Statistik. Deskriptive Statistik. Deskriptive Statistik. Deskriptive Statistik
|
|
- Ute Simen
- vor 8 Jahren
- Abrufe
Transkript
1 AGAH Aual Meetig 004, Berli Grudlage der Biometrie Beschreibede ud schließede Statistik i kliische Studie Jede mathematische Formel reduziert die Azahl der Zuhörer um 50% PD Dr. Thomas Sudhop & Dr. med. Dipl. chem. Michael Reber Abteilug für Kliische Pharmakologie Uiversität Bo Wie viele Formel werde beötigt, um de Saal zu leere? Statistik Lehre vo de Verteiluge Deskriptive Statistik Deskriptive Statistik = empirische Verteiluge vo Merkmale Iduktive/Aalytische Statistik = Schließe vo eier Stichprobe auf die Grudgesamtheit Wahrscheilichkeitstheorie = Verteiluge vo Zufallsvariable Aufgabe: Strukturierug der Rohdate Deskriptive Statistik Tabelle / Graphische Darstellug Deskriptive Statistik Tabelle / Graphische Darstellug Patiet Mittelwerte Placebo ,95 Arzei alpha ,4 Arzei beta , Placebo Arzei alpha Arzei beta Patiet Mittelwerte Placebo ,95 Medisa alpha ,4 Medisa beta ,75 RR Blutdruckseker im Vergleich Probad Placebo Arzei alpha Arzei beta
2 AGAH Aual Meetig 004, Berli Deskriptive Statistik Populatio Was? Wie? Strukturierug der Rohdate Verwedug mathematischer Methode zur stadardisierte Erfassug bestimmter Merkmale der erhobee Date Warum? Hervorhebe wesetlicher Zusammehäge durch Datereduktio ud graphische Darstellug um adere Persoe ohe Ketisse der Eizeldate die erhobee Beobachtuge vermittel zu köe Populatio (Grudgesamtheit) Die Grudgesamtheit sid alle Idividue, für welche Schlussfolgeruge gezoge werde solle. - Alle Eiwoher eies Budeslades - Alle Autos i Deutschlad - Alle Typ II Diabetiker (Zielpopulatio) Populatioe weise eie große Umfag (=Mege der Elemete) auf ud köe daher icht vollstädig utersucht werde. Stichprobe Stichprobe Eie Stichprobe aus eier Populatio stellt die Azahl vo Idividue dar, welche tatsächlich beobachtet werde. Der Stichprobeumfag (Elemete der Stichprobe = Fallzahl) muss ausreiched groß sei Stichprobe sollte repräsetativ für die Populatio sei Repräsetative Stichprobe Stichprobe sollte Elemete aus alle Bereiche der Populatio umfasse Alle PKW, welche a eiem Stichtag zugelasse wurde Alle rote PKW i Berli sid icht repräsetativ für alle PKW Uivariate deskriptive Statistik Kurze ud prägate Charakterisierug der Date eier Stichprobe Statistische Kewerte Lagemaße Streumaße Graphische Darstellug Lagemaße - Mittelwerte - Arithmetisches Mittel - Geometrisches Mittel - Harmoisches Mittel - Getrimmtes Mittel - Media
3 AGAH Aual Meetig 004, Berli Lagemaße Arithmetisches Mittel? Wo liegt das Zetrum der Date? Was ist ei typischer mittlerer Wert Der Mittelwert beschreibt das Verhalte der Date im Mittel (Σ = Summe) Er ist der durchschittliche Wert aller Elemete eier Mege Nachteil: empfidlich gegeüber Extreme Berechug: Mittelwert = Summe aller Elemet : Azahl aller Elemete x + x + x3 + L+ x x = Geometrisches Mittel Log - Trasformatio Fidet häufig Awedug i der Pharmakokietik Weiger empfidlich gege Extremwerte Berechug erfordert log.-trasformatio Berechug: x = x x x 3 K x statistische Verfahre beruhe auf der Aahme, dass Versuchsdate sich der Normalverteilug aäher 5 6 Log - Trasformatio Apassug der Trasformatio durch Auswahl des Logarithmus Awedug bei rechtschiefer Verteilug (Es liege mehr Werte rechts vom Mittelwert) x = x x x 3 K x l( x ) + l( x) +... l( x) = e l( x) + = Geometrisches Mittel l( x) Harmoisches Mittel Es diet als Lagemaß, we die Beobachtugswerte Verhältiszahle sid (z.b. zur Berechug eier durchschittliche Geschwidigkeit oder Überlebeszeit). Bsp.: Ohmsches Gesetz Berechug: 7 8 3
4 AGAH Aual Meetig 004, Berli Getrimmtes Mittel Media Etspricht eiem Arithmetische Mittel Vor der Berechug werde a beide Ede der Verteilug die Extremwerte gekappt (grau uterlegt) Der Media beschreibt de mittlere Wert i eier sortierte Stichprobe Berechug: Stichprobe aufsteiged sortiere Bei ugeradem Stichprobeumfag Mittleres Elemet ist der Media Bei geradem Stichprobeumfag Media ist der Mittelwert aus de beide mittlere Elemete 9 0 Media Beispiel Bestimmug des Alters-Medias vo 6 Patiete Alter der Patiete: 48, 50, 46, 5, 47, 48 Mittelwert versus Media Der Mittelwert ist derjeige Wert, der die Date auf eier Waage ausbalaciert. Etferte Werte besitze eie große Hebelkraft.. Schritt: aufsteiged sortiere 46, 47, 48, 48, 50, 5. Schritt: Mittelwert der beide mittlere Werte bilde 46, 47, 48, 48, 50, 5 ( ) = Beim Media spielt der Abstad der Beobachtug keie Rolle. Der Media ist robust gege Ausreißer. Der Alters-Media der Patiete beträgt 48 Jahre Mittelwert versus Media Die Wahl zwische Mittelwert ud Media ist: - Abhägig davo, ob ei typischer oder ei mittlerer Wert gesucht wird - Abhägig vo der Verteilug (Normal, Schief oder Gibt es Ausreißer? ) - Abhägig davo, ob Präzisio oder Robustheit im Vordergrud steht Praktisches Beispiel Lagemaße Kliische Studie mit ACE-Hemmer 360 Probade Radomisiert auf drei Behadlugsarme 3 4 4
5 AGAH Aual Meetig 004, Berli Streumaße Streumaße - Übersicht Streumaße liefer Iformatioe zur Zusammesetzug (Streuug) vo Stichprobe Rage Stichprobe A: {,, 3, 3, 4, 4, 4, 5, 5, 6 } Stichprobe B: {,,, 5, 6, 9, 9, 9, 9, } Stadardabweichug Variaz Stadardfehler Quatile / Perzetile 5 6 Rage (Spaweite) Defiitio: Differez aus größtem ud kleistem Elemet eier Stichprobe Stichprobe A: {,, 3, 3, 4, 4, 4, 5, 5, 6 } Rage: 6 - = 4 Stichprobe B: {,,, 5, 6, 9, 9, 9, 9, } Rage: - = 9 Rage / Media Media ud Rage beschreibe Stichprobe Stichprobe A: {,, 3, 3, 4, 4, 4, 5, 5, 6 } Media: 4 Rage: Stichprobe B: {,,, 4, 5, 6, 9, 9, 9, } Media: 5,5 Rage: Streumaße - Übersicht Rage Stadardabweichug Variaz Stadardfehler Quatile / Perzetile Stadardabweichug Stadardabweichug (egl. Stadard deviatio, SD) wird meist i Verbidug mit dem Mittelwert agegebe Mittelwert ± Stadardabweichug (Mea ± SD) Sie stellt ei Maß für die Streuug um de Mittelwert dar. Grobe Vorstellug: gibt de durchschittlich Abstad des Eizelwertes vom Mittelwert a
6 AGAH Aual Meetig 004, Berli Stadardabweichug Stadardabweichug 3 3 Arithmetisches Mittel Arithmetisches Mittel SD = - - ( x x) + ( x x) + ( x x3) ( x x) 3 3 Stadardabweichug Stadardabweichug Stichprobe A: {,, 3, 3, 4, 4, 4, 5, 5, 6 } Mittelwert: 3.8 ± Stichprobe B: {,,, 5, 6, 9, 9, 9, 9, } Mittelwert: 9.4 ± Probad Blutdruck (syst.) Tablette A Tablette B Mittelwert 7,5 7,5 SD 9,4, Streumaße - Übersicht Rage Stadardabweichug Variaz Stadardfehler Quatile / Perzetile Variaz Variaz = Stadardabweichug² Mittleres Abstadsquadrat der Elemete vom Mittelwert der Stichprobe Berechug: ( x x) + ( x x) + ( x x3) ( x x) Variaz =
7 AGAH Aual Meetig 004, Berli Stadardabweichug / Variaz Streumaße - Übersicht Stadardabweichug ist das meistgebrauchte Streuugsmaß Rage Vorteil der Stadardabweichug - gleiche Eiheit wie die ursprügliche Messwerte. Stadardabweichug Variaz Stadardfehler Quatile / Perzetile Stadardfehler des Mittelwerts (SEM) Stadardfehler stadard error of the mea = SEM Abgeleitet aus Stadardabweichug (SD) ud Stichprobeumfag () Immer kleier als Stadardabweichug SD SEM = Stadardfehler des Mittelwerts (SEM) Der Stadardfehler beschreibt icht die Date. SEM gibt die Geauigkeit des Mittelwertes als Schätzwert a. CAVE: Häufig wird SEM astelle des Stadard- Abweichug verwadt. Die kleiere Maßzahl für SEM soll eie bessere Wirkug suggeriere. Nährug 95%-KI des Mittelwert: Mittelwert +/- SEM SD SEM SD > SEM Mittelwert +/- SEM -3S -S -S S S 3S Alter vo 9 Kider SD = ( x x ) + ( x x) + ( x x3) ( x x) SD SEM = Mittelwert +/- Stadardabweichug Mea ± SD (,4 ± 9,0) Mea ± SEM (,4 ± 3,0) 4 4 7
8 AGAH Aual Meetig 004, Berli Streumaße - Übersicht Rage Stadardabweichug Variaz Stadardfehler Quatile / Perzetile Rag Defiitio Positio ierhalb der aufsteiged sortierte (Rag-)Liste eier Stichprobe Beispiel Platzieruge im Sport Berechug Elemete aufsteiged sortiere Begied bei ummeriere Meßwert Rag Perzetile Als x%-perzetile wird derjeige Wert eier Stichprobe bezeichet, der kleier oder gleich x% aller Werte ist Meßwert Ragplatz Perzetile % % % % % 4 60% % % % % Perzetile - BMI Quartile Bezeiche die 5%, 50%, 75% ud 00% - Perzetile Meßwert Ragplatz Perzetile Quartil %. Quartil %. Quartil % 3. Quartil % 4. Quartil Iter-Quartil-Spaweite iterquartile rage Bezeichet die Differez aus 3. ud. Quartil 50% aller Werte eier Stichprobe liege ierhalb dieses Bereichs Meßwert Ragplatz Perzetile Quartil %. Quartil %. Quartil % 3. Quartil % 4. Quartil
9 AGAH Aual Meetig 004, Berli Grafik - Histogramm 3 Graphische Darstellug Stichprobe A: {,, 3, 3, 4, 4, 4, 5, 5, 6 } Quartile Box Bereich vo der 5. zur 75. Perzetile Stäbe (whiskers) sid icht eiheitlich defiiert Miimum / Maximum (SPSS) 0% / 90% Perzetile Grafik - Boxplots * * größter Ausreißer größte ormale Beobachtug oberes Quartil Mittelwert (grau Vertrauesitervall) Media uteres Quartil A B kleiste ormale Beobachtug 5 * iedriger Ausreißer 5 Boxplots Bsp. ACE-Hemmer Zusammefassug Die deskriptive Statistik beschreibt mathematische Eigeschafte des erhobee Datematerials ahad vo Stichprobe Es werde Lagemaße (Mittelwert, Media, 95%- Perzetile) vo Streumaße (Stadardabweichug, Variaz, SEM, rage, iterquartile rage) uterschiede. WEIGHT N = 0 0 Ahad dieser Parameter köe Utersuchugsergebisse stadardisiert berichtet werde, so dass es adere geligt, die Ergebisse eier Utersuchug achzuvollziehe, ohe alle Eizeldate zu kee. GENDER
10 AGAH Aual Meetig 004, Berli Grudlage der Biometrie Beschreibede ud schließede Statistik i kliische Studie Wahrscheilichkeit Verhältis Azahl aller güstige Ereigisse zu Azahl aller mögliche Ereigisse Azahl aller güstige Ereigisse p = Azahl aller mögliche Ereigisse Wahrscheilichkeit, mit eiem Würfel im ächste Wurf eie 6 zu werfe: PD Dr. med. Thomas Sudhop & Dr. med. Dipl. chem. Michael Reber Abteilug für Kliische Pharmakologie Uiversität Bo p = {6} {,,3,4,5,6} = = ,7% 6 p liegt immer im Itervall [0; ] (0-00%) 56 Chace (Odd) Absolute ud relative Häufigkeit Verhältis Azahl aller güstige Ereigisse zu Azahl aller ugüstige Ereigisse Azahl aller güstige Ereigisse p = Azahl aller ugüstige Ereigisse Absolute Häufigkeit Agabe, wie oft ei bestimmter Datewert i der Stichprobe ethalte ist Relative Häufigkeit Agabe, wie oft ei bestimmter Datewert i der Stichprobe relativ zum Stichprobeumfag ethalte ist Chace, mit eiem Würfel im ächste Wurf eie 6 zu werfe: 0 40% =50 =50 p = {6} {,,3,4,5} = = 0, 0% % 0% 6% 3% 4% 4% 5 5 0% 0% 4% % Mathematikote eier Jahrgagsstufe Mathematikote eier Jahrgagsstufe 58 Zufallsvariable (Radom variable) Skale für Zufallsvariable Variable i eier Studie, die auf eier Zufallsstichprobe basiert Alter systolischer Blutdruck diskret / kategorial Nomialskaliert: keie lieare Ordug Beispiel: Farbe, ja/ei Ordialskaliert: Ausprägug ka geordet werde... Beispiel: Schulote Zielgröße i eier Studie stetig / kotiuierlich Zufallsvariable uterliegt eier bestimmte Verteilug itervallskaliert: Differeze sid eiheitlich iterpretierbar Beispiel: Temperatur i Grad Celsius verhältisskaliert: Verhältisse sid eiheitlich iterpretierbar Beispiel: Luftdruck, etc
11 AGAH Aual Meetig 004, Berli Histogramm -> Verteilug Normalverteilug Stadard-Normalverteilug (z) µ=0 σ=0 Ν(µ, σ²) f ( x µ ) σ ( x) = e σ π ,45 0,40 0,35 0,30 0,5 0,0 µ=0 σ= Ν(0,) f ( z) = e π z ,5 0,0 0,05 0,00 0,5% 34,% 34,%,%,% 3,6% 3,6% 0,5% x µ z = σ 6 Z-Verteilug Kritische Werte Z-Trasformatio Kritische Werte µ=0 σ= 0,05 = 5% ,645 < 5% der Werte sid >,645 0,975 = 97,5% ,96 X = z σ + µ µ=0 σ= Durch Trasformatio köe die kritische Werte der z-verteilug auf jede Normalverteilug agepasst werde 0,05 =.5% ,96 < 5% der Werte sid >,96 bzw.. < -,96 63 RR i der Normalbevölkerug: µ=0, σ=0 krit. Greze (z 97,5% ) =,96*0+0 = 39,6 mmhg 64 Cetral limit Theorem Cetral Limit Theorem Der Mittelwert der Stichprobe-Mittelwerte etspricht dem Mittelwert der Populatio Ist die Populatio ormal verteilt, so ist auch der Mittelwert der Stichprobe-Mittelwerte ormal verteilt Verteilug der Eizelwerte: Uiform Verteilug der Stichprobemittelwerte: Normal Ist die Populatio icht ormal verteilt, so ist der Mittelwert der Stichprobe-Mittelwerte deoch aäherd ormal verteilt* 65 *für große Stichprobe 66
12 AGAH Aual Meetig 004, Berli Stadardabweichug ud Stadardfehler Kofidezitervall / Vertrauesbereich des Mittelwerts Stadardabweichug SD ist die Stadardabweichug der Eizelwerte SD σ SEM = = SEM σ = Stadardfehler SEM etspricht der Stadardabweichug der Mittelwerte 67 Der x%-vertrauesbereich eies Mittelwerts eier Stichprobe (x) bezeichet das Itervall, das mit x%iger Wahrscheilichkeit de Mittelwert der Populatio (µ) ethält Beispiel: x= mmhg, 95%-CI [8; 4] Kostellatioe sid zu uterscheide Variaz/SD der Populatio ist bekat Variaz/SD der Populatio ist ubekat 68 Vertrauebereich für z-verteilug N(µ,σ²) = N(0, ) 0,45 0,40 0,35 0,30 0,5 0,0 0,5 0,0 0,05 0,00 0,45 0,40 0,35 0,30 0,5 0,0 0,5 0,0 0,05 0,00 µ=0 σ= 00% µ=0 σ=.5% < -,96 97,5% > +, X = zσ + µ [ x z,5% σ ; x + z97,5 % σ ] σ σ ] [ x z,5% ; x + z97,5 % [ x,96 SEM ; x +,96 SEM ] σ σ [ x,96 ; x +,96 ] Beispiel: 95%-CI bei bekater SD der Populatio Systolischer Blutdruck der Normalpopulatio (SD=0 mmhg) Stichprobe mit =5 liefert eie Mittelwert vo mmhg 95% CI = x ±, % CI = ±,96 = ± 3,9 95% CI = [ 8,078 ; 5,9 ] %-Kofidezitervall 95% aller Stichprobe beihalte mit ihrem 95%-CI de Populatiosmittelwert µ Nur 5% aller Stichprobe beihalte mit ihrem 95%-Vertrauesitervall icht de Populatiosmittelwert µ 0,45 0,40 0,35 0,30 0,5 0,0 0,5 0,0 0,05 0,00 0,45 0,40 0,35 0,30 0,5 0,0 0,5 0,0 0,05 Irrtumswahrscheilichkeit α µ=0 σ=.5% < -,96 97,5% > +, µ=0 σ= 0,5% < -,576 99,5% > +,576 α = 5% zα / =,96 z α / = +,96 α = % zα / =,576 z α / = +,576 0, µ 7 7
13 AGAH Aual Meetig 004, Berli Kofidezitervall bei bekater SD CI σ σ [ x z α / ; x + z α / α = ] 95%-Vertrauesbereich bei ubekater SD Bei ubekatem Populatios-SD müsse astelle vo z -α/ die etsprechede Werte der t-verteilug eigesetzt werde 95% CI = x ±, 96 SEM α = Irrtumswahrscheilichkeit σ = Stadardabw. der Populatio x = Mittelwert der Stichprobe = Umfag der Stichprobe CI 95% CI = x ± z0, 975 SEM σ [ x t, α / ; x + t, α / α = σ ] t-verteilug (Studet-t) Kofidezitervall i der aalytische Statistik df=0 df=9 df=4 df t df;0,975 z 0,975 4,776,96 9,6,96 9,045,96 60,000,96 Df = Degree of Freedom (Freiheitsgrade) Kliische Studie Patiete mit Grezwerthypertoie (=5) Zielgröße: systolischer Blutdruck Desig: -armig, itraidividueller Vergleich Systolischer Blutdruck vor Therapie (RR t=0 ) ud ach 4 Woche (RR t=8 ) kotiuierlicher Itervetio Fragestellug: Ist durch die Itervetio eie Blutdruckäderug achweisbar? Zufallsvariable: RR t=8 - RR t= Beispiel Zufallsvariable: RR t=8 - RR t=0 Kofidezitervall für Differeze Vorher Nachher Differez Kofidezitervalle t 4,-α/ Like Greze Rechte Greze p % % % % % % x SD SEM Beihaltet ei -α Kofidezitervall für eie Differez die 0, so ka keie sigifikate Differez ageomme werde. Ist die 0 icht im -α Kofidezitervall für eie Differez ethalte, so ka vo eiem sigifikate Uterschied ausgegage werde Die Differez ist mit eier Irrtumswahrscheilichkeit vo α vo 0 verschiede Da das 95%-Kofidezitervall icht die 0 umfasst, ist die Behadlugsdifferez vo 0 verschiede Simplifiziert: Es liegt ei sigifikater Behadlugseffekt mit Irrtumswahrscheilichkeit vo α = 0,05 vor
14 AGAH Aual Meetig 004, Berli Statistischer Test Hypothese Eifluss der Itervetio H 0 : hat keie Eifluss H : hat eie Eifluss Aufbau der Hypothese Die Null-Hypothese (H 0 ) geht vo keiem systematische Uterschied aus. Gefudee Uterschiede sid zufällig ud icht systematisch Bezoge auf gemessee Differez der Stichprobe H 0 : Differez ist icht 0 verschiede H : Differez ist vo 0 verschiede 79 Die Alterativ-Hypothese (H / H A ) ist die logische Umkehrug der Null-Hypothese, d.h. es existiert ei systematischer Uterschied. Gefudee Uterschiede sid icht zufällig, soder systematisch Null- ud Alterativ-Hypothese müsse sich gegeseitig ausschließe ud alle Möglichkeite abdecke. We H 0 falsch ist, muss H wahr sei We H 0 wahr ist, muss H falsch sei 80 Ei- ud zweiseitige Fragestellug Ugerichteter Effekt H 0 : RR t=8 - RR t=0 = 0 H : RR t=8 - RR t=0 0 Zweiseitiger Test 0,45 0,40 0,35 0,30 0,5 0,0 0,5,5% 97,5% 0,0 0,05 0, Testergebis ud Wirklichkeit Statistische Fehler 4 Möglichkeite, wie Testergebis ud Wirklichkeit zusammetreffe köe H 0 wird akzeptiert, H 0 ist i Wirklichkeit wahr Gerichteter Effekt H 0 : RR t=8 - RR t=0 = 0 H : RR t=8 - RR t=0 < 0 Eiseitiger Test 0,45 0,40 0,35 0,30 0,5 0,0 0,5 5% 0,0 0,05 0, H 0 wird akzeptiert, H ist i Wirklichkeit wahr H 0 wird abgeleht, H ist i Wirklichkeit wahr H 0 wird abgeleht, H 0 ist i Wirklichkeit wahr 8 8 Statische Fehler Fehler I. Art ud II. Art Differez<>0 (H ist wahr) Wirklichkeit Differez=0 (H 0 ist wahr) Testergebis ud Wirklichkeit Statistische Fehler α-fehler H 0 wird abgeleht, obwohl H 0 i Wirklichkeit wahr ist Ei Effekt wird ageomme, wo keier ist Testetscheidug Differez<>0 (H 0 ablehe) Differez=0 (H 0 beibehalte) Richtig positiv (Power = -β) Falsch egativ (Fehler II. Art β-fehler) Falsch positiv (Fehler I. Art α-fehler) Richtig egativ β-fehler H 0 wird akzeptiert, obwohl H i Wirklichkeit wahr ist Ei vorhadeer Effekt wird icht erkat Welcher Fehler ist schlimmer ud daher eher zu vermeide?
15 AGAH Aual Meetig 004, Berli Sigifikaz-Niveau Gepaarter t-test Kosequeze eies falsch-positive Tests ueffektive Behadlug Risiko ohe Nutze ( Nihil ocere ) Koste ohe Nutze Fazit Das Risiko eies falsch positive Tests sollte bekat sei ud durch vorherige Festlegug eies α-niveaus kotrolliert werde Übliche Werte für α 0,05 (5%), 0,0 (%), 0,00 (0,%)... Das Sigifikaz-Niveau muss vor Testbegi festgelegt werde 85 Testet, ob eie Differez zwische uabhägige Beobachtugspaare vo 0 verschiede ist Verteilug der Differez etspricht eier t-statistik der Form: d t = SE d mit - Freiheitsgrade Vorher Nachher Differez ,93 d SDd 3,09 SEd 0,80 t -3,68 tkrit; 4;,5% -,4 tkrit; 4; 97,5%,4 86 Gepaarter t-test Kritische Werte Akzeptazbereich (95%) d t = SE d Gepaarter t-test Beispiel H 0 ist abzulehe, we t > t krit,, α / d,93 t = = = 3,68 SE d 0,8 -,4,4 Ist der gefudee t-wert kleier als der utere kritische Wert oder größer als der obere kritische Wert, muss die Nullhypothese H 0 auf dem α-sigifikaziveau abgeleht werde Eifacher: Ist der Betrag des gefudee t-wertes größer als der positive (obere) kritische Wert, muss H 0 abgeleht werde: t > t krit,, α / ,4,4 Da t =3,43 größer als der kritische Wert für die t-verteilug bei 4 Freiheitsgrade ud dem 0,975-Quatil ist (,4), muss die H 0 - Hypothese auf dem Sigifikaz-Niveau α=0,05 verworfe werde Gepaarter t-test Bedeutug des p-wertes P-Wert eies statistische Tests α -α/ t krit,4,-α/ 0,05 0,9750,4 0,0 0,9900,6 0,0 0,9950,98 0,005 0,9975 3,33 0,004 0,9980 3,44 0,003 0,9985 3,58 0,005 0,9988 3,67 0,004 0,9988 3, d,93 t = = = 3,68 SE d 0,8 P-Wert 89 Vorher Nachher Differez ,93 d SDd 3,09 SEd 0,80 t -3,68 tkrit; 4; 97,5%,4 p 0,005 P bezeichet die Wahrscheilichkeit eie solche Differez oder och extremere wie die gefudee zu erhalte, we die Null-Hypothese wahr wäre Alterativ: Die Wahrscheilichkeit, dass eie solche Differez zufällig beobachtet wird (ohe das ei sigifikater Uterschied vorhade wäre) We p<α, muss die H 0 - Hypothese abgeleht werde 90 5
16 AGAH Aual Meetig 004, Berli Kliische Studie Z99 a ew compoud lowerig BP Cliical Trial Example Hypotheses Z99 wurde zur Behadlug der systoloische Hypertoie etwickelt H 0 : Eie 7-tägige Behadlug mit Z99 beeiflusst de systolische Blutdruck im Vergleich zu Placebo icht Phase II Studie über 7 Tage a 50 Therapie-aive milde Hypertoiker (30 < RR sys. < 60 mmhg) Desig Radomisiert Doppel-blid Placebo-kotrolliert -armige Parallelgruppestudie (:) x Z99 = x PBO H : Eie 7-tägige Behadlug mit Z99 beeiflusst de systolische Blutdruck im Vergleich zu Placebo x Z99 x PBO We H 0 wahr ist, muss H falsch sei U N D We H 0 falsch ist, muss H wahr sei 9 9 Kliische Studie Statistischer Pla Voraussetzug Beide Behadlugsgruppe weise bedigt durch vorherige Radomisierug vergleichbare Ausgagswerte auf Statistischer Test Vergleich der beide Gruppemittelwerte ach 7 Tage Behadlug mittels t-test für uabhägige Stichprobe Sigifikaz-Niveau wird auf α = 0,05 gesetzt Kliische Studie Ergebisse = x 5 Patiete Ausgagswerte x PBO : 4 ± 5 mmhg (MW ± SD) x Z99 : 4 ± 6 mmhg Nach 7 Tage x PBO : 4 ± 5 mmhg x Z99 : 9 ± 7 mmhg t-test: p = PBO Z Mea 4 9 SD 5 7 p 0, Durchführug eies statistische Tests Operatig the Black Box Festlegug vo H 0 ud H H H Voraussetzuge für t-test Itervallskalierte Date Wahl des Sigifikaz-Niveaus α Testdurchführug I Abhägigkeit vom Testergebis (p) H 0 ablehe: H ist wahr oder H 0 beibehalte: H 0 ist wahr Test Black Box Reject H 0 Normalverteilug der Gruppe Variazhomogeität der Gruppe ka verletzt werde, we = we <> ud Variazhomogeität icht gegebe, spezielle Apassug der Freiheitsgrade möglich
17 AGAH Aual Meetig 004, Berli Test auf Normalverteilug Test auf Variazhomogeität Verfahre i SPSS (explorative Dateaalyse) Verfahre i SPSS (t-test für uverbudee Stichprobe) Kolmogorov-Smirov Test H 0 : Stichprobe ist ormalverteilt H : Stichprobe ist icht ormalverteilt Shapiro-Wilk Test H 0 : Stichprobe ist ormalverteilt H : Stichprobe ist icht ormalverteilt Levee s Test (F-Test auf Variazhomogeität) H 0 : σ = σ σ H : σ We H wahr, spezieller heteroskedastischer t-test mit Apassug der Freiheitsgrade Nichtparametrischer Test: uabhägige Stichprobe Ma-Whitey U-Test aka Wilcoxo Rak-Sum Test aka Ma-Whitey-Wilcoxo Rak-Sum Test Bildet aus de Werte Räge ud berechet modifizierte t-statistik für die Räge (robuster gege Ausreißer) Nichtparametrischer Test: verbudee Stichprobe Wilcoxo siged-raks Sortiert Differeze ach absolutem Betrag ud bildet etsprechede Räge Modifizierte t-statistik für Räge Treschärfer als t-test, we Voraussetzuge für t-test verletzt sid Stichprobe-Tests Eifluss der Fallzahl Weiger ist mehr? Verbudee Date (gepaart) uverbudee Date Parametrisch Gepaarter t-test t-test für uverbudee Date Nicht- parametrisch Wilcoxo siged-raks Test Ma-Whitey U Test Gleiche Studie aber ur die erste = x 3 Patiete werde ausgewertet Ausgagswerte x PBO : 4 ± 5 mmhg x Z99 : 4 ± 6 mmhg Ergebis ach 7 Tage Behadlug x PBO : 4 ± 7 mmhg x Z99 : 9 ± 7 mmhg t-test: p = da p > α (0.05) ka H 0 icht verworfe werde Z99 hat keie Eifluss auf de systolische Blutdruck PBO Z Mea 4 9 SD 7 7 p 0,
18 AGAH Aual Meetig 004, Berli Eifluss der Fallzahl β Fehler ud statistische Power Eie zu gerige Fallzahl ka falsch egative Ergebisse bewirke (Fehler II. Art/β-Fehler) β Fehler Defiitio: Wahrscheilichkeit H 0 icht zu verwerfe, obwohl H 0 falsch ist z.b.: Obwohl µ PBO µ Z99 liefert der Test x PBO = x Z99 (falsch egatives Ergebis) Experimete müsse die otwedige statistische Power aufweise, um sigifikate Ergebisse liefer zu köe Fazit: Beim Desig eies Experimets ist eie Fallzahlabschätzug otwedig! Statistische Power (-β) Defiitio: Wahrscheilichkeit H 0 zu verwerfe, we H 0 falsch ist, d.h. die Wahrscheilichkeit eie reale Differez auch als solche zu etdecke Vereifacht: Wahrscheilichkeit ei sigifikates Testergebis zu erhalte (we ei sigifikater Uterschied besteht) Vermeidug vo β Fehler: Power-Schätzug/Berechug Vergleich der beide Z99 -Experimete. Experimet: = x5 Power ~ 80%. Experimet: = x3 Power ~ 38% Power & Fallzahl Power-Schätzug We die stat. Power eies Studiedesigs ur 50% beträgt, wird jede. Studie mit diese Parameter keie sigifikate Uterschiede azeige Kofirmatorische Studie: Power 80% Große Phase III Studie: 85-95% 05 GPOWER - Versio.0 Fraz Faul & Edgar Erdfelder 06 Faktore, die die Fallzahl beeiflusse Fallzahlberechug Sigifikaz-Niveau (α). Festlegug vo α ud gewüschter Power Je iedriger das agestrebte α, um so höher die erforderliche Fallzahl α z.b. α = 0.05 (5%), power = 80% Power (-β) Je größer die gewüschte Power, um so höher die erforderliche Fallzahl Power. Schätzug der achzuweisede Differez Ist die Schätzug kliisch relevat? 3. Schätzug der erwartete Variaz/Stadardabweichug Geschätzte Differez Je kleier die achzuweisede Differez, um so höher die erforderliche Fallzahl x PBO - x Z99 Möglichst realistische Werte aus voragegagee Experimete oder der Literatur verwede 4. Fallzahlberechug durchführe (oder durchführe lasse!) Geschätzte Stadardabweichug Ist die geschätzte Fallzahl kliisch realisierbar? Je größer die Stadardabweichug, um so höher die erforderliche Fallzahl SD 07 Ist die geschätzte Fallzahl adäquat zum kliische Problem? Apassug der Fallzahl a die geschätzte Drop-Out-Rate 08 8
19 AGAH Aual Meetig 004, Berli Apassug der Fallzahlschätzug Drop out Rate Praktische Fallzahlschätzug. Beispiel Faktore, die die Drop out Rate beeiflusse Studiedauer Krakheitsbezogee Verschlechterug Studiebedigte Uaehmlichkeite, Adverse Evets... Die Fallzahlschätzug sollte immer auch die atizipierte Drop out Rate beihalte = 50 & atizipierte drop out Rate % = 56 α = 5% Power = 80% Geschätzte Differez & SD x PBO - x Z99 ~ 3 mmhg SD pooled ~ 6 Fallzahlberechug x = 50 Atizipierte Drop out Rate: 0% 5 Patiete pro Gruppe beötigt GPOWER - Versio.0 Fraz Faul & Edgar Erdfelder 09 0 Power: A priori & Post-hoc Tipps & Tricks Oder, warum Studie scheiter? A priori Power Schätzug, basiered auf geschätzte Differez geschätzte SD kalkulierte Fallzahl Post-hoc Power Berechug, basiered auf beobachteter Differez beobachteter SD echter Fallzahl Frühzeitige Eibidug des Statistikers i die Studieplaug Verwedug realistischer Schätzer für die erwartete Differez ud Variaz/SD Strikte Protokolleihaltug Exakte Messug Post-hoc Power ka größer aber auch kleier als die a priori Power sei! Vermeidug vo Drop outs Literatur Bücher Rosser B. Fudametals of Biostatistics. Duxberry Press Dawso-Sauders B. & Trapp R.G. Basics ad Cliical Biostatistics. Pretice Hall Iteratioal Ic. Motulsky, H. Ituitive Biostatistics, Oxford Uiversity Press Software SPSS - SAS - Bucher A., Faul F., Erdfelder E. GPOWER.0 - Computer program for power- ad sample size calculatio, (Freeware) [MS-DOS/Widows ad Macitosh] 3 9
Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39
Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle
Mehr3. Einführung in die Statistik
3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :
Mehr15.4 Diskrete Zufallsvariablen
.4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet
MehrWissenschaftliches Arbeiten Studiengang Energiewirtschaft
Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:
MehrStatistik I/Empirie I
Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass
Mehrn 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:
61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl
Mehrh i Deskriptive Statistik 1-dimensionale Daten Daten und Häufigkeiten Seite 1 Nominal Ordinal Metrisch (Kardinal) Metrisch - klassiert
Deskriptive Statistik dimesioale Date Date ud Häufigkeite Seite Nomial Ordial Metrisch (Kardial Metrisch klassiert Beschreibug: Date habe keie atürliche Reihefolge. Bsp: Farbe, Religio, Geschlecht, Natioalität...
MehrLerneinheit 2: Grundlagen der Investition und Finanzierung
Lereiheit 2: Grudlage der Ivestitio ud Fiazierug 1 Abgrezug zu de statische Verfahre Durchschittsbetrachtug wird aufgegebe Zeitpukt der Zahlugsmittelbewegug explizit berücksichtigt exakte Erfassug der
MehrStatistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S
Statistik mit Excel 2013 Peter Wies Theme-Special 1. Ausgabe, Februar 2014 W-EX2013S 3 Statistik mit Excel 2013 - Theme-Special 3 Statistische Maßzahle I diesem Kapitel erfahre Sie wie Sie Date klassifiziere
MehrStatistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte.
Statistik Vorlesug,. ärz, Statistische aßzahle Iformatio zu verdichte, Besoderheite hervorzuhebe ittelwerte Aufgabe: die Lage der Verteilug auf der Abszisse zu zeige. Der odus: derjeige Wert, der im Häufigste
MehrBeschreibende Statistik Kenngrößen in der Übersicht (Ac)
Beschreibede Statistik Kegröße i der Übersicht (Ac) Im folgede wird die Berechugsweise des TI 83 (sowie vo SPSS, s. ute) verwedet. Diese geht auf eie Festlegug vo Moore ud McCabe (00) zurück. I der Literatur
MehrStichproben im Rechnungswesen, Stichprobeninventur
Stichprobe im Rechugswese, Stichprobeivetur Prof Dr Iree Rößler ud Prof Dr Albrecht Ugerer Duale Hochschule Bade-Württemberg Maheim Im eifachste Fall des Dollar-Uit oder Moetary-Uit Samplig (DUS oder MUS-
Mehr2 Vollständige Induktion
8 I. Zahle, Kovergez ud Stetigkeit Vollstädige Iduktio Aufgabe: 1. Bereche Sie 1+3, 1+3+5 ud 1+3+5+7, leite Sie eie allgemeie Formel für 1+3+ +( 3)+( 1) her ud versuche Sie, diese zu beweise.. Eizu5% ZiseproJahragelegtes
MehrKapitel 5: Schließende Statistik
Kapitel 5: Schließede Statistik Statistik, Prof. Dr. Kari Melzer 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte
MehrGliederung. Value-at-Risk
Value-at-Risk Dr. Richard Herra Nürberg, 4. Noveber 26 IVS-Foru Gliederug Modell Beispiel aus der betriebliche Altersversorgug Verteilug des Gesatschades Value-at-Risk ud Tail Value-at-Risk Risikobeurteilug
MehrInnerbetriebliche Leistungsverrechnung
Ierbetriebliche Leistugsverrechug I der Kostestellerechug bzw. im Betriebsabrechugsboge (BAB ist ach der Erfassug der primäre Kostestellekoste das Ziel, die sekudäre Kostestellekoste, also die Koste der
MehrGrundlagen der Biostatistik und Informatik
Vergleich vo mehrere Stichprobe Grudlage der Biostatisti ud Iformati Hypotheseprüfuge III., Nichtparametrische Methode dr László Smeller Semmelweis Uiversität 0 Vergleich vo mehrere Stichprobe Boferroi
MehrAuch im Risikofall ist das Entscheidungsproblem gelöst, wenn eine dominante Aktion in A existiert.
Prof. Dr. H. Rommelfager: Etscheidugstheorie, Kaitel 3 7 3. Etscheidug bei Risiko (subjektive oder objektive) Eitrittswahrscheilichkeite für das Eitrete der mögliche Umweltzustäde köe vom Etscheidugsträger
Mehr2. Repetition relevanter Teilbereiche der Statistik
. Repetitio Statistik Ökoometrie I - Peter Stalder. Repetitio relevater Teilbereiche der Statistik (Maddala Kapitel ) Zufallsvariable ud Wahrscheilichkeitsverteiluge Zufallsvariable X (stochastische Variable)
MehrEvaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt
2.4.5 Gauss-Test ud t-test für verbudee Stichprobe 2.4.5.8 Zum Begriff der verbudee Stichprobe Verbudee Stichprobe: Vergleich zweier Merkmale X ud Y, die jetzt a deselbe Persoe erhobe werde. Vorsicht:
Mehr6 Vergleich mehrerer unverbundener Stichproben
6 Vergleich mehrerer uverbudeer Stichprobe 6.1 Die eifaktorielle Variazaalyse Die eifaktorielle Variazaalyse diet der Utersuchug des Eiflusses eier kategorieller (bzw. ichtmetrischer) Variable, die die
MehrFormelsammlung Mathematik
Formelsammlug Mathematik 1 Fiazmathematik 1.1 Reterechug Sei der Zissatz p%, der Zisfaktor q = 1 + p 100. Seie R die regelmäßig zu zahlede Rate, die Laufzeit. Edwert: Barwert: achschüssig R = R q 1 q 1
MehrVariiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen.
3. Variazaalyse Die Variazaalyse mit eier quatitative abhägige Variable ud eier oder mehrerer qualitativer uabhägiger Variable wird auch als ANOVA (Aalysis of Variace) bezeichet. Mit eier Variazaalyse
MehrReader Teil 1: Beschreibende Statistik
Dr. Katharia Best Sommersemester 2011 14. April 2011 Reader Teil 1: Beschreibede Statistik WiMa-Praktikum Um Date darzustelle ud eie Übersicht über die Struktur der Date zu erstelle, stellt die beschreibede
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte SS00 7.Sitzug vom.06.00 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluß Grudlage des Iduktiosschlusses:
MehrÜbungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 0
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Prof. Dr. Rolad Speicher M.Sc. Tobias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 01 Musterlösug zu Blatt 0 Aufgabe 1. Käpt Schwarzbart,
MehrDie Gasgesetze. Die Beziehung zwischen Volumen und Temperatur (Gesetz von J.-L. und J. Charles): Gay-Lussac
Die Gasgesetze Die Beziehug zwische olume ud Temeratur (Gesetz vo J.-L. Gay-Lussac ud J. Charles): cost. T oder /T cost. cost.. hägt h vo ud Gasmege ab. Die extraolierte Liie scheidet die Temeratur- skala
MehrTestumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen
Testumfag für die Ermittlug ud Agabe vo Fehlerrate i biometrische Systeme Peter Uruh SRC Security Research & Cosultig GmbH peter.uruh@src-gmbh.de Eileitug Biometrische Systeme werde durch zwei wichtige
MehrStatistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik
Statistik Kapitel 5: Schließede Statistik 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel 1» Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte der arithmetische
MehrUnivariate Verteilungen
(1) Aalyse: "deskriptive Statistike" Aalysiere -> deskriptive Statistike -> deskriptive Statistik Keie tabellarische Darstellug der Häufigkeitsverteilug () Aalyse: "Häufigkeitsverteilug" Aalysiere -> deskriptive
MehrUlrich Stein Fehlerrechnung
Fehlerrechug Verteilug vo Messwerte Mittelwert Stadardabweichug Stadardfehler Rude vo Messwerte Darstellug vo Messwerte (Stellezahl) Fehlerfortpflazug Messergebisse Messug physikalische Realität Messgerät,
MehrKapitel 6: Quadratisches Wachstum
Kapitel 6: Quadratisches Wachstum Dr. Dakwart Vogel Ui Esse WS 009/10 1 Drei Beispiele Beispiel 1 Bremsweg eies PKW Bremsweg Auto.xls Ui Esse WS 009/10 Für user Modell des Bremsweges gilt a = a + d a =
MehrVl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5
Vl Statistische Prozess- ud Qualitätskotrolle ud Versuchsplaug Übug 5 Aufgabe ) Sei p = P(A) die Wahrscheilichkeit für ei Ereigis A, dh., es gilt 0 p. Bereche Sie das Maximum der Fuktio f(p) = p(-p). Aufgabe
MehrÜbungsblatt 1 zur Vorlesung Angewandte Stochastik
Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche
MehrStreuungsmaße. Prof. Dr. Paul Reuber. Institut für Geographie. Seminar Methoden der empirischen Humangeographie
Streuugsmaße Istitut für Geographie Streuugswerte (Streuugsmaße) Die Diskussio um die Mittelwerte hat die Vorteile dieser statistische Kewerte gezeigt, aber bereits, isbesodere beim arithmetische Mittel,
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte 7.Sitzug 35 Seite, SoSe 003 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluss Grudlage
MehrVl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3
Vl Statistische Prozess ud Qualitätskotrolle ud Versuchsplaug Übug 3 Aufgabe ) Die Schichtdicke X bei eier galvaische Beschichtug vo Autoteile sei ormalverteilt N(μ,σ ). 4 Teile werde galvaisch beschichtet.
MehrStochastik für WiWi - Klausurvorbereitung
Dr. Markus Kuze WS 2013/14 Dipl.-Math. Stefa Roth 11.02.2014 Stochastik für WiWi - Klausurvorbereitug Gesetz der totale Wahrscheilichkeit ud Satz vo Bayes (Ω, F, P) Wahrscheilichkeitsraum, E 1,..., E F
MehrAUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2. Datenfluß und Programmablauf 2. Vorbedingung 3. Nachbedingung 3. Schleifeninvariante 3
INHALTSVERZEICHNIS AUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2 Datefluß ud Programmablauf 2 Vorbedigug 3 Nachbedigug 3 Schleifeivariate 3 KONSTRUKTION 4 ALTERNATIVE ENTWURFSMÖGLICHKEITEN 5 EFFEKTIVE
MehrProf. Dr.-Ing. Bernd Kochendörfer. Bauwirtschaft und Baubetrieb. Investitionsrechnung
ud Baubetrieb A Ivestitiosrechug ud Baubetrieb Ivestitiosbegriff Bilazorietierter Ivestitiosbegriff Umwadlug vo Geldkapital i adere Forme vo Vermöge Aktiva Passiva Zahlugsorietierter Ivestitiosbegriff
MehrWahrscheinlichkeit & Statistik
Wahrscheilichkeit & Statistik created by Versio: 3. Jui 005 www.matheachhilfe.ch ifo@matheachhilfe.ch 079 703 7 08 Mege als Sprache der Wahrscheilichkeitsrechug, Begriffe, Grudregel Ereigisraum: Ω Ω Mege
MehrFinanzmathematische Formeln und Tabellen
Jui 2008 Dipl.-Betriebswirt Riccardo Fischer Fiazmathematische Formel ud Tabelle Arbeitshilfe für Ausbildug, Studium ud Prüfug im Fach Fiaz- ud Ivestitiosrechug Dieses Werk, eischließlich aller seier Teile,
MehrBINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008
Stochasti ud ihre Didati Refereti: Iris Wiler 10.11.2008 Aufgabe: Führe Sie i der Seudarstufe II die Biomialoeffiziete als ombiatorisches Azahlproblem ei. Erarbeite Sie mit de Schülerie ud Schüler mithilfe
MehrKapitel 6: Statistische Qualitätskontrolle
Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle
MehrNachklausur - Analysis 1 - Lösungen
Prof. Dr. László Székelyhidi Aalysis I, WS 212 Nachklausur - Aalysis 1 - Lösuge Aufgabe 1 (Folge ud Grezwerte). (i) (1 Pukt) Gebe Sie die Defiitio des Häufugspuktes eier reelle Zahlefolge (a ) N. Lösug:
MehrLage- und Streuungsmaße
Statistik 1 für SoziologIe Lage- ud Streuugsmaße Uiv.Prof. Dr. Marcus Hudec Streuugsmaße Statistische Maßzahle, welche die Variabilität oder die Streubreite i de Date messe. Sie beschreibe die Abweichug
MehrÜbungen mit dem Applet erwartungstreu
Übuge mit dem Applet erwartugstreu Visualisierug vo erwartugstreu Begriffe ud statischer Hitergrud. Visualisieruge mit dem Applet..3. Zufallsstreuug der Eizelwerte...3. Mittelwerte 3.3 Variaz. 4.4 Variaz
MehrDie notwendigen Verteilungstabellen finden Sie z.b. hier:
Fakultät für Mathematik Istitute IAG ud IMO Prof. Dr. G. Kyureghya/Dr. M. Hödig Schätz- ud Prüfverfahre Die otwedige Verteilugstabelle fide Sie z.b. hier: http://www.ivwl.ui-kassel.de/kosfeld/lehre/zeitreihe/verteilugstabelle.pdf
MehrBeispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 8.1 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = 12.075, p-wert: 0.0168 f χ
MehrLöslichkeitsdiagramm. Grundlagen
Grudlage Löslichkeitsdiagramm Grudlage Zur etrachtug des Mischugsverhaltes icht vollstädig mischbarer Flüssigkeite, das heißt Flüssigkeite, die sich icht bei jeder Temperatur i alle Megeverhältisse miteiader
MehrAuszüge der nichtparametrischen Statisik
Empirische Wirtschaftsforschug - 1 - Auszüge der ichtparametrische Statisik Kapitel 1: Räge ud lieare Ragstatistike Aahme, Defiitioe ud Eigeschafte (1.1) Aahme: (a) (b) Die Date x 1,, x sid midestes ordial.
MehrArbeitsplätze in SAP R/3 Modul PP
Arbeitsplätze i SAP R/3 Modul PP Was ist ei Arbeitsplatz? Der Stadort eier Aktioseiheit, sowie dere kokrete räumliche Gestaltug Was ist eie Aktioseiheit? kleiste produktive Eiheit i eiem Produktiosprozess,
MehrDer Vergleich eines Stichprobenmittelwertes mit einem Populationsmittelwert
Der Vergleich eies Stichprobemittelwertes mit eiem Populatiosmittelwert Am Beispiel des Falschspielers habe wir - uterstützt durch Ketisse über die Eigeschafte der Biomialverteilug - erstmals gesehe, welche
MehrVorlesung Informationssysteme
Saarbrücke, 2.05.205 Iformatio Systems Group Vorlesug Iformatiossysteme Vertiefug Kapitel 4: Vo (E)ER is Relatioemodell Erik Buchma (buchma@cs.ui-saarlad.de) Foto: M. Strauch Aus de Videos wisse Sie......welche
MehrVersicherungstechnik
Operatios Research ud Wirtschaftsiformati Prof. Dr. P. Recht // Dipl.-Math. Rolf Wedt DOOR Versicherugstechi Übugsblatt 3 Abgabe bis zum Diestag, dem 03..205 um 0 Uhr im Kaste 9 Lösugsvorschlag: Vorbereituge
MehrBeispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = 12075, p-wert: 00168 f χ 2 (4)
Mehr3 Kritischer Bereich zum Niveau α = 0.10: K = (χ 2 k 1;1 α, + ) = (χ2 5;0.90, + ) = (9.236, + ) 4 Berechnung der realisierten Teststatistik:
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 1275, p-wert: 168 8 Apassugs-
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG. - LÖSUNGEN. ypothesetest für die Dicke vo Plättche Die Dicke X vo Plättche, die auf eier bestimmte Maschie
MehrStatistik und Biometrie. Deskriptive Statistik I
Statistik ud Biometrie Deskriptive Statistik I Spruch des Tages Traue keier Statistik, die du icht selbst gefaelscht hast Wiederholug Merkmale Beobachtugseiheite sid Träger vo Merkmale Wiederholug Die
MehrTests statistischer Hypothesen
KAPITEL 0 Tests statistischer Hypothese I der Statistik muss ma oft Hypothese teste, z.b. muss ma ahad eier Stichprobe etscheide, ob ei ubekater Parameter eie vorgegebee Wert aimmt. Zuerst betrachte wir
Mehr, n -% &. & / 0 ( n 1 2 n 3 % & 4 5" % & " # ( 2 & ' )**+
!"# $!%& & '( , -%&.& /0 ( 12 3%&45"%&"#( 2 & & &6, #.&- 7%& / -%&0 8 -% 1%& 6 $ 1%&"(!!! "!#$!#$!#%!#% &' %&%&"(9& %&($( :&($ 1(;4( ( ')* *+, &# -5-4 211,4?@?)*) 7 A& %& -.+///(.0+/// 8 B&
MehrParameter von Häufigkeitsverteilungen
Kapitel 3 Parameter vo Häufigkeitsverteiluge 3. Mittelwerte Mo Der Modus (:= häufigster Wert, Abk.: Mo) ist der Merkmalswert mit der größte Häufigkeit, falls es eie solche gibt. Er sollte ur bei eigipflige
MehrZur Definition. der wirksamen. Wärmespeicherkapazität
Ao. Uiv. Prof. Dipl.-Ig. Dr. tech. Klaus Kreč, Büro für Bauphysik, Schöberg a Kap, Österreich Zur Defiitio der wirksae Wärespeicherkapazität vo Ao. Uiv. Prof. Dipl.-Ig. Dr. tech. Klaus Kreč Büro für Bauphysik
MehrKapitel 6 : Punkt und Intervallschätzer
7 Kapitel 6 : Pukt ud Itervallschätzer Puktschätzuge. I der Statistik wolle wir Rückschlüsse auf das Wahrscheilichkeitsgesetz ziehe, ach dem ei vo us beobachtetes Zufallsexperimet abläuft. Hierzu beobachte
MehrVerbesserung von Datengüte und Analysemöglichkeiten durch den Einsatz visueller Analogskalen in Onlineumfragen
Gemeisame Tagug des DVPW-Arbeitskreises Empirische Methode der Politikwisseschaft ud der DGS-Sektio Methode der Empirische Sozialforschug m Thema Olieforschug Maheim, 27. ud 28. Mai 2011 Verbesserug vo
Mehr3. Tilgungsrechnung. 3.1. Tilgungsarten
schreier@math.tu-freiberg.de 03731) 39 2261 3. Tilgugsrechug Die Tilgugsrechug beschäftigt sich mit der Rückzahlug vo Kredite, Darlehe ud Hypotheke. Dabei erwartet der Gläubiger, daß der Schulder seie
MehrKennwerte Univariater Verteilungen
Kewerte Uivariater Verteiluge Kewerte Beschreibug vo Verteiluge durch eie (oder weige) Werte Werde auch als Parameter oder Maße vo Verteiluge bezeichet Ma uterscheidet: Lagemaße oder auch Maße der zetrale
MehrDer natürliche Werkstoff Holz - Statistische Betrachtungen zum uniaxialen Zugversuch am Beispiel von Furnier
Der atürliche Werkstoff Holz - Statistische Betrachtuge zum uiaxiale Zugversuch am Beispiel vo Furier B. Bellair, A. Dietzel, M. Zimmerma, Prof. Dr.-Ig. H. Raßbach Zusammefassug FH Schmalkalde, 98574 Schmalkalde,
MehrWiederkehrende XML-Inhalte in Adobe InDesign importieren
Wiederkehrede XML-Ihalte i Adobe IDesig importiere Dieses Tutorial soll als Quick & Dirty -Kurzaleitug demostriere, wie wiederkehrede XML-Ihalte (z. B. aus Datebake) i Adobe IDesig importiert ud formatiert
MehrAusgangspunkt: Über einen endlichen Zeitraum wird aus einem Kapital (Rentenbarwert RBW v n,i
D. Reterechug 1.1. Jährliche Retezahluge 1.1.1. Vorschüssige Retezahluge Ausgagspukt: Über eie edliche Zeitraum wird aus eiem Kapital (Retebarwert RBW v,i ), das ziseszislich agelegt ist, jeweils zu Begi
Mehr2. Diophantische Gleichungen
2. Diophatische Gleichuge [Teschl05, S. 91f] 2.1. Was ist eie diophatische Gleichug ud wozu braucht ma sie? Def D2-1: Eie diophatische Gleichug ist eie Polyomfuktio i x,y,z,, bei der als Lösuge ur gaze
MehrNEL Suchspulen - für jeden Detektor! TOP Leistung von unabhängigen Experten bestätigt. Such Spulen. nel-coils.de Shop ww.nuggets24.
NEL Suchspule - für jede Detektor! TOP Leistug vo uabhägige Experte bestätigt Such Spule el-coils.de Shop ww.uggets24.com el-coils.de Metalldetektor OlieShop www.uggets.at www.uggets24.com NEL BIG Die
Mehrx 1, x 2,..., x n ist eine Liste von n reellen Zahlen. Das arithmetische Mittel x der Zahlen ist x = x 1 + x x n n
Mathemati macht Freu()de AB Statistische Kegröße ud Boxplot x 1, x,..., x ist eie Liste vo reelle Zahle. Das arithmetische Mittel x der Zahle ist x = x 1 + x + + x. Arithmetischer Mittelwert Arithmetischer
Mehr1 Analysis T1 Übungsblatt 1
Aalysis T Übugsblatt A eier Weggabelug i der Wüste lebe zwei Brüder, die vollkomme gleich aussehe, zwische dee es aber eie gewaltige Uterschied gibt: Der eie sagt immer die Wahrheit, der adere lügt immer.
MehrSind Sie mit unserem Angebot zufrieden? ja nein weiß nicht
STATISTIK Eiführug Statistik kommt vom italieische Wort statistica, was so viel wie Staatsma bedeutet. Früher verwedete ma de Begriff ur für eie Auswertug vo Date (Klima, Bevölkerug, Bräuche,...) eies
MehrFlexibilität beim Lagern und Kommissionieren: Schienengeführte Regalbediengeräte
Flexibilität beim Lager ud Kommissioiere: Schieegeführte Regalbediegeräte Ei Kozept zwei Baureihe: DAMBACH Regalbediegeräte Seit mehr als 35 Jahre baut die DAMBACH Lagersysteme Regalbediegeräte ud gehört
MehrUmrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung
.3. Prozetuale Häufigkeitsverteilug (HV) Die prozetuale Häufigkeitsverteilug erlaubt de Vergleich vo Auswertuge, dee uterschiedliche Stichprobegröße zugrude liege. Es köe auch uterschiedliche Stichprobegröße
MehrKorrekturrichtlinie zur Studienleistung Wirtschaftsmathematik am 22.12.2007 Betriebswirtschaft BB-WMT-S11-071222
Korrekturrichtliie zur Studieleistug Wirtschaftsmathematik am..007 Betriebswirtschaft BB-WMT-S-07 Für die Bewertug ud Abgabe der Studieleistug sid folgede Hiweise verbidlich: Die Vergabe der Pukte ehme
Mehr= 3. = 14,38... = x neu x = 0, = 97,87...%. Wie verändert sich der arithmetische Mittelwert von 20 Zahlen, wenn...
Mathemati macht Freu()de AB Statistische Kegröße ud Boxplot Arithmetischer Mittelwert x 1, x,..., x ist eie Liste vo reelle Zahle. Das arithmetische Mittel x der Zahle ist x = x 1 + x + + x. Arithmetischer
MehrPrivatKredit. Direkt ans Ziel Ihrer Wünsche
PrivatKredit Direkt as Ziel Ihrer Wüsche Erlebe Sie eue Freiräume. Leiste Sie sich, was Ihe wichtig ist. Sie träume scho seit lagem vo eier eue Aschaffug, wie z. B.: eiem eue Auto eue Möbel Oder es stehe
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
Mehr3.2 Wilcoxon Rangsummentest
3. Wilcoxo Ragsummetest Wir gehe davo aus, dass zwei Teilstichprobe x 1, x,..., x 1 ud y1, y,..., y vorliege, wobei die erste Teilstichprobe aus Realisieruge vo uabhägig ud idetisch stetig verteilte Zufallsvariable
Mehr4 Schwankungsintervalle Schwankungsintervalle 4.2
4 Schwakugsitervalle Schwakugsitervalle 4. Bemerkuge Die bekate Symmetrieeigeschaft Φ(x) = 1 Φ( x) bzw. Φ( x) = 1 Φ(x) für alle x R überträgt sich auf die Quatile N p der Stadardormalverteilug i der Form
MehrWahrscheinlichkeit & Statistik Musterlösung Serie 13
ETH Zürich FS 2013 D-MATH Has Rudolf Küsch Koordiator Blaka Horvath Wahrscheilichkeit & Statistik Musterlösug Serie 13 1. a) Die Nullhypothese lautet dass das echte Medikamet höchstes gleich gut ist wie
MehrProjektmanagement Solarkraftwerke
Projektmaagemet Solarkraftwerke Solar Forum - St. Veit 2013 Mauel Uterweger 1 Ihalt des Impulsvortrages eie Überblick über Projektmaagemet bei Solarkraftwerke zu gebe gewoee Erfahruge aufgrud eies reale
Mehr,,, xn. 3. Intervallschätzungen Zufallsstichproben und Stichprobenfunktionen Zufallsstichproben. Zufallsvariablen mit
3. Itervallschätzuge 3.1. Zufallsstichprobe ud Stichprobefuktioe 3.1.1 Zufallsstichprobe 1 Sei eie Zufallsvariable ud seie gemeisamer Verteilug,,,, Zufallsvariable mit - da heiße 1,,, Zufallsstichprobe
MehrStatistik I für Studierende der Soziologie
Name: Matrikelummer: Formelsammlug zur Vorlesug Statistik I für Studierede der Soziologie Dr. Caroli Strobl & Gero Walter WS 2008/09 1 Eiführug 1.1 Orgaisatorisches 1.2 Grudbegriffe 1.2.1 Statistische
MehrDas FSB Geldkonto. Einfache Abwicklung und attraktive Verzinsung. +++ Verzinsung aktuell bis zu 3,7% p.a. +++
Das FSB Geldkoto Eifache Abwicklug ud attraktive Verzisug +++ Verzisug aktuell bis zu 3,7% p.a. +++ zuverlässig servicestark bequem Kompeteter Parter für Ihr Wertpapiergeschäft Die FodsServiceBak zählt
MehrZahlenfolgen, Grenzwerte und Zahlenreihen
KAPITEL 5 Zahlefolge, Grezwerte ud Zahlereihe. Folge Defiitio 5.. Uter eier Folge reeller Zahle (oder eier reelle Zahlefolge) versteht ma eie auf N 0 erlarte reellwertige Futio, die jedem N 0 ei a R zuordet:
MehrStatistische Formelsammlung Begleitende Materialien zur Statistik - Vorlesung des Grundstudiums im Fachbereich IK
Statistische Formelsammlug Begleitede Materialie zur Statistik - Vorlesug des Grudstudiums im Fachbereich IK Erstellt im Rahme des studierede Projektes PROST Studiejahr 00/00 uter Aleitug vo Frau Prof.
MehrKUNDENPROFIL FÜR GELDANLAGEN
KUNDENPROFIL FÜR GELDANLAGEN Geldalage ist icht ur eie Frage des Vertraues, soder auch das Ergebis eier eigehede Aalyse der Fiazsituatio! Um Ihre optimale Beratug zu gewährleiste, dokumetiere wir gemeisam
Mehr3 Vergleich zweier unverbundener Stichproben
3 Vergleich zweier uverbudeer Stichprobe 3. Der Zweistichprobe t-test Es wird vorausgesetzt, dass die beide Teilstichprobe x, x,..., x ud y, y,..., y jeweils aus (voeiader uabhägige) ormalverteilte Grudgesamtheite
MehrMathematik der Lebensversicherung. Dr. Karsten Kroll GeneralCologne Re
atheatik der Lebesersicherug r. Karste Kroll GeeralCologe Re atheatik der Lebesersicherug atheatische Grudasätze iskotiuierliche ethode: Sätliche Leistuge erfolge zu bestite Zeitpukte ie Zeititeralle dazwische
MehrAllgemeine Lösungen der n-dimensionalen Laplace-Gleichung und ihre komplexe Variable
Allgemeie Lösuge der -dimesioale Laplace-Gleichug ud ihre komplexe Variable Dr. rer. at. Kuag-lai Chao Göttige, de 4. Jauar 01 Abstract Geeral solutios of the -dimesioal Laplace equatio ad its complex
MehrStochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. M. Schweizer ETH Zürich Sommer 8 Stochastik - Lösug (BSc D-MAVT / BSc D-MATH / BSc D-MATL). (6 Pukte) a) (.5 Pukte) Wir defiiere die Ereigisse D = die ähmaschie bekommt eie kleie Defekt} ud U
MehrStatistik Einführung // Beschreibende Statistik 2 p.2/61
Statistik Eiführug Beschreibede Statistik Kapitel Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Beschreibede Statistik
Mehr