Mathematik IV: Statistik
|
|
- Günter Thomas
- vor 6 Jahren
- Abrufe
Transkript
1 für D-UWIS, D-ERDW, D-USYS und D-HEST SS16 Sie hören 2Cellos Daniel Stekhoven
2 Repetition t-test mit einer Stichprobe 1. Modell: XX ii kontinuierliche Messgrösse; XX 1, XX 2,, XX nn ii. ii. dd., NN μμ, σσ 22 XX, σσ XX wird mit σσ XX geschätzt 2. Nullhypothese: H 0 : μμ = μμ 0 Alternative: H AA : μμ μμ 0 (oder < oder >) 3. Teststatistik: XX T = nn μμ 0 XX = nn μμ 0 beobachtet erwartet = σσ XX nn σσ XX geschätzter Standardfehler nn Verteilung unter H 0 : T tt nn 1 4. Signifikanzniveau: αα 5. Verwerfungsbereich für die Teststatistik: KK = (, tt αα nn 1;1 2 tt αα nn 1;1, ) 2 KK =, tt nn 1;1 αα bei H AA : μμ < μμ 0 KK = [tt nn 1;1 αα, ) bei H AA : μμ > μμ 0 6. Testentscheid: Liegt beobachteter Wert tt der Teststatistik in KK Daniel Stekhoven
3 Lernziele heute ungepaarter t-test ungepaarter Wilcoxon-Test (MWU Test) multiples Testen Hausaufgaben Skript: Kapitel 4.8 lesen Serie 10 lösen Quiz 10 bearbeiten Daniel Stekhoven
4 Gepaarte Stichproben GG 1 GG 2 aa 11 bb 11 aa 22 bb 22 mm = nn aa nn bb mm Jeder Beobachtung in GG 1 kann eine Beobachtung in GG 2 zugeordnet werden. Daniel Stekhoven
5 Gepaarte Stichproben Situationen: Vorher/nachher Links/rechts Zwillinge... Überlegung: nn Personen aa 1, aa 2,, aa nn in GG 1 und bb 1, bb 2,, bb nn in GG 2 Betrachte die Differenzen der Paare: aa ii bb ii = xx ii xx 1, xx 2,, xx nn t-test für eine Stichprobe Beispiel Reaktionszeit aus letzter VL; HH - NH Daniel Stekhoven
6 Ungepaarte Stichprobe GG 1 GG 2 aa 11 bb 11 aa 22??? bb 22 mm = nn oder mm nn aa nn bb mm Eine Beobachtung in GG 1 kann keiner Beobachtung in GG 2 zugeordnet werden. Daniel Stekhoven
7 Daniel Stekhoven
8 Einfluss von Öl auf aquatische Lebewesen Können wir feststellen, ob und ab welcher Konzentration Öl einen Einfluss und welchen auf Fische im Wasser hat? Daniel Stekhoven
9 Was für Schadstoffkonzentrationen? Experiment: Embryonen von Zebrabärblingen Unterschiedliche Zeitpunkte der Exposition nach 4h, nach 24h und nach 96h (für jeweils 24h) Unterschiedliche Konzentrationen von Rohöl Verdünnungen von ppm («parts per million») Konzentrationen im subakuten Bereich (nicht letal, 40% morphologische Veränderungen) Auswertung: Zebrabärblinge unter Mikroskop nach Anomalien untersuchen Resultat: Morphologische Veränderungen deutlich weniger ausgeprägt bei niedrigen Konzentrationen Eawag News 64d/April 2008 Jules Kemadjou Daniel Stekhoven
10 «Sichtbare» morphologische Veränderungen Daniel Stekhoven Eawag News 64d/April 2008 Jules Kemadjou
11 und «nicht sichtbare» Veränderungen? Eine Konzentration von 100ppm oder weniger scheint nicht so einen grossen Einfluss auf die Morphologie der Fische zu haben Wissenschaftliche Fragestellung: Haben Zebrabärblinge, welche kurz nach ihrer Befruchtung Rohöl ausgesetzt werden, eine veränderte Genexpression im Vergleich zu denjenigen, welche keinem Rohöl ausgesetzt werden (Kontrolle)? Was sind die Daten, welche wir für diese Fragestellung brauchen? Daniel Stekhoven
12 Zentrales Dogma der Molekularbiologie Daniel Stekhoven
13 Wie messen wir die Genexpression? Früher: Microarray Heute: Next-Generation Sequencing FASTQ Daniel Stekhoven
14 Extrahiere die RNA aus den Zellen in DNA: T Thymin U A U G A G U C G Adenin Guanin Uracil Cytosin Daniel Stekhoven
15 Präparierte RNA wird in eine Sequenziermaschine gegeben Daniel Stekhoven
16 RNA wird an Flow Cell angebunden und amplifiziert U A U G A G U C G U A U G A G U C G A U A C U C A G C A U A C U C A G C A U A C U U A U G A U U C A G C A G U C G U A U G A G U C G U A U G A G U C G A U A C U C A G C A U A C U C A G C U A U G A G U C G U A U G A G U C G Daniel Stekhoven
17 Nun wird sequenziert mit einem alten Trick G U A U G A G U C G C Farbstoff U G A Terminatorgruppe G U A U G A G U C G C A C G U G U A U G A G U C G C G G U A U G A G U C G A C U C A G C U A U G A G U C G U A U G A G U C G AC U A C U C A G A C U Daniel Stekhoven
18 Viel RNA gibt viele Reads, viele Reads bedeutet hohe Aktivität des Gens tiefe Expression hohe Expression Daniel Stekhoven
19 Man misst die Genexpression in den Fischen Exposition Kontrolle Daniel Stekhoven
20 Aktivität aller Gene in den Fischen Kontrolle Gen Rep. 1 Rep. 2 Rep. n Exposition Gen Rep. 1 Rep. 2 Rep. m Daniel Stekhoven
21 Aktivität aller Gene in den Fischen Kontrolle Gen Rep. 1 Rep. 2 Rep. n Exposition Gen Rep. 1 Rep. 2 Rep. m Ist die Aktivität von Gen 2 signifikant höher? Daniel Stekhoven
22 Ungepaarter t-test (1/3) 1. Modell: 2. Nullhypothese: Alternative: XX 1, XX 2,, XX nn ii. ii. dd. NN μμ XX, σσ 2 YY 1, YY 2,, YY mm ii. ii. dd. NN μμ YY, σσ 2 H 0 : μμ XX = μμ YY H AA : μμ xx μμ YY H AA : μμ XX > μμ YY H AA : μμ XX < μμ YY Daniel Stekhoven
23 Ungepaarter t-test (2/3) 3. Teststatistik: wobei 2 SS pppppppp = = TT = 1 nn + mm 2 XX nn YY mm XX = nn YY mm VVVVVV XX nn YY mm 1 SS pppppppp nn + 1 mm nn ii=1 mm XX ii XX nn 2 + xx nn = 1 nn xx ii ii=1 1 nn + mm 2 nn 1 σσ xx 2 + mm 1 σσ yy 2 YY ii YY mm 2 = Verteilung der Teststatistik unter H 0 : TT tt nn+mm 2. σσ 2 xx = 1 nn 1 xx ii xx 2 nn Daniel Stekhoven
24 Ungepaarter t-test (3/3) 4. Signifikanzniveau: α 5. Verwerfungsbereich der Teststatistik: KK =, tt nn+mm 2;1 αα/2 KK = [tt nn+mm 2;1 αα, ) KK = (, tt mm+nn 2;1 αα ] [tt nn+mm 2;1 αα/2, ) bei H AA : μμ XX μμ YY bei H AA : μμ XX > μμ YY bei H AA : μμ XX < μμ YY 6. Testentscheid: Liegt der beobachtete Wert tt von TT in KK Daniel Stekhoven
25 Beispiel RNA-Seq ungepaarter t-test bei Gen 2 nn = 5, mm = 4 xx = 1.58, yy = 2.43 σσ xx = 0.40, σσ yy = Modell: XX 1, XX 2,, XX 5 NN μμ XX, σσ XX 2 YY 1, YY 2,, YY 4 NN(μμ YY, σσ YY 2 ) 2. H 0 : μμ xx = μμ yy, H AA : μμ xx μμ yy 3. Teststatistik: TT = XX nn YY mm SS pppppppp 1 nn + 1 mm 2 SS pppppppp = SS pppppppp = 0.16 = 0.40 falls H 0 : TT tt nn+mm 2 = tt 7 4. Signifikanz: αα = Verwerfungsbereich: K =, tt 7;0.975 tt 7;0.975, = =, , 6. Testentscheid: tt = tt KK H 0 wird verworfen Daniel Stekhoven
26 Gepaart versus ungepaart Beispiel Haupthand gegen Nebenhand, gepaarter Test ist angebracht Man könnte auch ungepaarten Test machen... Ungepaart Teststatistik: TT = XX YY SS pppppppp 1 mm + 1 mm tt 2 mm 2 Gepaart Teststatistik: TT DD = DD 0 σσ DD tt mm 1 DD ii = XX ii YY ii Daniel Stekhoven
27 Gepaart versus ungepaart H 0 : μμ DD = 0 bzw. H 0 : μμ XX = μμ YY ; nn = mm = 10 XX NN 100, σσ XX 2, DD NN 2,1, YY = XX + DD : gepaartes Setup YY grösseres σσ XX 2 noch grösseres σσ XX 2 XX TT und TT DD ähnlich TT kleiner, TT DD gleich TT noch kleiner, TT DD gleich Der gepaarte t-test hat mehr Macht, wenn die Daten verrauscht sind! Daniel Stekhoven
28 t-test falls Varianz in den Gruppen verschieden heisst auch: Welch-Test Grundidee identisch Teststatistik und Verteilung, falls H 0 stimmt, ist komplizierter Computer: Meist der default t-test Praxis: Man sollte immer annehmend, dass die Varianz in den Gruppen unterschiedlich ist Welsh Test Prüfung: Wir nehmen der Einfachheit halber an, dass die Varianz jeweils gleich ist t-test Daniel Stekhoven
29 Two-sample Wilcoxon Test (a.k.a. Mann-Whitney U-Test) Falls Daten nicht normalverteilt XX ii FF, ii = 1, 2,, nn; YY jj GG, ii = 1, 2,, mm H 0 : FF = GG H AA : FF = GG + δδ, mit δδ 0 (oder einseitig) d.h. Verteilungen sind verschoben, haben aber gleiche Form Teststatistik: Bilde Ränge über beide Gruppen hinweg Falls Gruppen gleich, sollten Rangsummen etwa gleich sein Falls Gruppen ungleich, sollten die Rangsummen in einem gewissen Verhältnis stehen ( 1) Daniel Stekhoven
30 Beispiel Two-sample Wilcoxon Test Behandlung (Trt) und Kontrolle (Contr) je 2 Patienten Beobachtung: Trt: 1.2, 3.1; Contr: 5.9, 4.4 Ränge: Trt: 1, 2; Contr: 4, 3 Rangsumme RR in Contr: = 7 Falls H 0 stimmt, sind alle Ränge in Contr gleich wahrscheinlich Ränge 1, 2 1, 3 1, 4 2, 3 2, 4 3, 4 RR z.b. für einseitigen Test: PP(RR 7) = PP(RR = 7) = H 0 kann auf dem 5% Niveau nicht verworfen werden Daniel Stekhoven
31 Übersicht der Tests für ungepaarte Stichproben σσ XX = σσ YY XX ii NN YY jj NN Annahmen FF, GG haben gleiche Form i.i.d. nn mmmmmm (falls nn = mm) bei αα = Macht für Beispiel t-test 2 57% Welsh-Test 2 56% Wilcoxon 4 53% Verwendetes Beispiel: XX ii NN μμ XX, σσ 2, nn = 10 YY jj NN μμ YY, σσ 2, mm = 10 H 0 : μμ XX = μμ YY ; H AA : μμ XX μμ YY ; αα = 0.05 Macht berechnet mit konkreter Alternative: XX ii NN 0,1, YY jj NN(1,1) Daniel Stekhoven
32 Multiples Testen Signifikanzniveau Wahrscheinlichkeit, dass wir H 0 verwerfen (Feueralarm geht los), gegeben H 0 ist wahr (es brennt nicht). W keit hier zu landen! Traditionell als 5% gewählt Daniel Stekhoven
33 Multiples Testen Beispiel Wir testen 100 Stichproben gegen eine Referenz mit αα = 0.05 Wir nehmen an, dass H 0 immer richtig ist! Die W keit mindestens ein signifikantes Resultat zu sehen ist 1 PP(kein signifikantes Resultat) Die W keit kein signifikantes Resultat zu sehen ist 1 αα Die W keit bei 100 Tests kein signifikantes Resultat zu sehen ist 1 αα 100 = und somit ist die W keit, dass wir mindestens ein FP haben in den 100 Tests = Ioannidis (2005). "Why Most Published Research Findings Are False". PLoS Medicine 2 (8): e124. Daniel Stekhoven
34 Multiples Testen Korrektur Dieser Effekt kann durch die Korrektur der P-Werte (oder äquivalent, Korrektur des Signifikanzlevels) behoben werden Die relevantesten zwei Methoden: Bonferroni Korrektur (sehr streng) Benjamini-Hochberg (weniger streng; besonders für grosse Testmengen nützlich) Mit R: p.adjust(p, method="bonferroni") p.adjust(p, method="bh") Daniel Stekhoven
35 Multiples Testen Korrektur - Beispiel PP mindests ein signifikantes Resultat = 1 1 αα nn = = Bonferroni: adjustiere αα mit der Anzahl Tests: αα = αα nn...dann 1 1 αα nn = 1 1 αα nn nn = = 1 ( ) Daniel Stekhoven
36 Zusammenfassung Lernziele ungepaarter t-test (zwei Stichproben) ungepaarter Wilcoxon-Test (muss nicht normalverteilt sein) multiples Testen (googeln Sie why most research findings are false ) Hausaufgaben Skript: Kapitel 4.8 lesen Serie 10 lösen Quiz 10 bearbeiten Daniel Stekhoven
Gepaarter und ungepaarter t-test. Statistik (Biol./Pharm.) Herbst 2012
Gepaarter und ungepaarter t-test Statistik (Biol./Pharm.) Herbst 2012 Mr. X Krebs Zwei Krebstypen 1 Typ 1: Mild Chemotherapie nicht nötig 2 Typ 2: Schwer Chemotherapie nötig Problem: Typ erst nach langer
MehrHypothesentests für Erwartungswert und Median. für D-UWIS, D-ERDW, D-USYS und D-HEST SS15
Hypothesentests für Erwartungswert und Median für D-UWIS, D-ERDW, D-USYS und D-HEST SS15 Normalverteilung X N(μ, σ 2 ) : «X ist normalverteilt mit Erwartungswert μ und Varianz σ 2» pdf: f x = 1 2 x μ exp
MehrZweiseitiger Binomialtest. für D-UWIS, D-ERDW, D-USYS und D-HEST SS15
Zweiseitiger Binomialtest für D-UWIS, D-ERDW, D-USYS und D-HEST SS15 Repetition: Macht Quiz 5 Aufgabe 6 und 7 Verwerfungsbereich mit αα 0.05 ist KK = [14, 15,, 25] Verwerfungsbereich mit αα 0.01 ist KK
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
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
MehrMathematik IV: Statistik
für D-UWIS, D-ERDW, D-USYS und D-HEST SS16 Sie hören Vitamin String Quartet Daniel Stekhoven 14.04.2016 1 Daniel Stekhoven 14.04.2016 2 Überblick Lernziele Erledigt! Grundlagen Wahrscheinlichkeitsmodell
MehrMathematik IV: Statistik
für D-UWIS, D-ERDW, D-USYS und D-HEST SS16 Sie hören Vitamin String Quartet Daniel Stekhoven 10.03.2016 1 Repetition Bedingte Wahrscheinlichkeit Kap. 2.3 Daniel Stekhoven 10.03.2016 2 Hinter einer der
MehrTeil VIII Hypothesentests für zwei Stichproben
Woche 9: Hypothesentests für zwei Stichproben Teil VIII Hypothesentests für zwei Stichproben WBL 15/17, 22.06.2015 Alain Hauser Berner Fachhochschule, Technik und Informatik Berner
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.)
Mehrdas 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
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 3.2.2 bis 3.3 besser zu verstehen. Auswertung und Lösung Abgaben: 81 / 265 Maximal erreichte Punktzahl: 7 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.28 Frage
MehrStatistik II Übung 3: Hypothesentests Aktualisiert am
Statistik II Übung 3: Hypothesentests Aktualisiert am 12.04.2017 Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier
MehrAlgoBio WS 16/17 Differenzielle Genexpression. Annalisa Marsico
AlgoBio WS 16/17 Differenzielle Genexpression Annalisa Marsico 04.01.2017 Pipeline für die Mikroarray-Analyse Bildanalyse Hintergrundkorrektur Normalisierung Vorverarbeitung Zusammenfassung Quantifizierung
MehrTests für Erwartungswert & Median
Mathematik II für Biologen 26. Juni 2015 Prolog Varianz des Mittelwerts Beispiel: Waage z-test t-test Vorzeichentest Wilcoxon-Rangsummentest Varianz des Mittelwerts Beispiel: Waage Zufallsvariable X 1,...,X
MehrMathematik IV: Statistik
Moments of inspiration - http://www.xkcd.com/1584 für D-UWIS, D-ERDW, D-USYS und D-HEST SS16 Sie hören Vitamin String Quartet Daniel Stekhoven 03.03.2016 1 Repetition Wahrscheinlichkeitsmodell Grundraum
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
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Post Hoc Tests A priori Tests (Kontraste) Nicht-parametrischer Vergleich von Mittelwerten 50 Ergebnis der ANOVA Sprossdichte der Seegräser 40 30 20 10
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 22 Übersicht Weitere Hypothesentests in der Statistik 1-Stichproben-Mittelwert-Tests 1-Stichproben-Varianz-Tests 2-Stichproben-Tests Kolmogorov-Smirnov-Test
MehrBiostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 / Übungsaufgaben Prof. Dr. Achim Klenke http://www.aklenke.de 13. Vorlesung: 10.02.2012 1/51 Aufgabe 1 Aufgabenstellung Übungsaufgaben Ein Pharmakonzern möchte ein neues Schlankheitsmedikament
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
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-06) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrStatistische Analyse von hochdimensionalen Daten in der Bioinformatik
Statistische Analyse von hochdimensionalen Daten in der Bioinformatik Florian Frommlet Institut für medizinische Statistik, Medizinische Universität Wien Wien, November 2013 Einführung DNA Molekül Zwei
MehrEinfaktorielle Varianzanalyse
Kapitel 16 Einfaktorielle Varianzanalyse Im Zweistichprobenproblem vergleichen wir zwei Verfahren miteinander. Nun wollen wir mehr als zwei Verfahren betrachten, wobei wir unverbunden vorgehen. Beispiel
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrTeil X. Hypothesentests für eine Stichprobe. Woche 8: Hypothesentests für eine Stichprobe. Lernziele. Statistische Hypothesentests
Woche 8: Hypothesentests für eine Stichprobe Teil X Patric Müller Hypothesentests für eine Stichprobe ETHZ WBL 17/19, 19.06.2017 Wahrscheinlichkeit und Statistik Patric
MehrMathematik IV: Statistik
für D-UWIS, D-ERDW, D-USYS und D-HEST SS16 Daniel Stekhoven 25.02.2016 1 Hygienische Reiniger Wissenschaftliche Studie 10 000 Reinigungsversuche, 6 Fälle mit mehr als 1 Bakterien Stimmt s jetzt oder was?
MehrGüteanalyse. Nochmal zur Erinnerung: Hypothesentest. Binominalverteilung für n=20 und p=0,5. Münzwurf-Beispiel genauer
Universität Karlsruhe (TH) Forschungsuniversität gegründet 1825 Güteanalyse Prof. Walter F. Tichy Fakultät für Informatik 1 Fakultät für Informatik 2 Nochmal zur Erinnerung: Hypothesentest Am Beispiel
MehrSchriftliche Prüfung (90 Minuten)
Dr. M. Kalisch Probeprüfung Statistik 1 Sommer 2014 Schriftliche Prüfung (90 Minuten) Bemerkungen: Alle schriftlichen Hilfsmittel und ein Taschenrechner sind erlaubt. Mobiltelefone sind auszuschalten!
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:
MehrEinführung 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 =
MehrAuswertung und Lösung
Körperkraft [Nm] 0 50 100 150 200 250 0 20 40 60 80 Lean Body Mass [kg] Dieses Quiz soll Ihnen helfen, den R Output einer einfachen linearen Regression besser zu verstehen (s. Kapitel 5.4.1) Es wurden
MehrSitzung 4: Übungsaufgaben für Statistik 1
1 Sitzung 4: Übungsaufgaben für Statistik 1 Aufgabe 1: In einem Leistungstest werden von den Teilnehmern folgende Werte erzielt: 42.3; 28.2; 30.5, 32.0, 33.0, 38.8. Geben Sie den Median, die Spannweite
MehrStatistik II: Signifikanztests /1
Medien Institut : Signifikanztests /1 Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Noch einmal: Grundlagen des Signifikanztests 2. Der chi 2 -Test 3. Der t-test
MehrANalysis Of VAriance (ANOVA) 1/2
ANalysis Of VAriance (ANOVA) 1/2 Markus Kalisch 16.10.2014 1 ANOVA - Idee ANOVA 1: Zwei Medikamente zur Blutdrucksenkung und Placebo (Faktor). Gibt es einen sign. Unterschied in der Wirkung (kontinuierlich)?
MehrTeil VII Hypothesentests für eine Stichprobe
Woche 7: Hypothesentests für eine Stichprobe Teil VII Hypothesentests für eine Stichprobe WBL 15/17, 15.06.2015 Alain Hauser Berner Fachhochschule, Technik und Informatik Berner Fachhochschule
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
Mehr7.2 Mittelwert einer Stichprobe
66 7.2 Mittelwert einer Stichprobe Gegeben ist eine normalverteilte Grundgesamtheit. Mit Hilfe einer Stichprobe möchten wir Aussagen über den unbekannten Mittelwert µ dieser Grundgesamtheit machen. Wenn
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
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
MehrTesten von Hypothesen:
Testen von Hypothesen: Ein Beispiel: Eine Firma produziert Reifen. In der Entwicklungsabteilung wurde ein neues Modell entwickelt, das wesentlich ruhiger läuft. Vor der Markteinführung muss aber auch noch
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
Mehra) Man bestimme ein 95%-Konfidenzintervall für den Anteil der Wahlberechtigten, die gegen die Einführung dieses generellen
2) Bei einer Stichprobe unter n=800 Wahlberechtigten gaben 440 an, dass Sie gegen die Einführung eines generellen Tempolimits von 100km/h auf Österreichs Autobahnen sind. a) Man bestimme ein 95%-Konfidenzintervall
MehrWahrscheinlichkeit und Statistik BSc D-INFK
Prof. Dr. P. Bühlmann ETH Zürich Winter 2010 Wahrscheinlichkeit und Statistik BSc D-INFK 1. (10 Punkte) Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete
MehrAnalyse von Querschnittsdaten. Signifikanztests I Basics
Analyse von Querschnittsdaten Signifikanztests I Basics Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Generalisierung kategoriale Variablen Datum 13.10.2004 20.10.2004 27.10.2004
MehrAblaufschema 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
Mehr11. Nichtparametrische Tests
11. Nichtparametrische Tests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 In Kapitel 8 und 9 haben wir vorausgesetzt, daß die Beobachtungswerte normalverteilt sind. In diesem Fall kann
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
MehrBiostatistik, WS 2015/2016 Der t-test
1/62 Biostatistik, WS 2015/2016 Der t-test (Zwei gepaarte Stichproben bzw. eine Stichprobe) Matthias Birkner http://www.staff.uni-mainz.de/birkner/biostatistik1516/ 4.12.2015 Beispiel: Orientierung bei
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
MehrBiostatistik, SS 2016 Der t-test
1/62 Biostatistik, SS 2016 Der t-test (Zwei gepaarte Stichproben bzw. eine Stichprobe) Frederik Klement und Matthias Birkner http://www.staff.uni-mainz.de/birkner/biostatistik16/ 3.6.2016 Beispiel: Orientierung
Mehr4.1. 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
MehrInferenz im multiplen Regressionsmodell
1 / 29 Inferenz im multiplen Regressionsmodell Kapitel 4, Teil 1 Ökonometrie I Michael Hauser 2 / 29 Inhalt Annahme normalverteilter Fehler Stichprobenverteilung des OLS Schätzers t-test und Konfidenzintervall
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrBiostatistik. Lösung
Prof. Dr. Achim Klenke Fridolin Kielisch 13. Übung zur Vorlesung Biostatistik im Sommersemester 2015 Lösung Aufgabe 1: a) Ich führe einen zweiseitigen Welch-Test durch, weil ich annehme, dass die Daten
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
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 Analyse von hochdimensionalen Daten in der Bioinformatik
Statistische Analyse von hochdimensionalen Daten in der Bioinformatik Florian Frommlet Institut für medizinische Statistik, Medizinische Universität Wien Wien, Jänner 2015 Einführung DNA Molekül Zwei komplementäre
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen Faktorielle Varianzanalyse
Wahrscheinlichkeitsrechnung und Statistik für Biologen Faktorielle Varianzanalyse Dirk Metzler & Martin Hutzenthaler 15. Juni 2010 Inhaltsverzeichnis 1 Die einfaktorielle Varianzanalyse und der F -Test
MehrAnalyse 2: Hypothesentests
Analyse 2: Hypothesentests Ashkan Taassob Andreas Reisch Inhalt Motivation Statistischer Hintergrund Hypothese Nullhypothesen Alternativhypothesen Fehler beim Hypothesentesten Signifikanz-LEVEL und P-value
MehrBiometrisches Tutorial II
Biometrisches Tutorial II Datenaufbereitung / beschreibende Statistik Statistisches Testen Auswertungsverfahren Statistische Analyse Qualitative/Quantitative Merkmale Die Wahl des gewählten statistischen
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
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
MehrSprache untersuchen sortieren B E. Ab c & De f. Sprache untersuchen sortieren B E. Ab c & De f
Sprache untersuchen sortieren B CD E A F Ab c & De f 20 Sprache untersuchen sortieren B CD E A F Ab c & De f 20 Stell dir mal vor: ich heiße Otto. Schreibe Otto und Oskar auf. Ot to Os kar Nein! Ich heiße
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen 4. Der t-test
Wahrscheinlichkeitsrechnung und Statistik für Biologen 4. Der t-test Martin Hutzenthaler & Dirk Metzler Inhaltsverzeichnis 1 t-test für gepaarte Stichproben 1 1.1 Beispiel: Orientierung bei Trauerschnäppern..........................
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen 4. Der t-test
Wahrscheinlichkeitsrechnung und Statistik für Biologen 4. Der t-test Martin Hutzenthaler & Dirk Metzler 6./18. Mai 2010 Inhaltsverzeichnis 1 t-test für gepaarte Stichproben 1 1.1 Beispiel: Orientierung
MehrAbbildung 1: Dieses Quiz soll Ihnen helfen, die Residuenplots besser zu verstehen. Am Schluss kommen noch vermischte Aufgaben zur Wiederholung.
Residuals vs Fitted Normal Q Q Residuals 2 1 0 1 2 16 18 30 Standardized residuals 2 1 0 1 2 18 30 16 5 10 15 20 25 30 Fitted values 2 1 0 1 2 Theoretical Quantiles Abbildung 1: Dieses Quiz soll Ihnen
MehrSprache untersuchen sortieren B E. A bc & D ef. Sprache untersuchen sortieren B E. A bc & D ef
Sprache untersuchen sortieren B CD E A F A bc & D ef 19 Sprache untersuchen sortieren B CD E A F A bc & D ef 19 A B C D E F G H I J K L M N O P Q R S T U V W X Y Z Wörter können nach dem Alphabet sortiert
MehrLösungen 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
MehrKlausur zur Vorlesung
Institut für Mathematische Stochastik WS 2006/2007 Universität Karlsruhe 12. Februar 2007 Priv.-Doz. Dr. D. Kadelka Dipl.-Math. W. Lao Aufgabe 1 (15 Punkte) Klausur zur Vorlesung Statistik für Biologen
MehrGRUNDPRINZIPIEN statistischen Testens
Fragestellungen beim Testen GRUNDPRINZIPIEN statistischen Testens. Vergleiche Unterscheidet sich die Stichprobenbeobachtung von einer vorher spezifizierten Erwartung ( Hypothese ) mit ausreichender Sicherheit?
MehrKapitel 8: Verfahren für Rangdaten
Kapitel 8: Verfahren für Rangdaten Anmerkung 1 Mann-Whitney U-Test 1 Wilcoxon-Test 3 Kruskal-Wallis H-Test 3 Literatur 6 Anmerkung In Kapitel 8 der Bücher wird erwähnt, dass für nichtparametrische Daten
MehrBachelorprüfung: Mathematik 4 - Statistik (2 Stunden)
Prof. P. Bühlmann D-UWIS, D-ERDW, D-AGRL Frühling 2007 Bachelorprüfung: Mathematik 4 - Statistik (2 Stunden) Bemerkungen: Es sind alle mitgebrachten schriftlichen Hilfsmittel und der Taschenrechner erlaubt.
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003. Eine seltene Krankheit trete mit Wahrscheinlichkeit : 0000 auf. Die bedingte Wahrscheinlichkeit, dass ein bei einem Erkrankten durchgeführter
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,...,
MehrMathematische und statistische Methoden II
Statistik & Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 41 Übersicht Struktur eines Hypothesentests Stichprobenverteilung t-test: Einzelner-Parameter-Test F-Test: Multiple lineare Restriktionen 2 / 41 Struktur
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:
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen Spezielle Verteilungen
Wahrscheinlichkeitsrechnung und Statistik für Biologen Spezielle Verteilungen Noémie Becker & Dirk Metzler http://evol.bio.lmu.de/_statgen 7. Juni 2013 1 Binomialverteilung 2 Normalverteilung 3 T-Verteilung
MehrVergleich 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
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
MehrANalysis 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
MehrGrundlagen der Informatik II
Grundlagen der Informatik II Tutorium 2 Professor Dr. Hartmut Schmeck Miniaufgabe * bevor es losgeht * Finden Sie die drei Fehler in der Automaten- Definition. δδ: AA = EE, SS, δδ, γ, ss 0, FF, EE = 0,1,
MehrAlgoBio WS 16/17 Protein-DNA Interaktionen ChiP-Seq Datenanalyse. Annalisa Marsico
AlgoBio WS 16/17 Protein-DNA Interaktionen ChiP-Seq Datenanalyse Annalisa Marsico 6.02.2017 Protein-DNA Interaktionen Häufig binden sich Proteine an DNA, um ihre biologische Funktion zu regulieren. Transkriptionsfaktoren
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
MehrMultivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Musterlösung Aufgabe 1 (40 Punkte) Auf der dem Kurs beigelegten CD finden Sie im Unterverzeichnis Daten/Excel/ die Datei zahlen.xlsx. Alternativ können Sie
MehrUnterschiedshypothesen für maximal 2 Gruppen, wenn die Voraussetzungen für parametrische Verfahren nicht erfüllt sind
Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 6 Seite 1 Unterschiedshypothesen für maximal 2 Gruppen, wenn die Voraussetzungen für parametrische
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt. Stock, Taubertsberg R. 0-0 (Persike) R. 0-1 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet0.sowi.uni-mainz.de/
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungsfreie Verfahren Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrWB 11 Aufgabe: Hypothesentest 1
WB 11 Aufgabe: Hypothesentest 1 Ein Medikament, das das Überleben eines Patienten sichern soll, wird getestet. Stelle Null- und Alternativhypothese auf und beschreibe die Fehler 1. Art und 2. Art. Welcher
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
MehrEinführung 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
Mehr3. Das Prüfen von Hypothesen. Hypothese?! Stichprobe Signifikanztests in der Wirtschaft
3. Das Prüfen von Hypothesen Hypothese?! Stichprobe 3.1. Signifikanztests in der Wirtschaft Prüfung, ob eine (theoretische) Hypothese über die Verteilung eines Merkmals X und ihre Parameter mit einer (empirischen)
MehrSoftware oder Tabellen (nicht Thema dieser Veranstaltung).
p-wert p-wert Der p-wert ist die Wahrscheinlichkeit, dass die Testgröße den beobachteten Wert oder einen noch extremeren Wert (,,weiter weg von H 0 ) annimmt unter der Bedingung, dass H 0 wahr ist. Bemerkungen
MehrPROC NPAR1WAY. zum Durchführen des U-Tests für zwei unverbundene Stichproben (für quantitative nicht-normalverteilte Merkmale)
PROC NPAR1WAY zum Durchführen des U-Tests für zwei unverbundene Stichproben (für quantitative nicht-normalverteilte Merkmale) Allgemeine Form: PROC NPAR1WAY DATA=name Optionen ; VAR variablenliste ; CLASS
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen Wiederholung: Verteilungen
Wahrscheinlichkeitsrechnung und Statistik für Biologen Wiederholung: Verteilungen Noémie Becker & Dirk Metzler 31. Mai 2016 Inhaltsverzeichnis 1 Binomialverteilung 1 2 Normalverteilung 2 3 T-Verteilung
MehrStatistik II Übung 4: Skalierung und asymptotische Eigenschaften
Statistik II Übung 4: Skalierung und asymptotische Eigenschaften Diese Übung beschäftigt sich mit der Skalierung von Variablen in Regressionsanalysen und mit asymptotischen Eigenschaften von OLS. Verwenden
MehrStatistik 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
MehrBeurteilende Statistik
Beurteilende Statistik Wahrscheinlichkeitsrechnung und Beurteilende Statistik was ist der Unterschied zwischen den beiden Bereichen? In der Wahrscheinlichkeitstheorie werden aus gegebenen Wahrscheinlichkeiten
Mehr