Einführung in die Kovarianzanalyse (ANCOVA)
|
|
- Mathilde Kohl
- vor 8 Jahren
- Abrufe
Transkript
1 Arbeitsunterlage Einführung in die Kovarianzanalyse (ANCOVA) ARGE-Bildungsforschung
2 2 Einführung in die Kovarianzanalyse (ANCOVA) 1 Die Varianzanalyse ist ein Verfahren, das die Wirkung einer (oder mehrerer) unabhängiger Variable auf eine (oder mehrere) abhängige Variable untersucht. Für die unabhängige Variable wird dabei lediglich Nominalskalierung verlangt, während die abhängige Variable metrisches Skalenniveau aufweisen muss. Die Varianzanalyse ist das wichtigste Analyseverfahren zur Auswertung von Experimenten. Typische Anwendungsbeispiele sind: - Verbessern Brain-Gym-Übungen aus dem Programm der Edu-Kinestetik die Konzentrationsfähigkeit von Volksschülern? - Unterscheiden sich die Englischleistungen von Buben und Mädchen in Stadthauptschulen, Landhauptschulen und Gymnasien? - Haben attraktive Zusatzangebote von Schulen einen Einfluss auf das von Schülern wahrgenommene Sozialklima, die Schulleistungen, sowie die Elternzufriedenheit? Gemeinsam ist allen Beispielen, dass ihnen eine Vermutung über die Wirkungsrichtung der Variablen zugrunde liegt. Wie in der Regressionsanalyse, die einen Erklärungszusammenhang der Art Y = f(x 1, X 2,, X J ) über metrische Variable herstellt, formuliert auch die Varianzanalyse einen solchen Zusammenhang, allein mit dem Unterschied, dass die Variablen X 1, X 2,, X J nominal skaliert sein dürfen. Die Beispiele verdeutlichen dies. So nimmt man im ersten Beispiel an, dass ein bestimmtes Treatment als unabhängige Variable mit den beiden Ausprägungen Übungsprogramm und kein Übungsprogramm einen Einfluss auf die Konzentrationsfähigkeit hat. Die Ausprägungen der unabhängigen Variablen beschreiben dabei stets alternativ Zustände. Demgegenüber ist die abhängige Variable, hier die Konzentrationsfähigkeit metrisch skaliert. Gemeinsam ist weiterhin allen Anwendungsbeispielen, dass sie experimentelle Situationen beschreiben: Feldexperimente im zweiten und dritten Beispiel, ein Laborexperiment im ersten Beispiel. Die Varianzanalyse ist das klassische Verfahren zur Analyse von Experimenten mit Variablen des bezeichneten Skalenniveaus. Die genannten Beispiele unterscheiden sich durch die Zahl der Variablen. So wird im ersten Beispiel die Wirkung einer unabhängigen Variablen (Treatment) auf eine abhängige Variable (Konzentrationsfähigkeit) untersucht. Im zweiten Beispiel wird demgegenüber die Wirkung von zwei unabhängigen Variablen (Schulart und Geschlecht) auf eine abhängige Variable (Englischleistungen) analysiert. Im dritten Beispiel gilt das Interesse ausschließlich der Wirkung einer unabhängigen Variablen (attraktive Zusatzangebote) auf drei abhängige Variablen (Sozialklima, Schulleistungen, Elternzufriedenheit). Die unabhängigen Variablen werden als Faktoren bezeichnet, die einzelnen Ausprägungen als Faktorstufen. Die Typen der Varianzanalyse lassen sich nach der Zahl der Faktoren differenzieren. Wenn eine abhängige Variable und eine unabhängige gegeben sind, spricht man von einfaktorieller, entsprechend bei zwei unabhängigen von zweifaktorieller Varianzanalyse usw. Bei mehr als einer abhängigen Variablen spricht man von mehrdimensionaler (multivariater) Varianzanalyse. 1 Textteile entnommen aus: BACKHAUS, Klaus, ERICHSON, Bernd, PLINKE, Wulff, WEIBER, Rolf (2008): Multivariate Analysemethoden. Eine anwendungsorientierte Einführung (12., vollst. überarb. Auflage). Berlin: Springer, S
3 3 Exemplarisches Beispiel Problem Der Leiter einer Supermarktkette will die Wirkung verschiedener Arten der Warenplatzierung überprüfen. Er wählt dazu Margarine in der Becherverpackung aus, wobei ihm drei Möglichkeiten der Regalplatzierung offen stehen: - Platzierung im Normalregal der Frischwarenabteilung - Platzierung im Normalregal der Frischwarenabteilung und Zweitplatzierung im Fleischmarkt - Platzierung im Kühlregal der Frischwarenabteilung Anschließend wird folgendes experimentelle Design entworfen: Aus den insgesamt vorhandenen Supermärkten werden drei weitgehend vergleichbare Supermärkte des Unternehmens ausgewählt, die sich durch unterschiedliche Präsentation von Margarine unterscheiden. In einem Zeitraum von 5 Tagen wird in jedem der drei Supermärkte jeweils eine Form der Margarine-Präsentation durchgeführt. Die Auswirkungen der Maßnahmen werden jeweils in der Größe kg Margarineabsatz pro Kassenvorgänge erfasst. Die folgende Tabelle zeigt die Ergebnisse der Datenerhebung: Platzierung in 3 Supermärkten Montag Dienstag Mittwoch Donnerstag Freitag Normalregal Zweitplatzierung Kühlregal Aufgabe 1 1. Definieren Sie für das o.a. Problem eine passende Datenmatrix in SPSS. 2. Tragen Sie die Daten der Tabelle ein. 3. Berechnen Sie die Mittelwerte (gesamt und getrennt nach Platzierung). Lösung Sie erhalten drei Teilstichproben mit jeweils genau fünf Beobachtungswerten; die Teilstichproben haben also den gleichen Umfang. Es fällt ins Auge, dass die drei Supermärkte unterschiedliche Erfolge im Margarineabsatz aufweisen. Die Mittelwerte zeigt folgende Tabelle: Platzierung der Margarine Mittelwert der Absatzmenge Normalregal 43,40 Zweitplatzierung 64,40 Kühlregal 52,20 Gesamt 53,33 Der Leiter des Unternehmens will nun wissen, ob die unterschiedlichen Absatzergebnisse in den drei Supermärkten auf die Variation der Warenplatzierung zurückzuführen sind. Nehmen wir zur Vereinfachung an, dass keine Einflussgrößen von außen (d. h. außerhalb der experimentellen Anordnung, wie z. B. Preiseinflüsse, Konkurrenzeinflüsse, Standorteinflüsse) das Ergebnis mitbestimmt haben. Dann dürften, wenn kein Einfluss der Art der Warenplatzierung auf den Absatz bestünde, auch keine größeren Unterschiede zwischen den Mittelwerten der
4 4 drei Supermärkte auftreten. Umgekehrt kann bei Vorliegen von Mittelwertunterschieden auf das Wirksamwerden der unterschiedlichen Warenplatzierung geschlossen werden. Platzierung in 3 Supermärkten Montag Dienstag Mittwoch Donnerstag Freitag Mittelwert Normalregal ,40 Zweitplatzierung ,40 Kühlregal ,20 Streuung der Beobachtungswerte Nun zeigen die einzelnen Beobachtungswerte, dass sie deutlich um den Mittelwert je Supermarkt streuen. Diese Streuung ist allein auf andere absatzwirksame Einflussgrößen als die Warenplatzierung zurückzuführen. Absatzmenge 80 kg pro 1000 Kassenvorgänge Zweitplatzierung Kühlregal Normalregal Tag Streng genommen muss die vereinfachende Annahme keine Einflussgrößen von außen also genauer formuliert werden: Es gibt Einflüsse von außen, jedoch geht die Varianzanalyse davon aus, dass diese Einflüsse bis auf zufällige Abweichungen in allen drei Supermärkten gleich sind. Wenn nun der Frage nachgegangen wird, ob die Warenplatzierung einen signifikanten Einfluss auf den Absatz hat, dann müssen die im Modell nicht erfassten Einflüsse von den im Modell erfassten Einflüssen getrennt werden. Dies geschieht, indem gefragt wird, ob sich ein bestimmter Beobachtungswert, z. B. der Wert y 11 = 47, zufällig (d.h. nur durch nicht erfasste äußere Einflüsse erklärt) oder systematisch (d.h. durch die Warenplatzierung erklärt) vom Gesamtmittelwert 53,33 unterscheidet. Wenn die im Modell nicht erfassten Einflüsse sich in allen drei Supermärkten bis auf zufällige Abweichungen gleich stark auswirken, dann drückt sich in den Abweichungen der Mittelwerte je Supermarkt vom Gesamtmittelwert die untersuchte Einflussgröße Warenplatzierung aus.
5 5 Grafische Erläuterung Die obige Grafik lässt sich auch so interpretieren: Der Prognosewert für den Margarineabsatz ist y M, wenn kein Einfluss der Warenplatzierung vorhanden wäre. Nimmt man einen Einfluss der Warenplatzierung auf den Absatz an, dann ist der Prognosewert für den Margarineabsatz je nach Art der Platzierung y 1, y 2 oder y 3. Die Abweichungen vom Prognosewert sind auf zufällige äußere Einflüsse zurückzuführen und somit nicht erklärt. Die Gesamtabweichung der Mittelwerte lässt sich also in zwei Komponenten zerlegen (sog. Streuungszerlegung! Varianzanalyse): Gesamtabweichung = erklärte Abweichung + nicht erklärte Abweichung Analyse der Abweichungsquadrate (Quadrate der Abweichungen vom Mittelwert) Diese Zerlegung der Gesamtabweichung je Beobachtung lässt sich in der Varianzanalyse auf die Summe der Gesamtabweichungen aller Beobachtungen übertragen (SS = sum of squares). Gesamtabweichung = erklärte Abweichung + nicht erklärte Abweichung Summe der quadrierten Gesamtabweichungen = Summe der quadrierten Abweichungen zwischen den Faktorstufen + Summe der quadrierten Abweichungen innerhalb der Faktorstufen SS t(otal) = SS b(etween) + SS w(ithin) Die Quadratsumme der Abweichungen als Maß für die Streuung wird um so größer, je größer die Zahl der Einzelwerte ist. Um eine aussagefähigere Schätzgröße für die Streuung zu erhalten, wird die SS durch die Zahl der Einzelwerte vermindert um 1 geteilt. Somit erhält man die Varianz, die unabhängig von der Zahl der Beobachtungswerte ist. Allgemein ist die (empirische) Varianz definiert als mittlere quadratische Abweichung (MS mean sum of squares ): Varianz MS = SS Zahl der Beobachtungen 1
6 6 Freiheitsgrade Die Größe im Nenner ist die Zahl der Freiheitsgrade df (degrees of freedom). Der Wert ergibt sich aus der Zahl der Beobachtungswerte vermindert um 1, weil der Mittelwert, von dem die Abweichungen berechnet wurden, aus den Beobachtungswerten selbst errechnet wurde. Demnach lässt sich immer einer der Beobachtungswerte aus den anderen Beobachtungswerten und dem geschätzten Mittelwert errechnen, d.h. er ist nicht mehr frei. So wie die Gesamtquadratsumme in SS b und SS w aufgeteilt wurde, können auch die Freiheitsgrade aufgeteilt werden. In unserem Beispiel haben wir 3 Faktorstufen mit je 5 Beobachtungen, d.h. 15 Beobachtungen insgesamt. df t ist demnach 15 1 = 14. Da nun jede Faktorstufe 5 Beobachtungen enthält, von denen nur 5 1 frei variieren können, ergeben sich bei drei Faktorstufen 3 (5 1) Freiheitsgrade. Der Wert für df w ist demnach 12. Bei 3 vorhandenen Faktorstufenmittelwerten können nur 3 1 frei variieren. Demnach ist df b = 2. Mit Hilfe der verschiedenen Freiheitsgrade können nun die Varianzen (a) zwischen den Faktorstufen und (b) innerhalb der Faktorstufen sowie (c) die Gesamtvarianz bestimmt werden. Ausgehend von den bisher gesetzten vereinfachenden Annahmen über das Wirksamwerden von den im Modell erfassten und von den im Modell nicht erfassten Einflussgrößen kann nun gefolgert werden, dass SS b von der Warenplatzierung und SS w von den nicht erfassten Einflüssen bestimmt wird. Ein Vergleich beider Größen kann Auskunft über die Bedeutung der unabhängigen Variablen im Vergleich zu den nicht erfassten Einflüssen geben. Wenn bei gegebener Gesamtvarianz (MS t(otal) ) MS w Null wäre, dann könnte gefolgert werden, dass MS t allein durch die experimentelle Variable erklärt wird. Je größer MS w ist, desto geringer muss gemäß dem Grundprinzip der Streuungszerlegung (SS t = SS b + SS w ) der Erklärungsanteil der experimentellen Variablen sein. Je größer demnach MS b im Verhältnis zu MS w ist, desto eher ist eine Wirkung der unabhängigen Variablen anzunehmen. Aufgabe 2 1. Führen Sie im SPSS mit den Daten aus Aufgabe 1 eine Varianzanalyse durch. 2. Berechnen Sie die Effektgröße (Eta-Quadrat). 3. Interpretieren Sie die Ergebnisse. Lösung Abhängige Variable: Absatzmenge Margarine Quelle Quadratsumme vom Typ III df Mittel der Quadrate F Signifikanz Partielles Eta-Quadrat Korrigiertes Modell 1112,133 a 2 556,067 38,087,000,864 Konstanter Term 42666, , ,374,000,996 REGAL 1112, ,067 38,087,000,864 Fehler 175, ,600 Gesamt 43954, Korrigierte Gesamtvariation 1287, a. R-Quadrat =,864 (korrigiertes R-Quadrat =,841) In unserem Beispiel übersteigt MS b = 556,07 den Wert für MS w = 14,6 erheblich, so dass ein Einfluss der unabhängigen Variablen Warenplatzierung vermutet werden kann. Die ermittelten mittleren quadratischen Abweichungen zwischen den und innerhalb der Faktorstufen können also dahingehend interpretiert werden, dass ein Einfluss des Faktors Warenplatzierung vermutet werden kann. Um diese interpretierende Aussage über die Wirkung des Faktors statistisch prüfen zu können, werden MS b und MS w in folgende Beziehung gesetzt:
7 7 F emp = MS MS b w (empirischer F-Wert) = 556,067 14,6 = 38,087 Den Maßstab zur Beurteilung des empirischen F-Wertes bildet die theoretische F-Verteilung. Die F-Verteilung oder FISHER-Verteilung (nach Ronald Aylmer FISHER) ist die Wahrscheinlichkeitsverteilung einer stetigen Zufallsvariable n und ergibt sich als Quotient zweier Chi- Quadrat-verteilter Zufallsvariablen. Sie besitzt zwei unabhängige Freiheitsgrade als Parameter und bildet so selbst eine zwei-parameter-verteilungsfamilie. Als Test wird die F-Verteilung verwendet, um festzustellen, ob die Grundgesamtheiten zweier oder mehrerer Stichproben die gleiche Varianz haben (Varianzanalyse). Ausgangspunkt der Prüfung ist die Nullhypothese (H o ): Es bestehen bezüglich des Margarineabsatzes keine Unterschiede in der Wirkung durch die Art der Warenplatzierung. Die Alternativhypothese H 1 lautet: Es besteht bezüglich des Margarineabsatzes ein Unterschied in den Wirkungen alternativer Arten der Warenplatzierung. Die Prüfung erfolgt anhand eines Vergleichs des empirischen F-Wertes mit dem theoretischen F-Wert lt. Tabelle. Die Tabelle der theoretischen F-Werte zeigt für jeweilige Vertrauenswahrscheinlichkeit einen Prüfwert. Seine Höhe hängt von der Zahl der Freiheitsgrade im Zähler und von der Zahl der Freiheitsgrade im Nenner ab. Die Ermittlung des theoretischen F-Wertes in unserem Beispiel führt zu df = 2 im Zähler und df = 12 im Nenner, d.h. zu dem theoretischen Wert 6, 93 (muss in einer Tabelle nachgeschlagen werden). Empirischer und theoretischer F-Wert werden verglichen. Ist der empirische Wert größer als der theoretische, dann kann die Nullhypothese verworfen werden, d.h. es kann ein Einfluss des Faktors gefolgert werden. Theoretische F-Werte werden üblicherweise für Vertrauenswahrscheinlichkeiten von 90%, 95% und 99% in Tabellenform aufbereitet. Die materielle Bedeutung der Vertrauenswahrscheinlichkeiten ist die Erfassung der grundsätzlich verbleibenden Restunsicherheit, dass eine Wirkung der unabhängigen Variablen angenommen wird, obwohl tatsächlich der Einfluss nur zufälliger Natur ist.
8 8 Im Beispiel überschreitet der empirische F-Wert von 38,09 den theoretischen 2 von 6,93 erheblich, so dass im Rahmen der gesetzten Annahmen die Nullhypothese verworfen, d.h. (mit einer Vertrauenswahrscheinlichkeit von 99 %) der Schluss gezogen werden kann, dass die Platzierung Einfluss auf die Absatzmenge hat. SPSS gibt die Irrtumswahrscheinlichkeit (α-fehler, Fehler 1. Art) an, mit der man sich irrt, wenn man die Alternativhypothese H 1 annimmt, obwohl in der Wirklichkeit die Nullhypothese H 0 gilt. In unserem Beispiel ist die Signifikanz p < 0,001. Somit kann von einem signifikanten (bedeutsamen) statistischen Unterschied zwischen den 3 Platzierungen der Margarine hinsichtlich der Absatzmenge ausgegangen werden. Die Effektgröße wird bei der nächsten Aufgabe behandelt. Zweifaktorielle Varianzanalyse Problem Der Leiter der Supermarktkette will nicht nur wissen welchen Einfluss (1) die Warenplatzierung auf den Absatz hat, sondern auch, ob (2) die Verpackungsart den Absatz mitbestimmt. Dazu wird das Experiment erweitert. Bei drei Platzierungsarten und zwei Verpackungsarten ( Becher und Papier ) ergeben sich genau 3 x 2 experimentelle Kombinationen der Faktorstufen. Dies ist daher ein 3x2-faktorielles Design. Die notwendige Zahl von Teilstichproben im Experiment erhöht sich also auf sechs. Demnach werden sechs annähernd gleiche Supermärkte ausgesucht und wiederum wird die vereinfachende Annahme gesetzt, dass mögliche äußere Einflüsse bis auf Zufallsabweichungen jeweils einen gleich starken Einfluss auf die 6 Teilstichproben haben. Folgende Absatzmengen in kg pro Kassenvorgängen in sechs Supermärkten wurden erhoben: Platzierung Normalregal Zweitplatzierung Kühlregal Tag Verpackung Becher Papier In einer F-Werte-Tabelle würde man bei einem Signifikanzniveau von 1 % und bei 2 Freiheitsgraden im Zähler und 12 Freiheitsgraden im Nenner den theoretischen F-Wert von 6,93 ablesen können.
9 9 Aufgabe 3 1. Erweitern Sie Ihre SPSS-Datei mit den in der o.a. Tabelle stehenden Daten. 2. Suchen Sie Antworten auf die drei Fragen: (a) Hat die Warenplatzierung Einfluss auf den Absatz? Wie groß ist der Effekt? (b) Hat die Verpackung Einfluss auf den Absatz? Wie groß ist der Effekt? (c) Besteht eine Wechselwirkung zwischen Verpackung und Warenplatzierung? Wie groß ist der Effekt? Lösung Die Fragestellung der Varianzanalyse ist im faktoriellen Design gegenüber der einfachen Varianzanalyse erweitert. Zunächst werden die beiden Faktoren betrachtet. Falls für jede Kombination von Faktorausprägungen mehr als eine Beobachtung vorliegt (K > 1), erlaubt die zweifaktorielle Varianzanalyse gegenüber der einfaktoriellen zusätzlich die Erfassung des gleichzeitigen Wirksamwerdens zweier Faktoren, indem das Vorliegen von Wechselwirkungen (Interaktionen) zwischen den Faktoren getestet wird. So mag beispielsweise die Vermutung gerechtfertigt erscheinen, dass der durchschnittliche Absatz von Margarine in Becherform anders auf die Variation der Platzierung reagiert als die Papierverpackung, etwa, weil ein Weichwerden der Margarine im Normalregal eher auffällt als im Kühlregal. Eine einfache und sehr anschauliche Methode, das Vorhandensein von Interaktion zu prüfen ist ein Plot der Faktorstufenmittelwerte. Keine Interaktionen liegen vor, wenn die Verbindungslinien der Mittelwerte (die hier nur zur Verdeutlichung eingezeichnet sind) parallel laufen. Nichtparallele Verläufe sind ein klares Indiz für das Vorhandensein und die Stärke von Interaktionen. Im vorliegenden Fall bietet sich ein Anhaltspunkt für eine schwache Interaktion von Verpackung und Platzierung, da der Wirkungsunterschied zwischen Becher und Papier im Kühlregal im Analyseergebnis nahezu verschwindet, möglicherweise, weil dort von den Käufern ein Unterschied nicht wahrgenommen wird.
10 10 Analyse der Abweichungsquadrate (Quadrate der Abweichungen vom Mittelwert) Die Absatzmenge wird bestimmt vom (1) Einfluss des Faktors Platzierung, (2) Einfluss des Faktors Verpackungsart, (3) Einfluss der Interaktion zwischen den beiden Faktoren sowie (4) Zufallseffekt nicht kontrollierter Einflüsse. Die Gesamtstreuung teilt sich im zweifaktoriellen Design folgendermaßen auf: Gesamtstreuung SS t Streuung zwischen den Gruppen SS b (4) Streuung innerhalb der Gruppen SS w (1) Streuung durch Platzierung SS A (2) Streuung durch Verpackung SS B (3) Streuung durch Wechselwirkung von Platzierung und Verpackung SS AxB Berechnung mit SPSS Anzahl der Fälle je Faktorstufe: Faktoren Faktorstufen N Verpackungsart Becher 15 Papier 15 Platzierung Normalregal 10 Zweitplatzierung 10 Kühlregal 10 Abhängige Variable: Absatzmenge Quelle Quadratsumme Mittel der Partielles df F Signifikanz vom Typ III Quadrate Eta-Quadrat Korrigiertes Modell 2233,500 a 5 446,700 45,045,000,904 Konstanter Term 76507, , ,042,000,997 VERPACK 240, ,833 24,286,000,503 REGAL 1944, ,100 98,027,000,891 VERPACK * REGAL 48, ,233 2,444,108,169 Fehler 238, ,917 Gesamt 78979, Korrigierte Gesamtvariation 2471, a. R-Quadrat =,904 (korrigiertes R-Quadrat =,884) Varianzzerlegung SS t (Gesamtstreuung) = 2471,5 SS A (Streuung erklärt durch Platzierung Haupteffekt Platzierung) = 1944,2 SS B (Streuung erklärt durch Verpackung Haupteffekt Verpackung) = 240,833 SS AxB (Streuung erklärt durch Wechselwirkung Interaktionseffekt) = 48,467 SS w (Reststreuung, innerhalb der Zellen) = 238,0 SS b (Abweichungen zwischen den Gruppenmitteln und dem Gesamtmittel) = 2233,5
11 11 Die Gesamtstreuung teilt sich im konkreten zweifaktoriellen Design folgendermaßen auf: Gesamtstreuung SS t = 2471,5 Streuung zwischen den Gruppen SS b = 2233,5 Streuung innerhalb der Gruppen SS w = 238,0 Streuung durch Platzierung SS A = 1944,2 Streuung durch Verpackung SS B = 240,833 Streuung durch Wechselwirkung von Platzierung und Verpackung SS AxB = 48,467 Die empirischen Varianzen (MS = mean (sum of) squares, mittlere quadratische Abweichung) werden berechnet, indem die Streuungen durch die Zahl der Freiheitsgrade dividiert werden: 1944,2 MS Regal = = 972,1 2 Die Ermittlung des empirischen F-Wertes erfolgt durch Division der MS der betrachteten Faktoren durch die MS der Reststreuung: 972,1 F = = 98,027 9,917 Übersteigt der empirische F-Wert den theoretischen F-Wert, kann die Nullhypothese verworfen werden. SPSS gibt den p-wert der Signifikanzprüfung gleich mit aus. In unserem Fall ist für den Faktor Platzierung p < 0,001. Die Nullhypothese darf also zugunsten der Alternativhypothese verworfen werden. Antworten Hat die Warenplatzierung Einfluss auf den Absatz? Ja, die Warenplatzierung hat einen signifikanten Einfluss auf den Absatz. Der alleinige Faktor Platzierung klärt 89,1% der Absatzvarianz auf. Hat die Verpackung Einfluss auf den Absatz? Ja, die Verpackungsart hat einen signifikanten Einfluss auf den Absatz. Der alleinige Faktor Verpackungsart klärt 50,3% der Absatzvarianz auf. Besteht eine Wechselwirkung zwischen Verpackung und Warenplatzierung? Nein, es lässt sich keine signifikante Interaktion zwischen den beiden Faktoren Platzierung und Verpackungsart nachweisen (Irrtumswahrscheinlichkeit p = 10,8%). Mit dem gesamten Modell können 90,4% Varianz der abhängigen Variablen Absatzmenge aufgeklärt werden.
12 12 Kovarianzanalyse Eine Erweiterung der Varianzanalyse liegt in der Einbeziehung von Kovariaten in die Analyse ((M)ANCOVA, (Multivariate) Analysis of Covariance). Kovariaten sind metrisch skalierte unabhängige, d.h. erklärende Variablen in einem faktoriellen Design. Häufig ist dem Forscher bewusst, dass es außer den Faktoren Einflussgrößen auf die abhängige Variable gibt, deren Einbeziehung sinnvoll und notwendig sein kann. Wenn in unserem Margarine-Beispiel der Absatzpreis in den 6 Zellen der Erhebung unterschiedlich ist (z. B. aufgrund unterschiedlicher Preise je Verpackungsart oder aufgrund unterschiedlicher Preise für Zweitplatzierung), dann würde die Reststreuung nicht nur zufällige, sondern auch systematische Einflüsse enthalten. Indem der Preis als Kovariate eingeführt wird, kann ein Teil der Gesamtvarianz möglicherweise auf die Variation des Preises zurückgeführt werden, was sich bei Nichterfassung in einer erhöhten Reststreuung (SSW) ausdrücken würde. Üblicherweise geht die Varianzanalyse bei einem Untersuchungsdesign mit Kovariaten ( Kovarianzanalyse ) so vor, dass zunächst der auf die Kovariaten entfallende Varianzanteil ermittelt wird. Dieses entspricht im Prinzip einer vorgeschalteten Regressionsanalyse. Die Beobachtungswerte der abhängigen Variablen werden um den durch die Regressionsanalyse ermittelten Einfluss korrigiert und anschließend der Varianzanalyse unterzogen. Dadurch wird rechnerisch der Einfluss der Kovariaten bereinigt. Problem Der Leiter der Supermarktkette gibt keine Ruhe. Nun will er zusätzlich überprüfen, ob nicht außer den Faktoren (1) Verpackungsart und (2) Platzierung auch (3) der Verkaufspreis sowie (4) die durchschnittliche Temperatur im Supermarkt die nachgefragte Menge erklärt. Aufgabe 4 1. Erweitern Sie Ihren Datensatz mit den u.a. Beobachtungswerten. 2. Berechnen Sie den Einfluss aller Faktoren bzw. Variablen auf die Absatzmenge. 3. Interpretieren Sie die Ergebnisse. Verpackung Becher Papier Platzierung Tag Absatz Preis Temp. Absatz Preis Temp. Normalregal , , , , , , , , , ,09 20 Zweitregal , , , , , , , , , ,09 18 Kühlregal , , , , , , , , , ,13 18
13 13 Lösung Die Aufnahme der Kovariaten PREIS und TEMP in das Modell erfolgt wiederum im Dialogfeld Univariat durch Übertragen dieser Variablen in das Feld Kovariate. Durch den erneuten Aufruf der Prozedur und eine neue Analyse zeigt sich folgendes Ergebnis: Abhängige Variable: Absatzmenge Quadratsumme Mittel der Partielles Quelle vom Typ III df Quadrate F Signifikanz Eta-Quadrat Korrigiertes Modell 2247,511 a 7 321,073 31,536,000,909 Konstanter Term 8, ,815,866,362,038 PREIS 5, ,010,492,490,022 TEMP 4, ,884,480,496,021 REGAL 1207, ,941 59,319,000,844 VERPACK 82, ,605 8,113,009,269 REGAL * VERPACK 13, ,610,649,532,056 Fehler 223, ,181 Gesamt 78979, Korrigierte Gesamtvariation 2471, a. R-Quadrat =,909 (korrigiertes R-Quadrat =,881) Wiederum finden wir in der ersten Spalte der Tabelle die Zerlegung der Gesamtstreuung in die erklärte Streuung (Korrigiertes Modell) und in die Reststreuung (Fehler). Die mittleren Zeilen zeigen nunmehr in der ersten Spalte eine Aufteilung der durch die Kovariaten und durch die Faktoren erklärten Streuung (Korrigiertes Modell) in ihre jeweiligen Einzelbeiträge (PREIS, TEMP, REGAL, VERPACK, REGAL*VERPACK). Die übrigen Spalten enthalten die Freiheitsgrade (df), die empirischen F-Werte (F), das Signifikanzniveau der F-Statistik (Signifikanz) sowie die partiellen Eta 2 -Werte (Partielles Eta-Quadrat). Antwort Der SPSS-Output verdeutlicht, dass (1) die Platzierung der Margarine den größten Einfluss auf die Absatzmenge hat (84% Varianzaufklärung, höchst signifikant), (2) die Verpackungsart einen deutlichen, aber geringeren Einfluss auf die Absatzmenge hat (27% Varianzaufklärung, sehr signifikant), (3) kein signifikanter Interaktionseffekt zwischen Verpackungsart und Platzierung nachweisbar ist, (4) für eine gegebene Vertrauenswahrscheinlichkeit von 95% der Einfluss der Kovariaten (a) Preis und (b) Temperatur im Supermarkt auf die abhängige Variable Absatzmenge als nicht signifikant einzustufen ist, (5) das Modell insgesamt 91% der Varianz aufklärt und somit mit sehr gut beurteilt werden kann.
Varianzanalyse (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.
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
MehrWillkommen zur Vorlesung Statistik
Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Varianzanalyse Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr. Wolfgang
MehrWebergänzung zu Kapitel 10
Webergänzung zu Kapitel 10 10.1.4 Varianzanalyse (ANOVA: analysis of variance) Im Kapitel 10 haben wir uns hauptsächlich mit Forschungsbeispielen beschäftigt, die nur zwei Ergebnissätze hatten (entweder
MehrFortgeschrittene Statistik Logistische Regression
Fortgeschrittene Statistik Logistische Regression O D D S, O D D S - R A T I O, L O G I T T R A N S F O R M A T I O N, I N T E R P R E T A T I O N V O N K O E F F I Z I E N T E N, L O G I S T I S C H E
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
MehrAllgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse
Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse Univariate Varianz- und Kovarianzanlyse, Multivariate Varianzanalyse und Varianzanalyse mit Messwiederholung finden sich unter
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
MehrEtwas positive Tendenz ist beim Wechsel der Temperatur von 120 auf 170 zu erkennen.
Explorative Datenanalyse Erstmal die Grafiken: Aufreisskraft und Temperatur 3 1-1 N = 1 15 17 Temperatur Diagramm 3 1 95% CI -1 N = 1 15 17 Temperatur Etwas positive Tendenz ist beim Wechsel der Temperatur
MehrStatistische 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.
MehrName (in Druckbuchstaben): Matrikelnummer: Unterschrift:
20-minütige Klausur zur Vorlesung Lineare Modelle im Sommersemester 20 PD Dr. Christian Heumann Ludwig-Maximilians-Universität München, Institut für Statistik 2. Oktober 20, 4:5 6:5 Uhr Überprüfen Sie
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...
MehrGrundlagen der Inferenzstatistik
Grundlagen der Inferenzstatistik (Induktive Statistik oder schließende Statistik) Dr. Winfried Zinn 1 Deskriptive Statistik versus Inferenzstatistik Die Deskriptive Statistik stellt Kenngrößen zur Verfügung,
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
MehrDas große ElterngeldPlus 1x1. Alles über das ElterngeldPlus. Wer kann ElterngeldPlus beantragen? ElterngeldPlus verstehen ein paar einleitende Fakten
Das große x -4 Alles über das Wer kann beantragen? Generell kann jeder beantragen! Eltern (Mütter UND Väter), die schon während ihrer Elternzeit wieder in Teilzeit arbeiten möchten. Eltern, die während
MehrGibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero?
Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Manche sagen: Ja, manche sagen: Nein Wie soll man das objektiv feststellen? Kann man Geschmack objektiv messen? - Geschmack ist subjektiv
MehrAuswerten mit Excel. Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro
Auswerten mit Excel Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro 1. Pivot-Tabellen erstellen: In der Datenmaske in eine beliebige Zelle klicken Registerkarte Einfügen
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
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
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
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
MehrBachelorabschlussseminar Dipl.-Kfm. Daniel Cracau
1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank
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
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
MehrFAKTORIELLE VERSUCHSPLÄNE. Andreas Handl
FAKTORIELLE VERSUCHSPLÄNE Andreas Handl 1 Inhaltsverzeichnis 1 Versuchsplanung 4 2 Einfaktorielle Varianzanalyse 6 2.1 DieAnnahmen... 6 2.2 Die ANOVA-Tabelle und der F -Test... 6 2.3 Versuche mit zwei
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
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:
MehrPrüfung eines Datenbestandes
Prüfung eines Datenbestandes auf Abweichungen einzelner Zahlen vom erwarteten mathematisch-statistischen Verhalten, die nicht mit einem Zufall erklärbar sind (Prüfung auf Manipulationen des Datenbestandes)
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
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
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
MehrBruchrechnung Wir teilen gerecht auf
Bruchrechnung Wir teilen gerecht auf Minipizzen auf Personen. Bruchrechnung Wir teilen gerecht auf Minipizzen auf Personen. : (+) : + Wir teilen einen Teil Eine halbe Minipizza auf Personen. :? Wir teilen
MehrKapitel 7: Varianzanalyse mit Messwiederholung
Kapitel 7: Varianzanalyse mit Messwiederholung Durchführung einer einfaktoriellen Varianzanalyse mit Messwiederholung 1 Durchführung einer zweifaktoriellen Varianzanalyse mit Messwiederholung auf einem
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,
MehrMessung von Veränderungen. Dr. Julia Kneer Universität des Saarlandes
von Veränderungen Dr. Julia Kneer Universität des Saarlandes Veränderungsmessung Veränderungsmessung kennzeichnet ein Teilgebiet der Methodenlehre, das direkt mit grundlegenden Fragestellungen der Psychologie
MehrVarianzanalyse ANOVA
Varianzanalyse ANOVA Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/23 Einfaktorielle Varianzanalyse (ANOVA) Bisher war man lediglich in der Lage, mit dem t-test einen Mittelwertsvergleich für
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
Mehr4. BEZIEHUNGEN ZWISCHEN TABELLEN
4. BEZIEHUNGEN ZWISCHEN TABELLEN Zwischen Tabellen können in MS Access Beziehungen bestehen. Durch das Verwenden von Tabellen, die zueinander in Beziehung stehen, können Sie Folgendes erreichen: Die Größe
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
MehrSchritt für Schritt zur Krankenstandsstatistik
Schritt für Schritt zur Krankenstandsstatistik Eine Anleitung zur Nutzung der Excel-Tabellen zur Erhebung des Krankenstands. Entwickelt durch: Kooperationsprojekt Arbeitsschutz in der ambulanten Pflege
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
MehrKontingenzkoeffizient (nach Pearson)
Assoziationsmaß für zwei nominale Merkmale misst die Unabhängigkeit zweier Merkmale gibt keine Richtung eines Zusammenhanges an 46 o jl beobachtete Häufigkeiten der Kombination von Merkmalsausprägungen
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
MehrDieses erste Kreisdiagramm, bezieht sich auf das gesamte Testergebnis der kompletten 182 getesteten Personen. Ergebnis
Datenanalyse Auswertung Der Kern unseres Projektes liegt ganz klar bei der Fragestellung, ob es möglich ist, Biere von und geschmacklich auseinander halten zu können. Anhand der folgenden Grafiken, sollte
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
MehrEin möglicher Unterrichtsgang
Ein möglicher Unterrichtsgang. Wiederholung: Bernoulli Experiment und Binomialverteilung Da der sichere Umgang mit der Binomialverteilung, auch der Umgang mit dem GTR und den Diagrammen, eine notwendige
MehrAbituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler
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,
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv
MehrUniversität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B
Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip Sommersemester 2010 KLAUSUR Statistik B Hinweise zur Bearbeitung: Bei allen Teilaufgaben
MehrSowohl die Malstreifen als auch die Neperschen Streifen können auch in anderen Stellenwertsystemen verwendet werden.
Multiplikation Die schriftliche Multiplikation ist etwas schwieriger als die Addition. Zum einen setzt sie das kleine Einmaleins voraus, zum anderen sind die Überträge, die zu merken sind und häufig in
Mehr9. Schätzen und Testen bei unbekannter Varianz
9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
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
Mehr= i (V) = d 2. v = d! p! n da v 1 = v 2 gilt auch d 1 ÿ p ÿ n 1 = d 2 ÿ p ÿ n 2 (III) p kürzen (Division durch p) d 1 ÿ n 1 = d 2 ÿ n 2 (IV) oder
v = d! p! n da v 1 = v 2 (I) (II) gilt auch d 1 ÿ p ÿ n 1 = d 2 ÿ p ÿ n 2 (III) p kürzen (Division durch p) d 1 ÿ n 1 = d 2 ÿ n 2 (IV) oder i = Übersetzungsverhältnis n 1 n 2 = d 2 d 1 = i (V) Beispiel
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
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)
MehrLösung Fall 8 Anspruch des L auf Lieferung von 3.000 Panini á 2,-
Lösung Fall 8 Anspruch des L auf Lieferung von 3.000 Panini á 2,- L könnte gegen G einen Anspruch auf Lieferung von 3.000 Panini á 2,- gem. 433 I BGB haben. Voraussetzung dafür ist, dass G und L einen
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
MehrBundesverband Flachglas Großhandel Isolierglasherstellung Veredlung e.v. U g -Werte-Tabellen nach DIN EN 673. Flachglasbranche.
Bundesverband Flachglas Großhandel Isolierglasherstellung Veredlung e.v. U g -Werte-Tabellen nach DIN EN 673 Ug-Werte für die Flachglasbranche Einleitung Die vorliegende Broschüre enthält die Werte für
MehrAnwendungshinweise zur Anwendung der Soziometrie
Anwendungshinweise zur Anwendung der Soziometrie Einführung Die Soziometrie ist ein Verfahren, welches sich besonders gut dafür eignet, Beziehungen zwischen Mitgliedern einer Gruppe darzustellen. Das Verfahren
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
MehrInhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1
Inhaltsverzeichnis Regressionsanalyse... 2 Lernhinweise... 2 Einführung... 2 Theorie (1-8)... 2 1. Allgemeine Beziehungen... 3 2. 'Best Fit'... 3 3. 'Ordinary Least Squares'... 4 4. Formel der Regressionskoeffizienten...
MehrMessgeräte: Mess-System-Analyse und Messmittelfähigkeit
Messgeräte: Mess-System-Analyse und Messmittelfähigkeit Andreas Berlin 14. Juli 2009 Bachelor-Seminar: Messen und Statistik Inhalt: 1 Aspekte einer Messung 2 Mess-System-Analyse 2.1 ANOVA-Methode 2.2 Maße
MehrMulticheck Schülerumfrage 2013
Multicheck Schülerumfrage 2013 Die gemeinsame Studie von Multicheck und Forschungsinstitut gfs-zürich Sonderauswertung ICT Berufsbildung Schweiz Auswertung der Fragen der ICT Berufsbildung Schweiz Wir
Mehr8. Berechnung der kalkulatorischen Zinsen
8. Berechnung der kalkulatorischen Zinsen 8.1. Allgemeines In der laufenden Rechnung werden im Konto 322.00 Zinsen nur die ermittelten Fremdkapitalzinsen erfasst. Sobald aber eine Betriebsabrechnung erstellt
MehrMusterlösung zu Serie 14
Dr. Lukas Meier Statistik und Wahrscheinlichkeitsrechnung FS 21 Musterlösung zu Serie 14 1. Der Datensatz von Forbes zeigt Messungen von Siedepunkt (in F) und Luftdruck (in inches of mercury) an verschiedenen
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
MehrTheoretische Grundlagen der Informatik WS 09/10
Theoretische Grundlagen der Informatik WS 09/10 - Tutorium 6 - Michael Kirsten und Kai Wallisch Sitzung 13 02.02.2010 Inhaltsverzeichnis 1 Formeln zur Berechnung Aufgabe 1 2 Hamming-Distanz Aufgabe 2 3
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
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
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
MehrOhne Fehler geht es nicht Doch wie viele Fehler sind erlaubt?
Ohne Fehler geht es nicht Doch wie viele Fehler sind erlaubt? Behandelte Fragestellungen Was besagt eine Fehlerquote? Welche Bezugsgröße ist geeignet? Welche Fehlerquote ist gerade noch zulässig? Wie stellt
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
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
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
MehrAuswertung mit dem Statistikprogramm SPSS: 30.11.05
Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Seite 1 Einführung SPSS Was ist eine Fragestellung? Beispiel Welche statistische Prozedur gehört zu welcher Hypothese? Statistische Berechnungen mit
MehrAUTOMATISIERTE HANDELSSYSTEME
UweGresser Stefan Listing AUTOMATISIERTE HANDELSSYSTEME Erfolgreich investieren mit Gresser K9 FinanzBuch Verlag 1 Einsatz des automatisierten Handelssystems Gresser K9 im Portfoliomanagement Portfoliotheorie
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrZahlenoptimierung Herr Clever spielt optimierte Zahlen
system oder Zahlenoptimierung unabhängig. Keines von beiden wird durch die Wahrscheinlichkeit bevorzugt. An ein gutes System der Zahlenoptimierung ist die Bedingung geknüpft, dass bei geringstmöglichem
MehrIhr Mandant möchte einen neuen Gesellschafter aufnehmen. In welcher Höhe wäre eine Vergütung inklusive Tantieme steuerrechtlich zulässig?
Ihr Mandant möchte einen neuen Gesellschafter aufnehmen. In welcher Höhe wäre eine Vergütung inklusive Tantieme steuerrechtlich zulässig? Oft wirft die Aufnahme neuer Gesellschafter oder auch die Einstellung
Mehr3. LINEARE GLEICHUNGSSYSTEME
176 3. LINEARE GLEICHUNGSSYSTEME 90 Vitamin-C-Gehalt verschiedener Säfte 18,0 mg 35,0 mg 12,5 mg 1. a) 100 ml + 50 ml + 50 ml = 41,75 mg 100 ml 100 ml 100 ml b) : Menge an Kirschsaft in ml y: Menge an
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
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
MehrAnalog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table("c:\\compaufg\\kredit.
Lösung 16.3 Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit
MehrKapitalerhöhung - Verbuchung
Kapitalerhöhung - Verbuchung Beschreibung Eine Kapitalerhöhung ist eine Erhöhung des Aktienkapitals einer Aktiengesellschaft durch Emission von en Aktien. Es gibt unterschiedliche Formen von Kapitalerhöhung.
MehrFlowFact Alle Versionen
Training FlowFact Alle Versionen Stand: 29.09.2005 Rechnung schreiben Einführung Wie Sie inzwischen wissen, können die unterschiedlichsten Daten über verknüpfte Fenster miteinander verbunden werden. Für
MehrVersuchsplanung. Inhalt. Grundlagen. Faktor-Effekt. Allgemeine faktorielle Versuchspläne. Zweiwertige faktorielle Versuchspläne
Inhalt Versuchsplanung Faktorielle Versuchspläne Dr. Tobias Kiesling Allgemeine faktorielle Versuchspläne Faktorielle Versuchspläne mit zwei Faktoren Erweiterungen Zweiwertige
MehrGrundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
MehrKugel-Fächer-Modell. 1fach. 3fach. Für die Einzelkugel gibt es 3 Möglichkeiten. 6fach. 3! Möglichkeiten
Kugel-Fächer-Modell n Kugeln (Rosinen) sollen auf m Fächer (Brötchen) verteilt werden, zunächst 3 Kugeln auf 3 Fächer. 1fach 3fach Für die Einzelkugel gibt es 3 Möglichkeiten } 6fach 3! Möglichkeiten Es
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
MehrErfolg und Vermögensrückgänge angefertigt im Rahmen der Lehrveranstaltung Nachrichtentechnik von: Eric Hansen, eric-hansen@gmx.de am: 07.09.
Abstract zum Thema Handelssysteme Erfolg und Vermögensrückgänge angefertigt im Rahmen der Lehrveranstaltung Nachrichtentechnik von: Eric Hansen, eric-hansen@gmx.de am: 07.09.01 Einleitung: Handelssysteme
MehrLetzte Krankenkassen streichen Zusatzbeiträge
Zusatzbeiträge - Gesundheitsfonds Foto: D. Claus Einige n verlangten 2010 Zusatzbeiträge von ihren Versicherten. Die positive wirtschaftliche Entwicklung im Jahr 2011 ermöglichte den n die Rücknahme der
MehrWelche Unterschiede gibt es zwischen einem CAPAund einem Audiometrie- Test?
Welche Unterschiede gibt es zwischen einem CAPAund einem Audiometrie- Test? Auch wenn die Messungsmethoden ähnlich sind, ist das Ziel beider Systeme jedoch ein anderes. Gwenolé NEXER g.nexer@hearin gp
MehrAccess [basics] Gruppierungen in Abfragen. Beispieldatenbank. Abfragen gruppieren. Artikel pro Kategorie zählen
Abfragen lassen sich längst nicht nur dazu benutzen, die gewünschten Felder oder Datensätze einer oder mehrerer Tabellen darzustellen. Sie können Daten auch nach bestimmten Kriterien zu Gruppen zusammenfassen
MehrEINMALEINS BEZIEHUNGSREICH
EINMALEINS BEZIEHUNGSREICH Thema: Übung des kleinen Einmaleins; operative Beziehungen erkunden Stufe: ab 2. Schuljahr Dauer: 2 bis 3 Lektionen Materialien: Kleine Einmaleinstafeln (ohne Farben), Punktefelder
Mehr