Was macht gute Versuche aus? ... aus der Sicht eines Biometrikers

Größe: px
Ab Seite anzeigen:

Download "Was macht gute Versuche aus? ... aus der Sicht eines Biometrikers"

Transkript

1 Was macht gute Versuche aus?... aus der Sicht eines Biometrikers DLG-Technikertagung Soest, 28. Januar 2015 Andreas Büchse BASF SE, Ludwigshafen

2 Vorbemerkung Einige Kriterien für Qualität von Experimenten aus biometrischer Sicht Lediglich meine persönliche Meinung! Keine Definition für Grenze zwischen guten und schlechten Versuchen Beachte Kontext und Rahmenbedingungen Aussage GD < 10% gut ist nicht sinnvoll 2

3 Klare Versuchsfrage (Feld-)Versuche als Methode der empirischen Forschung Prüfbare Hypothese Gut Sorte A ist im Ertrag Sorte B mindestens 2% überlegen, Behandlung gegen Rapsglanzkäfer bringt an diesem Standort im Mittel der Jahre keinen Ertragsvorteil Sorgfältig durchgeführter Versuch, der keinen Erkenntnisgewinn liefert, weil unklare Fragestellung Kein guter Versuch Im Roman Per Anhalter durch die Galaxis ist 42 die Antwort auf die unklar gestellte Frage nach dem Leben, dem Universum und dem ganzen Rest die der Super-Computer Deep Thought nach einer Rechenzeit von 7,5 Millionen Jahren berechnet hat. Letztlich können die Protagonisten mit der Antwort nichts anfangen, weil niemand weiß, wie die eigentliche Frage lautete. 3

4 Effektivität (betrachte nur Output) Großer (bzw. zumindest ausreichender) Informationsgewinn Gut Versuch soll Versuchsfrage beantworten Präzision des Versuchs Power Geringe Streuung zwischen Wiederholungen Gut Kleiner Standardfehler für Parameterschätzung, kleine Grenzdifferenz Gut Fehler 2. Art β -> 1- β = Power Üblich: 80%, d.h. interessanter Effekt von Größe soll in 4 von 5 Versuchen zu finden sein, wenn er denn existiert. Gut Effektivität steigern durch erhöhten Aufwand an Fläche und Kapital (z.b. Anzahl Wiederholungen) Gut, wenn notwendig, sonst Ressourcenverschwendung Abschätzung erwarteter Effektivität durch Statistische Versuchsplanung 4

5 Versuchsplanung Optimaler Stichprobenumfang für Fehler 1.Art, Fehler 2. Art, Effektstärke 2 s n = 2 t ß tab tab ( ) ( ) 2 2n 2; α + t 2n 2; n notwendige Anzahl Wiederholungen Mittelwertdifferenz oder interessierender Effekt s Standardabweichung des Versuchsfehlers t t-tabellenwert (abhängig von Freiheitsgraden, α und β) α Risiko für Typ-I-Fehler (Null-Hypothese verworfen obwohl richtig) β Risiko für Typ-II-Fehler (Null-Hypothese beibehalten obwohl falsch), 1-ß = Power Im Versuch erkannte und statistisch abgesicherte relative Differenz (Δ* = Diff / s) für verschiedene Wiederholungszahl (nominal α=0.05 und β=0.20 für Typ-I und Typ-II Fehler). n Δ* Mit 4 Wiederholungen nur Effekte im Bereich ~2 StdAbw sicher zu finden 16 n 2 5

6 Effektstärke, Standardabweichung, Standardfehler Gut! Mittelwerte 80 und 120 StdAbw. Einzelwerte = 20 Anzahl Wdh. = 4 Standardfehler = 20/Wurzel(4) = 10 ( = 2 s) Schlecht! Mittelwerte 80 und 120 StdAbw. Einzelwerte = 40 Anzahl Wdh. = 4 Standardfehler = 40/Wurzel(4) = 20 ( = 1 s) Hohe absolute, geringe relative Präzision, guter Versuch? Mittelwerte 99 und 101 StdAbw. Einzelwerte = 10 Anzahl Wdh. = 4 Standardfehler = 10/Wurzel(4) = 5 ( = 0.2 s) 6

7 Effizienz (Verhältnis Output/Input) Design Großer Quotient zwischen gewonnener Information und Aufwand (Fläche, Personal, Kapital). Kleine Grenzdifferenz mit wenig Wiederholungen Gut Störgrößen (Boden, Zeit, Unterschiede zwischen Bedienpersonal) sollten nach Möglichkeit ausgeschlossen und kontrolliert werden BLOCKBILDUNG Gut Block 3 Block 2 Block 1 A C D B E B C A E D E D B C A Großspalte I Großspalte II Großspalte III Großspalte IV a b c d e f a b c d e f a b c d e f a b c d e f Zeile D Zeile C Zeile B Zeile A Silomais Winterweizen 2 Winterraps Winterweizen Winterweizen 2 Winterraps Winterweizen 1 Silomais Winterweizen 1 Silomais Winterweizen 2 Winterraps Winterraps Winterweizen 1 Silomais Winterweizen Spalte

8 Teilstückgröße: Parzellen nicht zu klein und nicht zu groß Balance zwischen verschiedenen Störgrößen (Einzelpflanzenvariabilität vs. Bodenunterschiede) Gut 8

9 Repräsentativität, Richtigkeit, Unverzerrtheit Wiederholbarkeit, Präzision Gut Präzise und richtig Unpräzise aber unverzerrt Schlecht Präzise aber verzerrt Unpräzise und verzerrt 9

10 Repräsentativität, Richtigkeit, Unverzerrtheit Wiederholbarkeit, Präzision Parzellenversuche vs. On-Farm-Trials Versuche in kleinen Parzellen (10-20 m²) gegenüber landwirtschaftlicher Praxis verzerrt! - Nachbarwirkungen, Randeffekte - untypische Technik, untypische Anbaubedingungen Aber dafür hohe Präzision! Das ist in der Summe meist besser.... und solange alle getesteten Varianten gleichgerichtet verzerrt werden ist das völlig problemlos Präzise aber verzerrt Parzellenversuch!? On-Farm Trials 10

11 Dokumentation und Ergebnisdarstellung Versuchsbedingungen, Versuchsdurchführung und Datenanalyse beschreiben. So dass das Ergebnis später eingeordnet werden kann. So dass andere das Ergebnis reproduzieren bzw. prüfen können. Guter Versuch weist statistische Maßzahlen wie Standardfehler oder Grenzdifferenzen aus erlaubt damit Dritten, Qualität und Relevanz zu beurteilen. Rohdaten und verrechneten Daten in geeigneter Weise sichern und archivieren um für zukünftige Forschungen nutzbar zu sein. 11

12 Was macht gute Versuche aus? Daten gesichert, Versuchsablauf beschrieben Klare Fragestellung Versuchsfrage beantwortet Gute Versuche Hohe Präzision Gutes Design Störgrößen kontrolliert Optimaler Ressourcen -einsatz unverzerrt und repräsentativ 12

13 BACKUP 13

14 ceteris paribus Prinzip Möchte Versuchsvarianten möglichst unverzerrt vergleichen können. Störgrößen minimieren. Blockbildung Alles was nicht Versuchsfaktor ist, gleich halten. Vergleich erfolgt unter vergleichbaren (nicht unbedingt konstanten) Umweltbedingungen Für den Vergleich der Leistungsfähigkeit von Systemen unter variablen Umweltbedingungen wird eine Versuchsserie durchgeführt. Quelle: LWK Niedersachsen Wenn Heterogenität selbst Versuchsfaktor (z.b. Precision Farming) dann für Versuchsvarianten ähnliche Heterogenität notwendig Erweiterung des ceteris-paribus-prinzip 14

Aufgaben zu Kapitel 3

Aufgaben zu Kapitel 3 Aufgaben zu Kapitel 3 Aufgabe 1 a) Berechnen Sie einen t-test für unabhängige Stichproben für den Vergleich der beiden Verarbeitungsgruppen strukturell und emotional für die abhängige Variable neutrale

Mehr

Wie liest man Konfidenzintervalle? Teil I. Premiu m

Wie liest man Konfidenzintervalle? Teil I. Premiu m Wie liest man Konfidenzintervalle? Teil I Premiu m Was sind Konfidenzintervalle? Ein Konfidenzintervall (KI) ist ein Maß für die Unsicherheit bezüglich einer Schätzung eines Effekts. Es ist ein Intervall

Mehr

Analyse der pflanzenbaulichen Wirkung des Yara N Sensors unter Praxisbedingungen ein Anwendungsbeispiel

Analyse der pflanzenbaulichen Wirkung des Yara N Sensors unter Praxisbedingungen ein Anwendungsbeispiel Analyse der pflanzenbaulichen Wirkung des Yara N Sensors unter Praxisbedingungen ein Anwendungsbeispiel H. G. Schön Fachhochschule Osnabrück Fakultät Agrarwissenschaften und Landschaftsarchitektur Versuchsfragen:

Mehr

Methodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Methodenlehre. 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

Mehr

11. Sitzung Auswertungsstrategien; Darstellung von Forschungsergebnissen

11. 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

Mehr

Statistische Tests für unbekannte Parameter

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

Mehr

Statistische Tests für unbekannte Parameter

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

Mehr

Permutationstests II.

Permutationstests II. Resampling Methoden Dortmund, 2005 (Jenő Reiczigel) 1 Permutationstests II. 1. Zwei-Stichprobentest auf Variabilität 2. Mehrere Stichproben: Vergleich von Mittelwerten 3. Kurzer Exkurs: Präzision von Monte

Mehr

Einführung in Quantitative Methoden

Einführung in Quantitative Methoden Einführung in Quantitative Methoden Pantelis Christodoulides & Karin Waldherr 4. Juni 2014 Christodoulides / Waldherr Einführung in Quantitative Methoden 1/35 Ein- und Zweiseitige Hypothesen H 0 : p =

Mehr

Prof. Dr. Marc Gürtler WS 2015/2016. Prof. Dr. Marc Gürtler. Klausur zur 10/12 SWS-Vertiefung Empirische Finanzwirtschaft Finanzwirtschaft

Prof. Dr. Marc Gürtler WS 2015/2016. Prof. Dr. Marc Gürtler. Klausur zur 10/12 SWS-Vertiefung Empirische Finanzwirtschaft Finanzwirtschaft Prof. Dr. Marc Gürtler WS 015/016 Prof. Dr. Marc Gürtler Klausur zur 10/1 SWS-Vertiefung Empirische Finanzwirtschaft Finanzwirtschaft Lösungsskizze Prof. Dr. Marc Gürtler WS 015/016 Aufgabe 1: (11+5+1+8=56

Mehr

Statistisches Testen

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

Mehr

Methodenlehre. Vorlesung 11. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Methodenlehre. 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

Mehr

Statistik K urs SS 2004

Statistik 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

Mehr

Übung zur Empirischen Wirtschaftsforschung V. Das Lineare Regressionsmodell

Übung zur Empirischen Wirtschaftsforschung V. Das Lineare Regressionsmodell Universität Ulm 89069 Ulm Germany Dipl.-WiWi Christian Peukert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2010

Mehr

Biometrische und Ökonometrische Methoden II Lösungen 2

Biometrische 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

Mehr

Prüfung aus Statistik 2 für SoziologInnen

Prüfung 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.

Mehr

GRUNDPRINZIPIEN statistischen Testens

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

Mehr

Die Operationscharakteristik von Regelkarten SPC als Hypothesentest Autor: Beat Giger

Die Operationscharakteristik von Regelkarten SPC als Hypothesentest Autor: Beat Giger QUALITY APPs Applikationen für das Qualitätsmanagement Probieren und Studieren Die Operationscharakteristik von Regelkarten SPC als Hypothesentest Autor: Beat Giger Die Regelkartentechnik (Statistical

Mehr

Wie wissenschaftlich sollte Wirkungsevaluation sein?

Wie wissenschaftlich sollte Wirkungsevaluation sein? Wie wissenschaftlich sollte Wirkungsevaluation sein? Evaluation Forschung Zufall oder Effekt? Effektstärke Wirkfaktoren - Zusammenhänge Evaluation und Forschung - Unterschiede Wirkungsforschung Erkenntnisinteresse

Mehr

Prof. Dr. Rainer Koch Juli 1997, Februar 2008

Prof. Dr. Rainer Koch Juli 1997, Februar 2008 Prof. Dr. Rainer Koch Juli 1997, Februar 2008 Hinweise zur biometrischen Planung der notwendigen Anzahl Patienten in klinischen Studien oder Anzahl Versuchstiere im Fall a) des Vergleichs von prozentualen

Mehr

Kapitel 5: Einfaktorielle Varianzanalyse

Kapitel 5: Einfaktorielle Varianzanalyse Kapitel 5: Einfaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung 1 Teststärkebestimmung a posteriori Berechnen der Effektgröße f aus empirischen Daten und Bestimmung

Mehr

Mathematische und statistische Methoden I

Mathematische und statistische Methoden I Prof. Dr. G. Meinhardt Mathematische und statistische Methoden I Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-06 Dr. Malte Persike persike@uni-mainz.de

Mehr

D-CHAB Frühlingssemester 2017 T =

D-CHAB Frühlingssemester 2017 T = D-CHAB Frühlingssemester 17 Grundlagen der Mathematik II Dr Marcel Dettling Lösung 13 1) Die relevanten Parameter sind n = 3, x = 1867, σ x = und µ = 18 (a) Die Teststatistik T = X µ Σ x / n ist nach Annahme

Mehr

Biometrie im neuen Antragsverfahren

Biometrie im neuen Antragsverfahren 8. Fortbildungsveranstaltung der GV-SOLAS für Tierschutzbeauftragte und Behördenvertreter Warum biometrische Planung? Einfachste Antwort: Weil es im Genehmigungsantrag so vorgesehen ist. 2 Warum biometrische

Mehr

Hypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests

Hypothesen: 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

Mehr

Die Stochastischen Eigenschaften von OLS

Die Stochastischen Eigenschaften von OLS Die Stochastischen Eigenschaften von OLS Das Bivariate Modell Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Wiederholung

Mehr

Eigene MC-Aufgaben 2.4 Forschungsplanung und Forschungsdesign (X aus 5) 1. Welche Aussage trifft auf die Methodenlehre der ESF zu?

Eigene MC-Aufgaben 2.4 Forschungsplanung und Forschungsdesign (X aus 5) 1. Welche Aussage trifft auf die Methodenlehre der ESF zu? Eigene MC-Aufgaben 2.4 Forschungsplanung und Forschungsdesign (X aus 5) 1. Welche Aussage trifft auf die Methodenlehre der ESF zu? Problemadäquate Erhebungsinstrumente müssen entwickelt und getestet werden.

Mehr

ANalysis Of VAriance (ANOVA) 2/2

ANalysis Of VAriance (ANOVA) 2/2 ANalysis Of VAriance (ANOVA) 2/2 Markus Kalisch 22.10.2014 1 Wdh: ANOVA - Idee ANOVA 1: Zwei Medikamente zur Blutdrucksenkung und Placebo (Faktor X). Gibt es einen sign. Unterschied in der Wirkung (kontinuierlich

Mehr

Vergleich zweier Erwartungwerte. Wir vereinfachen die Aufgabe zuerst auf einen Einflussfaktor A mit k=2 Stufen: Wir prüfen:

Vergleich zweier Erwartungwerte. Wir vereinfachen die Aufgabe zuerst auf einen Einflussfaktor A mit k=2 Stufen: Wir prüfen: Vl. 25.7.2012 I. Analyse von Effekten: Ermittlung von Unterschieden Ziel: Wir wollen folgende Fragestellungen untersuchen: Auf eine Zielgröße Y wirken mehrere, z.b. 2 Einflussfaktoren ein, hier A und B.

Mehr

Kapitel 5: Einfaktorielle Varianzanalyse

Kapitel 5: Einfaktorielle Varianzanalyse Rasch, Friese, Hofmann & Naumann (010). Quantitative Methoden. Band (3. Auflage). Heidelberg: Springer. Kapitel 5: Einfaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung

Mehr

Übungen mit dem Applet. by Michael Gärtner

Übungen mit dem Applet. by Michael Gärtner Übungen mit dem Applet by Michael Gärtner Betreuer: Prof. Dr. Wilhelm Kleppmann Abgabe: 20. October 2006 Inhaltsverzeichnis 1 Prinzip der kleinsten Quadrate 4 2 Quadrierte Abweichungen und Bestimmtheitsmaÿ

Mehr

Einfluss der Einzelpflanzenverteilung bei Drillsaat (und Einzelkornsaat) auf die optimale Teilstückgröße und Teilstückform in Parzellenversuchen

Einfluss der Einzelpflanzenverteilung bei Drillsaat (und Einzelkornsaat) auf die optimale Teilstückgröße und Teilstückform in Parzellenversuchen Einfluss der Einzelpflanzenverteilung bei Drillsaat (und Einzelkornsaat) auf die optimale Teilstückgröße und Teilstückform in Parzellenversuchen Andreas Büchse (BASF SE Ludwigshafen) andreas.buechse@basf.com

Mehr

Biometrieübung 7 t-test (gepaarte Daten) & Wilcoxon-Test

Biometrieübung 7 t-test (gepaarte Daten) & Wilcoxon-Test Biometrieübung 7 (t-test gepaarte Daten & Wilcoxon-Test) - Aufgabe Biometrieübung 7 t-test (gepaarte Daten) & Wilcoxon-Test Aufgabe 1 Hirschläufe An 10 Hirschen wurde die Länge der rechten Vorder- und

Mehr

Aufgaben zu Kapitel 9

Aufgaben zu Kapitel 9 Aufgaben zu Kapitel 9 Aufgabe 1 Für diese Aufgabe benötigen Sie den Datensatz Nominaldaten.sav. a) Sie arbeiten für eine Marktforschungsfirma und sollen überprüfen, ob die in diesem Datensatz untersuchte

Mehr

Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS

Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS Verena Hofmann Dr. phil. des. Departement für Sonderpädagogik Universität Freiburg Petrus-Kanisius-Gasse 21

Mehr

Mehrfaktorielle Varianzanalyse

Mehrfaktorielle 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

Mehr

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

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

Mehr

Untersuchungen zur Einhaltung des statistischen Risikos 1. Art in Alpha-Gittern eine Simulationsstudie

Untersuchungen zur Einhaltung des statistischen Risikos 1. Art in Alpha-Gittern eine Simulationsstudie Untersuchungen zur Einhaltung des statistischen Risikos 1. Art in Alpha-Gittern eine Simulationsstudie Joachm Spilke 1) ; Xiyuan Hu 1) ; Hans-Peter Piepho 2) ; Uwe Meyer 3) 1) Martin-Luther-Universität

Mehr

Kapitel 8. Einfache Regression. Anpassen des linearen Regressionsmodells, OLS. Eigenschaften der Schätzer für das Modell

Kapitel 8. Einfache Regression. Anpassen des linearen Regressionsmodells, OLS. Eigenschaften der Schätzer für das Modell Kapitel 8 Einfache Regression Josef Leydold c 2006 Mathematische Methoden VIII Einfache Regression 1 / 21 Lernziele Lineares Regressionsmodell Anpassen des linearen Regressionsmodells, OLS Eigenschaften

Mehr

Macht des statistischen Tests (power)

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

Mehr

Inhaltsverzeichnis. Vorwort

Inhaltsverzeichnis. Vorwort V Vorwort XI 1 Zum Gebrauch dieses Buches 1 1.1 Einführung 1 1.2 Der Text in den Kapiteln 1 1.3 Was Sie bei auftretenden Problemen tun sollten 2 1.4 Wichtig zu wissen 3 1.5 Zahlenbeispiele im Text 3 1.6

Mehr

Multiples Testen. Wolfgang Mader. 12. Juli Multiples Testen. Wolfgang Mader. Probleme des multiplen Testens. Bonferroni Methode

Multiples Testen. Wolfgang Mader. 12. Juli Multiples Testen. Wolfgang Mader. Probleme des multiplen Testens. Bonferroni Methode 12. Juli 2007 Gliederung 1 2 3 4 Problemstellung eine Fragestellung einfaches Datenmaterial mehrere unabhängige Tests zum Niveau α versuchsbezogene Irrtumswahrscheinlichkeit: α v > α Fehler erster Art

Mehr

Sommersemester Marktforschung

Sommersemester 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:

Mehr

Einführung in Quantitative Methoden

Einführung in Quantitative Methoden Einführung in Quantitative Methoden Karin Waldherr & Pantelis Christodoulides 11. Juni 2014 Waldherr / Christodoulides Einführung in Quantitative Methoden 1/46 Anpassungstests allgemein Gegeben: Häufigkeitsverteilung

Mehr

Entwicklung des Auswertungsmodells

Entwicklung des Auswertungsmodells Workshop On-Farm-Experimente 23./24.11.2011 Kassel Entwicklung des Auswertungsmodells Joachim Spilke Martin-Luther-Universität Halle-Wittenberg, Institut für Agrar- und Ernährungswissenschaften Arbeitsgruppe

Mehr

Kapitel 5: Einfaktorielle Varianzanalyse

Kapitel 5: Einfaktorielle Varianzanalyse Rasch, Friese, Hofmann & Naumann (006). Quantitative Methoden. Band (. Auflage). Heidelberg: Springer. Kapitel 5: Einfaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung

Mehr

4.1. Nullhypothese, Gegenhypothese und Entscheidung

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

Mehr

Einführung in Planung und Auswertung klinischer Prüfungen: Biometrische Grundlagen

Einführung in Planung und Auswertung klinischer Prüfungen: Biometrische Grundlagen Einführung in Planung und Auswertung klinischer Prüfungen: Biometrische Grundlagen PD Dr. Thomas Sudhop PD Dr. Thomas Sudhop Ringvorlesung - Biometrie 25.10.2016 Seite 1 Klinische Prüfung Biomedizinisches

Mehr

3 Grundlagen statistischer Tests (Kap. 8 IS)

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

Mehr

Methodenlehre. Vorlesung 13. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Methodenlehre. Vorlesung 13. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg Methodenlehre Vorlesung 13 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 19.05.15 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie

Mehr

Statistische Messdatenauswertung

Statistische Messdatenauswertung Roland Looser Statistische Messdatenauswertung Praktische Einführung in die Auswertung von Messdaten mit Excel und spezifischer Statistik-Software für naturwissenschaftlich und technisch orientierte Anwender

Mehr

Marcel Dettling. GdM 2: LinAlg & Statistik FS 2017 Woche 12. Winterthur, 17. Mai Institut für Datenanalyse und Prozessdesign

Marcel Dettling. GdM 2: LinAlg & Statistik FS 2017 Woche 12. Winterthur, 17. Mai Institut für Datenanalyse und Prozessdesign Marcel Dettling Institut für Datenanalyse und Prozessdesign Zürcher Hochschule für Angewandte Wissenschaften marcel.dettling@zhaw.ch http://stat.ethz.ch/~dettling Winterthur, 17. Mai 2017 1 Verteilung

Mehr

Wahrscheinlichkeit 1-α: richtige Entscheidung - wahrer Sachverhalt stimmt mit Testergebnis überein. Wahrscheinlichkeit α: falsche Entscheidung -

Wahrscheinlichkeit 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

Mehr

Aufgaben zu Kapitel 9

Aufgaben zu Kapitel 9 Aufgaben zu Kapitel 9 Aufgabe 1 Für diese Aufgabe benötigen Sie den Datensatz Nominaldaten.sav. a) Sie arbeiten für eine Marktforschungsfirma und sollen überprüfen, ob die in diesem Datensatz untersuchte

Mehr

Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1

Biomathematik 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,

Mehr

Probleme bei kleinen Stichprobenumfängen und t-verteilung

Probleme bei kleinen Stichprobenumfängen und t-verteilung Probleme bei kleinen Stichprobenumfängen und t-verteilung Fassen wir zusammen: Wir sind bisher von der Frage ausgegangen, mit welcher Wahrscheinlichkeit der Mittelwert einer empirischen Stichprobe vom

Mehr

Statistik-Klausur I E SS 2010

Statistik-Klausur I E SS 2010 Statistik-Klausur I E SS 2010 Name: Vorname: Immatrikulationsnummer: Studiengang: Hiermit erkläre ich meine Prüfungsfähigkeit vor Beginn der Prüfung. Unterschrift: Dauer der Klausur: Erlaubte Hilfsmittel:

Mehr

Genauigkeit von Nächst- Nachbarmodellen in pflanzenzüchterischen Versuchen

Genauigkeit von Nächst- Nachbarmodellen in pflanzenzüchterischen Versuchen Genauigkeit von Nächst- Nachbarmodellen in pflanzenzüchterischen Versuchen Bettina Müller, Hans-Peter Piepho Institut für Pflanzenbau & Grünland Fachgebiet Bioinformatik 1 Gliederung 1. Genauigkeit der

Mehr

Computerübung 5. Empirische Wirtschaftsforschung. Willi Mutschler. Ökonometrie und Wirtschaftsstatistik Uni Münster. 26.

Computerübung 5. Empirische Wirtschaftsforschung. Willi Mutschler. Ökonometrie und Wirtschaftsstatistik Uni Münster. 26. Computerübung 5 Empirische Wirtschaftsforschung Willi Mutschler Ökonometrie und Wirtschaftsstatistik Uni Münster 26. November 2010 Willi Mutschler (Uni Münster) Computerübung 5 26. November 2010 1 / 11

Mehr

Einführung in die Statistik zur Tierversuchsplanung

Einführung in die Statistik zur Tierversuchsplanung Einführung in die Statistik zur Tierversuchsplanung und -auswertung Prof. Peter Pilz Fachbereich Biologie So viele Tiere wie nötig, so wenig Tiere wie möglich Statistik Schließende Statistik Statistische

Mehr

Lineare Regression 1 Seminar für Statistik

Lineare Regression 1 Seminar für Statistik Lineare Regression 1 Seminar für Statistik Markus Kalisch 17.09.2014 1 Statistik 2: Ziele Konzepte von einer breiten Auswahl von Methoden verstehen Umsetzung mit R: Daten einlesen, Daten analysieren, Grafiken

Mehr

Statistik Prüfung 24. Jänner 2008

Statistik Prüfung 24. Jänner 2008 Statistik Prüfung 24. Jänner 2008 February 10, 2008 Es ist immer nur EINE Antwort richtig, bei falsch beantworteten Fragen gibt es KEINEN Punktabzug. Werden mehrere Antworten bei einer Frage angekreuzt,

Mehr

= 2 ( 3250,3 ( 3251,5)) = 1,1662 F(2,800) = 2,4 χ2

= 2 ( 3250,3 ( 3251,5)) = 1,1662 F(2,800) = 2,4 χ2 Pobeklausur: Einführung in die Ökonometrie (Lösung) Gesamtpunktzahl: 96 1. (20 Punkte) a) Anmerkung: statt im Durchschnitt kann auch der/die/das erwartete... stehen. educ : Wenn die Bildung um 1 Jahr steigt,

Mehr

ANLAGEMETHODEN FÜR ON-FARM EXPERIMENTE

ANLAGEMETHODEN FÜR ON-FARM EXPERIMENTE ANLAGEMETHODEN FÜR ON-FARM EXPERIMENTE Christel Richter Department Nutzpflanzen- und Tierwissenschaften Fachgebiet Biometrie und Versuchswesen Humboldt-Universität zu Berlin . Überblick über geeignete

Mehr

Inferenzstatistik Vortrag: Alpha und Beta Fehler

Inferenzstatistik Vortrag: Alpha und Beta Fehler Inferenzstatistik Vortrag: Alpha und Beta Fehler Dresden, 18.11.08 01 Fehlerquelle Hypothesen Unbekannte Wirklichkeit H0 ist richtig H0 ist falsch Schlussfolgerung aus dem Test unserer Stichprobe Ho annehmen

Mehr

Empirische Wirtschaftsforschung

Empirische Wirtschaftsforschung Empirische Wirtschaftsforschung Prof. Dr. Bernd Süßmuth Universität Leipzig Institut für Empirische Wirtschaftsforschung Volkswirtschaftslehre, insbesondere Ökonometrie 6.. Herleitung des OLS-Schätzers

Mehr

Statistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn

Statistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2014 Mehrdimensionale Datensätze: Multivariate Statistik Multivariate Statistik Mehrdimensionale Datensätze:

Mehr

5. Seminar Statistik

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

Mehr

Aufgaben zu Kapitel 5:

Aufgaben zu Kapitel 5: Aufgaben zu Kapitel 5: Aufgabe 1: Ein Wissenschaftler untersucht, in wie weit die Reaktionszeit auf bestimmte Stimuli durch finanzielle Belohnung zu steigern ist. Er möchte vier Bedingungen vergleichen:

Mehr

Statistische Methoden in den Umweltwissenschaften

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

Mehr

Kapitel 9: Verfahren für Nominaldaten

Kapitel 9: Verfahren für Nominaldaten Kapitel 9: Verfahren für Nominaldaten Eindimensionaler Chi²-Test 1 Zweidimensionaler und Vierfelder Chi²-Test 5 Literatur 6 Eindimensionaler Chi²-Test Berechnen der Effektgröße w² Die empirische Effektgröße

Mehr

Macht des statistischen Tests (power)

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

Mehr

Stichwortverzeichnis. E Extrapolation, außerhalb des Datenbereichs 230

Stichwortverzeichnis. E Extrapolation, außerhalb des Datenbereichs 230 335 Stichwortverzeichnis A Abweichung 12 mittlere 13 Additivität 141 Anova siehe Varianzanalyse Anpassungsgüte 252, 279 χ 2 -Test zur 270 279 mehr als zwei Klassen 272 274 Anpassungstest (χ 2 ) 270 278

Mehr

LAKO - Landwirtschaftliche Koordinationsstelle; Versuchsberichte

LAKO - Landwirtschaftliche Koordinationsstelle; Versuchsberichte Seite 1 Düngungsversuch Winterweizen mit verschiedenen Strategien zur N-Versorgung unter besonderer Berücksichtigung der Dünger mit stabilisiertem Stickstoff am Standort der LFS Pyhra 2017-2018 Inhaltsverzeichnis

Mehr

Kapitel III: Einführung in die schließende Statistik

Kapitel III: Einführung in die schließende Statistik Kapitel III: Einführung in die schließende Statistik Das zweite Kapitel beschäftigte sich mit den Methoden der beschreibenden Statistik. Im Mittelpunkt der kommenden Kapitel stehen Verfahren der schließenden

Mehr

das Kleingedruckte...

das Kleingedruckte... Gepaarte t-tests das Kleingedruckte... Datenverteilung ~ Normalverteilung QQ-plot statistischer Test (Shapiro-Wilk, Kolmogorov-Smirnov) wenn nicht : nicht-parametrische Tests gleiche Varianz (2-Proben

Mehr

Das arithmetische Mittel. x i = = 8. x = 1 4. und. y i = = 8

Das arithmetische Mittel. x i = = 8. x = 1 4. und. y i = = 8 .2 Einige statistische Maßzahlen.2. Die Schusser in zwei Familien Die vier Kinder der Familie Huber haben x = 5, x 2 = 7, x 3 = 9, x 4 = Schusser. Die vier Kinder der Familie Maier haben y = 7, y 2 = 7,

Mehr

Vorlesung 3: Schätzverfahren

Vorlesung 3: Schätzverfahren Vorlesung 3: Schätzverfahren 1. Beispiel: General Social Survey 1978 2. Auswahl einer Zufallsstichprobe und Illustration des Stichprobenfehlers 3. Stichprobenverteilung eines Regressionskoeffizienten 4.

Mehr

Statistik für Naturwissenschaftler

Statistik für Naturwissenschaftler Hans Walser Statistik für Naturwissenschaftler 9 t-verteilung Lernumgebung Hans Walser: 9 t-verteilung ii Inhalt 1 99%-Vertrauensintervall... 1 2 95%-Vertrauensintervall... 1 3 Akkus... 2 4 Wer ist der

Mehr

Vergleich zweier Stichproben

Vergleich zweier Stichproben zurück zum Inhaltsverzeichnis Die Werte sind verbunden, abhängig oder korreliert. Beispiel: Eine Probe wird mit zwei Messgeräten bestimmt. Es gibt eine paarweise Zuordnung. Die Werte sind unabhängig also

Mehr

4.1. Verteilungsannahmen des Fehlers. 4. Statistik im multiplen Regressionsmodell Verteilungsannahmen des Fehlers

4.1. Verteilungsannahmen des Fehlers. 4. Statistik im multiplen Regressionsmodell Verteilungsannahmen des Fehlers 4. Statistik im multiplen Regressionsmodell In diesem Kapitel wird im Abschnitt 4.1 zusätzlich zu den schon bekannten Standardannahmen noch die Annahme von normalverteilten Residuen hinzugefügt. Auf Basis

Mehr

Wahrscheinlichkeitsverteilungen

Wahrscheinlichkeitsverteilungen Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet

Mehr

Statistik II für Betriebswirte Vorlesung 1

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

Mehr

Methodenlehre. Vorlesung 5. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Methodenlehre. Vorlesung 5. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg Methodenlehre Vorlesung 5 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ 20.2.13 Einführung, Verteilung der Termine 1 25.9.13 Psychologie

Mehr

Biomathematik für Mediziner, Klausur SS 2001 Seite 1

Biomathematik für Mediziner, Klausur SS 2001 Seite 1 Biomathematik für Mediziner, Klausur SS 2001 Seite 1 Aufgabe 1: Von den Patienten einer Klinik geben 70% an, Masern gehabt zu haben, und 60% erinnerten sich an eine Windpockeninfektion. An mindestens einer

Mehr

Informationen zur KLAUSUR am

Informationen zur KLAUSUR am Wiederholung und Fragen 1 Informationen zur KLAUSUR am 24.07.2009 Raum: 032, Zeit : 8:00 9:30 Uhr Bitte Lichtbildausweis mitbringen! (wird vor der Klausur kontrolliert) Erlaubte Hilfsmittel: Alle Unterlagen,

Mehr

Kapitel 4: Merkmalszusammenhänge

Kapitel 4: Merkmalszusammenhänge Kapitel 4: Merkmalszusammenhänge Korrelationen 1 Lineare Regression 3 Literatur 5 Korrelationen Mit Hilfe von G*Power lässt sich analog zum Vorgehen beim t-test (Kapitel 3, Band I) vor einer Untersuchung

Mehr

Einfluss des Keimabbruchs vorgekeimter Kartoffelknollen auf Ertrag und Qualität von Kartoffeln

Einfluss des Keimabbruchs vorgekeimter Kartoffelknollen auf Ertrag und Qualität von Kartoffeln Einfluss des Keimabbruchs vorgekeimter Kartoffelknollen auf Ertrag und Qualität von Kartoffeln Einleitung Eine Vorkeimung des Kartoffelpflanzguts ist nachweislich eine gute Maßnahme zur Ertragssicherung

Mehr

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

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

Mehr

Messwiederholungen und abhängige Messungen

Messwiederholungen 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

Mehr

Jost Reinecke. 7. Juni 2005

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

Mehr

Biometrieübung 10 Lineare Regression. 2. Abhängigkeit der Körpergröße von der Schuhgröße bei Männern

Biometrieübung 10 Lineare Regression. 2. Abhängigkeit der Körpergröße von der Schuhgröße bei Männern Biometrieübung 10 (lineare Regression) - Aufgabe Biometrieübung 10 Lineare Regression Aufgabe 1. Düngungsversuch In einem Düngeversuch mit k=9 Düngungsstufen x i erhielt man Erträge y i. Im (X, Y)- Koordinatensystem

Mehr

Statistik II: Grundlagen und Definitionen der Statistik

Statistik 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

Mehr

Tutorial: Anpassungstest

Tutorial: 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

Mehr

Fragestellungen. Ist das Gewicht von Männern und Frauen signifikant unterschiedlich? (2-sample test)

Fragestellungen. Ist das Gewicht von Männern und Frauen signifikant unterschiedlich? (2-sample test) Hypothesen Tests Fragestellungen stab.glu 82 97 92 93 90 94 92 75 87 89 hdl 56 24 37 12 28 69 41 44 49 40 ratio 3.60 6.90 6.20 6.50 8.90 3.60 4.80 5.20 3.60 6.60 glyhb 4.31 4.44 4.64 4.63 7.72 4.81 4.84

Mehr

Aufgabenblock 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. 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 )

Mehr

Eigene MC-Fragen "Lesen" 1. Zu den Komponenten eines effektiven Leseprozesses lt. Werder (1994) gehört nicht

Eigene MC-Fragen Lesen 1. Zu den Komponenten eines effektiven Leseprozesses lt. Werder (1994) gehört nicht Eigene MC-Fragen "Lesen" 1. Zu den Komponenten eines effektiven Leseprozesses lt. Werder (1994) gehört nicht Klärung des Leseziels geeignete Rahmenbedingungen Wiedergabe des Gelesenen Aufrechterhaltung

Mehr