6. Übung Statistische Tests Teil 1 (t-tests)

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "6. Übung Statistische Tests Teil 1 (t-tests)"

Transkript

1 Querschnittsbereich 1: Epidemiologie, Medizinische iometrie und Medizinische Informatik - Übungsmaterial - Erstellt von Mitarbeitern des IMISE und des ZKS Leipzig 6. Übung Statistische Tests Teil 1 (t-tests) Universität Leipzig WS 015/16 uswertung von klinischen Studien / Statistisches Testen uswertungspopulation festlegen Welche Patienten werden in welcher nalyse berücksichtigt? nalyse der Probandencharakteristika mit Methoden der deskriptiven Statistik (Übung 3) nalyse der primären und sekundären Endpunkte zur Entscheidung bzgl. der Studienfragestellung mit Methoden der induktiven Statistik, statistischen Testverfahren Deskription von Nebenwirkungen mit Methoden der deskriptiven Statistik und ggf. statistischen Tests Weitere explorative nalysen mit Methoden der deskriptiven Statistik und ggf. statistischen Tests Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie

2 Wissenschaftliche Fragestellung der Herzsportstudie in Übung 1 (primäres Studienziel) Unterscheidet sich die mittlere Änderung der Herzfrequenz nach 30 Kniebeugen von der mittleren Änderung der Herzfrequenz nach 5 Kniebeugen? HF diff = HF post HF prä HF... Herzfrequenz Primärer Endpunkt Konfirmatorische nalyse Grafische Deskription Herzfrequenzänderung N = Studienarm: 18 rm (5 Knieb.) 131 rm (30 Knieb.) Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 3 blaufschema beim statistischen Testen Skriptenheft Kapitel ufstellen der Hypothesen H 0 und H (Umsetzen der wissenschaftlichen Fragestellung in stat. Modell). Wahl des Signifikanzniveaus α (Synonym: Irrtumswahrscheinlichkeit α) 3. Wahl des statistischen Tests nach Zielstellung, Merkmalsart der Zielgröße, nzahl der Stichproben 4. Prüfung der Testvoraussetzungen 5. Ermittlung des nnahmebereiches Quantil der Prüfverteilung aus Tafel ablesen (bei Rechnungen per Hand) 6. erechnung der Prüfgröße (aus den beobachteten Daten) 7. Testentscheidung a) Vergleich berechnete Prüfgröße mit Quantil der Prüfverteilung b) Vergleich p-wert mit vorgegebenem Signifikanzniveau α 8. Interpretation der Ergebnisse im Kontext der Fragestellung (mit ngabe von p) Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 4

3 Statistische Hypothesen ufstellen der Hypothesen H 0 und H (Umsetzen der wissenschaftlichen Fragestellung in stat. Modell) Nullhypothese H 0 : Die mittlere Herzfrequenzänderung µ nach Durchführung von 5 Kniebeugen (rm ) ist gleich der mittleren Herzfrequenzänderung µ nach 30 Kniebeugen (rm ) µ = µ lternativhypothese H : Die mittlere Herzfrequenzänderung µ nach Durchführung von 5 Kniebeugen (rm ) ist nicht gleich der mittleren Herzfrequenzänderung µ nach 30 Kniebeugen (rm ) µ µ Hinweis: Dem statistischen Testen liegt das Falsifizierungsprinzip zugrunde, d.h. man möchte H 0 zugunsten von H ablehnen und damit indirekt beweisen, dass H richtig ist. Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 5 Wahl des Signifikanzniveaus und des statistischen Tests Wahl des Signifikanzniveaus α - die Wahrscheinlichkeit, die Nullhypothese abzulehnen, obwohl sie richtig ist (also: Wahrscheinlichkeit für eine Fehlentscheidung) - typische Konventionen: α = 0,05 oder 0,01 oder 0,001 (nicht zwingend!) In dieser ufgabe sei α = 0,05. Wahl des statistischen Tests abhängig von - Zielstellung: Mittelwertvergleich - Merkmalsart der Zielgröße: metrisch, normalverteilt - nzahl / rt der Gruppen: unabhängige Gruppen vom Umfang n 1 und n t -Test für unabhängige Gruppen (Synonym: -Stichproben-t-Test) Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 6

4 Testvoraussetzungen Prüfung der Testvoraussetzungen Herzfrequenzänderung HF diff in beiden Gruppen normalverteilt? rm (5 Kniebeugen) rm (30 Kniebeugen) bsolute Häufigkeit Herzfrequenzänderung bsolute Häufigkeit Herzfrequenzänderung Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 7 Prüfgröße (Teststatistik) Zur eurteilung der beobachteten Effekte wird ein Maß benötigt, das den beobachteten Effektunterschied zwischen den Gruppen in geeigneter Weise abbildet, z.. für den Vergleich von Mittelwerten die Differenz der Mittelwerte. ezeichnung dieses Maßes: (empirische) Prüfgröße oder Teststatistik Eigenschaften der Prüfgröße (PG) ist eine Zufallsgröße und besitzt eine bestimmte Wahrscheinlichkeitsverteilung, die unter der Nullhypothese (H 0 ) bekannt ist wird aus erhobenen Daten berechnet Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 8

5 Prüfgröße (Teststatistik) Prüfgröße des t-tests für unabhängige Gruppen t x s n x s n t ~t-verteilung mit f Freiheitsgraden (FG) (zur erechnung der FG siehe Folie 11) Mittelwert HF diff rm x rm x Standardabw. HF diff s s Fallzahl n n Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 9 erechnung der Prüfgröße erechnung der empirischen Prüfgröße für den primären Endpunkt der Herzsportstudie enötigte Informationen (aus den Daten) Herzfrequenzänderung nzahl Mittelwert Standardabweichung Studienarm rm (5 rm (30 Knieb.) Knieb.) ,0 43,40 9,3 17,74 Prüfgröße des t-tests für unabhängige Gruppen t x s n x s n 16,0 43,4 9,3 17, ,38 15,6 3,08 Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 10

6 erechnung der Freiheitsgrade Freiheitsgrade (Formel rein informativ) f ( s n s n n) 1 s n ( s n n ) 1 9,3 17, (9,3 18) (17,74 131) Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 11 Verteilung der Prüfgröße Ein statistischer Test prüft, ob die Stichprobenergebnisse (beobachtete Daten) vereinbar sind mit einer Hypothese (theoretische nnahme für die Grundgesamtheit). Dichte der Prüfgröße unter H 0 (im aktuellen eispiel t-verteilung mit 198 FG) α/ t FG;α/ nnahmebereich α/ t FG;1-α/ Hinweis: eim zweiseitigen Test wird der nnahmebereich so begrenzt, dass die Flächen unter der Kurve an jedem Ende der Verteilung α/ =,5% betragen. Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 1

7 Ermittlung des nnahmebereichs Ermittlung des nnahmebereiches (Synonym: kzeptanzbereich) - mittels blesen der Quantile (Übung 3) der Prüfverteilung unter H 0 - Prüfgröße ist t-verteilt mit 198 Freiheitsgraden (FG), also t 198 1,97 ;0,975 Hinweise: Der nnahmebereich ist unabhängig von den beobachteten Daten und der berechneten PG. Das Quantil wird aus der Tafel mit tabellierter t-verteilung abgelesen (s. nächste Folien). Das blesen ist nur bei Rechnungen per Hand notwendig. Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 13 Quantile der t-verteilung (1/) FG<30 t FG; 1-α/ = t 4; 0,975 Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 14

8 Quantile der t-verteilung (/) FG 30 Hinweis: Ist FG nicht explizit gelistet, dann zum nächstgelegenen FG runden. t FG; 1-α/ =t 00; 0,975 = Quantile der standardisierten Normalverteilung Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 15 Testentscheidung (zweiseitig) Dichte der Prüfgröße unter H 0 α/ α/ nnahmebereich - t Testentscheidung t FG;α/ t FG;1-α/ a) Vergleich der berechneten Prüfgröße mit dem Quantil der Prüfverteilung etrag der PG (Stichprobe) < Quantil der PG (Tabelle) H 0 nicht ablehnen etrag der PG (Stichprobe) Quantil der PG (Tabelle) H 0 ablehnen t Das Ergebnis eines statistischen Tests ist stets eine Ja/Nein-Entscheidung, d.h. H 0 wird abgelehnt oder H 0 wird beibehalten. Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 16

9 Testentscheidung Möglichkeit a Testentscheidung mittels berechneter Prüfgröße t 15,6 15,6 t ;0, ,97 H 0 wird auf dem 5% Signifikanzniveau abgelehnt Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 17 Der p-wert Wahrscheinlichkeit p ("probability") für den in den Daten beobachteten Unterschied (Therapieeffekt) oder all jene, die noch mehr gegen die Nullhypothese sprechen, wenn die Effekte nur zufällig voneinander abweichen (also H 0 gilt). korrespondiert mit der empirischen Prüfgröße und entspricht der Fläche unter der Dichtefunktion bis zur berechneten PG, d.h. Fläche über den Intervallen (- ; - t ] und [ t ; + ) kleine Wahrscheinlichkeit p spricht eher gegen Zufall (H 0 ) Was heißt kleine Wahrscheinlichkeit? 4 4 Vergleich von p mit dem vorher festgelegten Schwellwert für das Signifikanzniveau " Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 18

10 Testentscheidung (zweiseitig) Dichte der Prüfgröße unter H 0 α/ α/ p/ p/ nnahmebereich Testentscheidung - t t FG;α/ t FG;1-α/ t a) etrag der PG (Stichprobe) < Quantil der PG (Tabelle) H 0 nicht ablehnen etrag der PG (Stichprobe) Quantil der PG (Tabelle) H 0 ablehnen b) Vergleich p-wert mit vorgegebenem Signifikanzniveau α p p H 0 nicht ablehnen H 0 ablehnen Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 19 Testentscheidung Möglichkeit b Testentscheidung mittels p-wert p > α beobachteter Effekt widerspricht der Nullhypothese nicht. H 0 wird beibehalten. eobachteter Effekt ist nicht signifikant. Ein eventuell vorhandener Therapieeffekt konnte nicht nachgewiesen werden. p α beobachteter Effekt ist mit Irrtumswahrscheinlichkeit α signifikant. H 0 wird abgelehnt. Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 0

11 Testentscheidung Möglichkeit b SPSS usgabe: Möglichkeit b (meist bei PC-gestützten nalysen) Vergleich des p-wertes mit dem Signifikanzniveau α nzeige ",000", d.h. p 0,0005 0,05 also gilt p H 0 wird auf dem 5% Signifikanzniveau abgelehnt Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 1 Testentscheidung Möglichkeiten a und b Möglichkeit a (meist bei Rechnungen von Hand) Vergleich der berechneten Prüfgröße mit dem Quantil der Prüfverteilung t 15,6 t ;0, ,97 Möglichkeit b (meist bei PC-gestützten nalysen) Vergleich des p-wertes mit dem Signifikanzniveau α p 0,0005 0,05 also gilt p H 0 wird auf dem 5% Signifikanzniveau abgelehnt Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie

12 Interpretation Kontextbezogene Formulierung (mit ngabe der beobachteten Schätzwerte, Effekte und p) Die mittlere Herzfrequenzänderung nach 30 Kniebeugen unterscheidet sich signifikant von der nach 5 Kniebeugen (p < 0,0001), wobei die mittlere Herzfrequenzänderung nach 30 Kniebeugen ( x s: 43,40 ± 17,74) signifikant höher ist als jene nach 5 Kniebeugen ( x s : 16,0 ± 9,3). Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 3 blaufschema beim statistischen Testen Skriptenheft Kapitel ufstellen der Hypothesen H 0 und H (Umsetzen der wissenschaftlichen Fragestellung in stat. Modell). Wahl des Signifikanzniveaus α (Synonym: Irrtumswahrscheinlichkeit α) 3. Wahl des statistischen Tests nach Zielstellung, Merkmalsart der Zielgröße, nzahl der Stichproben 4. Prüfung der Testvoraussetzungen 5. Ermittlung des nnahmebereiches Reihenfolge für 5 und 6 ist beliebig! Quantil der Prüfverteilung aus Tafel ablesen (bei Rechnungen per Hand) 6. erechnung der Prüfgröße (aus den beobachteten Daten) 7. Testentscheidung a) Vergleich berechnete Prüfgröße mit Quantil der Prüfverteilung b) Vergleich p-wert mit vorgegebenem Signifikanzniveau α 8. Interpretation der Ergebnisse im Kontext der Fragestellung (mit ngabe von p) Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 4

13 Übungsaufgabe 1 In der Herzsportsstudie wurden folgende Werte für die Herzfrequenz ermittelt: rm rm HF prä ( x s) 77,07 ± 11,9 76,16 ± 9,97 HF post ( x s) 93,09 ± 1,83 119,56 ± 17,37 HF diff ( x s) 16,0 ± 9,3 43,40 ± 17,74 n Testen Sie auf einem Signifikanzniveau von 1%, ob sich die Herzfrequenz nach Intervention HF post zwischen den rmen und signifikant unterscheidet! (Normalverteilung kann vorausgesetzt werden; unter H 0 hat die Prüfverteilung 39 Freiheitsgrade.) Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 5 Lösung Übungsaufgabe 1 (1/) H 0 : Die mittlere Herzfrequenz nach Intervention in rm und rm unterscheidet sich nicht. H : Die Herzfrequenz nach Intervention in rm und rm unterscheiden sich im Mittel. α = Testvoraussetzung: t-test für unabhängige Stichproben Normalverteilung der Herzfrequenzen kann vorausgesetzt werden t x x s s n n 93,09 119,56 1,83 17, ,47 13,97 3,589 Quantil t39; 0,995 der Prüfverteilung: t00; 0,995,601 `t 13,97 13,97 t39 ; 0,995, 601 Testentscheidung: also t t39 ; 0,995 und somit wird H 0 abgelehnt Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 5a 30

14 Lösung Übungsaufgabe 1 (/) Interpretation: Die Herzfrequenzen nach Intervention der rme und unterscheiden sich bei einer Irrtumswahrscheinlichkeit von 1% im Mittel signifikant. Die mittlere Herzfrequenz in rm ist signifikant höher (119,56 ± 17,37) als im rm (93,09 ± 1,83). Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 5b 31 t-test für verschiedene Situationen 1) für den Vergleich von unabhängigen Gruppen: a) bei ungleichen Varianzen ( ² ²) siehe Skript Formel 5.1 (FG aufwändiger, siehe Folie 11) b) bei gleichen Varianzen ( ² ²) Spezialfall n = n, siehe Skript Formel 5.3, FG n n ) für den Vergleich von abhängigen Gruppen: t-test für Paardifferenzen, siehe Skript Formel 5.4, 3) für den Vergleich einer Gruppe mit einem Normwert: siehe Skript Formel 5., FG n 1 FG n 1 FG Freiheitsgrad Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 6

15 Übungsaufgabe In einer weiteren Herzsportstudie wurden folgende Werte für die Herzfrequenz ermittelt: rm rm HF prä ( x s) 77,66 ± 11, 76,4 ± 9,88 HF post ( x s) 94,4 ± 13,5 119,3 ± 15,83 HF diff ( x s) 16,77 ± 10,13 4,91 ± 17,6 n a) Testen Sie auf einem Signifikanzniveau von 5%, ob sich die Herzfrequenz vor und nach Intervention in rm signifikant unterscheidet! Welcher Test ist für diese Fragestellung angemessen? (Normalverteilung kann vorausgesetzt werden.) b) Testen Sie auf einem Signifikanzniveau von 1%, ob sich die Herzfrequenz vor und nach Intervention in rm signifikant unterscheidet! (Normalverteilung kann vorausgesetzt werden.) Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 7 Lösung Übungsaufgabe rm H 0 : Die Herzfrequenzen vor und nach Intervention unterscheiden sich im Mittel nicht. H : Die mittleren Herzfrequenzen vor und nach Intervention unterscheiden sich. α = 0,05 Testvoraussetzung: t-test für Paardifferenzen Normalverteilung der Differenzen kann vorausgesetzt werden d 16,77 t n 64 13,4 s d 10,13 Quantil t63 ; 0,975 der Prüfverteilung: t60; 0,975,000 t 13,4 t63 ; 0,975, 000 also t t63; 0,975 und somit Testentscheidung: wird H abgelehnt 0 Interpretation: Die Herzfrequenzen vor und nach Intervention im rm unterscheiden sich auf einem Signifikanzniveau von 5% im Mittel signifikant. Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 7a 3

16 Lösung Übungsaufgabe rm H 0 : Die Herzfrequenzen vor und nach Intervention unterscheiden sich im Mittel nicht. H : Die mittleren Herzfrequenzen vor und nach Intervention unterscheiden sich. α = 0,01 Testvoraussetzung: t-test für Paardifferenzen Normalverteilung der Differenzen kann vorausgesetzt werden d 4,91 t n 65 19,63 s d 17,6 Quantil t. der Prüfverteilung: t,660 64; 0,995 60; 0,995. t 19,63 t64; 0,995, 660 also Testentscheidung: wird H abgelehnt 0 t t 64; 0,995 und somit Interpretation: Die mittlere Herzfrequenz vor Intervention im rm ist signifikant geringer als nach Intervention. Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 7b 33 chtung! Statistische Signifikanz klinische Relevanz! Nichtsignifikanz Äquivalenz! p - Wert sagt nichts über die Größe des Therapieeffektes aus, sondern nur darüber, wie wahrscheinlich der beobachtete Effekt ist, wenn die Nullhypothese wahr ist ( unter H 0 ). Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 8

Statistisches Testen

Statistisches Testen Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall

Mehr

Statistische Tests (Signifikanztests)

Statistische Tests (Signifikanztests) Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)

Mehr

Jost Reinecke. 7. Juni 2005

Jost Reinecke. 7. Juni 2005 Universität Bielefeld 7. Juni 2005 Testtheorie Test für unabhängige Stichproben Test für abhängige Stichproben Testtheorie Die Testtheorie beinhaltet eine Reihe von Testverfahren, die sich mit der Überprüfung

Mehr

Test auf einen Anteilswert (Binomialtest) Vergleich zweier Mittelwerte (t-test)

Test auf einen Anteilswert (Binomialtest) Vergleich zweier Mittelwerte (t-test) Spezielle Tests Test auf einen Anteilswert (Binomialtest) Vergleich zweier Anteilswerte Test auf einen Mittelwert (Ein-Stichproben Gauss bzw. t-test) Vergleich zweier Mittelwerte (t-test) Test auf einen

Mehr

Bereiche der Statistik

Bereiche der Statistik Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden

Mehr

1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests

1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests 1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests Statistische Tests dienen dem Testen von Vermutungen, so genannten Hypothesen, über Eigenschaften der Gesamtheit aller Daten ( Grundgesamtheit

Mehr

Dipl.-Volksw. Markus Pullen Wintersemester 2012/13

Dipl.-Volksw. Markus Pullen Wintersemester 2012/13 Statistische Auswertungen mit R Universität Kassel, FB 07 Wirtschaftswissenschaften Dipl.-Volksw. Markus Pullen Wintersemester 2012/13 Beispiele 8. Sitzung Konfidenzintervalle, Hypothesentests > # Anwendungsbeispiel

Mehr

GRUNDPRINZIPIEN statistischen Testens

GRUNDPRINZIPIEN statistischen Testens Fragestellungen beim Testen GRUNDPRINZIPIEN statistischen Testens. Vergleiche Unterscheidet sich die Stichprobenbeobachtung von einer vorher spezifizierten Erwartung ( Hypothese ) mit ausreichender Sicherheit?

Mehr

Hypothesentests mit SPSS. Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav

Hypothesentests mit SPSS. Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav Hypothese: Die Beschäftigung mit Kunst ist vom Bildungsgrad abhängig. 1. Annahmen Messniveau: Modell: Die Skala zur Erfassung der

Mehr

Hypothesentests mit SPSS. Beispiel für einen t-test

Hypothesentests mit SPSS. Beispiel für einen t-test Beispiel für einen t-test Daten: museum-f-v04.sav Hypothese: Als Gründe, in ein Museum zu gehen, geben mehr Frauen als Männer die Erweiterung der Bildung für Kinder an. Dies hängt mit der Geschlechtsrolle

Mehr

Mittelwertvergleiche, Teil I: Zwei Gruppen

Mittelwertvergleiche, Teil I: Zwei Gruppen FB W. Ludwig-Mayerhofer Statistik II Mittelwertvergleiche Herzlich willkommen zur Vorlesung Mittelwertvergleiche, Teil I: Zwei Gruppen FB W. Ludwig-Mayerhofer Statistik II Mittelwertvergleiche Mittelwertvergleiche:

Mehr

Kapitel 10 Mittelwert-Tests Einstichproben-Mittelwert-Tests 10.2 Zweistichproben Mittelwert-Tests

Kapitel 10 Mittelwert-Tests Einstichproben-Mittelwert-Tests 10.2 Zweistichproben Mittelwert-Tests Kapitel 10 Mittelwert-Tests 10.1 Einstichproben-Mittelwert-Tests 10.2 Zweistichproben Mittelwert-Tests 10.1 Einstichproben- Mittelwert-Tests 10.1.1 Einstichproben- Gauß-Test Dichtefunktion der Standard-Normalverteilung

Mehr

Eine Einführung in R: Statistische Tests

Eine Einführung in R: Statistische Tests Eine Einführung in R: Statistische Tests Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig http://www.uni-leipzig.de/ zuber/teaching/ws11/r-kurs/

Mehr

Allgemeines zu Tests. Statistische Hypothesentests

Allgemeines zu Tests. Statistische Hypothesentests Statistische Hypothesentests Allgemeines zu Tests Allgemeines Tests in normalverteilten Grundgesamtheiten Asymptotische Tests Statistischer Test: Verfahren Entscheidungsregel), mit dem auf Basis einer

Mehr

Test auf den Erwartungswert

Test auf den Erwartungswert Test auf den Erwartungswert Wir interessieren uns für den Erwartungswert µ einer metrischen Zufallsgröße. Beispiele: Alter, Einkommen, Körpergröße, Scorewert... Wir können einseitige oder zweiseitige Hypothesen

Mehr

Schließende Statistik

Schließende Statistik Schließende Statistik Die schließende Statistik befasst sich mit dem Rückschluss von einer Stichprobe auf die Grundgesamtheit (Population). Die Stichprobe muss repräsentativ für die Grundgesamtheit sein.

Mehr

Einführung in die Induktive Statistik: Testen von Hypothesen

Einführung in die Induktive Statistik: Testen von Hypothesen Einführung in die Induktive Statistik: Testen von Hypothesen Jan Gertheiss LMU München Sommersemester 2011 Vielen Dank an Christian Heumann für das Überlassen von TEX-Code! Testen: Einführung und Konzepte

Mehr

Statistik II. Statistische Tests. Statistik II

Statistik II. Statistische Tests. Statistik II Statistik II Statistische Tests Statistik II - 12.5.2006 1 Test auf Anteilswert: Binomialtest Sei eine Stichprobe unabhängig, identisch verteilter ZV (i.i.d.). Teile diese Stichprobe in zwei Teilmengen

Mehr

Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert

Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir

Mehr

Konfidenzintervall für den Anteilswert θ. Konfidenzintervalle. Jost Reinecke. Universität Bielefeld. 13. Juni 2005

Konfidenzintervall für den Anteilswert θ. Konfidenzintervalle. Jost Reinecke. Universität Bielefeld. 13. Juni 2005 Universität Bielefeld 13. Juni 2005 Einführung Einführung Wie kann die Kenntnis der Wahrscheinlichkeitsverteilung der Parameter einer Stichprobe dazu verhelfen auf die wahren Werte der Grundgesamtheit

Mehr

5. Seminar Statistik

5. Seminar Statistik Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation

Mehr

Statistische Signifikanz versus Klinische Relevanz der Sch(l)uss von der Studie in die Realität

Statistische Signifikanz versus Klinische Relevanz der Sch(l)uss von der Studie in die Realität Institut für Medizinische Biometrie und Epidemiologie Statistische Signifikanz versus Klinische Relevanz der Sch(l)uss von der Studie in die Realität Zum Nacharbeiten Die TonoPen-Studie Dissertationsprojekt

Mehr

Statistische Tests für unbekannte Parameter

Statistische Tests für unbekannte Parameter Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung

Mehr

Forschungsmethodik II Mag.rer.nat. M. Kickmeier-Rust Karl-Franzens-Universität Graz. Lisza Gaiswinkler, Daniela Gusel, Tanja Schlosser

Forschungsmethodik II Mag.rer.nat. M. Kickmeier-Rust Karl-Franzens-Universität Graz. Lisza Gaiswinkler, Daniela Gusel, Tanja Schlosser Kolmogorov-Smirnov-Test Forschungsmethodik II Mag.rer.nat. M. Kickmeier-Rust Karl-Franzens-Universität Graz 1 Kolmogorov- Smirnov Test Andrei Nikolajewitsch Kolmogorov * 25.4.1903-20.10.1987 2 Kolmogorov-

Mehr

Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz

Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz Grundlage: Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz Die Testvariable T = X µ 0 S/ n genügt der t-verteilung mit n 1 Freiheitsgraden. Auf der Basis

Mehr

Inferenzstatistik (=schließende Statistik)

Inferenzstatistik (=schließende Statistik) Inferenzstatistik (=schließende Statistik) Grundproblem der Inferenzstatistik: Wie kann man von einer Stichprobe einen gültigen Schluß auf di Grundgesamtheit ziehen Bzw.: Wie groß sind die Fehler, die

Mehr

Mittelwertvergleiche, Teil II: Varianzanalyse

Mittelwertvergleiche, Teil II: Varianzanalyse FB 1 W. Ludwig-Mayerhofer Statistik II 1 Herzlich willkommen zur Vorlesung Mittelwertvergleiche, Teil II: FB 1 W. Ludwig-Mayerhofer Statistik II 2 : Wichtigste Eigenschaften Anwendbar auch bei mehr als

Mehr

Statistik II für Betriebswirte Vorlesung 1

Statistik II für Betriebswirte Vorlesung 1 Statistik II für Betriebswirte Vorlesung 1 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 16. Oktober 2017 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 1 Version:

Mehr

Signifikanztests zur Prüfung von Unterschieden in der zentralen Tendenz -Teil 1-

Signifikanztests zur Prüfung von Unterschieden in der zentralen Tendenz -Teil 1- SPSSinteraktiv Signifikanztests (Teil ) - - Signifikanztests zur Prüfung von Unterschieden in der zentralen Tendenz -Teil - t-test bei einer Stichprobe - SPSS-Output Der t-test bei einer Stichprobe wird

Mehr

Probeklausur zur Vorlesung Statistik II für Studierende der Soziologie und Nebenfachstudierende

Probeklausur zur Vorlesung Statistik II für Studierende der Soziologie und Nebenfachstudierende Probeklausur zur Vorlesung Statistik II für Studierende der Soziologie und Nebenfachstudierende im Sommersemester 2012 Prof. Dr. H. Küchenhoff, J. Brandt, G. Schollmeyer, G. Walter Aufgabe 1 Betrachten

Mehr

Macht des statistischen Tests (power)

Macht des statistischen Tests (power) Macht des statistischen Tests (power) Realer Treatment ja Ergebnis der Studie H 0 verworfen statistisch signifikant O.K. Macht H 0 beibehalten statistisch nicht signifikant -Fehler Effekt nein -Fehler

Mehr

SPSS III Mittelwerte vergleichen

SPSS III Mittelwerte vergleichen SPSS III Mittelwerte vergleichen A Zwei Gruppen ------------ Zwei-Stichproben t-test Beispieldatei: Seegräser Fragestellung: Unterscheidet sich die Anzahl der Seegräser in Gebieten mit und ohne Seeigelvorkommen

Mehr

Ablaufschema beim Testen

Ablaufschema beim Testen Ablaufschema beim Testen Schritt 1 Schritt 2 Schritt 3 Schritt 4 Schritt 5 Schritt 6 Schritt 7 Schritt 8 Schritt 9 Starten Sie die : Flashanimation ' Animation Ablaufschema Testen ' siehe Online-Version

Mehr

Analytische Statistik II

Analytische Statistik II Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Grundproblem Generell sind wir nur selten in der Geographie in der Lage, Daten über die Grundgesamtheit zur Verfügung zu haben.

Mehr

Statistik II. Weitere Statistische Tests. Statistik II

Statistik II. Weitere Statistische Tests. Statistik II Statistik II Weitere Statistische Tests Statistik II - 19.5.2006 1 Überblick Bisher wurden die Test immer anhand einer Stichprobe durchgeführt Jetzt wollen wir die statistischen Eigenschaften von zwei

Mehr

Statistik II: Signifikanztests /1

Statistik II: Signifikanztests /1 Medien Institut : Signifikanztests /1 Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Noch einmal: Grundlagen des Signifikanztests 2. Der chi 2 -Test 3. Der t-test

Mehr

3 Grundlagen statistischer Tests (Kap. 8 IS)

3 Grundlagen statistischer Tests (Kap. 8 IS) 3 Grundlagen statistischer Tests (Kap. 8 IS) 3.1 Beispiel zum Hypothesentest Beispiel: Betrachtet wird eine Abfüllanlage für Mineralwasser mit dem Sollgewicht µ 0 = 1000g und bekannter Standardabweichung

Mehr

Multivariate lineare Regression. Statistik für SozialwissenschaftlerInnen II p.167

Multivariate lineare Regression. Statistik für SozialwissenschaftlerInnen II p.167 Multivariate lineare Regression Statistik für SozialwissenschaftlerInnen II p.167 Multivariate Regression Verfahren zur Prüfung des gemeinsamen linearen Einflusses mehrerer unabhängiger Variablen auf eine

Mehr

Lösung Aufgabe 1 (Regression) Es wurden in einer Befragung zwei metrische Merkmale X und Y erhoben. Betrachten Sie dazu die

Lösung Aufgabe 1 (Regression) Es wurden in einer Befragung zwei metrische Merkmale X und Y erhoben. Betrachten Sie dazu die Statistik für Kommunikationswissenschaftler Wintersemester 2010/2011 Vorlesung Prof. Dr. Nicole Krämer Übung Nicole Krämer, Cornelia Oberhauser, Monia Mahling Lösung Thema 9 Homepage zur Veranstaltung:

Mehr

10. Die Normalverteilungsannahme

10. Die Normalverteilungsannahme 10. Die Normalverteilungsannahme Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Bisher haben wir vorausgesetzt, daß die Beobachtungswerte normalverteilt sind. In diesem Fall kann man

Mehr

Angewandte Statistik 3. Semester

Angewandte Statistik 3. Semester Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen

Mehr

Testen von Hypothesen:

Testen von Hypothesen: Testen von Hypothesen: Ein Beispiel: Eine Firma produziert Reifen. In der Entwicklungsabteilung wurde ein neues Modell entwickelt, das wesentlich ruhiger läuft. Vor der Markteinführung muss aber auch noch

Mehr

Konfidenzintervalle. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09

Konfidenzintervalle. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09 Konfidenzintervalle Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09 Münzspiel Experiment 100 Münzwürfe: Stefan gewinnt bei "Kopf" Hypothesen H 0 : Stefan wird so oft gewinnen

Mehr

THEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ

THEMA: STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN TORSTEN SCHOLZ WEBINAR@LUNCHTIME THEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ EINLEITENDES BEISPIEL SAT: Standardisierter Test, der von Studienplatzbewerbern an amerikanischen Unis gefordert

Mehr

Aussagen hierzu sind mit einer unvermeidbaren Unsicherheit behaftet, die statistisch über eine Irrtumswahrscheinlichkeit bewertet wird.

Aussagen hierzu sind mit einer unvermeidbaren Unsicherheit behaftet, die statistisch über eine Irrtumswahrscheinlichkeit bewertet wird. Stichprobenumfang Für die Fragestellung auf Gleichheit von ein oder zwei Stichproben wird auf Basis von Hypothesentests der notwendige Stichprobenumfang bestimmt. Deshalb werden zunächst die Grundlagen

Mehr

Hypothesen über die Grundgesamtheit. Aufgabenstellung der Testtheorie Hypothesen (Annahmen, Vermutungen oder

Hypothesen über die Grundgesamtheit. Aufgabenstellung der Testtheorie Hypothesen (Annahmen, Vermutungen oder Hypothesen über die Grundgesamtheit Aufgabenstellung der Testtheorie Hypothesen (Annahmen, Vermutungen oder Behauptungen) über die unbekannte Grundgesamtheit anhand einer Stichprobe als richtig oder falsch

Mehr

Fit for Abi & Study Stochastik

Fit for Abi & Study Stochastik Fit for Abi & Study Stochastik Prof. Dr. Tilla Schade Hochschule Harz 15. und 16. April 2014 No. 1 Stochastik besteht aus: Wahrscheinlichkeitsrechnung Statistik No. 2 Gliederung Grundlagen Zufallsgrößen

Mehr

4.1. Nullhypothese, Gegenhypothese und Entscheidung

4.1. Nullhypothese, Gegenhypothese und Entscheidung rof. Dr. Roland Füss Statistik II SS 8 4. Testtheorie 4.. Nullhypothese, Gegenhypothese und Entscheidung ypothesen Annahmen über die Verteilung oder über einzelne arameter der Verteilung eines Merkmals

Mehr

Computergestützte Methoden. Master of Science Prof. Dr. G. H. Franke WS 07/08

Computergestützte Methoden. Master of Science Prof. Dr. G. H. Franke WS 07/08 Computergestützte Methoden Master of Science Prof. Dr. G. H. Franke WS 07/08 1 Seminarübersicht 1. Einführung 2. Recherchen mit Datenbanken 3. Erstellung eines Datenfeldes 4. Skalenniveau und Skalierung

Mehr

Prüfgröße: Ist die durch eine Schätzfunktion zugeordnete reelle Zahl (etwa Mittelwert 7 C).

Prüfgröße: Ist die durch eine Schätzfunktion zugeordnete reelle Zahl (etwa Mittelwert 7 C). Statistik Grundlagen Charakterisierung von Verteilungen Einführung Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsverteilungen Schätzen und Testen Korrelation Regression Einführung Aus praktischen Gründen

Mehr

11. Nichtparametrische Tests

11. Nichtparametrische Tests 11. Nichtparametrische Tests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 In Kapitel 8 und 9 haben wir vorausgesetzt, daß die Beobachtungswerte normalverteilt sind. In diesem Fall kann

Mehr

8. Konfidenzintervalle und Hypothesentests

8. Konfidenzintervalle und Hypothesentests 8. Konfidenzintervalle und Hypothesentests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Beispiel. Sie wollen den durchschnittlichen Fruchtsaftgehalt eines bestimmten Orangennektars

Mehr

Übung 4 im Fach "Biometrie / Q1"

Übung 4 im Fach Biometrie / Q1 Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-89070 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 13, 89075 Ulm Tel.

Mehr

fh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik

fh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik fh management, communication & it Folie 1 Überblick Grundlagen (Testvoraussetzungen) Mittelwertvergleiche (t-test,..) Nichtparametrische Tests Korrelationen Regressionsanalyse... Folie 2 Überblick... Varianzanalyse

Mehr

Analytische Statistik II

Analytische Statistik II Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Das Testen von Hypothesen Während die deskriptive Statistik die Stichproben nur mit Hilfe quantitativer Angaben charakterisiert,

Mehr

Statistik II (Sozialwissenschaften)

Statistik II (Sozialwissenschaften) Dr. Hans-Otfried Müller Institut für Mathematische Stochastik Fachrichtung Mathematik Technische Universität Dresden http://www.math.tu-dresden.de/sto/mueller/ Statistik II (Sozialwissenschaften) 2. Konsultationsübung,

Mehr

Statistische Methoden in den Umweltwissenschaften

Statistische Methoden in den Umweltwissenschaften Statistische Methoden in den Umweltwissenschaften t-test Varianzanalyse (ANOVA) Übersicht Vergleich von Mittelwerten 2 Gruppen: t-test einfaktorielle ANOVA > 2 Gruppen: einfaktorielle ANOVA Seeigel und

Mehr

Grundlagen der Statistik

Grundlagen der Statistik Grundlagen der Statistik Übung 15 009 FernUniversität in Hagen Alle Rechte vorbehalten Fachbereich Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe

Mehr

Statistik für Studenten der Sportwissenschaften SS 2008

Statistik 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

Mehr

Sozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS

Sozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS Sommersemester 2009, Statistik mit SPSS 26. August 2009 26. August 2009 Statistik Dozentin: mit Anja SPSS Mays 1 Bivariate Datenanalyse, Überblick bis Freitag heute heute Donnerstag Donnerstag Freitag

Mehr

Chi-Quadrat-Verteilung

Chi-Quadrat-Verteilung Chi-Quadrat-Verteilung Wikipedia http://de.wikipedia.org/wiki/chi-quadrat-verteilung 1 von 7 6/18/2009 6:13 PM Chi-Quadrat-Verteilung aus Wikipedia, der freien Enzyklopädie Die Chi-Quadrat-Verteilung ist

Mehr

Testen von Hypothesen

Testen von Hypothesen Statistik 2 für SoziologInnen Testen von Hypothesen Univ.Prof. Dr. Marcus Hudec Statistik für SoziologInnen 1 Testtheorie Inhalte Themen dieses Kapitels sind: Erklären der Grundbegriffe der statistischen

Mehr

a) Wie hoch ist die Wahrscheinlichkeit, dass Vokale vorkommen, die länger als 140 ms sind?

a) Wie hoch ist die Wahrscheinlichkeit, dass Vokale vorkommen, die länger als 140 ms sind? Modul G 20.12.2007 Zur Hausaufgabe 3 Erkläre die folgenden Plots und Berechnungen zu Wahrscheinlichkeiten aus technischer und statistischer Sicht. a) Wie hoch ist die Wahrscheinlichkeit, dass Vokale vorkommen,

Mehr

7. Hypothesentests. Ausgangssituation erneut: ZV X repräsentiere einen Zufallsvorgang. X habe die unbekannte VF F X (x)

7. Hypothesentests. Ausgangssituation erneut: ZV X repräsentiere einen Zufallsvorgang. X habe die unbekannte VF F X (x) 7. Hypothesentests Ausgangssituation erneut: ZV X repräsentiere einen Zufallsvorgang X habe die unbekannte VF F X (x) Interessieren uns für einen unbekannten Parameter θ der Verteilung von X 350 Bisher:

Mehr

Kapitel 2 Wahrscheinlichkeitsrechnung

Kapitel 2 Wahrscheinlichkeitsrechnung Definition 2.77: Normalverteilung & Standardnormalverteilung Es sei µ R und 0 < σ 2 R. Besitzt eine stetige Zufallsvariable X die Dichte f(x) = 1 2 πσ 2 e 1 2 ( x µ σ ) 2, x R, so heißt X normalverteilt

Mehr

Wiederholung Hypothesentests Zusammenfassung. Hypothesentests. Statistik I. Sommersemester Statistik I Hypothesentests I (1/36)

Wiederholung Hypothesentests Zusammenfassung. Hypothesentests. Statistik I. Sommersemester Statistik I Hypothesentests I (1/36) Statistik I Sommersemester 2009 Statistik I I (1/36) Wiederholung Grenzwertsatz Konfidenzintervalle Logik des 0.0 0.1 0.2 0.3 0.4 4 2 0 2 4 Statistik I I (2/36) Zum Nachlesen Agresti/Finlay: Kapitel 6+7

Mehr

Hypothesenprüfung. Darüber hinaus existieren zahlreiche andere Testverfahren, die alle auf der gleichen Logik basieren

Hypothesenprüfung. Darüber hinaus existieren zahlreiche andere Testverfahren, die alle auf der gleichen Logik basieren Hypothesenprüfung Teil der Inferenzstatistik Befaßt sich mit der Frage, wie Hypothesen über eine (in der Regel unbekannte) Grundgesamtheit an einer Stichprobe überprüft werden können Behandelt werden drei

Mehr

73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments

73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments 73 Hypothesentests 73.1 Motivation Bei Hypothesentests will man eine gewisse Annahme über eine Zufallsvariable darauf hin überprüfen, ob sie korrekt ist. Beispiele: ( Ist eine Münze fair p = 1 )? 2 Sind

Mehr

SozialwissenschaftlerInnen II

SozialwissenschaftlerInnen II Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Testen von Hypothesen

Mehr

Biometrische Planung von Versuchsvorhaben

Biometrische Planung von Versuchsvorhaben Biometrische Planung von Versuchsvorhaben Einführung in das Prinzip der Lehrstuhl für Mathematik VIII Statistik http://statistik.mathematik.uni-wuerzburg.de/~hain Ziel des Vortrags Im nachfolgenden Vortrag

Mehr

Klassifikation von Signifikanztests

Klassifikation von Signifikanztests Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen

Mehr

Brückenkurs Statistik für Wirtschaftswissenschaften

Brückenkurs Statistik für Wirtschaftswissenschaften Peter von der Lippe Brückenkurs tatistik für Wirtschaftswissenschaften Lösungen UVK Verlagsgesellschaft mbh Konstanz mit UVK/Lucius München Brückenkurs tatistik für Wirtschaftswissenschaften: Lösungen

Mehr

Kapitel 6: Zweifaktorielle Varianzanalyse

Kapitel 6: Zweifaktorielle Varianzanalyse Kapitel 6: Zweifaktorielle Varianzanalyse Durchführung einer zweifaktoriellen Varianzanalyse ohne Messwiederholung Dieser Abschnitt zeigt die Durchführung der in Kapitel 6 behandelten zweifaktoriellen

Mehr

Lösungen zu den Übungsaufgaben in Kapitel 10

Lösungen zu den Übungsaufgaben in Kapitel 10 Lösungen zu den Übungsaufgaben in Kapitel 10 (1) In einer Stichprobe mit n = 10 Personen werden für X folgende Werte beobachtet: {9; 96; 96; 106; 11; 114; 114; 118; 13; 14}. Sie gehen davon aus, dass Mittelwert

Mehr

3. Das Prüfen von Hypothesen. Hypothese?! Stichprobe Signifikanztests in der Wirtschaft

3. Das Prüfen von Hypothesen. Hypothese?! Stichprobe Signifikanztests in der Wirtschaft 3. Das Prüfen von Hypothesen Hypothese?! Stichprobe 3.1. Signifikanztests in der Wirtschaft Prüfung, ob eine (theoretische) Hypothese über die Verteilung eines Merkmals X und ihre Parameter mit einer (empirischen)

Mehr

Die Familie der χ 2 (n)-verteilungen

Die Familie der χ 2 (n)-verteilungen Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +

Mehr

2. Formulieren von Hypothesen. Nullhypothese: H 0 : µ = 0 Gerät exakt geeicht

2. Formulieren von Hypothesen. Nullhypothese: H 0 : µ = 0 Gerät exakt geeicht 43 Signifikanztests Beispiel zum Gauß-Test Bei einer Serienfertigung eines bestimmten Typs von Messgeräten werden vor der Auslieferung eines jeden Gerätes 10 Kontrollmessungen durchgeführt um festzustellen,

Mehr

Kapitel VI - Lage- und Streuungsparameter

Kapitel VI - Lage- und Streuungsparameter Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel VI - Lage- und Streuungsparameter Markus Höchstötter Lehrstuhl für Statistik, Ökonometrie

Mehr

Statistik II. IV. Hypothesentests. Martin Huber

Statistik II. IV. Hypothesentests. Martin Huber Statistik II IV. Hypothesentests Martin Huber 1 / 41 Übersicht Struktur eines Hypothesentests Stichprobenverteilung t-test: Einzelner-Parameter-Test F-Test: Multiple lineare Restriktionen 2 / 41 Struktur

Mehr

Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003

Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003 Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003. Eine seltene Krankheit trete mit Wahrscheinlichkeit : 0000 auf. Die bedingte Wahrscheinlichkeit, dass ein bei einem Erkrankten durchgeführter

Mehr

3. Übung Deskription und Diagnose Wer oder was ist normal?

3. Übung Deskription und Diagnose Wer oder was ist normal? Querschnittsbereich 1: Epidemiologie, Medizinische Biometrie und Medizinische Informatik - Übungsmaterial - Erstellt von Mitarbeitern des IMISE und des ZKS Leipzig 3. Übung Deskription und Diagnose Wer

Mehr

Vergleich von Gruppen I

Vergleich von Gruppen I Vergleich von Gruppen I t-test und einfache Varianzanalyse (One Way ANOVA) Werner Brannath VO Biostatistik im WS 2006/2007 Inhalt Der unverbundene t-test mit homogener Varianz Beispiel Modell Teststatistik

Mehr

a) Man bestimme ein 95%-Konfidenzintervall für den Anteil der Wahlberechtigten, die gegen die Einführung dieses generellen

a) Man bestimme ein 95%-Konfidenzintervall für den Anteil der Wahlberechtigten, die gegen die Einführung dieses generellen 2) Bei einer Stichprobe unter n=800 Wahlberechtigten gaben 440 an, dass Sie gegen die Einführung eines generellen Tempolimits von 100km/h auf Österreichs Autobahnen sind. a) Man bestimme ein 95%-Konfidenzintervall

Mehr

Kapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen

Kapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen Induktive Statistik Prof. Dr. W.-D. Heller

Mehr

Statistik II. IV. Hypothesentests. Martin Huber

Statistik II. IV. Hypothesentests. Martin Huber Statistik II IV. Hypothesentests Martin Huber 1 / 22 Übersicht Weitere Hypothesentests in der Statistik 1-Stichproben-Mittelwert-Tests 1-Stichproben-Varianz-Tests 2-Stichproben-Tests Kolmogorov-Smirnov-Test

Mehr

Chi-Quadrat Verfahren

Chi-Quadrat Verfahren Chi-Quadrat Verfahren Chi-Quadrat Verfahren werden bei nominalskalierten Daten verwendet. Die einzige Information, die wir bei Nominalskalenniveau zur Verfügung haben, sind Häufigkeiten. Die Quintessenz

Mehr

Literatur: Glantz, S.A. (2002). Primer of Biostatistics. New York: McGraw-Hill.

Literatur: Glantz, S.A. (2002). Primer of Biostatistics. New York: McGraw-Hill. Statistik Literatur: Glantz, S.A. (2002). Primer of Biostatistics. New York: McGraw-Hill. Maxwell, S.E. & Delaney, H.D. (2000). Designing Experiments and Analyzing Data. Mahwah, NJ: Erlbaum. Das Grundproblem

Mehr

- Normalverteilung (Gaußverteilung) kann auf sehr viele Zufallsprozesse angewendet werden.

- Normalverteilung (Gaußverteilung) kann auf sehr viele Zufallsprozesse angewendet werden. Normalverteilung und Standardnormalverteilung als Beispiel einer theoretischen Verteilung - Normalverteilung (Gaußverteilung) kann auf sehr viele Zufallsprozesse angewendet werden. - Stetige (kontinuierliche),

Mehr

Biostatistik, WS 2015/2016 Der zwei-stichproben-t-test

Biostatistik, WS 2015/2016 Der zwei-stichproben-t-test 1/29 Biostatistik, WS 2015/2016 Der zwei-stichproben-t-test (t-test für ungepaarte Stichproben) Matthias Birkner http://www.staff.uni-mainz.de/birkner/biostatistik1516/ 11.12.2015 2/29 Inhalt 1 t-test

Mehr

Institut für Soziologie Werner Fröhlich. Methoden 2. Kontingenztabellen Chi-Quadrat-Unabhängigkeitstest

Institut für Soziologie Werner Fröhlich. Methoden 2. Kontingenztabellen Chi-Quadrat-Unabhängigkeitstest Institut für Soziologie Methoden 2 Kontingenztabellen Chi-Quadrat-Unabhängigkeitstest Aufbau der Sitzung Was sind Kontingenztabellen? Wofür werden Kontingenztabellen verwendet? Aufbau und Interpretation

Mehr

Anhang: Statistische Tafeln und Funktionen

Anhang: Statistische Tafeln und Funktionen A1 Anhang: Statistische Tafeln und Funktionen Verteilungsfunktion Φ(z) der Standardnormalverteilung Die Tabelle gibt die Werte Φ(z) der Verteilungsfunktion zu vorgegebenem Wert z 0 an; ferner gilt Φ( z)

Mehr

2 Wiederholung statistischer Grundlagen Schließende Statistik empirischen Information aus Stichprobenrealisation x von X

2 Wiederholung statistischer Grundlagen Schließende Statistik empirischen Information aus Stichprobenrealisation x von X Hypothesentests Bisher betrachtet: Punkt- bzw. Intervallschätzung des unbekannten Mittelwerts Hierzu: Verwendung der 1 theoretischen Information über Verteilung von X empirischen Information aus Stichprobenrealisation

Mehr

Statistische Methoden in den Umweltwissenschaften

Statistische Methoden in den Umweltwissenschaften Statistische Methoden in den Umweltwissenschaften Post Hoc Tests A priori Tests (Kontraste) Nicht-parametrischer Vergleich von Mittelwerten 50 Ergebnis der ANOVA Sprossdichte der Seegräser 40 30 20 10

Mehr

KATA LOGO Mathematik Statistik Roadmap: Von der Hypothese zum p-wert

KATA LOGO Mathematik Statistik Roadmap: Von der Hypothese zum p-wert KATA LOGO Mathematik Statistik Roadmap: Von der Hypothese zum p-wert 0. Das eigentliche Forschungsziel ist: Beweis der eigenen Hypothese H 1 Dafür muss Nullhypothese H 0 falsifiziert werden können Achtung!

Mehr

BSc Bioinformatik Wintersemester 2013/2014 Nachklausur zur Statistik I Freie Universität Berlin

BSc Bioinformatik Wintersemester 2013/2014 Nachklausur zur Statistik I Freie Universität Berlin Sc ioinformatik Wintersemester 013/014 Nachklausur zur Statistik I Freie Universität erlin 4. pril 014 Matrikelnummer Nachname Vorname Unterschrift ufgabe 1 (4 Punkte): Zu einem Wahrscheinlichkeitsraum

Mehr

Methodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Methodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie als Wissenschaft

Mehr

T-Test für den Zweistichprobenfall

T-Test für den Zweistichprobenfall T-Test für den Zweistichprobenfall t-test (unbekannte, gleiche Varianzen) Test auf Lageunterschied zweier normalverteilter Grundgesamtheiten mit unbekannten, aber gleichen Varianzen durch Vergleich der

Mehr

Inhaltsverzeichnis. II. Statistische Modelle und sozialwissenschaftliche Meßniveaus 16

Inhaltsverzeichnis. II. Statistische Modelle und sozialwissenschaftliche Meßniveaus 16 Vorwort 1 1. Kapitel: Der Stellenwert der Statistik für die sozialwissenschaflliche Forschung 1 1. Zur Logik (sozial-)wissenschaftlicher Forschung 1 1. Alltagswissen und wissenschaftliches Wissen 1 2.

Mehr

Methodik der multiplen linearen Regression

Methodik der multiplen linearen Regression Methodik der multiplen linearen Regression Sibel Aydemir Statistisches Amt, Direktorium Landeshauptstadt München Name, Stadt Regressionsanalyse: Schritt für Schritt Schritt 1 Schritt 2 Schritt 3 Schritt

Mehr

Vorlesung: Statistik II für Wirtschaftswissenschaft

Vorlesung: Statistik II für Wirtschaftswissenschaft Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2

Mehr