voß Wintersemester 2005/06
Klausur Statistik I Dr. Andreas Voß Wintersemester 2005/06 Hiermit versichere ich, dass ich an der Universität Freiburg mit dem Hauptfach Psychologie eingeschrieben bin Name: Mat.Nr.: Unterschrift: Bearbeitungshinweise:
MehrKapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten
Kapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten 5.1. Einführung Einfaktorielle Varianzanalyse Überprüft die Auswirkung einer gestuften (s), unabhängigen Variable X, auch Faktor
MehrTests für Erwartungswert & Median
Mathematik II für Biologen 26. Juni 2015 Prolog Varianz des Mittelwerts Beispiel: Waage z-test t-test Vorzeichentest Wilcoxon-Rangsummentest Varianz des Mittelwerts Beispiel: Waage Zufallsvariable X 1,...,X
MehrSommersemester Marktforschung
Dipl.-Kfm. Sascha Steinmann Universität Siegen Lehrstuhl für Marketing steinmann@marketing.uni-siegen.de Sommersemester 2010 Marktforschung Übungsaufgaben zu den Themen 3-6 mit Lösungsskizzen Aufgabe 1:
MehrBasis-Kurs Statistik und SPSS für Mediziner Lösungen. SPSS-Übung Statistische Tests
Basis-Kurs Statistik und SPSS für Mediziner Lösungen SPSS-Übung Statistische Tests Testentscheidung: Deskriptive Statistik Basis-Kurs Statistik und SPSS für Mediziner 2 Mit Datensatz Daten_SPSS_Kurs_I.sav
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 12.5.2006 1 Test auf Anteilswert: Binomialtest Sei eine Stichprobe unabhängig, identisch verteilter ZV (i.i.d.). Teile diese Stichprobe in zwei Teilmengen
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Korrelationsanalysen Kreuztabellen und χ²-test Themen Korrelation oder Lineare Regression? Korrelationsanalysen - Pearson, Spearman-Rang, Kendall s Tau
MehrStichprobenumfangsplanung
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Stichprobenumfangsplanung Überblick Einführung Signifikanzniveau Teststärke Effektgröße
MehrGüteanalyse. Nochmal zur Erinnerung: Hypothesentest. Binominalverteilung für n=20 und p=0,5. Münzwurf-Beispiel genauer
Universität Karlsruhe (TH) Forschungsuniversität gegründet 1825 Güteanalyse Prof. Walter F. Tichy Fakultät für Informatik 1 Fakultät für Informatik 2 Nochmal zur Erinnerung: Hypothesentest Am Beispiel
MehrStatistik für Ingenieure Vorlesung 13
Statistik für Ingenieure Vorlesung 13 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 6. Februar 2018 5.1.4. Weitere ausgewählte statistische Tests a) Binomialtest Der Binomialtest
Mehr- Normalverteilung (Gaußverteilung) kann auf sehr viele Zufallsprozesse angewendet werden.
Normalverteilung und Standardnormalverteilung als Beispiel einer theoretischen Verteilung - Normalverteilung (Gaußverteilung) kann auf sehr viele Zufallsprozesse angewendet werden. - Stetige (kontinuierliche),
MehrVorlesung 12a. Kann das Zufall sein? Beispiele von statistischen Tests
Vorlesung 12a Kann das Zufall sein? Beispiele von statistischen Tests 1 Beispiel 1: Passen die Verhältnisse in den Rahmen? Fishers exakter Test (vgl. Buch S. 130/131 2 Sir Ronald Fisher 1890-1962 3 Aus
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 20. Januar 2011 1 Der F -Test zum Vergleich zweier Varianzen 2 Beispielhafte Fragestellung Bonferroni-Korrektur
MehrStatistische Messdatenauswertung
Roland Looser Statistische Messdatenauswertung Praktische Einführung in die Auswertung von Messdaten mit Excel und spezifischer Statistik-Software für naturwissenschaftlich und technisch orientierte Anwender
MehrParametrische und nichtparametrische Tests
XIII. Nichtparametrische Tests Seite 1 Parametrische und nichtparametrische Tests Parametrische Tests: Hier wird eine bestimmte Verteilung vorausgesetzt, und getestet, ob die gewählten Parameter passen.
Mehr