Diskrepanzbestimmung 1

Größe: px
Ab Seite anzeigen:

Download "Diskrepanzbestimmung 1"

Transkript

1 Diskrepanzbestimmung 1 Hier finden Sie Übungen zur Bestimmung der Diskrepanzen in der Diagnostik von umschriebenen Entwicklungsstörungen schulischer Fertigkeiten (UESF). Hierzu zählen Lese- und Rechtschreibstörung (F81.0) 1, isolierte Rechtschreibstörung (F81.1), Rechenstörung (F81.2) sowie kombinierte Störungen schulischer Fertigkeiten (F81.3). Die Übungen beziehen sich der sprachlichen Einfachheit halber durchgehend auf die Rechenstörung. Das Prinzip der Diskrepanzbestimmung sowie die Größe der erforderlichen Diskrepanzen erweist sich jedoch über alle UESF hinweg als übereinstimmend. Die Bestimmung der Diskrepanzen erfolgt hier mit Bezug auf das Doppelte Diskrepanzkriterium, wie es in der Forschungskriterien 2 nach ICD-10 vorgesehen ist. Das Doppelte Diskrepanzkriterium (DDk) beinhaltet: 1. IQ-Diskrepanzkriterium Das Ergebnis in einem Rechentest liegt mindestens zwei Standardabweichungen (SD 3 ) unterhalb des Wertes, der aufgrund der allgemeinen 4 Intelligenz des Testanden eigentlich zu erwarten wäre. Diese Diskrepanz von 2 SD wird anhand des Intelligenzquotienten (IQ) bestimmt. Das Ergebnis im Rechentest wird in der Regel angegeben als T-Wert (T) oder Prozentrang (PR). 1 ICD-10-GM, s. 2 Die Forschungskriterien sind in mehreren nichtamtlichen Spezialausgaben ( ) der ICD-10 enthalten. Sie entsprechen nicht dem medizinischen Standard ( ). Sie sind detaillierter und strenger gefasst als die klinischen Leitlinien nach ICD-10. Sowohl die klinischen Leitlinien als auch die Forschungskriterien finden sich etwa im Multiaxialen Klassifikationsschema nach ICD SD = standard deviation; die Standardabweichung (auch s) stellt einen statistischen Kennwert der Streuung einer Verteilung dar. Sie gibt an, wie breit die Werte eines Merkmals (Merkmalsausprägungen) um dessen Mittelwert (arithmetisches Mittel x)streuen, d. h. sie bestimmt die durchschnittliche Abweichung aller Merkmalsausprägungen vom Durchschnitt. Die Standardabweichung wird bestimmt als positive Quadratwurzel der Varianz ( s 2 = s) 4 Die allgemeine Intelligenz meint die Intelligenz des Testanden, wie sie mit einem komplexen Diagnostikum gemessen wird. Ein ausführlicher Intelligenztest ist einem Verfahren, das lediglich spezifische Aspekte der kognitiven Leistungsfähigkeit erfasst, stets vorzuziehen.

2 Das IQ-Diskrepanzkriterium ist erfüllt, wenn gilt: IQ T 2 SD. 1.1 Berechnung der IQ-Diskrepanz nach z-transformation Bei der IQ- wie auch der T-Wert-Skala handelt es sich um unterschiedliche Mittel, Leistungen innerhalb eines Leistungskontinuums miteinander in Beziehung zu setzen. Testwerte, mithin Ergebnisse in einem Intelligenzoder Rechentest, lassen sich als Positionen auf einem solchen Kontinuum darstellen, die in bestimmten Beziehungen zueinander stehen. Nach der klassischen Testtheorie werden diese Postionen und Relationen mithilfe von Lage- und Streuungsmaßen ausgedrückt. Lagemaße sind etwa das arithmetische Mittel (Mittelwert x; Intervallskalenniveau; etwa IQ, T, z), Median (Ordinalskalenniveau; etwa Schulnoten) oder Modalwert (Nominalskalenniveau; etwa Geschlecht, Haarfarbe). Sie beschreiben das Zentrum einer Verteilung (Maße der zentralen Tendenz). Streuungsmaße beschreiben die Variabilität des Merkmals um das Zentrum der Verteilung. Sie stellen dar, wie die Merkmalsausprägungen um das Lagemaß streuen. Die meistverwendeten Streuungsmaße sind die Varianz und die Standardabweichung (s. Fn. 3). 1.2 z der kleinste gemeinsame Nenner Zur Bestimmung der IQ-Diskrepanz bedient man sich des arithmetischen Mittels und der Standardabweichung zweier unterschiedlicher Skalen. Dies sind die T-Wert-Skala und die IQ-Skala. Es gilt: T-Wert-Skala: Mittelwert 50, Standardabweichung 10 IQ-Skala: Mittelwert 100, Standardabweichung 15 Zur Bestimmung des IQ-Diskrepanzkriteriums wird das Rechentestergebnis (angegeben als T-Wert) an dem individuellen IQ des Testanden relativiert 5. Um zu klären, ob der entsprechende T-Wert tatsächlich mindestens 5 Dies stellt den sogenannten ipsativen Leistungsvergleich dar. Im Gegensatz zur individuellen Bezugsnorm wird hier keine Leistungsveränderung anhand einer wiederholten Messung eines Merkmals erfasst (etwa Verbesserung der Re-

3 zwei Standardabweichungen unter dem IQ liegt, müssen IQ und T-Wert gleichsam auf einen gemeinsamen Nenner gebracht werden. Dies geschieht mithilfe des sogenannten z-wertes anhand der z-transformation. Der z-wert erweist sich als besonders unkompliziert zu handhaben, da er über einen Mittelwert 0 und eine Standardabweichung 1 verfügt. Es gilt: z-wert-skala: Mittelwert 0, Standardabweichung 1 Die Bestimmung der bestehenden IQ-Diskrepanz basiert auf der z-transformation von IQ und T-Wert. Das Vorgehen setzt sich aus drei Schritten (a, b, c) zusammen. Zugrunde gelegt sei folgende Formel 6 : z = x x, s wobei x die gegebene/gesuchte Variable (IQ oder T), x der Mittelwert und s die Standardabweichung der behandelten Skala (IQ oder T). Beispiel: IQ = 115, T = 40 a) Der gegebene IQ = 115 wird in einen z-wert überführt z = = 1 15 Für x wird der gegebene IQ = 115, für x der Mittelwert der IQ-Skala = 100 und für s die Standardabweichung der IQ-Skala = 15 eingesetzt. Das Ergebnis ist z = 1. Da die z-skala über eine Standardabweichung von 1 verfügt, wird deutlich, dass ein IQ = 115 exakt eine Standardabweichung über dem Mittelwert IQ = 100 liegt. chenfertigkeit als Therapieerfolg von Messzeitpunkt A zu Messzeitpunkt B), sondern der Leistungsvergleich wird anhand des Ergebnisses eines anderen Diagnostikums zum selben Messzeitpunkt oder innerhalb einzelner Subtests oder Subtestindizes eines mehrdimensionalen Diagnostikums vorgenommen (Profilanalyse). 6 Wird diese Formel nach IQ oder T-Wert aufgelöst ergibt sich IQ = z und T = z. Es wird deutlich, dass anhand der z-transformation problemlos neue Skalen gebildet werden können. Dazu werden lediglich der gewünschte Mittelwert und die entsprechende Standardabweichung festgelegt: Skala = a + bz.

4 b) Anhand des ermittelten z-wertes wird der dem IQ entsprechende T- Wert ermittelt. T 50 1 = ergibt T = Für x wird der gesucht T-Wert, für x der Mittelwert der T-Skala = 50 und für s die Standardabweichung der T-wert-Skala = 10 eingesetzt. Das Ergebnis ist T = 60. Da die T-Wert-Skala über eine Standardabweichung von 10 verfügt, wird deutlich, dass ein T-Wert = 60 exakt eine Standardabweichung über dem Mittelwert T = 50 liegt. Gemäß dem angenommenen deterministisch linearen 7 Zusammenhang zwischen Intelligenz und Rechenleistung ist bei einem IQ = 115 ein Rechentestergebnis von T = 60 zu erwarten. c) Vom ermittelten T-Wert werden 20 T-Wert-Punkte (= 2 SD) subtrahiert. Das IQ-Diskrepanzkriterium ist erfüllt, wenn das tatsächlich in einem Rechentest erzielte Ergebnis mindestens zwei Standardabweichungen unter dem aufgrund der Intelligenz eigentlich zu erwartenden Ergebnis liegt. Für das gegebene Beispiel ist dies der Fall, wenn das tatsächlich in einem Rechentest erzielte Ergebnis einem T-Wert von T 40 entspricht. Von dem eigentlich erwarteten Wert T = 60 werden hierzu 20 T-Wert-Punkte (= 2 10 = 2 SD) subtrahiert. Entspricht das tatsächlich in einem Rechentest erzielte Ergebnis T = 40 oder liegt es darunter, ist das IQ-Diskrepanzkriterium erfüllt. Eine Diagnosestellung kann allerdings erst dann erfolgen, wenn zusätzlich zu dem IQ-Diskrepanzkriterium auch das Bezugsgruppendiskrepanzkriterium erfüllt ist. Während beim IQ-Diskrepanzkriterium das Rechentestergebnis an dem individuellen IQ relativiert wird (ipsativer Bezug, s. Fn. 5), erfolgt die Relativierung beim Bezugsgruppendiskrepanzkriterium anhand der Bezugsgruppe (soziale Bezugsnorm). 7 Dies entspräche einer Korrelation zwischen IQ und Rechenleistung von r = 1. Realiter beträgt die Korrelation < 1. Dies ist auf das statistische Phänomen der Regression zur Mitte zurückzuführen.

5 2. Bezugsgruppendiskrepanzkriterium Das Ergebnis in einem Rechentest liegt mindestens zwei Standardabweichungen unterhalb des Wertes, der aufgrund des chronologischen Alters 8 des Testanden eigentlich zu erwarten wäre. Die Diskrepanz von 2 SD wird anhand des Stichprobenmittelwerts (x) des Rechentests bestimmt. Das Bezugsgruppendiskrepanzkriterium ist erfüllt, wenn gilt: x T 2 SD. Die T-Wert-Skala verfügt grundsätzlich über einen Mittelwert von x = 50. Eine Diskrepanz von mindestens zwei Standardabweichungen zum Stichprobenmittelwert eines Rechentests (Normierungsstichprobe des Testverfahrens) entspricht demgemäß einem Ergebnis von T 30. Dies ist gleichbedeutend mit einem Ergebnis von PR < 3 9. Es gilt: Das Bezugsgruppendiskrepanzkriterium ist erfüllt, sobald das Ergebnis in einem Rechentest T 30 beziehungsweise PR < 3. Aus diesem Grunde kann das DDk zunächst am einfachsten anhand des Bezugsgruppendiskrepanzkriteriums überprüft werden. Ist dieses nicht erfüllt, erweist sich die weitere Berechnung der IQ-Diskrepanz als hinfällig. Es kann keine Diagnose nach Forschungskriterien anhand des Doppelten Diskrepanzkriteriums gestellt werden. Es gilt: Die Bezugsgruppendiskrepanz sollte vor der IQ-Diskrepanz bestimmt werden. 3. Das Doppelte Diskrepanzkriterium in den Forschungskriterien 10 Rechenstörung (F81.2): Es liegt ein Wert in einem standardisierten Rechenstest vor, der mindestens zwei Standardabweichungen unterhalb des Niveaus liegt, das aufgrund des chronologischen Alters und der allgemeinen Intelligenz des Kindes zu erwarten wäre... Ausschlussvorbehalt: IQ unter 8 Eine Relativierung der Testwerte anhand klassenstufennormierter Verfahren ist in den Foschungskriterien nach ICD-10 nicht vorgesehen. 9 Der exakte Grenzwert beträgt PR 2.28 (berechnet mit dem Psychometrica Normwertrechner ) 10 Die angegebenen Diskrepanzkriterien stellen lediglich einen Teil der zur Diagnosestellung erforderlichen Kriterien dar. Zum grundlegenden Verständnis sei die Lektüre mindestens der Abschnitte F8 und F7 der ICD-10 sowie der klinisch-diagnostischen Leitlinien empfohlen.

6 3.1 Grundlegende Kennwerte zur Diskrepanzbestimmung Zur rationellen Bestimmung der zur Diagnosestellung erforderlichen Diskrepanzen empfiehlt sich die Orientierung an grundlegenden Kennwerten, die sich aus Standardabweichung und Maß der zentralen Tendenz der IQ-, T- Wert, z-wert sowie Prozentrangskala ergeben. Dies sind gemäß den in Abschnitt 1.2 angeführten Maßzahlen Tabelle 1 Grundlegende Kennwerte zur Diskrepanzbestimmung Kennwert Maß der zentralen Tendenz (M) z 0 Mittelwert IQ 100 Mittelwert T 50 Mittelwert PR 50 Median Dipl.-Psych. Dr. Lars Tischler tischler@vigesco-institut.de tischlerweb.wordpress.com 70 in einem standardisierten Test (Dilling, Mombour, Schmidt & Schulte- Markwort, 2016, S. 189). Mit Bezug auf die Intelligenzdiagnostik gilt für die Lese- und Rechtschreibstörung (F81.0) sowie für die isolierte Rechtschreibstörung (F81.1) abweichend: Ausschlussvorbehalt: Non-verbaler IQ unter 70 in einem standardisierten Test (Dilling et al., 2016, S. 188). Standardabweichung SD, s 2 SD unter M 1 SD unter M 0 SD 1 SD über M SD über M _ 11 < < > > Aus Tabelle 1 wird ersichtlich, dass die Prozentränge als bloße Normwerte nicht linear in/wie die übrigen Standardwerte (z, IQ, T) transformiert werden können. Der Prozentrang bezieht sich auf die Häufigkeit, mit der bestimmte Werte in der Stichprobe vorkommen. Abbildung 1 stellt die Diskrepanzkriterien zusammenfassen anhand eines Koordinatensystems dar. Die auf dem angenommen deterministisch linearen Zusammenhang (Korrelation r = 1) zwischen Intelligenz (IQ, x-achse) und 11 Da sich die Standardabweichung anhand der Varianz und diese wiederum anhand des Mittelwerts einer Verteilung berechnet, und somit zur Bestimmung des Mittelwerts Intervallskalenniveau erreicht werden muss, verfügt die lediglich ordinalskalierte Prozentrangskala nicht über eine Standardabweichung.

7 Rechenleistung (T-Wert, y-achse) beruhende Korrelationsgerade (y = x b + 0) verläuft mit einer Steigung von b = 1 durch den Nullpunkt (0/0) des Koordinatensystems. Dieser entspricht einer durchschnittlichen Leistung von IQ = 100 und T = 50 (x, z = 0). Die Diskrepanzgerade (y = x b - 2) verläuft mit derselben Steigung/Korrelation b/r = 1 parallel unterhalb der Korrelationsgeraden und schneidet die y-achse bei z = -2/T = 30. Die Diskrepanzgerade stellt die IQ-Diskrepanz von 2 SD zwischen individueller Intelligenz und Rechenleistung des Testanden dar. Der Bereich unterhalb der Diskrepanzgerade wird durch den oberen Grenzwert (T 30; Bezugsgruppendiskrepanzkriterium) zur Diagnosestellung horizontal eingeschränkt (Bezugsgruppenhorizontale). Es ergibt sich der nach IQ- und Bezugsgruppendiskrepanzkriterium diagnostiziable, rot schraffierte Bereich. Alle Messwerte erfüllen hier das Doppelte Diskrepanzkriterium. Abbildung 1. Der rot schraffierte Bereich unterhalb der Diskrepanzgeraden und unterhalb des oberen Grenzwerts von T = 30 (horizontal gepunktete, rote Linie) markiert den diagnostiziablen Leistungsbereich (IQ und T-Wert schulische Fertigkeit).

8 3.2 Durchschnittlich, unterdurchschnittlich, weit unterdurchschnittlich z z -2 weit unterdurchschnittlich -2 < z -1 unterdurchschnittlich -1 < z 1 durchschnittlich 1 < z 2 überdurchschnittlich z > 2 weit überdurchschnittlich T T 30 weit unterdurchschnittlich 30 < T 40 unterdurchschnittlich 40 < T 60 durchschnittlich 60 < T 70 überdurchschnittlich T > 70 weit überdurchschnittlich IQ IQ 70 weit unterdurchschnittlich 70 < IQ 85 unterdurchschnittlich 85 < IQ 115 durchschnittlich 115 < IQ 130 überdurchschnittlich IQ > 130 weit überdurchschnittlich Abweichend von diesen Werten wird in den Forschungskriterien für die Intelligenzminderung ein Intelligenzbereich von IQ 69 angegeben. Für Werte im durchschnittlichen Intelligenzbereich und höher werden keine Angaben gemacht. Damit weicht der zur Diagnose einer Intelligenzminderung zu erreichende IQ von dem statistischen Grenzwert gemäß z = -2 / IQ = 70 ab. Bei einem IQ = 70 wird rein formal - keine Intelligenzminderung diagnostiziert PR PR < 3 ( 2.28) weit unterdurchschnittlich 3 PR < 16 ( 15.58) unterdurchschnittlich 16 PR < 85 ( 84.13) durchschnittlich 85 PR < 98 ( 97.72) überdurchschnittlich PR 98 weit überdurchschnittlich Häufig finden sich in er Literatur Darstellungen, die die Bereiche ab 2 SD mit jeweils ca. 2.5 % der Stichprobe angeben (vgl. Normalverteilung). Genauer ausgedrückt umfassen in der Grundgesamtheit die Intervalle +/- 1σ % +/- 2σ %der Messwerte.

9 Ein T-Wert von 20 (z = -3) entspricht dabei einem Prozentrang von PR = Es wird deutlich, wie selten solch niedrige Werte auftreten. Dies kommt insbesondere bei der Verwendung von die Grundgesamtheit lediglich bedingt repräsentierenden Stichproben zum Tragen. Normwerttabellen von Testverfahren können hier entsprechend im sehr hohen wie im sehr niedrigen Leistungsbereich regelmäßig nur wenig differenzieren. T-Wert- Tabellen reichen daher in der Regel lediglich von 20 bis 80. Prozentrangtabellen (0 100) werden häufig zusätzlich aufgrund der Anschaulichkeit angegeben. Literatur Deutsche Gesellschaft für Kinder- und Jugendpsychiatrie, Psychosomatik und Psychotherapie. (2015). Diagnostik und Behandlung von Kindern und Jugendlichen mit Lese- und / oder Rechtschreibstörung. Evidenzund konsensbasierte Leitlinie AWMF-Registernummer Verfügbar unter Rechtschreibst%C3%B6rungen_Kinder_Jugendliche_ pdf Deutsches Institut für Medizinische Dokumentation und Information. (2017). ICD-10-GM Version Kapitel V. Psychische und Verhaltensstörungen (F00-F99). Verfügbar unter /onlinefassungen/htmlgm2017/chapter-v.htm Dilling, H., Mombour, W., Schmidt, M. H. & Schulte-Markwort, E. (Hrsg.). (2016). ICD-10. Internationale Klassifikation psychischer Störungen. ICD-10 Kapitel V (F) Diagnostische Kriterien für Forschung und Praxis (6., überarbeitete Aufl. unter Berücksichtigung der Änderung gemäß ICD-10-GM). Göttingen: Hogrefe. Lenhard, W. & Lenhard, A. (2015). Normwertrechner. Bibergau: Psychometrica. doi: /RG Verfügbar unter: Maltby, J., Day, L. & Macaskill, A. (2010). Personality, individual differences and intelligence (2nd ed.). Essex: Pearson. Remschmidt, H., Schmidt, M. H. & Poustka, F. (Hrsg.). (2012). Multiaxiales Klassifikationsschema für psychische Störungen des Kindes- und Jugendalters nach ICD-10 der WHO: Mit einem synoptischen Vergleich von ICD-10 und DSM-IV (6., korrigierte Aufl.). Bern: Huber. Zöfel, P. (2003). Statistik für Psychologen im Klartext. München: Pearson.

10 Anhang Dipl.-Psych. Dr. Lars Tischler tischlerweb.wordpress.com A Übungsaufgaben Können Sie eine Diagnose Rechenstörung gemäß den Forschungskriterien nach ICD-10 stellen? Bitte begründen Sie. Wie groß sind die bestehenden Diskrepanzen? a.1 IQ = 100, T = 30 a.2 IQ = 120, T = 40 a.3 IQ = 140, T = 25 a.4 IQ = 90, T = 25 a.5 IQ = 85, T = 30 a.6 IQ = 70, T = 15 a.7 IQ = 65, T = 10 b.1 Wie hoch muss der IQ mindestens sein, damit Sie bei T = 30 eine Diagnose Rechenstörung stellen können? b.2 Wie hoch muss der IQ mindestens sein, damit Sie bei T = 45 eine Diagnose Rechenstörung stellen können? b.3 Ab welchem T-Wert können Sie eine Diagnose Rechenstörung stellen, wenn IQ = 80? b.4 Ab welchem T-Wert können Sie eine Diagnose Rechenstörung stellen, wenn IQ = 120?

11 B Lösungen a.1 Ja, es kann eine Diagnose gestellt werden. Beide Diskrepanzen betragen mdst. 2 SD Bezugsgruppendiskrepanz = 2 SD, IQ-Diskrepanz = 2 SD a.2 Nein, es kann keine Diagnose gestellt werden. Das Bezugsgruppendiskrepanzkriterium ist nicht erfüllt. Bezugsgruppendiskrepanz = 1 SD, IQ-Diskrepanz = 2.3 SD a.3 Ja, es kann eine Diagnose gestellt werden. Beide Diskrepanzen betragen mehr als 2 SD. Bezugsgruppendiskrepanz = 2.5 SD, IQ-Diskrepanz > 5 (5.16) a.4 Nein, es kann keine Diagnose gestellt werden. Die IQ-Diskrepanz liegt beträgt < 2 SD. Bezugsgruppendiskrepanz = 2.5 SD, IQ-Diskrepanz = 1.83 a.5 Nein, es kann keine Diagnose gestellt werden. Das IQ-Diskrepanzkriterium ist nicht erfüllt. Bezugsgruppendiskrepanz = 2 SD, IQ-Diskrepanz = 1.0 a.6 Nein, es kann keine Diagnose gestellt werden. Das IQ-Diskrepanzkriterium ist nicht erfüllt. Bezugsgruppendiskrepanz = 3.5, IQ-Diskrepanz = 1.5 a.7 Nein, es kann keine Diagnose gestellt werden. Der IQ beträgt 69; Ausschlusskriterium Intelligenzminderung Bezugsgruppendiskrepanz = 4 SD, IQ-Diskrepanz = 1.6 b.1 IQ = 100 b.2 keine Diagnosestellung möglich; Bezugsgruppendiskrepanzkriterium nicht erfüllt (hier Bezugsgruppendiskrepanz = 0.5) b.3 T 16.6 b.4 T 30

Diagnostische Diskrepanzkriterien der Lese- und Rechtschreibstörung nach ICD-10 und der Lese-Rechtschreibstörung nach den AWMF-Leitlinien 2015

Diagnostische Diskrepanzkriterien der Lese- und Rechtschreibstörung nach ICD-10 und der Lese-Rechtschreibstörung nach den AWMF-Leitlinien 2015 Diagnostische Diskrepanzkriterien der Lese- und Rechtschreibstörung nach ICD-10 und der Lese-Rechtschreibstörung nach den AWMF-Leitlinien 2015 Lars Tischler 1. Diagnostik einer Lese- und Rechtschreibstörung

Mehr

Anteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen. Anteile Häufigkeiten Verteilungen

Anteile 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

Mehr

Deskription, 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 Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische

Mehr

Lage- und Streuungsparameter

Lage- und Streuungsparameter Lage- und Streuungsparameter Beziehen sich auf die Verteilung der Ausprägungen von intervall- und ratio-skalierten Variablen Versuchen, diese Verteilung durch Zahlen zu beschreiben, statt sie graphisch

Mehr

1. Maße der zentralen Tendenz Beispiel: Variable Anzahl der Geschwister aus Jugend '92. Valid Cum Value Frequency Percent Percent Percent

1. 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

Mehr

Wiederholung Statistik I. Statistik für SozialwissenschaftlerInnen II p.8

Wiederholung 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

Mehr

Mittelwert und Standardabweichung

Mittelwert und Standardabweichung Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Mittelwert und Standardabweichung Überblick Mittelwert Standardabweichung Weitere Maße

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

Bitte am PC mit Windows anmelden!

Bitte 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

Mehr

Statistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de

Statistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent

Mehr

Statistische Grundlagen I

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.

Mehr

Statistik. Jan Müller

Statistik. 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

Mehr

Maße der zentralen Tendenz

Maße der zentralen Tendenz UStatistische Kennwerte Sagen uns tabellarische und graphische Darstellungen etwas über die Verteilung der einzelnen Werte einer Stichprobe, so handelt es sich bei statistischen Kennwerten um eine Kennzahl,

Mehr

Grundlagen der Statistik I

Grundlagen der Statistik I NWB-Studienbücher Wirtschaftswissenschaften Grundlagen der Statistik I Beschreibende Verfahren Von Professor Dr. Jochen Schwarze 10. Auflage Verlag Neue Wirtschafts-Briefe Herne/Berlin Inhaltsverzeichnis

Mehr

Parametrische vs. Non-Parametrische Testverfahren

Parametrische 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

Mehr

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

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

Mehr

INFERENZSTATISTISCHE AUSSAGEN FÜR LAGEMAßE UND STREUUNGSMAßE. Inferenzstatistik für Lagemaße Inferenzstatistik für Streuungsmaße

INFERENZSTATISTISCHE AUSSAGEN FÜR LAGEMAßE UND STREUUNGSMAßE. Inferenzstatistik für Lagemaße Inferenzstatistik für Streuungsmaße DAS THEMA: INFERENZSTATISTIK III INFERENZSTATISTISCHE AUSSAGEN FÜR LAGEMAßE UND STREUUNGSMAßE Inferenzstatistik für Lagemaße Inferenzstatistik für Streuungsmaße Inferenzstatistik für Lagemaße Standardfehler

Mehr

3. Deskriptive Statistik

3. Deskriptive Statistik 3. Deskriptive Statistik Eindimensionale (univariate) Daten: Pro Objekt wird ein Merkmal durch Messung / Befragung/ Beobachtung erhoben. Resultat ist jeweils ein Wert (Merkmalsausprägung) x i : - Gewicht

Mehr

Brückenkurs Statistik für Wirtschaftswissenschaften

Brückenkurs Statistik für Wirtschaftswissenschaften Peter von der Lippe Brückenkurs Statistik für Wirtschaftswissenschaften Weitere Übungsfragen UVK Verlagsgesellschaft mbh Konstanz Mit UVK/Lucius München UVK Verlagsgesellschaft mbh Konstanz und München

Mehr

Angewandte Statistik 3. Semester

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

Mehr

Lösungen zur Biomathe-Klausur Gruppe A Montag, den 16. Juli 2001

Lösungen zur Biomathe-Klausur Gruppe A Montag, den 16. Juli 2001 Lösungen zur Biomathe-Klausur Gruppe A Montag, den 16. Juli 2001 1. Sensitivität und Spezifität In einer medizinischen Ambulanz haben 30 % der Patienten eine akute Appendizitis. 80 % dieser Patienten haben

Mehr

Bei näherer Betrachtung des Diagramms Nr. 3 fällt folgendes auf:

Bei näherer Betrachtung des Diagramms Nr. 3 fällt folgendes auf: 18 3 Ergebnisse In diesem Kapitel werden nun zunächst die Ergebnisse der Korrelationen dargelegt und anschließend die Bedingungen der Gruppenbildung sowie die Ergebnisse der weiteren Analysen. 3.1 Ergebnisse

Mehr

Grundlagen der Datenanalyse am Beispiel von SPSS

Grundlagen der Datenanalyse am Beispiel von SPSS Grundlagen der Datenanalyse am Beispiel von SPSS Einführung Dipl. - Psych. Fabian Hölzenbein hoelzenbein@psychologie.uni-freiburg.de Einführung Organisatorisches Was ist Empirie? Was ist Statistik? Dateneingabe

Mehr

Normwerte der Testdiagnostik

Normwerte der Testdiagnostik Normwerte der Testdiagnostik ihre Berechnungen und Umrechnungen ineinander Aufsatz und Excel-Projekt zum Gebrauch neben der Lehrveranstaltung "Konventionelle und computergestützte Testdiagnostik" sowie

Mehr

Lösungen zu den Übungsaufgaben in Kapitel 7

Lösungen zu den Übungsaufgaben in Kapitel 7 Lösungen zu den Übungsaufgaben in Kapitel 7 1. Erstellen Sie per Hand oder mit Hilfe eines Statistik- oder Tabellenkalkulationsprogramms die graphische Darstellung (a) der ahrscheinlichkeitsverteilung

Mehr

Statistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage

Statistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz 3., überarbeitete Auflage R.01denbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt

Mehr

Kognitive Profile bei kinder- und jugendpsychiatrischen Störungsbildern

Kognitive Profile bei kinder- und jugendpsychiatrischen Störungsbildern Aus dem Zentrum für Psychische Erkrankungen Klinik für Psychiatrie, Psychotherapie und Psychosomatik im Kindes- und Jugendalter der Albert-Ludwigs-Universität Freiburg im Breisgau Ärztlicher Direktor:

Mehr

Statistik eindimensionaler Größen

Statistik eindimensionaler Größen Statistik eindimensionaler Größen Michael Spielmann Inhaltsverzeichnis 1 Aufgabe der eindimensionalen Statistik 2 2 Grundbegriffe 2 3 Aufbereiten der Stichprobe 3 4 Die Kennzahlen Mittelwert und Streuung,

Mehr

Konkretes Durchführen einer Inferenzstatistik

Konkretes 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

Mehr

4.2 Grundlagen der Testtheorie

4.2 Grundlagen der Testtheorie 4.2 Grundlagen der Testtheorie Januar 2009 HS MD-SDL(FH) Prof. Dr. GH Franke Kapitel 5 Vertiefung: Reliabilität Kapitel 5 Vertiefung: Reliabilität 5.1 Definition Die Reliabilität eines Tests beschreibt

Mehr

Häufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche

Häufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche Lehrveranstaltung Empirische Forschung und Politikberatung der Universität Bonn, WS 2007/2008 Häufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche 30. November 2007 Michael

Mehr

Prof. Dr. Gabriele Helga Franke TESTTHEORIE UND TESTKONSTRUKTION

Prof. Dr. Gabriele Helga Franke TESTTHEORIE UND TESTKONSTRUKTION Prof. Dr. Gabriele Helga Franke TESTTHEORIE UND TESTKONSTRUKTION 1. FS Master Rehabilitationspsychologie, SoSe 2012 Normierung 2 Begriffsbestimmung Zweck der Normierung Vorgehen bei der Normierung Exkurs:

Mehr

Kapitel 1: Deskriptive Statistik

Kapitel 1: Deskriptive Statistik Kapitel 1: Deskriptive Statistik Grafiken 1 Statistische Kennwerte 5 z-standardisierung 7 Grafiken Mit Hilfe von SPSS lassen sich eine Vielzahl unterschiedlicher Grafiken für unterschiedliche Zwecke erstellen.

Mehr

STATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich)

STATISTIK 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

Mehr

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

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

Mehr

Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011

Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011 Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011 Es können von den Antworten alle, mehrere oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort (ohne Auslassungen

Mehr

Übungen mit dem Applet Vergleich von zwei Mittelwerten

Übungen mit dem Applet Vergleich von zwei Mittelwerten Vergleich von zwei Mittelwerten 1 Übungen mit dem Applet Vergleich von zwei Mittelwerten 1 Statistischer Hintergrund... 2 1.1 Typische Fragestellungen...2 1.2 Fehler 1. und 2. Art...2 1.3 Kurzbeschreibung

Mehr

STATISTIK 1 - BEGLEITVERANSTALTUNG

STATISTIK 1 - BEGLEITVERANSTALTUNG STATISTIK 1 - BEGLEITVERANSTALTUNG VORLESUNG 3 - NORMALVERTEILUNG 05.12.2014 1 05.12.2014 1 Mona Ulrich, Psychologie (M.Sc.) AGENDA 01 DIE NORMALVERTEILUNG 02 ZENTRALES GRENZTHEOREM 03 Z-WERTE 04 KONFIDENZINTERVALLE

Mehr

Inhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden

Inhaltsverzeichnis. 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

Mehr

ÜBUNGSAUFGABEN ZUR DESKRIPTIVEN UND EXPLORATIVEN DATENANALYSE

ÜBUNGSAUFGABEN ZUR DESKRIPTIVEN UND EXPLORATIVEN DATENANALYSE ÜBUNGSAUFGABEN ZUR DESKRIPTIVEN UND EXPLORATIVEN DATENANALYSE 1.1 Füllen Sie bitte folgenden Lückentext aus. Daten, die in Untersuchungen erhoben werden, muss man grundsätzlich nach ihrem unterscheiden.

Mehr

Inhaltsverzeichnis. Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite. 1.0 Erste Begriffsbildungen Merkmale und Skalen 5

Inhaltsverzeichnis. Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite. 1.0 Erste Begriffsbildungen Merkmale und Skalen 5 Inhaltsverzeichnis Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite 1.0 Erste Begriffsbildungen 1 1.1 Merkmale und Skalen 5 1.2 Von der Urliste zu Häufigkeitsverteilungen 9 1.2.0 Erste Ordnung

Mehr

Statistik. Datenanalyse mit EXCEL und SPSS. Prof. Dr. Karlheinz Zwerenz. R.Oldenbourg Verlag München Wien. Von

Statistik. Datenanalyse mit EXCEL und SPSS. Prof. Dr. Karlheinz Zwerenz. R.Oldenbourg Verlag München Wien. Von Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz R.Oldenbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL I GRUNDLAGEN

Mehr

Einführung in die computergestützte Datenanalyse

Einführung in die computergestützte Datenanalyse Karlheinz Zwerenz Statistik Einführung in die computergestützte Datenanalyse 6., überarbeitete Auflage DE GRUYTER OLDENBOURG Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL

Mehr

Wie intelligent ist mein Kind?

Wie intelligent ist mein Kind? Dipl.-Psych. Psychologische Beratung KONTAKT Tobias Uhl Psychologische Tests Tel.: 07763 80 44252 Lauberstraße 27 Mobile psychologische Praxis coaching@silvanigra.de D-79730 Murg www.silvanigra.de Wie

Mehr

3 Evaluation als Beschreibung von Zuständen

3 Evaluation als Beschreibung von Zuständen Evaluation als Beschreibung von Zuständen 1 Sind die folgenden Aussagen richtig oder falsch? 1.1 In einer Klumpenstichprobe werden systematisch anfallende Cluster von Personen vollständig untersucht. Die

Mehr

Wolf-Gert Matthäus, Jörg Schulze. Statistik mit Excel. Beschreibende Statistik für jedermann. 3./ überarbeitete und erweiterte Auflage.

Wolf-Gert Matthäus, Jörg Schulze. Statistik mit Excel. Beschreibende Statistik für jedermann. 3./ überarbeitete und erweiterte Auflage. Wolf-Gert Matthäus, Jörg Schulze Statistik mit Excel Beschreibende Statistik für jedermann 3./ überarbeitete und erweiterte Auflage Teubner Inhaltsverzeichnis Einleitung 11 1 Grundlagen 17 1.1 Statistische

Mehr

Herzlich willkommen zur Vorlesung Statistik. Streuungsmaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung

Herzlich willkommen zur Vorlesung Statistik. Streuungsmaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung FB 1 W. Ludwig-Mayerhofer Statistik 1 Herzlich willkommen zur Vorlesung Statistik smaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung FB 1 W. Ludwig-Mayerhofer

Mehr

I. Deskriptive Statistik 1

I. Deskriptive Statistik 1 I. Deskriptive Statistik 1 1. Einführung 3 1.1. Grundgesamtheit und Stichprobe.................. 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................

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

Vorlesungsskript. Deskriptive Statistik. Prof. Dr. Günter Hellmig

Vorlesungsskript. Deskriptive Statistik. Prof. Dr. Günter Hellmig Vorlesungsskript Deskriptive Statistik Prof. Dr. Günter Hellmig Prof. Dr. Günter Hellmig Vorlesungsskript Deskriptive Statistik Erstes Kapitel Die Feingliederung des ersten Kapitels, welches sich mit einigen

Mehr

Angaben zur Person: Hilfeplanung Stellung (Nichtzutreffendes bitte streichen):

Angaben zur Person: Hilfeplanung Stellung (Nichtzutreffendes bitte streichen): Vertrauliche ( 203 StGB und 76 SGB X) ÄRZTLICHE STELLUNGNAHME ZUR PLANUNG EINER EINGLIEDERUNGSHILFE nach 35a SGB VIII (KJHG), nach 53 SGB XII (nur amts- oder landesärztliche Stellungnahme) Angaben zur

Mehr

Beide Verteilungen der Zeiten sind leicht schief. Der Quartilsabstand für Zeiten zum Surfen ist kleiner als der zum Fernsehen.

Beide Verteilungen der Zeiten sind leicht schief. Der Quartilsabstand für Zeiten zum Surfen ist kleiner als der zum Fernsehen. Welche der folgenden Maßzahlen sind resistent gegenüber Ausreißer? Der Mittelwert und die Standardabweichung. Der und die Standardabweichung. Der und die Spannweite. Der und der Quartilsabstand. Die Spannweite

Mehr

PROC MEANS. zum Berechnen statistischer Maßzahlen (für quantitative Merkmale)

PROC MEANS. zum Berechnen statistischer Maßzahlen (für quantitative Merkmale) PROC MEAS zum Berechnen statistischer Maßzahlen (für quantitative Merkmale) Allgemeine Form: PROC MEAS DATA=name Optionen ; VAR variablenliste ; CLASS vergleichsvariable ; Beispiel und Beschreibung der

Mehr

Deskriptive Statistik

Deskriptive Statistik Markus Wirtz, Christof Nachtigall Deskriptive Statistik 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Statistische

Mehr

SPSS-Beispiel zum Kapitel 4: Deskriptivstatistische Evaluation von Items (Itemanalyse) und Testwertverteilungen

SPSS-Beispiel zum Kapitel 4: Deskriptivstatistische Evaluation von Items (Itemanalyse) und Testwertverteilungen SPSS-Beispiel zum Kapitel 4: Deskriptivstatistische Evaluation von Items (Itemanalyse) und Testwertverteilungen Augustin Kelava 22. Februar 2010 Inhaltsverzeichnis 1 Einleitung zum inhaltlichen Beispiel:

Mehr

VS PLUS

VS PLUS VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen Inferenzstatistik 2 [Übungsaufgaben und Lösungenn - Inferenzstatistik 2] ÜBUNGSAUFGABEN

Mehr

TESTTHEORIE UND TESTKONSTRUKTION - PRAKTISCHE ANWENDUNG - TEIL 4

TESTTHEORIE UND TESTKONSTRUKTION - PRAKTISCHE ANWENDUNG - TEIL 4 TESTTHEORIE UND TESTKONSTRUKTION - PRAKTISCHE ANWENDUNG - TEIL 4 Prof. Dr. Franke SS2012 Hochschule Magdeburg-Stendal (FH) M.Sc. Rehabilitationspsychologie Gliederung Normierung Schritte der Normierung

Mehr

Lösungen zu den Übungsaufgaben in Kapitel 10

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

Mehr

Beispiel 2 (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter)

Beispiel 2 (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter) Beispiel (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter) 1 Ein Statistiker ist zu früh zu einer Verabredung gekommen und vertreibt sich nun die Zeit damit, daß er die Anzahl X der Stockwerke

Mehr

Grenzen für x -s-regelkarten

Grenzen für x -s-regelkarten Normalverteilte Fertigung: Stichproben aus der Fertigung: σ σ Eine normalverteilte Fertigung hat den Mittelwert µ und die Standardabweichung σ. Stichproben aus der Fertigung haben zufällig abweichende

Mehr

6. Faktorenanalyse (FA) von Tests

6. Faktorenanalyse (FA) von Tests 6. Faktorenanalyse (FA) von Tests 1 6. Faktorenanalyse (FA) von Tests 1 6.1. Grundzüge der FA nach der Haupkomponentenmethode (PCA) mit anschliessender VARIMAX-Rotation:... 2 6.2. Die Matrizen der FA...

Mehr

1 45, 39, 44, 48, 42, 39, 40, , 31, 46, 35, 31, 42, 51, , 42, 33, 46, 33, 44, 43

1 45, 39, 44, 48, 42, 39, 40, , 31, 46, 35, 31, 42, 51, , 42, 33, 46, 33, 44, 43 1) Ermittle jeweils das arithmetische Mittel. Ordne die Datenerhebungen nach der Größe der arithmetischen Mittel. Beginne mit dem Größten. 1 45, 39, 44, 48, 42, 39, 40, 31 2 35, 31, 46, 35, 31, 42, 51,

Mehr

1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte. D. Horstmann: Oktober

1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte. D. Horstmann: Oktober 1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte D. Horstmann: Oktober 2014 4 Graphische Darstellung von Daten und unterschiedliche Mittelwerte Eine Umfrage nach der Körpergröße

Mehr

Heinz Holling & Günther Gediga. Statistik - Deskriptive Verfahren

Heinz Holling & Günther Gediga. Statistik - Deskriptive Verfahren Heinz Holling & Günther Gediga Statistik - Deskriptive Verfahren Übungen Version 15.12.2010 Inhaltsverzeichnis 1 Übung 1; Kap. 4 3 2 Übung 2; Kap. 5 4 3 Übung 3; Kap. 6 5 4 Übung 4; Kap. 7 6 5 Übung 5;

Mehr

Einführung in die Wahrscheinlichkeitsrechnung und Statistik für Ingenieure

Einführung in die Wahrscheinlichkeitsrechnung und Statistik für Ingenieure Einführung in die Wahrscheinlichkeitsrechnung und Statistik für Ingenieure Von Prof. Hubert Weber Fachhochschule Regensburg 3., überarbeitete und erweiterte Auflage Mit zahlreichen Bildern, Tabellen sowie

Mehr

Klinische Psychologie (A)

Klinische Psychologie (A) Vorlesung mit Diskussion (# 1768) WS 2004/2005 Montags, 14-16 Uhr, HS 8 Klinische Psychologie (A) Universität Trier FB I - Psychologie Abt. Klinische Psychologie, Psychotherapie & Wissenschaftsforschung

Mehr

Prüfung aus Statistik 1 für SoziologInnen- Gruppe A

Prüfung aus Statistik 1 für SoziologInnen- Gruppe A Prüfung aus Statistik 1 für SoziologInnen- Gruppe A 26. Juni 2012 Gesamtpunktezahl =80 Prüfungsdauer: 2 Stunden 1) Wissenstest (maximal 20 Punkte) Lösungen Kreuzen ( ) Sie die jeweils richtige Antwort

Mehr

Inhalt. I. Deskriptive Statistik Einführung Die Grundgesamtheit Merkmale und Verteilungen Tabellen und Grafiken...

Inhalt. I. Deskriptive Statistik Einführung Die Grundgesamtheit Merkmale und Verteilungen Tabellen und Grafiken... I. Deskriptive Statistik 1 1. Einführung 3 1.1. Die Grundgesamtheit......................... 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................ 10

Mehr

4.2 Grundlagen der Testtheorie. Wintersemester 2008 / 2009 Hochschule Magdeburg-Stendal (FH) Frau Prof. Dr. Gabriele Helga Franke

4.2 Grundlagen der Testtheorie. Wintersemester 2008 / 2009 Hochschule Magdeburg-Stendal (FH) Frau Prof. Dr. Gabriele Helga Franke 4.2 Grundlagen der Testtheorie Wintersemester 2008 / 2009 Hochschule Magdeburg-Stendal (FH) Frau Prof. Dr. Gabriele Helga Franke GHF im WiSe 2008 / 2009 an der HS MD-SDL(FH) im Studiengang Rehabilitationspsychologie,

Mehr

Intel igenzminderung

Intel igenzminderung Intelligenzminderung Intelligenzminderung ist eine sich in der Entwicklung manifestierende, stehen gebliebene oder unvollständige Entwicklung der geistigen Fähigkeiten, mit besonderer Beeinträchtigung

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

Überleitungstabellen ICD-10/DSM-5

Überleitungstabellen ICD-10/DSM-5 Überleitungstabellen ICD-10/DSM-5 Horst Dilling, Klaus Reinhardt Überleitungstabellen ICD-10/DSM-5 Programmbereich Psychiatrie Horst Dilling Klaus Reinhardt Überleitungstabellen ICD-10/DSM-5 Prof. Dr.

Mehr

Lösung Aufgabe 19. ( ) = [Mio Euro]. Empirische Varianz s 2 = 1 n

Lösung Aufgabe 19. ( ) = [Mio Euro]. Empirische Varianz s 2 = 1 n Statistik I für Statistiker, Mathematiker und Informatiker Lösungen zu Blatt 4 Gerhard Tutz, Jan Ulbricht, Jan Gertheiss WS 07/08 Lösung Aufgabe 9 (a) Lage und Streuung: Arithmetisches Mittel x = n i=

Mehr

DIAGNOSTIK UND THERAPIE VISUELLER WAHRNEHMUNGSSTÖRUNGEN SEMINARBESCHREIBUNG

DIAGNOSTIK UND THERAPIE VISUELLER WAHRNEHMUNGSSTÖRUNGEN SEMINARBESCHREIBUNG DIAGNOSTIK UND THERAPIE VISUELLER WAHRNEHMUNGSSTÖRUNGEN SEMINARBESCHREIBUNG Seminarleitung Dipl.-Psych. Dr. Lars Tischler Universitätsdozent an der Medical School Hamburg, Psychotherapie nach dem Heilpraktikergesetz

Mehr

Anpassungstests VORGEHENSWEISE

Anpassungstests VORGEHENSWEISE Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel

Mehr

Deskriptive Statistik

Deskriptive 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,

Mehr

HAWIK-III. Hamburg-Wechsler-Intelligenztest fur Kinder - Dritte Auflage. Manual. Uwe Tewes / Peter Rossmann / Urs Schallberger (Hrsg.

HAWIK-III. Hamburg-Wechsler-Intelligenztest fur Kinder - Dritte Auflage. Manual. Uwe Tewes / Peter Rossmann / Urs Schallberger (Hrsg. HAWIK-III Hamburg-Wechsler-Intelligenztest fur Kinder - Dritte Auflage Manual Uwe Tewes / Peter Rossmann / Urs Schallberger (Hrsg.) 3., iiberarbeitete und erganzte Auflage Ubersetzung und AdaptatT WISC-III

Mehr

Korrelation, Regression und Signifikanz

Korrelation, 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

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik 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

Mehr

Beispiel 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 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

Mehr

Laborchemische Referenzwerte in der klinischen Versorgung

Laborchemische Referenzwerte in der klinischen Versorgung Laborchemische Referenzwerte in der klinischen Versorgung Dr. Robin Haring Institut für Klinische Chemie und Laboratoriumsmedizin Universitätsmedizin Greifswald Wozu Referenzwerte? Vor allem in der Laboratoriumsmedizin

Mehr

Statistik II: Signifikanztests /1

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

Mehr

VU Testtheorie und Testkonstruktion WS 08/09; Lengenfelder, Fritz, Moser, Kogler

VU Testtheorie und Testkonstruktion WS 08/09; Lengenfelder, Fritz, Moser, Kogler VU Testtheorie und Testkonstruktion WS 08/09; Lengenfelder, Fritz, Moser, Kogler Hausübung In der Übung Übungsblatt 06 1. Gegeben: Skala zur Messung der Gesundheitssorge mit 20 Items (dichotomes Antwortformat).

Mehr

Statistik I für Humanund Sozialwissenschaften

Statistik I für Humanund Sozialwissenschaften Statistik I für Humanund Sozialwissenschaften 1 Übung Lösungsvorschlag Gruppenübung G 1 Auf einer Touristeninsel in der Karibik wurden in den letzten beiden Juliwochen morgens zur gleichen Zeit die folgenden

Mehr

5. Spezielle stetige Verteilungen

5. Spezielle stetige Verteilungen 5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für

Mehr

4 Statistische Maßzahlen

4 Statistische Maßzahlen 4 Statistische Maßzahlen 4.1 Maßzahlen der mittleren Lage 4.2 Weitere Maßzahlen der Lage 4.3 Maßzahlen der Streuung 4.4 Lineare Transformationen, Schiefemaße 4.5 Der Box Plot Ziel: Charakterisierung einer

Mehr

1) Warum ist die Lage einer Verteilung für das Ergebnis einer statistischen Analyse von Bedeutung?

1) Warum ist die Lage einer Verteilung für das Ergebnis einer statistischen Analyse von Bedeutung? 86 8. Lageparameter Leitfragen 1) Warum ist die Lage einer Verteilung für das Ergebnis einer statistischen Analyse von Bedeutung? 2) Was ist der Unterschied zwischen Parametern der Lage und der Streuung?

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

Statistische Methoden in der Wirtschaftsund Sozialgeographie

Statistische Methoden in der Wirtschaftsund Sozialgeographie Statistische Methoden in der Wirtschaftsund Sozialgeographie Ort: Zeit: Multimediapool Rechenzentrum Mittwoch 0.5--45 Uhr Material: http://www.geomodellierung.de Thema: Beschreibung und Analyse Wirtschafts-

Mehr

8. Konfidenzintervalle und Hypothesentests

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

Mehr

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

Einführung in die testbasierte Intelligenzdiagnostik bei Kindern. SS 2009 Dipl.-Psych. Michael Lichtblau 2. VA

Einführung in die testbasierte Intelligenzdiagnostik bei Kindern. SS 2009 Dipl.-Psych. Michael Lichtblau 2. VA Einführung in die testbasierte Intelligenzdiagnostik bei Kindern SS 2009 Dipl.-Psych. Michael Lichtblau 2. VA 16.04.2008 Thema Historische Entwicklung der Diagnostik von Intelligenz von der Kraniometrie

Mehr

Lineare Funktionen. Klasse 8 Aufgabenblatt für Lineare Funktionen Datum: Donnerstag,

Lineare Funktionen. Klasse 8 Aufgabenblatt für Lineare Funktionen Datum: Donnerstag, Lineare Funktionen Aufgabe 1: Welche der folgenden Abbildungen stellen eine Funktion dar? Welche Abbildungen stellen eine lineare Funktion dar? Ermittle für die linearen Funktionen eine Funktionsgleichung.

Mehr

Modul G.1 WS 07/08: Statistik

Modul G.1 WS 07/08: Statistik Modul G.1 WS 07/08: Statistik 10.01.2008 1 2 Test Anwendungen Der 2 Test ist eine Klasse von Verfahren für Nominaldaten, wobei die Verteilung der beobachteten Häufigkeiten auf zwei mehrfach gestufte Variablen

Mehr

Demokurs. Modul Grundlagen der Wirtschaftsmathematik Grundlagen der Statistik

Demokurs. Modul Grundlagen der Wirtschaftsmathematik Grundlagen der Statistik Demokurs Modul 31101 Grundlagen der Wirtschaftsmathematik und Statistik Kurs 40601 Grundlagen der Statistik 13. Juli 2010 KE 1 2.4 Schiefe und Wölbung einer Verteilung Seite: 53 2.4 Schiefe und Wölbung

Mehr

Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007

Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007 Mathematik IV für Maschinenbau und Informatik Stochastik Universität Rostock, Institut für Mathematik Sommersemester 007 Prof. Dr. F. Liese Dipl.-Math. M. Helwich Serie Termin: 9. Juni 007 Aufgabe 3 Punkte

Mehr

Klausur Statistik I. Dr. Andreas Voß Wintersemester 2005/06

Klausur Statistik I. Dr. Andreas Voß Wintersemester 2005/06 Klausur Statistik I Dr. Andreas Voß Wintersemester 2005/06 Hiermit versichere ich, dass ich an der Universität Freiburg mit dem Hauptfach Psychologie eingeschrieben bin. Name: Mat.Nr.: Unterschrift: Bearbeitungshinweise:

Mehr

Berechnung von W für die Elementarereignisse einer Zufallsgröße

Berechnung von W für die Elementarereignisse einer Zufallsgröße R. Albers, M. Yanik Skript zur Vorlesung Stochastik (lementarmathematik) 5. Zufallsvariablen Bei Zufallsvariablen geht es darum, ein xperiment durchzuführen und dem entstandenen rgebnis eine Zahl zuzuordnen.

Mehr

Kennwerte eindimensionaler Häufigkeitsverteilungen

Kennwerte eindimensionaler Häufigkeitsverteilungen Kennwerte eindimensinaler Häufigkeitsverteilungen - Einführung - Statistische Kennwerte vn Verteilungen sind numerische Maße mit der Funktin, zusammenfassend einen Eindruck vn 1) dem Schwerpunkt, 2) der

Mehr