IRT-Skalierung. mit ConQuest. Workshop für das Nachwuchsnetzwerk Deutschdidaktik. Dipl.-Psych. Nina Jude. Hamburg, 23.
|
|
- Björn Kuntz
- vor 8 Jahren
- Abrufe
Transkript
1 Workshop für das Nachwuchsnetzwerk Deutschdidaktik Hamburg, 23. Februar 2006 Dipl.-Psych.
2 Ablauf Modelle der Item-Response-Theorie Schätzung von Item- und Personenparametern Modellgeltungsannahmen, Item-Fit Arbeiten Datenstrukturen, Dateitypen Programmoberfläche, ConQuest-Syntax Interpretation der Ausgabe
3 Lernziele Grundannahmen der Testanalyse auf Basis der IRT erfassen und auf Testaufgaben umsetzen Erkennen, wie sich beantwortete Testaufgaben empirisch darstellen Einblick in ein Standardprogramm zur Testanalyse erhalten
4 Begriffsdefinitionen Test: Sammlung von Aufgaben, mit denen ein oder mehrere Fähigkeiten erfasst werden. Für jede zu erfassende Fähigkeit enthält ein Test mehrere Aufgaben. Aufgabe: Inhaltliche Einheit innerhalb eines Tests, in der eine oder mehrere Fragestellungen enthalten sind. Item: Kleinste bewertbare Einheit eines Tests, z.b. eine einzelne Frage innerhalb einer Aufgabe. Skala: Die Items eines Tests, die dieselbe Fähigkeit erfassen sollen. Die Antworten auf die Items einer Skala werden zu einem Testwert zusammengefasst.
5 Begriffsdefinitionen Erfassen alle Items das selbe Konstrukt? (Reliabilität) t) Wie gut sind die Items meines Tests? Welche Fähigkeit F haben die Personen, die meinen Test beantworten?
6 Test, Skalen, Aufgaben und Items DESI Testbatterie Grammatik Lesekompetenz Skala Aufgabe 1 Aufgabe 2 Item 1 Item 2 Item 3 Aufgabe 1 Aufgabe 2 Item 1 Item 2 Item 3
7 Was meinen wir mit skalieren und Skalierung? Ich skaliere Du skalierst Er, sie, es skaliert Ich skalierte Du skaliertest Er, sie, es skalierte Ich habe skaliert Du hast skaliert Er, sie, es hat skaliert 1. Es wird eine Skala definiert 2. Es wird ein psychometrisches Modell geprüft 3. Es werden Eigenschaften der Items untersucht 4. Die Passung einzelner Items in das Modell wird geprüft 5. Es werden Messwerte für f r Personen konstruiert
8 Testtheorien Unterschieden wird zwischen der so genannten klassischen Testtheorie (KTT) und der Item-Response- Theorie (IRT). Die KTT wird zum einen als klassisch bezeichnet, da sie fachgeschichtlich älter ist, zum anderen überwindet die IRT einige Kritikpunkte an der KTT. Wesentliche Annahme der KTT ist, dass sich die mit einem Test ermittelte Merkmalsausprägung eines Individuums aus dem wahren Wert dieses Individuums und einem Messfehler zusammensetzt.
9 Klassische Testtheorie (KTT) Die Methoden der KTT zielen zum großen Teil darauf ab, den Anteil dieses Messfehlers zu bestimmen, sie wird daher auch als Messfehlertheorie bezeichnet. Zentrale Begriffe im Zusammenhang mit der Schätzung des Messfehleranteils sind in der KTT: Reliabilität (Messgenauigkeit eines Tests, z.b. Cronbach s α, Retest-Reliabilität) Trennschärfe rfe (Messgenauigkeit eines Items) Workshop zur Testkonstruktion Juli 2005
10 KTT und IRT Im Unterschied zur KTT werden in der IRT ausdrücklich latente, nicht direkt beobachtbare Persönlichkeitsvariablen angenommen, d.h. Merkmal und Verhalten im Test werden nicht gleichgesetzt ( Modelle mit latenten Variablen ). Die IRT formuliert Modelle zu den Zusammenhängen ngen zwischen den latenten Persönlichkeitseigenschaften und den Antworten in Tests.
11 Modelle der Item-Response Response- Theorie
12 Grundlagen der Item-Response Response-Theorie Unter Item-Response-Theorie werden Modelle mit (zumeist kontinuierlichen) latenten Variablen für kategoriale beobachtete Variablen zusammengefasst. Es werden Annahmen über die Zusammenhänge zwischen individuellen Merkmalsausprägungen in den latenten Variablen und der Wahrscheinlichkeit* für das Auftreten bestimmter Antworten** formuliert. * Daher auch probabilistische Testtheorie ** Daher Item-Response Response-Theorie
13 Itemcharakteristische Funktion Der Zusammenhang zwischen der Wahrscheinlichkeit für eine bestimmte Antwort und dem latenten Merkmal θ wird durch die Itemcharakteristische Funktion (IC-Funktion) beschrieben. Verschiedene Modelle der IRT gehen von verschiedenen und unterschiedlich komplexen IC-Funktionen aus. Eines der einfachsten IRT-Modelle ist das dichotome Raschmodell.
14 Itemcharakteristische Funktion
15 Das dichotome Raschmodell Das dichotome Raschmodell für zweistufige Antworten kann z.b. auf Fragebogenitems mit einem ja / nein - Antwortformat oder Leistungsaufgaben mit den Bewertungsstufen gelöst / nicht gelöst angewendet werden. Es enthält folgende Parameter: Jede Person hat eine individuelle latente Merkmalsausprägung θ v, Jedes Item hat eine Schwierigkeit b i. Personen- und Itemparameter werden auf derselben, eindimensionalen Skala dargestellt.
16 Das dichotome Raschmodell Entscheidend für die Lösungswahrscheinlichkeit ist die Differenz zwischen der individuellen Merkmalsausprägung θ v und der Schwierigkeit b i des jeweiligen Items i.
17 Das dichotome Raschmodell Itemcharakteristische Funktion des dichotomen Raschmodells exp( v bi) p( X = vi 1) = θ 1 + exp θ b ( ) v σ 1 ) σ 1 ) i Die Die Verortung Itemschwierigkeit der Itemparameter σ i ist als auf der Die der Itemschwierigkeit Punkt Merkmalsdimension definiert, an σ i und dem macht die die diese Ausprägung direkt, Chance, Kriteriumsorientiert des ein Personenmerkmals Item zu lösen, 50% θ v werden interpretierbar. beträgt. auf derselben Dies entspricht Dimension dem beschrieben. Wendepunkt der logistischen IC- Funktion.
18 Das dichotome Raschmodell IC-Funktionen dreier rasch-homogener Items: Parallele Itemfunktionen Das Raschmodell geht von parallelen IC-Funktionen aus, die Funktionen der Items unterscheiden sich lediglich durch ihre Schwierigkeit
19 Beispiel: Zahlen benennen 8 12 Die Itemschwierigkeiten definieren die Lage der Items auf der Kompetenzskala Dreistellige Zahlen benennen 5962 Êinstellige Zahlen benennen Zweistellige Zahlen benennen Vierstellige Zahlen benennen
20 Dichotomes Raschmodell: IC-Funktion und Iteminformations-Funktion Ein Item bringt für die Testung einer Person unterschiedlich viel Informationsgewinn je nachdem, wie nahe die Itemschwierigkeit und die Personenfähigkeit beieinander liegen. Ist ein Item für eine Person viel zu leicht oder viel zu schwer, bringt es wenig an Information. Am informativsten sind Items, wenn Itemschwierigkeit und Personenfähigkeit nahe beieinander liegen.
21 Dichotomes Raschmodell: IC-Funktion und Iteminformations-Funktion
22 Dichotomes Raschmodell: IC-Funktion und Iteminformations-Funktion Der Zusammenhang zwischen Iteminformation und θ v - b i spielt beim adaptiven Testen eine Rolle: hierbei werden Items im Testverlauf entsprechend den Fähigkeiten der gerade getesteten Person ausgewählt. Generell ist ein Test mit der Gesamtheit der bearbeiteten Items für Personen am informativsten, deren Fähigkeiten im Bereich der Itemschwierigkeiten liegen. Aus diesem Grund sind Messungen in Extrembereichen der Fähigkeitsskala weniger genau als im mittleren Bereich.
23 Dichotomes Raschmodell: IC-Funktion und Iteminformations-Funktion Zusammenhang zwischen Personenfähigkeit und Messgenauigkeit.
24 Das ordinale Raschmodell für f mehrstufige Itemformate
25 Das ordinale Raschmodell Das ordinale Raschmodell beschreibt die Antwortwahrscheinlichkeiten für Items mit mehrstufigen Antworten, z.b. Ratingskalen in Persönlichkeitsfragebögen oder verschiedene Punktezahlen bei der Bewertung von Leistungstestaufgaben. Bei Leistungstests kann z.b. für nicht ganz richtig gelöste Aufgaben ein Teil der maximal möglichen Punkte gegeben werden, daher wird dieses Modell auch als Partial Credit- Modell bezeichnet.
26 Beispiel: PISA Mathematik Beispiel: PISA Mathematik
27 Das ordinale Raschmodell Im ordinalen Raschmodell wird - entsprechend den Items im dichotomen Raschmodell - für jede Stufe eines Items eine logistische Funktion angenommen, die die Wahrscheinlichkeit beschreibt, dass eine Person mit einer Merkmalsausprägung θ v diese Stufe erreicht oder überschreitet.
28 Das ordinale Raschmodell Beispiel: Schwellenfunktionen für ein Item mit 4 ordinalen Kategorien 0 bis 3. ( k) p X vik ( θv τik) ( ) exp = 1 + exp θ τ v ik Es wird deutlich, dass die Abstände zwischen den Schwellenparametern und damit den Antwortkategorien nicht gleich sein müssen das Modell geht von ordinalen Messungen aus.
29 =
30 Schätzung von Item- und Personenparametern
31 Parameterschätzung tzung im Raschmodell Im Rasch-Modell erfolgt die Schätzung der Personen- und Aufgabenparameter nach dem Maximum-Likelihood- Prinzip: Statistische Methode, mit der Parameter geschätzt werden (Fähigkeit/Schwierigkeit) unter der Annahme, dass das Modell gilt (Raschmodell) und auf Basis der erhobenen Daten. Der Wert der LF gibt also an, wie wahrscheinlich die beobachten Daten sind, wenn das Modell wirklich gilt.
32 Parameterschätzung tzung im Raschmodell Vereinfacht ausgedrückt werden sowohl die Itemparameter σ i als auch die Personenparameter θ v gemeinsam so geschätzt, dass die Likelihood für die beobachteten Daten möglichst groß wird Maximum Likelihood. Dieses Vorgehen erfolgt iterativ (schrittweise), d.h. die optimalen Werte der Parameter werden nicht durch das Lösen eindeutiger Gleichungssysteme ermittelt, sondern durch ausprobieren. Für dieses Vorgehen stehen verschiedene spezielle Schätzalgorithmen zur Verfügung, die in entsprechender Software (z.b. ConQuest) implementiert sind.
33 Prüfung des Item-Fit Bei der Skalierung werden die einzelnen Items auf ihre Verträglichkeit mit dem Modell getestet. Hierbei wird geprüft, ob die aus dem Modell vorhergesagten Lösungshäufigkeiten in bestimmten Fähigkeitsbereichen mit den beobachteten Häufigkeiten übereinstimmen. Diese Prüfung ist in ConQuest möglich. Auf Basis dieses Item-Fit können bei der Testkonstruktion Aufgaben aus dem Test ausgeschlossen werden, die keine gute Übereinstimmung mit dem Modell aufweisen.
34 Prüfung des Item-Fit Für ein perfekt passendes Item hat dieser Fit einen Wert von 1, für schlecht passende Items Werte größer 1.* Werte kleiner 1 indizieren einen zu guten Fit, d.h. die tatsächliche IC-Funktion des Items ist steiler als die erwartete das Item hat eine verglichen mit dem Gesamttest überdurchschnittlich hohe Trennschärfe. * Der Item-Fit wird in ConQuest durch die gewichteten Abweichungsquadrate (weighted mean square, Regressionsanalyse) zwischen erwarteten und beobachteten Häufigkeiten beschrieben.
35 Beispiel 1: Exakter Fit Die beobachtete ICC entspricht weitgehend der erwarteten
36 Beispiel 2: Schlechter Fit Die beobachtete ICC ist flacher als die erwartete
37 Beispiel 3: (leichter) Über-Fit Die beobachtete ICC ist minimal steiler als die erwartete
38 Prüfung von Modellgeltungsannahmen ConQuest bietet keine globalen Modellgüte-Maße. Es wird also z.b. bei Analyse eines eindimensionalen dichotomen Raschmodells nicht geprüft, ob alle Items tatsächlich eine gemeinsame Dimension messen! Eine derartige Prüfung kann in ConQuest lediglich durch das Prüfen spezifischer alternativer Modelle getestet werden. Wenn z.b. auch ein zweidimensionales Modell in Frage kommt, kann dieses analysiert werden und die Korrelation zwischen den Dimensionen als Entscheidungskriterium für das Ein- oder Zweidimensionale Modell verwendet werden.
39 Schätzung der Personenparameter Maximum Likelihood Estimator (MLE): Eindeutiger optimaler Schätzer für die Fähigkeit einer Person in Abhängigkeit von ihrem Antwortmuster und den Itemschwierigkeiten. Messfehlerbehaftet, die Varianz der MLEs überschätzt die Populationsvarianz. MLEs Liefern denjenigen Wert für θ, der die Beobachtung des Antwortmusters bei gegebenen Itemschwierigkeiten am wahrscheinlichsten macht.
40 Schätzung der Personenparameter Maximum Likelihood-Schätzungen (MLE)
41 Prüfung von Modellgeltungsannahmen Prüfung alternativer Modelle: Wenn der Zusammenhang zwischen θ 1 und θ 2 nicht sehr hoch ist (z.b. >.90), spricht das gegen das eindimensionale Modell.
42 Skalieren in ConQuest
43 Software für f r die Durchführung hrung der Analysen SPSS zur Datenaufbereitung: Umkodierung der Antworten; Behandlung fehlender Werte Umformatierung von Rohdaten Export in ASCII-Datei ConQuest zur IRT-Analyse Texteditor zur Bearbeitung der verschiedenen Dateien für ConQuest SPSS zum Einlesen der Daten aus der Skalierung
44 Datenaufbereitung in SPSS Für die Analyse notwendige Transformationen der Rohdaten sind wesentlich einfacher in SPSS durchzuführen. Hierunter können z.b. fallen: Umkodieren von Rohdaten in Punkte (z.b. Antwortalternativen im Multiple-Choice-Test in 0=falsch, 1=richtig) Zusammenfassen mehrerer Variablen (z.b. bei Mehrfachwahl-Antworten) Löschen von Codes für fehlende Werte Auswahl von Variablen (z.b. Items einer Skala) Auswahl von Fällen
45 Datenaufbereitung in SPSS Wenn die Daten zur Analyse aufbereitet sind, müssen sie für ConQuest in eine ASCII-Datei exportiert werden.
46 Datenaufbereitung in SPSS Beim Export der SPSS-Daten zu beachten: Die Spaltenbreiten der Variablen sollten stimmen (für Itemantworten idealerweise 1 mit 0 Nachkommastellen). Die Spalten, in denen die Variablen in der ASCII-Datei stehen, werden von SPSS ausgegeben. Diese Ausgabe sollte dokumentiert werden!
47 ConQuest Console und GUI ConQuest bietet die Möglichkeit, das Programm unter DOS (console.exe) oder Windows (gui.exe) laufen zu lassen Jede Variante hat Vor- und Nachteile Schwerpunkt heute: Die Windows-Version
48 Dateien einer ConQuest-Analyse Folgende Dateien werden für eine Analyse benötigt *.dat = ASCII-Datendatei *.cqc = ConQuest-Controlfile (Steuersyntax) Folgende Ausgaben mit Analyseergebnissen können erzeugt werden: *.shw = ConQuest-Analyseausgabe ( show-file ) *.itn = ConQuest-Itemanalyse Optionale Dateien: *.nam: Variablenlabels *.pls, *.mle, *. wle, *.eap: Unterschiedliche Schätzungen für die Personenparameter *.cov, *.reg: Kovarianzen und Regressionsparameter
49
50 ConQuest-Syntax Beispiel: Syntax für f r ein dichotomes Raschmodell title MeineErsteAnalyse; set Schätze constraints=cases; die Item- und Personenparameter datafile daten.dat; format responses 1-10; Ausgabe der Modellparameter codes (Itemschwierigkeiten, 0,1; Itemfit, model Fähigkeitsverteilung) item; estimate; show!estimates=latent >> >> test1.shw; show cases!estimates=wle >> >> scores.wle; quit; Der Test besteht aus 10 Items mit zwei Antwortmöglichkeiten, weshalb das Modell nur einen Parameter für jedes Item braucht. Schreibe die Testwerte (Fähigkeitsparameter) für die Personen in eine separate Datei
51 ConQuest-Syntax Ordinales Raschmodell (Partial-Credit Credit-Modell) title MeineErsteAnalyse; set constraints=cases; datafile daten2.dat; format responses 1-10; codes 0,1,2,3; model item + item*step; estimate; show!estimates=latent >> >> test2.shw; itanal >> >> test.itn quit; Hier sind die Items 4-stufig, im Modell gibt es daher Itemund Schwellenparameter Ausgabe der klassischen Itemkennwerte
52 ConQuest-Ergebnisse *.shw-datei: Details zur Spezifikation der Analyse und zum Verlauf der Schätzung Itemparameter (Item und Item*Step Zur Berechnung der Schwellen) Parameter-Fit ( Item-Fit ) Varianz der Personenparameter Reliabilitätsschätzung ( EAP / PV ) Regressionskoeffizienten (soweit im Modell vorhanden) grafische Darstellung der Verteilung der Personenparameter und Lage der Items auf der Skala
53 ConQuest-Ergebnisse ConQuest liefert keine globalen Modellgütekriterien; Wichtigstes Gütekriterium ist der Item-Fit, d.h. jedes Item (genauer: jeder geschätzte Parameter) wird auf seine Verträglichkeit mit dem Modell getestet.
54 ConQuest-Ausgabe Ausgabe: Itemparameter und Itemfit ================================================================================ Untertest 3 Zahlen lesen Standardfehler Tue Jan 23 13:40:25 TABLES OF RESPONSE MODEL PARAMETER ESTIMATES ================================================================================ Schwierigkeiten TERM 1: item Item-Fit VARIABLES UNWEIGHTED FIT WEIGHTED FIT item ESTIMATE ERROR^ MNSQ CI T MNSQ CI T ( 0.90, 1.10) ( 0.67, 1.33) ( 0.90, 1.10) ( 0.80, 1.20) ( 0.90, 1.10) ( 0.88, 1.12) ( 0.90, 1.10) ( 0.90, 1.10) ( 0.90, 1.10) ( 0.90, 1.10) ( 0.90, 1.10) ( 0.90, 1.10) ( 0.90, 1.10) ( 0.89, 1.11) ( 0.90, 1.10) ( 0.90, 1.10) ( 0.90, 1.10) ( 0.85, 1.15) ( 0.90, 1.10) ( 0.80, 1.20) ( 0.90, 1.10) ( 0.74, 1.26) ( 0.90, 1.10) ( 0.68, 1.32) ( 0.90, 1.10) ( 0.68, 1.32)
55 ConQuest-Ausgabe Ausgabe: Personenparametervarianz & Reliabilität Dimension Varianz der Fähigkeitsverteilung je höher, desto besser kann der Dimension 1 Test zwischen Personen unterscheiden. Variance Hängt u.a. von der durchschnittliche Trennschärfe der An asterisk next to a parameter estimate indicates that it is Aufgaben ab. constrained ================================== Reliabilität, von der Größenordnung mit RELIABILTY COEFFICIENTS Cronbach s α vergleichbar. Hängt von der Güte der Aufgaben und Dimension: der Aufgabenanzahl (Dimension ab. 1) MLE Person separation reliabilty: Unavailable WLE Person separation reliabilty: Unavailable EAP/PV reliabilty: 0.846
56 ConQuest-Ergebnisse *.itn- Datei: zusätzliche Itemspezifische Statistiken Anzahl Personen, die das Item gelöst haben Menge der Antworten in jeder Kategorie Klassische Trennschärfen für das Item ( Discrimination ) und für jede Antwortkategorie ( Pt Bis ) Schwellen zwischen den Kategorien ( Item Threshold(s) ) (Vorsicht, sind nicht identisch mit den Schwellen im Modell!) Verteilung der Personenparameter (WLEs) auf jeder Stufe des Items.
57 ConQuest-Ausgabe Ausgabe: Itemparameter und Itemfit ================================================================================= Untertest 3 Zahlen lesen Tue Jan 23 13:40:28 2 GENERALISED ITEM ANALYSIS ================================================================================= Antworthäufigkeiten Klassische Trennschärfe Item item:3 (12) Cases for this item 730 Discrimination 0.61 Item Threshold(s) Weighted MNSQ Label Score Count % of tot Pt Bis t (p) WLEAvg:1 WLE SD: (.000) NA NA (.000) NA NA ============================================================================== Item item:8 (47) Cases for this item 730 Discrimination 0.72 Item Threshold(s) 0.55 Weighted MNSQ Label Score Count % of tot Pt Bis t (p) WLEAvg:1 WLE SD: (.000) NA NA (.000) NA NA ==============================================================================
58 ConQuest-Ergebnisse Interessant sind die gewichteten Abweichungsquadrate (weighted mean square; MNSQ), die einen Erwartungswert von eins haben, und die Zugehörigen t-werte, über die die Abweichung von diesem Erwartungswert eingeschätzt werden kann. Ein t-wert größer 2 bedeutet eine signifikante Abweichung in Richtung einer zu niedrigen Trennschärfe; negative Werte weisen auf eine zu hohe Trennschärfe hin und werden i.d.r. nicht als problematisch angesehen.
59 Beurteilung des Item-Fit
60 Beurteilung des Item-Fit Weighted Mean Square: Absolute Werte sollten nicht größer als 1.25 sein (PISA Technical Report) T: Sollte (idealerweise) nicht signifikant sein (< 1.96) Klassische Trennschärfe ( Discrimination in der *.itn- Ausgabe) Grafische Darstellung: Übereinstimmung erwarteter und beobachteter Lösungshäufigkeiten.
61 HV 207: Schlechter Fit MNSQ: VARIABLES WEIGHTED FIT item MNSQ CI T t1hv ( 0.92, 1.08) 5.1 Klassische Trennschärfe item:15 (t1hv207) Cases for this item 485 Discrimination 0.15 Item Threshold(s): 0.59 Weighted MNSQ 1.21 Item Delta(s): Label Score Count % of tot Pt Bis t (p) PV1Avg:1 PV1 SD: (.001) (.001) ==============================================================================
62 HV 207: Schlechter Fit Die beobachtete ICC ist flacher als die erwartete
63 HV 302: Exakter Fit MNSQ: VARIABLES WEIGHTED FIT item MNSQ CI T t1hv ( 0.92, 1.08) -0.1 Klassische Trennschärfe item:18 (t1hv302) Cases for this item 298 Discrimination 0.43 Item Threshold(s): Weighted MNSQ 1.00 Item Delta(s): Label Score Count % of tot Pt Bis t (p) PV1Avg:1 PV1 SD: (.000) (.000) ==============================================================================
64 HV 302: Exakter Fit Die beobachtete ICC entspricht weitgehend der erwarteten
65 HV 108: (leichter) Über-Fit MNSQ: VARIABLES WEIGHTED FIT item MNSQ CI T t1hv ( 0.93, 1.07) -2.8 Klassische Trennschärfe item:8 (t1hv108) Cases for this item 511 Discrimination 0.55 Item Threshold(s): 0.06 Weighted MNSQ 0.91 Item Delta(s): Label Score Count % of tot Pt Bis t (p) PV1Avg:1 PV1 SD: (.000) (.000) ==============================================================================
66 HV 108: (leichter) Über-Fit Die beobachtete ICC ist minimal steiler als die erwartete
67 Interpretation der Itemparameter bei mehrstufigen Items
68 Beispiel 3-stufiges 3 Item: 1. Schwelle = = Schwelle = (-0.304) =
69 Klassische Gütekriterien G bei mehrstufigen Items item:1 (Walking Q1) Cases for this item 1069 Discrimination 0.78 Item Threshold(s): Weighted MNSQ 1.00 Item Delta(s): Label Score Count % of tot Pt Bis t (p) PV1Avg:1 PV1 SD: (.000) (.000) (.000) ============================================================================== Absolute und prozentuale Häufigkeiten: Keine Kategorie sollte zu selten vorkommen (z.b. weniger als 5% oder 10%).
70 Klassische Gütekriterien G bei mehrstufigen Items item:1 (Walking Q1) Cases for this item 1069 Discrimination 0.78 Item Threshold(s): Weighted MNSQ 1.00 Item Delta(s): Label Score Count % of tot Pt Bis t (p) PV1Avg:1 PV1 SD: (.000) (.000) (.000) ============================================================================== Punktbiseriale Korrelationen der Antwortkategorien: Korrelationen zwischen dem Vorliegen der einzelnen Kategorien mit dem Gesamtwert: Sollte von negativen Werten für die niedrigen Kategorien zu positiven für die oberen Kategorien ansteigen.
71 Klassische Gütekriterien G bei mehrstufigen Items item:1 (Walking Q1) Cases for this item 1069 Discrimination 0.78 Item Threshold(s): Weighted MNSQ 1.00 Item Delta(s): Label Score Count % of tot Pt Bis t (p) PV1Avg:1 PV1 SD: (.000) (.000) (.000) ============================================================================== Verteilung der Personenparameter: Mittelwerte und Standardabweichungen für die Personen mit den einzelnen Antwortkategorien. Mittelwerte sollten möglichst kontinuierlich steigen.
72 UND DANN? Ziel ist es, schlechte Items zu finden und auszusortieren Es gibt mehrere Kriterien für einen schlechten fit, also eine schlechte Passung auf das Modell. Daher müssen vorab immer mehr items entwickelt werden, als der Test letztendlich braucht. Besonders in den Randbereichen sehr leichte und sehr schwere items müssen genug items vorhanden sein. Erst mit dem optimierten Test können in einem zweiten Durchgang Personen wirklich getestet werden. Zusammenhang mit Validität
73 Bestimmung der Schwellen bei mehrstufigen Items Der item-parameter in ConQuest entspricht dem Mittelwert aller Schwellen der Antwortkategorien, gibt also die Gesamtlage des Items wieder. Bei Items mit mehr als 2 Stufen wird von ConQuest ein zusätzlicher item*step-parameter für jede zusätzliche Schwelle berechnet. Diese item*step-parameter entsprechen nicht den Schwellen zwischen den Bewertungsstufen! Die einzelnen Schwellen werden in der *.itn-ausgabe angegeben ( Item Delta(s) ), können aber auch manuell berechnet werden.
74 Bestimmung der Schwellen bei Bei 2 Stufen: 1. Schwelle: item mehrstufigen Items Bei 3 Stufen: 1. Schwelle: item + (1)item*step 2. Schwelle: item - (1)item*step Bei 4 Stufen: 1. Schwelle: item + (1)item*step 2. Schwelle: item + (2)item*step 3. Schwelle: item [(1)item*step+(2)item*step]
75 Beispiel 3-stufiges 3 Item: Walking Q1 TERM 1: item VARIABLES item ESTIMATE ERROR^ Walking Q TERM 2: item*step VARIABLES item step ESTIMATE ERROR^ Walking Q1 0 1 Walking Q Walking Q *
76 Beispiel 3-stufiges 3 Item: Walking Q1 1. Schwelle: item + (1)item*step = = Schwelle: item - (1)item*step = (-0.304) = item ESTIMATE ERROR^ Walking Q TERM 2: item*step item step ESTIMATE ERROR^ Walking Q1 0 1 Walking Q Walking Q *
77 Beispiel 3-stufiges 3 Item: Walking Q1 1. Schwelle: item + (1)item*step = = Schwelle: item - (1)item*step = (-0.304) = item:1 (Walking Q1) Cases for this item 1069 Discrimination 0.78 Item Threshold(s): Weighted MNSQ 1.00 Item Delta(s): Label Score Count Pt Bis t (p) (.000) (.000) (.000) ================================================
78 Lösungswahrscheinlichkeiten im dichotomen Raschmodell Höhere Wahrscheinlichkeiten als 50% können über die IC- Funktion problemlos ermittelt werden Itemschwierigkeit = 50%-Schwelle 65%-Schwelle
79 p X ( ) vi Das dichotome Raschmodell Itemcharakteristische Funktion des dichotomen Raschmodells Entscheidend für die Lösungswahrscheinlichkeit ist die Differenz zwischen der individuellen Merkmalsausprägung θ v und der Schwierigkeit b i des jeweiligen Items i. exp( θ ) v bi = 1 = 1 + exp θ b ( ) v i p(x vi = 1): Wahrscheinlichkeit, das ein Item i von Person v gelöst bzw. im Sinne einer hohen Merkmalsausprägung beantwortet wird, θ v : Merkmalsausprägung der Person v, b i : Schwierigkeit des Items i.
Statistische Auswertung:
Statistische Auswertung: Die erhobenen Daten mittels der selbst erstellten Tests (Surfaufgaben) Statistics Punkte aus dem Punkte aus Surftheorietest Punkte aus dem dem und dem Surftheorietest max.14p.
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrUnivariates Chi-Quadrat-Verfahren für ein dichotomes Merkmal und eine Messwiederholung: Test nach McNemar
Univariates Chi-Quadrat-Verfahren für ein dichotomes Merkmal und eine Messwiederholung: Test nach McNemar Inhaltsverzeichnis Univariates Chi-Quadrat-Verfahren für ein dichotomes Merkmal und eine Messwiederholung:
MehrQM: Prüfen -1- KN16.08.2010
QM: Prüfen -1- KN16.08.2010 2.4 Prüfen 2.4.1 Begriffe, Definitionen Ein wesentlicher Bestandteil der Qualitätssicherung ist das Prüfen. Sie wird aber nicht wie früher nach der Fertigung durch einen Prüfer,
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrW-Rechnung und Statistik für Ingenieure Übung 11
W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik
MehrTipp III: Leiten Sie eine immer direkt anwendbare Formel her zur Berechnung der sogenannten "bedingten Wahrscheinlichkeit".
Mathematik- Unterrichts- Einheiten- Datei e. V. Klasse 9 12 04/2015 Diabetes-Test Infos: www.mued.de Blutspenden werden auf Diabetes untersucht, das mit 8 % in der Bevölkerung verbreitet ist. Dabei werden
MehrWas ist eine Testtheorie? Grundlagen der Item-Response. Response-Theorie. Modelle mit latenten Variablen
Was ist eine Testtheorie? Eine Testtheorie beschäftigt sich also mit dem Zusammenhang zwischen Testverhalten und dem zu erfassenden Merkmal. Testauswertung Persönlichkeitsmerkmal (z.b. Emotionalität, Fähigkeit)
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
MehrLineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3
Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt. Stock, Nordflügel R. 0-49 (Persike) R. 0- (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS 008/009 Fachbereich
MehrEinfache statistische Auswertungen mit dem Programm SPSS
Einfache statistische Auswertungen mit dem Programm SPSS Datensatz: fiktive_daten.sav Dipl. Päd. Anne Haßelkus Dr. Dorothea Dette-Hagenmeyer 11/2011 Überblick 1 Deskriptive Statistiken; Mittelwert berechnen...
MehrDAS PARETO PRINZIP DER SCHLÜSSEL ZUM ERFOLG
DAS PARETO PRINZIP DER SCHLÜSSEL ZUM ERFOLG von Urs Schaffer Copyright by Urs Schaffer Schaffer Consulting GmbH Basel www.schaffer-consulting.ch Info@schaffer-consulting.ch Haben Sie gewusst dass... >
Mehr1.3 Die Beurteilung von Testleistungen
1.3 Die Beurteilung von Testleistungen Um das Testergebnis einer Vp zu interpretieren und daraus diagnostische Urteile ableiten zu können, benötigen wir einen Vergleichsmaßstab. Im Falle des klassischen
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrRepetitionsaufgaben Wurzelgleichungen
Repetitionsaufgaben Wurzelgleichungen Inhaltsverzeichnis A) Vorbemerkungen B) Lernziele C) Theorie mit Aufgaben D) Aufgaben mit Musterlösungen 4 A) Vorbemerkungen Bitte beachten Sie: Bei Wurzelgleichungen
MehrSelbsttest Prozessmanagement
Selbsttest Prozessmanagement Zur Feststellung des aktuellen Status des Prozessmanagements in Ihrem Unternehmen steht Ihnen dieser kurze Test mit zehn Fragen zur Verfügung. Der Test dient Ihrer persönlichen
MehrErfahrungen mit Hartz IV- Empfängern
Erfahrungen mit Hartz IV- Empfängern Ausgewählte Ergebnisse einer Befragung von Unternehmen aus den Branchen Gastronomie, Pflege und Handwerk Pressegespräch der Bundesagentur für Arbeit am 12. November
MehrR ist freie Software und kann von der Website. www.r-project.org
R R ist freie Software und kann von der Website heruntergeladen werden. www.r-project.org Nach dem Herunterladen und der Installation von R kann man R durch Doppelklicken auf das R-Symbol starten. R wird
MehrBerechnung der Erhöhung der Durchschnittsprämien
Wolfram Fischer Berechnung der Erhöhung der Durchschnittsprämien Oktober 2004 1 Zusammenfassung Zur Berechnung der Durchschnittsprämien wird das gesamte gemeldete Prämienvolumen Zusammenfassung durch die
MehrQuickStart. «/ Scores» Kurzanleitung
QuickStart «/ Scores» Kurzanleitung 1. Anwendungsfelder Mit Scores bietet Ihnen onlineumfragen.com eine geniale, exklusive Funktion zur vierfältigen, multivariaten Summierung von antwortabhängigen Punktzahlen.
Mehr1. Einführung 2. 2. Erstellung einer Teillieferung 2. 3. Erstellung einer Teilrechnung 6
Inhalt 1. Einführung 2 2. Erstellung einer Teillieferung 2 3. Erstellung einer Teilrechnung 6 4. Erstellung einer Sammellieferung/ Mehrere Aufträge zu einem Lieferschein zusammenfassen 11 5. Besonderheiten
MehrAUTOMATISIERTE HANDELSSYSTEME
UweGresser Stefan Listing AUTOMATISIERTE HANDELSSYSTEME Erfolgreich investieren mit Gresser K9 FinanzBuch Verlag 1 Einsatz des automatisierten Handelssystems Gresser K9 im Portfoliomanagement Portfoliotheorie
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
MehrStatistik für Studenten der Sportwissenschaften SS 2008
Statistik für Studenten der Sportwissenschaften SS 008 Aufgabe 1 Man weiß von Rehabilitanden, die sich einer bestimmten Gymnastik unterziehen, dass sie im Mittel µ=54 Jahre (σ=3 Jahre) alt sind. a) Welcher
MehrÜbersicht zur Veranstaltung
Übersicht zur Veranstaltung Psychometrie: Teil 1 Itemschwierigkeit Bedeutung der Itemschwierigkeit Bestimmung der Itemschwierigkeit Die Prüfung von Schwierigkeitsunterschieden Trennschärfe Bedeutung der
Mehr4. Erstellen von Klassen
Statistik mit Tabellenkalkulation 4. Erstellen von Klassen Mit einem einfachen Befehl lässt sich eine Liste von Zahlen auf die Häufigkeit der einzelnen Werte untersuchen. Verwenden Sie dazu den Befehl
MehrBiostatistik, WS 2015/2016 Der zwei-stichproben-t-test
1/29 Biostatistik, WS 2015/2016 Der zwei-stichproben-t-test (t-test für ungepaarte Stichproben) Matthias Birkner http://www.staff.uni-mainz.de/birkner/biostatistik1516/ 11.12.2015 2/29 Inhalt 1 t-test
MehrWORKSHOP METHODEN ZUR TEST- UND FRAGEBOGENKONSTRUKTION UND VERFAHREN DER DATENAUSWERTUNG. Prof. Dr. Nadine Spörer
WORKSHOP METHODEN ZUR TEST- UND FRAGEBOGENKONSTRUKTION UND VERFAHREN DER DATENAUSWERTUNG Prof. Dr. Nadine Spörer Gliederung Messmodelle: Status- und Prozessdiagnostik Schulleistungstests und Fragebögen
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
MehrAGROPLUS Buchhaltung. Daten-Server und Sicherheitskopie. Version vom 21.10.2013b
AGROPLUS Buchhaltung Daten-Server und Sicherheitskopie Version vom 21.10.2013b 3a) Der Daten-Server Modus und der Tresor Der Daten-Server ist eine Betriebsart welche dem Nutzer eine grosse Flexibilität
MehrAuswertung JAM! Fragebogen: Deine Meinung ist uns wichtig!
Auswertung JAM! Fragebogen: Deine Meinung ist uns wichtig! Im Rahmen des Projekts JAM! Jugendliche als Medienforscher wurden medienbezogene Lernmodule für den Einsatz an Hauptschulen entwickelt und bereits
MehrKreativ visualisieren
Kreativ visualisieren Haben Sie schon einmal etwas von sogenannten»sich selbst erfüllenden Prophezeiungen«gehört? Damit ist gemeint, dass ein Ereignis mit hoher Wahrscheinlichkeit eintritt, wenn wir uns
MehrIntrinsisch motivierte Mitarbeiter als Erfolgsfaktor für das Ideenmanagement: Eine empirische Untersuchung
Intrinsisch motivierte Mitarbeiter als Erfolgsfaktor für das Ideenmanagement: Eine empirische Untersuchung Bearbeitet von Martina Sümnig Erstauflage 2015. Taschenbuch. 176 S. Paperback ISBN 978 3 95485
MehrErstellen einer Collage. Zuerst ein leeres Dokument erzeugen, auf dem alle anderen Bilder zusammengefügt werden sollen (über [Datei] > [Neu])
3.7 Erstellen einer Collage Zuerst ein leeres Dokument erzeugen, auf dem alle anderen Bilder zusammengefügt werden sollen (über [Datei] > [Neu]) Dann Größe des Dokuments festlegen beispielsweise A4 (weitere
MehrONLINE-AKADEMIE. "Diplomierter NLP Anwender für Schule und Unterricht" Ziele
ONLINE-AKADEMIE Ziele Wenn man von Menschen hört, die etwas Großartiges in ihrem Leben geleistet haben, erfahren wir oft, dass diese ihr Ziel über Jahre verfolgt haben oder diesen Wunsch schon bereits
MehrProfil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8
1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen
MehrMelanie Kaspar, Prof. Dr. B. Grabowski 1
7. Hypothesentests Ausgangssituation: Man muss sich zwischen 2 Möglichkeiten (=Hypothesen) entscheiden. Diese Entscheidung soll mit Hilfe von Beobachtungen ( Stichprobe ) getroffen werden. Die Hypothesen
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
MehrGS-Buchhalter/GS-Office 2015 Saldovorträge in folgenden Wirtschaftsjahren erfassen
GS-Buchhalter/GS-Office 2015 Saldovorträge in folgenden Wirtschaftsjahren erfassen Impressum Business Software GmbH Primoschgasse 3 9020 Klagenfurt Copyright 2014 Business Software GmbH Die Inhalte und
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrLeseprobe. Wilhelm Kleppmann. Versuchsplanung. Produkte und Prozesse optimieren ISBN: 978-3-446-42033-5. Weitere Informationen oder Bestellungen unter
Leseprobe Wilhelm Kleppmann Versuchsplanung Produkte und Prozesse optimieren ISBN: -3-44-4033-5 Weitere Informationen oder Bestellungen unter http://www.hanser.de/-3-44-4033-5 sowie im Buchhandel. Carl
Mehr6.2 Scan-Konvertierung (Scan Conversion)
6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster
MehrMein persönlicher Lerncheck: Einen Bericht schreiben
Arbeitsblatt 4.1 a Mein persönlicher Lerncheck: Einen Bericht schreiben Auf den folgenden Arbeitsblättern überprüfst du, was du im Bereich bereits kannst. Gehe dafür so vor: Bearbeite die Aufgaben (Arbeitsblätter
MehrSUDOKU - Strategien zur Lösung
SUDOKU Strategien v. /00 SUDOKU - Strategien zur Lösung. Naked Single (Eindeutiger Wert)? "Es gibt nur einen einzigen Wert, der hier stehen kann". Sind alle anderen Werte bis auf einen für eine Zelle unmöglich,
MehrEinfache Varianzanalyse für abhängige
Einfache Varianzanalyse für abhängige Stichproben Wie beim t-test gibt es auch bei der VA eine Alternative für abhängige Stichproben. Anmerkung: Was man unter abhängigen Stichproben versteht und wie diese
MehrErweiterung der Aufgabe. Die Notenberechnung soll nicht nur für einen Schüler, sondern für bis zu 35 Schüler gehen:
VBA Programmierung mit Excel Schleifen 1/6 Erweiterung der Aufgabe Die Notenberechnung soll nicht nur für einen Schüler, sondern für bis zu 35 Schüler gehen: Es müssen also 11 (B L) x 35 = 385 Zellen berücksichtigt
MehrMedia Teil III. Begriffe, Definitionen, Übungen
Media Teil III. Begriffe, Definitionen, Übungen Kapitel 1 (Intermedia- Vergleich: Affinität) 1 Affinitätsbewertung als Mittel des Intermedia-Vergleichs Um die Streugenauigkeit eines Werbeträgers zu bestimmen,
MehrDaten sammeln, darstellen, auswerten
Vertiefen 1 Daten sammeln, darstellen, auswerten zu Aufgabe 1 Schulbuch, Seite 22 1 Haustiere zählen In der Tabelle rechts stehen die Haustiere der Kinder aus der Klasse 5b. a) Wie oft wurden die Haustiere
MehrLEITFADEN ZUR SCHÄTZUNG DER BEITRAGSNACHWEISE
STOTAX GEHALT UND LOHN Stollfuß Medien LEITFADEN ZUR SCHÄTZUNG DER BEITRAGSNACHWEISE Stand 09.12.2009 Seit dem Januar 2006 hat der Gesetzgeber die Fälligkeit der SV-Beiträge vorgezogen. So kann es vorkommen,
MehrGrundlagen der Theoretischen Informatik, SoSe 2008
1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)
MehrMETHODENLEHRE I WS 2013/14 THOMAS SCHÄFER
METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER DAS THEMA: INFERENZSTATISTIK IV INFERENZSTATISTISCHE AUSSAGEN FÜR ZUSAMMENHÄNGE UND UNTERSCHIEDE Inferenzstatistik für Zusammenhänge Inferenzstatistik für Unterschiede
MehrInsiderwissen 2013. Hintergrund
Insiderwissen 213 XING EVENTS mit der Eventmanagement-Software für Online Eventregistrierung &Ticketing amiando, hat es sich erneut zur Aufgabe gemacht zu analysieren, wie Eventveranstalter ihre Veranstaltungen
MehrPlotten von Linien ( nach Jack Bresenham, 1962 )
Plotten von Linien ( nach Jack Bresenham, 1962 ) Ac Eine auf dem Bildschirm darzustellende Linie sieht treppenförmig aus, weil der Computer Linien aus einzelnen (meist quadratischen) Bildpunkten, Pixels
Mehr1 PIVOT TABELLEN. 1.1 Das Ziel: Basisdaten strukturiert darzustellen. 1.2 Wozu können Sie eine Pivot-Tabelle einsetzen?
Pivot Tabellen PIVOT TABELLEN. Das Ziel: Basisdaten strukturiert darzustellen Jeden Tag erhalten wir umfangreiche Informationen. Aber trotzdem haben wir oft das Gefühl, Entscheidungen noch nicht treffen
MehrDie Größe von Flächen vergleichen
Vertiefen 1 Die Größe von Flächen vergleichen zu Aufgabe 1 Schulbuch, Seite 182 1 Wer hat am meisten Platz? Ordne die Figuren nach ihrem Flächeninhalt. Begründe deine Reihenfolge. 1 2 3 4 zu Aufgabe 2
MehrLernerfolge sichern - Ein wichtiger Beitrag zu mehr Motivation
Lernerfolge sichern - Ein wichtiger Beitrag zu mehr Motivation Einführung Mit welchen Erwartungen gehen Jugendliche eigentlich in ihre Ausbildung? Wir haben zu dieser Frage einmal die Meinungen von Auszubildenden
Mehr1: 9. Hamburger Gründerpreis - Kategorie Existenzgründer - 08.09.2010 19:00 Uhr
1: 9. Hamburger Gründerpreis - Kategorie Existenzgründer - Sehr geehrter Herr Bürgermeister, sehr geehrter Herr Dr. Vogelsang, sehr geehrter Herr Strunz, und meine sehr geehrte Damen und Herren, meine
MehrÜberblick über die Verfahren für Ordinaldaten
Verfahren zur Analyse ordinalskalierten Daten 1 Überblick über die Verfahren für Ordinaldaten Unterschiede bei unabhängigen Stichproben Test U Test nach Mann & Whitney H Test nach Kruskal & Wallis parametrische
Mehr90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft
Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte
MehrPsychologie im Arbeitsschutz
Fachvortrag zur Arbeitsschutztagung 2014 zum Thema: Psychologie im Arbeitsschutz von Dipl. Ing. Mirco Pretzel 23. Januar 2014 Quelle: Dt. Kaltwalzmuseum Hagen-Hohenlimburg 1. Einleitung Was hat mit moderner
MehrAnleitung Scharbefragung
Projekt Evaline Anleitung Scharbefragung v.1.2 Inhalt Anleitung Scharbefragung... 1 1 Einleitung... 2 1.1 Vorlagen... 2 1.2 Journal... 2 2 Befragung Veranstaltungen / Angebote... 3 2.1 Methode... 3 2.2
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de
MehrMean Time Between Failures (MTBF)
Mean Time Between Failures (MTBF) Hintergrundinformation zur MTBF Was steht hier? Die Mean Time Between Failure (MTBF) ist ein statistischer Mittelwert für den störungsfreien Betrieb eines elektronischen
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
MehrTutorial: Homogenitätstest
Tutorial: Homogenitätstest Eine Bank möchte die Kreditwürdigkeit potenzieller Kreditnehmer abschätzen. Einerseits lebt die Bank ja von der Vergabe von Krediten, andererseits verursachen Problemkredite
MehrAnleitung über den Umgang mit Schildern
Anleitung über den Umgang mit Schildern -Vorwort -Wo bekommt man Schilder? -Wo und wie speichert man die Schilder? -Wie füge ich die Schilder in meinen Track ein? -Welche Bauteile kann man noch für Schilder
MehrDas Vermögen der privaten Haushalte in Nordrhein-Westfalen ein Überblick auf der Basis der Einkommens- und Verbrauchsstichprobe
Sozialberichterstattung NRW. Kurzanalyse 02/2010 09.07.2010 12.07.2010 Das Vermögen der privaten Haushalte in Nordrhein-Westfalen ein Überblick auf der Basis der Einkommens- und Verbrauchsstichprobe 2008
MehrCharakteristikum des Gutachtenstils: Es wird mit einer Frage begonnen, sodann werden die Voraussetzungen Schritt für Schritt aufgezeigt und erörtert.
Der Gutachtenstil: Charakteristikum des Gutachtenstils: Es wird mit einer Frage begonnen, sodann werden die Voraussetzungen Schritt für Schritt aufgezeigt und erörtert. Das Ergebnis steht am Schluß. Charakteristikum
MehrGleichungen Lösen. Ein graphischer Blick auf Gleichungen
Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term
MehrB 2. " Zeigen Sie, dass die Wahrscheinlichkeit, dass eine Leiterplatte akzeptiert wird, 0,93 beträgt. (genauerer Wert: 0,933).!:!!
Das folgende System besteht aus 4 Schraubenfedern. Die Federn A ; B funktionieren unabhängig von einander. Die Ausfallzeit T (in Monaten) der Federn sei eine weibullverteilte Zufallsvariable mit den folgenden
MehrAbschlußbericht der Fachkonferenzen Deutsch / Englisch/Mathematik mit der Auswertung der Erfahrungen der Lernstandserhebung 2008.
Abschlußbericht der Fachkonferenzen Deutsch / Englisch/Mathematik mit der Auswertung der Erfahrungen der Lernstandserhebung 2008. Zusammen gefasst von D.Baer (Mittelstufenkoordinator) Einhard Gymnasium
MehrMehr Geld verdienen! Lesen Sie... Peter von Karst. Ihre Leseprobe. der schlüssel zum leben. So gehen Sie konkret vor!
Peter von Karst Mehr Geld verdienen! So gehen Sie konkret vor! Ihre Leseprobe Lesen Sie...... wie Sie mit wenigen, aber effektiven Schritten Ihre gesteckten Ziele erreichen.... wie Sie die richtigen Entscheidungen
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrStatistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005
Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005 Aufgabe 1: Grundzüge der Wahrscheinlichkeitsrechnung 19 P. Als Manager eines großen
MehrUmfrage in den 5er-Klassen zu Hausaufgaben in den Nebenfächern im Schuljahr 2014/15
Umfrage in den 5er-Klassen zu Hausaufgaben in den Nebenfächern im Schuljahr /5 Ausgangsituation Beim letzten offenen Gesprächsabend im Schuljahr /5 wurde von Eltern aus 5er Klassen beanstandet, dass nicht
MehrWas bedeutet Inklusion für Geschwisterkinder? Ein Meinungsbild. Irene von Drigalski Geschäftsführerin Novartis Stiftung FamilienBande.
Was bedeutet Inklusion für Geschwisterkinder? unterstützt von Ein Meinungsbild - Irene von Drigalski Geschäftsführerin Novartis Stiftung FamilienBande Haben Sie Kontakt zu Geschwistern schwer chronisch
MehrEinführung in statistische Analysen
Einführung in statistische Analysen Andreas Thams Econ Boot Camp 2008 Wozu braucht man Statistik? Statistik begegnet uns jeden Tag... Weihnachten macht Deutschen Einkaufslaune. Im Advent überkommt die
MehrErfolg beginnt im Kopf
Erfolg beginnt im Kopf Wie Sie ausgeglichen bleiben und Ihre Ziele einfacher erreichen 8. VR-Unternehmerforum AGRAR Die Ausgangslage Am Markt 6 49406 Barnstorf Am Markt 6 49406 Barnstorf Alles verändert
MehrHandbuch. NAFI Online-Spezial. Kunden- / Datenverwaltung. 1. Auflage. (Stand: 24.09.2014)
Handbuch NAFI Online-Spezial 1. Auflage (Stand: 24.09.2014) Copyright 2016 by NAFI GmbH Unerlaubte Vervielfältigungen sind untersagt! Inhaltsangabe Einleitung... 3 Kundenauswahl... 3 Kunde hinzufügen...
MehrRundung und Casting von Zahlen
W E R K S T A T T Rundung und Casting von Zahlen Intrexx 7.0 1. Einleitung In diesem Werkstattbeitrag erfahren Sie, wie Zahlenwerte speziell in Velocity, aber auch in Groovy, gerundet werden können. Für
Mehr50 Fragen, um Dir das Rauchen abzugewöhnen 1/6
50 Fragen, um Dir das Rauchen abzugewöhnen 1/6 Name:....................................... Datum:............... Dieser Fragebogen kann und wird Dir dabei helfen, in Zukunft ohne Zigaretten auszukommen
MehrMeinungen der Bürgerinnen und Bürger in Hamburg und Berlin zu einer Bewerbung um die Austragung der Olympischen Spiele
Meinungen der Bürgerinnen und Bürger in Hamburg und Berlin zu einer Bewerbung um die Austragung der Olympischen Spiele 4. März 2015 q5337/31319 Le forsa Politik- und Sozialforschung GmbH Büro Berlin Schreiberhauer
MehrInhalt Übersicht über die Testverfahren... 3 Deutsch: Lesen... 4 Klasse 3... 4 Kompetenzbereiche... 4 Aufgabenbeispiele... 4 Klasse 4...
Testübersicht Inhalt Übersicht über die Testverfahren... 3 Deutsch: Lesen... 4 Klasse 3... 4 Kompetenzbereiche... 4 Aufgabenbeispiele... 4 Klasse 4... 6 Kompetenzbereiche... 6 Aufgabenbeispiele... 6 Klasse
MehrV 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,
Aufgabenpool für angewandte Mathematik / 1. Jahrgang V B, C, D Drinks Ein gastronomischer Betrieb kauft 300 Dosen Energydrinks (0,3 l) und 400 Liter Flaschen Mineralwasser und zahlt dafür 50, Euro. Einen
MehrDie Bedeutung der Kinder für ihre alkoholabhängigen Mütter
anlässlich des 25. Kongresses des Fachverbandes Sucht e.v. Meilensteine der Suchtbehandlung Jana Fritz & Irmgard Vogt Institut für Suchtforschung FH FFM Forschungsprojekte des Instituts für Suchtforschung
MehrDatenaufbereitung in SPSS. Daten zusammenfügen
Daten zusammenfügen I. Fälle hinzufügen Diese Schritte müssen Sie unternehmen, wenn die Daten in unterschiedlichen Dateien sind; wenn also die Daten von unterschiedlichen Personen in unterschiedlichen
MehrR. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007
R. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007 SG15/25D NAME: Lösungen 1. In einer Packung sind Glühbirnen, davon sind zwei
MehrRisikodiversifikation. Birgit Hausmann
diversifikation Birgit Hausmann Übersicht: 1. Definitionen 1.1. 1.2. diversifikation 2. messung 2.1. messung im Überblick 2.2. Gesamtaktienrisiko und Volatilität 2.3. Systematisches und Betafaktor 2.4.
MehrBedienungsanleitung Anlassteilnehmer (Vereinslisten)
Bedienungsanleitung Anlassteilnehmer Dieses Programm ist speziell für Vereine entworfen. Es ist lizenzfrei verwendbar und gratis. Das Programm ist mit Excel 2010 erstellt worden und enthält VBA Programmierungen,
MehrZeit lässt sich nicht wie Geld für schlechte Zeiten zur Seite legen. Die Zeit vergeht egal, ob genutzt oder ungenutzt.
Zeitmanagement Allgemeine Einleitung Wie oft haben Sie schon gehört Ich habe leider keine Zeit? Und wie oft haben Sie diesen Satz schon selbst gesagt? Wahrscheinlich nahezu jeden Tag. Dabei stimmt der
MehrWas meinen die Leute eigentlich mit: Grexit?
Was meinen die Leute eigentlich mit: Grexit? Grexit sind eigentlich 2 Wörter. 1. Griechenland 2. Exit Exit ist ein englisches Wort. Es bedeutet: Ausgang. Aber was haben diese 2 Sachen mit-einander zu tun?
MehrElektrischer Widerstand
In diesem Versuch sollen Sie die Grundbegriffe und Grundlagen der Elektrizitätslehre wiederholen und anwenden. Sie werden unterschiedlichen Verfahren zur Messung ohmscher Widerstände kennen lernen, ihren
MehrDer Tag hat 24 Stunden. Bitte schreibt in die linke Spalte alles auf, was ihr gestern getan habt und euch noch einfällt: War es ein stressiger
Workshop pädagogische Tage JCBS in Sechselberg 2011 Zeitmanagement in der Schule I. Zeit- wo gehst du hin? Der Tag hat 24 Stunden. Bitte schreibt in die linke Spalte alles auf, was ihr gestern getan habt
MehrVarianzanalyse (ANOVA: analysis of variance)
Varianzanalyse (AOVA: analysis of variance) Einfaktorielle VA Auf der Basis von zwei Stichproben wird bezüglich der Gleichheit der Mittelwerte getestet. Variablen müssen Variablen nur nominalskaliert sein.
MehrStatistik I für Betriebswirte Vorlesung 11
Statistik I für Betriebswirte Vorlesung 11 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 22. Juni 2012 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrL10N-Manager 3. Netzwerktreffen der Hochschulübersetzer/i nnen Mannheim 10. Mai 2016
L10N-Manager 3. Netzwerktreffen der Hochschulübersetzer/i nnen Mannheim 10. Mai 2016 Referentin: Dr. Kelly Neudorfer Universität Hohenheim Was wir jetzt besprechen werden ist eine Frage, mit denen viele
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
Mehr