Biostatistik 7. Zweistichproben-t-Test, F-Test
|
|
- Johann Egger
- vor 7 Jahren
- Abrufe
Transkript
1 Biostatistik 7. Zweistichproben-t-Test, F-Test
2 Zweistichproben-t-Test Vergleich von zwei unabhängigen Stichproben Versuchssituation: dieselbe Variable wird bei zwei unabhängigen Stichproben geprüft Kontrollgruppe, behandelte Gruppe Männer, Frauen krank, gesund jung, alt usw. Bedingungen des klassischen (Student) t-tests: Die zwei Stichproben sind unabhängig: x x,..., x, und y, y,..., Sie stammen aus zwei normalverteilten Populationen mit gleicher Varianz: aus Populationen mit der Verteilung N(µ 1, σ ) und N(µ, σ ) H 0 : μ 1 = μ, H a : μ 1 μ. 1, n 1 y m Biostatistik-7
3 Zweistichproben-t-Test: Gliederung der Datentabelle Die zwei Stichproben im Test sind zwei Teilstichproben oder Gruppen einer Stichprobe (Variable) Die Gruppen sind durch eine binäre Variable (Gruppenvariable) identifiziert. 1. Stichprobe. Stichprobe Datentabelle muss nicht nach Gruppen geordnet sein Gruppenvariable Biostatistik-7 3
4 Zweistichproben t-test: gleiche Varianzen Vergleich von zwei unabhängigen Stichproben Bedingungen: Die Stichproben stammen aus einer Population mit Normalverteilung Im Fall von gleichen Varianzen (original Student t-test) die Berechnung des t-wertes (Freiheitsgrad= n+m-): t s p x - y x - y nm ( n -1) sx ( m -1) s wo sp 1 1 sp n m. n m - n m y und s x und s y bezeichnen die zwei Standardabweichungen Entscheidung: Wenn t >t α, ist die Differenz signifikant auf dem Niveau α, und wir lehnen H 0 ab Biostatistik-7 4
5 Zweistichproben-t-Test: ungleiche Varianzen Vergleich von zwei unabhängigen Stichproben Bedingungen: Die Stichproben stammen aus einer Population mit Normalverteilung Im Fall von ungleichen Varianzen (modifizierter t-test, oder d-test): ( n -. 1) ( m -1) Freiheitsg rad g ( m -1) (1 - g ) ( n -1) Entscheidung: Wenn d >t α, ist die Differenz signifikant auf dem Niveau α, und wir lehnen H 0 ab d wo g x sx n - y s y sx n sx n m s y m Biostatistik-7 5
6 F-test für die Prüfung der Gleichheit von Varianzen H 0 : 1 1 H a : (einseitiger Test) Teststatistik (F): wir teilen das Quadrat der größeren Standardabweichung durch das Quadrat der kleineren: F max( s min( s x x, s, s y y ) ) s s 1 Die F-Statistik hat zwei Freiheitsgrade: n 1-1, n -1, wo n 1 = Elementzahl der zur größeren SD gehörigen Stichprobe n = Elementzahl der zur kleineren SD gehörigen Stichprobe Entscheidung: aufgrund der F-Tabelle Wenn F > F α, unterscheiden sich die zwei Varianzen voneinander signifikant auf dem α Niveau Biostatistik-7 6
7 Freiheits grade: Tabelle der F-Verteilung (Auszug) für α=0.05 számláló-> Zähler Nenner nevező Biostatistik-7 7
8 Rechnungsbeispiel: Zweistichproben-t-Test Kontrollgrupe Behandelte Gruppe n=8 m=10 x =16,5 y=18 s x =10,351 s y =11,35 s x =107,14 s y =18,88 s p t Vergleichung der Varianzen mit F-Test: F 1. 09, Freiheitsgrade: des Zählers: 10-1=9, des Nenners: 8-1=7, der zu α=0,05 und Freiheitsgrade 9, 7 gehörige kritische Wert ist F α =3,68. Weil 1,09<3,68, akzeptieren wir die Nullhypothese des F-Tests, dass die zwei Varianzen gleich sind Der gerechnete t-wert ist t = 6,6569, der kritische Wert für α=0,05 ist t α =,1 (Freiheitsgrad=16). Weil 6,6569>,1, verwerfen wir die Nullhypothese und sagen, dass die Differenz zwischen den beiden Populationsmittelwerten auf Niveau 5% signifikant ist. Biostatistik-7 8
9 Ergebnis mit SPSS SPSS-Verfahren: T-Test bei unabhängigen Stichproben Vergleichung der Varianzen (mit dem Levene-F-Test): p=0,930>0,05 wir nehmen an, dass die Varianzen gleich sind Vergleichung der Mittelwerte mit t-test für gleiche Varianzen: p=0,000006<0,05 die Differenz der Mittelwerte ist signifikant zum Signifikanzniveau α=0,05. Biostatistik-7 9
10 Beispiel von der medizinischen Literatur Circulation, 004;109: Biostatistik-7 10
11 Achtung! Merkmal ist kategoriell, kann nicht normalverteilt sein. Vergleichung (d.h. p-wert) kommt nicht aus t-test (sondern aus -Test) Diese Tabelle enthält Mittelwert ± SE für die stetigen Merkmale, und auch den Stichprobenumfang n in beiden Gruppen. Aus diesen Daten kann man den zum Zweistichproben-t-Test gehörigen p-wert überprüfen. Biostatistik-7 11
12 Lass uns den das Lebensalter betreffenden p-wert überprüfen, das heißt, vergleichen wir die Mittelwerte der zwei Gruppen mit dem Zweistichproben-t-Test. Biostatistik-7 1
13 Stufe 1. H 0 : μ 1 = μ, H a : μ 1 μ Stufe. Sei α=0.05 Stufe 3. Der Entscheidungsregel: Zweistichproben-t-Test. Stufe 4a. Entscheidung aufgrund der Teststatistik: Berechnen wir erst die SD-Werte aus der SE-Werte, dann die t-teststatistik: t=-1,059; der Freiheitsgrad ist =5 t α =,060 t =1,059<,060, die Differenz ist nicht signifikant auf 5% Niveau. Stufe 4b. Entscheidung aufgrund des p-wertes: Mit Computer kann man den zu dem t-wert t=-1,059 gehörigen p-wert ausrechnen lassen, es ergibt sich p=0,30 Entscheidung: p>0.05, die Differenz ist nicht signifikant auf Niveau 5%. Die kleine Abweichung von dem p-wert des Artikels (0,8) kann man mit der nicht pünktlich genugen Spezifikation der Mittelwerte und der Standardfehler in dem Artikel erklären Biostatistik-7 13
14 Zunahme des Fehlers 1. Art Wenn wir im Fall einer bestimmten Menge von Daten mehrere statistische Teste für eine bestimmte Variable oder Variablen durchführen, und jede bei einem bestimmten α, kann die das ganze Experiment betreffende Wahrscheinlichkeit des Fehlers 1. Art viel größer sein, als α. Wir stellen diese überraschend scheinende Tatsache mit dem Zweistichproben-t-Test dar: Das Niveau α=0,05 bedeutet, dass wenn die Nullhypothese wahr ist (z.b. es gibt keine Differenz zwischen den zu vergleichenden Populationen), ist die Wahrscheinlichkeit der Begehung des Fehlers 1. Art 0,05, das heißt wir können diesen Fehler von hundert Fällen in 5 Fällen, also in jedem zwanzigsten Fall begehen. So oft verursacht der Zufall zwischen den sonst gleichen, aus denselben Populationen entnommenen Stichproben eine zu große, von uns für signifikant qualifizierte Differenz. Vergleichen wir mehrere, von denselben Populationen entnommenen Stichproben in Paaren, wird durchschnittlich 1 von 0 Vergleichen zu einem signifikanten Ergebnis führen! Im allgemeinen ist die Wahrscheinlichkeit, dass im Fall von k unabhängigen Vergleichen wenigstens ein Vergleich falsch ist (dass wir wenigstens einmal den Fehler 1. Art begehen), ist: 1-(1-α) k ( kα, wenn kα klein ist). Biostatistik-7 14
15 Irrtumwahrscheinlichkeit Zunahme der Wahrscheinlichkeit des Fehlers 1. Art per Experiment (α=0,05) Zahl der Vergleichungen Deshalb ist es falsch, im Fall von mehreren Gruppen Zweistichproben-t-Teste für den Paarvergleich der Mittelwerte zu verwenden oder im Fall von zwei Gruppen auch Zweistichproben-t- Teste für den Vergleich von mehreren zusammenhängenden Variablen zu verwenden. Wir können nämlich nicht wissen, welche von den signifikanten Ergebnissen dem Zufall angeschrieben werden können und welche eine wahre Differenz verraten. Biostatistik-7 15
16 Von vielen kleinen Stücken zusammengeknüpftes Bergsteigerseil: die einzelnen Seilknoten halten mit einer 95% Wahrscheinlichkeit gut fest (α=0,05) Die Wahrscheinlichkeit, dass zwei Knoten fehlerfrei sind: =0,95*0.95= % Die Wahrscheinlichkeit, dass 0 Knoten fehlerfrei sind=0,95 0 =0,358 36% P=0,95 0? Wahnsinn!! Die Wahrscheinlichkeit eines Sturzes im Fall von 0 Knoten 64% Die letzte Aufname von Dr. Kümmernicht Biostatistik-7 16
17 Lösung: Anstatt vieler t-teste eine Varianzanalyse (ANOVA: ANalysis Of VAriance), kombiniert mit multiplen Vergleichen Die Korrektur der einzelnen p-werte Bonferroni Holm FDR (False Discovery Rate) Biostatistik-7 17
18 Biostatistik 8. Einfaktorielle Varianzanalyse
19 ANalysis Of VAriance (ANOVA) Vergleicht mehrerer (>) Mittelwerte normalverteilter Stichproben Typen: Einfaktorielle (one-way): Kontrollgruppe, behandelte Gruppe A, behandelte Gruppe B. Zweifaktorielle (Behandlung + Geschlecht) Mehrfaktorielle ANOVA mit mehr als zwei Faktoren ANOVA für wiederholte Messungen ( repeated measures ) Biostatistik-7 19
20 Einfaktorielle Varianzanalyse Im einfachsten Fall geht man vom einzigen Faktor (mit h verschiedenen Ausprägungen = h Faktorstufe) aus, dessen Einfluss auf Variabilität des gemessenen Merkmals man bestimmen möchte. Diese Faktorstufen können verschiedene Gruppen, Behandlungen usw. sein. Biostatistik-7 0
21 Voraussetzungen bei enfaktorieller Varianzanalyse Die Stichproben der h Stufen stammen aus h normalverteilten Grundgesamtheiten N(μ1,σ1 ), N(μ,σ ),..., N(μh,σh ). Die h Varianzen σi seien für alle Grundgesamtheiten gleich, d.h. σ1 = σ = σ3... σh = σ, wobei σ unbekannt ist (Man spricht dann von homogenen Varianzen) Die h Stichproben seien unabhängig Biostatistik-7 1
22 Homogenität der Varianzen Biostatistik-7
23 Hypothesen Hypothese H 0 : µ 1 =µ =.. =µ h Alle Mittelwerte sind gleich Alternative H a : µ i µ j (i j; i,j=1,,..,h) mindestens zwei Mittelwerte sind signifikant verschieden Äquivalenzhypothesen: H 0 ': zwischen = innerhalb H a ': zwischen > innerhalb Biostatistik-7 3
24 Anordnung der Messdaten Faktor- Stufen i=1 i=... i=h j=1 x 1,1 x,1... x h,1 j= x 1, x,... x h, j=3 x 1,3 x,3... x h,3 : : : : : j=n : x,n : : : : : : j=n k : : x h,nk : : : j=n 1 x 1, n1 : Stischprobenumfang n 1 n... n h Mittelwerte x 1 x x h Biostatistik-7 4
25 Numerische Auswertung Das arithmetische Mittel aus den n i Messungen der i-ten Stufe bezeichnet man als Stufen-Mittelwert: xi Es wird durch x i 1 n i n i j1 x ij berechnet h Die Anzahl N aller Messwerte berechnet man N j1 durch Den Gesamtmittelwert ( x ) berechnet man als das arithmetische Mittel aller Messdaten aller h Stufen. Mann kann auch x als gewogenes arithmetisches Mittel h ni aus den h Stufenmittelwerten berechnen x Biostatistik-7 5 x i, j i1 j1 1 N N h i1 n i n i x i
26 Die Summe der Abweichungsquadrate SQT (die Summe der Abweichungsquadrate) : repräsentiert die Gesamtvariabilität SQZ (feste Effekte) : repräsentiert die Variabilität zwischen den h ni h Faktorstufen SQI (Restfehler) SQZ i1 j1 repräsentiert die Variabilität innerhalb der h ni Faktorstufen SQI ( x i - x) i1 j1 ( x ij i1 - n ( x x i i ) i - x) Biostatistik-7 6
27 Tafel der Varianzanalyse SQT=SQZ+SQI SQI=SQT-SQZ Bemerkung: h n i i1 j1 ( x ij - x) h n i i1 j1 ( x i - x) h n i i1 j1 ( x ij - xi) Biostatistik-7 7
28 Neue (gleichwertige) Hypothesen Wenn die Nullhypothese wahr ist, dann sind die Grundgesamtheiten gleich und normalverteilt. Sie haben den gleichen Mittelwert und die gleiche Varianz. Diese gemeinsame Varianz ist auf zwei verschiedene Komponenten geschätzt: H0': zwischen = innerhalb Hypothese H 0 : µ 1 =µ =.. =µ h Ha': zwischen > innerhalb Alternative H a : µ i µ j (i j) Ihre Gleichheit kann durch einen F Test getestet werden. Wir berechnen die F Statistik. Das p-wert dieses Tests: F wenn p> 0,05, dann akzeptieren wir H 0. Die Analyse ist abgeschlossen wenn p <0,05, dann lehnen wir H 0 bei 0,05 Niveau ab. Es gibt unter den Mittelwerten µ 1 =µ =.. =µ h mindestens zwei, die voneinander signifikant verschieden sind. Multiple Mittelvergleiche MQZ MQI Biostatistik-7 8
29 Multiple Mittelwertvergleichung: Der t Test nach Varianzanalyse Der Grenzdifferenztest (LSD) Bonferroni Scheffé Tukey Dunnett t Test berücksichtigt eine Gruppe als Kontrollgruppe und vergleichen alle Gruppen mit dieser Gruppe Biostatistik-7 9
30 Der t Test nach Varianzanalyse x i und x j sind zwei von h Stuffenmittelwerten eines Faktors, dessen Einfluss in der Varianzanalyse abgesichert wurde. MQI: aus der Varianzanalyse entnommen. t x i MQI - x i j 1 n 1 n j Biostatistik-7 30
31 Bemerkung Einfaktorielle ANOVA ist eine Verallgemeinerung des Zweistichproben-t-Tests. Vergleicht man mit der Varianzanalyse nur zwei Gruppen, dann führen t-test und Varianzanalyse zum gleichen Ergebnis (t²=f). Biostatistik-7 31
32 Voraussetzungen Die entnommenen Stichproben seien unabhängig. Die h Grundgesamtheiten seien normalverteilt mit homogenen Varianzen. Bemerkungen: Normalität (Kolmogorov-Smirnow-Test) Eine Abweichung von der Normalität kann auch über Schiefe und Exzeß geprüft werden. Wenn die Stichproben nicht aus normalverteilten Grundgesamtheiten stammen und die Faktorstufenanzahl>10, kann man Varianzanalyse durchführen (die Robustheit der Varianzanalyse) Nichtparametrisches Verfahren: Kruskal Wallis Test Homogenität der Varianzen: Bartlett-Test. Wurde festgestellt, dass diese Voraussetzung nicht erfüllt ist, so kann man Brown Forsythe oder Welch Varianzanalyse durchführen. Biostatistik-7 3
33 Beispiel Der Hämatokrit war bei männlichen Patienten nach Behandlungen gemessen. Es soll untersucht werden, ob die unterschiedliche Behandlung einen signifikanten Einfluss auf das Hämatokritniveau hat. Biostatistik-7 33
34 Messdaten in SPSS Gruppe Faktorstufe Hämatokrit Kontroll 0 40,8 Kontroll 0 40,5 Kontroll 0 41,48 Kontroll 0 41,01 Kontroll 0 41,47 Kontroll 0 40,10 Kontroll 0 41,45 Kontroll 0 40,69 Kontroll 0 41,3 Kontroll 0 40,5 Kontroll 0 41,08 Kontroll 0 39,85 Kontroll 0 40,53 Kontroll 0 41,67 Kontroll 0 40,87 Kontroll 0 41,07 Kontroll 0 41,01 Behandlung A 1 4,59 Behandlung A 1 4,70 Behandlung A 1 41,78 Behandlung A 1 41,73 Behandlung A 1 4,45 Behandlung A 1 41,47 Behandlung B 41,04 Behandlung B 40,65 Behandlung B 39,88 Behandlung B 40,03 Behandlung B 40,37 Behandlung B 40,51 Biostatistik-7 34
35 Hypothesen Hypothese H 0 : µ 1 =µ = µ 3 Alternative H a : µ i µ j (i j, i,j=1,,3) Biostatistik-7 35
36 Deskriptive Statistik 95%-Konfidenzintervall für den Mittelwert N Mittelwert Standardabweichung Standard -fehler Untergrenze Obergrenze Minimum Maximum Kontroll 17 40,9094,509,118 40,651 41, ,85 41,67 Behandlung A 6 4,100,5085,163 41,5734 4, ,47 4,70 Behandlung B 6 40,4133,4, ,970 40, ,88 41,04 Gesamt 9 41,057,75405, , , ,85 4,70 Biostatistik-7 36
37 Test der Homogenität der Varianzen Levene-Statistik df1 df Signifikanz,447 6,644 Biostatistik-7 37
38 Einfaktorielle ANOVA Zwischen den Gruppen Innerhalb der Gruppen Quadratsumme df Mittel der Quadrate F Signifikanz 9,636 4,818 19,9,000 6,84 6,4 Gesamt 15,90 8 Biostatistik-7 38
39 Resultat und Entscheidung P-Wert < 0,05, Die Differenz ist signifikant und wir behalten die Alternativhypothese. Biostatistik-7 39
40 Mehrfachvergleiche (Post Hoc Test) (I) Faktorstufe (J) Faktorstufe Mittlere Differenz (I-J) Standardfehler Signifikanz 95%-Konfidenzintervall Untergrenze Obergrenze LSD Kontroll Behandlung A -1,1059 *,3346,000-1,6905 -,7307 Behandlung B,49608 *,3346,043,016,9760 Behandlung A Kontroll 1,1059 *,3346,000,7307 1,6905 Behandlung B 1,70667 *,8385,000 1,13,901 Behandlung B Kontroll -,49608 *,3346,043 -,9760 -,016 Behandlung A -1,70667 *,8385,000 -,901-1,13 Dunnett-T (-seitig) a Behandlung A Kontroll 1,1059 *,3346,000,6594 1,7618 Behandlung B Kontroll -,49608,3346,08-1,0473,0551 *. Die Differenz der Mittelwerte ist auf dem Niveau 0.05 signifikant. a. Dunnett-T-Tests behandeln eine Gruppe als Kontrollgruppe und vergleichen alle Gruppen mit dieser Gruppe. Biostatistik-7 40
Einfaktorielle Varianzanalyse Vergleich mehrerer Mittelwerte
Einfaktorielle Varianzanalyse Vergleich mehrerer Mittelwerte Es wurden die anorganischen Phosphatwerte im Serum (mg/dl) eine Stunde nach einem Glukosetoleranztest bei übergewichtigen Personen mit Hyperinsulinämie,
MehrSPSS 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
MehrSPSS IV Gruppenvergleiche (>2 Gruppen) A priori & post hoc-tests. H0: Die mittlere Anzahl der Seegräser (µ) hängt nicht von der Seeigel menge ab.
SPSS IV Gruppenvergleiche (>2 Gruppen) A priori & post hoc-tests A parametrisch -- ANOVA Beispieldatei: Seegräser_ANOVA H0: Die mittlere Anzahl der Seegräser (µ) hängt nicht von der Seeigel menge ab. µ
MehrEinführung in die Varianzanalyse mit SPSS
Einführung in die Varianzanalyse mit SPSS SPSS-Benutzertreffen am URZ Carina Ortseifen 6. Mai 00 Inhalt. Varianzanalyse. Prozedur ONEWAY. Vergleich von k Gruppen 4. Multiple Vergleiche 5. Modellvoraussetzungen
MehrSozialwissenschaftlerInnen II
Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Varianzanalyse Statistik
MehrEinfaktorielle Varianzanalyse
Kapitel 16 Einfaktorielle Varianzanalyse Im Zweistichprobenproblem vergleichen wir zwei Verfahren miteinander. Nun wollen wir mehr als zwei Verfahren betrachten, wobei wir unverbunden vorgehen. Beispiel
MehrHypothesentests 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
MehrSTATISTIK II. Hans-Otfried Müller Institut für Mathematische Stochastik.
STATISTIK II Hans-Otfried Müller Institut für Mathematische Stochastik http://www.math.tu-dresden.de/sto/mueller 1 Ausgewählte Verfahren der multivariaten Datenanalyse und Statistik Werden bei einer Analyse
MehrStatistische 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
MehrT-Test für unabhängige Stichproben
T-Test für unabhängige Stichproben Wir gehen von folgendem Beispiel aus: Wir erheben zwei Zufallstichproben, wobei nur die Probanden der einen Stichprobe einer speziellen experimentellen Behandlung (etwa
MehrMittelwertvergleiche, 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
MehrMittelwertvergleiche, 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:
MehrEinfache Varianzanalyse für unabhängige Stichproben
Einfache Varianzanalyse für unabhängige Stichproben VARIANZANALYSE Die Varianzanalyse ist das dem t-test entsprechende Mittel zum Vergleich mehrerer (k 2) Stichprobenmittelwerte. Sie wird hier mit VA abgekürzt,
MehrStatistik II Übung 3: Hypothesentests Aktualisiert am
Statistik II Übung 3: Hypothesentests Aktualisiert am 12.04.2017 Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier
MehrStatistische 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
Mehr3.Wiederholung: Toleranzbereiche Für EX Geg:
3.Wiederholung: Toleranzbereiche Für EX Geg: Vl. 24.2.2017 Schätzfunktion für Güte: Ist X Problem: Feb 17 13:21 > Wir berechnen Bereiche (Toleranzbereiche) für sind untere und obere Grenzen, berechnet
MehrÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II
ÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II 1.1 Durch welche Elemente lässt sich laut der Formel für die multiple Regression der Wert einer Person auf einer bestimmten abhängigen Variable Y vorhersagen? a)
MehrBiometrische und Ökonometrische Methoden II Lösungen 2
TECHNISCHE UNIVERSITÄT MÜNCHEN - WEIHENSTEPHAN SS 01 MATHEMATIK UND STATISTIK, INFORMATIONS- UND DOKUMENTATIONSZENTRUM Biometrische und Ökonometrische Methoden II Lösungen 2 1. a) Zunächst wird die Tafel
MehrStatistik II Übung 3: Hypothesentests
Statistik II Übung 3: Hypothesentests Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier Stichproben). Verwenden
MehrKapitel 5: Einfaktorielle Varianzanalyse
Kapitel 5: Einfaktorielle Varianzanalyse Durchführung einer einfaktoriellen Varianzanalyse ohne Messwiederholung Dieser Abschnitt zeigt die Durchführung der in Kapitel 5 vorgestellten einfaktoriellen Varianzanalyse
MehrSPSS V Gruppenvergleiche ( 2 Gruppen) abhängige (verbundene) Stichproben
SPSS V Gruppenvergleiche ( 2 Gruppen) abhängige (verbundene) Stichproben ÜBERSICHT: Testverfahren bei abhängigen (verbundenen) Stichproben parametrisch nicht-parametrisch 2 Gruppen t-test bei verbundenen
Mehr1.3 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
MehrPrüfung 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
MehrVergleich 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
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrSignifikanztests 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
MehrANalysis Of VAriance (ANOVA) 1/2
ANalysis Of VAriance (ANOVA) 1/2 Markus Kalisch 16.10.2014 1 ANOVA - Idee ANOVA 1: Zwei Medikamente zur Blutdrucksenkung und Placebo (Faktor). Gibt es einen sign. Unterschied in der Wirkung (kontinuierlich)?
MehrWebergänzung zu Kapitel 10
10.1.5 Varianzanalyse (ANOVA: analysis of variance ) Im Kapitel 10 haben wir uns hauptsächlich mit Forschungsbeispielen beschäftigt, die nur zwei Ergebnissätze hatten (entweder werden zwei unterschiedliche
MehrEinführung in die Induktive Statistik: Varianzanalyse
Einführung in die Induktive Statistik: Varianzanalyse Jörg Drechsler LMU München Wintersemester 2011/2012 Varianzanalyse bisher: Vergleich der Erwartungswerte für zwei normalverteilte Variablen durch t-test
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 20. Januar 2011 1 Der F -Test zum Vergleich zweier Varianzen 2 Beispielhafte Fragestellung Bonferroni-Korrektur
MehrTest 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
MehrKapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten
Kapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten 5.1. Einführung Einfaktorielle Varianzanalyse Überprüft die Auswirkung einer gestuften (s), unabhängigen Variable X, auch Faktor
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrVersuchsplanung. Teil 2 Varianzanalyse (ANOVA) Dr. Tobias Kiesling
Versuchsplanung Teil 2 Varianzanalyse (ANOVA) Dr. Tobias Kiesling Gliederung Grundlagen der Varianzanalyse Streuungszerlegung und Modellschätzer Modellannahmen und Transformationen
MehrKapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten
Kapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten 5.1. Einführung Einfaktorielle Varianzanalyse Überprüft die Auswirkung einer gestuften (s), unabhängigen Variable X, auch Faktor
MehrStatistik 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
MehrWeitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell
Einfaktorielle Versuchspläne 27/40 Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell Abweichung Einfach Differenz Helmert Wiederholt Vergleich Jede Gruppe mit Gesamtmittelwert
MehrHypothesentests 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
MehrStatistik II für Betriebswirte Vorlesung 4
Statistik II für Betriebswirte Vorlesung 4 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 6. November 2017 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 4 Version:
Mehr5. 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
MehrStatistik 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
MehrInhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden
Inhaltsverzeichnis Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3 Warum Statistik? 3 Checkpoints 4 Daten 4 Checkpoints 7 Skalen - lebenslang wichtig bei der Datenanalyse
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
MehrProbeklausur 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
MehrMethodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 12 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft
MehrMultiple Vergleiche. Werner Brannath. VO Biostatistik im WS 2006/2007
Multiple Vergleiche Werner Brannath VO Biostatistik im WS 2006/2007 Inhalt Multiple Fehlerwahrscheinlichkeiten bei unabhängigen Tests bei Gruppenvergleichen mit einer One Way ANOVA Multiple Vergleichsverfahren
MehrHypothesentests mit SPSS
Beispiel für eine zweifaktorielle Varianzanalyse mit Messwiederholung auf einem Faktor (univariate Lösung) Daten: POKIII_AG4_V06.SAV Hypothese: Die physische Attraktivität der Bildperson und das Geschlecht
MehrInhaltsverzeichnis Einführung und deskriptive Statistik Grundlagen der Inferenzstatistik 1: Zufallsvariablen
Inhaltsverzeichnis 1 Einführung und deskriptive Statistik... 1 1.1 Wichtige mathematische Schreibweisen... 1 1.1.1 Das Summenzeichen... 1 1.1.2 Mengentheoretische Schreibweisen... 3 1.1.3 Variablentransformationen...
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen Faktorielle Varianzanalyse
Wahrscheinlichkeitsrechnung und Statistik für Biologen Faktorielle Varianzanalyse Dirk Metzler & Martin Hutzenthaler 15. Juni 2010 Inhaltsverzeichnis 1 Die einfaktorielle Varianzanalyse und der F -Test
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.7 und 4.8 besser zu verstehen. Auswertung und Lösung Abgaben: 71 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 5.65 Frage 1
MehrUE Angewandte Statistik Termin 4 Gruppenvergleichstests
UE Angewandte Statistik Termin 4 Gruppenvergleichstests Martina Koller Institut für Pflegewissenschaft SoSe 2015 INHALT 1 Allgemeiner Überblick... 1 2 Normalverteilung... 2 2.1 Explorative Datenanalyse...
MehrKategoriale und metrische Daten
Kategoriale und metrische Daten Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/14 Übersicht Abhängig von der Anzahl der Ausprägung der kategorialen Variablen unterscheidet man die folgenden Szenarien:
MehrPrüfung aus Statistik 2 für SoziologInnen
Prüfung aus Statistik 2 für SoziologInnen 11. Oktober 2013 Gesamtpunktezahl =80 Name in Blockbuchstaben: Matrikelnummer: Wissenstest (maximal 16 Punkte) Kreuzen ( ) Sie die jeweils richtige Antwort an.
MehrSchließende 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.
Mehra) 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
MehrMehrfaktorielle Varianzanalyse
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Mehrfaktorielle Varianzanalyse Überblick Einführung Empirische F-Werte zu einer zweifaktoriellen
MehrPrüfungsliteratur: Rudolf & Müller S
1 Beispiele zur univariaten Varianzanalyse Einfaktorielle Varianzanalyse (Wiederholung!) 3 Allgemeines lineares Modell 4 Zweifaktorielle Varianzanalyse 5 Multivariate Varianzanalyse 6 Varianzanalyse mit
MehrModul G.1 WS 07/08: Statistik 31.01.2008 1
Modul G.1 WS 07/08: Statistik 31.01.2008 1 Varianzanalyse Als Varianzanalyse bezeichnet man eine große Gruppe datenanalytischer und mustererkennender statistischer Verfahren, die zahlreiche unterschiedliche
MehrInhaltsverzeichnis. Über die Autoren Einleitung... 21
Inhaltsverzeichnis Über die Autoren.... 7 Einleitung... 21 Über dieses Buch... 21 Was Sie nicht lesen müssen... 22 Törichte Annahmen über den Leser... 22 Wie dieses Buch aufgebaut ist... 23 Symbole, die
MehrMesswiederholungen und abhängige Messungen
Messwiederholungen und abhängige Messungen t Tests und Varianzanalysen für Messwiederholungen Kovarianzanalyse Thomas Schäfer SS 009 1 Messwiederholungen und abhängige Messungen Bei einer Messwiederholung
MehrVarianzvergleiche bei normalverteilten Zufallsvariablen
9 Mittelwert- und Varianzvergleiche Varianzvergleiche bei zwei unabhängigen Stichproben 9.3 Varianzvergleiche bei normalverteilten Zufallsvariablen Nächste Anwendung: Vergleich der Varianzen σa 2 und σ2
MehrVergleich von Parametern zweier Stichproben
Vergleich von Parametern zweier Stichproben Vergleich von Mittelwerten bei gebundenen Stichproben Vergleich von Mittelwerten bei unabhängigen Stichproben Vergleich von Varianzen bei unabhängigen Stichproben
MehrAngewandte 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
MehrMethodenlehre. 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
MehrMittelwertsvergleich bei mehr als 2 Stichproben. Marcus Hudec
Mittelwertsvergleich bei mehr als 2 Stichproben Im Fall von 2 Gruppen kennen wir nunmehr verschiedene Varianten des t-tests für den Vergleich der Mittelwerte Liegen k > 2 Gruppen von Beobachtungen vor
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
MehrMittelwertsvergleich bei mehr als 2 Stichproben
Mittelwertsvergleich bei mehr als 2 Stichproben Im Fall von 2 Gruppen kennen wir nunmehr verschiedene Varianten des t-tests für den Vergleich der Mittelwerte Liegen k > 2 Gruppen von Beobachtungen vor
MehrStatistik III. Methodologie der Psychologie
Statistik III Methodologie der Psychologie Thomas Schmidt & Lena Frank Wintersemester 2003/2004 Georg-Elias-Müller-Institut für Psychologie Uni Göttingen Literatur: Glantz, S.A. (2002). Primer of Biostatistics.
MehrStatistik I. Methodologie der Psychologie
Statistik I Methodologie der Psychologie Thomas Schmidt & Lena Frank Wintersemester 2003/2004 Georg-Elias-Müller-Institut für Psychologie Uni Göttingen Literatur: Glantz, S.A. (2002). Primer of Biostatistics.
MehrKapitel 5: Einfaktorielle Varianzanalyse
Kapitel 5: Einfaktorielle Varianzanalyse Durchführung einer einfaktoriellen Varianzanalyse ohne Messwiederholung 1 Berechnung der Effektstärke und der beobachteten Teststärke einer einfaktoriellen Varianzanalyse
MehrAufgaben zu Kapitel 7:
Aufgaben zu Kapitel 7: Aufgabe 1: In einer Klinik sollen zwei verschiedene Therapiemethoden miteinander verglichen werden. Zur Messung des Therapieerfolges werden die vorhandenen Symptome einmal vor Beginn
MehrStichwortverzeichnis. Ausgleichsgerade 177 Ausreißer 13, 40
283 Stichwortverzeichnis a Alpha-Wert 76, 91 Alter 256 Alternativhypothese 68, 70 ANOVA siehe einfache Varianzanalyse, zweifache Varianzanalyse Anpassung 178 Anpassungstest siehe Chi-Quadrat-Anpassungstest
MehrSTATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG
STATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG Statistische Methoden In der vorliegenden fiktiven Musterstudie wurden X Patienten mit XY Syndrom (im folgenden: Gruppe XY) mit Y Patienten eines unauffälligem
MehrBeispiel 1: Zweifache Varianzanalyse für unabhängige Stichproben
Beispiel 1: Zweifache Varianzanalyse für unabhängige Stichproben Es wurden die Körpergrößen von 3 Versuchspersonen, sowie Alter und Geschlecht erhoben. (Jeweils Größen pro Faktorstufenkombination). (a)
MehrHerzlich willkommen zum Thema SPSS
Herzlich willkommen zum Thema SPSS (SUPERIOR PERFORMING SOFTWARE SYSTEM) Qualitative und quantitative Forschungsmethoden Qualitative Methoden: Qualitative Verfahren werden oft benutzt, wenn der Forschungsgegenstand
Mehr4.1. 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
Mehr12 Rangtests zum Vergleich zentraler Tendenzen
12 Rangtests zum Vergleich zentraler Tendenzen 12.1 Allgemeine Bemerkungen 12.2 Gepaarte Stichproben: Der Wilcoxon Vorzeichen- Rangtest 12.3 Unabhängige Stichproben: Der Wilcoxon Rangsummentest und der
MehrMultivariate 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
MehrErgebnisse VitA und VitVM
Ergebnisse VitA und VitVM 1 Basisparameter... 2 1.1 n... 2 1.2 Alter... 2 1.3 Geschlecht... 5 1.4 Beobachtungszeitraum (von 1. Datum bis letzte in situ)... 9 2 Extraktion... 11 3 Extraktionsgründe... 15
MehrProportions Tests. Proportions Test können in zwei Fällen benutzt werden. Vergleich von beobachteten vs. erwarteten Proportionen
Proportions-Tests Proportions Tests Proportions Test können in zwei Fällen benutzt werden Vergleich von beobachteten vs. erwarteten Proportionen Test der Unabhängigkeit von 2 Faktoren kann auch zum Vergleich
MehrStatistik K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
MehrAufgaben zu Kapitel 8
Aufgaben zu Kapitel 8 Aufgabe 1 a) Berechnen Sie einen U-Test für das in Kapitel 8.1 besprochene Beispiel mit verbundenen Rängen. Die entsprechende Testvariable punkte2 finden Sie im Datensatz Rangdaten.sav.
MehrStatistik 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
MehrBiostatistik Erne Einfuhrung fur Biowissenschaftler
Matthias Rudolf Wiltrud Kuhlisch Biostatistik Erne Einfuhrung fur Biowissenschaftler PEARSON Studium Inhaltsverzeichnis Vorwort xi Kapitel 1 Einfiihrung 1 1.1 Biostatistik als Bestandteil biowissenschafllicher
MehrEinfache Varianzanalyse für abhängige
Einfache Varianzanalyse für abhängige Stichproben Wie beim t-test gibt es auch bei der VA eine Alternative für abhängige Stichproben. Anmerkung: Was man unter abhängigen Stichproben versteht und wie diese
MehrMusterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 25. September 2015 Aufgabe 1 (15 Punkte) Kennzeichnen Sie die folgenden Aussagen zur Regressionsanalyse mit R für richtig oder F für falsch. F Wenn
MehrInferenzstatistik verstehen
Markus Janczyk Roland Pfister Inferenzstatistik verstehen Von A wie Signifikanztest bis Z wie Konfidenzintervall ^ Springer Spektrum vii 1 Einführung und deskriptive Statistik 1 1.1 Wichtige mathematische
MehrJost 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
Mehra) 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,
MehrForschungsmethodik 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-
Mehr6. Übung Statistische Tests Teil 1 (t-tests)
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)
MehrÜbersicht über verschiedene Signifikanztests und ihre Voraussetzungen
SPSSinteraktiv von Signifikanztests - 1 - Übersicht über verschiedene Signifikanztests und ihre Verfahren zur Überprüfung von Unterschieden in der zentralen Tendenz Unterschieden werden können Testsituationen
MehrMethodenlehre. Vorlesung 11. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 11 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 03.12.13 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie
Mehr1 Übungsaufgaben zur Regressionsanalyse
1 Übungsaufgaben zur Regressionsanalyse 1 1 Übungsaufgaben zur Regressionsanalyse 1.1 Übungsaufgaben zu Seite 1 und 2 1. Wie lautet die Regressionsfunktion? 2. Welche Absatzmenge ist im Durchschnitt bei
Mehr