Testentscheidungen. Worum geht es in diesem Modul? Kritische Werte p-wert
|
|
- Herbert Maurer
- vor 7 Jahren
- Abrufe
Transkript
1 Testentscheidungen Worum geht es in diesem Modul? Kritische Werte p-wert Worum geht es in diesem Modul? Testentscheidungen: Annahme- und Ablehnbereich Bei der Durchführung eines statistischen Tests kommen wir zwangsläufig an den Punkt, an dem zu entscheiden ist, ob die Daten so stark für die Alternative sprechen, dass die Nullhypothese abgelehnt werden kann. Gesucht ist also ein objektives Verfahren, mit dem eine Testentscheidung getroffen werden kann. (Das haben wir schon im einführenden kennen gelernt.) Die Idee dabei ist, dass das Auftreten eines unter der Nullhypothese recht unwahrscheinlichen Prüfgrößenwertes die Verwerfung der Nullhypothese rechtfertigen soll. Dazu müssen die Werte der Prüfgröße bestimmt werden, die zu einer Ablehnung der Nullhypothese führen. Diese bilden den so genannten Ablehnbereich Liegt also der beobachtete Prüfgrößenwert im Ablehnbereich, entscheiden wir uns für die Alternative. Die komplementäre Menge dazu ist der Annahmebereich. Fällt der realisierte Wert der Prüfgröße in diese, behalten wir die Nullhypothese bei. Der Ablehnbereich hängt zum einen von der Art des Testproblems ab, zum anderen vom Signifikanzniveau das die Breite von festlegt. Somit enthält der Ablehnbereich die Prüfgrößenwerte, die in Richtung der Alternative weisen und deren Wahrscheinlichkeit insgesamt kleiner oder gleich dem vorgegebenen Niveau ist: (Erinnern Sie sich, dass der Ablehnbereich unter der Nullhypothese bestimmt wird. Page 1
2 Siehe dazu auch das Lernmodul Idee des Testens) Der Punkt (oder die Punkte), der den Ablehnbereich vom Annahmebereich trennt, wird als kritischer Wert bezeichnet. Die kritischen Werte sind die äußersten Punkte innerhalb des Annahmebereichs. In der unteren Abbildung separiert das Quantil den Annahme- vom Ablehnbereich. Es entspricht dem Testproblem B, wenn große Werte der Prüfgröße unter H0 unplausibel sind. Beispiel: Annahme- / Ablehnbereich Beispiel Zur Verdeutlichung betrachten wir das beliebige Testproblem gegen bei dem große Werte der Prüfgröße für die Alternative sprechen. Sei nun Realisation der Prüfgröße Der entsprechende Ablehnbereich des gegebenen Testproblems ist gegeben als eine Page 2
3 Ablehnbereich zum Testproblem B. In diesem Fall lehnt ein Test die Nullhypothese ab, wenn der beobachtete Wert der Prüfgröße überschreitet und somit in den Ablehnbereich fällt. Test B: t überschreite den kritischen Wert; die Nullhypothese kann verworfen werden. Kritische Werte Berechnung des kritischen Werts Um den Ablehnbereich festlegen zu können, müssen der kritische Wert bzw. die kritischen Werte gesucht werden. Betrachten wir wieder das beliebige Testproblem gegen Wie bereits gesehen, ergibt sich hier der Ablehnbereich als In fallen die Werte der Prüfgröße, die größer als der kritische Wert sind. Die Wahrscheinlichkeit für in zu fallen ist kleiner oder gleich dem Signifikanzniveau. Daher gilt: Aus der Tatsache, dass für gilt bzw. wird deutlich, dass der gesuchte kritische Wert mit dem jeweiligen Quantil der Verteilung der Prüfgröße unter übereinstimmt. Bei diskreten Prüfgrößen (wie z.b. bei der binomialverteilten Prüfgröße beim ) ist nicht immer ein kritischer Wert zu finden, so dass voll ausgeschöpft werden kann. Test B: Die Wahrscheinlichkeit, dass unter Annahme der Nullhypothese die Prüfgröße einen Wert größer dem kritischen Wert annimmt, entspricht dem Signifikanzniveau. Page 3
4 Wäre in diesem Fall der beobachtete Wert der Prüfgröße kann die Nullhypothese verworfen werden. (Gilt ausschließlich für das Testproblem B!) In Material finden Sie eine Übersicht, wie die Testentscheidung für die einzelnen Testprobleme aussieht. Fehler 1. Art Der kritische Wert und damit die Breite des Ablehnbereichs ist genau so bestimmt, dass der Fehler 1. Art unter Kontrolle bleibt, d.h. (Die Wahrscheinlichkeit, eine wahre Nullhypothese fälschlicherweise zu verwerfen, ist höchstens ). Leider liefern Ihnen die im Labor zur Verfügung stehenden vorgefertigten Testaufrufe keine kritischen Werte! Diese Möglichkeit besitzt fast kein Statistiksoftwarepaket. Das ist aber kein Problem. Es gibt eine weitere Möglichkeit, mit der eine Testentscheidung herbeigeführt werden kann: mit den so genannten p-werten. In der Sektion Material finden Sie eine Aufstellung für die Berechnung der kritischen Werte je Testproblem und eine Labordatei, die Ihnen die Berechnung kritischer Werte im Statistiklabor zeigt und auf was Sie dabei zu achten haben. Diese Labordatei ( aff.zmpf ) zeigt Ihnen, wie Sie kritische Werte im Labor berechnen können und auf was Sie dabei zu achten haben. Die Datei besteht aus fünf Laborseiten und benötigt die Bibliothek wilcoxon.r. Es werden zwei Stichproben aus derselben Grundgesamtheit gezogen und auf Lageunterschied miteinander verglichen. Verwendet wird dafür der Wilcoxon-Rangsummen-Test. In diesem Fall wissen wir, dass die Nullhypothese wahr ist! Das Experiment wird 100 Mal durchgeführt, und die erhaltenen Prüfgrößenwerte werden in ein Stabdiagramm geschrieben. Auf der x-achse sind die Prüfwerte aus den 100 Experimenten aufgezeichnet. Die y-achse zeigt die absoluten Häufigkeiten. Die vertikalen orangen Striche geben die berechneten kritischen Werte (2.5%-Quantil und 97.5%-Quantil) an. Insgesamt liegen 12 Prüfwerte im Ablehnbereich. (Unter der Nullhypothese würden wir höchstens 5 erwarten.) Ziehen Sie selber Stichproben, und verändern Sie die Anzahl der Experimente oder die Größe der Stichproben. Was ist zu beobachten? Labordatei öffnen ( b10.zmpf ) (Laden Sie die Bibliothek Simul.R.) p-wert Eine Alternative zur Bestimmung von kritischen Werten ist die Berechnung von p-werten. Die p-werte geben an, wie wahrscheinlich der beobachtete Prüfgrößenwert oder ein in Richtung der Alternative noch extremerer Wert unter der Nullhypothese ist. Ist die Wahrscheinlichkeit für das Auftreten von oder extremeren Werten sehr klein, erscheint die Verteilung unter der Nullhypothese eher nicht dafür verantwortlich zu sein, dass dieser beobachtete Wert oder etwa ein noch extremerer zustande gekommen ist. Page 4
5 Der p-wert ist die Wahrscheinlichkeit unter, den beobachteten Prüfgrößenwert oder einen in Richtung der Alternative extremeren Wert zu erhalten. Beispiel Betrachten wir wieder das einseitige Testproblem B, bei dem große Werte für die Alternative sprechen: gegen Der p-wert ist in diesem Fall wobei der konkret berechnete Prüfgrößenwert ist. Der Flächenwert unter der Verteilung ab dem konkret beobachteten Prüfwert t ist genau der p-wert (orange Fläche). Testentscheidung Eine Testentscheidung mit p-werten führt man dann für alle Testprobleme folgendermaßen durch: Verwirf, falls behalte bei, falls Die folgenden Bilder veranschaulichen Ihnen, wie p-werte und kritische Werte zusammenhängen (basierend auf obigen Testproblem): Verwirf H0: Der p-wert (orange Fläche) ist kleiner als alpha (blaue Fläche). Die Nullhypothese kann abgelehnt werden. Entsprechend weist der beobachtete Prüfwert t stark in Richtung der Alternative und hat den kritischen Wert überschritten. Behalte H0: Die Fläche des p-wertes (orange) ist größer als alpha (blaue Fläche). Die Nullhypothese muss beibehalten werden. Beachten Sie die Äquivalenz: Prüfwert t überschreitet den kritischen Wert nicht. Der p-wert wird in allen Statistiksoftwarepaketen standardmäßig ausgegeben, weil die Regel für die Testentscheidung bei jedem Testproblem die gleiche ist. Vorteile von p-werten - Prüfwerte mehrer Tests sind im Allgemeinen nicht direkt vergleichbar; p-werte schon, da p-werte Wahrscheinlichkeiten sind und deswegen zwischen 0 und 1 liegen. - Interpretierbarkeit. - schnelle Durchführung am Computer. Nachteile von p-werten - p-werte geben an, zu welchem Niveau die Nullhypothese gerade noch verworfen werden kann. Hierbei besteht die Gefahr, dass die zugrunde liegende Testtheorie außer Kraft gesetzt wird. Dafür ist es nämlich wichtig, dass vor der Testentscheidung das Signifikanzniveau vorgegeben wird und nicht aufgrund des erhaltenen p-werts das Niveau "nachkorrigiert" wird. (Siehe dazu auch.) Unter Material finden Sie eine Anleitung, wie Sie im Statistiklabor einen Testoutput über die p-werte interpretieren. Ausblick Wie der p-wert beim zweiseitigen Testproblem berechnet wird, können Sie im Exkurs Page 5
6 p-wert beim zweiseitigen Testproblem nachlesen. Die Testentscheidung kann auch anhand des Konfidenzintervalls gefällt werden. Das können Sie im nachlesen. Anleitung, wie Sie im Statistiklabor einen Testoutput über die p-werte interpretieren: p-wert ( b97.zmpf ) Berechnung des p-werts beim zweiseitigen Testproblem anhand eines Beispiels Der Schlagzeuger Gus Veit ist es leid. Er haut ständig seine selbstgebauten Ruten kaputt und sucht nun deshalb ein Qualitätsprodukt. Sein örtlicher Musikladen hat zwei verschiedene Ruten im Angebot: Die RodsTM von und die Red Rods von. Ruten der Firma ProMark Der nicht gerade entschlussfreudige Gus will ein Experiment starten, um sich letztendlich für eine Stammmarke zu entscheiden. Er stellt ein zweiseitiges Testproblem auf, das er zum 10%-Niveau überprüfen möchte: H0: Die Haltbarkeitszeiten der Ruten ProMark (X) und Headhunter (Y) unterscheiden sich nicht. H1: Die Haltbarkeitszeiten der Ruten ProMark (X) und Headhunter(Y) sind unterschiedlich. Für das Experiment hat Gus von jeder Marke 5 Paar eingekauft. Er schlagwerkt wie gewohnt und schreibt akribisch die Haltbarkeit in Stunden auf. Als Test verwendet er den Wilcoxon-Rangsummen-Test und beobachtet für die Prüfgröße den Wert 18. Wie wahrscheinlich ist es, den Prüfgrößenwert 18 oder einen in Richtung Alternative extremeren Wert zu erhalten, wenn sich die beiden Rutenprodukte nicht unterscheiden, d.h., wie groß ist der p-wert? Öffnen wir das Applet Wilcoxon-Verteilung (bb3.jar), können wir am linken Ende die Wahrscheinlichkeit ablesen. Wir testen aber zweiseitig. Deswegen müssen wir zusätzlich dieselbe Wahrscheinlichkeitsmasse am rechten Ende der Verteilung ablesen, also Für den p-wert gilt sonach Damit ist und Gus kann die Nullhypothese verwerfen. Eine der beiden Stick-Marken stellt die besseren Ruten her. Wilcoxon-Verteilung für n=m=5. Die blauen Balken ergeben zusammen den p-wert. Die roten Balken stellen das 5%- und das 95%-Quantil dar (kritische Werte). Der zweiseitige Test hat sich für die Alternative entschieden. Allgemein Page 6
7 Wie bei der Berechnung der kritischen Werte im zweiseitigen Fall, wird für die Berechnung des p-werts die Wahrscheinlichkeit aufgeteilt und symmetrisch auf beide Seiten der Verteilung abgetragen. So gilt einerseits für die kritischen Werte und andererseits für die p-werte Damit ergibt sich die schon erlernte Testentscheidung: Verwirf falls behalte bei, falls Verwendung des p-werts bei einem zweiseitigen Testproblem als Hilfsmittel für die Testentscheidung. Die orangen Flächen stellen den p-wert dar, die blauen Flächen zusammen ergeben die Alpha-Wahrscheinlichkeit Sie können sich eine Übersichtstabelle als PDF ( Word-Dokument ( : c04.doc ) herunterladen. : c02.pdf ) oder als p-wert Erklärung (c) Projekt Neue Statistik 2003, Freie Universität Berlin, Center für Digitale Systeme Kontakt: Page 7
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
MehrT-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
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 5.5.2006 1 Ausgangslage Wir können Schätzen (z.b. den Erwartungswert) Wir können abschätzen, wie zuverlässig unsere Schätzungen sind: In welchem Intervall
MehrIdee des Testens. Heuristische Verfahren
Idee des Testens Heuristische Verfahren Datensituation Testproblem Überprüfen der Hypothese Rangvergabe Prüfgröße Prüfverteilung Testentscheidungen - Signifikanzniveau Testentscheidung - Kritischer Wert
MehrStatistik 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
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrEinführung 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
MehrGauß-Test für den Zweistichprobenfall
Gauß-Test für den Zweistichprobenfall Zweiseitiger Gauß-Test Allgemeine Formulierung der Hypothesen Test auf Lageunterschied zweier normalverteilter Grundgesamtheiten mit bekannten Varianzen durch Vergleich
MehrFehlerwahrscheinlichkeiten
Fehlerwahrscheinlichkeiten Worum geht es in diesem Modul? Worum geht es in diesem Modul? Fehlentscheidungen beim Testen Ein statistischer Test wird eingesetzt um anhand einer Stichprobe Rückschlüsse auf
MehrTHEMA: "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
Mehr2.4 Hypothesentests Grundprinzipien statistischer Hypothesentests. Hypothese:
2.4.1 Grundprinzipien statistischer Hypothesentests Hypothese: Behauptung einer Tatsache, deren Überprüfung noch aussteht (Leutner in: Endruweit, Trommsdorff: Wörterbuch der Soziologie, 1989). Statistischer
MehrVorlesung: 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
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
MehrKapitel 3 Schließende Statistik
Beispiel 3.4: (Fortsetzung Bsp. 3.) bekannt: 65 i=1 X i = 6, also ˆp = X = 6 65 = 0, 4 Überprüfen der Voraussetzungen: (1) n = 65 30 () n ˆp = 6 10 (3) n (1 ˆp) = 39 10 Dr. Karsten Webel 194 Beispiel 3.4:
Mehr8. 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
Mehr3 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
MehrKonfidenzintervalle. Gesucht: U = U(X 1,..., X n ), O = O(X 1,..., X n ), sodass für das wahre θ gilt
Konfidenzintervalle Annahme: X 1,..., X n iid F θ. Gesucht: U = U(X 1,..., X n ), O = O(X 1,..., X n ), sodass für das wahre θ gilt P θ (U θ O) = 1 α, α (0, 1). Das Intervall [U, O] ist ein Konfidenzintervall
MehrGrundlegende Eigenschaften von Punktschätzern
Grundlegende Eigenschaften von Punktschätzern Worum geht es in diesem Modul? Schätzer als Zufallsvariablen Vorbereitung einer Simulation Verteilung von P-Dach Empirische Lage- und Streuungsparameter zur
MehrKapitel 13. Grundbegriffe statistischer Tests
Kapitel 13 Grundbegriffe statistischer Tests Oft hat man eine Vermutung über die Verteilung einer Zufallsvariablen X. Diese Vermutung formuliert man als Hypothese H 0.Sokönnte man daran interessiert sein
MehrStatistische Überlegungen: Eine kleine Einführung in das 1 x 1
Statistische Überlegungen: Eine kleine Einführung in das 1 x 1 PD Dr. Thomas Friedl Klinik für Frauenheilkunde und Geburtshilfe, Universitätsklinikum Ulm München, 23.11.2012 Inhaltsübersicht Allgemeine
MehrWahrscheinlichkeit 1-α: richtige Entscheidung - wahrer Sachverhalt stimmt mit Testergebnis überein. Wahrscheinlichkeit α: falsche Entscheidung -
wahrer Sachverhalt: Palette ist gut Palette ist schlecht Entscheidung des Tests: T K; Annehmen von H0 ("gute Palette") positive T > K; Ablehnen von H0 ("schlechte Palette") negative Wahrscheinlichkeit
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
MehrGRUNDPRINZIPIEN statistischen Testens
Fragestellungen beim Testen GRUNDPRINZIPIEN statistischen Testens. Vergleiche Unterscheidet sich die Stichprobenbeobachtung von einer vorher spezifizierten Erwartung ( Hypothese ) mit ausreichender Sicherheit?
MehrBemerkungen zu statistischen Tests
Bemerkungen zu statistischen Tests Einseitige vs. zweiseitige Tests Die Entscheidung für eine einseitige oder zweiseitige Alternative hängt von der Fragestellung ab. Eine einseitige Alternative ist dann
MehrOnline-Aufgaben Statistik (BIOL, CHAB) Auswertung und Lösung
Online-Aufgaben Statistik (BIOL, CHAB) Auswertung und Lösung Abgaben: 92 / 234 Maximal erreichte Punktzahl: 7 Minimal erreichte Punktzahl: 1 Durchschnitt: 4 Frage 1 (Diese Frage haben ca. 0% nicht beantwortet.)
MehrKapitel 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
MehrR. Brinkmann Seite
R. Brinkmann http://brinkmann-du.de Seite 1 17.3.21 Grundlagen zum Hypothesentest Einführung: Wer Entscheidungen zu treffen hat, weiß oft erst im nachhinein ob seine Entscheidung richtig war. Die Unsicherheit
MehrAllgemeines 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
MehrGrundlagen 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
MehrStatistische Tests Version 1.2
Statistische Tests Version 1.2 Uwe Ziegenhagen ziegenhagen@wiwi.hu-berlin.de 7. Dezember 2006 1 Einführung Ein statistischer Test dient der Überprüfung einer statistischen Hypothese. Mithilfe des Tests
MehrR. Brinkmann Seite
R. Brinkmann http://brinkmann-du.de Seite 1 24.2.214 Grundlagen zum Hypothesentest Einführung: Wer Entscheidungen zu treffen hat, weiß oft erst im nachhinein ob seine Entscheidung richtig war. Die Unsicherheit
MehrStatistische 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
Mehr3) Testvariable: T = X µ 0
Beispiel 4.9: In einem Molkereibetrieb werden Joghurtbecher abgefüllt. Der Sollwert für die Füllmenge dieser Joghurtbecher beträgt 50 g. Aus der laufenden Produktion wurde eine Stichprobe von 5 Joghurtbechern
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
MehrSo berechnen Sie einen Schätzer für einen Punkt
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: SCHÄTZEN UND TESTEN htw saar 2 Schätzen: Einführung Ziel der Statistik ist es, aus den Beobachtungen eines Merkmales in einer Stichprobe Rückschlüsse über die Verteilung
MehrKapitel 3 Schließende Statistik
Bemerkung 3.34: Die hier betrachteten Konfidenzintervalle für unbekannte Erwartungswerte sind umso schmaler, je größer der Stichprobenumfang n ist, je kleiner die (geschätzte) Standardabweichung σ (bzw.
MehrStatistik 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:
MehrUm zu entscheiden, welchen Inhalt die Urne hat, werden der Urne nacheinander 5 Kugeln mit Zurücklegen entnommen und ihre Farben notiert.
XV. Testen von Hypothesen ================================================================== 15.1 Alternativtest ------------------------------------------------------------------------------------------------------------------
Mehr2 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
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
MehrBeurteilende Statistik
Beurteilende Statistik Wahrscheinlichkeitsrechnung und Beurteilende Statistik was ist der Unterschied zwischen den beiden Bereichen? In der Wahrscheinlichkeitstheorie werden aus gegebenen Wahrscheinlichkeiten
MehrEin- und Zweistichprobentests
(c) Projekt Neue Statistik 2003 - Lernmodul: Ein- Zweistichprobentests Ein- Zweistichprobentests Worum geht es in diesem Modul? Wiederholung: allgemeines Ablaufschema eines Tests Allgemeine Voraussetzungen
MehrDipl.-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
MehrVorlesung: 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
MehrStatistische Tests. Kapitel Grundbegriffe. Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe
Kapitel 4 Statistische Tests 4.1 Grundbegriffe Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe X 1,..., X n. Wir wollen nun die Beobachtung der X 1,...,
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
MehrSignifikanztest zum Testen einer Nullhypothese H 0
Signifikanztest zum Testen einer Nullhypothese H 0 Schema 1. Wie lauten die Nullhypothese und die Gegenhypothese? 2. Wie groß sind der Stichprobenumfang n und die Irrtumswahrscheinlichkeit? 3. Welche Zufallsgröße
MehrMacht 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
MehrStatistische 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
MehrWirtschaftsstatistik-Klausur am
Wirtschaftsstatistik-Klausur am 03.07.208 Aufgabe Statistik-Dozent K.R. lehrt an einer privaten FH in Köln, wohnt aber in Frankfurt am Main. Er hat - wegen möglicher saisonaler Schwankungen - zwei Semester
MehrSchließende Statistik: Hypothesentests (Forts.)
Mathematik II für Biologen 15. Mai 2015 Testablauf (Wdh.) Definition Äquivalente Definition Interpretation verschiedener e Fehler 2. Art und Macht des Tests Allgemein im Beispiel 1 Nullhypothese H 0 k
MehrFit 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
Mehr7. Übung: Aufgabe 1. b), c), e) Aufgabe 2. a), c), e) Aufgabe 3. c), e) Aufgabe 4. Aufgabe 5. Aufgabe 6. Aufgabe 7. Aufgabe 8. Aufgabe 9.
7. Übung: Aufgabe 1 b), c), e) Aufgabe a), c), e) Aufgabe 3 c), e) Aufgabe 4 b) Aufgabe 5 a) Aufgabe 6 b) Aufgabe 7 e) Aufgabe 8 c) Aufgabe 9 a), c), e) Aufgabe 10 b), d) Aufgabe 11 a) Aufgabe 1 b) Aufgabe
Mehr1.4 Der Binomialtest. Die Hypothesen: H 0 : p p 0 gegen. gegen H 1 : p p 0. gegen H 1 : p > p 0
1.4 Der Binomialtest Mit dem Binomialtest kann eine Hypothese bezüglich der Wahrscheinlichkeit für das Auftreten einer Kategorie einer dichotomen (es kommen nur zwei Ausprägungen vor, z.b. 0 und 1) Zufallsvariablen
MehrJe genauer und sicherer, desto größer muss der Stichprobenumfang sein
2.3 Intervallschätzung 2.3.5 Bestimmung des Stichprobenumfangs Eine große praktische Bedeutung haben Konfidenzintervalle auch für die Stichprobenplanung. Sie werden herangezogen, um den benötigten Stichprobenumfang
MehrBeispiel für Gütefunktionen Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = 0.10
6 Hypothesentests Gauß-Test für den Mittelwert bei bekannter Varianz 6.3 Beispiel für Gütefunktionen Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = 0.10 G(µ) 0 α 0. 0.4 0.6 0.8 1 n = 10 n =
MehrMathematik 2 Dr. Thomas Zehrt
Wirtschaftswissenschaftliches Zentrum 1 Universität Basel Mathematik Dr. Thomas Zehrt Testen Benötigtes Vorwissen: Der Stoff der Vorlesung,,Statistik wird als bekannt vorausgesetzt, insbesondere Kapitel
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
MehrExakter Binomialtest als Beispiel
Prinzipien des statistischen Testens Entscheidungsfindung Exakter Binomialtest als Beispiel Statistische Tests Nullhypothese Alternativhypothese Fehlentscheidungen Ausgangspunkt: Forschungshypothese Beispiele:.
MehrParameterfreie Tests. ²- Unabhängigkeitstest Test auf Unabhängigkeit von zwei Zufallsgrößen
Parameterfreie Tests ²- Unabhängigkeitstest Test auf Unabhängigkeit von zwei Zufallsgrößen ²- Anpassungstest Test auf Vorliegen einer bestimmten Verteilung Binomialtest Vergleich von unbekannten Anteilen
MehrKATA 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!
MehrWahrscheinlichkeitsrechnung und Statistik
10. Vorlesung - 017 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 heißt Median. P(X < z α ) α P(X z α ). Falls X stetige zufällige Variable
MehrStatistische Tests Übersicht
Statistische Tests Übersicht Diskrete Stetige 1. Einführung und Übersicht 2. Das Einstichprobenproblem 3. Vergleich zweier unabhängiger Gruppen (unverbundene Stichproben) 4. Vergleich zweier abhängiger
MehrEmpirische Wirtschaftsforschung
Empirische Wirtschaftsforschung Prof. Dr. Bernd Süßmuth Universität Leipzig Institut für Empirische Wirtschaftsforschung Volkswirtschaftslehre, insbesondere Ökonometrie 1 4. Basiskonzepte der induktiven
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/
MehrWahrscheinlichkeitsrechnung und Statistik. 11. Vorlesung /2019
Wahrscheinlichkeitsrechnung und Statistik 11. Vorlesung - 2018/2019 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 2 heißt Median. P(X < z
Mehr3.3 Konfidenzintervalle für Regressionskoeffizienten
3.3 Konfidenzintervalle für Regressionskoeffizienten Konfidenzintervall (Intervallschätzung): Angabe des Bereichs, in dem der "wahre" Regressionskoeffizient mit einer großen Wahrscheinlichkeit liegen wird
MehrBinomialverteilung Vertrauensbereich für den Anteil
Übungen mit dem Applet Binomialverteilung Vertrauensbereich für den Anteil Binomialverteilung Vertrauensbereich für den Anteil 1. Statistischer Hintergrund und Darstellung.... Wie entsteht der Vertrauensbereich?...
Mehr: p= 1 6 ; allgemein schreibt man hierfür H : p = p. wird Gegenhypothese genannt und mit H 1 bezeichnet.
Einseitiger Signifikanztest Allgemein heißt die Hypothese, dass eine vorgelegte unbekannte Wahrscheinlichkeitsverteilung mit einer angenommenen Verteilung übereinstimmt, Nullhypothese und wird mit H 0
MehrTesten 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
MehrHäufigkeiten. Verteilungen. Lageparameter Mittelwert. oder
Formelsammlung Beschreibende Statistik Univariate Häufigkeitsverteilungen X ist ein diskretes Merkmal, mit k Ausprägungen TR: Mode 2 1 = AC absolute relative Häufigkeit Häufigkeiten Bivariate Häufigkeitsverteilungen
Mehr7. 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:
MehrHypothesentests. Hypothese Behauptung eines Sachverhalts, dessen Überprüfung noch aussteht.
Hypothese Behauptung eines Sachverhalts, dessen Überprüfung noch aussteht. Wissenschaftliche Vorgehensweise beim Hypothesentest Forscher formuliert eine Alternativhypothese H 1 (die neue Erkenntnis, die
MehrDEMO für STOCHASTIK. Testen von Hypothesen. Datei Nr INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK.
STOCHASTIK Testen von Hypothesen Teil 1 rundlagen der Signifikanztests Hier: Berechnungen mit Binomialverteilung Datei Nr. 35010 Stand: 9. November 2013 FRIEDRICH W. BUCKEL INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK
MehrZweiseitiger 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
MehrHypothesen 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
MehrHypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests
ue biostatistik: hypothesen, fehler 1. und. art, power 1/8 h. lettner / physik Hypothesen: Fehler 1. und. Art, Power eines statistischen Tests Die äußerst wichtige Tabelle über die Zusammenhänge zwischen
Mehr9 Prinzipien der statistischen Hypothesenprüfung
9 Prinzipien der statistischen Hypothesenprüfung Prinzipien der statistischen Hypothesenprüfung Bei der Schätzung eines Populationsparamters soll dessen Wert aus Stichprobendaten erschlossen werden. Wenn
MehrEntscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten
Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 4.1 4. Statistische Entscheidungsverfahren Entscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten Beispiel:
MehrP-Test Motivation: Einsatz des Tests auf p im Krankenhausmanagement Theorie zum Test auf p
P-Test Motivation: Einsatz des Tests auf p im Krankenhausmanagement Theorie zum Test auf p Test A: Beispiel zur Erfolgsmessung von Therapien Test B: Beispiel zur Überwachung des Patientenanteils mit zu
Mehrb) Bestimmen Sie die Varianz der beiden Schätzer. c) Ist ein oder sind beide Schätzer konsistent? Begründen Sie!
Aufgabe 1 (3 + 3 + 2 Punkte) Ein Landwirt möchte das durchschnittliche Gewicht von einjährigen Ferkeln bestimmen lassen. Dies möchte er aus seinem diesjährigen Bestand an n Tieren schätzen. Er kann dies
MehrAufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97.
Aufgabenblock 4 Aufgabe ) Da s = 8. cm nur eine Schätzung für die Streuung der Population ist, müssen wir den geschätzten Standardfehler verwenden. Dieser berechnet sich als n s s 8. ˆ = = =.88. ( n )
MehrBiometrie und Methodik (Statistik) - WiSem08/09 Probeklausur 1
Biometrie und Methodik (Statistik) - WiSem08/09 Probeklausur 1 Aufgabe 1 (10 Punkte). 10 Schüler der zehnten Klasse unterziehen sich zur Vorbereitung auf die Abschlussprüfung einem Mathematiktrainingsprogramm.
Mehr2. 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,
MehrNachklausur zur Vorlesung
Institut für Mathematische Stochastik WS 003/004 Universität Karlsruhe 30. April 004 Priv.-Doz. Dr. D. Kadelka Nachklausur zur Vorlesung Statistik für Biologen Musterlösungen Aufgabe 1 Gemessen wurde bei
MehrHypothesentests für Erwartungswert und Median. Statistik (Biol./Pharm./HST) FS 2015
Hypothesentests für Erwartungswert und Median Statistik (Biol./Pharm./HST) FS 2015 Normalverteilung X N μ, σ 2 X ist normalverteilt mit Erwartungswert μ und Varianz σ 2 pdf: pdf cdf:??? cdf 1 Zentraler
MehrDie Abfüllmenge ist gleich dem Sollwert 3 [Deziliter].
Eine Methode, um anhand von Stichproben Informationen über die Grundgesamtheit u gewinnen, ist der Hypothesentest (Signifikantest). Hier wird erst eine Behauptung oder Vermutung (Hypothese) über die Parameter
MehrKonfidenzintervalle 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
MehrStatistische Tests zu ausgewählten Problemen
Einführung in die statistische Testtheorie Statistische Tests zu ausgewählten Problemen Teil 4: Nichtparametrische Tests Statistische Testtheorie IV Einführung Beschränkung auf nichtparametrische Testverfahren
MehrTutorial: Anpassungstest
Tutorial: Anpassungstest An einem Institut gibt es vier UniversitätslehrerInnen, die auch Diplomarbeiten betreuen. Natürlich erfordert die Betreuung einer Diplomarbeit einiges an Arbeit und Zeit und vom
MehrZusammenfassung PVK Statistik
Zusammenfassung PVK Statistik (Diese Zusammenfassung wurde von Carlos Mora erstellt. Die Richtigkeit der Formeln ist ohne Gewähr.) Verteilungen von diskreten Zufallsvariablen Beschreibung Binomialverteilung
MehrBemerkungen bzgl statistichen Tests. (basierend auf Slides von Lukas Meier)
Bemerkungen bzgl statistichen Tests (basierend auf Slides von Lukas Meier) Einseitige vs. zweiseitige Tests Die Entscheidung für eine einseitige oder zweiseitige Alternative HH AA hängt von der Fragestellung
MehrKonkretes Durchführen einer Inferenzstatistik
Konkretes Durchführen einer Inferenzstatistik Die Frage ist, welche inferenzstatistischen Schlüsse bei einer kontinuierlichen Variablen - Beispiel: Reaktionszeit gemessen in ms - von der Stichprobe auf
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
MehrMacht 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
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
MehrStatistik II. Version A. 1. Klausur Sommersemester 2011 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik II Version A 1. Klausur Sommersemester 2011 Hamburg, 27.07.2011 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................
Mehr9. Schätzen und Testen bei unbekannter Varianz
9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,
MehrKlausur zu Statistik II
GOETHE-UNIVERSITÄT FRANKFURT FB Wirtschaftswissenschaften Statistik und Methoden der Ökonometrie Prof. Dr. Uwe Hassler Wintersemester 03/04 Klausur zu Statistik II Matrikelnummer: Hinweise Hilfsmittel
Mehr