Alternative Darstellung des 2-Stichprobentests für Anteile
|
|
|
- Nadja Esser
- vor 5 Jahren
- Abrufe
Transkript
1 Alternative Darstellung des -Stichprobentests für Anteile DCF CF Total n= Response Resp. Rate 0,387 0,3 0,309 Bei Gültigkeit der Nullhypothese Beobachtete Response No Response Total absolut DCF CF Beobachtete Response No Response Total Zeilenprozent DCF 38,7% 61,3% 111 CF 3,% 76,8% 11 30,9% 69,1% 3 Erwartete Response No Response Total Zeilenprozent DCF 30,9% 69,1% 111 CF 30,9% 69,1% 11 30,9% 69,1% 3 Erwartete Response No Response Total absolut DCF 34, CF Analyse der Differenz Statistik für SoziologInnen 1 -Test
2 -Unabhängigkeitstest Der -Unabhängigkeitstest erlaubt es, zu testen, ob zwei nominalskalierte Merkmale voneinander unabhängig sind oder nicht. Dabei werden die Abweichungen der beobachteten Häufigkeiten in einer Kreuztabelle von den unter der Unabhängigkeitshypothese erwarteten Häufigkeiten evaluiert. Unter der Unabhängigkeitshypothese ergeben sich die erwarteten relativen Häufigkeiten in einer Zelle i,j durch Multiplikation der zugehörigen relativen Randhäufigkeiten bzw. sind die bedingten Verteilungen konstant und gleich der Randverteilung. Statistik für SoziologInnen -Test
3 Notation Wir betrachten eine lm Kreuztabelle Zeilenindex i (1,..., l) Spaltenindex j (1,..., m) n 1 n ij n i n l n 1 n j n m n Statistik für SoziologInnen 3 -Test
4 Bedingung für Unabhängigkeit P( A B) P( A) P( B) Wahrscheinlichkeit einer Zelle ist das Produkt der Zeile- und der Spaltenwahrscheinlichkeit Es gilt daher: n n n ij ij Absolute Häufigkeit einer Zelle ist das Produkt der Zeilen- und der Spaltenhäufigkeit dividiert durch die Gesamtanzahl n n n i i n n n n j j Statistik für SoziologInnen 4 -Test
5 Gesamter Datensatz CLASS * SURVIVED * SEX Kreuztabelle Anzahl SEX Male Female CLASS Gesamt CLASS Gesamt 1st Class nd Class 3rd Class Crew 1st Class nd Class 3rd Class Crew SURVIVED No Yes Gesamt Statistik für SoziologInnen 5 -Test
6 Visualisierung mittels Mosaic-Plot Zusammenhang: Überleben x Passagierklasse Statistik für SoziologInnen 6 -Test
7 Beispiel Dem folgenden Beispiel liegt der Datenbestand von n = 01 Personen des Schiffsunglücks Titanic zugrunde. Es soll untersucht werden, ob ein Zusammenhang der beiden Merkmale Unterkunftsklasse am Schiff und Überleben des Passagiers besteht. Merkmal Unterkunftsklasse: Merkmal überlebt: Anzahl rel. Häufigkeit NEIN ,68 JA 711 0,3.01 Anzahl rel. Häufigkeit 1st Class 35 14,8% nd Class 85 1,9% 3rd Class 706 3,1% Crew ,%.01 Zusammenhang? Statistik für SoziologInnen 7 -Test
8 Ausgangsdaten & Fragestellung Beobachtete Häufigkeiten Klasse überlebt Zeilensumme NEIN JA 1st Class nd Class rd Class Crew Spaltensumme überlebt Zeilensumme NEIN JA 1st Class 37,5% 6,5% 100,0% nd Class 58,6% 41,4% 100,0% 3rd Class 74,8% 5,% 100,0% Crew 76,0% 4,0% 100,0% Spaltensumme 67,7% 3,3% 100,0% Klasse Zeilenprozent beobachtet Ist der Anteil der Überlebenden in den 4 Personengruppen gleich? Verallgemeinerung der Fragestellung des - Stichprobentests für den Vergleich von mehr als Klassen Statistik für SoziologInnen 8 -Test
9 Erwartete Häufigkeit Berechnung der erwarteten Häufigkeiten bei Unabhängigkeit der Merkmale Erwartete Häufigkeit Zeilensumme Spaltensumme Gesamtsumme Klasse überlebt Zeilensumme NEIN JA 1st Class??? 35 nd Class 85 3rd Class 706 Crew 885 Spaltensumme überlebt Zeilensumme NEIN JA 1st Class 0,0 35 nd Class 85 3rd Class 706 Crew 885 Spaltensumme Klasse Erwartete Häufigkeit NEIN, 1st Class ,0 Statistik für SoziologInnen 9 -Test
10 Erwartete Häufigkeit Berechnung der erwarteten Häufigkeiten bei Unabhängigkeit der Merkmale Erwartete Häufigkeit Zeilensumme Spaltensumme Gesamtsumme überlebt NEIN JA 1st Class 0,0 35 nd Class 85 3rd Class???? 706 Crew 885 Spaltensumme Klasse Zeilensumme überlebt Zeilensumme NEIN JA 1st Class 0,0 35 nd Class 85 3rd Class 8,1 706 Crew 885 Spaltensumme Klasse Erwartete Häufigkeit JA, 3rd Class ,1 Statistik für SoziologInnen 10 -Test
11 Erwartete Häufigkeit Erwartete Häufigkeiten Unterkunftsklasse versus Person hat überlebt bei Gültigkeit der Unabhängigkeitshypothese überlebt Zeilensumme NEIN JA 1st Class 0,0 105,0 35 nd Class 19,9 9,1 85 3rd Class 477,9 8,1 706 Crew 599,1 85,9 885 Spaltensumme Klasse Statistik für SoziologInnen 11 -Test
12 Vergleich Beobachtete Häufigkeiten - Erwartete Häufigkeiten Beobachtete Häufigkeiten Erwartete Häufigkeiten unter Ho Klasse Klasse Klasse Zeilenprozent beobachtet Zeilenprozent erwartet überlebt Zeilensumme NEIN JA 1st Class nd Class rd Class Crew Spaltensumme überlebt Zeilensumme NEIN JA 1st Class 37,5% 6,5% 100,0% nd Class 58,6% 41,4% 100,0% 3rd Class 74,8% 5,% 100,0% Crew 76,0% 4,0% 100,0% Spaltensumme 67,7% 3,3% 100,0% überlebt Zeilensumme NEIN JA 1st Class nd Class rd Class Crew Spaltensumme überlebt Zeilensumme NEIN JA 1st Class 67,7% 3,3% 100,0% nd Class 67,7% 3,3% 100,0% 3rd Class 67,7% 3,3% 100,0% Crew 67,7% 3,3% 100,0% Spaltensumme 67,7% 3,3% 100,0% Klasse Statistik für SoziologInnen 1 -Test
13 Beobachtete minus erwartete Häufigkeit überlebt NEIN JA 1st Class -98,0 98,0 0 nd Class -5,9 5,9 0 3rd Class 50,1-50,1 0 Crew 73,9-73,9 0 Spaltensumme Klasse Zeilensumme Statistik für SoziologInnen 13 -Test
14 -Statistik Berechnung des -Wertes l i1 m j1 Beobachteter Wert ij Erwarteter Wert Erwarteter Wert ij ij l... Anzahl der Zeilen m... Anzahl der Spalten Anzahl der Freiheitsgrade: (l-1)(m-1) Statistik für SoziologInnen 14 -Test
15 Form der Chi²-Verteilungsdichte Statistik für SoziologInnen 15 -Test
16 -Statistik o11 e e überlebt Zeilensumme NEIN JA 1st Class 43,7 91,5 135, nd Class 3,5 7,3 10,8 3rd Class 5, 11,0 16, Crew 9,1 19,1 8, Spaltensumme 61,5 18,9 190,4 Klasse l i1 m j1 o ij e e ij ij Statistik für SoziologInnen 16 -Test
17 Dichtefunktion der -Verteilung Dichtefunktion der -Verteilung mit 3 Freiheitsgraden kritischer Bereich ;0,95 7,81 Statistik für SoziologInnen 17 -Test
18 -Statistik 190,4 7, 81 Klasse nach Überleben > kritisch Hoch signifikantes Ergebnis; Unterschiede zwischen den Überlebenschancen in den verschiedenen Klassen können wohl nicht zufällig sein Es bestehen signifikante Unterschiede zwischen den beobachteten und den erwarteten Werten Überlebende Personen sind eher in den höherwertigen Unterkunftsklassen zu finden Statistik für SoziologInnen 18 -Test
19 Analyse von 3 Merkmalen Log-lineare Modelle: Werkzeug zur Analyse höher-dimensionaler Häufigkeitstabellen Statistik für SoziologInnen 19 -Test
20 Äquivalenz zu -Stichprobenanteilstest Beobachtete Response No Response Total Kritischer Wert bei =0,01 6, absolut DCF Kritischer Wert bei =0,05 3, CF Abweichung Beobachtete Response No Response Total Response No Response Total Zeilenprozent DCF 38,7% 61,3% 111 DCF 8,655-8,655 0,000 CF 3,% 76,8% 11 CF -8,655 8,655 0,000 30,9% 69,1% 3 0,000 0,000 0,000 Erwartete Response No Response Total CHI-WERT Zeilenprozent DCF 30,9% 69,1% 111 Response No Response Total CF 30,9% 69,1% 11 DCF,181 0,977 30,9% 69,1% 3 CF,161 0,968 6,88 Erwartete Response No Response Total absolut DCF 34, p-value 0,01 6,88 CF Statistik für SoziologInnen 0 -Test
21 Ausreichende Fallzahl und die Yates-Korrektur Die Approximation der Stichprobenverteilung mit der -Teststatistik darf nur angewendet werden, wenn alle erwarteten Häufigkeiten 5 sind. Andernfalls müssen Zeilen bzw. Spalten der Kreuztabelle zusammengefasst werden. Für den Fall der 4-Felder Tafel (Anzahl der Freiheitsgrade = 1), wird in der Praxis häufig die sogenannte Yates-Korrektur herangezogen: korr. l i1 m j1 o ij e ij e ij 0,5 Statistik für SoziologInnen 1 -Test
22 Beispiel zur Yates-Korrektur Anhand eines Labortests (Digitalis-Konzentration im Blut) kann das Vorliegen einer bestimmten Krankheit nachgewiesen werden wurde dazu folgende Statistik veröffentlicht: T+ positiver Test D+ D- Total T- negativer Test T D+ krank T D- gesund Total ,8 korr. 4,3 1;0,95 3,84 signifikantes Ergebnis Statistik für SoziologInnen -Test
23 Berechnungsschema in Excel D+ D- Ohne Yates-Korrektur T ,7353 5,9536 T ,17371,41815 p-value ,8 0, D+ D- Mit Yates-Korrektur T+ 1,4 6, ,749 5,4885 T- 30,58 65,4 96 4,77055,971 p-value ,3 0, krit. Wert: 11,3449 Funktion: CHITEST(Beobachtete Werte; Unter H0 erwartete Werte) Statistik für SoziologInnen 3 -Test
24 Example with SPSS Statistik für SoziologInnen 4 -Test
25 Expected Frequencies Statistik für SoziologInnen 5 -Test
26 Difference Observed - Expected Statistik für SoziologInnen 6 -Test
27 Reduced Analysis x Table Statistik für SoziologInnen 7 -Test
28 Simpson Paradoxon (1) Clinical Center I Treatment A B Sum response no response Sum Clinical Center II Treatment A B Sum response no response Sum Statistik für SoziologInnen 8 Response A:10 von 110 9% B:100 von 830 1% p-value = 0,365 Response A:100 von % B:50 von 70 71% p-value = 0,480 -Test
29 Simpson Paradoxon () Data of Clinical Center I and II collapsed Treatment A B Sum response no response Sum p-value = 0,0001 Response A: 4% B:17% Statistik für SoziologInnen 9 -Test
30 Anderer Problemstellung: Anpassungstest Verteilung der Augenzahl x bei n = 35 Würfen mit einem antiken Würfel x i n i Theoretische Wahrscheinlichkeit: P(X=x) = p i = 1/6 = Statistik für SoziologInnen 30 -Test
31 Berechnung der -Statistik k i1 Beobachtet e Häufigkeit Erwartete Erwartete Häufigkeit i i Häufigkeit i k i1 k n i n pi h i pi n n p i i1 p i n... Stichprobenumfang n i... beobachtete Häufigkeit p i... theoretische Wahrscheinlichkeit h i = n i /n... relative Häufigkeit Statistik für SoziologInnen 31 -Test
32 Arbeitstabelle zur Bestimmung der Prüfgröße xi ni n n n ni n pi pi i p i n = n p i Würfel 9,7 Statistik für SoziologInnen 3 -Test
33 Dichtefunktion der -Verteilung Dichtefunktion der -Verteilung mit 5 Freiheitsgraden kritischer Bereich kritisch Statistik für SoziologInnen 33 -Test
34 -Statistik Berechnung des -Wertes 9,7 11, 07 Würfel > kritisch 5;0.95 signifikantes Ergebnis (Signifikanzniveau = 0.05); Die beobachteten Häufigkeiten weichen signifikant von den unter der Annahme einer Gleichverteilung erwarteten Häufigkeiten ab. er oder 5er werden mit dem antiken Würfel seltener gewürfelt ( Seiten die gegenüber liegen!) Der antike Würfel ist kein fairer Würfel Statistik für SoziologInnen 34 -Test
35 Beispiel Mendel überprüfte seine Theorien über die Vererbungsgesetze durch Kreuzung verschiedener Erbsensorten. Gemäß seiner Theorie sollte das Vorkommen von 4 Sorten im Verhältnis 9:3:3:1 stehen. Eine Stichprobe von 556 Erbsen ergab: 315:108:101:3 Sind die beobachteten Abweichungen signifikant? Observed Soll-Odds Soll-Rel Expected (Obs-Exp)^ (O-E)^/E ,565 31,75 5,065 0, , ,5 14,065 0, , ,5 10,565 0, ,065 34,75 7,565 0, ,4700 CHI(3;0,99) 11,345 Statistik für SoziologInnen 35 -Test
36 Hinweise Der Chi-Quadrat Wert liefert eine summarische Beurteilung der Abweichung einer empirischen Verteilung von einer theoretisch erwarteten Verteilung. Damit die Verteilung der Teststatistik approximativ Chi-Quadrat verteilt ist, müssen die erwarteten Häufigkeiten in jeder Klasse größer 5 sein. Ist dies nicht der Fall müssen einzelne Klassen aggregiert werden. Die Anzahl der Freiheitsgrade ist die Anzahl der Klassen minus eins. Falls zur Bestimmung der erwarteten Häufigkeiten auch Parameter geschätzt werden müssen, so sind die Freiheitsgrade zusätzlich um die Anzahl der Parameter zu reduzieren. Statistik für SoziologInnen 36 -Test
Alternative Darstellung des 2-Stcihprobentests für Anteile
Alternative Darstellung des -Stcihprobentests für Anteile DCF CF Total n 111 11 3 Response 43 6 69 Resp. Rate 0,387 0,3 0,309 Bei Gültigkeit der Nullhypothese Beobachtete Response No Response Total absolut
Alternative Darstellung des 2-Stichprobentests für Anteile
Alternative Darstellung des -Stichprobentests für Anteile DCF CF Total n= 111 11 3 Response 43 6 69 Resp. Rate 0,387 0,3 0,309 Bei Gültigkeit der Nullhypothese Beobachtete Response No Response Total absolut
Alternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF
Alternatve Darstellung des -Stchprobentests für Antele DCF CF Total n= 111 11 3 Response 43 6 69 Resp. Rate 0,387 0,3 0,309 Beobachtete Response No Response Total absolut DCF 43 68 111 CF 6 86 11 69 154
2-Stichprobentest für Anteilswerte
-Stichprobentest für Anteilswerte Wir betrachten den Anteilswert (Prozentsatz) für ein interessierendes Ereignis in zwei verschiedenen Grundgesamtheiten (π 1, π ) Ziel: Auf der Basis von Stichprobenerhebungen
2-Stichprobentest für Anteilswerte
-Stichprobentest für Anteilswerte Wir analysieren den Anteilswert (Prozentsatz) für ein interessierendes Ereignis in zwei verschiedenen Grundgesamtheiten (π, π ) Ziel: Auf der Basis von Stichprobenerhebungen
Grundidee. χ 2 Tests. Ausgangspunkt: Klasseneinteilung der Beobachtungen in k Klassen. Grundidee. Annahme: Einfache Zufallsstichprobe (X 1,..., X n ).
Grundidee χ 2 -Anpassungstest χ 2 -Unabhängigkeitstest χ 2 -Homogenitätstest χ 2 Tests Grundidee Ausgangspunkt: Klasseneinteilung der Beobachtungen in k Klassen Annahme: Einfache Zufallsstichprobe (X 1,,
Bivariater Zusammenhang in der Vierfeldertafel PEΣO
Bivariater Zusammenhang in der Vierfeldertafel PEΣO 12. Oktober 2001 Zusammenhang zweier Variablen und bivariate Häufigkeitsverteilung Die Bivariate Häufigkeitsverteilung gibt Auskunft darüber, wie zwei
Der χ2-test Der χ2-test
Der χ 2 -Test Überblick Beim χ 2 -Test handelt es sich um eine Familie ähnlicher Tests, die bei nominal- oder ordinalskalierten Merkmalen mit zwei oder mehr Ausprägungen angewendet werden können. Wir behandeln
Statistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
Der χ 2 -Test. Überblick. Beispiel 1 (χ 2 -Anpassungstest)
Der χ 2 -Test Überblick Beim χ 2 -Test handelt es sich um eine Familie ähnlicher Tests, die bei nominal- oder ordinalskalierten Merkmalen mit zwei oder mehr Ausprägungen angewendet werden können. Wir behandeln
erwartete Häufigkeit n=80 davon 50% Frauen fe=40 davon 50% Männer fe=40 Abweichung der beobachteten von den erwarteten Häufigkeiten:
Verfahren zur Analyse von Nominaldaten Chi-Quadrat-Tests Vier-Felder Kontingenztafel Mehrfach gestufte Merkmale Cramers V, Kontingenzkoeffizient, Phi-Koeffizient Muster aller Chi-Quadrat-Verfahren eine
Chi-Quadrat Verfahren
Chi-Quadrat Verfahren Chi-Quadrat Verfahren werden bei nominalskalierten Daten verwendet. Die einzige Information, die wir bei Nominalskalenniveau zur Verfügung haben, sind Häufigkeiten. Die Quintessenz
Analyse von Kontingenztafeln
Analyse von Kontingenztafeln Mit Hilfe von Kontingenztafeln (Kreuztabellen) kann die Abhängigkeit bzw. die Inhomogenität der Verteilungen kategorialer Merkmale beschrieben, analysiert und getestet werden.
= 0.445, also annähernd die Hälfte aller Männer zugelassen 557
1 Einleitung Es soll anhand des UCBAdmissions Datensatzes die Frage beantwortet werden, ob bei der Zulassung von Studenten Frauen benachteiligt werden. Die Stichprobe lautet zunächst # Daten (UCB
5. Kolmogorov-Smirnov-Test und χ 2 -Anpassungstest
Empirische Wirtschaftsforschung Prof. Dr. Ralf Runde 5. Kolmogorov-Smirnov-Test und χ 2 -Anpassungstest Ein wesentliches Merkmal nichtparametrischer Testverfahren ist, dass diese im Allgemeinen weniger
Bivariate Zusammenhänge
Bivariate Zusammenhänge Tabellenanalyse: Kreuztabellierung und Kontingenzanalyse Philosophische Fakultät Institut für Soziologie Berufsverläufe und Berufserfolg von Hochschulabsolventen Dozent: Mike Kühne
Tutorial:Unabhängigkeitstest
Tutorial:Unabhängigkeitstest Mit Daten aus einer Befragung zur Einstellung gegenüber der wissenschaftlich-technischen Entwicklungen untersucht eine Soziologin den Zusammenhang zwischen der Einstellung
Statistik Einführung // Kategoriale Daten 10 p.2/26
Statistik Einführung Kategoriale Daten Kapitel 10 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Leydold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // Kategoriale Daten
Mehrere kategoriale Merkmale
Kapitel 3 Mehrere kategoriale Merkmale 3.1 Wie kann man zwei kategoriale Merkmale numerisch beschreiben? Kontingenztafeln (Kreuztabellen) erzeugt man wiederum mit table: R> CMMRCIAL
Statistik 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
Der χ 2 -Test (Chiquadrat-Test)
Der χ 2 -Test (Chiquadrat-Test) Der Grundgedanke Mit den χ 2 -Methoden kann überprüft werden, ob sich die empirischen (im Experiment beobachteten) Häufigkeiten einer nominalen Variable systematisch von
Liegen 2 Beobachtungen an n Objekten vor, spricht man von einer gebundenen Stichprobe Typische Struktur bei "stimulus-response" Versuchen
Mittelwertsvergleich bei gebundenen Stichproben Liegen Beobachtungen an n Objekten vor, spricht man von einer gebundenen Stichprobe Typische Struktur bei "stimulus-response" Versuchen Obj.1 Obj.... Obj.n
Alternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF
Alteratve Darstellug des -Stchprobetests für Atele DCF CF Total 111 11 3 Respose 43 6 69 Resp. Rate 0,387 0,3 0,309 Beobachtete Respose No Respose Total absolut DCF 43 68 111 CF 6 86 11 69 154 3 Be Gültgket
Die Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
Die Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
Vergleich von Parametern zweier Stichproben
Vergleich von Parametern zweier Stichproben Vergleich von Mittelwerten bei gebundenen Stichproben Vergleich von Mittelwerten bei unabhängigen Stichproben Vergleich von Varianzen bei unabhängigen Stichproben
Anpassungstests VORGEHENSWEISE
Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel
Hypothesentests. 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
Statistik 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
THEMA: ZUSAMMENHANGSANALYSEN FÜR KATEGORIALE VARIABLEN " TORSTEN SCHOLZ
W THEMA: ZUSAMMENHANGSANALYSEN FÜR KATEGORIALE VARIABLEN " TORSTEN SCHOLZ HERZLICH WILLKOMMEN BEI W Moderation Anne K. Bogner-Hamleh SAS Institute GmbH Education Consultant Training Dr. Torsten Scholz
Aufgaben zu Kapitel 9
Aufgaben zu Kapitel 9 Aufgabe 1 Für diese Aufgabe benötigen Sie den Datensatz Nominaldaten.sav. a) Sie arbeiten für eine Marktforschungsfirma und sollen überprüfen ob die in diesem Datensatz untersuchte
Prüfung aus Statistik 2 für SoziologInnen
Prüfung aus Statistik 2 für SoziologInnen 11. Oktober 2013 Gesamtpunktezahl =80 Name in Blockbuchstaben: Matrikelnummer: Wissenstest (maximal 16 Punkte) Kreuzen ( ) Sie die jeweils richtige Antwort an.
Institut für Soziologie Werner Fröhlich. Methoden 2. Kontingenztabellen Chi-Quadrat-Unabhängigkeitstest
Institut für Soziologie Methoden 2 Kontingenztabellen Chi-Quadrat-Unabhängigkeitstest Aufbau der Sitzung Was sind Kontingenztabellen? Wofür werden Kontingenztabellen verwendet? Aufbau und Interpretation
2-Stichprobentest für Anteilswerte
-Stichrobentest für Anteilswerte Wir betrachten den Anteilswert (Prozentsatz) für ein interessierendes Ereignis in zwei verschiedenen Grundgesamtheiten (π, π ) Ziel: Auf der Basis von Stichrobenerhebungen
Zwei kategoriale Merkmale. Homogenität Unabhängigkeit
121 Zwei kategoriale Merkmale Homogenität Unabhängigkeit 122 Beispiel Gründe für die Beliebtheit bei Klassenkameraden 478 neun- bis zwölfjährige Schulkinder in Michigan, USA Grund für Beliebtheit weiblich
Institut für Soziologie Werner Fröhlich. Methoden 2. Kontingenztabellen Chi-Quadrat-Unabhängigkeitstest
Institut für Soziologie Methoden 2 Kontingenztabellen Chi-Quadrat-Unabhängigkeitstest Aufbau der Sitzung Was sind Kontingenztabellen? Wofür werden Kontingenztabellen verwendet? Aufbau und Interpretation
Hypothesentests mit SPSS
Beispiel für einen chi²-test Daten: afrikamie.sav Im Rahmen der Evaluation des Afrikamie-Festivals wurden persönliche Interviews durchgeführt. Hypothese: Es gibt einen Zusammenhang zwischen dem Geschlecht
Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 4B a.) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Mit "Deskriptive Statistiken", "Kreuztabellen " wird die Dialogbox "Kreuztabellen" geöffnet. POL wird in das Eingabefeld von
Mathematik 2 für Naturwissenschaften
Hans Walser Mathematik 2 für Naturwissenschaften 2 3 3 4 6 4 5 0 0 5 6 5 20 5 6 Tabellen (leicht gekürzte Version) Hans Walser: Tabellen ii Inhalt Binomische Verteilung.... Binomische Verteilung (ohne
Mathematik 2 für Naturwissenschaften
Hans Walser Mathematik 2 für Naturwissenschaften 2 3 3 4 6 4 5 0 0 5 6 5 20 5 6 Tabellen (leicht gekürzte Version) Hans Walser: Tabellen ii Inhalt Binomische Verteilung.... Binomische Verteilung (ohne
Mathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 25. Januar 2013 1 Der χ 2 -Anpassungstest 2 Exakter Test nach Fisher Mendelsche Erbregeln als Beispiel für mehr
a) Man bestimme ein 95%-Konfidenzintervall für den Anteil der Wahlberechtigten, die gegen die Einführung dieses generellen
2) Bei einer Stichprobe unter n=800 Wahlberechtigten gaben 440 an, dass Sie gegen die Einführung eines generellen Tempolimits von 100km/h auf Österreichs Autobahnen sind. a) Man bestimme ein 95%-Konfidenzintervall
Philipp Sibbertsen Hartmut Lehne. Statistik. Einführung für Wirtschafts- und. Sozialwissenschaftler. 2., überarbeitete Auflage. 4^ Springer Gabler
Philipp Sibbertsen Hartmut Lehne Statistik Einführung für Wirtschafts- und Sozialwissenschaftler 2., überarbeitete Auflage 4^ Springer Gabler Inhaltsverzeichnis Teil I Deskriptive Statistik 1 Einführung
Parameterfreie Tests. ²- Unabhängigkeitstest Test auf Unabhängigkeit von zwei Zufallsgrößen
Parameterfreie Tests ²- Unabhängigkeitstest Test auf Unabhängigkeit von zwei Zufallsgrößen ²- Anpassungstest Test auf Vorliegen einer bestimmten Verteilung Binomialtest Vergleich von unbekannten Anteilen
Vorlesung: 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
1 Analyse von Kontigenztafeln: Das loglineare Modell
Übung zur Vorlesung Kategoriale Daten Blatt 3 Gerhard Tutz, Moritz Berger WiSe 15/16 1 Analyse von Kontigenztafeln: Das loglineare Modell Aufgabe 12 Analyse des Datensatzes EyeColor (a) Visualisierung
Bivariate Kreuztabellen
Bivariate Kreuztabellen Kühnel, Krebs 2001 S. 307-342 Gabriele Doblhammer: Empirische Sozialforschung Teil II, SS 2004 1/33 Häufigkeit in Zelle y 1 x 1 Kreuztabellen Randverteilung x 1... x j... x J Σ
Statistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften t-test Varianzanalyse (ANOVA) Übersicht Vergleich von Mittelwerten 2 Gruppen: t-test einfaktorielle ANOVA > 2 Gruppen: einfaktorielle ANOVA Seeigel und
Chi Quadrat-Unabhängigkeitstest
Fragestellung 1: Untersuchung mit Hilfe des Chi-Quadrat-Unabhängigkeitstestes, ob zwischen dem Herkunftsland der Befragten und der Bewertung des Kontaktes zu den Nachbarn aus einem Anderen Herkunftsland
- 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),
Institut für Soziologie Sabine Düval. Methoden 2. Kontingenztabellen Chi-Quadrat-Unabhängigkeitstest
Institut für Soziologie Methoden 2 Kontingenztabellen Chi-Quadrat-Unabhängigkeitstest Aufbau der Sitzung Wiederholung Exkurs zur Inferenzstatistik Was sind Kontingenztabellen? Recodieren, Kategorisieren
Statistische 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
Macht des statistischen Tests (power)
Macht des statistischen Tests (power) Realer Treatment ja Ergebnis der Studie H 0 verworfen statistisch signifikant O.K. Macht H 0 beibehalten statistisch nicht signifikant -Fehler Effekt nein -Fehler
Macht des statistischen Tests (power)
Macht des statistischen Tests (power) Realer Treatment ja Ergebnis der Studie H 0 verworfen statistisch signifikant O.K. Macht H 0 beibehalten statistisch nicht signifikant -Fehler Effekt nein -Fehler
Analytische Statistik II
Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Das Testen von Hypothesen Während die deskriptive Statistik die Stichproben nur mit Hilfe quantitativer Angaben charakterisiert,
Kreuztabellen und Häufigkeitstabellen. Kreuztabellen: - unabhängige Variable in Zeilen (Ursache) - abhängige Variable in Spalten (Wirkung)
Kreuztabellen und Häufigkeitstabellen Kreuztabellen: - unabhängige Variable in Zeilen (Ursache) - abhängige Variable in Spalten (Wirkung) kategoriale Variablen Beispiel: Wenn Frau (Ursache) dann Angst
Assoziation & Korrelation
Statistik 1 für SoziologInnen Assoziation & Korrelation Univ.Prof. Dr. Marcus Hudec Einleitung Bei Beobachtung von 2 Merkmalen stellt sich die Frage, ob es systematische Zusammenhänge oder Abhängigkeiten
Sozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester Statistik mit SPSS
Sommersemester 2009 Statistik mit SPSS 15. Mai 2009 15. Mai 2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1 Überblick Kreuztabellen 1. Ziel der Kreuztabellierung 2. Übersicht CROSSTABS - Syntax
Statistik für. von. Prof. Dr. Josef Bleymüller. und. Prof. Dr. Rafael Weißbach. sowie. Dr. Günther Gehlert. und. Prof. Dr.
Statistik für Wirtschaftswissenschaftler von Prof. Dr. Josef Bleymüller und Prof. Dr. Rafael Weißbach sowie Dr. Günther Gehlert und Prof. Dr. Herbert Gülicher bei früheren Auflagen 17., überarbeitete Auflage
Chi² Test und Kontingenzkoeffizient. - aber keine natürliche Reihenfolge
Chi² Test und Kontingenzoeffizient Für nominalsalierte Daten: - diese haben unterschiedliche Ausprägung, - aber eine natürliche Reihenfolge 1. Chi² Test Test nominalsalierter Daten Vergleich von beobachteten
Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007
Mathematik IV für Maschinenbau und Informatik Stochastik Universität Rostock, Institut für Mathematik Sommersemester 007 Prof. Dr. F. Liese Dipl.-Math. M. Helwich Serie Termin: 9. Juni 007 Aufgabe 3 Punkte
Einführung in Web- und Data-Science
Einführung in Web- und Data-Science Prof. Dr. Ralf Möller Universität zu Lübeck Institut für Informationssysteme Tanya Braun (Übungen) P-Wert (einseitiger Ablehnungsbereich) Hypothesentest H 0 vs. H 1
Zusammenhangsanalyse in Kontingenztabellen
Zusammenhangsanalyse in Kontingenztabellen Bisher: Tabellarische / graphische Präsentation Jetzt: Maßzahlen für Stärke des Zusammenhangs zwischen X und Y. Chancen und relative Chancen Zunächst 2 2 - Kontingenztafel
Einführung in die Statistik
Einführung in die Statistik Analyse und Modellierung von Daten Von Prof. Dr. Rainer Schlittgen 4., überarbeitete und erweiterte Auflage Fachbereich Materialwissenschaft! der Techn. Hochschule Darmstadt
Test auf den Erwartungswert
Test auf den Erwartungswert Wir interessieren uns für den Erwartungswert µ einer metrischen Zufallsgröße. Beispiele: Alter, Einkommen, Körpergröße, Scorewert... Wir können einseitige oder zweiseitige Hypothesen
73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments
73 Hypothesentests 73.1 Motivation Bei Hypothesentests will man eine gewisse Annahme über eine Zufallsvariable darauf hin überprüfen, ob sie korrekt ist. Beispiele: ( Ist eine Münze fair p = 1 )? 2 Sind
Dr. Matthias Rudolf: M3 Multivariate Statistik Vorlesung LogRA. Folie Nr. 1
2.1 Beispiele 2.2 Odds Ratio 2.3 Modell der logistischen Regression 2.3.1 Modellgleichung 2.3.2 Voraussetzungen 2.4 Schätzungen, Tests und Modellgüte 2.4.1 Schätzung der logistischen Regressionskoeffizienten
Statistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Stetige und diskrete Wahrscheinlichkeitsverteilungen Lageparameter Streuungsparameter Diskrete und stetige Zufallsvariablen Eine Variable (oder Merkmal
Kategorielle Daten. Seminar für Statistik Markus Kalisch
Kategorielle Daten Markus Kalisch 1 Phase 3 Studie: Wirksamer als Placebo? Medikament Placebo Total Geheilt 15 9 24 Nicht geheilt 10 11 21 Total 25 20 45 Grundfrage: Sind Heilung und Medikamentengabe unabhängig?
Computergestützte 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
Klausur zu Statistik II
Goethe-Universität Frankfurt Prof. Dr. Uwe Hassler FB Wirtschaftswissenschaften Sommersemester 2005 Klausur zu Statistik II Version B Bitte tragen Sie hier und auf den Lösungsblättern (oben links) Ihre
6.4 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
Trim 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
Teil XII. Einfache Lineare Regression. Woche 10: Lineare Regression. Lernziele. Zusammenfassung. Patric Müller
Woche 10: Lineare Regression Patric Müller Teil XII Einfache Lineare Regression ETHZ WBL 17/19, 03.07.2017 Wahrscheinlichkeit und Statistik Patric Müller WBL 2017 Wahrscheinlichkeit
Stochastik 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
Anhang: 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)
Einführung 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
Parametrische 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
Grundgesamtheit, Merkmale, Stichprobe. Eigenschaften der Stichprobe. Klasseneinteilung, Histogramm. Arithmetisches Mittel, empirische Varianz
- 1 - Grundgesamtheit, Merkmale, Stichprobe Dimension, Umfang Skalierung Eigenschaften der Stichprobe kennzeichnende Größen Eigenschaften der Stichprobe kennzeichnende Größen Punktediagramm, Regressionsgerade,
3) 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
Was sind Zusammenhangsmaße?
Was sind Zusammenhangsmaße? Zusammenhangsmaße beschreiben einen Zusammenhang zwischen zwei Variablen Beispiele für Zusammenhänge: Arbeiter wählen häufiger die SPD als andere Gruppen Hochgebildete vertreten
Statistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 11. Vorlesung Jochen Köhler 10.05.011 1 Inhalt der heutigen Vorlesung Zusammenfassung Parameterschätzung Übersicht über Schätzung und Modellbildung Modellevaluation
Modul G.1 WS 07/08: Statistik
Modul G.1 WS 07/08: Statistik 10.01.2008 1 2 Test Anwendungen Der 2 Test ist eine Klasse von Verfahren für Nominaldaten, wobei die Verteilung der beobachteten Häufigkeiten auf zwei mehrfach gestufte Variablen
Sozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS
Sommersemester 2009, Statistik mit SPSS 26. August 2009 26. August 2009 Statistik Dozentin: mit Anja SPSS Mays 1 1. Ziel der Kreuztabellierung 2. Übersicht CROSSTABS - Syntax 3. 2x2 Kreuztabellen Überblick
Einführung in die sozialwissenschaftliche Statistik
Einführung in die sozialwissenschaftliche Statistik Sitzung 4 Bivariate Deskription Heinz Leitgöb in Vertretung von Katrin Auspurg Sommersemester 2015 04.05.2015 Überblick 1. Kontingenztabellen 2. Assoziationsmaße
Eigene MC-Fragen SPSS. 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist
Eigene MC-Fragen SPSS 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist [a] In der Variablenansicht werden für die betrachteten Merkmale SPSS Variablen definiert. [b] Das Daten-Editor-Fenster
Statistik. 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
Wahrscheinlichkeitsrechnung und Statistik. 11. Vorlesung /2019
Wahrscheinlichkeitsrechnung und Statistik 11. Vorlesung - 2018/2019 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 2 heißt Median. P(X < z
Aufgaben zu Kapitel 9
Aufgaben zu Kapitel 9 Aufgabe 1 Für diese Aufgabe benötigen Sie den Datensatz Nominaldaten.sav. a) Sie arbeiten für eine Marktforschungsfirma und sollen überprüfen, ob die in diesem Datensatz untersuchte
Modelle diskreter Zufallsvariablen
Statistik 2 für SoziologInnen Modelle diskreter Zufallsvariablen Univ.Prof. Dr. Marcus Hudec Zufallsvariable Eine Variable (Merkmal) X, deren numerische Werte als Ergebnisse eines Zufallsvorgangs aufgefasst
Bivariate Verteilungen
Bivariate Verteilungen Tabellarische Darstellung: Bivariate Tabellen entstehen durch Kreuztabulation zweier Variablen. Beispiel: X Y Student(in) Herkunft Fakultät 0001 Europa Jura 000 Nicht-Europa Medizin