Quantitative Methoden
|
|
- Emilia Brahms
- vor 7 Jahren
- Abrufe
Transkript
1 Quantitative Methoden Skalen der Messtheorie Deskriptive Statistik Andreas Opitz (Vertretung von Prof. Thomas Pechmann) Universität Leipzig Institut für Linguistik
2 Ausfall der VL am 02. Juni 2015 (nächste Woche)
3 Arten von Variablen im Experiment (Wiederholung)
4 Arten von Variablen im Experiment unabhängige Variablen abhängige Variablen Störvariablen
5 Arten von Variablen im Experiment Unabhängige Variable: Ihr Einfluss soll untersucht werden. Dazu wird sie im Experiment planmäßig variiert. Abhängige Variable: Die Variable, deren Abhängigkeit (Beeinflussbarkeit) von der unabhängigen Variablen Gegenstand der Untersuchung ist. (Die Ausprägung dieser Variablen wird i.d.r. im Experiment gemessen.) Störvariable: Alle Variablen die sonst noch (d.h. außer der planmäßig variierten unabhängigen Variablen) einen Einfluss auf die abhängige Variable haben. Die Störvariablen müssen in einem Experiment so kontrolliert werden, dass sie keinen Einfluss auf das Testergebnis haben.
6 unabhängige Variablen werden vom Versuchsleiter (VL) verändert (manipuliert, variiert)
7 unabhängige Variablen Faktoren Faktorenstufe Bedingung Multiplikation der Stufen aller Faktoren (alle Zellen müssen gefüllt sein)
8 unabhängige Variablen Faktor: ist eine Variable, die einen Einfluss auf die abhängige Variable im Experiment hat, zum Beispiel Genus oder lexikalischer Status Faktorenstufe: ist eine Ausprägung eines Faktors, zum Beispiel: maskulin, feminin, neutrum oder reales Wort / Pseudo-Wort Bedingung: Kombination von Faktoren, die im Experiment gemeinsam auftreten, z.b.: Genus x lex. Status = 2 x 3 = 6 Bedingungen
9 unabhängige Variablen Faktor: ist eine Variable, die einen Einfluss auf die abhängige Variable im Experiment hat, zum Beispiel Genus oder lexikalischer Status Faktorenstufe: ist eine Ausprägung eines Faktors, zum Beispiel: maskulin, feminin, neutrum oder reales Wort / Pseudo-Wort Bedingung: Kombination von Faktoren, die im Experiment gemeinsam auftreten, z.b.: Genus x lex. Status = 2 x 3 = 6 Bedingungen Reales Wort Maskulinum Femininum Neutrum Pseudo-Wort
10 unabhängige Variablen Faktor: ist eine Variable, die einen Einfluss auf die abhängige Variable im Experiment hat, zum Beispiel Genus oder lexikalischer Status Faktorenstufe: ist eine Ausprägung eines Faktors, zum Beispiel: maskulin, feminin, neutrum oder reales Wort / Pseudo-Wort Bedingung: Kombination von Faktoren, die im Experiment gemeinsam auftreten, z.b.: Genus x lex. Status = 2 x 3 = 6 Bedingungen Maskulinum Femininum Neutrum Reales Wort der Baum die Welt das Haus Pseudo-Wort
11 unabhängige Variablen Faktor: ist eine Variable, die einen Einfluss auf die abhängige Variable im Experiment hat, zum Beispiel Genus oder lexikalischer Status Faktorenstufe: ist eine Ausprägung eines Faktors, zum Beispiel: maskulin, feminin, neutrum oder reales Wort / Pseudo-Wort Bedingung: Kombination von Faktoren, die im Experiment gemeinsam auftreten, z.b.: Genus x lex. Status = 2 x 3 = 6 Bedingungen Maskulinum Femininum Neutrum Reales Wort der Baum die Welt das Haus Pseudo-Wort der Waum die Selt das Vaus
12 unabhängige Variablen Faktor: ist eine Variable, die einen Einfluss auf die abhängige Variable im Experiment hat, zum Beispiel Genus oder lexikalischer Status Faktorenstufe: ist eine Ausprägung eines Faktors, zum Beispiel: maskulin, feminin, neutrum oder reales Wort / Pseudo-Wort Bedingung: Kombination von Faktoren, die im Experiment gemeinsam auftreten, z.b.: Genus x lex. Status = 2 x 3 = 6 Bedingungen Maskulinum Femininum Neutrum Reales Wort der Baum die Welt das Haus (mask real) (fem real) (neut real) Pseudo-Wort der Waum die Selt das Vaus (mask pseudo) (fem pseudo) (neut pseudo)
13 unabhängige Variablen Faktor: ist eine Variable, die einen Einfluss auf die abhängige Variable im Experiment hat, zum Beispiel Genus oder lexikalischer Status Faktorenstufe: ist eine Ausprägung eines Faktors, zum Beispiel: maskulin, feminin, neutrum oder reales Wort / Pseudo-Wort Bedingung: Kombination von Faktoren, die im Experiment gemeinsam auftreten, z.b.: Genus x lex. Status = 2 x 3 = 6 Bedingungen Maskulinum Femininum Neutrum Reales Wort B1 B2 B3 (mask real) (fem real) (neut real) der Baum die Welt das Haus Pseudo-Wort B4 B5 B6 (mask pseudo) (fem pseudo) (neut pseudo) der Waum die Selt das Vaus
14 das, was gemessen wird abhängige Variablen
15 Messen Realen Objekten oder Ereignissen werden nach definierten Regeln Zahlenwerte zugeordnet. Das numerische Relativ ist eine homomorphe Abbildung des empirischen Relativs. Das resultierende numerische Relativ wird als Skala bezeichnet.
16 Abbildungsrelationen Homomorphismus (Funktion) Ereignis Zahl A 1 B 2 C 3 D 4
17 Abbildungsrelationen Homomorphismus (Funktion) Isomorphismus (bijektive Funktion) Ereignis Zahl Ereignis Zahl A 1 A 1 B 2 B 2 C 3 C 3 D 4 D 4
18 Abbildungsrelationen Homomorphismus (Funktion) Isomorphismus (bijektive Funktion) Ereignis Zahl Ereignis Zahl Ereignis Zahl A 1 A 1 A 1 B 2 B 2 B 2 C 3 C 3 C 3 D 4 D 4 D 4
19 Gütekriterien wissenschaftlicher Messungen Objektivität: Sind die Ergebnisse unabhängig von Einflüssen der Untersucher oder der Untersuchungssituation bei Durchführung, Auswertung und Interpretation zustande gekommen? Reliabilität: Wird die abhängige Variable zuverlässig gemessen oder ist die Messung in zu großem Ausmaß mit Messfehlern behaftet? Validität: Misst das Verfahren tatsächlich das gewünschte Merkmal? (Oder ist es zum Beispiel zu stark von Störvariablen beeinflusst?)
20 (was kann gemessen werden) Verhalten der VP (behaviorale Mehtoden) Tastendruck (Reaktionszeiten, Anteil der Fehler) Augenbewegungen Artikulation (Benennen, Lesen ) Ankreuzen Physiologische Reaktionen der VP Veränderungen der: Hirnströme (EEG) Magnetfelder (MEG) Stoffwechselprozesse im Gehirn (fmri)
21 Reaktionszeiten VP reagieren (i.d.r. per Tastendruck) auf einen präsentierten Stimulus Beispiel: Lexikalische Entscheidung Ist die folgende Zeichenkette ein Wort des Deutschen? präsentiert werden dann z.b. Haus, Kleum usw. VP reagiert durch drücken von zwei Tasten mit ja oder nein Gemessen wird die Zeit (Latenz) und ggf. die Art der Entscheidung (Korrektheit).
22 Skalen der Messtheorie
23 Skalen Nominalskala Ordinalskala Intervallskala Rationalskala
24 Nominalskala nicht-numerische, verbalisierte Daten Entscheidung über Gleichheit vs. Verschiedenheit Werte nicht zu einander geordnet Statistik: Häufigkeit (N), Chi-Quadrat Bsp. Blutgruppen Geschlecht Korpusanalyse: Wortartenbestimmung strukturelles Priming: Antwort ist vom Typ A oder Typ B
25 Ordinalskala numerische Daten größer/kleiner-entscheidung Statistik: Median, Mann-Whitney-U-Test Bsp. Schulnoten Erreichter Bildungsabschluss Rating auf Skala, z.b. Akzeptabilität
26 Intervallskala ordinalskalierte Daten mit gleichen Abständen zwischen Werten (x ist genauso weit von y entfernt wie y von z) Einheiten und Nullpunkt willkürlich festgelegt Statistik: arithmetisches Mittel; Korrelation, T-Test, Varianzanalyse Bsp. Temperaturmessung in Celsius Jahreszahlen
27 Rationalskala (auch: Verhältnisskala, Ratio-Skala) Einheiten willkürlich festgelegt, theoretisch bestimmter ( logischer bzw. absoluter) Nullpunkt Bsp. absolute Temperaturskala Lebensalter Geldbeträge Reaktionszeiten Rating mittels magnitude estimation
28 Skalenniveaus Nominalskala qualitative Methoden Ordinalskala quantitative Methoden Intervallskala Rationalskala 28
29 Skalenniveaus Nominalskala qualitative Methoden nicht-parametrische Tests Ordinalskala quantitative Methoden Intervallskala parametrische Tests Rationalskala 29
30 Skalenniveaus
31 Stichproben in der Psycholinguistik
32 Stichprobe - Grundgesamtheit Durch das Experiment will man Aussagen über die Grundgesamtheit treffen. Es wird jedoch nur eine sehr kleine Stichproben untersucht. Von dieser muss auf die Grundgesamtheit geschlussfolgert werden. Grundgesamtheit: Für alle X gilt (X) Stichprobe: Es gibt mindestens ein X, für das gilt (x) Im Experiment wird meist versucht, Unterschiede zwischen Bedingungen zu finden. Nullhypothese: es gibt keinen Unterschied Alternativ-Hypothese: es gibt einen Unterschied
33 Stichprobe - Grundgesamtheit Um zu beweisen, dass eine Hypothese für alle X gilt, müssten alle X untersucht werden. Eine Hypothese kann mit einer Stichprobe also nie verifiziert werden. (Es kann ein Individuum außerhalb der Stichprobe geben, dass die Hypothese widerlegt.) Eine Hypothese kann mit einer Stichprobe nur falsifiziert werden. (Es genügt, ein X zu finden, für das die Hypothese nicht gilt, um sie zu widerlegen.) Wenn man eigentlich an Unterschieden interessiert ist, muss man also die Nullhypothese (H 0 = es gibt keine Unterschiede) für die Stichprobe falsifizieren. (Die eigentlich interessierende Hypothese ist dann die Alternativhypothese.) Ist die Nullhypothese falsifiziert, hat man indirekte Evidenz, dass die Alternativhypothese (H 1 ) für die Grundgesamtheit gelten kann. (Wenn es Unterschiede in der Stichprobe gibt, gilt dies logisch auch für die Grundgesamtheit.)
34 Stichprobe - Grundgesamtheit Wichtig: Liefert ein Experiment ein Null-Ergebnis, das heißt, kann die Null-Hypothese nicht abgewiesen werden (kein Unterschied feststellbar), dann bedeutet das nicht, dass der untersuchte Faktor keinen Einfluss in der Grundgesamtheit hat. Mögliche Ursachen für Null-Ergebnis: der untersuchte Faktor hat tatsächlich keinen Einfluss es gibt Elemente außerhalb der Stichprobe, auf die der Faktor einen Einfluss hat ungenaue Messung, Messfehler falsches experimentelles Design
35 Deskriptive Statistik
36 Deskriptive Statistik deskriptive Statistik erfolgt immer vor Inferenzstatistik! Beschreibung der Daten anhand von Kennwerten Anzahl der gültigen Werte Kennwerte der zentralen Tendenz Kennwerte der Streuung tabellarische Darstellung Abbildung 36
37 Deskriptive Statistik deskriptive Statistik vor Inferenzstatistik! Prüfung Hat die Messung funktioniert? Genügen die Daten den Kriterien der inferenzstatistischen Verfahren? Ausschluss von Versuchspersonen oder Items nach vordefinierten Kriterien: fehlende Werte Fehlerrate Reaktionszeiten Extremwerte 37
38 Verteilungsformen
39 Histogramm Deskriptive Statistik Deskriptive Statistik 39
40 Histogramm Deskriptive Statistik Deskriptive Statistik 40
41 Verteilungsformen (Bortz, 1999, S. 35)
42 Normalverteilung
43 Normalverteilung
44 Normalverteilung Die Normal- oder Gauß-Verteilung ist ein wichtiger Typ stetiger Wahrscheinlichkeitsverteilungen. Die Abweichungen der (Mess-)Werte vieler naturwissenschaftlicher Vorgänge vom Mittelwert lassen sich durch die Normalverteilung (oft auch logarithmische Normalverteilung) entweder exakt oder wenigstens in sehr guter Näherung beschreiben. Dies gilt vor allem für Werte, die von mehreren Faktoren unabhängig voneinander in verschiedene Richtungen beeinflusst werden. (Zentraler Grenzwertsatz) mehr dazu später im Semester
45 Kennwerte der zentralen Tendenz Modalwert arithmetisches Mittel Median 45
46 Kennwerte der zentralen Tendenz Modalwert (Modus, engl. mode) der am häufigsten in einer Verteilung vorkommende Wert Beispiel: 25 zufällige Werte (Bereich 1-9): 4, 6, 2, 4, 7, 4, 1, 4, 7, 3, 2, 7, 4, 7, 9, 3, 1, 8, 6, 5, 9, 5, 2, 3, 6 Sortiert noch Größe: kommt fünf Mal vor, ist damit der häufigste Wert, der Modus: Wert Anzahl
47 Kennwerte der zentralen Tendenz 4 kommt fünf Mal vor, ist damit der häufigste Wert, der Modus: Wert Anzahl
48 Kennwerte der zentralen Tendenz Auch für nominale Skalen geeignet (kategoriale Werte) Beispiel: Werte (Kategorien): b e e a b c c c a a c e f a c e Sortiert noch Kategorie: a a a a b b c c c c c e e e e f c kommt fünf Mal vor, ist damit der häufigste Wert, der Modus: Wert a b c e f Anzahl
49 Kennwerte der zentralen Tendenz c kommt fünf Mal vor, ist damit der häufigste Wert, der Modus: Wert a b c e f Anzahl
50 Beispiel: Rosen-Experiment Dieses hypothetische Beispiel wird uns als Illustration für einige statistische Konzepte noch häufiger im Semester beschäftigen. 50
51 Beispiel: Rosen-Experiment Hypothetisches Szenario: Karl ist Rosenzüchter. Er möchte herausfinden, wie lange es dauert, bis eine frische Rose seiner neuen Züchtung in einer Vase mit Wasser verwelkt. (Eigenschaft der Population) Vorgehen: Am Tag des Aufblühens wird eine Rose abgeschnitten und in eine genormte Vase mit Wasser gestellt. Notiert wird am wievielten Tag das erste Blütenblatt welkt ist. Karl führt diesen Versuch mit insgesamt 100 Rosen durch. 51
52 Ergebnis: Versuch Nr Verblüh-Tag
53 Ergebnis: Verblüh-Tag Anzahl
54 Ergebnis: Modus = 4
55 Kennwerte der zentralen Tendenz arithmetisches Mittel ( Mittelwert, engl. mean) arithmetischer Durchschnittswert einer Verteilung Summe der Werte durch Anzahl der Werte 55
56 Arithmetisches Mittel arithmetisches Mittel ( Mittelwert, engl. mean) Beispiel: 24 zufällige Werte (Bereich 1-9): 4, 6, 2, 4, 7, 4, 1, 4, 7, 3, 2, 7, 4, 7, 9, 3, 1, 8, 6, 5, 9, 5, 2, 3, 6 n i=1 Mittelwert = n xi = =
57 Arithmetisches Mittel arithmetisches Mittel mindestens intervallskalierte Daten bei symmetrischer Verteilung nicht bei kleinen Stichproben relativ anfällig gegen Ausreißer 57
58 Arithmetisches Mittel Beispiel aus dem Rosen-Experiment: mean = =
59 Arithmetisches Mittel Gründe gegen das arithmetische Mittel Mehrgipflige Verteilungen Keine intervallskalierten Daten Extrem kleine Stichprobe Asymmetrische Verteilung 59
60 Arithmetisches Mittel Anfälligkeit gegen Ausreißer Königreich-Beispiel : Angenommen Sie möchten eine Aussage über das Vermögen aller Menschen in einem fiktiven mittelalterlichen Königreich machen. Aus diesem Grund bestimmen Sie bei einer Volkszählung das Vermögen eines jeden Einwohners inklusive des Königs und seiner Familie. Das Vermögen ist sehr ungleich verteilt. 60
61 Arithmetisches Mittel Königreich-Beispiel : Einwohner: 100 Personen (90 Bürger, 9 Adlige, 1 König) Gesamtvermögen im Land: 2791 Goldtaler Durchschnittliches Vermögen (Mittelwert): Goldtaler 61
62 Arithmetisches Mittel Königreich-Beispiel (Anfallen der Messpunkte): Deskriptive Statistik 62
63 Arithmetisches Mittel Königreich-Beispiel (sortiert Werte): Deskriptive Statistik 63
64 Arithmetisches Mittel Königreich-Beispiel : Gesamtvermögen im Land: 2791 Goldtaler Vermögen des Königs: 1000 Goldtaler gesamtes Vermögen der 9 Adligen: 898 Goldtaler gesamtes Vermögen der übrigen 90 Bürger: 893 Goldtaler 64
65 Königreich-Beispiel : Arithmetisches Mittel Deskriptive Statistik 65
66 Königreich-Beispiel : Arithmetisches Mittel Mittel im Land: Taler Mittel ohne König: Taler Mittel ohne Adlige und ohne König: 9.92 Taler Welches ist der aussagekräftigste Wert für das Land? 66
67 Königreich-Beispiel : Arithmetisches Mittel das obere 1% der Bevölkerung (König) besitzt 35.8% des Vermögens (1000 von 2791 Talern) die oberen 10% der Bevölkerung (König + Adel) besitzen 68.0% des Vermögens ( von 2791 Talern) 67
68 Königreich-Beispiel : Arithmetisches Mittel Wie sehen eigentlich reale Vermögensverhältnisse aus? 68
69 Quelle: Stefan Bach, Martin Beznoska, Viktor Steiner (2011): "A Wealth Tax on the Rich to Bring down Public Debt?", DIW 2011, S. 11.
70 Quelle: (abgerufen am )
71 Kennwerte der zentralen Tendenz Median der Wert, über und unter dem gleich viele Werte liegen mindestens ordinalskalierte Daten auch bei asymmetrischer Verteilung auch bei kleinen Stichproben nicht sehr anfällig für Ausreißer 71
72 Median Median Beispiel 24 zufällige Werte (Bereich 1-9): 4, 6, 2, 4, 7, 4, 1, 4, 7, 3, 2, 7, 4, 7, 9, 3, 1, 8, 6, 5, 9, 5, 2, 3, 6 Sortiert noch Größe: Mitte der Zahlenreihe suchen: = 4 Über und unter der Mitte liegen hier je 12 Messwerte. 72
73 Median Rosen Beispiel: Deskriptive Statistik 73
74 Median Rosen Beispiel: Werte nach Größe sortieren: Deskriptive Statistik 74
75 Median Rosen Beispiel: Mitte bestimmen: Deskriptive Statistik 75
76 Median Rosen Beispiel: Median ablesen: Median = 4 (mean = 4.41) Deskriptive Statistik 76
77 Median Königreich-Beispiel: (nach Größe sortiert) 77
78 Median Königreich-Beispiel: (nach Größe sortiert) Mitte bestimmen 78
79 Median Königreich-Beispiel: (nach Größe sortiert) Y-Wert ablesen 79
80 Median Königreich-Beispiel: (nach Größe sortiert) Y-Wert ablesen 80
81 Median Königreich-Beispiel: (nach Größe sortiert) Y-Wert ablesen 81
82 Median Königreich-Beispiel: (nach Größe sortiert) Y-Wert ablesen Median = 10 (Mean = 27.91) 82
83 Kennwerte der zentralen Tendenz Median und Mittelwert Bei extremen Werten am oberen oder unteren Ende des Wertebereichs ist der Median ein besseres Maß als der Mittelwert. Siehe Beispiel: Einkommensverhältnisse eines hypothetischen Königreiches 83
84 Median in den Medien Spanier-sind-reicher-als-Deutsche.html bundesbank-studie-private-haushalte-und-ihre-finanzen-a html 84
85 Kennwerte der Dispersion Varianzbreite (range) Varianz Standardabweichung (Streuung)
86
Statistische Grundlagen I
Statistische Grundlagen I Arten der Statistik Zusammenfassung und Darstellung von Daten Beschäftigt sich mit der Untersuchung u. Beschreibung von Gesamtheiten oder Teilmengen von Gesamtheiten durch z.b.
MehrStatistik II: Grundlagen und Definitionen der Statistik
Medien Institut : Grundlagen und Definitionen der Statistik Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Hintergrund: Entstehung der Statistik 2. Grundlagen
MehrDeskriptive Statistik
Modul G.1 WS 07/08: Statistik 8.11.2006 1 Deskriptive Statistik Unter deskriptiver Statistik versteht man eine Gruppe statistischer Methoden zur Beschreibung von Daten anhand statistischer Kennwerte, Graphiken,
MehrStatistik. Jan Müller
Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen
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
Mehrfh 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
MehrQuantitative Methoden (Vertretung für Prof. Th. Pechmann)
Quantitative Methoden (Vertretung für Prof. Th. Pechmann) Inferenzstatistik I: Zusammenhänge (Korrelationen) Logik inferenzstatistischer Verfahren Andreas Opitz Universität Leipzig Institut für Linguistik
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
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
MehrGundlagen empirischer Forschung & deskriptive Statistik. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09
Gundlagen empirischer Forschung & deskriptive Statistik Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09 Grundlagen Vorbereitung einer empirischen Studie Allgemeine Beschreibung
Mehrhtw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK htw saar 2 Grundbegriffe htw saar 3 Grundgesamtheit und Stichprobe Ziel: Über eine Grundgesamtheit (Population) soll eine Aussage über ein
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
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
MehrKapitel 2. Fehlerrechnung
Fehlerrechnung 1 Messungen => quantitative Aussagen Messungen müssen zu jeder Zeit und an jedem Ort zu den gleichen Ergebnissen führen Messungen sind immer mit Fehler behaftet. => Angabe des Fehlers! Bespiel
MehrUniv.-Prof. Dr. Georg Wydra
Univ.-Prof. Dr. Georg Wydra Methoden zur Auswertung von Untersuchungen 1 SKALENTYPEN UND VARIABLEN 2 ZUR BEDEUTUNG DER STATISTIK IN DER FORSCHUNG 3 STATISTIK ALS VERFAHREN ZUR PRÜFUNG VON HYPOTHESEN 4
MehrElisabeth Raab-Steiner/ Michael Benesch. Der Fragebogen. Von der Forschungsidee zur SPSS-Auswertung. 3., aktualisierte und überarbeitete Auflage
Elisabeth Raab-Steiner/ Michael Benesch Der Fragebogen Von der Forschungsidee zur SPSS-Auswertung 3., aktualisierte und überarbeitete Auflage facultas.wuv Inhaltsverzeichnis 1 Elementare Definitionen 13
Mehr1. Maße der zentralen Tendenz Beispiel: Variable Anzahl der Geschwister aus Jugend '92. Valid Cum Value Frequency Percent Percent Percent
Deskriptive Statistik 1. Verteilungsformen symmetrisch/asymmetrisch unimodal(eingipflig) / bimodal (zweigipflig schmalgipflig / breitgipflig linkssteil / rechtssteil U-förmig / abfallend Statistische Kennwerte
MehrStandardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend
Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten
MehrForschungsmethoden in der Sozialen Arbeit
Forschungsmethoden in der Sozialen Arbeit Fachhochschule für Sozialarbeit und Sozialpädagogik Alice- Salomon Hochschule für Soziale arbeit, Gesundheit, Erziehung und Bildung University of Applied Sciences
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:
Mehr3.2 Streuungsmaße. 3 Lage- und Streuungsmaße 133. mittlere Variabilität. geringe Variabilität. große Variabilität 0.0 0.1 0.2 0.3 0.4 0.
Eine Verteilung ist durch die Angabe von einem oder mehreren Mittelwerten nur unzureichend beschrieben. Beispiel: Häufigkeitsverteilungen mit gleicher zentraler Tendenz: geringe Variabilität mittlere Variabilität
MehrInhaltsverzeichnis. 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.
MehrTeil I: Deskriptive Statistik
Teil I: Deskriptive Statistik 2 Grundbegriffe 2.1 Merkmal und Stichprobe 2.2 Skalenniveau von Merkmalen 2.3 Geordnete Stichproben und Ränge 2.1 Merkmal und Stichprobe An (geeignet ausgewählten) Untersuchungseinheiten
MehrBOXPLOT 1. Begründung. Boxplot A B C
BOXPLOT 1 In nachstehender Tabelle sind drei sortierte Datenreihen gegeben. Zu welchem Boxplot gehört die jeweilige Datenreihe? Kreuze an und begründe Deine Entscheidung! Boxplot A B C Begründung 1 1 1
MehrStatistik in R Block 1: April 1
Statistik in R Block 1: 24-26.April 1 Statistik in R Ziele: Theoretische Grundlagen der deskriptiven Statistik und der Prüfstatistik Anwendung in der Phonetik Berechnungen mit R Themen Übungen mit R 1.
MehrAnteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen. Anteile Häufigkeiten Verteilungen
DAS THEMA: VERTEILUNGEN LAGEMAßE - STREUUUNGSMAßE Anteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen Anteile Häufigkeiten Verteilungen Anteile und Häufigkeiten Darstellung
MehrInhalt. Vorwort Univariate Verteilungen Verteilungen Die Normalverteilung... 47
Inhalt Vorwort... 9 1 Einleitung: Grundlagen der Statistik... 11 1.1 Die statistische Fragestellung im Forschungsprozess... 11 1.2 Grundbegriffe der Statistik... 13 1.3 Voraussetzung jeder Statistik: Die
MehrStatistische Messdatenauswertung
Roland Looser Statistische Messdatenauswertung Praktische Einführung in die Auswertung von Messdaten mit Excel und spezifischer Statistik-Software für naturwissenschaftlich und technisch orientierte Anwender
MehrMesstherorie Definitionen
Messtherorie Definitionen Begriff Definition Beispiel Relationen Empirisches Relativ eine Menge von Objekten und ein oder mehreren beobachtbaren Relationen zwischen dieses Objekten Menge der Objekte =
MehrDie folgende Tabelle 1 wurde im Rahmen einer Umfrage unter den Studenten eines Statistikseminars erstellt.
Nr. Die folgende Tabelle wurde im Rahmen einer Umfrage unter den Studenten eines Statistikseminars erstellt. Gewicht (x i ) Raucher Geschlecht Lieblingssportart Ausübung des Sports Geld pro Monat Klassenmitte
MehrGrundlagen empirischer Forschung. Korpuslinguistik Heike Zinsmeister WS 2009/10
Grundlagen empirischer Forschung Korpuslinguistik Heike Zinsmeister WS 2009/0 Grundlagen Vorbereitung einer empirischen Studie Allgemeine Beschreibung des zu untersuchenden Phänomens Literaturstudien Erkundigungen
MehrAntwortkategorien und Skalen. Jasmin Hügi Herbstschule 2012
Antwortkategorien und Skalen Jasmin Hügi Herbstschule 2012 Übersicht Zeit 09h00 09h10 09h10 09h40 09h40 10h30 10h30 11h00 11h00 11h20 11h20 12h15 12h15 13h30 13h30 14h00 14h00 15h00 15h00 15h30 15h30 15h50
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
Mehr2. Statistisches Rüstzeug
03. JULI 006: BLATT 9. Statistisches Rüstzeug.1. Grundbegriffe der Statistik Grundgesamtheit (a. Population Menge aller statistischen Einheiten, über die man Aussagen gewinnen will. In der Computerlinguistik
MehrKapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße. x mod (lies: x-mod) Wofür? Lageparameter. Modus/ Modalwert Zentrum. Median Zentralwert
Kapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße Wofür? Lageparameter Modus/ Modalwert Zentrum Median Zentralwert Im Datensatz stehende Informationen auf wenige Kenngrößen verdichten ermöglicht
MehrInferenzstatistik (=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
MehrGrundlagen sportwissenschaftlicher Forschung Untersuchungsplanung 2 und Grundlagen des Messens
Grundlagen sportwissenschaftlicher Forschung Untersuchungsplanung 2 und Grundlagen des Messens Dr. Jan-Peter Brückner jpbrueckner@email.uni-kiel.de R.216 Tel. 880 4717 AUFGABE 1. Beschreibe einen experimentellen
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Korrelationsanalysen Kreuztabellen und χ²-test Themen Korrelation oder Lineare Regression? Korrelationsanalysen - Pearson, Spearman-Rang, Kendall s Tau
MehrParametrische vs. Non-Parametrische Testverfahren
Parametrische vs. Non-Parametrische Testverfahren Parametrische Verfahren haben die Besonderheit, dass sie auf Annahmen zur Verteilung der Messwerte in der Population beruhen: die Messwerte sollten einer
MehrStatistik 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
MehrEinführung in die Statistik Einführung
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Einführung Professur E-Learning und Neue Medien www.tu-chemnitz.de/phil/imf/elearning
MehrTrim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19
Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist
MehrBitte am PC mit Windows anmelden!
Einführung in SPSS Plan für heute: Grundlagen/ Vorwissen für SPSS Vergleich der Übungsaufgaben Einführung in SPSS http://weknowmemes.com/generator/uploads/generated/g1374774654830726655.jpg Standardnormalverteilung
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg 2 R. 06-206 (Persike) R. 06-214 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrInhaltsverzeichnis. 1 Über dieses Buch Zum Inhalt dieses Buches Danksagung Zur Relevanz der Statistik...
Inhaltsverzeichnis 1 Über dieses Buch... 11 1.1 Zum Inhalt dieses Buches... 13 1.2 Danksagung... 15 2 Zur Relevanz der Statistik... 17 2.1 Beispiel 1: Die Wahrscheinlichkeit, krank zu sein, bei einer positiven
MehrFH- Management & IT. Constantin von Craushaar FH-Management & IT Statistik Angewandte Statistik (Übungen)
FH- Management & IT Folie 1 Rückblick Häufigkeiten berechnen Mittelwerte berechnen Grafiken ausgeben Grafiken anpassen und als Vorlage abspeichern Variablenoperationen Fälle vergleichen Fälle auswählen
Mehr11. Sitzung Auswertungsstrategien; Darstellung von Forschungsergebnissen
11. Sitzung Auswertungsstrategien; Darstellung von Forschungsergebnissen 1 Gliederung der Vorlesung 1. Probleme der Auswertung bei quantitativem Vorgehen 2. Probleme der Auswertung bei qualitativem Vorgehen
MehrEinführung in die Statistik
Einführung in die Statistik 1. Deskriptive Statistik 2. Induktive Statistik 1. Deskriptive Statistik 1.0 Grundbegriffe 1.1 Skalenniveaus 1.2 Empirische Verteilungen 1.3 Mittelwerte 1.4 Streuungsmaße 1.0
MehrKapitel 1: Deskriptive Statistik
Kapitel 1: Deskriptive Statistik Grafiken Mit Hilfe von SPSS lassen sich eine Vielzahl unterschiedlicher Grafiken für unterschiedliche Zwecke erstellen. Wir besprechen hier die zwei in Kapitel 1.1 thematisierten
MehrSTATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich)
WS 07/08-1 STATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich) Nur die erlernbaren Fakten, keine Hintergrundinfos über empirische Forschung etc. (und ich übernehme keine Garantie) Bei der Auswertung von
MehrMüssen Texte statistisch anders ausgewertet werden als Menschen?
CROCO LINGUISTIC PROPERTIES OF TRANSLATIONS A CORPUS-BASED INVESTIGATION FOR THE LANGUAGE PAIR ENGLISH-GERMAN Müssen Texte statistisch anders ausgewertet werden als Menschen? Stella Neumann Grundüberlegung
MehrGraphische Darstellung einer univariaten Verteilung:
Graphische Darstellung einer univariaten Verteilung: Die graphische Darstellung einer univariaten Verteilung hängt von dem Messniveau der Variablen ab. Bei einer graphischen Darstellung wird die Häufigkeit
MehrStichwortverzeichnis. Symbole
Stichwortverzeichnis Symbole 50ste Perzentil 119 A Absichern, Ergebnisse 203 Abzählbar unendliche Zufallsvariable 146 Alternativhypothese 237 238 formulieren 248 Anekdote 340 Annäherung 171, 191 Antwortquote
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 3. Vorlesung Dr. Jochen Köhler 1 Inhalte der heutigen Vorlesung Ziel: Daten Modellbildung Probabilistisches Modell Wahrscheinlichkeit von Ereignissen Im ersten
MehrMethodik für Linguisten
Claudia Methodik für Linguisten Eine Einführung in Statistik und Versuchsplanung narr VERLAG 1 Reisevorbereitungen und Wegweiser 2 Linguistik als empirische Wissenschaft 15 2.1 Karl Popper und der Falsifikationismus
Mehr'+4 Elisabeth Raab-Steiner / Michael Benesch. Der Fragebogen. Von der Forschungsidee zur SPSS-Auswertung. 4., aktualisierte und überarbeitete Auflage
'+4 Elisabeth Raab-Steiner / Michael Benesch Der Fragebogen Von der Forschungsidee zur SPSS-Auswertung 4., aktualisierte und überarbeitete Auflage facultas «4 Inhaltsverzeichnis 1 Elementare Definitionen
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
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
MehrWiederholung Statistik I. Statistik für SozialwissenschaftlerInnen II p.8
Wiederholung Statistik I Statistik für SozialwissenschaftlerInnen II p.8 Konstanten und Variablen Konstante: Merkmal hat nur eine Ausprägung Variable: Merkmal kann mehrere Ausprägungen annehmen Statistik
MehrStatistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg
Statistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg Prof. Markus Schumacher, Dr. Stan Lai Physikalisches Institut Westbau 2 OG Markus.Schumacher@physik.uni-freiburg.de
MehrGrundlagen sportwissenschaftlicher Forschung Deskriptive Statistik 2 Inferenzstatistik 1
Grundlagen sportwissenschaftlicher Forschung Deskriptive Statistik 2 Inferenzstatistik 1 Dr. Jan-Peter Brückner jpbrueckner@email.uni-kiel.de R.216 Tel. 880 4717 Rückblick: Besonders wichtige Themen Wissenschaftstheoretischer
Mehr1. Ziehen einer Stichprobe. 3. Rückschluss auf die Grundgesamtheit (induktive Statistik)
Induktive Statistik 1 Überblick 1. Ziehen einer Stichprobe Grundgesamtheit 2. Aufbereiten der Stichprobe (deskriptive Statistik) 3. Rückschluss auf die Grundgesamtheit (induktive Statistik) 2 Begriffe
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
MehrWiederholung. Statistik I. Sommersemester 2009
Statistik I Sommersemester 2009 Statistik I (1/21) Daten/graphische Darstellungen Lage- und Streuungsmaße Zusammenhangsmaße Lineare Regression Wahrscheinlichkeitsrechnung Zentraler Grenzwertsatz Konfidenzintervalle
MehrHerzlich willkommen zur Vorlesung. Methoden der empirischen Sozialforschung I. Vom Begriff zur Messung
FB 1 W. Ludwig-Mayerhofer Methoden I Messung 1 Einstieg/Überblick Paradigmen Werturteile/Ethik Forschungslogik Hypothesen Forschungsdesign Messung Standardisierte Befragung Qualitative Befragung Beobachtung
MehrDeskriptive Statistik Kapitel IX - Kontingenzkoeffizient
Deskriptive Statistik Kapitel IX - Kontingenzkoeffizient Georg Bol bol@statistik.uni-karlsruhe.de Markus Höchstötter hoechstoetter@statistik.uni-karlsruhe.de Agenda 1. Untersuchung der Abhängigkeit 2.
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
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
MehrDeskriptive Statistik Beschreiben, Zusammenfassen, Darstellen gegebener Daten (Datenreduktion!)
Deskriptive Statistik Beschreiben, Zusammenfassen, Darstellen gegebener Daten (Datenreduktion!) - Arithmetisches Mittel o Das arithmetische Mittel (auch Durchschnitt) ist ein Mittelwert, der als Quotient
MehrTEIL 7: EINFÜHRUNG UNIVARIATE ANALYSE TABELLARISCHE DARSTELLUNG / AUSWERTUNG
TEIL 7: EINFÜHRUNG UNIVARIATE ANALYSE TABELLARISCHE DARSTELLUNG / AUSWERTUNG Statistik eine Umschreibung Mathematische Hilfswissenschaft mit der Aufgabe, Methoden für die Sammlung, Aufbereitung, Analyse
MehrDeskriptive Statistik
Deskriptive Statistik Lösungen+ Aufgabe 1.1 (a) Sammelnde Statistik: Wahl einer zufälligen Stichprobe aus der Grundgesamtheit. (b) Beschreibende (deskriptive) Statistik: Aufbereitung der Stichprobe (oder
MehrPrüfungstutorat: Angewandte Methoden der Politikwissenschaft. Polito Seminar Carl Schweinitz 10.12.2014
Prüfungstutorat: Angewandte Methoden der Politikwissenschaft Polito Seminar Carl Schweinitz 10.12.2014 Übersicht 1. Einheiten und Variablen 2. Skalen und ihre Transformation 3. Deskriptive Statistik 4.
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 26.02.2008 1 Warum Statistik und Wahrscheinlichkeits rechnung im Ingenieurwesen? Zusammenfassung der letzten Vorlesung Statistik und Wahrscheinlichkeitsrechnung
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)
MehrPsychologische Methodenlehre Statistik
RAINER LEONHART Psychologische Methodenlehre Statistik Mit 21 Abbildungen und 40 Tabellen Mit 64 Ubungsfragen Ernst Reinhardt Verlag Miinchen Basel Inhalt Vorwort 9 1 Einfuhrung in die Forschungsmethoden
MehrAnalytische 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.
MehrBeispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es
Beispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es beim radioaktiven Zerfall, zwischen 100 und 110 Zerfälle
MehrStatistik für SozialwissenschaftlerInnen II p.85
Schätzverfahren Statistik für SozialwissenschaftlerInnen II p.85 Schätzverfahren Ziel von Schätzverfahren: Ausgehend von Stichproben Aussagen über Populationskennwerte machen Kenntnis der Abweichung des
MehrEmpirische Methoden der Politikwissenschaft
JOACHIM BEHNKE / NINA BAUR / NATHALIE BEHNKE Empirische Methoden der Politikwissenschaft 2., aktualisierte Auflage FERDINAND SCHÖNINGH Inhaltsverzeichnis Einleitung 13 Methoden im empirischen Forschungsprozess
MehrSommersemester Marktforschung
Dipl.-Kfm. Sascha Steinmann Universität Siegen Lehrstuhl für Marketing steinmann@marketing.uni-siegen.de Sommersemester 2010 Marktforschung Übungsaufgaben zu den Themen 3-6 mit Lösungsskizzen Aufgabe 1:
MehrStatistik, Geostatistik
Geostatistik Statistik, Geostatistik Statistik Zusammenfassung von Methoden (Methodik), die sich mit der wahrscheinlichkeitsbezogenen Auswertung empirischer (d.h. beobachteter, gemessener) Daten befassen.
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
MehrUnivariate Häufigkeitsverteilungen Kühnel, Krebs 2001: Statistik für die Sozialwissenschaften, S.41-66
Univariate Häufigkeitsverteilungen Kühnel, Krebs 2001: Statistik für die Sozialwissenschaften, S.41-66 Gabriele Doblhammer: Empirische Sozialforschung Teil II, SS 2004 1/19 Skalenniveaus Skalenniveau Relation
MehrAlle weiteren Messoperationen schließen die Klassifikation als Minimaloperation ein.
1 unterschiedliche Skalenniveaus Wir haben zuvor schon kurz von unterschiedlichen Skalenniveaus gehört, nämlich dem: - Nominalskalenniveau - Ordinalskalenniveau - Intervallskalenniveau - Ratioskalenniveau
MehrArbeitsbuch zur deskriptiven und induktiven Statistik
Helge Toutenburg Michael Schomaker Malte Wißmann Christian Heumann Arbeitsbuch zur deskriptiven und induktiven Statistik Zweite, aktualisierte und erweiterte Auflage 4ü Springer Inhaltsverzeichnis 1. Grundlagen
MehrJOACHIM BEHNKE / NINA BAUR / NATHALIE BEHNKE. Empirische Methoden der Politikwissenschaft
JOACHIM BEHNKE / NINA BAUR / NATHALIE BEHNKE Empirische Methoden der Politikwissenschaft 1 Einleitung 13 2 Methoden im empirischen Forschungsprozess 17 2.1 Methoden und wissenschaftliche Theorie 17 2.2
MehrGrundlagen der empirischen Sozialforschung
Grundlagen der empirischen Sozialforschung Sitzung 10 - Datenanalyseverfahren Jan Finsel Lehrstuhl für empirische Sozialforschung Prof. Dr. Petra Stein 22. Dezember 2008 1 / 21 Online-Materialien Die Materialien
MehrWelche der folgenden Aussagen ist/sind richtig? Kreuzen Sie bitte jede zutreffende Aussage an.
AUFGABE 1) Z-TRANSFORMATION (4 PUNKTE) Welche der folgenden Aussagen ist/sind richtig? Kreuzen Sie bitte jede zutreffende Aussage an. Eine z-transformierte Verteilung hat einen Mittelwert von 0 und eine
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2016 Anmeldung in Basis: 06. 10.06.2016 Organisatorisches Einführung Statistik Analyse empirischer Daten
MehrKorrelation, Regression und Signifikanz
Professur Forschungsmethodik und Evaluation in der Psychologie Übung Methodenlehre I, und Daten einlesen in SPSS Datei Textdaten lesen... https://d3njjcbhbojbot.cloudfront.net/api/utilities/v1/imageproxy/https://d15cw65ipcts
Mehr2. Deskriptive Statistik
Philipps-Universitat Marburg 2.1 Stichproben und Datentypen Untersuchungseinheiten: mogliche, statistisch zu erfassende Einheiten je Untersuchungseinheit: ein oder mehrere Merkmale oder Variablen beobachten
MehrSoftware Engineering I Prof. Dr. Martin Glinz. Kapitel 2. Zielsetzung, Messung. Universität Zürich Institut für Informatik
Software Engineering I Prof. Dr. Martin Glinz Kapitel 2 Zielsetzung, Messung Universität Zürich Institut für Informatik Zielsetzung warum? Zielgerichtetes Arbeiten ist notwendig Ohne Zielsetzung: Qualität
MehrBiomathematik für Mediziner, Klausur WS 1999/2000 Seite 1
Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Aufgabe 1: Wieviele der folgenden Variablen sind quantitativ stetig? Schulnoten, Familienstand, Religion, Steuerklasse, Alter, Reaktionszeit, Fahrzeit,
MehrStatistik für Psychologen, Pädagogen und Mediziner
Thomas Köhler Statistik für Psychologen, Pädagogen und Mediziner Ein Lehrbuch ^~i: Verlag W. Kohlhammer 1 Einführung: Begriffsklärungen und Überblick 11 1.1 Aufgaben und Subdisziplinen der Statistik 11
MehrSoftwaretechnik. Prof. Dr. Rainer Koschke. Fachbereich Mathematik und Informatik Arbeitsgruppe Softwaretechnik Universität Bremen
Softwaretechnik Prof. Dr. Rainer Koschke Fachbereich Mathematik und Informatik Arbeitsgruppe Softwaretechnik Universität Bremen Wintersemester 2010/11 Überblick I Statistik bei kontrollierten Experimenten
Mehr