Kapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten
|
|
- Arthur Braun
- vor 6 Jahren
- Abrufe
Transkript
1 Kapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten 5.1. Einführung Einfaktorielle Varianzanalyse Überprüft die Auswirkung einer gestuften (s), unabhängigen Variable X, auch Faktor genannt, auf eine abhängige Variable y. Eine abhängige Variable bezeichnen wir dasjenige Merkmal, welches untersucht wird. Einfaktoriell einfache Klassifikation eines Faktor mit seinen jeweiligen Ausprägungen/ Stufen Beispiel: a) Faktor X: Antidepressivum Stufen: s verschiedene Dosierungen des Antidepressivums Effekte: Ausmaß der Stimmungsaufhellung in Abhängigkeit von den Dosierungen b) Faktor X: Lernmethode Stufen: s verschiedene Lernmethoden Effekte: Lernerfolg gemessen in einem Test Faktor Grundidee Randomisierte Stichprobe Variablen werden klassifiziert bzw. nach bestimmten Kriterien in Gruppen eingeteilt Bei mehr als ein Faktor, spricht man von zwei- oder mehrfaktoriellen Designs Die Größe der Mittelwertunterschiede zwischen den Gruppen in Relation zu setzen und zur Variation innerhalb der Gruppe Üblicherweise benötigt man zum Vergleich mindestens 3 Gruppen/Bedingungen - Auch experimentelle Untersuchungen - Durch zufällige Zuordnung zu den Faktorstufen, entsteht in diesen diese Art Stichprobe Treatment - Auch Treatmentfaktor, Behandlungen oder nur Faktor - innerhalb einer randomisierten Stichprobe werden Faktoren unterschiedlich behandelt, aber auch wenn Versuchspersonen sich durch Merkmale unterscheiden Anforderungen - das Vorliegen von Normalverteilungen der Residuen - Am Skalenniveau der abhängigen Variable Alternativ, wenn Anforderungen Nicht erfüllt sind, dann: Auswertungsverfahren auf der Basis der in den Daten enthaltenen Ranginformationen einzusetzen, sofern es einfaktoriell ist Modelle 1. Mit festen Effekten (geplante Experimente) Dient dem Vergleich mehrerer Mittelwerte quantitativer normalverteilter Merkmale, die in fest gewählten Stufen eines Faktors beobachtet werden 2. Mit zufälligen Effekten (Stichproben) Dient der Zerlegung der durch den Einfluss mehrerer Faktoren erzeugten Gesamtvariabilität (Varianz) in Komponenten, die den Einfluss jedes Faktors wiederspiegeln und in eine Komponente, die nicht durch die Faktoren erklärt wird (Restvarianz)
2 5.2. Einfaktorielle Varianzanalyse - Zufallsstichprobe - Varianzen sind unbekannt, aber in allen Grundgesamtheiten gleich (Homoskedastizität) Balancierter Versuchsplan - Erheben von gleicher Anzahl an n i Beobachtungen pro Faktorstufe s s n i = n i=1 Summe der Beobachtungen je Stichprobe Mittelwert aller Werte einer Stichprobe s erster Index: Faktorstufe j zweiter Index: die Person/Testobjekt s A i = y sj i=1 A i = A i n i Gesamtmittelwert G = G y.., identisch mit: y.. = n n G alle Messwerte aus jeder Stichprobe n Gesamtzahl aller Beobachtungen (n i*s = n) Beispiel 5.1. Faktorstufen (s) Y 1 Y 2 Y Gesamtsumme A 1= 20 A 2 = 21 A 3= 28 G = 69 Stichprobenmittelwert A 1 = 6 2/3 A 2 = 7 Mittelwert aller G G =7 2/3 A 3 = 9,3333
3 Lineare Modell für yij Zerlegung der Quadratsummen SQ Total SQ Regression (innerhalb) SQ Residual (zwischen) df Total = n 1 df Regression = n s df Residual = s 1 SQ Total Totale Quadratsumme Ergibt sich als die Summe der quadrierten Abweichungen aller Messwerte vom Gesamtmittelwert, erfasst die Variabilität aller Messwerte SQ Regression Fehlerquadratsumme Restlicher Quadratsummenanteil, der vom Treatment unabhängig ist und der auf andere beeinflussende Variablen (Störvariablen) zurückzuführen ist SQ Residual Treatmentquadratsumme Gemessen wird nun derjenige Anteil der Unterschiedlichkeit aller Messwerte, der auf die Faktorenstufen zurückzuführen ist df Freiheitsgeraden Weiter am Beispiel 5.1. Ergebnisse für die Quadratsummen und für die Freiheitsgeraden /3 12 2/3 df Total = 8 df Regression = 6 df Residual = 2
4 Prüfen des Modells Teststatistik - die zu berechnende Prüfgröße geht von den mittleren Quadraten aus (MQ) - relativieren die Quadratsumme eines Effekts an seinen Freiheitsgeraden - F- Test prüft die Nullhypothese, kritischer Wert - Nullhypothese wird abgelehnt, wenn MQ zwischen = SQ zwischen s 1 MQ innerhalb = SQ innerhalb n s - Erwartet wird ein F-Wert bei 5,79, wenn der Wert bedeutend größer ist als 5.79 gilt die Alternativhypothese - Wenn MQ innerhalb größer ist als MQ zwischen, dann erübrigt sich der F-Test, weil in diesem Fall der F-Wert kleiner als 5.79 ist und somit Treatmentstufenunterschiede, verglichen mit den Fehlereffekten, unbedeutend sind
5 Weiter am Beispiel 5.1. MQ zwischen = SQ zwischen = s 1 2 = MQ innerhalb = SQ innerhalb n s = = Weil MQ innerhalb größer ist als MQ zwischen erübrigt sich alles weitere, weil F < 5,79 F > F 2.5.0,95 0,39 < 5,79 d.h. H 0 ist bestätigt H 0 Annahme 95% α = 0,5, Annahme H 1 F = 0,39 F kritischer Wert= 5,79 Überblick 5.3. Effektstärke Bestimmtheitsmaß auch Effektgröße η² R 2 = SQ Zwischen SQ Total 5.4. Vergleich von einzelnen Mittelwerten - Gibt an, in welchem Umfang die unabhängige Variable, also hier der Faktor, die Varianz der abhängigen Variable aufklärt - Erleichtert den Vergleich von Ergebnissen verschiedener Studien Mittelwertsvergleich die Prüfung von der Nullhypothese gegen die Alternativhypothese hat zwei mögliche Ergebnisse Beibehaltung von H 0 (kein Behandlungseffekt) und Ablehnung von H 0 (Behandlungseffekt)
6 Ablehnung: man möchte herausfinden, welcher Treatment der diesen Overall- Effekt verursacht, deshalb folgen Vergleiche von Paaren oder von Linearkombinationen von Mittelwerten. Linearer Kontrast Ein Kontrast ergibt sich aus der Formel: Der Kontrast gilt nur dann, wenn diese Bedingungen erfüllt sind, wenn nicht handelt es sich um eine Linearkombination der Treatmentmittelwerte Durch Kontraste auch Einzelvergleiche finden wir heraus, zwischen welchen einzelnen Treatmentstufen signifikante Unterschiede bestehen. Wie erhalte ich Kontrastkoeffizienten c? Erklärung aus moodle: Geg. drei Gruppen: c 1= Kontrollgruppe, c 2= stationär, c 3= ambulant Bedingung: die Summe der Kontrastkoeffizienten immer null ergeben 1. Kontrollgruppe unterscheidet sich von den anderen beiden Gruppen Dann gilt: : c 1= -2, c 2= 1, c 3= 1 2. stationär behandelte Gruppe unterscheidet sich von den anderen beiden Gruppen Dann gilt: c 1= 1, c 2= -2, c 3= 1 3. KG unterscheidet sich von der stationär behandelten Gruppe, aber nicht von der ambulanten Gruppe. Dann gilt: c 1= 1, c 2= -1, c 3= 0 4. ambulante Gruppe unterscheidet sich von den anderen beiden Gruppen Dann gilt: c 1= 1, c 2= 1, c 3= -2 Vergleich von s Populationen bezüglicher ihrer µ Linearer Kontrast: WICHTIG: µ Vektor, ist nicht der Gesamtmittelwert µ aus der linearen Modell (5.7.)
7 Teststatistik falls X² Verteilungen des Zählers und des Nenners unabhängig sind äquivalent man kann k (außer mit 0) multiplizieren Standardisierung - um Vieldeutigkeit des Teststatistk auszuschließen! linearer Kontrast ist normiert c c = 1 Orthogonale Kontraste Orthonormalsystem Dann gilt: c 1 c 2 = 0 orthogonal (rechtswinklig) prüfen auf Signifiganz und überprüfen Forschungshypothesen Es gilt: Multiple Vergleiche Ursache der Ablehnung für H 0 c ic j = δ ij Hilfsmittel, um die Zahl der möglichen Paarvergleiche auf die Maximalzahl unabhängiger Hypothesen zu reduzieren Prüfbarkeit sichern 1. Alle drei µ sind verschieden Nachweisen durch den zwei Zwei-Stichproben t-tests 2. Zwei µ sind gleich, aber vom dritten verschieden Verschiedene Verfahren: Vergleich aller möglichen Paare von Mittelwerten (bei s Stufen von A also s(s 1)/2 verschiedene Paare) Vergleich aller s 1 Mittelwerte mit einer vorher festgelegten Kontrollgruppe Vergleich aller Paare von Behandlungen, die vorher ausgewählt wurden Vergleich von beliebigen Linearkombinationen der Mittelwerte.
8 Diese Verfahren unterscheiden sich vor allem in der Art und Weise, wie sie den Fehler 1.Art kontrollieren. Im einen Fall wird der Fehler auf einer per comparison Basis (d.h. auf den jeweiligen Vergleich bezogen) kontrolliert, im anderen Fall erfolgt eine Kontrolle simultan für alle Vergleiche. Per comparison - Gruppenvergleiche werden vor Beginn des Experiments fest geplant Simultan gleichzeitig - Multiple Testprozedur, die die Fehlerrate auf einer per experiment basis (experimetenweise Basis) kontrolliert - Von Dunnet: Vergleich von s 1 Gruppen mit einer Kontrollgruppe - Von Tukey: paarweise Vergleich für alle s(s-1)/2 = ( s 2 ) - Von Scheffé: Vergleiche für beliebige Linearkombinationen 5.5. Einfaktorielle Modelle mit zufälligen Effekten Modell Wenn der Test Homogenität der Varianzen besagt, dass die Varianzen gleich sind, folgt diese Analyse!!! Neue Bedeutung von α: zufällige Effekte der i-ten Behandlung, deren Verteilung wir spezifizieren müssen Voraussetzung: Forderung:, dann gilt: Darstellung durch - Schätzung von Varianzkomponenten Behandlungseffekt Zusammenhänge - In einer i-ten Stichprobe haben einen Zusammenhang - Verschiedener Stichproben haben weiterhin keinen Zusammenhang Schätzung von σ² - MQ Residual ist eine erwartungstreue Schätzung von σ²
9 Die Summe von diesen beiden Varianzkomponenten ergibt die Schätzung der gesamten Varianz in y. Überblick - Ist dieselbe wie im Modell mit festen Effekten 5.6. Rangvarianzanalyse Kruskal- Wallis- Test Wenn der Test Homogenität der Varianzen besagt, dass die Varianzen unterschiedlich sind, folgt diese Analyse!!! - Response entweder stetig und nicht normalverteilt oder ordinal - Einfaktoriell Vollständige randomisierte Versuchsplanung Zweifach indiziert als y ij mit i= 1,,s und j=1,,n (Laufindex innerhalb von der i-ten Gruppe) Beobachtungen alle unabhängig
10 Modell K beliebige stetige Verteilung mit Erwartungswert 0 und Varianz σ² Ziel Vergleich mehrerer Stichprobe, ob sich mindestens zwei von Ihnen in der Größe ihrer Messwerte signifikant unterscheiden Vergleich von Rangsummen der Gruppen Rangsummen Rangmittelwerte Teststatistik H - Gruppenunterschiede ermitteln mit: H ist ein Maß für die Varianz der Stichproben Rangmittelwerte Falls: n i 5 existieren Tabellen für den kritischen Wert 2 n i 5 H ist approximativ(annähern) X s 1 - verteilt Korrigierte Teststatistik - Treten gleiche Responsewerte y ij auf, denen dann mittlere Ränge (mehrere bekommen denselben Rang) zugewiesen werden, so folgt:
11
Weitere (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
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
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,
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
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
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
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
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
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
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
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)
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
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
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
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
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
MehrMotivation. Wilcoxon-Rangsummentest oder Mann-Whitney U-Test. Wilcoxon Rangsummen-Test Voraussetzungen. Bemerkungen
Universität Karlsruhe (TH) Forschungsuniversität gegründet 825 Wilcoxon-Rangsummentest oder Mann-Whitney U-Test Motivation In Experimenten ist die Datenmenge oft klein Daten sind nicht normalverteilt Dann
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
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...
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
MehrMessung von Veränderungen. Dr. Julia Kneer Universität des Saarlandes
von Veränderungen Dr. Julia Kneer Universität des Saarlandes Veränderungsmessung Veränderungsmessung kennzeichnet ein Teilgebiet der Methodenlehre, das direkt mit grundlegenden Fragestellungen der Psychologie
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
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
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
MehrInhalt 1 Einführung... 1 2 Ausgewählte Begriffe... 10 3 Vorgehensweise im Überblick... 14
VII 1 Einführung... 1 1.1 Warum Versuche?... 1 1.2 Warum Statistik?... 1 1.3 Warum Versuchsplanung?... 4 1.4 Welche Art von Ergebnissen kann man erwarten?... 6 1.5 Versuche oder systematische Beobachtung?...
MehrInhalt. Vorwort... 1 Einführung... 1. 2 Ausgewählte Begriffe... 11. 3 Vorgehensweise im Überblick... 17
Inhalt Vorwort.................................................................. V Inhalt.................................................................... VII 1 Einführung..........................................................
MehrEinführung in die Varianzanalyse
Einführung in die Varianzanalyse Einführendes Skriptum zur Vorlesung Statistik II Uwe Mortensen Westfälische Wilhelms-Universität Fachbereich Psychologie und Sportwissenschaft Institut III 1 Inhaltsverzeichnis
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
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
MehrTaschenbuch Versuchsplanung Produkte und Prozesse optimieren
Wilhelm Kleppmann Taschenbuch Versuchsplanung Produkte und Prozesse optimieren ISBN-10: 3-446-41595-5 ISBN-13: 978-3-446-41595-9 Inhaltsverzeichnis Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-41595-9
Mehr5. Wie wird im Experiment die interessierende, vom Versuchsleiter gemessene Variable bezeichnet?
Bei jeder Frage ist mindestens eine Antwort anzukreuzen. Es können mehrere Antwortalternativen richtig sein. Die Frage gilt nur dann als richtig beantwortet, wenn alle richtigen Alternativen angekreuzt
MehrEinseitig gerichtete Relation: Mit zunehmender Höhe über dem Meeresspiegel sinkt im allgemeinen die Lufttemperatur.
Statistik Grundlagen Charakterisierung von Verteilungen Einführung Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsverteilungen Schätzen und Testen Korrelation Regression Einführung Die Analyse und modellhafte
MehrKorrelation - Regression. Berghold, IMI
Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines
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,
MehrTaschenbuch Versuchsplanung
Wilhelm Kleppmann 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Taschenbuch Versuchsplanung Produkte und Prozesse
MehrStatistik Einführung // Lineare Regression 9 p.2/72
Statistik Einführung Lineare Regression Kapitel 9 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Ledold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // Lineare Regression
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
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
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
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
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
MehrNichtparametrische Analyse longitudinaler Daten in faktoriellen Experimenten. Frank Konietschke
Nichtparametrische Analyse longitudinaler Daten in faktoriellen Experimenten Frank Konietschke Abteilung für Medizinische Statistik Universität Göttingen 1 Übersicht Beispiele CGI (repeated measures) γ-gt
MehrEinführung in die Kovarianzanalyse (ANCOVA)
Arbeitsunterlage Einführung in die Kovarianzanalyse (ANCOVA) ARGE-Bildungsforschung 2 Einführung in die Kovarianzanalyse (ANCOVA) 1 Die Varianzanalyse ist ein Verfahren, das die Wirkung einer (oder mehrerer)
MehrEine Einführung in R: Statistische Tests
Eine Einführung in R: Statistische Tests Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig http://www.uni-leipzig.de/ zuber/teaching/ws12/r-kurs/
MehrSFB 833 Bedeutungskonstitution. Kompaktkurs. Datenanalyse. Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015
SFB 833 Bedeutungskonstitution Kompaktkurs Datenanalyse Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015 Messen und Skalen Relativ (Relationensystem): Menge A von Objekten und eine oder mehrere Relationen
MehrVersuchsplanung. Inhalt. Grundlagen. Faktor-Effekt. Allgemeine faktorielle Versuchspläne. Zweiwertige faktorielle Versuchspläne
Inhalt Versuchsplanung Faktorielle Versuchspläne Dr. Tobias Kiesling Allgemeine faktorielle Versuchspläne Faktorielle Versuchspläne mit zwei Faktoren Erweiterungen Zweiwertige
MehrStandardab 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
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.
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
MehrTaschenbuch Versuchsplanung
Wilhelm Kleppmann Taschenbuch Versuchsplanung Produkte und Prozesse optimieren Praxisreihe Qualitätswissen Herausgegeben von Franz J. Brunner Carl Hanser Verlag München Wien VII Inhalt 1 Einführung 1 1.1
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
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.
MehrMessgeräte: Mess-System-Analyse und Messmittelfähigkeit
Messgeräte: Mess-System-Analyse und Messmittelfähigkeit Andreas Berlin 14. Juli 2009 Bachelor-Seminar: Messen und Statistik Inhalt: 1 Aspekte einer Messung 2 Mess-System-Analyse 2.1 ANOVA-Methode 2.2 Maße
MehrAnschauliche Varianzanalyse
Anschauliche Varianzanalyse Ein Multimedia gestütztes Lehrund Übungsbuch Uwe Oestermeier Beatriz Barquero Rolf Plötzner Instititut für Wissensmedien Tübingen Vorwort Die Idee für die Veranschaulichung
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:
MehrVarianzanalyse. Seminar: Multivariate Verfahren Dr. Thomas Schäfer. Datum: 25. Mai 2010
Varianzanalyse Seminar: Multivariate Verfahren Dozent: Dr. Thomas Schäfer Referenten: Ralf Hopp, Michaela Haase, Tina Giska Datum: 25. Mai 2010 Gliederung I Theorieteil 1. Das Prinzip der Varianzanalyse
MehrDie Varianzanalyse ohne Messwiederholung. Jonathan Harrington. Bi8e noch einmal datasets.zip laden
Die Varianzanalyse ohne Messwiederholung Jonathan Harrington Bi8e noch einmal datasets.zip laden Variablen, Faktoren, Stufen Eine Varianzanalyse ist die Erweiterung von einem t- test t- test oder ANOVA
MehrKlausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min
Klausur, Multivariate Verfahren, SS 2006, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 08.08.2006 Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Gesamtpunkte: 39 Aufgabe
MehrMessgeräte: Mess-System-Analyse und Messmittelfähigkeit
Messgeräte: Mess-System-Analyse und Messmittelfähigkeit Andreas Berlin 14. Juli 009 Bachelor-Seminar: Messen und Statistik Inhalt: 1 Aspekte einer Messung Mess-System-Analyse.1 ANOVA-Methode. Maße für
MehrStatistik II: Regressions- und Varianzanalyse
Statistik II: Regressions- und Varianzanalyse Eine Einführung für Studierende der Psychologie Helge Toutenburg und Christian Heumann mit Beiträgen von Michael Schomaker überarbeitet von Hans-Georg Sonnenberg
MehrPrüfen von Mittelwertsunterschieden: t-test
Prüfen von Mittelwertsunterschieden: t-test Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) t-test
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
MehrEinfaktorielle Rangvarianzanalyse mit Messwiederholungen
Einfaktorielle Rangvarianzanalyse mit Messwiederholungen Inhaltsverzeichnis Einfaktorielle Rangvarianzanalyse mit Messwiederholungen... 2 Lernhinweise... 2 Einführung... 3 Theorie (1-3)... 3 Teil 1 -
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
MehrWie man leicht erkennen kann, steigt die Anzahl notwendiger Versuche zur Basis 2 bei jeder Modellerweiterung um einen weiteren Faktor.
Ziel Prinzip Bestimmung der relevanten Einflussgrößen und Effekte unabhängiger Eingangsvariablen auf das Ergebnis eines Produktes oder Prozess mit einem Minimum an Versuchsaufwand. DoE (Design of Experiment)
Mehr3. Der t-test. Der t-test
Der t-test 3 3. Der t-test Dieses Kapitel beschäftigt sich mit einem grundlegenden statistischen Verfahren zur Auswertung erhobener Daten: dem t-test. Der t-test untersucht, ob sich zwei empirisch gefundene
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
MehrMultinomiale logistische Regression
Multinomiale logistische Regression Die multinomiale logistische Regression dient zur Schätzung von Gruppenzugehörigkeiten bzw. einer entsprechenden Wahrscheinlichkeit hierfür, wobei als abhänginge Variable
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
MehrKontingenzkoeffizient (nach Pearson)
Assoziationsmaß für zwei nominale Merkmale misst die Unabhängigkeit zweier Merkmale gibt keine Richtung eines Zusammenhanges an 46 o jl beobachtete Häufigkeiten der Kombination von Merkmalsausprägungen
MehrVorlesung. Versuchsplanung und Stichproben. Prof. Dr. Helmut Küchenhoff WS 2005/06. Teil 2: Versuchsplanung
Institut für Statistik Ludwig Maximilians Universität Ludwigstr. 33 80539 München 1 Vorlesung Versuchsplanung und Stichproben Prof. Dr. Helmut Küchenhoff WS 2005/06 Teil 2: Versuchsplanung INHALTSVERZEICHNIS
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...
MehrSimultane Konfidenzintervalle für nichtparametrische Effekte in faktoriellen Modellen. Diplomarbeit
Simultane Konfidenzintervalle für nichtparametrische Effekte in faktoriellen Modellen Diplomarbeit vorgelegt von Sebastian Pfeiffer aus Rostock angefertigt am Institut für Mathematische Stochastik der
MehrEinige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.)
ue biostatistik: nichtparametrische testverfahren / ergänzung 1/6 h. Lettner / physik Statistische Testverfahren Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.)
Mehr2.1 Die Normalverteilung
. INFERENZSTATISTIK Inferenzstatistik bedeutet übersetzt schließende Statistik. Damit ist der Schluss von den erhobenen Daten einer Stichprobe auf Werte in der Population gemeint..1 Die Normalverteilung
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)
MehrInhaltsverzeichnis. Vorwort 1. Kapitel 1 Einführung 3. Kapitel 2 Messtheorie und deskriptive Statistik 13
Inhaltsverzeichnis Vorwort 1 Kapitel 1 Einführung 3 1.1 Ziele... 4 1.2 Messtheorie und deskriptive Statistik... 8 1.3 Grundlagen der Wahrscheinlichkeitsrechnung... 9 1.4 Inferenzstatistik... 9 1.5 Parametrische
MehrFlorian Frötscher und Demet Özçetin
Statistische Tests in der Mehrsprachigkeitsforschung Aufgaben, Anforderungen, Probleme. Florian Frötscher und Demet Özçetin florian.froetscher@uni-hamburg.de SFB 538 Mehrsprachigkeit Max-Brauer-Allee 60
MehrStudiendesign/ Evaluierungsdesign
Jennifer Ziegert Studiendesign/ Evaluierungsdesign Praxisprojekt: Nutzerorientierte Evaluierung von Visualisierungen in Daffodil mittels Eyetracker Warum Studien /Evaluierungsdesign Das Design einer Untersuchung
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
MehrKlausur: Einführung in die Statistik
1 Lösungen immer unter die jeweiligen Aufgaben schreiben. Bei Platzmangel auf die Rückseite schreiben (dann Nummer der bearbeiteten Aufgabe mit anmerken!!!). Lösungen, die nicht auf den Aufgabenblättern
MehrGestaltungsempfehlungen
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien I Gestaltungsempfehlungen Überblick Auswahl der Empfehlungen Gestaltungseffekte Empirische
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
Mehr5. Untersuchungsdesigns
Dr. habil. Rüdiger Jacob Methoden und Techniken der empirischen Sozialforschung Vorlesung mit Diskussion 5. Untersuchungsdesigns Experimente als Instrument zur Prüfung von Kausalität Kohortenstudien, Fall-Kontroll-Studien,
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,
Mehr3. Der t-test. Der t-test
3 3. Der t-test Dieses Kapitel beschäftigt sich mit einem grundlegenden statistischen Verfahren zur Auswertung erhobener Daten: dem t-test. Der t-test untersucht, ob sich zwei empirisch gefundene Mittelwerte
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
MehrStatistik II für Betriebswirte Vorlesung 3
PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 3 5. November 2013 Beispiel: Aktiensplit (Aczel & Sounderpandan, Aufg. 14-28) Ein Börsenanalyst
MehrMultivariate Statistik mit Mathematica und SPSS
Multivariate Statistik mit Mathematica und SPSS von Dipl.-Math. Marco Schuchmann Dipl.-Math. Werner Sanns Seite 2 Varianzanalyse Die Informationen in diesem Buch entstammen langjähriger Erfahrung in Praxis
MehrMultivariate Analysemethoden
Multivariate Analysemethoden 30.04.2014 Günter Meinhardt Johannes Gutenberg Universität Mainz Einführung Was sind multivariate Analysemethoden? Vorlesung Übung/Tut Prüfung Verfahrensdarstellung in Überblick
MehrGestaltungsempfehlungen
Gestaltungsempfehlungen Prof. Dr. Günter Daniel Rey 1 Überblick Auswahl der Empfehlungen Gestaltungseffekte Empirische Überprüfung Variablenarten Versuchspläne Beispiel eines Experimentes Statistische
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.
MehrStatistische Verfahren für das Data Mining in einem Industrieprojekt
Statistische Verfahren für das Data Mining in einem Industrieprojekt Thorsten Dickhaus Forschungszentrum Jülich GmbH Zentralinstitut für Angewandte Mathematik Telefon: 02461/61-4193 E-Mail: th.dickhaus@fz-juelich.de
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
Mehr