R-WORKSHOP II. Inferenzstatistik. Johannes Pfeffer
|
|
- Anneliese Frida Giese
- vor 8 Jahren
- Abrufe
Transkript
1 R-WORKSHOP II Inferenzstatistik Johannes Pfeffer Dresden,
2 01 Outline Lösung der Übungsaufgabe Selbstdefinierte Funktionen Inferenzstatistik t-test Kruskal-Wallis Test Übungsaufgabe TU Dresden, R-Workshop: Inferenzstatistik Folie 2 von 26
3 02 Bartwuchs Lösung der Übungsaufgabe aus Workshop I Gerd Glatzel, der ein existenzielles Problem mit seinem Haarwuchs hat (den üppigsten Teil seiner Kopfbedeckung stellen die Augenbrauen dar), stößt bei der Lektüre seiner Lieblingszeitschrift Mann vorm Spiegel auf das folgende Inserat der Rapunzel AG: Doppel-Haar, das erfolgreichste Haarwuchsmittel, das es je gab! 50% der Anwender hatten einen monatlichen Haarwuchs von 0,8 cm oder mehr - innerhalb eines Monats durchschnittlich 1,4 cm längeres Haar. Die Lösung seines Problems erhoffend, greift Glatzel sofort zu. Einen Monat später hat er auch noch die spärlichen Reste seiner Kopfbedeckung verloren. Erbost sucht er die Rapunzel AG auf (die Blöße mit einem Hut bedeckend), um seinem Ärger Luft zu machen. Dort erhält er eine Tabelle mit Haarwuchsergebnissen von Testpersonen des Mittels Doppel-Haar (Haarwuchs innerhalb eines Monats in cm; negative Werte stehen für Haarausfall). 2. Überprüfe die Herstellerangaben indem du den durchschnittlichen Haarwuchs sowie den Median, die Varianz und die Standardabweichung des Haarwuchses berechnest. 3. Zeichne ein Boxplot des Haarwuchses. 4. Zeichne ein Histogramm des Haarwuchses. 5. Schätze mittels eines QQ-Plots ein, ob eine Normalverteilung vorliegt.
4 02 Bartwuchs Lösung der Übungsaufgabe aus Workshop I 2. Überprüfe die Herstellerangaben indem du den durchschnittlichen Haarwuchs sowie den Median, die Varianz und die Standardabweichung des Haarwuchses berechnest. > haar <- read. csv ( file =" haarwuchs. csv ",head =TRUE, sep ="; ") > install. packages (" pastecs ") > library ( pastecs ) > stat. desc ( haar ) Haarwuchs (...) min max range sum median // <- "50% der Anwender..." mean // <- "Durchschnittlich..." (...) var // <- Varianz std.dev // <- Standardabweichung coef.var
5 02 Bartwuchs Lösung der Übungsaufgabe aus Workshop I 3. Zeichne ein Boxplot des Haarwuchses. > boxplot ( haar ) Es wird sichtbar, dass ein extremer Ausreißer die Werbeaussage verzerrt.
6 02 Bartwuchs Lösung der Übungsaufgabe aus Workshop I 4. Zeichne ein Histogramm des Haarwuchses. > hist ( haar Histogram $ of haar$haarwuchs ) Frequency haar$haarwuchs Die Werte um den Nullpunkt weisen die höchste Häufigkeit auf. Der Ausreißer ist deutlich sichtbar. Negative Werte (Haarausfall) haben eine nicht zu vernachlässigende Häufigkeit.
7 02 Bartwuchs Lösung der Übungsaufgabe aus Workshop I 4. Schätze mittels eines QQ-Plots ein, ob eine Normalverteilung vorliegt. > qqnorm ( haar $ Haarwuchs ) > qqline ( haar $ Haarwuchs ) Normal Q Q Plot Sample Quantiles Theoretical Quantiles Eine Normalverteilung der Daten ist wahrscheinlich. Aufgrund der Abweichungen von der Diagonalen im Anfangs- und Endbereich sollten zusätzlich weitere (inferenzstatistische) Tests auf Normalverteilung durchgeführt werden.
8 03 Selbstdefinierte Funktionen Weiterführende R-Syntax Übung Syntax Funktionsname <- function ( Argumente )\{ R- Befehle \} Die Funktion kann beliebig viele Befehle enthalten. Als letztes in jeder Funktion steht immer der Wert oder auch eine Liste von Werten, die ausgegeben werden soll. Schreibe eine Funktion sumnm, die 1 bis n und 1 bis m aufaddiert sumnm(n, m) = n + m i=1 j=1 TU Dresden, R-Workshop: Inferenzstatistik Folie 8 von 26
9 03 Selbstdefinierte Funktionen kleiner Hinweis > sumnm <- function (n,m){ + x <-1:n +... TU Dresden, R-Workshop: Inferenzstatistik Folie 9 von 26
10 03 Selbstdefinierte Funktionen Lösung > sumnm <- function (n,m){ + x <-1:n + y <-1:m + z <-sum (x)+ sum (y) + z + } > sumnm (5,10) [1] 70 TU Dresden, R-Workshop: Inferenzstatistik Folie 10 von 26
11 04 Inferenzstatistik Abgrenzung der schließenden Statistik TU Dresden, R-Workshop: Inferenzstatistik Folie 11 von 26
12 04 t-test Voraussetzungen Merkmal mindestens intervallskaliert - Ausprägungen lassen sich quantitativ mittels Zahlen darstellen. Rangunterschiede und Abstand zwischen Werten können gemessen werden. Beispiele für intervallskalierte Merkmale sind Temperatur auf der Celsius-Skala, Jahreszahlen, Zeitpunkte. Stichproben müssen unabhängig sein - Ist z.b. nicht gegeben, wenn die gleichen Versuchspersonen direkt nacheinander zwei unterschiedliche GUIs bewerten. Annähernde Gaußverteilung der Daten lässt sich aus den Boxplots der Daten ablesen: Der Median sollte mittig in der Box liegen und die beiden Whisker etwa gleich lang sein. Aus der Gauß-Verteilung ergibt sich die Stetigkeit der Daten, z.b. Temperaturen in Kelvin oder Längen in Metern. Varianzhomogenität ist graphisch aus den Boxplots ersichtlich: Die verschiedenen Boxen nebst Whiskern sollten gleich lang sein. Ein statistischer Test kann diese Evaluation ergänzen (F-Test, Levene-Test). TU Dresden, R-Workshop: Inferenzstatistik Folie 12 von 26
13 04 t-test Überprüfung der Voraussetzungen 1/2 > data2.1 <- read. csv2 ( file. choose ()) # " ws2.1. csv " > data2.1 > summary ( data2.2) > boxplot ( Aufgabenerf ~GUI, data2.1, xlab =" GUI ",ylab =" Aufgabenerfuellung ",col =" purple ") > qqnorm ( data2.1$ Aufgabenerf ); qqline ( data2.1$ Aufgabenerf ) Intervallskalliert - OK Unabhängig - OK Annähernde Gaußverteilung Der Median sollte mittig in der Box liegen und die beiden Whisker etwa gleich lang sein. Die Punkte im QQ-Plot sollten ca. auf einer Linie liegen. - OK TU Dresden, R-Workshop: Inferenzstatistik Folie 13 von 26
14 04 t-test Überprüfung der Voraussetzungen 2/2 Varianzhomogenität Levene-Test > library ( car ) > levene. test ( data2.1$ Aufgabenerf, data2.1$gui ) Wenn der p-wert über a = 0.05 liegt, muss die Hypothese gleicher Varianzen beibehalten werden. D.h.: alle Voraussetzungen sind erfüllt. TU Dresden, R-Workshop: Inferenzstatistik Folie 14 von 26
15 04 t-test Anwendung Die Nullhypothese für den t-test lautet: Die mittlere Aufgabenerfüllung ist für beide GUIs gleich. H0: µ1 = µ2. Die Alternativhypothese lautet: Die mittlere Aufgabenerfüllung ist für beide GUIs ungleich. Das Risiko 1. Art wird mit a =0.05 festgelegt. > t. test ( data2.1$ Aufgabenerf ~ data2.1$gui, alternative = " two. sided ", paired = FALSE, var. equal = TRUE, conf. level =0.95) Hier ist es wichtig, die richtige Alternativhypothese und das gewünschte Risiko 1. Art zu wählen. Da es sich um zwei unabhängige Stichproben handelt, ist bei paired der Wert FALSE zu wählen. Je nachdem, ob die Varianzen homogen sind oder nicht, wird var.equal auf TRUE oder auf FALSE gesetzt. Die Tilde bedeutet, dass die Werte für Aufgabenerfüllung nach dem Faktor GUI gruppiert werden. Dies ist notwendig, weil jede Zeile des DataFrames einem eigenen Fall, hier also jeweils einer anderen Versuchsperson entspricht. TU Dresden, R-Workshop: Inferenzstatistik Folie 15 von 26
16 04 t-test Interpretation Two Sample t-test data: data2.1$aufgabenerf by data2.1$gui t = , df = 27, p-value = alternative hypothesis: true difference in means is not equal to 0 95 percent confidence interval: sample estimates: mean in group A mean in group B Der p-wert ( ) liegt unter dem gewählten Risiko 1. Art a = 0.05, daher muss die Hypothese gleicher mittlerer Aufgabenerfüllung bei beiden GUIs verworfen werden. TU Dresden, R-Workshop: Inferenzstatistik Folie 16 von 26
17 04 t-test Interpretation t = , df = 27, p-value = Die Teststatistik t beträgt Dies ist die Testgröße, die normalerweise mit dem Tabellenwert verglichen wird. Ist sie extremer, als der Tabellenwert des Quantils zum entsprechenden Freiheitsgrad (df), gilt der Mittelwertvergleich als signifikant. alternative hypothesis: true difference in means is not equal to 0 Die abstrakte Alternativhypothese. 95 percent confidence interval: Angenommen, man würde den Versuch unendlich oft indentisch wiederholen, dann läge die wahre Differenz in 95% der Fälle im jeweiligen Konfidenzintervall. Praktische Anwendung: Wenn in einem Konfidenzintervall die Null eingeschlossen ist, gilt das Testergebnis als nicht signifikant. Im Falle einer Signifikanz stellt der Abstand von Null ein Maß für den Grad der Ablehnung der H0 dar. sample estimates: mean in group A mean in group B Die beiden Mittelwerte werden ausgegeben.
18 04 Daten aus Workshop I Eigenschaften der Daten 1/2 > data2.2 <- read. csv2 ( file. choose ()) # " ws2.2. csv " > data2.2 > summary ( data2.2) > boxplot (MW~GUI, data2.2, xlab =" GUI ",ylab =" Aufgabenerfuellung ",col =" orange ") > qqnorm ( data2.2$mw); qqline ( data2.2$mw) Intervallskalliert - OK Unabhängig - OK Mehr als 2 Gruppen Annähernde Gaußverteilung Der Median sollte mittig in der Box liegen und die beiden Whisker etwa gleich lang sein. Die Punkte im QQ-Plot sollten ca. auf einer Linie liegen. - NICHT OK für t-test TU Dresden, R-Workshop: Inferenzstatistik Folie 18 von 26
19 04 Daten aus Workshop I Eigenschaften der Daten 2/2 Varianzhomogenität Levene-Test > levene. test ( data2.2$mw, data2.2$gui ) Wenn der p-wert über a = 0.05 liegt, muss die Hypothese gleicher Varianzen beibehalten werden. - OK TU Dresden, R-Workshop: Inferenzstatistik Folie 19 von 26
20 04 Kruskal-Wallis Test Voraussetzungen Was tun, wenn Voraussetzungen für t-test o.ä. nicht erfüllt sind? Es muss auf ein nichtparametrisches Testverfahren ausgewichen werden. Diese Testverfahren haben großzügigere Voraussetzungen - aber in der Regel eine geringere Teststärke (d.h. größeren Beta-Fehler). Als Beta-Fehler oder Fehler 2. Art wird beim statistischen Testen der Fehler bezeichnet, den man begeht, wenn man die Nullhypothese beibehält, obwohl die Alternativhypothese gilt. Typische Voraussetzungen für nichtparametrische Tests: Varianzhomogenität - OK Mindestens ordinale Skalierung - OK Unabhängige Daten - OK TU Dresden, R-Workshop: Inferenzstatistik Folie 20 von 26
21 04 Kruskal-Wallis Test Anwendung Die Nullhypothese (H0) lautet: Die unterschiedlichen Benutzeroberflächen haben keinen Einfluss auf den Mittelwert der Klassifizierungsgenauigkeit (MW). Die Nullhypothese wird mittels des Kruskal-Wallis Tests überprüft. Dieser nichtparametrische Test eignet sich für kleine Stichproben in Gruppen unterschiedlicher Größe, bei denen keine Normalverteilung nachgewiesen werden kann. > kruskal. test (MW~GUI, data2.2) Wenn der p-wert über a = 0.05 liegt, kann H0 nicht verworfen werden. Die Benutzeroberfläche hat dann also keine nachweisbare Auswirkung auf den Mittelwert der Klassifizierungsgenauigkeit. TU Dresden, R-Workshop: Inferenzstatistik Folie 21 von 26
22 05 Übungsaufgabe Dateneingabe 20 Studenten wurden einem Stresstest unterzogen. Dabei wurden Paare gebildet die sich in ihren bisherigen Prüfungsergebnissen möglichst ähnlich waren. Eine Gruppe wurde vor dem Test starkem Stress ausgesetzt die andere diente als Kontrollgruppe. Ihre Ergebnisse auf einer Skala von 0-15 Punkten (15 = bestes Ergebnis), sehen Sie in folgender Tabelle (fiktive Daten). Geben Sie die Daten mittels des folgenden Befehls in R ein. > stress <- data. frame (); fix ( stress ) TU Dresden, R-Workshop: Inferenzstatistik Folie 22 von 26
23 05 Übungsaufgabe Auftrag Führen Sie einen geeigneten t-test durch. Hinweise: Formulieren Sie eine sinnvoll gerichtete unspezifische Hypothese Achtung - es geht um die Differenzen der Paare Überprüfen Sie die Voraussetzungen für den t-test Annähernde Gaußverteilung der Paardifferenzen, es wird Robustheit des Tests gegenüber dem schief in der Box liegenden Median angenommen Schlagen Sie in der R-Hilfe die notwendigen Parameter für den t-test nach Gepaarte Daten, da Studentenpaare gebildet wurden, die sich möglichst ähnlich sein sollten. Art der Alternativhypothese...? TU Dresden, R-Workshop: Inferenzstatistik Folie 23 von 26
24 05 Übungsaufgabe Lösung = Gepaarter einseitiger t-test (die eine Studentengruppe wurde einem Stressprogramm ausgesetzt, was schlechtere Testergebnisse erwarten lässt). H0: µ Stress >= µ Normal - Die Stressbehandlung verschlechtert das Abschneiden der Probanden nicht. H1: µ Stress < µ Normal - Das Abschneiden der Probanden ist nach der Stressbehandlung schlechter. > unterschiede <- stress $ Stress - stress $ Normal > boxplot ( unterschiede ) # schief liegender Median > t. test ( stress $ Stress, stress $ Normal, paired = TRUE, alternative = " less ") # Achtung - Reihenfolge ist entscheidend, da einseitiger Test Der p-wert ( ) ist kleiner als 0.05, deshalb ist das Ergebnis signifkant. Die Stressbehandlung bewirkt ein verschlechtertes Abschneiden im Test. (Achtung: für die Übung wurden fiktive Daten verwendet)
25 05 Übungsaufgabe Zusatzaufgabe Warum können Sie ihre Hypothese nicht direkt mit einem Kruskal-Wallis-Test überpüfen? Wie müssen Sie sie dazu verändern? Führen Sie den Kruskal-Wallis Test durch. TU Dresden, R-Workshop: Inferenzstatistik Folie 25 von 26
26
Biostatistik, 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
MehrEine Einführung in R: Statistische Tests
Eine Einführung in R: Statistische Tests Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig http://www.uni-leipzig.de/ zuber/teaching/ws12/r-kurs/
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
MehrMotivation. Wilcoxon-Rangsummentest oder Mann-Whitney U-Test. Wilcoxon Rangsummen-Test Voraussetzungen. Bemerkungen
Universität Karlsruhe (TH) Forschungsuniversität gegründet 825 Wilcoxon-Rangsummentest oder Mann-Whitney U-Test Motivation In Experimenten ist die Datenmenge oft klein Daten sind nicht normalverteilt Dann
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...
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
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.
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
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
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
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
MehrStatistische Auswertung der Daten von Blatt 13
Statistische Auswertung der Daten von Blatt 13 Problemstellung 1 Graphische Darstellung der Daten 1 Diskussion der Normalverteilung 3 Mittelwerte und deren Konfidenzbereiche 3 Signifikanz der Behandlung
MehrÜberblick über die Tests
Anhang A Überblick über die Tests A.1 Ein-Stichproben-Tests A.1.1 Tests auf Verteilungsannahmen ˆ Shapiro-Wilk-Test Situation: Test auf Normalverteilung H 0 : X N(µ, σ 2 ) H 1 : X nicht normalverteilt
Mehr(Repeated-measures ANOVA) path = "Verzeichnis wo Sie anova1 gespeichert haben" attach(paste(path, "anova1", sep="/"))
Varianzanalyse mit Messwiederholungen (Repeated-measures ANOVA) Jonathan Harrington Befehle: anova2.txt path = "Verzeichnis wo Sie anova1 gespeichert haben" attach(paste(path, "anova1", sep="/")) Messwiederholungen:
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
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
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,
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
Mehr4. Versicherungsangebot
4. Versicherungsangebot Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Versicherungsangebot 1 / 13 1. Einleitung 1.1 Hintergrund In einem grossen Teil
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
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
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,
MehrStatistik II für Betriebswirte Vorlesung 2
PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 2 21. Oktober 2014 Verbundene Stichproben Liegen zwei Stichproben vor, deren Werte einander
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
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
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
MehrElternzeit Was ist das?
Elternzeit Was ist das? Wenn Eltern sich nach der Geburt ihres Kindes ausschließlich um ihr Kind kümmern möchten, können sie bei ihrem Arbeitgeber Elternzeit beantragen. Während der Elternzeit ruht das
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
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
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
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
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
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
MehrPrüfen von Mittelwertsunterschieden: t-test
Prüfen von Mittelwertsunterschieden: t-test Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) t-test
MehrInfo zum Zusammenhang von Auflösung und Genauigkeit
Da es oft Nachfragen und Verständnisprobleme mit den oben genannten Begriffen gibt, möchten wir hier versuchen etwas Licht ins Dunkel zu bringen. Nehmen wir mal an, Sie haben ein Stück Wasserrohr mit der
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
MehrSTATISTIK. Erinnere dich
Thema Nr.20 STATISTIK Erinnere dich Die Stichprobe Drei Schüler haben folgende Noten geschrieben : Johann : 4 6 18 7 17 12 12 18 Barbara : 13 13 12 10 12 3 14 12 14 15 Julia : 15 9 14 13 10 12 12 11 10
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
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
MehrLösung zu Kapitel 11: Beispiel 1
Lösung zu Kapitel 11: Beispiel 1 Eine Untersuchung bei 253 Personen zur Kundenzufriedenheit mit einer Einzelhandelskette im Südosten der USA enthält Variablen mit sozialstatistischen Daten der befragten
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
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungsfreie Verfahren Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
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
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
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
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
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
MehrGEVITAS Farben-Reaktionstest
GEVITAS Farben-Reaktionstest GEVITAS Farben-Reaktionstest Inhalt 1. Allgemeines... 1 2. Funktionsweise der Tests... 2 3. Die Ruhetaste und die Auslösetaste... 2 4. Starten der App Hauptmenü... 3 5. Auswahl
Mehr1 C H R I S T O P H D R Ö S S E R D E R M A T H E M A T I K V E R F Ü H R E R
C H R I S T O P H D R Ö S S E R D E R M A T H E M A T I K V E R F Ü H R E R L Ö S U N G E N Seite 7 n Wenn vier Menschen auf einem Quadratmeter stehen, dann hat jeder eine Fläche von 50 mal 50 Zentimeter
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
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
MehrVon der Untersuchungsfrage zu statistischen Hypothesen, und wie war das nochmal mit dem α- und
Von der Untersuchungsfrage zu statistischen Hypothesen, und wie war das nochmal mit dem α- und β-fehler? Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de
MehrVermessung und Verständnis von FFT Bildern
Vermessung und Verständnis von FFT Bildern Viele Auswertungen basieren auf der "Fast Fourier Transformation" FFT um die (ungewünschten) Regelmäßigkeiten im Schliffbild darzustellen. Die Fourier-Transformation
MehrExpertenrunde Gruppe 1: Wiederholungsgruppe EXCEL (Datenerfassung, Darstellungsformen, Verwertung)
Epertenrunde Gruppe 1: Wiederholungsgruppe EXCEL (Datenerfassung, Darstellungsformen, Verwertung) Im Folgenden wird mit Hilfe des Programms EXEL, Version 007, der Firma Microsoft gearbeitet. Die meisten
MehrKlausur Nr. 1. Wahrscheinlichkeitsrechnung. Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt.
Klausur Nr. 1 2014-02-06 Wahrscheinlichkeitsrechnung Pflichtteil Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt. Name: 0. Für Pflicht- und Wahlteil gilt: saubere und übersichtliche Darstellung,
MehrBusiness Value Launch 2006
Quantitative Methoden Inferenzstatistik alea iacta est 11.04.2008 Prof. Dr. Walter Hussy und David Tobinski UDE.EDUcation College im Rahmen des dokforums Universität Duisburg-Essen Inferenzstatistik Erläuterung
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
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
MehrProjektzeit erfassen. Allgemeines. Projektzeit erfassen - Maske. Erklärung der Tabellenspalten. In Arbeit!
Projektzeit erfassen Allgemeines In Arbeit! Projektzeit erfassen - Maske Im Folgenden sehen Sie die Projektzeit erfassen - Maske eines Mitarbeiters (Renner Rudi) direkt nach dem Aufruf des Menüpunktes.
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
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
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
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
MehrUmgang mit Schaubildern am Beispiel Deutschland surft
-1- Umgang mit Schaubildern am Beispiel Deutschland surft Im Folgenden wird am Beispiel des Schaubildes Deutschland surft eine Lesestrategie vorgestellt. Die Checkliste zur Vorgehensweise kann im Unterricht
MehrEinige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.)
ue biostatistik: nichtparametrische testverfahren / ergänzung 1/6 h. Lettner / physik Statistische Testverfahren Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.)
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
MehrWindows. Workshop Internet-Explorer: Arbeiten mit Favoriten, Teil 1
Workshop Internet-Explorer: Arbeiten mit Favoriten, Teil 1 Wenn der Name nicht gerade www.buch.de oder www.bmw.de heißt, sind Internetadressen oft schwer zu merken Deshalb ist es sinnvoll, die Adressen
MehrErstellen von x-y-diagrammen in OpenOffice.calc
Erstellen von x-y-diagrammen in OpenOffice.calc In dieser kleinen Anleitung geht es nur darum, aus einer bestehenden Tabelle ein x-y-diagramm zu erzeugen. D.h. es müssen in der Tabelle mindestens zwei
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
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
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
Mehr15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit
5.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit Einführendes Beispiel ( Erhöhung der Sicherheit bei Flugreisen ) Die statistische Wahrscheinlichkeit, dass während eines Fluges ein Sprengsatz an Bord
MehrDer Provider möchte möglichst vermeiden, dass die Werbekampagne auf Grund des Testergebnisses irrtümlich unterlassen wird.
Hypothesentest ================================================================== 1. Ein Internetprovider möchte im Fichtelgebirge eine Werbekampagne durchführen, da er vermutet, dass dort höchstens 40%
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.
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
MehrManager. von Peter Pfeifer, Waltraud Pfeifer, Burkhard Münchhagen. Spielanleitung
Manager von Peter Pfeifer, Waltraud Pfeifer, Burkhard Münchhagen Spielanleitung Manager Ein rasantes Wirtschaftsspiel für 3 bis 6 Spieler. Das Glück Ihrer Firma liegt in Ihren Händen! Bestehen Sie gegen
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 3A Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Mit den Berechnungsfunktionen LG10(?) und SQRT(?) in "Transformieren", "Berechnen" können logarithmierte Werte sowie die Quadratwurzel
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
MehrPTV VISWALK TIPPS UND TRICKS PTV VISWALK TIPPS UND TRICKS: VERWENDUNG DICHTEBASIERTER TEILROUTEN
PTV VISWALK TIPPS UND TRICKS PTV VISWALK TIPPS UND TRICKS: VERWENDUNG DICHTEBASIERTER TEILROUTEN Karlsruhe, April 2015 Verwendung dichte-basierter Teilrouten Stellen Sie sich vor, in einem belebten Gebäude,
MehrFestigkeit von FDM-3D-Druckteilen
Festigkeit von FDM-3D-Druckteilen Häufig werden bei 3D-Druck-Filamenten die Kunststoff-Festigkeit und physikalischen Eigenschaften diskutiert ohne die Einflüsse der Geometrie und der Verschweißung der
MehrBehörde für Bildung und Sport Abitur 2008 Lehrermaterialien zum Leistungskurs Mathematik
Abitur 8 II. Insektenpopulation LA/AG In den Tropen legen die Weibchen einer in Deutschland unbekannten Insektenpopulation jedes Jahr kurz vor Beginn der Regenzeit jeweils 9 Eier und sterben bald darauf.
MehrHypothesentests mit R Ashkan Taassob Andreas Reisch 21.04.09 1
Hypothesentests mit R Ashkan Taassob Andreas Reisch 21.04.09 1 Inhalt Programmiersprache R Syntax Umgang mit Dateien Tests t Test F Test Wilcoxon Test 2 Test Zusammenfassung 2 Programmiersprache R Programmiersprache
MehrSysteme 1. Kapitel 6. Nebenläufigkeit und wechselseitiger Ausschluss
Systeme 1 Kapitel 6 Nebenläufigkeit und wechselseitiger Ausschluss Threads Die Adressräume verschiedener Prozesse sind getrennt und geschützt gegen den Zugriff anderer Prozesse. Threads sind leichtgewichtige
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
MehrStudienplatzbeschaffung
Studienplatzbeschaffung - Einklagen www.asta.haw-hamburg.de Hintergrund Alle Unis und Hochschulen unterliegen dem Kapazitätsausschöpfungsgebot Sie müssen alle ihnen zur Verfügung stehenden Plätze vergeben!
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
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)
MehrAnimationen erstellen
Animationen erstellen Unter Animation wird hier das Erscheinen oder Bewegen von Objekten Texten und Bildern verstanden Dazu wird zunächst eine neue Folie erstellt : Einfügen/ Neue Folie... Das Layout Aufzählung
MehrStudie Windkraft und Tourismus 2003 bis 2009
Studie Windkraft und Tourismus 2003 bis 2009 Ergebnisse der repräsentativen Bevölkerungsbefragungen entwickelt und durchgeführt vom: SOKO Institut Ritterstraße 19 33602 Bielefeld Dr. Henry Puhe 0521 /
MehrVermögensbildung: Sparen und Wertsteigerung bei Immobilien liegen vorn
An die Redaktionen von Presse, Funk und Fernsehen 32 02. 09. 2002 Vermögensbildung: Sparen und Wertsteigerung bei Immobilien liegen vorn Das aktive Sparen ist nach wie vor die wichtigste Einflussgröße
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,
Mehr1.1 Auflösungsvermögen von Spektralapparaten
Physikalisches Praktikum für Anfänger - Teil Gruppe Optik. Auflösungsvermögen von Spektralapparaten Einleitung - Motivation Die Untersuchung der Lichtemission bzw. Lichtabsorption von Molekülen und Atomen
MehrChemie Zusammenfassung KA 2
Chemie Zusammenfassung KA 2 Wärmemenge Q bei einer Reaktion Chemische Reaktionen haben eine Gemeinsamkeit: Bei der Reaktion wird entweder Energie/Wärme frei (exotherm). Oder es wird Wärme/Energie aufgenommen
Mehr7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
MehrMATURITÄTSPRÜFUNGEN 2008
KANTONSSCHULE FRAUENFELD 4MC MATURITÄTSPRÜFUNGEN 2008 Hilfsmittel: Prüfungsdauer: Bemerkungen: Bewertung: - Formelsammlung DMK/DPK - Taschenrechner Texas Instruments TI-84-180 Minuten - Für jeden Aufgabenblock
Mehr