WI-M / HT-M: OR 2 - Statistik SS 2004 Prof. Dr. Häußler, FB AW. Übung 1: Diskriminanzanalyse: Zwei-Gruppen-Fall
|
|
- Anke Schuster
- vor 5 Jahren
- Abrufe
Transkript
1 WI-M / HT-M: OR 2 - Statistik SS 2004 Prof. Dr. Häußler, FB AW Übung 1: Diskriminanzanalyse: Zwei-Gruppen-Fall (Dozentenverzeichnis: S:\ MUSTER \ HAE \ Master) Aufgabe: "Lungenkarzinom" Excel-Arbeitsmappe: lunge.xls In einer Klinik mit speziellen maschinellen Behandlungsmethoden für solche Fälle wurden die Daten von Patienten mit schweren (sonst meist tödlichen) Lungenschäden festgehalten. Aus einer Vielzahl von Variablen seien die folgenden ausgewählt: Variablenname: Erläuterung: Variablentyp / verwendbar: out Outcome (0 = gestorben, 1 = überlebt): ordinal, ja Gruppierungsvariable geschl Geschlecht (1 = männlich, 2 = weiblich) nominal binär, ja ( aber Interpretation beachten) alter Alter in Jahren metrisch, ja ursache 1) kob Ursache des Lungenschadens: (1 = Unfall, 2 = Lungenentzündung, 3 = Sonstiges) Konzentrations des Sauerstoffs in der Beatmungsluft nominal, nein! (bzw. in 3 ja/nein-variavble umwandeln) metrisch, ja gr Körpergröße cm metrisch, ja agg Aggressivität der Beatmung metrisch, ja bzeit Beatmungszeit in Std. metrisch, ja 1) Für eine erste Analyse kann das Merkmal ursache auch weggelassen werden! Aufgabe: Es soll untersucht werden, welchen Einfluß die Variablen auf die Wahrscheinlichkeit des Überlebens haben bzw. mit welchen Variablen das Überleben am besten vorhergesagt werden kann. a) Untersuchen Sie zunächst die Variablen BZEIT und GR. a1) Erstellen Sie ein Streuungsdiagramm. a2) Wie sind die Gruppen verteilt? Können die Gruppen mit einer Geraden perfekt getrennt werden? a3) Wie lauten die Korrelationen der X-Merkmale untereinander? a4) Wie lauten die Korrelationen der X-Merkmale mit dem Y-Merkmal? Interpretation? a5) Berechnen Sie die lineare Diskriminanzfunktion! Wie liegt diese in den Daten? Wie hoch sind die Fehlerraten und der kanonische Korrelationskoeffizient? b) Verwenden Sie jetzt alle Merkmale außer ursache. b1) Wie lauten die Korrelationen der X-Merkmale untereinander? b2) Wie lauten die Korrelationen der X-Merkmale mit dem Y-Merkmal? Interpretation? b3) Berechnen Sie die lineare Diskriminanzfunktion! Wie hoch sind die Fehlerraten und der kanonische Korrelationskoeffizient? b4) Führen Sie eine Variablenauswahl nach der Vorwärtsselektion mit dem Wilk'schen Lambda (und kleinem F-Wert) durch? Welches sind die besten drei Variablen? Wie lautet die lineare Diskriminanzfunktion? b5) Erstellen Sie die eindimensionale Verteilung der Diskriminanzwerte der Gruppen 0 und 1 in einem gemeinsamem Diagramm (z.b. mit Excel).!
2 Diskriminanzanalyse: Lungenkarzinom Seite Aufgabe: Es soll untersucht werden, welchen Einfluß die Variablen auf die Wahrscheinlichkeit des Überlebens haben bzw. mit welchen Variablen das Überleben am besten vorhergesagt werden kann. a) Untersuchen Sie zunächst die Variablen BZEIT und GR. a1) Erstellen Sie ein Streuungsdiagramm. a2) Wie sind die Gruppen verteilt? Können die Gruppen mit einer Geraden perfekt getrennt werden? Beatmungszeit Outcome ueberlebt gestorben Die Gruppen können nicht mit einer Geraden getrennt werden!!
3 Diskriminanzanalyse: Lungenkarzinom Seite a) Untersuchen Sie zunächst die Variablen BZEIT und GR. a3) Wie lauten die Korrelationen der X-Merkmale untereinander? Korrelation = - 0,186 also kaum vorhanden und eher negativ, gegensinnig! eher günstig für eine verbesserte Trennungsfähigkeit! a4) Wie lauten die Korrelationen der X-Merkmale mit dem Y-Merkmal? Interpretation? Korrelationskoeffizient nach Pearson: Aggr. der Beatmung Y Outcome Beatmungszeit 1 -,186 -,272 1,252 je länger Beatmungszeit, umso eher gestorben (leichte negative Korrelation -0,186) je größer die, umso eher überlebt (leichte positive Korrelation +0,252) Aber nur schwache Korrelationen mit der Gruppenvariablen Outcome: Trennung nur schlecht möglich!!??
4 Diskriminanzanalyse: Lungenkarzinom Seite a5) Berechnen Sie die lineare Diskriminanzfunktion! Wie liegt diese in den Daten? Wie hoch sind die Fehlerraten und der kanonische Korrelationskoeffizient? Kanonische Diskriminanzfunktionskoeffizienten Funktion 1 Beatmungszeit,086 -,047 (Konstant) 6,830 Nicht-standardisierte Koeffizienten Diskriminanzfunktion: D(x) = 0,086*Beatmungszeit - 0,047*Körpergröße + 6,830 Beispiel: Beatmungszeit = 19, Körpergröße = 165 D(x) = 0,086*19-0,047* ,830 = 0,709 D(x) = 0,709 > 0 Einstufung in Gruppe Diskriminanz- Gerade Beatmungszeit Outcome ueberlebt gestorben
5 Diskriminanzanalyse: Lungenkarzinom Seite Graphische Darstellung getrennter Gruppen 16 Kanonische Diskriminanzfunktion 1 Outcome = gestorben Std.abw. = 1,22 2 Mittel =,37 0 N = 63,00-1,00 0,00 1,00 2,00 3,00 4,00 5,00 -,50,50 1,50 2,50 3,50 4,50 5,50 16 Kanonische Diskriminanzfunktion 1 Outcome = ueberlebt ,75 1,50 1,25 1,00,75,50,25 0,00 -,25 -,50 -,75-1,00-1,25-1,50 Std.abw. =,74 Mittel = -,35 N = 68,00
6 Diskriminanzanalyse: Lungenkarzinom Seite Der kanonische Korrelationskoeffizient (Korrelation zwischen Diskriminanzwerten D(xi) und Outcome) beträgt: 0,340 also keine große Korrelation, also eher schlechte Trennung! Original Anzahl % Klassifizierungsergebnisse(a) Vorhergesagte Gruppenzugehörigkeit Outcome gestorben ueberlebt Gesamt gestorben ueberlebt gestorben 50,8 49,2 100,0 ueberlebt 23,5 76,5 100,0 a 64,1% der ursprünglich gruppierten Fälle wurden korrekt klassifiziert. Fehlerrate etwa: ,1 % = 35,9 % eher große Fehlerrate!
7 Diskriminanzanalyse: Lungenkarzinom Seite b) Verwenden Sie jetzt alle Merkmale außer ursache: b1) Wie lauten die Korrelationen der X-Merkmale untereinander? b2) Wie lauten die Korrelationen der X-Merkmale mit dem Y-Merkmal? Interpretation? Aggr. der Geschlecht Alter Sauerstoff- Beatmungszeit Y Beatmung Konz. Outcome Aggr. der 1 -,089,171 -,039,310 -,001 -,195 Beatmung 1 -,503,225 -,046 -,186,252 Geschlecht 1 -,011 -,031,114 -,180 Alter 1 -,086,131 -,159 Sauerstoff- 1 -,034 -,183 Konz. Beatmungszeit 1 -,272 Größte Korrelation haben Körpergröße und Geschlecht mit -0,503 Ansonsten keine größeren Korrelationen der X- Merkmale Korrelationen mit dem Y-Merkmal Outcome eher niedrig die größte ist Beatmungszeit und Outcome mit -0,272 Vermutlich nicht allzugute Trennung möglich!!
8 Diskriminanzanalyse: Lungenkarzinom Seite b3) Berechnen Sie die lineare Diskriminanzfunktion?! Wie hoch sind die Fehlerraten und der kanonische Korrelationskoeffizient? Kanonische Diskriminanzfunktionskoeffizienten Funktion 1 Beatmungszeit,060 -,041 Geschlecht,133 Alter,040 Sauerstoff-Konz. 2,539 Aggr. der Beatmung,033 (Konstant) 2,121 Nicht-standardisierte Koeffizienten Die Diskriminanzfunktion lautet: D(x) = Beatmungszeit *0,060 - *0,041 + Geschlecht*0,133 + Alter*0, Sauerstoff-Konz.*2,539 + Aggr. der Beatmung*0, ,121 Original Anzahl % Klassifizierungsergebnisse(a) Vorhergesagte Gruppenzugehörigkeit Outcome gestorben ueberlebt Gesamt gestorben ueberlebt gestorben 60,3 39,7 100,0 ueberlebt 23,5 76,5 100,0 a 68,7% der ursprünglich gruppierten Fälle wurden korrekt klassifiziert. Fehlerrate mit allen Merkmalen nicht sehr viel besser als bei nur zwei Merkmalen!!! Eigenwerte Kanonische Funktion Eigenwert % der Varianz Kumulierte % Korrelation 1,256(a) 100,0 100,0,452 a Die ersten 1 kanonischen Diskriminanzfunktionen werden in dieser Analyse verwendet. auch (kanonische) Korrelation der Diskriminanzwerte mit Gruppe = Outcome ist 0,452, also nicht besonders hoch!!!
9 Diskriminanzanalyse: Lungenkarzinom Seite b4) Führen Sie eine Variablenauswahl nach der Vorwärtsselektion mit dem Wilk'schen Lambda (und kleinem F-Wert) durch? Welches sind die besten drei Variablen? Wie lautet die lineare Diskriminanzfunktion? Variablen in der Analyse Schritt Toleranz F-Wert für den Ausschluß Wilks- Lambda 1 Beatmungszeit 1,000 10,273 2 Beatmungszeit,984 7,583,937,984 6,073,926 3 Beatmungszeit,967 5,509,888,900 8,943,911 Alter,906 4,981,884 4 Beatmungszeit,961 6,074,852,899 8,788,869 Alter,895 5,963,851 Sauerstoff- Konz.,979 5,923,851 Es werden nur die obigen Variablen in das Modell aufgenommen!!! Die drei besten Variablen sind: Beatmungszeit,, Alter Original Anzahl % Klassifizierungsergebnisse(a) Vorhergesagte Gruppenzugehörigkeit Outcome gestorben ueberlebt Gesamt gestorben ueberlebt gestorben 60,3 39,7 100,0 ueberlebt 20,6 79,4 100,0 a 70,2% der ursprünglich gruppierten Fälle wurden korrekt klassifiziert. Die Fehlerrate hat sich verbessert auf: ,2% = 29,2%!!!
10 Diskriminanzanalyse: Lungenkarzinom Seite b5) Erstellen Sie die eindimensionale Verteilung der Diskriminanzwerte! a) muß in Excel erstellt werden mit der berechneten Diskriminanzfunktion als Verteilungstabelle bzw. als Histogramm! b) Alternative: die Diskriminanzwerte in SPPS berechnen lassen und mit in die Datendatei abspeichern: Ergänzte Datendatei: ZAHN.SAV:
11 Diskriminanzanalyse: Lungenkarzinom Seite Verteilung der Diskriminanzwerte (alle Variable einbezogen außer URSACHE): gestorben überlebt 0,1 0,09 0,08 0,07 0,06 0,05 0,04 0,03 0,02 0, Diskriminanzwert Fazit: GESTORBENE haben (im Durchschnitt) etwas höhere Diskriminanzwerte ÜBERLEBENDE haben (im Durchschnitt) etwas niedrigere Diskriminanzwerte
3 Diskriminationsanalyse 3.1 Diskriminationsanalyse mit zwei Gruppen
Lineare Diskrimination mit zwei Gruppen 6.5.3 - - 3 Diskriminationsanalyse 3. Diskriminationsanalyse mit zwei Gruppen Schreibweise: p unabhängige Merkmale: X, X,..., X p (metrisch; auch ordinal möglich,
MehrWI-M / HT-M: OR 2 - Statistik SS 2004
WI-M / HT-M: OR - Statistik SS 00 Prof. Dr. Häußler, FB AW Übung : Clusteranalyse.0.0 (Dozentenverzeichnis: S:\ MUSTER \ HAE \ Master) Aufgabe : Datei margarine.sav Im Rahmen einer empirischen Erhebnung
MehrEinführung in die Statistik für Politikwissenschaftler Sommersemester 2011
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011 Es können von den Antworten alle, mehrere oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort (ohne Auslassungen
Mehr3. Lektion: Deskriptive Statistik
Seite 1 von 5 3. Lektion: Deskriptive Statistik Ziel dieser Lektion: Du kennst die verschiedenen Methoden der deskriptiven Statistik und weißt, welche davon für Deine Daten passen. Inhalt: 3.1 Deskriptive
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9.
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9. Januar 2011 BOOTDATA11.GDT: 250 Beobachtungen für die Variablen...
Mehrhtw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK htw saar 2 Grundbegriffe htw saar 3 Grundgesamtheit und Stichprobe Ziel: Über eine Grundgesamtheit (Population) soll eine Aussage über ein
MehrLineare Diskriminanzanalyse Ein sehr kurzer Einblick
Ein sehr kurzer Einblick 1 Beispiele 2 Grundgedanken der DA 3 Diskriminanzkriterium 4 Schätzung der Diskriminanzfunktion 5 Teststatistiken 6 Klassifizierung 7 Schätzung der Klassifikationsfehler Literatur:
MehrGrundlagen der empirischen Sozialforschung
Grundlagen der empirischen Sozialforschung Sitzung 11 - Datenanalyseverfahren Jan Finsel Lehrstuhl für empirische Sozialforschung Prof. Dr. Petra Stein 5. Januar 2009 1 / 22 Online-Materialien Die Materialien
MehrStatistik I. Zusammenfassung und wichtiges zur Prüfungsvorbereitung. Malte Wissmann. 9. Dezember Universität Basel.
Zusammenfassung und wichtiges zur Prüfungsvorbereitung 9. Dezember 2008 Begriffe Kenntnis der wichtigen Begriffe und Unterscheidung dieser. Beispiele: Merkmal, Merkmalsraum, etc. Skalierung: Nominal etc
MehrMultivariate Verfahren
Multivariate Verfahren Lineare Reression Zweck: Vorhersae Dimensionsreduktion Klassifizierun Hauptkomponentenanalyse Korrespondenzanalyse Clusteranalyse Diskriminanzanalyse Eienschaften: nicht-linear verteilunsfrei
MehrName Vorname Matrikelnummer Unterschrift
Dr. Hans-Otfried Müller Institut für Mathematische Stochastik Fachrichtung Mathematik Technische Universität Dresden Klausur Statistik II (Sozialwissenschaft, Nach- und Wiederholer) am 26.10.2007 Gruppe
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.
MehrPrüfung aus Statistik 1 für SoziologInnen- Gruppe A
Prüfung aus Statistik 1 für SoziologInnen- Gruppe A 26. Juni 2012 Gesamtpunktezahl =80 Prüfungsdauer: 2 Stunden 1) Wissenstest (maximal 20 Punkte) Lösungen Kreuzen ( ) Sie die jeweils richtige Antwort
MehrInstitut für Soziologie Dipl.-Soz. Benjamin Gedon. Methoden 2. Ausblick; Darstellung von Ergebnissen; Wiederholung
Institut für Soziologie Dipl.-Soz. Methoden 2 Ausblick; Darstellung von Ergebnissen; Wiederholung Ein (nicht programmierbarer) Taschenrechner kann in der Klausur hilfreich sein. # 2 Programm Ausblick über
MehrKapitel 5 Wichtige Maßzahlen für den Zusammenhang zwischen Merkmalen
Kapitel 5 Wichtige Maßzahlen für den Zusammenhang zwischen Merkmalen 5.1 Darstellung der Verteilung zweidimensionaler Merkmale 5.2 Maßzahlen für den Zusammenhang zweier nominaler Merkmale 5.3 Maßzahlen
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1. LÖSUNG 12 a)
LÖSUNG 12 a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 "Analysieren", "Klassifizieren", "Diskriminanzanalyse" öffnet die Dialogbox "Diskriminanzanalyse". Die Variable BESUCH (der
MehrBeschreibende Statistik
Beschreibende Statistik von Dr. Peter M. Schulze Professor für Statistik und Ökonometrie an der Johannes Gutenberg-Universität Mainz 6., korrigierte und aktualisierte Auflage R.Oldenbourg Verlag München
MehrÜbung 1 im Fach "Biometrie / Q1"
Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-89070 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 13, 89075 Ulm Tel.
MehrEs können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden.
Teil III: Statistik Alle Fragen sind zu beantworten. Es können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden. Wird
MehrInstitut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie () WiSe /3 Univariate und bivariate Verfahren Univariate
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
MehrKorrelation - Regression. Berghold, IMI
Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines
MehrStreuungsmaße von Stichproben
Streuungsmaße von Stichproben S P A N N W E I T E, V A R I A N Z, S T A N D A R D A B W E I C H U N G, Q U A R T I L E, K O V A R I A N Z, K O R R E L A T I O N S K O E F F I Z I E N T Zentrale Methodenlehre,
Mehr5. Lektion: Einfache Signifikanztests
Seite 1 von 7 5. Lektion: Einfache Signifikanztests Ziel dieser Lektion: Du ordnest Deinen Fragestellungen und Hypothesen die passenden einfachen Signifikanztests zu. Inhalt: 5.1 Zwei kategoriale Variablen
MehrMerkmalstypen Univ.-Prof. Dr. rer. nat. et med. habil. Andreas Faldum
1 Merkmalstypen Quantitativ: Geordnete Werte, Vielfache einer Einheit Stetig: Prinzipiell sind alle Zwischenwerte beobachtbar Beispiele: Gewicht, Größe, Blutdruck Diskret: Nicht alle Zwischenwerte sind
MehrZusammenhänge zwischen metrischen Merkmalen
Zusammenhänge zwischen metrischen Merkmalen Darstellung des Zusammenhangs, Korrelation und Regression Daten liegen zu zwei metrischen Merkmalen vor: Datenpaare (x i, y i ), i = 1,..., n Beispiel: x: Anzahl
MehrInhaltsverzeichnis Grundlagen aufigkeitsverteilungen Maßzahlen und Grafiken f ur eindimensionale Merkmale
1. Grundlagen... 1 1.1 Grundgesamtheit und Untersuchungseinheit................ 1 1.2 Merkmal oder statistische Variable........................ 2 1.3 Datenerhebung.........................................
MehrDer Korrelationskoezient nach Pearson
Der Korrelationskoezient nach Pearson 1 Motivation In der Statistik werden wir uns häug mit empirisch erfassten Daten beschäftigen. Um diese auszuwerten, ist es oftmals notwendig einen Zusammenhang zwischen
Mehr1 Übungsaufgaben zur Regressionsanalyse
1 Übungsaufgaben zur Regressionsanalyse 1 1 Übungsaufgaben zur Regressionsanalyse 1.1 Übungsaufgaben zu Seite 1 und 2 1. Wie lautet die Regressionsfunktion? 2. Welche Absatzmenge ist im Durchschnitt bei
MehrWelche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret.
Grundlagen der Statistik 25.9.2014 7 Aufgabe 7 Welche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret. B Ein Merkmal
MehrLösung 1. die 1 angeben. Alternativ kann man auch. Variable berechnen wählen und dann die Summe von Q2_6 und Q2_7 wählen.
SPSS Kurs Lösungen Lösung 1 2) Erstellen Sie eine neue Variable Ausland, diese soll die Summe der im Ausland bereisten Städte (Paris, Madrid) wider spiegeln. z.b. über Transformieren Werte in Fällen zählen
MehrKapitel 1: Deskriptive Statistik
Kapitel 1: Deskriptive Statistik Grafiken Mit Hilfe von SPSS lassen sich eine Vielzahl unterschiedlicher Grafiken für unterschiedliche Zwecke erstellen. Wir besprechen hier die zwei in Kapitel 1.1 thematisierten
MehrDeskriptive Statistik
Helge Toutenburg Christian Heumann Deskriptive Statistik Eine Einführung in Methoden und Anwendungen mit R und SPSS Siebte, aktualisierte und erweiterte Auflage Mit Beiträgen von Michael Schomaker 4ü Springer
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 2 2010 FernUniversität in Hagen Alle Rechte vorbehalten Fakultät für Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
MehrBasis-Kurs Statistik und SPSS für Mediziner Lösungen. SPSS-Übung Korrelation, Regression und diagnostische Tests
Basis-Kurs Statistik und SPSS für Mediziner Lösungen SPSS-Übung Korrelation, Regression und diagnostische Tests Mit Datensatz Daten_SPSS_Kurs_I.sav Berechnung der Blutdruckreduktion vom Studienbeginn zum
MehrErmitteln Sie auf 2 Dezimalstellen genau die folgenden Kenngrößen der bivariaten Verteilung der Merkmale Weite und Zeit:
1. Welche der folgenden Kenngrößen, Statistiken bzw. Grafiken sind zur Beschreibung der Werteverteilung des Merkmals Konfessionszugehörigkeit sinnvoll einsetzbar? A. Der Modalwert. B. Der Median. C. Das
Mehr1 x 1 y 1 2 x 2 y 2 3 x 3 y 3... n x n y n
3.2. Bivariate Verteilungen zwei Variablen X, Y werden gemeinsam betrachtet (an jedem Objekt werden gleichzeitig zwei Merkmale beobachtet) Beobachtungswerte sind Paare von Merkmalsausprägungen (x, y) Beispiele:
MehrHintergrund und Aufbau der Untersuchung Soziodemographische Daten Glücksspielparameter Katamnesebefunde. Hintergrund
Risikofaktoren für die Aufrechterhaltung von Glücksspielfreiheit Premper, V., Schwickerath, J., Missel, P., Feindel, H., Zemlin, U. & Petry, J. 24. Jahrestagung des Fachverbandes Glücksspielsucht Berlin
MehrÜbung 4 im Fach "Biometrie / Q1"
Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-89070 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 13, 89075 Ulm Tel.
MehrPrüfung aus Statistik 1 für SoziologInnen
Prüfung aus Statistik 1 für SoziologInnen 1) Wissenstest (maximal 20 Punkte) Kreuzen ( ) Sie die jeweils richtige Antwort an. Jede richtige Antwort gibt 2 Punkte. Pro falsche Antwort werden 2 Punkte abgezogen,
MehrÜbungsblatt 4. Berechnen Sie für die statistischen Reihen die Varianzen, Kovarianzen und Korrelationskoeffizienten
Aufgabe 1: Übungsblatt 4 Berechnen Sie für die statistischen Reihen die Varianzen, Kovarianzen und Korrelationskoeffizienten a) s 2 X, s 2 Y, sz, 2 s 2 U, s 2 V, s 2 W, s 2 T b) c XY, c Y Z c) c ZU, c
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 8.-10. Januar 2010 BOOTDATA.GDT: 250 Beobachtungen für die Variablen... cm:
MehrStatistik Klausur Wintersemester 2013/2014 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik 1 A 2. Klausur Wintersemester 2013/2014 Hamburg, 18.03.2014 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................
MehrKapitel 25 Diskriminanzanalyse
Kapitel 25 Diskriminanzanalyse Ziel der Diskriminanzanalyse ist es, die Werte einer abhängigen (zu erklärenden) Variablen durch die Werte einer oder mehrerer unabhängigen (erklärenden) Variablen zu erklären.
MehrKreuztabellenanalyse und Assoziationsmaße. Assoziationsmaße. Allgemeines Beispiel Graphiken Notation. Risiken. Drittvariablenkontrolle.
FB 1 W. Ludwig-Mayerhofer Zusammenhänge zwischen Merkmalen 1 Kreuztabellenanalyse und FB 1 W. Ludwig-Mayerhofer Zusammenhänge zwischen Merkmalen 2 Kreuztabellen eignen sich zur Darstellung und Analyse
MehrStatistik I für Humanund Sozialwissenschaften
Statistik I für Humanund Sozialwissenschaften 1 Übung Lösungsvorschlag Gruppenübung G 1 Auf einer Touristeninsel in der Karibik wurden in den letzten beiden Juliwochen morgens zur gleichen Zeit die folgenden
MehrRegression mit Dummyvariablen. Regression mit Dummyvariablen. Variablentypen. Regressionsmodelle. Bezug auf einzelne Variablen.
TECHNISCHE UNIVERSITÄT MÜNCHEN-WEIHENSTEPHAN MATHEMATIK UND STATISTIK INFORMATIONS- UND DOKUMENTATIONSZENTRUM R. Biometrische und Ökonometrische Methoden I WS 00/01 Variablentypen Qualitative und e Variablen
MehrKlausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester 2015 Aufgabe 1 In der aktuellen
MehrStatistik - Übungsaufgaben
Statistik - Übungsaufgaben 1) Eine vor mehreren Jahren durchgeführte Befragung von 30 Arbeitern eines Großbetriebes ergab für die Stundenlöhne folgende Liste: 16,35 16,80 15,75 16,95 16,20 17,10 16,64
MehrPrüfung aus Statistik 1 für SoziologInnen
Prüfung aus Statistik 1 für SoziologInnen 1) Wissenstest (maximal 20 Punkte) Prüfungsdauer: 120 Minuten netto Kreuzen ( ) Sie die jeweils richtige Antwort an. Jede richtige Antwort gibt 2 Punkte. Pro falsche
Mehrentschieden hat, obwohl die Merkmalsausprägungen in der Grundgesamtheit voneinander abhängig sind.
Bsp 1) Die Wahrscheinlichkeit dafür, dass eine Glühbirne länger als 200 Stunden brennt, beträgt 0,2. Wie wahrscheinlich ist es, dass von 10 Glühbirnen mindestens eine länger als 200 Stunden brennt? (Berechnen
MehrTeil: lineare Regression
Teil: lineare Regression 1 Einführung 2 Prüfung der Regressionsfunktion 3 Die Modellannahmen zur Durchführung einer linearen Regression 4 Dummyvariablen 1 Einführung o Eine statistische Methode um Zusammenhänge
MehrPrüfung 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.
MehrBeschreibende Statistik
Gunther Bourier Beschreibende Statistik Praxisorientierte Einfuhrung Mit Aufgaben und Losungen 7., uberarbeitete Auflage GABIER Inhaltsverzeichnis Vorwort Inhaltsverzeichnis V VII 1 Einfuhrung 1 1.1 Begriff
MehrWirtschaftsstatistik-Klausur am
Wirtschaftsstatistik-Klausur am 7.01.01 Bearbeitungszeit: 60 Minuten Aufgabe 1 In der nachfolgenden Tabelle sind die Jahresendwerte des Dax 30 und das Wachstum (in %) des BIP gegenüber dem Vorjahr (Quelle:
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
MehrMusterlösung zur Übungsklausur Statistik
Musterlösung zur Übungsklausur Statistik WMS15B Oettinger 9/216 Aufgabe 1 (a) Falsch: der Modus ist die am häufigsten auftretende Merkmalsausprägung in einer Stichprobe. (b) Falsch: die beiden Größen sind
MehrFranz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. mit dem R Commander. A Springer Spektrum
Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst mit dem R Commander A Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilung diskreter Zufallsvariablen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 3. Vorlesung Dr. Jochen Köhler 1 Inhalte der heutigen Vorlesung Ziel: Daten Modellbildung Probabilistisches Modell Wahrscheinlichkeit von Ereignissen Im ersten
MehrBivariate 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
MehrStatistik Klausur Wintersemester 2013/2014 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik 1 2. Klausur Wintersemester 2013/2014 Hamburg, 18.03.2014 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
MehrWiederholungsübungen zu den Kapiteln 7 bis 11
Mittelwert-Tests Übung Wiederholungsübungen zu den Kapiteln 7 bis 11 In dieser Übung wird der Datensatz 4 verwendet. In dem (fiktiven) Datensatz sind für 50 Personen vier Variablen erfasst: das Geschlecht,
MehrGraphische Darstellung einer univariaten Verteilung:
Graphische Darstellung einer univariaten Verteilung: Die graphische Darstellung einer univariaten Verteilung hängt von dem Messniveau der Variablen ab. Bei einer graphischen Darstellung wird die Häufigkeit
MehrDiskriminanzanalyse (I)
Diskriminanzanalyse (I) Die Diskriminanzanalyse ist eine Methode zur Analyse von Gruppenunterschieden, die es ermöglicht, zwei oder mehr Gruppen simultan hinsichtlich einer Mehrzahl von Merkmalsvariablen
MehrÜbungsklausur zur Vorlesung "Statistik I" (WiSe 2003/2004)
Universität Siegen, FB 1 Prof. W. Ludwig-Mayerhofer/ Dipl.Soz. Uta Liebeskind Übungsklausur zur Vorlesung "Statistik I" (WiSe 2003/2004) 1. Bitte vermerken Sie hinter dem jeweiligen Merkmal das Skalenniveau.
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
MehrAnalyse kategorialer Variablen Schriftliche Ausarbeitung des Referats vom 23. Mai 2002
Universität Tübingen Tübingen, im Mai 2002 Geographisches Institut Sommersemester 2002 Seminar Verarbeitung Geographischer Daten Dozent: Dr. H.-J. Rosner Referenten: Katrin Oehlkers, Helke Neuendorff,
MehrStatistik. Prof. em. Dr. Dr. h.c. Günter Bamberg PD Dr. Franz Baur Prof. Dr.Michael Krapp. 17., überarbeitete Auflage. Oldenbourg Verlag München.
Statistik von Prof. em. Dr. Dr. h.c. Günter Bamberg PD Dr. Franz Baur Prof. Dr.Michael Krapp 17., überarbeitete Auflage Oldenbourg Verlag München Inhaltsverzeichnis Vorwort Liste wichtiger Symbole IX XI
MehrKategorielle Zielgrössen
Kategorielle Zielgrössen 27.11.2017 Motivation Bisher gesehen: Regressionsmodelle für diverse Arten von Zielgrössen Y. kontinuierliche Zielgrösse Lineare Regression Binäre/binomiale Zielgrösse Logistische
MehrJOHANNES GUTENBERG-UNIVERSITÄT MAINZ Psychologisches Institut Abteilung Methodenlehre & Statistik
JOHANNES GUTENBERG-UNIVERSITÄT MAINZ Psychologisches Institut Abteilung Methodenlehre & Statistik Seminar Datenerhebung, Analyse & Präsentation Dipl.-Psych. Rainer Kämper SS 2012 Fragen und Antworten finaler
MehrDeskriptive Statistik Winfried Zinn
Deskriptive Statistik Winfried Zinn Inhalte Statistik 1 1. Themenblock: Grundlagen der beschreibenden Statistik: Skalenniveaus Häufigkeitsverteilungen Mittelwerte (Lagemaße) Standardabweichung und Varianzen
Mehr5. Übung Zusammenhänge zweier Merkmale
Querschnittsbereich 1: Epidemiologie, Medizinische Biometrie und Medizinische Informatik - Übungsmaterial - Erstellt von Mitarbeitern des IMISE und des ZKS Leipzig. Übung Zusammenhänge zweier Merkmale
MehrMultivariate Statistische Methoden
Multivariate Statistische Methoden und ihre Anwendung in den Wirtschafts- und Sozialwissenschaften Von Prof. Dr. Hans Peter Litz Carl von Ossietzky Universität Oldenburg v..v.-'... ':,. -X V R.Oldenbourg
MehrÜBUNGSAUFGABEN ZUR DESKRIPTIVEN UND EXPLORATIVEN DATENANALYSE
ÜBUNGSAUFGABEN ZUR DESKRIPTIVEN UND EXPLORATIVEN DATENANALYSE 1.1 Füllen Sie bitte folgenden Lückentext aus. Daten, die in Untersuchungen erhoben werden, muss man grundsätzlich nach ihrem unterscheiden.
MehrGrundlagen der empirischen Sozialforschung
Grundlagen der empirischen Sozialforschung Sitzung 10 - Datenanalyseverfahren Jan Finsel Lehrstuhl für empirische Sozialforschung Prof. Dr. Petra Stein 22. Dezember 2008 1 / 21 Online-Materialien Die Materialien
MehrEigene 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
MehrMultivariate Statistische Methoden und ihre Anwendung
Multivariate Statistische Methoden und ihre Anwendung in den Wirtschafts- und Sozialwissenschaften Von Prof. Dr. Hans Peter Litz Carl von Ossietzky Universität Oldenburg R. Oldenbourg Verlag München Wien
MehrBiomathematik für Mediziner, Klausur WS 2000/2001 Seite 1
Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1 Aufgabe 1: Von 2 gleichartigen Maschinen eines pharmazeutischen Betriebes stellt die erste 40% und die zweite 60% der Produkte her. Dabei verursacht
MehrDatenstrukturen. Querschnitt. Grösche: Empirische Wirtschaftsforschung
Datenstrukturen Datenstrukturen Querschnitt Panel Zeitreihe 2 Querschnittsdaten Stichprobe von enthält mehreren Individuen (Personen, Haushalte, Firmen, Länder, etc.) einmalig beobachtet zu einem Zeitpunkt
MehrBiomathematik für Mediziner, Klausur WS 1999/2000 Seite 1
Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Aufgabe 1: Wieviele der folgenden Variablen sind quantitativ stetig? Schulnoten, Familienstand, Religion, Steuerklasse, Alter, Reaktionszeit, Fahrzeit,
MehrInhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden
Inhaltsverzeichnis Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3 Warum Statistik? 3 Checkpoints 4 Daten 4 Checkpoints 7 Skalen - lebenslang wichtig bei der Datenanalyse
MehrStatistik II Übung 4: Skalierung und asymptotische Eigenschaften
Statistik II Übung 4: Skalierung und asymptotische Eigenschaften Diese Übung beschäftigt sich mit der Skalierung von Variablen in Regressionsanalysen und mit asymptotischen Eigenschaften von OLS. Verwenden
MehrRegression mit Dummyvariablen
Regression mit Dummyvariablen! Variablentypen Qualitative und e Variablen Dummyvariablen Binäre Dummycodierung! Regressionsmodelle Getrennte Regression Gemeinsame Regression Gemischte Regression! Bezug
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester Statistik mit SPSS
Sommersemester 2009 Statistik mit SPSS 09. Mai 2009 09. Mai 2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1 Arbeitsschritte bei der Datenanalyse Datenmanagement (Einlesen von Daten, Teilen von
MehrBei näherer Betrachtung des Diagramms Nr. 3 fällt folgendes auf:
18 3 Ergebnisse In diesem Kapitel werden nun zunächst die Ergebnisse der Korrelationen dargelegt und anschließend die Bedingungen der Gruppenbildung sowie die Ergebnisse der weiteren Analysen. 3.1 Ergebnisse
MehrSkript Statistik. Gerhard Kuhn, rechnenmachtspass.de Version 3
Skript Statistik Gerhard Kuhn, rechnenmachtspass.de Version 3 1 Deskriptive Statistik 1.1 Grundbegriffe [SR13] 1.1.1 Die wichtigsten Skalen 1) nominale Skala: Beispiel: Automarken 2) odinale Skala (Rangskala):
Mehr5. Spezielle stetige Verteilungen
5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für
MehrAssoziation & Korrelation
Statistik 1 für SoziologInnen Assoziation & Korrelation Univ.Prof. Dr. Marcus Hudec Einleitung Bei Beobachtung von 2 Merkmalen stellt sich die Frage, ob es Zusammenhänge oder Abhängigkeiten zwischen den
MehrAssoziation & 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
MehrZusammenhangsmaße II
Sommersemester 2009 Eine nominale und eine intervallskalierte Variable χ 2 =?!? Übung von Simone Reutzel Heute im HS1, altes ReWi-Haus Zum Nachlesen Agresti/Finlay: Kapitel 8.5, 9.4 Gehring/Weins: Kapitel
MehrGünther Bourier. Beschreibende Statistik. Praxisorientierte Einführung - Mit. Aufgaben und Lösungen. 12., überarbeitete und aktualisierte Auflage
i Günther Bourier Beschreibende Statistik Praxisorientierte Einführung - Mit Aufgaben und Lösungen 12., überarbeitete und aktualisierte Auflage 4^ Springer Gabler Inhaltsverzeichnis Vorwort V 1 Einführung
MehrAnwendungsaufgaben. a. Anhand des Streudiagramms (. Abb. 1) lässt sich ein linearer Zusammenhang vermuten. Aufgabe 1. Anhang 1: Lösungen der Aufgaben
Anhang 1: Lösungen der Aufgaben 15 +1). Korrelationskoeffizienten unterschiedlicher Stichproben oder verschiedener Variablen können so miteinander verglichen werden, was mit der Kovarianz nicht möglich
Mehr1 Diskriminanzanalyse
Multivariate Lineare Modelle SS 2008 1 Diskriminanzanalyse 1. Entscheidungstheorie 2. DA für normalverteilte Merkmale 3. DA nach Fisher 1 Problemstellungen Jedes Subjekt kann einer von g Gruppen angehören
MehrElementare Stochastik
Mathematik für das Lehramt Elementare Stochastik Eine Einführung in die Mathematik der Daten und des Zufalls Bearbeitet von Andreas Büchter, Hans-Wolfgang Henn Neuausgabe 2007. Taschenbuch. xii, 572 S.
MehrKlausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min
Klausur, Multivariate Verfahren, SS 2006, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 08.08.2006 Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Gesamtpunkte: 39 Aufgabe
Mehr1. Datei Informationen
1. Datei Informationen Datei vorbereiten (Daten, Variablen, Bezeichnungen und Skalentypen) > Datei Dateiinformation anzeigen Arbeitsdatei 2. Häufigkeiten Analysieren Deskriptive Statistik Häufigkeiten
Mehr6Korrelationsanalyse:Zusammengangsanalysestetiger Merkmale
6Korrelationsanalyse:Zusammengangsanalysestetiger Merkmale Jetzt betrachten wir bivariate Merkmale (X, Y ), wobei sowohl X als auch Y stetig bzw. quasi-stetig und mindestens ordinalskaliert, typischerweise
Mehr