Statistik II Übung 3: Hypothesentests Aktualisiert am
|
|
- Rüdiger Möller
- vor 6 Jahren
- Abrufe
Transkript
1 Statistik II Übung 3: Hypothesentests Aktualisiert am Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier Stichproben). Verwenden Sie dazu den Datensatz Arbeitsmarktdaten.sav. Bitte bearbeiten Sie Aufgaben 1-5 in Gruppen von bis zu 4 Studierenden (vergessen Sie nicht die Namen!) und reichen Sie die Lösungen VOR der 3. PC Übung ein. 1. Erklären Sie den Unterschied zwischen einem einseitigen und zweiseitigen Hypothesentest. 1seitiger Hypothesentest: linksseitiger Test 1seitiger Hypothesentest: rechtsseitiger Test 2seitiger Hypothesentest: 2. Was versteht man unter einem Konfidenzintervall? Wie wird es gebildet und was sagt es aus?
2 3. Überprüfen Sie anhand des 1-Stichproben t-tests, ob der Mittelwert der Variable befristarbeit (1 falls jemand eine befristete Arbeitsstelle über eine italienische Arbeitsagentur erhalten hat und 0 falls nicht) signifikant verschieden von 0.5 ist. Analysieren > Mittelwerte Vergleich > T-Test bei einer Stichprobe> Testvariable(n): befristarbeit > Testwert: 0.5 > OK Statistik bei einer Stichprobe Standardabweic Standardfehler N Mittelwert hung des Mittelwertes befristarbeit Test bei einer Sichprobe Testwert = % Konfidenzintervall der Mittlere Differenz T df Sig. (2-seitig) Differenz Untere Obere befristarbeit Überprüfen Sie anhand des 2-Stichproben t-tests, ob sich das mittlere Gehalt (siehe Variable Gehalt, welche zeitlich später gemessen wurde als befristarbeit ) in den Gruppen mit befristarbeit =1 und befristarbeit =0 signifikant unterscheidet. Kommentieren Sie auch, ob Gehalt eine signifikant unterschiedliche Varianz in beiden Gruppen aufweist und was dies für den 2-Stichproben t-test bedeutet. Analysieren > Mittelwerte Vergleich > T-Test bei unabhängigen Stichproben > Testvariable(n): Gehalt > Gruppierungsvariable: befristarbeit; Gruppen definieren > Angegebene Werte verwenden: Gruppe1 (1), Gruppe2 (0) > Weiter > OK Gruppenstatistiken befristarbeit N Mittelwert Standardabweic hung Standardfehler des Mittelwertes Gehalt
3 Gehalt Varianzen sind gleich Varianzen sind nicht gleich Test bei unabhängigen Stichproben Levene-Test der Varianzgleichheit T-Test für die Mittelwertgleichheit Sig. (2- Mittlere Standardfehler 95% Konfidenzintervall der Differenz F Signifikanz T df seitig) Differenz der Differenz Untere Obere Regressieren Sie Gehalt auf befristarbeit und vergleichen Sie die Ergebnisse (insbesondere die t- Statistiken und p-werte) mit jenen von Aufgabe 4. Analysieren > Regression > Linear > Abhängige Variable: Gehalt > Unabhängige Variable: befristarbeit > ok Koeffizienten a Standardisierte Nicht standardisierte Koeffizienten Koeffizienten Modell Regressionskoef fizientb Standardfehler Beta T Sig. 1 (Konstante) befristarbeit Überprüfen Sie, ob die Varianz der Variablen Bildung signifikant unterschiedlich ist in den Gruppen mit Training =1 und Training =0. Analysieren > Mittelwerte Vergleich > Einfaktorielle Varianzanalyse (One Way Anova) > Abhängige Variable: Bildung > Faktor: Training (1 0) > Optionen: Test Homogenität der Varianzen > Weiter > Ok Test der Homogenität der Varianzen Bildung Levene-Statistik df1 df2 Signifikanz
4 7. Verwenden Sie den Mann Whitney U-Test um zu überprüfen, ob sich das mittlere Gehalt (siehe Variable Gehalt, welche zeitlich später gemessen wurde als befristarbeit ) in den Gruppen mit befristarbeit =1 und befristarbeit =0 signifikant unterscheidet. Inwiefern unterscheidet sich dieser Test vom t-test? Mann Whitney U-Test ist nichtparametrischer Test basierend Rängen unterstellt keine Normalverteilung Analysieren > Nicht parametrische Tests > Unabhängige Stichproben > Felder > Testfelder: Gehalt > Gruppen: befristarbeit > Einstellungen > Tests anpassen > Mann Whitney U (2 Stichproben) > Ausführen 8. Verwenden Sie den Kolmogorov Smirnov Test um zu überprüfen, ob sich die Verteilungen von (a) Gehalt und (b) Bildung in den Gruppen mit befristarbeit =1 und befristarbeit =0 signifikant voneinander unterscheiden. Analysieren > Nicht parametrische Tests > Unabhängige Stichproben > Felder > Testfelder: Gehalt, Bildung > Gruppen: befristarbeit > Einstellungen > Tests anpassen > Kolmogorov-Smirnov (2 Stichproben) > Ausführen
5 9. Verwenden Sie die einfaktorielle Varianzanalyse, um zu überprüfen, (a) ob sich Gehalt für verschiedene Ausprägungen von Bildung signifikant unterscheidet und (b) falls ja, zwischen welchen Ausprägungen von Bildung signifikante Unterschiede bestehen (verwenden Sie für letztere Analyse die Methode Tamhane s T2 für ungleiche Varianzen für verschiedene Ausprägungen von Bildung ). Analysieren > Mittelwerte Vergleich > Einfaktorielle Varianzanalyse (One Way Anova) > Abhängige Variable: Gehalt > Faktor: Bildung > Post Hoc: (keine Varianzverleichheit angenommen) Tamhane s T2 > Signifikanzniveau =0.05 > Weiter > ok Test der Homogenität der Varianzen Gehalt Levene-Statistik df1 df2 Signifikanz Einfaktorielle ANOVA Gehalt Quadratsumme df Mittel der Quadrate F Signifikanz Zwischen den Gruppen Innerhalb der Gruppen Gesamt Mehrfachvergleiche Abhängige Variable: Gehalt Tamhane Mittlere 95%-Konfidenzintervall (I) Bildung (J) Bildung Differenz (I-J) Standardfehler Signifikanz Untergrenze Obergrenze * * * * * * *. Die Differenz der Mittelwerte ist auf dem Niveau 0.05 signifikant. 10. Generieren Sie neue Variablen für unterschiedliche Ausprägungen von Bildung : geringbild (geringe Bildung; soll 1 sein falls Bildung =0 und 0 sein falls Bildung =1 oder 2), mittlerebild (mittlere Bildung; soll 1 sein falls Bildung =1 und 0 sein falls Bildung =0 oder 2), hohebild (hohe Bildung; soll 1 sein falls Bildung =2 und 0 sein falls Bildung =0 oder 1) Transformieren > Variable berechnen > Zielvariable: geringbild > Numerischer Ausdruck: Bildung=0 Transformieren > Variable berechnen > Zielvariable: mittlerebild > Numerischer Ausdruck: Bildung=1 Transformieren > Variable berechnen > Zielvariable: hohebild > Numerischer Ausdruck: Bildung=2
6 11. Regressieren Sie Gehalt auf mittlerebild und hohebild um zu testen, ob sich das Gehalt für verschiedene Bildungsniveaus signifikant unterscheidet. Analysieren > Regression > Linear > Abhängige Variable: Gehalt > Unabhängige: mittlerebild, hohebild > ok Koeffizienten a Standardisierte Nicht standardisierte Koeffizienten Koeffizienten Modell Regressionskoef fizientb Standardfehler Beta T Sig. 1 (Konstante) mittlerebild hohebild Regressieren Sie Gehalt auf geringbild und mittlerebild um zu testen, ob sich das Gehalt für verschiedene Bildungsniveaus signifikant unterscheidet. Inwiefern unterscheiden sich die Ergebnisse von jenen in Aufgabe 11 bzw stimmen mit jenen überein? Analysieren > Regression > Linear > Abhängige Variable: Gehalt > Unabhängige Variable: geringbild, mittlerebild > ok Koeffizienten a Standardisierte Nicht standardisierte Koeffizienten Koeffizienten Modell Regressionskoef fizientb Standardfehler Beta T Sig. 1 (Konstante) mittlerebild geringbild Warum können Sie Gehalt nicht gleichzeitig (also in der selben Regression) auf geringbild, mittlerebild und hohebild regressieren? Multikollinearität
7 14. Regressieren Sie Gehalt auf geringbild, mittlerebild, Training und befristarbeit und testen Sie anhand des F-tests, ob die Koeffizienten aller Variablen gemeinsam signifikant verschieden von Null sind. Zeigen Sie auch für jeden Koeffizienten das jeweilige 95% Konfidenzintervall. Analysieren > Regression > Linear > Abhängige Variable: Gehalt > Unabhängige Variable: geringbild, mittlerebild, Training, befristarbeit > Statistik: Konfidenzintervalle > Weiter > ok ANOVA a Modell Quadratsumme df Mittel der Quadrate F Sig. 1 Regression b Nicht standardisierte Residuen Gesamt b. Einflußvariablen : (Konstante), Training, befristarbeit, geringbild, mittlerebild Koeffizienten a Nicht standardisierte Koeffizienten Standardisiert e Koeffizienten 95.0% Konfidenzintervalle für B Regressionsk Modell oeffizientb Standardfehler Beta T Sig. Untergrenze Obergrenze 1 (Konstante) mittlerebild geringbild befristarbeit Training Gegeben den Regressionskoeffizienten und den Standardfehler in Aufgabe 14: a. Formulieren Sie die Nullhypothese, dass das Gehalt der hochgebildeten Personen ohne Training und ohne befristete Arbeitsstelle, im Durchschnitt, 300 Euro beträgt. HH 0 : ββ 0 = 300 b. Berechnen Sie die t-statistik für die Nullhypothese in (a). tt ββ 0 = ββ 0 ββ 0 ssss(ββ 0) = 547, ,602 6,095 c. Wird die Nullhypothese in (b) auf dem 5% Signifikanzniveau abgelehnt? Verwerfungsregel: tt ββ tttt > cc 6,095 > 1,96
8 HH 0 wird verworfen d. Berechnen Sie die t-statistik für die Nullhypothese, dass das mittlere Gehalt der Personen mit Training mindestens 10 Euro höher ist, als das mittlere Gehalt der Personen ohne Training aber mit gleichem Bildungsniveau und gleicher Arbeitsstelle : tt ββ tttt = ββ tttt ββ tttt ssss(ββ tttt ) HH 0 : ββ TTTTTTTTTTTTTTTT 10 = 25, ,112 0, : e. Wird die Nullhypothese in (d) auf dem 5% Signifikanzniveau abgelehnt? Verwerfungsregel: tt ββ tttt < cc 0,56 > 1,645 HH 0 wird nicht verworfen 16. Eine Verbraucherorganisation will mit Hilfe einer Zufallsstichprobe von 100 Bierflaschen prüfen, ob der Durchschnitt der normalverteilten Abfüllmenge dem Sollinhalt von 0,5 Litern entspricht. Die durchschnittliche Abfüllmenge in der gezogenen Zufallsstichprobe beträgt 0,47 Liter. Die (geschätzte) Standardabweichung der Abfüllmenge in der Stichprobe beträgt 0,05 Liter. Was schliessen Sie aus der Analyse dieser Stichprobe: wird die Nullhypothese, dass die durchschnittliche Abfüllmenge dem Sollinhalt entspricht, am dem 5% Signifikanz- Niveau verworfen? HH 0 : μμ = 0,5 tt = XX μμ 0,47 0,5 = ssss/ nn 0,05/ 100 = 0,03 0,005 = 6 cc 99 = 1,987 6 > 1,987 Die Nullhypothese, dass der Durchschnitt der Abfüllmenge dem Sollinhalt entspricht, wird auf dem 5% Niveau abgelehnt. 17. Ein Zeitungsartikel behauptet, dass das Durchschnittsalter der Schweizer Frauen bei der Erstheirat im Jahr 2015 bei maximal 28,6 Jahren liegt. Als Forscher glauben Sie, dieses Alter sei höher. Sie überprüfen die Zahl aus der Zeitung anhand einer Zufallsstichprobe von 400 Schweizer Frauen. In Ihrer Stichprobe ist das Durchschnittsalter bei der Erstheirat im Jahr ,8 Jahre und die (geschätzte) Varianz in der Stichprobe beträgt 0,49. Können Sie die Nullhypothese, dass das Durchschnittsalter 28,6 oder weniger Jahre beträgt, auf dem 5% Signifikanzniveau verwerfen (und die Alternativhypothese annehmen, dass das Durchschnittsalter höher als 28,6 Jahre ist)? HH 0 : μμ 28,6
9 tt = XX μμ SS 2 xx / nn HH AA : μμ > 28,6 αα = 5% = 0,05 29,8 28,6 = ,29 0,49 cc 399 = 1,645 34,29 > 1,645 Die Nullhypothese wird auf dem 5% Niveau abgelehnt. 18. Die Werbung eines Schlafmittels behauptet, dass Patienten mit dem Schlafmittel im Durchschnitt mindestens 2 Stunden länger schlafen. Um diese Behauptung zu überprüfen, testen Sie den Effekt des Schlafmittels mit Hilfe einer Zufallsstichprobe von 900 Patienten. Jene Patienten in der Stichprobe, die das Schlafmittel einnehmen, schlafen im Durchschnitt 1,5 Stunden länger, als jene, die es nicht bekommen. Der Standardfehler (d.h. die geschätzte Standardabweichung) des Effekts des Schlafmittels beträgt 0,3 Stunden. Kann man die Nullhypothese, dass der durchschnittliche Effekt des Schlafmittels 2 oder mehr Stunden beträgt, auf dem 1% Signifikanzniveau verwerfen (und die Alternativhypothese annehmen, dass der Effekt weniger als 2 Stunden beträgt)? HH 0 : μμ 2 HH AA : μμ < 2 αα = 1% = 0,01 tt = XX μμ ssss/ nn = 1, = 50 0,3 cc 899 = 2, < 2,326 Die Nullhypothese, dass der durchschnittliche Effekt des Schlafmittels 2 oder mehr Stunden beträgt, wird auf dem 1% Niveau verworfen.
Standardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14.
Aufgabe : einfacher T-Test Statistik bei einer Stichprobe Standardfehl Standardab er des Mittelwert weichung Mittelwertes 699 39.68 76.59 2.894 Test bei einer Sichprobe Testwert = 45.5 95% Konfidenzintervall
MehrEinfache statistische Auswertungen mit dem Programm SPSS
Einfache statistische Auswertungen mit dem Programm SPSS Datensatz: fiktive_daten.sav Dipl. Päd. Anne Haßelkus Dr. Dorothea Dette-Hagenmeyer 11/2011 Überblick 1 Deskriptive Statistiken; Mittelwert berechnen...
MehrAnhang A: Fragebögen und sonstige Unterlagen
Anhang Anhang A: Fragebögen und sonstige Unterlagen A.: Flyer zur Probandenrekrutierung 46 A.: Fragebogen zur Meditationserfahrung 47 48 A.3: Fragebogen Angaben zur Person 49 5 5 A.4: Termin- und Einladungsschreiben
MehrVarianzanalyse ANOVA
Varianzanalyse ANOVA Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/23 Einfaktorielle Varianzanalyse (ANOVA) Bisher war man lediglich in der Lage, mit dem t-test einen Mittelwertsvergleich für
MehrÜberblick über die Verfahren für Ordinaldaten
Verfahren zur Analyse ordinalskalierten Daten 1 Überblick über die Verfahren für Ordinaldaten Unterschiede bei unabhängigen Stichproben Test U Test nach Mann & Whitney H Test nach Kruskal & Wallis parametrische
MehrAuswertung mit dem Statistikprogramm SPSS: 30.11.05
Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Seite 1 Einführung SPSS Was ist eine Fragestellung? Beispiel Welche statistische Prozedur gehört zu welcher Hypothese? Statistische Berechnungen mit
MehrEinfache statistische Testverfahren
Einfache statistische Testverfahren Johannes Hain Lehrstuhl für Mathematik VIII (Statistik) 1/29 Hypothesentesten: Allgemeine Situation Im Folgenden wird die statistische Vorgehensweise zur Durchführung
MehrWeitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell
Einfaktorielle Versuchspläne 27/40 Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell Abweichung Einfach Differenz Helmert Wiederholt Vergleich Jede Gruppe mit Gesamtmittelwert
Mehr2. Korrelation, lineare Regression und multiple Regression
multiple 2.2 Lineare 2.2 Lineare 1 / 130 2.2 Lineare 2 / 130 2.1 Beispiel: Arbeitsmotivation Untersuchung zur Motivation am Arbeitsplatz in einem Chemie-Konzern 25 Personen werden durch Arbeitsplatz zufällig
Mehr7. Mai 2010. Ruhr-Universität Bochum. Methodenlehre II, SS 2009. Prof. Dr. Holger Dette
Ruhr-Universität Bochum 7. Mai 2010 1 / 95 Methodenlehre II NA 3/73 Telefon: 0234 322 8284 Email: holger.dette@rub.de Internet: www.ruhr-uni-bochum.de/mathematik3/index.html Vorlesung: Montag, 8.30-10.00
MehrIm Modell der Varianzanalyse (mit festen Effekten) ist das. aus dem Durchschnittsmesswert für y plus dem Effekt des.
Einfatorielle Varianzanalyse Varianzanalyse untersucht den Einfluss verschiedener Bedingungen ( = nominalsalierte(r) Variable(r)) auf eine metrische Variable. Die Bedingungen heißen auch atoren und ihre
MehrBachelorabschlussseminar Dipl.-Kfm. Daniel Cracau
1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank
MehrKorrelation - Regression. Berghold, IMI
Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines
MehrAllgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse
Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse Univariate Varianz- und Kovarianzanlyse, Multivariate Varianzanalyse und Varianzanalyse mit Messwiederholung finden sich unter
MehrVarianzanalytische Methoden Zweifaktorielle Versuchspläne 4/13. Durchführung in SPSS (File Trait Angst.sav)
Zweifaktorielle Versuchspläne 4/13 Durchführung in SPSS (File Trait Angst.sav) Analysieren > Allgemeines Lineares Modell > Univariat Zweifaktorielle Versuchspläne 5/13 Haupteffekte Geschlecht und Gruppe
MehrBachelorprüfung. Praxis der empirischen Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Name, Vorname. Matrikelnr. E-Mail. Studiengang.
Lehrstuhl für Statistik und empirische Wirtschaftsforschung Fach: Prüfer: Bachelorprüfung Praxis der empirischen Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Name, Vorname Matrikelnr. E-Mail Studiengang
MehrAusgewählte Kapitel der Statistik: Regressions- u. varianzanalytische Modelle Lösung von Grundaufgaben mit SPSS (ab V. 11.0)
Ausgewählte Kapitel der Statistik: Regressions- u. varianzanalytische e Lösung von Grundaufgaben mit SPSS (ab V..0) Text: akmv_v.doc Daten: akmv??.sav Lehrbuch: W. Timischl, Biostatistik. Wien - New York:
MehrFortgeschrittene Statistik Logistische Regression
Fortgeschrittene Statistik Logistische Regression O D D S, O D D S - R A T I O, L O G I T T R A N S F O R M A T I O N, I N T E R P R E T A T I O N V O N K O E F F I Z I E N T E N, L O G I S T I S C H E
MehrTabelle 136: Unterschiede zwischen den Clustern in der Bearbeitungszeit des Wissenstests (LT-ZEIT)
Tabelle 136: Unterschiede zwischen den Clustern in der Bearbeitungszeit des Wissenstests (LT-ZEIT) Einfaktorielle Varianzanalyse Test der Homogenität der Varianzen Levene-Statistik df1 df2 1.938 4 317.104
MehrWebergänzung zu Kapitel 10
Webergänzung zu Kapitel 10 10.1.4 Varianzanalyse (ANOVA: analysis of variance) Im Kapitel 10 haben wir uns hauptsächlich mit Forschungsbeispielen beschäftigt, die nur zwei Ergebnissätze hatten (entweder
MehrMarktforschung I. Marktforschung I 2
Marktforschung I Marktforschung I Einführung in die Testtheorie (Toporowski) Mathematische Grundlagen (Toporowski) Varianzanalyse (Toporowski) Regressionsanalyse (Boztuğ) Diskriminanzanalyse (Hammerschmidt)
MehrFAKTORIELLE VERSUCHSPLÄNE. Andreas Handl
FAKTORIELLE VERSUCHSPLÄNE Andreas Handl 1 Inhaltsverzeichnis 1 Versuchsplanung 4 2 Einfaktorielle Varianzanalyse 6 2.1 DieAnnahmen... 6 2.2 Die ANOVA-Tabelle und der F -Test... 6 2.3 Versuche mit zwei
MehrGrundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel
Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel 16.11.01 MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 1 Gliederung Datenanalyse (inferenzstatistisch)
MehrEtwas positive Tendenz ist beim Wechsel der Temperatur von 120 auf 170 zu erkennen.
Explorative Datenanalyse Erstmal die Grafiken: Aufreisskraft und Temperatur 3 1-1 N = 1 15 17 Temperatur Diagramm 3 1 95% CI -1 N = 1 15 17 Temperatur Etwas positive Tendenz ist beim Wechsel der Temperatur
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
MehrT-TEST BEI EINER STICHPROBE:
Kapitel 19 T-Test Mit Hilfe der T-TEST-Prozeduren werden Aussagen über Mittelwerte getroffen. Dabei wird versucht, aus den Beobachtungen einer Stichprobe Rückschlüsse auf die Grundgesamtheit zu ziehen.
MehrEinfache Varianzanalyse für abhängige
Einfache Varianzanalyse für abhängige Stichproben Wie beim t-test gibt es auch bei der VA eine Alternative für abhängige Stichproben. Anmerkung: Was man unter abhängigen Stichproben versteht und wie diese
MehrÜbungsaufgaben zu Kapitel 5. Aufgabe 101. Inhaltsverzeichnis:
Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 5... 1 Aufgabe 101... 1 Aufgabe 102... 2 Aufgabe 103... 2 Aufgabe 104... 2 Aufgabe 105... 3 Aufgabe 106... 3 Aufgabe 107... 3 Aufgabe 108... 4 Aufgabe 109...
MehrMultivariate Verfahren
Selbstkontrollarbeit 2 Multivariate Verfahren Musterlösung Aufgabe 1 (28 Punkte) Der Marketing-Leiter einer Lebensmittelherstellers möchte herausfinden, mit welchem Richtpreis eine neue Joghurt-Marke auf
Mehr(VU) Übungen zur Einführung in die statistische Datenanalyse II. Inhalte Statistik I. Inhalte Statistik I Deskriptive Statistik
II Übungen zur II Organisatorische Hinweise Keine Anwesenheitspflicht (aber empfehlenswert) Einführung in die statistische Datenanalyse II (VU) Lehrinhalte (.ppt Folien): elearning.univie.ac.at 3 Prüfungstermine:
MehrProfil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8
1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen
MehrKlausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik
Ludwig Fahrmeir, Nora Fenske Institut für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik 29. März 21 Hinweise:
MehrBachelorprüfung. Praxis der empirischen Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Name, Vorname. Matrikelnr. E-Mail. Studiengang.
Lehrstuhl für Statistik und empirische irtschaftsforschung, SS 2009 ach: Prüfer: Bachelorprüfung Praxis der empirischen irtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Name, Vorname Matrikelnr. E-Mail
MehrKapitel 7: Varianzanalyse mit Messwiederholung
Kapitel 7: Varianzanalyse mit Messwiederholung Durchführung einer einfaktoriellen Varianzanalyse mit Messwiederholung 1 Durchführung einer zweifaktoriellen Varianzanalyse mit Messwiederholung auf einem
MehrBitte schreiben Sie in Druckbuchstaben und vergessen Sie nicht zu unterschreiben. Name, Vorname:. Studiengang/ Semester:. Matrikelnummer:..
Institut für Erziehungswissenschaft der Philipps-Universität Marburg Prof. Dr. Udo Kuckartz Arbeitsbereich Empirische Pädagogik/Methoden der Sozialforschung Wintersemester 004/005 KLAUSUR FEBRUAR 005 /
Mehr1 Statistische Grundlagen
Konzepte in Empirische Ökonomie 1 (Winter) Hier findest Du ein paar Tipps zu den Konzepten in Empirische 1. Wenn Du aber noch etwas Unterstützung kurz vor der Klausur brauchst, schreib uns eine kurze Email.
Mehr14.01.14 DAS THEMA: INFERENZSTATISTIK II. Standardfehler Konfidenzintervalle Signifikanztests. Standardfehler
DAS THEMA: INFERENZSTATISTIK II INFERENZSTATISTISCHE AUSSAGEN Standardfehler Konfidenzintervalle Signifikanztests Standardfehler der Standardfehler Interpretation Verwendung 1 ZUR WIEDERHOLUNG... Ausgangspunkt:
MehrGrundlagen der Inferenzstatistik
Grundlagen der Inferenzstatistik (Induktive Statistik oder schließende Statistik) Dr. Winfried Zinn 1 Deskriptive Statistik versus Inferenzstatistik Die Deskriptive Statistik stellt Kenngrößen zur Verfügung,
MehrWillkommen zur Vorlesung Statistik
Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Varianzanalyse Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr. Wolfgang
MehrFranz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. Excel Edition. ^ Springer Spektrum
Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst Excel Edition ^ Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3
MehrKapitel 3: Interpretationen
Kapitel 3: 1. Interpretation von Outputs allgemein... 1 2. Interpretation von Signifikanzen... 1 2.1. Signifikanztests / Punktschätzer... 1 2.2. Konfidenzintervalle... 2 3. Interpretation von Parametern...
Mehr27. Statistische Tests für Parameter. Was ist ein statistischer Test?
27. Statistische Tests für Parameter Wenn du eine weise Antwort verlangst, musst du vernünftig fragen Was ist ein statistischer Test? Ein statistischen Test ist ein Verfahren, welches ausgehend von Stichproben
Mehr3.3 Das allgemeine lineare Modell (ALM), Methode der kleinsten Quadrate
31 und 31 und (), Methode der 33 Das allgemeine (), Methode der kleinsten Quadrate 37 Modelle mit Messwiederholungen 1 / 113 Eine grundsätzliche Bemerkung zu Beginn Es bestehen viele Ähnlichkeiten zwischen
Mehr8. Methoden der klassischen multivariaten Statistik
8. Methoden der klassischen multivariaten Statistik 8.1. Darstellung von Daten Voraussetzungen auch in diesem Kapitel: Grundgesamtheit (Datenraum) Ω von Objekten (Fällen, Instanzen), denen J-Tupel von
MehrVarianzanalyse * (1) Varianzanalyse (2)
Varianzanalyse * (1) Einfaktorielle Varianzanalyse (I) Die Varianzanalyse (ANOVA = ANalysis Of VAriance) wird benutzt, um Unterschiede zwischen Mittelwerten von drei oder mehr Stichproben auf Signifikanz
Mehr3 Zusammenhangsmaße Zusammenhangshypothesen
3 Zusammenhangsmaße Zusammenhangshypothesen Zusammenhänge (zwischen 2 Variablen) misst man mittels Korrelationen. Die Wahl der Korrelation hängt ab von: a) Skalenniveau der beiden Variablen: 1) intervallskaliert
MehrBusiness Value Launch 2006
Quantitative Methoden Inferenzstatistik alea iacta est 11.04.2008 Prof. Dr. Walter Hussy und David Tobinski UDE.EDUcation College im Rahmen des dokforums Universität Duisburg-Essen Inferenzstatistik Erläuterung
MehrDIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 2006/07 28.02.2007
Wirtschaftswissenschaftliches Prüfungsamt DIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 006/07 8.0.007 Lösung Prof. Dr. R Friedmann / Dr. R. Hauser Hinweise für die Klausurteilnehmer
MehrEinführung in statistische Testmethoden
Einführung in statistische Testmethoden und die Bearbeitung von Messdaten mit Excel 1. Beispielhafte Einführung in den Gebrauch von Testmethoden 2. Typen von Messwerten, Verteilungen 3. Mittelwert, Varianz,
MehrVersuchsplanung. Teil 1 Einführung und Grundlagen. Dr. Tobias Kiesling <kiesling@stat.uni-muenchen.de> Einführung in die Versuchsplanung
Versuchsplanung Teil 1 Einführung und Grundlagen Dr. Tobias Kiesling Inhalt Einführung in die Versuchsplanung Hintergründe Grundlegende Prinzipien und Begriffe Vorgehensweise
MehrGrundlagen von Versuchsmethodik und Datenanalyse
Grundlagen von Versuchsmethodik und Datenanalyse Der Anfang: Hypothesen über Ursache-Wirkungs-Zusammenhänge Ursache Wirkung Koffein verbessert Kurzzeitgedächtnis Gewaltfilme führen zu aggressivem Verhalten
MehrV A R I A N Z A N A L Y S E
V A R I A N Z A N A L Y S E Ziel / Funktion: statistische Beurteilung des Einflusses von nominal skalierten (kategorialen) Faktoren auf intervallskalierte abhängige Variablen Vorteil: die Wirkung von mehreren,
MehrAusgewählte Kapitel der Statistik: Regressions- u. varianzanalytische Modelle Lösung von Grundaufgaben mit SPSS Statistics 20.0
1 Ausgewählte Kapitel der Statistik: Regressions- u. varianzanalytische Modelle Lösung von Grundaufgaben mit SPSS Statistics 20.0 Text: grund1_spss20.doc Daten: grund1_?.sav Lehrbuch: W. Timischl, Biostatistik.
MehrMETHODENLEHRE I WS 2013/14 THOMAS SCHÄFER
METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER DAS THEMA: INFERENZSTATISTIK IV INFERENZSTATISTISCHE AUSSAGEN FÜR ZUSAMMENHÄNGE UND UNTERSCHIEDE Inferenzstatistik für Zusammenhänge Inferenzstatistik für Unterschiede
MehrWeitere Fragestellungen im Zusammenhang mit einer linearen Einfachregression
Weitere Fragestellungen im Zusammenhang mit einer linearen Einfachregression Speziell im Zusammenhang mit der Ablehnung der Globalhypothese werden bei einer linearen Einfachregression weitere Fragestellungen
MehrBeispiel für eine multivariate Varianzanalyse (MANOVA) Daten: POKIV_Terror_V12.sav
Beispiel für eine multivariate Varianzanalyse () Daten: POKIV_Terror_V12.sav Es soll überprüft werden, inwieweit das ATB-Syndrom (Angst vor mit den drei Subskalen affektive Angst von, Terrorpersistenz,
MehrInhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1
Inhaltsverzeichnis Regressionsanalyse... 2 Lernhinweise... 2 Einführung... 2 Theorie (1-8)... 2 1. Allgemeine Beziehungen... 3 2. 'Best Fit'... 3 3. 'Ordinary Least Squares'... 4 4. Formel der Regressionskoeffizienten...
MehrEine Einführung in SPSS
Eine Einführung in SPSS Aufbau von SPSS 14 Bemerkung: SPSS 14 kann in den Subzentren in der Kopernikusgasse installiert werden, falls dies noch nicht geschehen ist. Dazu öffnet man den Application Explorer
Mehr1 Von den Ereignissen U und V eines Zufallsexperiments kennt man die Eigenschaften (1) bis (3) :
Prof. Dr. E. Mammen SEMINAR FÜR STATISTIK Prof. Dr. H. Stenger UNIVERSITÄT MANNHEIM Vierstündige Klausur in statistischer Methodenlehre 9. Juli 003; 8:30 - :30 Zulässige Hilfsmittel: keine, insbesondere
Mehr90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft
Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte
Mehr25. Januar 2010. Ruhr-Universität Bochum. Methodenlehre III, WS 2009/2010. Prof. Dr. Holger Dette. 4. Multivariate Mittelwertvergleiche
Ruhr-Universität Bochum 25. Januar 2010 1 / 75 2 / 75 4.1 Beispiel: Vergleich von verschiedenen Unterrichtsmethoden Zwei Zufallsstichproben (A und B) mit je 10 Schülern und 8 Schülern Gruppe A wird nach
MehrInstitut für Soziologie Benjamin Gedon. Methoden 2. Regressionsanalyse IV: Transformation und Interaktion
Institut für Soziologie Methoden 2 Regressionsanalyse IV: Transformation und Interaktion Inhalt 1. Zusammenfassung letzte Sitzung 2. Weitere Annahmen und Diagnostik 3. Transformationen zur besseren Interpretierbarkeit
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 9B a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Man kann erwarten, dass der Absatz mit steigendem Preis abnimmt, mit höherer Anzahl der Außendienstmitarbeiter sowie mit erhöhten
MehrUnivariate/ multivariate Ansätze. Klaus D. Kubinger. Test- und Beratungsstelle. Effektgrößen
Univariate/ multivariate Ansätze Klaus D. Kubinger Effektgrößen Rasch, D. & Kubinger, K.D. (2006). Statistik für das Psychologiestudium Mit Softwareunter-stützung zur Planung und Auswertung von Untersuchungen
MehrVon der Untersuchungsfrage zu statistischen Hypothesen, und wie war das nochmal mit dem α- und
Von der Untersuchungsfrage zu statistischen Hypothesen, und wie war das nochmal mit dem α- und β-fehler? Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de
Mehr9. Schätzen und Testen bei unbekannter Varianz
9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Letzte Worte zur Inferenzstatistik, v. a. zu Signifikanztests Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische
MehrDatenanalyse mit SPSS spezifische Analysen
Datenanalyse mit SPSS spezifische Analysen Arnd Florack Tel.: 0251 / 83-34788 E-Mail: florack@psy.uni-muenster.de Raum 2.015 Sprechstunde: Dienstags 15-16 Uhr 25. Mai 2001 2 Auswertung von Häufigkeitsdaten
MehrMultiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren)
Multiple Regression 1 Was ist multiple lineare Regression? Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Annahme: Der Zusammenhang
MehrEinleitung 19. Teil I Datenanalyse und Modellbildung Grundlagen 25
Inhaltsverzeichnis Einleitung 19 Zu diesem Buch 19 Konventionen in diesem Buch 20 Was Sie nicht lesen müssen 21 Falsche Voraussetzungen 21 Wie dieses Buch aufgebaut ist 21 Teil I: Datenanalyse und Grundlagen
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 3A Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Mit den Berechnungsfunktionen LG10(?) und SQRT(?) in "Transformieren", "Berechnen" können logarithmierte Werte sowie die Quadratwurzel
MehrNeuerungen in Minitab 16
Neuerungen in Minitab 16 minitab@additive-net.de - Telefon: 06172 / 5905-30 Willkommen zu Minitab 16! Die neueste Version der Minitab Statistical Software umfasst mehr als siebzig neue Funktionen und Verbesserungen,
MehrAbschlussklausur (60 Minuten), 15. Juli 2014
Prof. Dr. Amelie Wuppermann Volkswirtschaftliche Fakultät Universität München Sommersemester 2014 Empirische Ökonomie 1 Abschlussklausur (60 Minuten), 15. Juli 2014 Bearbeitungshinweise Die Bearbeitungszeit
MehrJ. Bortz/N. Döring: Forschungsmethoden und Evaluation (jeweils neueste Auflage) Springer, Berlin S. 463ff
J. Bortz/N. Döring: Forschungsmethoden und Evaluation (jeweils neueste Auflage) Springer, Berlin S. 463ff Signifikanztests Zur Logik des Signifikanztests Tests zur statistischen Überprüfung von Hypothesen
MehrVarianzanalyse (ANOVA: analysis of variance)
Varianzanalyse (AOVA: analysis of variance) Einfaktorielle VA Auf der Basis von zwei Stichproben wird bezüglich der Gleichheit der Mittelwerte getestet. Variablen müssen Variablen nur nominalskaliert sein.
MehrDatenanalyse mit SPSS erste Schritte
Datenanalyse mit SPSS erste Schritte Arnd Florack Tel.: 0251 / 83-34788 E-Mail: florack@psy.uni-muenster.de Raum 2.001b Sprechstunde: Dienstags 15-16 Uhr 23. Mai 2000 aktualisiert am 25. Mai 2001 2 Anlegen
MehrStatistik für Studenten der Sportwissenschaften SS 2008
Statistik für Studenten der Sportwissenschaften SS 008 Aufgabe 1 Man weiß von Rehabilitanden, die sich einer bestimmten Gymnastik unterziehen, dass sie im Mittel µ=54 Jahre (σ=3 Jahre) alt sind. a) Welcher
MehrKapitel 23 Lineare Regression
Kapitel 23 Lineare Regression Sowohl einfache als auch multiple Regressionsanalysen können Sie mit dem Befehl STATISTIK REGRESSION LINEAR... durchführen. Dabei lassen sich mit Hilfe diverser Optionen zahlreiche
MehrModul G.1 WS 07/08: Statistik 17.01.2008 1. Die Korrelation ist ein standardisiertes Maß für den linearen Zusammenhangzwischen zwei Variablen.
Modul G.1 WS 07/08: Statistik 17.01.2008 1 Wiederholung Kovarianz und Korrelation Kovarianz = Maß für den linearen Zusammenhang zwischen zwei Variablen x und y Korrelation Die Korrelation ist ein standardisiertes
Mehrwerden können. Wenn der Benutzer zudem eine konkrete Differenz mit praktischen Konsequenzen angibt, berechnet der Assistent den Stichprobenumfang,
Dieses White Paper ist Teil einer Reihe von Veröffentlichungen, welche die Forschungsarbeiten der Minitab-Statistiker erläutern, in deren Rahmen die im Assistenten der Minitab 17 Statistical Software verwendeten
MehrAnalytische Statistik I. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2009/10
Analytische Statistik I Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2009/10 Testen Anpassungstests (goodness of fit) Weicht eine gegebene Verteilung signifikant von einer bekannten
MehrDas Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear":
Lineare Regression Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear": Im einfachsten Fall werden mehrere Prädiktoren (oder nur
MehrNichtparametrische statistische Verfahren
Nichtparametrische statistische Verfahren (im Wesentlichen Analyse von Abhängigkeiten) Kategorien von nichtparametrischen Methoden Beispiel für Rangsummentests: Wilcoxon-Test / U-Test Varianzanalysen 1-faktorielle
MehrKlausur Statistik Lösungshinweise
Klausur Statistik Lösungshinweise Prüfungsdatum: 1. Juli 2015 Prüfer: Etschberger, Heiden, Jansen Studiengang: IM und BW Aufgabe 1 14 Punkte Ein Freund von Ihnen hat über einen Teil seiner Daten, die er
MehrMultivariate Statistik
Hermann Singer Multivariate Statistik 1 Auflage 15 Oktober 2012 Seite: 12 KAPITEL 1 FALLSTUDIEN Abbildung 12: Logistische Regression: Geschätzte Wahrscheinlichkeit für schlechte und gute Kredite (rot/blau)
MehrStatistik II Übung 4: Skalierung und asymptotische Eigenschaften
Saisik II Übung 4: Skalierung und asympoische Eigenschafen Diese Übung beschäfig sich mi der Skalierung von Variablen in Regressionsanalysen und mi asympoischen Eigenschafen von OLS. Verwenden Sie dazu
MehrKategoriale abhängige Variablen:
Kategoriale abhängige Variablen: Logit- und Probit -Modelle Statistik II Literatur Annahmen und Annahmeverletzungen Funktionen Exponenten, Wurzeln usw. Das Problem Das binäre Logit-Modell Statistik II
Mehr9. StatistischeTests. 9.1 Konzeption
9. StatistischeTests 9.1 Konzeption Statistische Tests dienen zur Überprüfung von Hypothesen über einen Parameter der Grundgesamtheit (bei einem Ein-Stichproben-Test) oder über die Verteilung einer Zufallsvariablen
MehrProbeklausur Zeitreihenökonometrie (Sommersemester 2014) 1
Probeklausur Zeitreihenökonometrie (Sommersemester 2014) 1 Aufgabe 1: Betrachtet wird folgendes Modell zur Erklärung des Managergehalts salary durch den Umsatz sales, die Eigenkapitalrendite roe und die
MehrB. Heger / R. Prust: Quantitative Methoden der empirischen Sozialforschung (Master Modul 1.3)
B. Heger / R. Prust: Quantitative Methoden der empirischen Sozialforschung (Master Modul 1.3) Übung 1 (mit SPSS-Ausgabe) 1. Erstellen Sie eine einfache Häufigkeitsauszählung der Variable V175 ( des/der
MehrÜbungen zur Veranstaltung Statistik 2 mit SPSS
Raum 22, Tel. 39 4 Aufgabe 5. Wird der neue Film MatchPoint von Woody Allen von weiblichen und männlichen Zuschauern gleich bewertet? Eine Umfrage unter 00 Kinobesuchern ergab folgende Daten: Altersgruppe
MehrKommentierter SPSS-Ausdruck zur logistischen Regression
Daten: POK V AG 3 (POKV_AG3_V07.SAV) Kommentierter SPSS-Ausdruck zur logistischen Regression Fragestellung: Welchen Einfluss hat die Fachnähe und das Geschlecht auf die interpersonale Attraktion einer
Mehr