Einführung in die statistische Ökologie
|
|
- Arnim Schwarz
- vor 8 Jahren
- Abrufe
Transkript
1 Einführung in die statistische Ökologie (Statistics in Ecology I) (mit Übungen) Dr. J.-P. Airoldi / Herbstsemester 2009 Zeit: Montag 9-10 (Theorie), (Übungen) Beginn: Anmeldung: um am Kurs teil zu nehmen, melden Sie sich über ILIAS an. Ort: PC Schulungsraum der Fachbereichsbibliothek (FBB), Baltzerstrasse 4, 3012 Bern Inhalt des Kurses Buch: Lozan, J.L. & H. Kausch (2007). Angewandte Statistik für Naturwissenschaftler. Wissenschaftliche Auswertungen, Hamburg. ISBN (kann am Anfang des Kurses bei J.-P. Airoldi mit 20% Rabatt gekauft werden, ca. Sfr. 45.-) Vorraussetzungen: Besuch von "Einführung in die angewandte Statistik für BiologInnen" ist erwünscht, aber nicht obligatorisch. Für weitere Auskünfte: Airoldi Jean-Pierre, Dr, Universität Bern, Institut für Ökologie und Evolution, Baltzerstrasse 5, CH-3012 Bern, Tel.: ; airoldi@iee.unibe.ch A. Einführung Als Basis des Kurses dient das Buch von J.L. Lozan & H. Kausch (2007). Angewandte Statistik für Naturwissenschaftler. Wissenschaftliche Auswertungen, Hamburg. ISBN Der Stoff des Kurses wird in Form von 100 Fragen, die dem allgemeinen Plan des Buches entsprechen, präsentiert. Es wird ein Skript von ca. 100 Seiten abgegeben (Theorie und Lösungen zu den Übungen) Einige Beispiele: Was ist ein Ausreisser? Was bedeuten Genauigkeit und Treffsicherheit? Wie sind die Varianz und die Standardabweichung definiert? Was ist eine Poisson-Verteilung? Was ist eine ANOVA? Wie ist die Kovarianz definiert? Was ist eine multiple Regression? Was versteht man unter Arten-Diversität? Was ist eine Kontingenz-Tafel? Wie kann man Ähnlichkeiten zwischen Standorten quantifizieren? Wozu dient eine Hauptkomponenten-Analyse? Für jede Frage gibt es eine Antwort (kurzer Abschnitt oder bis zu 2 Seiten je nach Thema), und Übungen. Die meisten Übungen können mit EXCEL gelöst werden; damit lernt man mit Formeln um zu gehen und kann verschiedene Analysen selber programmieren, was das Verständnis erhöht. Will man umfangreiche Datensätze analysieren oder komplexere Modelle verwenden, muss man andere Programme beiziehen (siehe unten). Alle Übungen stehen als Excel-Tabellen zur Verfügung mit den entsprechenden Lösungsvorschlägen (auch im Skript), die auf Memory-Stick kopiert und auf dem eigenen Computer bearbeitet werden können. 1
2 Am Schluss des Kurses wird eine 3-stündige Leistungskontrolle (Prüfung) durchgeführt: 1. Teil: Theorie (45 Minuten); 2. Teil: Praktische Anwendungen (2 Stunden) B. Übersicht 1. Grundbegriffe und wichtigste Formeln der Statistik. 2. Versuchsplanung und Varianzanalyse (ANOVA) 3. Regressionsanalyse 4. Räumliche Verteilung der Organismen 5. Diversität und Artenvielfalt 6. Ähnlichkeit zwischen Standorten und/oder Arten; Cluster-Analyse 7. Multivariate Statistik: Hauptkomponenten-, Korrespondenz- und Diskriminanz-Analyse (kurzer Einblick) C. Statistik-Programme Im Kurs werden folgende Programme verwendet: Ecological Methodology, Excel, GPower, JMP, Openstat, PAST, Simstat D. Literatur Backhaus, K., Erichson, B., Plinke, W. & Weiber, R. (2000). - Multivariate Analysenmethoden. Eine Anwendungsorientierte Einführung. Springer, Berlin. 660 pp. Collins, C. & Seeney, F. (1999). - Statistical experiment design and interpretation. An introduction with agricultural examples. J. Wiley & Sons, Ltd. Chichester. 280 pp. Davis, J.C. (2002). - Statistics and Data Analysis in Geology. J. Wiley & Sons, Inc. New York. 638 pp. Duller, C. (2007). - Einführung in die Statistik mit EXCEL und SPSS. Physica-Verlag (Springer), Heidelberg. 285 pp. Dytham, C. (1999). - Choosing and Using Statistics. A Biologist's Guide. Blackwell Science Ltd. Oxford. 218 pp. Ehrenberg, A.S.C. (1986). - Statistik oder der Umgang mit Daten. Eine praktische Einführung mit Übungen. VCH Verlagsgesellschaft mbh, Weinheim (Deutschland). 344 pp. Falissard, B. (1996). - Comprendre et utiliser les statistiques dans les sciences de la vie. Masson. 314 pp. Fry, J.C. (Ed.)(1994). - Biological Data Analysis. A practical Approach. Oxford University Press. 418 pp. Heiberger, R.M. & Holland, B. (2004). - Statistical analysis and data display. An intermediate course with examples in S-Plus, R, and SAS. Springer Verlag, New York. 729 pp Köhler, W., Schachtel, G. & O. Voleske (1996). - Biostatistik. Springer Verlag, Berlin. 2. Auflage. 285 pp. Krebs, C.J. (1999). - Ecological methodology. Addison-Wesley Publ. Co, New York. 576 pp. Legendre, L. & Legendre, P. (1998). - Numerical Ecology. Developments in Environmental Modelling 20. 2nd Edition. 853 pp. Elsevier Scientific Publ. Co, Amsterdam. 2
3 Leyer, I. and Wesche, K. (2007). - Multivariate Statistik in der Ökologie. Eine Einführung. Springer, Berlin. 221 pp. Lorenz, R.J. (1984). - Biometrie. Grundbegriffe der Biometrie. Gustav Fischer Verlag Stuttgart. 241 pp. Lozan, J.L. & Kausch, H. (2004). - Angewandte Statistik für Naturwissenschaftler. 3. Auflage. Wissenschaftliche Auswertungen, Hamburg. 299 pp. Ludwig, J.A. & J. F. Reynolds. (1988). - Statistical ecology. A primer on methods and computing. John Wiley & Sons, New York. 337 pp. McKillup, S. (2005). - Statistics explained. An introductory guide for life scientists.cambridge University Press, Cambridge UK, 267 pp. McPherson, G. (2001). Applying and interpreting statistics. A comprehensive guide. Springer Verlag, New York, 640 pp. Mühlenberg, M. (1993). - Freilandökologie. Quelle & Meyer. UTB 595. Heidelberg, 512 pp. Pielou, E.C. (1984). - The interpretation of ecological data. A primer on classification and ordination. John Wiley & Sons, New York. 263 pp. Pruscha, H. (2006). - Statistisches Methodenbuch. - Verfahren, Fallstudien, Programmcodes. Springer-Verlag, Berlin. 412 pp. Quinn, G.P. & Keough, M.J. (2002). - Experimental design and data analysis for biologists. Cambridge University Press. 537 pp. Scheiner, S. M. & J. Gurevitch (Eds) (1993). - Design and analysis of ecological experiments. Chapman & Hall, New York, 445 pp. Sokal, R.R. & F.J. Rohlf (1995). - Biometry. The principles and practice of statistics in biological research. W.H. Freeman, New York. 887 pp. Southwood, T. R. E.; Henderson, P.A. (2000). -Ecological Methods. 3rd Edition. Blackwell Science Ltd, Oxford. 575 pp. Steland, A. (2004) Mathematische Grundlagen der empirischen Forschung. Springer-Verlag. Berlin. 375 pp. Tabachnick, B.G. & Fidell, L.S. (2001). - Using multivariate analysis. 4th Edition. Allyn and Bacon, Boston. 966 pp. Townend, J. (2002). - Practical statistics for environmental and biological scientists. John Wiley & Sons, Ltd, New York. 276 pp. Untersteiner, H. (2005). - Biostatistik. Datenauswertung mit Excel und SPSS für Naturwissenschafter/innen und Mediziner/innen. Facultas Verlags- und Buchhandels AG, Wien. 212 pp. Weiss, C. (1999). - Basiswissen medizinische Statistik. Springer-Verlag. Berlin. 299 pp. Wratten, S.D. & Fry, G.L.A. (1980). - Field and Laboratory Exercises in Ecology. Edward Arnold, 227 pp. Young L.J. & Young, J. H. (1998). - Statistical Ecology. Kluwer Academic Publishers, Boston 565 pp. Zar, J.H. (1999). - Biostatistical Analysis. Prentice-Hall, Inc. London. 4th Edition. 931 pp. Zuur, A.F., Ieno, E.N., Smith, G.M. (2007). - Analysing ecological data. Springer Verlag, Berlin. 672 pp. 3
4 E. Einführung anhand typischer Probleme 1. Versuchsanordnung und Varianzanalyse Problem: Man möchte wissen, ob Tiere einer bestimmten Art in Bezug auf die Distanz zu einem Ackerkrautstreifen gleich häufig auftreten. Es werden jeweils 6 Stichproben auf 3 Linien in Abständen von 5, 10 und 20 Metern zum Ackerkrautstreifen entnommen und die Tiere gezählt. Statistisch kann man das Problem folgendermassen formulieren: Sind die Unterschiede rein zufällig oder ist irgend ein Faktor dafür verantwortlich? Man kann die Wahrscheinlichkeit p bestimmen, dass die berechnete F-Statistik einen solchen Wert nur per Zufall erreicht. Man kann dann entscheiden, ob die Differenzen zwischen den Gruppen als statistisch gesichert zu betrachten sind oder nicht. Üblicherweise werden folgende Signifikanzschwellen für p verwendet: 0.05, 0.01 und Im vorliegenden Fall sind die Mittelwerte 24.0, 25.0, bzw Falls die Stichproben voneinander unabhängig sind, kann man sich fragen, ob die Unterschiede rein zufällig sind oder nicht. Man kann die Varianz zwischen den Gruppen mit derjenigen innerhalb der Gruppen vergleichen. Man bildet den Quotienten der beiden und erhält einen Wert von F = 3.0. Je grösser F ist, desto unwahrscheinlicher ist es, dass er nur vom Zufall abhängig ist. Der Wert F folgt einer eigenen Verteilung, mit den entsprechenden Freiheitsgraden v1 (Anzahl Gruppen - 1) oder k-1 und v2 (Gesamtzahl Individuen - k) oder N-k. Für unser Beispiel ist die Wahrscheinlichkeit, dass F zufällig einen Wert von 3.0 erreicht gleich Das entspricht dem Wert p oder alpha und wird Typ I Fehler benannt, weil man die Nullhypothese fälschlicherweise verwirft. Da 0.08 grösser als 0.05 ist, verwirft man die Nullhypothese nicht. Nun kann man berechnen, wie gross die Wahrscheinlichkeit (beta) ist, die Nullhypothese anzunehmen, wenn sie falsch ist (Typ II Fehler). Hier ist beta = 0.50, also relativ gross. 1-beta wird auch Power genannt und gibt die Wahrscheinlichkeit an mit welcher man die Nullhypothese verwirft, wenn sie tatsächlich falsch ist. In diesem Beispiel ist die Power gleich Man kann nicht gleichzeitig die Typ I und II Fehler reduzieren. Verkleinert man alpha, vergrössert sich beta und umgekehrt. Je nach Situation, wird man eher versuchen beta als alpha zu reduzieren. In der Medizin kann man kranke von gesunden Personen anhand der Anzahl Leukozyten im Blut bestimmen. Ein Grenzwert wird festgelegt. Da sich die Verteilungen der beiden Gruppen überschneiden, gibt es Leute mit niedriger Anzahl Leukozyten, die fälschlicherweise als gesund betrachtet werden (beta oder Typ II Fehler), obwohl sie krank sind, und solche, mit höherer Anzahl Abstand 5m 10 m 20 m
5 Leukozyten, die fälschlicherweise als krank betrachtet werden, obwohl sie gesund sind (alpha oder Typ I Fehler). Ist die Krankheit ansteckend und/oder gefährlich, dann ist es sicher gut den Typ II Fehler zu reduzieren indem man einen grösseren Typ I Fehler in Kauf nimmt, d.h. mehr Leute behandelt, die eigentlich nicht krank sind. Falls das Medikament teuer ist und/oder Nebenwirkungen zeigt, dann ist es nicht angebracht einen zu grossen Fehler Typ I zu tolerieren. Am besten wäre es dann eine bessere Diagnose-Methode zu haben, damit man den Anteil der Personen, die fälschlicherweise als krank oder gesund betrachtet werden, reduzieren kann. All diese Überlegungen setzen eine Normalverteilung der Werte voraus. Die Power nimmt zu, wenn N (Anzahl Beobachtungen) und/oder der Unterschied der Mittelwerte zunimmt, und/oder die Varianz abnimmt. Es ist ratsam, bevor man eine Untersuchung startet, sich Gedanken über Fehler Typ I und II, bzw. Power macht. Man kann die Anzahl Individuen abschätzen, die für eine gewisse statistische Signifikanz notwendig ist. Aus Vorversuchen, können die Unterschiede zwischen den Mittelwerten, sowie die Varianz, geschätzt werden. Wenn man im vorliegenden Beispiel die Anzahl Stichproben pro Gruppe um 2 erhöhen würde, indem man zweimal die Werte 24 der Gruppe 1, zweimal den Wert 25 der Gruppe 2 und zweimal den Wert 26 der Gruppe 3 zufügen würde, dann ergäbe sich ein F von 5.6 und ein p von Die Power wäre dann Regressionsanalyse Problem I: Es wurden Schnecken (je 5 Stichproben auf einer gleich grossen Fläche) in einem Ackerkrautstreifen und in Abständen von 1, 3, 5, 10 und 20 Metern davon gesammelt. Man kann sich wiederum fragen, ob die mittlere Anzahl der Tiere in den verschiedenen Abständen etwa gleich gross ist und die Unterschiede rein zufälliger Natur sind. Das wäre wiederum ein Fall, den man mit Varianzanalyse untersuchen kann. Eine weitere, meines Erachtens interessantere Frage wäre: Nimmt die Anzahl Schnecken in Bezug auf die Distanz signifikant ab und kann man dies modellieren, z.b. durch Anpassung einer Geraden oder einer anderen Kurve? Abstand Probe 1 Probe 2 Probe 3 Probe 4 Probe 5 1 m m m m m
6 Die nebenstehende Grafik zeigt, dass eine Gerade eine mögliche Approximation darstellen könnte. Wahrscheinlich würde eine Kurve eine bessere Anpassung an die Daten liefern. Das Prinzip der Sparsamkeit (parsimony) kann hier angewandt werden: man sollte versuchen, ein Phänomen mit möglichst wenigen Parametern zu beschreiben. Bei einer Geraden muss man lediglich die Steigung bestimmen, bei einer Kurve mindestens 2 Parameter! Problem 2: Es wurden auf einem Streifen von 100 Meter Länge 10 Stichproben von Boden- Arthropoden, eine alle 10 Meter, gesammelt. Ferner wurden für jede Stichprobe noch die folgenden Variablen gemessen: Bodentemperatur, Lufttemperatur, Bodenfeuchtigkeit, Pflanzendeckung. Frage: Ist die Anzahl Tiere in den Stichproben von diesen Variablen abhängig? Man könnte die Anzahl Tiere gegen jede dieser Variablen auftragen. Da diese Variablen aber mit grosser Wahrscheinlichkeit miteinander korreliert sind, müsste diese Tatsache mitberücksichtigt werden. Falls die Variablen nicht miteinander korreliert sind, kann jede als unabhängig von den anderen betrachtet werden. Wenn aber die Korrelation relativ gross ist, dann sollte man für jede Variable nur den Anteil berücksichtigen, der nicht schon von einer anderen Variablen bestimmt wird. Multiple lineare Regression ist ein Verfahren, das es erlaubt, die Abhängigkeit einer Variablen, in unserem Falle die Anzahl Tiere, von anderen Variablen unter Berücksichtigung ihrer Korrelation zu bestimmen. 3. Verteilungen Problem: Es wurden 10 Blätter von 3 Baumarten auf Tiere untersucht. Für jede Baumart wurde eine andere Tierart berücksichtigt. Die Daten sind in der folgenden Tabelle zusammengefasst: Blatt Nr.: Mittelwert Varianz Baumart Baumart Baumart
7 Man sieht, dass die mittlere Anzahl der Tiere in den 3 Stichproben gleich ist, aber für Baumart 2 streuen die Werte viel stärker als bei Baumart 3. Im ersten Fall sind die Werte mehr oder weniger zufällig verteilt, im Fall 2 scheinen die Tiere in Gruppen vorzukommen und im letzten Fall ist die Verteilung gleichmässig. Frage: Kann man die Verteilung der Tiere auf den Blättern dieser Baumarten modellieren? Man kann die beobachteten Verteilungen mit theoretischen Verteilungen vergleichen und eine Statistik berechnen (χ²), anhand welcher man dann bestimmen kann, wie gross die Wahrscheinlichkeit p ist, dass die beobachteten Unterschiede rein zufällig sind. 4. Diversität oder Artenvielfalt Problem: Es wurden Pflanzen auf Quadraten (20 x 20 m) an 5 verschiedenen Standorten bestimmt und gezählt. Die Daten sind in der folgenden Tabelle zusammengefasst, wo für jede Art (a-p) die Anzahl Individuen pro Standort angegeben ist: Standorte STA1 STA2 STA3 STA4 STA5 a b c d e f g h i j k l m n o p Anzahl Arten: Man sieht, dass nicht alle Arten an jedem Standort vorkommen und dass die Anzahl Individuen je Standort unterschiedlich ist. Fragen: Wie kann man die Artenvielfalt ausdrücken? Die Anzahl Arten pro Standort wäre ein solches Mass. Doch berücksichtigt man dabei die Anzahl Tiere pro Art nicht. In anderen Worten könnte in Standort 1 jede vorkommende Art nur mit einem Individuum vertreten sein. Es ist dann nahe liegend, dass man die Artenvielfalt der Standorte 1 und 4 nicht als gleich gross betrachten dürfte. Es gibt Verfahren, die auf Informations- oder Wahrscheinlichkeitstheorie beruhen und es erlauben, einen Diversitätsindex zu berechnen. Anmerkung: im vorherigen Fall (Kap 3. Verteilungen) war man an der Verteilung einer einzelnen Art interessiert. Hier wird die Verteilung von Arten innerhalb eines Standortes bestimmt. 7
8 5. Ähnlichkeit zwischen Standorten / Cluster-Analyse Problem: Mit den Daten der vorherigen Tabelle kann man sich auch fragen, wie ähnlich die Standorte untereinander in Bezug auf die Artenzusammensetzung sind. Hier gibt es prinzipiell zwei mögliche Ansätze: a) man berücksichtigt nur das Vorhandensein bzw. Nichtvorhandensein einer Art an 2 Standorten; b) es wird auch die Anzahl Tiere der betreffenden Arten miteinbezogen. Für die Standorte 3 und 5 ergibt sich eine maximale Ähnlichkeit, wenn man nur das Vorhandensein einer Art betrachtet, da alle 16 Arten an beiden Orten auftreten. Man sieht jedoch, dass die Arten a-d an Standort 3 häufiger sind als an Standort 5 und für die Arten l-p das Gegenteil gilt. Es gibt Ähnlichkeits-Koeffizienten, die dies berücksichtigen. Allgemein ist die maximale Ähnlichkeit gleich 1 und die minimale gleich 0. Vergleicht man die Standorte paarweise mittels des Jaccard-Koeffizienten, der nur Anwesenheit zweier Arten berücksichtigt, bekommt man folgende Matrix: STA1 STA2 STA3 STA4 STA5 STA STA STA STA STA Die Matrix ist symmetrisch, d.h. die Werte unterhalb der Diagonale sind mit denjenigen über der Diagonale identisch. Die Werte der Diagonale sind gleich 1.000, da definitionsgemäss die Ähnlichkeit eines Standortes mit sich selbst gleich 1 ist! In der Literatur wurden eine Vielzahl von Ähnlichkeitskoeffizienten beschrieben. Die Wahl hängt jeweils von der Fragestellung ab. Man kann diese Matrix durch ein Dendrogramm darstellen; dies ist insbesondere dann hilfreich, wenn die Anzahl Zeilen, bzw. Kolonnen gross ist. Das Verfahren, das diese geometrische Darstellung ermöglicht, heisst Cluster-Analyse. Auch hier gibt es eine Vielzahl von Algorithmen und Optionen. Je nach Problemstellung kann man die Standorte oder die Arten miteinander vergleichen. Im Vorliegenden Fall wurde von den Standorten ausgegangen. 8
9 6. Hauptkomponenten- und Korrespondenzanalyse Problem: Häufig misst man mehrere Variablen. Eine davon (abhängige Variable) ist diejenige, die man anhand der anderen (unabhängige Variablen) bestimmen möchte. Da die Variablen meistens miteinander korreliert sind, nimmt der Beitrag jeder zusätzlichen Variablen in Bezug auf die gesamte Korrelation zwischen der abhängigen und den unabhängigen Variablen ab. Die Hauptkomponenten- Analyse ist ein multivariates statistisches Verfahren, das erlaubt, durch Transformation der ursprünglichen Variablen neue Variablen (=Komponenten) zu definieren. Hat man k Variablen, kann man k Komponenten definieren, mit der Eigenschaft, dass die erste Komponente möglichst viel von der Gesamtvariabilität erfasst. Die zweite Komponente enthält nur Variabilität, die nicht schon von der ersten erfasst wird, usw. für die restlichen Komponenten. Damit ist es möglich, einen Datensatz mit mehreren Variablen auf wenige Hauptkomponenten zu reduzieren, die dann einen grossen Anteil der Gesamtvariabilität erfassen (in unserem Beispiel 52%, bzw. 44%). Die Korrelation der ursprünglichen Variablen mit den Hauptkomponenten ermöglicht deren Interpretation. Wenn zum Beispiel die erste Hauptkomponente stark mit klimatischen Variablen korreliert, dann kann man sie als klimatische Komponente betrachten. Die weiteren Komponenten sind mit anderen Variablen wie Vegetation oder Nahrungsangebot usw. korreliert. Die Korrespondenzanalyse ist mit der Hauptkomponenten-Analyse mathematisch nahe verwandt. Sie erlaubt es, z.b. gleichzeitig Arten und Standorte darzustellen. Daraus lassen sich dann Beziehungen zwischen den Arten und den Standorten ableiten. Die folgende Grafik zeigt die Projektionen der Standorte und der Arten auf den ersten 2 Hauptachsen (=Hauptkomponenten). Man sieht zum Beispiel, dass die Standorte 1 und 2 sehr ähnlich sind und durch die Arten e, f, g, h charakterisiert werden. Standort 5 unterscheidet sich von allen anderen am meisten, und die Arten n, o, p sind dort am häufigsten. Es können noch weitere Zusammenhänge festgestellt werden, auf die hier nicht näher eingegangen wird. 9
10 7. "Resampling" - Verfahren: Jackknife und Bootstrap Bei der Bestimmung einer Statistik, sei es Mittelwert oder Standardabweichung einer Verteilung, Diversitäts- oder Ähnlichkeitsindex, usw., geht man in den meisten Fällen von einer Stichprobe aus, die repräsentativ für eine gesamte Population sein sollte. Man ist deshalb daran interessiert zu wissen, wie variabel die Schätzung eines solchen Parameters ist. In bestimmten Fällen gibt es Formeln, die uns erlauben, die Variabilität zu berechnen. Als Beispiel seien Mittelwert und Standardabweichung einer Normalverteilung genannt. Wenn aber keine Formeln existieren und es zu kostspielig und/oder unmöglich ist, mehrere Stichproben aus einer Population zu entnehmen, dann hat man die Möglichkeit, mit "Resampling"-Verfahren wie Jackknife und Bootstrap die Streuung eines Parameters zu schätzen. Praktisch geht man beim Bootstrap folgendermassen vor: aus den gesammelten Daten entnimmt man eine grosse Anzahl (N > 100) Stichproben mit Zurücklegen und berechnet jedes Mal die uns interessierende Statistik; diese Werte kann man dann graphisch darstellen und Konfidenzintervalle definieren. F. Vergleich wichtigster statistischer Verfahren in der Ökologie Beschreibende Statistik (deskriptive Statistik) Univariate Parameter Mittelwert, Varianz, Standardabweichung, usw. Bivariate Statistik: Korrelation und Regression Korrelation, Schätzen einer Variablen Y mittels einer Variablen X Multiple Regression Multiple Korrelation, Schätzen einer Variablen Y mittels mehrerer Variablen X Diversitäts-Indices Ähnlichkeitsmasse/ Cluster Analyse Hauptkomponenten-Analyse (Principal Component Analysis PCA) Korrespondenz-Analyse (Correspondence Analysis, CA; Reciprocal Averaging, RA) Entscheidungs-Statistik (Testen einer Hypothese) t-test: Signifikanz der Unterschiede zwischen 2 Mittelwerten Diskriminanz-Analyse Trennung zweier oder mehrerer Gruppen mittels mehrerer Variablen ANOVA (Analysis of Variance) Varianzanalyse: Vergleich der Varianz zwischen Gruppen und innerhalb der Gruppen und Signifikanz der Unterschiede mittels einer Variablen. Bei mehreren Gruppen-Variablen: multifaktorielle ANOVA bei mehreren Variablen: MANOVA Chi² : Vergleich von beobachteten mit erwarteten Werten 10
11 Anmerkung: In vielen Fällen gibt es sowohl parametrische (auf Normalverteilung basierend) als auch nicht-parametrische Verfahren (setzen keine Normalverteilung voraus). Es werden folgende Programm-Pakete für die Übungen verwendet: ECOLOGICAL METHODOLOGY, EXCEL, GPOWER, JMP, MVSP (MultiVariate Statistical Programs), OPENSTAT, PAST (PAleontological STatistics), SAMPLE POWER, SIMSTAT, SPSS, XLSTAT (unter EXCEL) und die Programme, die von Ludwig & Reynolds (1988) geschrieben wurden. 11
Einfache 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
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
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
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
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
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.
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
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
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
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
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
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
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
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 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
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
MehrGeld Verdienen im Internet leicht gemacht
Geld Verdienen im Internet leicht gemacht Hallo, Sie haben sich dieses E-book wahrscheinlich herunter geladen, weil Sie gerne lernen würden wie sie im Internet Geld verdienen können, oder? Denn genau das
MehrDie Optimalität von Randomisationstests
Die Optimalität von Randomisationstests Diplomarbeit Elena Regourd Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Düsseldorf im Dezember 2001 Betreuung: Prof. Dr. A. Janssen Inhaltsverzeichnis
MehrEinführung in statistische Testmethoden
Einführung in statistische Testmethoden und die Bearbeitung von Messdaten mit Excel 1. Beispielhafte Einführung in den Gebrauch von Testmethoden 2. Typen von Messwerten, Verteilungen 3. Mittelwert, Varianz,
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
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
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
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
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
MehrStatistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE
Statistik mit Excel für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE INHALTS- VERZEICHNIS Vorwort 13 Schreiben Sie uns! 15 1 Statistische Untersuchungen 17 Wozu Statistik? 18
MehrUli Greßler. Qualitätsmanagement. Überwachung der Produkt- und Prozessqualität. Arbeitsheft. 2. Auflage. Bestellnummer 04796
Uli Greßler Qualitätsmanagement Überwachung der Produt- und Prozessqualität Arbeitsheft 2. Auflage Bestellnummer 04796 Haben Sie Anregungen oder Kritipunte zu diesem Produt? Dann senden Sie eine E-Mail
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
MehrMobile Intranet in Unternehmen
Mobile Intranet in Unternehmen Ergebnisse einer Umfrage unter Intranet Verantwortlichen aexea GmbH - communication. content. consulting Augustenstraße 15 70178 Stuttgart Tel: 0711 87035490 Mobile Intranet
MehrStatistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE. Markt+Technik
Statistik mit Excel für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE Markt+Technik Vorwort Schreiben Sie uns! 13 15 Statistische Untersuchungen 17 Wozu Statistik? 18 Wirtschaftliche
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.
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 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.
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
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
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
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
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,
MehrEinfache statistische Auswertungen mit dem TI-Nspire
1. Neues Dokument und darin eine neue Seite anlegen Als Typ 6: Lists & Spreadsheet wählen. Darin die Messwerte in einer Spalte erfassen. Dies ergibt die Urliste. Wenn mehrere Messwerte vorliegen, die diejenigen,
Mehr2. Im Admin Bereich drücken Sie bitte auf den roten Button Webseite bearbeiten, sodass Sie in den Bearbeitungsbereich Ihrer Homepage gelangen.
Bildergalerie einfügen Wenn Sie eine Vielzahl an Bildern zu einem Thema auf Ihre Homepage stellen möchten, steht Ihnen bei Schmetterling Quadra das Modul Bildergalerie zur Verfügung. Ihre Kunden können
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,
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
Mehr2.8 Grenzflächeneffekte
- 86-2.8 Grenzflächeneffekte 2.8.1 Oberflächenspannung An Grenzflächen treten besondere Effekte auf, welche im Volumen nicht beobachtbar sind. Die molekulare Grundlage dafür sind Kohäsionskräfte, d.h.
MehrIIE4. Modul Elektrizitätslehre II. Transformator
IIE4 Modul Elektrizitätslehre II Transformator Ziel dieses Versuches ist es, einerseits die Transformatorgesetze des unbelasteten Transformators experimentell zu überprüfen, anderseits soll das Verhalten
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
MehrSurvival of the Fittest Wie statistische Modelle an Daten angepasst werden
Tag der Mathematik 2009 Survival of the Fittest Wie statistische Modelle an Daten angepasst werden Thomas Kneib Fakultät für Mathematik und Naturwissenschaften Carl von Ossietzky Universität Oldenburg
MehrWhitepaper. Produkt: combit Relationship Manager 7. combit Relationship Manager email-rückläufer Script. combit GmbH Untere Laube 30 78462 Konstanz
combit GmbH Untere Laube 30 78462 Konstanz Whitepaper Produkt: combit Relationship Manager 7 combit Relationship Manager email-rückläufer Script Inhalt Einleitung 3 Notwendige Anpassungen 3 crm Solution
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
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
MehrPatienteninformation: Gentestung bei familiärem Brust- und Eierstockkrebs (Basis-Information):
Frauenklinik Gynäkologie und Gynäkologische Onkologie Patienteninformation: Gentestung bei familiärem Brust- und Eierstockkrebs (Basis-Information): Universitätsspital Basel Frauenklinik PD Dr. med. Nicole
MehrDokumentation. estat Version 2.0
Dokumentation estat Version 2.0 Installation Die Datei estat.xla in beliebiges Verzeichnis speichern. Im Menü Extras AddIns... Durchsuchen die Datei estat.xla auswählen. Danach das Auswahlhäkchen beim
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
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
MehrInformation zum Projekt. Mitwirkung von Menschen mit Demenz in ihrem Stadtteil oder Quartier
Information zum Projekt Mitwirkung von Menschen mit Demenz in ihrem Stadtteil oder Quartier Sehr geehrte Dame, sehr geehrter Herr Wir führen ein Projekt durch zur Mitwirkung von Menschen mit Demenz in
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:
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
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
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
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
MehrOutlook. sysplus.ch outlook - mail-grundlagen Seite 1/8. Mail-Grundlagen. Posteingang
sysplus.ch outlook - mail-grundlagen Seite 1/8 Outlook Mail-Grundlagen Posteingang Es gibt verschiedene Möglichkeiten, um zum Posteingang zu gelangen. Man kann links im Outlook-Fenster auf die Schaltfläche
MehrLU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.
Zusätze zum Gelben Rechenbuch LU-Zerlegung Peter Furlan Verlag Martina Furlan Inhaltsverzeichnis Definitionen 2 (Allgemeine) LU-Zerlegung 2 3 Vereinfachte LU-Zerlegung 3 4 Lösung eines linearen Gleichungssystems
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,
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
MehrZwischenablage (Bilder, Texte,...)
Zwischenablage was ist das? Informationen über. die Bedeutung der Windows-Zwischenablage Kopieren und Einfügen mit der Zwischenablage Vermeiden von Fehlern beim Arbeiten mit der Zwischenablage Bei diesen
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
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
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
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,
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
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
MehrGrundlagen der Datenanalyse am Beispiel von SPSS
Grundlagen der Datenanalyse am Beispiel von SPSS Einführung Dipl. - Psych. Fabian Hölzenbein hoelzenbein@psychologie.uni-freiburg.de Einführung Organisatorisches Was ist Empirie? Was ist Statistik? Dateneingabe
Mehr1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
MehrVerband der TÜV e. V. STUDIE ZUM IMAGE DER MPU
Verband der TÜV e. V. STUDIE ZUM IMAGE DER MPU 2 DIE MEDIZINISCH-PSYCHOLOGISCHE UNTERSUCHUNG (MPU) IST HOCH ANGESEHEN Das Image der Medizinisch-Psychologischen Untersuchung (MPU) ist zwiespältig: Das ist
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
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
Mehr2. Psychologische Fragen. Nicht genannt.
Checkliste für die Beurteilung psychologischer Gutachten durch Fachfremde Gliederung eines Gutachtens 1. Nennung des Auftraggebers und Fragestellung des Auftraggebers. 2. Psychologische Fragen. Nicht genannt.
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
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.
MehrViele Bilder auf der FA-Homepage
Viele Bilder auf der FA-Homepage Standardmäßig lassen sich auf einer FA-Homepage nur 2 Bilder mit zugehörigem Text unterbringen. Sollen es mehr Bilder sein, muss man diese als von einer im Internet
Mehrsondern alle Werte gleich behandelt. Wir dürfen aber nicht vergessen, dass Ergebnisse, je länger sie in der Vergangenheit
sondern alle Werte gleich behandelt. Wir dürfen aber nicht vergessen, dass Ergebnisse, je länger sie in der Vergangenheit liegen, an Bedeutung verlieren. Die Mannschaften haben sich verändert. Spieler
MehrEigenwerte und Eigenvektoren von Matrizen
Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt
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.
MehrSimulation LIF5000. Abbildung 1
Simulation LIF5000 Abbildung 1 Zur Simulation von analogen Schaltungen verwende ich Ltspice/SwitcherCAD III. Dieses Programm ist sehr leistungsfähig und wenn man weis wie, dann kann man damit fast alles
MehrPränatales Screening auf Chromosomenstörungen. Pränatales Screening. Leitfaden für werdende Mütter und Väter. Leitfaden für werdende Mütter und Väter
Unsere Patienten-Information Pränatales auf Chromosomenstörungen Pränatales auf Chromosomenstörungen Leitfaden für werdende Mütter und Väter Leitfaden für werdende Mütter und Väter Labor Enders & Partner,
MehrApproximation durch Taylorpolynome
TU Berlin Fakultät II - Mathematik und Naturwissenschaften Sekretariat MA 4-1 Straße des 17. Juni 10623 Berlin Hochschultag Approximation durch Taylorpolynome Im Rahmen der Schülerinnen- und Schüler-Uni
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)
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
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
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
MehrKonzepte der Informatik
Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens
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... >
MehrWelche Gedanken wir uns für die Erstellung einer Präsentation machen, sollen Ihnen die folgende Folien zeigen.
Wir wollen mit Ihnen Ihren Auftritt gestalten Steil-Vorlage ist ein österreichisches Start-up mit mehr als zehn Jahren Erfahrung in IT und Kommunikation. Unser Ziel ist, dass jede einzelne Mitarbeiterin
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
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
Mehr2.1 Präsentieren wozu eigentlich?
2.1 Präsentieren wozu eigentlich? Gute Ideen verkaufen sich in den seltensten Fällen von allein. Es ist heute mehr denn je notwendig, sich und seine Leistungen, Produkte etc. gut zu präsentieren, d. h.
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
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
MehrAccess [basics] Rechnen in Berichten. Beispieldatenbank. Datensatzweise berechnen. Berechnung im Textfeld. Reporting in Berichten Rechnen in Berichten
Berichte bieten die gleichen Möglichkeit zur Berechnung von Werten wie Formulare und noch einige mehr. Im Gegensatz zu Formularen bieten Berichte die Möglichkeit, eine laufende Summe zu bilden oder Berechnungen
Mehr2 Aufbau der Arbeit und wissenschaftliche Problemstellung
2 Aufbau der Arbeit und wissenschaftliche Problemstellung Nach der Definition der grundlegenden Begriffe, die in dieser Arbeit verwendet werden, soll die Ausbildung, wie sie von der Verfasserin für Schüler
Mehr