Biometrisches Tutorial II
|
|
- Florian Detlef Müller
- vor 6 Jahren
- Abrufe
Transkript
1 Biometrisches Tutorial II Datenaufbereitung / beschreibende Statistik Statistisches Testen Auswertungsverfahren
2 Statistische Analyse Qualitative/Quantitative Merkmale Die Wahl des gewählten statistischen Auswertungsverfahrens hängt von der Skala des Merkmals ab. Qualitative Variable - nominal: Kategorien ohne Anordnung (z.b. Blutgruppe) - ordinal: Kategorien mit Anordnung (z.b. Tumor-Stadien) Quantitative Variable - diskret: ganze Zahlen (z.b. Zellzahl) - stetig: reelle Zahlen (z.b. Blutdruck)
3 Binomialverteilung Bin(n,π) Modell: n unabhängige Wiederholungen eines Experiments mit binärem Ausgang ("Erfolg", "Misserfolg") und konstanter Erfolgswahrscheinlichkeit π bei jeder Wiederholung X: Anzahl der Erfolge f(k) = P(X = k) = n k π k (1 π) n k n k = n k (n k) = n! k!(n k)! "Binomialkoeffizient"
4 Binomialverteilung Bin(n,π) Die Wahrscheinlichkeit für eine unerwünschte Impfreaktion beträgt 5%, 10 Personen werden geimpft. Fragen Wie groß ist die Wahrscheinlichkeit dafür, dass es keine unerwünschte Impfreaktionen gibt? Wie groß ist die Wahrscheinlichkeit für genau zwei unerwünschte Impfreaktionen? Modell Binomialmodell Bin(n, π) mit n = 10 und π=0.05
5 Binomialverteilung Bin(10,0.05) Anzahl Erfolge
6 Binomialverteilung Bin(10,0.5) Anzahl Erfolge
7 Parameterschätzung Binomialverteilung Bin(n,π) Parameter θ π π Wahrscheinlichkeit Wahrscheinlichkeit Beobachtungen x 1,...,x n 0,0,1,1,0,1,... 0,0,1,1,0,1,... Schätzer θ ) x,...,x ) ( 1 n ˆ π ˆ π = = k k /n /n Anteil Anteil
8 Konfidenzintervall Um Anhaltspunkte bezüglich der Genauigkeit der Schätzung zu gewinnen, konstruiert man aus den Daten der Stichprobe ein so genanntes Konfidenzintervall (oder Vertrauensbereich). Das Konfidenzintervall überdeckt den unbekannten Parameter mit einer Wahrscheinlichkeit von z.b. 95%. Je größer der Stichprobenumfang ist, desto schmaler ist das Konfidenzintervall.
9 Wahrscheinlichkeit für die Geburt eines Jungen Quartal Geschlecht Jan.-Mär. Apr.-Jun. Jul.-Sep. Okt.-Dez. weiblich männlich total πˆ ( ) ( ) ( ) ( ) Geschlecht Jan.-Dez. weiblich 769 männlich 862 total 1631 πˆ ( ) Ist die Wahrscheinlichkeit für die Geburt eines Jungen πˆ > 0.5? Viele Fragen können auch mit Hilfe eines KI beantwortet werden!
10 Nullhypothese Die Nullhypothese impliziert üblicherweise das, wovon der Wissenschaftler erwartet (oder wünscht), dass es falsch ist. Sie repräsentiert meistens Konservativismus bzw. die allgemeine Meinung. Die Nullhypothese nicht zu verwerfen, bedeutet nicht, dass sie wahr ist. H 0 : Die Wahrscheinlichkeit für die Geburt eines Jungen beträgt 50%.
11 Alternativhypothese Die Alternativhypothese impliziert üblicherweise das, wovon der Wissenschaftler erwartet (oder wünscht), dass es wahr ist. Die Alternativhypothese gilt als etabliert, wenn die Nullhypothese verworfen wurde. H A : Die Wahrscheinlichkeit für die Geburt eines Jungen ist größer als 50%.
12 Statistisches Testen Einseitig versus zweiseitig H A H 0 ungleich ( ) größer (>) kleiner (<) gleich (=) höchstens ( ) mindestens ( ) zweiseitig (ungerichtet) einseitig (gerichtet) H A : Die Wahrscheinlichkeit für einen Jungen ist ungleich 50%. H A : Die Wahrscheinlichkeit für einen Jungen ist größer/kleiner 50%.
13 Binomialtest Ist die W keit für die Geburt eines Jungen größer als 50%? Zufallsvariable X Bin(n, π) H 0 H A : π > 0. 5 Hypothesen : π 0. 5 Beobachtung Teststatistik Entscheidung 10 Geburten, davon 8 Jungen Binomialverteilung H 0 wird abgelehnt, wenn x >? ist.
14 Wahrscheinlichkeit für die Geburt eines Jungen Binomialverteilung unter H 0 P(X = 8) + P(X = 9) + P(X =10) = Annahmebereich kritischer Wert Ablehnungsbereich Anzahl der Jungen
15 Statistische Analyse Teststatistik Unter H 0 wird eine zum Test gehörige Wahrscheinlichkeitsfunktion berechnet. Mit dieser Teststatistik kann jedes Ergebnis durch eine Wahrscheinlichkeit unter H 0 bewertet werden. Folgt aus der Teststatistik, dass das Ergebnis unter H 0 sehr unwahrscheinlich ist (z.b. < 5%), wird H 0 abgelehnt.
16 Statistische Analyse kritischer Wert Die kritischen Werte werden so gewählt, dass das Signifikanzniveau α des zugehörigen Tests höchstens einen fest vorgegebenen Wert annimmt (z.b. 5 %). Die Wahl der kritischen Werte hängt nur von der Nullhypothese H 0 ab, aber nicht von H A. Sind die kritischen Werte einmal gewählt, hängt die Power des Tests nur von H A ab.
17 Statistische Analyse p-wert Der p-wert ist die Wahrscheinlichkeit dafür, dass die Teststatistik T den beobachteten oder einen noch unwahrscheinlicheren Wert als t obs annimmt, wenn die Nullhypothese wahr ist. Er entspricht dem Signifikanzniveau, bei dem H 0 gerade eben verworfen würde. H 0 t obs p T
18 Statistische Analyse mögliche Fehler Ein Typ-I-Fehler wird begangen, wenn die Nullhypothese H 0 verworfen wird, obwohl sie wahr ist. Ein Typ-II-Fehler wird begangen, wenn die Nullhypothese H 0 beibehalten wird, obwohl sie falsch ist. Wahrheit Entscheidung H 0 beibehalten H 0 verworfen H 0 richtig Typ-I- Fehler H A Typ-II- Fehler richtig
19 Statistische Analyse mögliche Fehler Das Signifikanzniveau (α) eines Tests ist die Wahrscheinlichkeit, einen Typ-I-Fehler zu begehen. Die Power (1-β) eines Tests ist die Wahrscheinlichkeit, einen Typ-II-Fehler zu vermeiden. Entscheidung H 0 Wahrheit H A H 0 beibehalten H 0 verworfen 1-α β α 1-β
20 Statistische Analyse Entscheidung H 0 wird getestet verwerfe H 0 H 0 verwerfe H 0 nicht H A H 0 H A wird angenommen?
21 Statistische Analyse negative Ergebnisse Negative Ergebnisse sind genauso wichtig wie positive Ergebnisse, da sie das Unwissen verringern und auf neue interessante Hypothesen oder Forschungsziele verweisen. Sie sind auch notwendig, um zukünftiger Forschung in einem bestimmten Gebiet die richtige Richtung zu weisen (Publikationsbias).
22 Statistische Analyse zwei qualitative Merkmale Typischerweise wird in Fall-Kontroll-Studien der Zusammenhang zwischen Exposition und Erkrankung untersucht Dazu wird retrospektiv an Individuen mit bekanntem Erkrankungsstatus (Fall/Kontrolle) der Expositionsstatus erhoben (Exposition ja/nein).
23 Herzinfarkt und Geschlecht 40 Infarktpatienten werden mit 40 Kontrollen verglichen Zielgröße: Infarkt ja/nein Einflussgröße: Geschlecht Fragestellung: Ist die Wahrscheinlichkeit einen Infarkt zu erleiden bei Männern und Frauen gleich? Nullhypothese: Infarkt und Geschlecht sind unabhängig
24 Herzinfarkt und Geschlecht Zielgröße Infarkt (ja/nein) Einflussgröße Geschlecht (m/w)
25 Herzinfarkt und Geschlecht
26 Herzinfarkt und Geschlecht Infarkt n=40 Kein Infarkt n=40 p männlich 25 (62.2%) [45.8%-77.7%] 28 (70.0%) [53.5%-83.43%]?
27 Herzinfarkt und Geschlecht Nullhypothese Geschlecht und Infarkt sind unabhängig Y m X Σ 53 Unter der Nullhypothese erwartete Werte: e ij = o i+ o o j w Σ Teststatistik kritische Werte χ 2 = n m (o ij i = 1 j = 1 e ij Chi-Quadrat-Verteilung c 1-α,ν e ij ) 2
28 Herzinfarkt und Geschlecht Nullhypothese Geschlecht und Infarkt sind unabhängig Y m w X Σ Unter der Nullhypothese erwartete Werte: e ij = = o i+ o o j = 26.5 Σ ( ) 2 Teststatistik χ = = kritische Werte c 0.95,1 =3.841 > => H 0 nicht ablehnen 2
29 χ 2 -Test Y 1... n Σ X 1... m o o 1m o n1 o nm o o +m Σ o 1+ o n+ o ++ Unter der Annahme, dass die Zeilen und Spalten unabhängig sind, beträgt die erwartete Zellhäufigkeit e ij = o i+ o o j Nullhypothese Teststatistik H 0 : X und Y sind unabhängig χ 2 = n m (o ij i = 1 j = 1 e ij e ij ) 2 kritische Werte c 1-α,ν "Anzahl Freiheitsgrade" ν=(n-1) (m-1)
30 Statistische Tests nominale Daten Studiendesign zwischen Individuen innerhalb von Individuen zwei Gruppen mehr als zwei Gruppen zwei Messungen mehr als zwei Messungen χ 2 -Test (Fishers exakter Test) χ 2 -Test (Fishers exakter Test) McNemar- Test Symmetrie- Test
31 Risikofaktoren für Herzinfarkt HBDH Zielgröße Infarkt (ja/nein) Zigaretten Blutzucker Diabetes GOT Alter Cholesterin???
32 Risikofaktoren für Herzinfarkt 40 Infarktpatienten werden mit 40 Kontrollen verglichen Zielgröße: Infarkt ja/nein Einflussgrößen: Geschlecht, Alter, Blutdruck, Diabetiker, Cholesterin, Triglyzerid, HBDH, GOT, Zigaretten pro Tag Fragestellung: Welche Faktoren beeinflussen die Wahrscheinlichkeit für einen Herzinfarkt?
33 Risikofaktoren für Herzinfarkt männlich KI Infarkt n=40 25 (62.2%) [ ] Diabetes 3 (7.5%) [ ] Rauchen 23(57.5%) [ ] Kein Infarkt n=40 28 (70.0%) [ ] 5 (12.5%) [ ] 31 (77.5%) [ ] diast. BD? 93.63±9.1? p Alter 54.0 ± ± 10.4? BMI???
34 Statistische Analyse ein stetiges, normalverteiltes Merkmal Normalverteilung N(µ,σ2) mit µ=e(x) und σ2 = Var(x) f (x) = 1 σ 2π e ( x µ )2 2 σ2
35 Normalverteilung N(µ,σ 2 ) N(0,1) N(1,1) N(0,4) N(0,0.25)
36 Parameterschätzung Normalverteilung N(µ,σ 2 ) Parameter θ µ Erwartungswert Beobachtungen x 1,...,x n 1.23,4.81,7.55,... Schätzer θ ) x,...,x ) ( 1 n µ ˆ = x Stichprobenmittel
37 Wie repräsentativ ist die Kontrollgruppe? Es soll geprüft werden, ob sich der erwartete diastolische Blutdruck µ von den Kontrollpersonen vom erwarteten Blutdruck µ 0 = 80 mmhg bei Normalpersonen unterscheidet. H 0 : µ=µ 0 H A : µ µ 0
38 Wie repräsentativ ist die Kontrollgruppe? 95%-KI: [ ]
39 Statistische Analyse Ein-Stichproben-t-Test Zufallsvariable X N(µ,σ 2 ) beide Parameter unbekannt Hypothesen 0 H 0 : µ = µ A : µ µ 0 H (zweiseitig) Teststatistik T = X µ S 0 n kritische Werte t 1-α/2,n-1 (zweiseitig) H0 wird abgelehnt, falls t t 1 α/2,n 1
40 Statistische Analyse Ein-Stichproben-t-Test
41 Ablehnungsbereich Statistische Analyse kritische Werte Annahmebereich Ablehnungsbereich H 0 α/2 α/2 c α/2 =-2.23 c 1-α/2 =2.23 t = 9.5 T
42 Der p-wert Der p-wert ist die Wahrscheinlichkeit dafür, dass die Teststatistik T den beobachteten oder einen noch unwahrscheinlicheren Wert als t obs annimmt, wenn die Nullhypothese wahr ist. Er entspricht dem Signifikanzniveau, bei dem H 0 gerade eben verworfen würde. H 0 t obs p T
43 Statistische Analyse Verteilungsformen symmetrisch linkssteil rechtssteil bimodal
44 Ist der diast. Blutruck normalverteilt?
45 Statistische Analyse zwei stetige, nicht normalverteilte Merkmale
46 Statistische Analyse Box-Plot möglicher Ausreißer kleinster Wert im inneren Zaun größter Wert im inneren Zaun Ausreißer o * innerer Zaun 1.5 IQR ~ x 0.25 ~ x 0.50 IQR ~ x IQR innerer Zaun äußerer Zaun 3 IQR 3 IQR
47 Statistische Analyse zwei stetige, nicht normalverteilte Merkmale
48 Behandlung von Depressionen Zur Wirksamkeitsprüfung eines neuen Antidepressivums werden 10 klinisch depressive Patienten zufällig einer von zwei Gruppen zugeordnet. Gruppe A (5 Patienten) bekommt für 6 Monate das neue Medikament. Gruppe B bekommt ein Placebo. Am Ende der Studie wird der Zustand jedes Teilnehmers von einem verblindeten Psychiater auf einer Skala von 0-20 mit einem Score bewertet. Patient Score A 1 11 A 2 15 A 3 7 A 4 8 A 5 12 B 1 3 B 2 4 B 3 9 B 4 2 B 5 5 H 0 : Die Verteilung des Depressionsscores ist unter Verum die gleiche wie unter Placebo. H A : Die Verteilung des Depressionsscores ist unter Verum eine andere als unter Placebo.
49 Behandlung von Depressionen Wilcoxon-Rangsummentest Patient Score Rang Patient Rang A B 4 1 A B 1 2 A B 2 3 A B 5 4 A A 3 5 B A 4 6 B R(A i ) = = B R(B i ) = = 17 Teststatistik (maximale Rangsumme) W=38 kritischer Wert (zweiseitig) W 0.975,5,5 =37 B A 1 8 B A 5 9 B A 2 10 H 0 kann zum 5% Signifikanzniveau verworfen werden.
50 Risikofaktoren für Herzinfarkt M KI Infarkt n=40 25 (62.2%) [ ] Diabetes 3 (7.5%) [ ] Rauchen 23(57.5%) [ ] Kein Infarkt n=40 28 (70.0%) [ ] 5 (12.5%) [ ] 31 (77.5%) [ ] diast. BD 98(95-105)* 93.63±9.1 [ ] p Alter 54.0 ± ± 10.4 <0.001?? BMI 26 ( )* 25 ( )* 0.32 * Erstes und drittes Quartil
51 Statistische Analyse zwei normalverteilte Merkmale Zufallsvariable X a N(µ a,σ 2 ) und X b N(µ b,σ 2 ) Hypothesen H : µ 0 H : µ µ µ a = b A a b (zweiseitig) Teststatistik T = X S a X pooled b n n a a + n n b b Ablehnungsbereich T t oder T t α/2,n + n 2 α / a b 2,n + n 2 1 a b (zweiseitig)
52 Statistische Analyse zwei normalverteilte Merkmale
53 Risikofaktoren für Herzinfarkt männlich KI Infarkt n=40 25 (62.2%) [ ] Diabetes 3 (7.5%) [ ] Rauchen 23(57.5%) [ ] Kein Infarkt n=40 28 (70.0%) [ ] 5 (12.5%) [ ] 31 (77.5%) [ ] diast. BD 98(95-105)* 93.63±9.1 [ ] p Alter 54.0 ± ± 10.4 <0.001 BMI 26 ( )* 25 ( )* 0.32 Blutzucker 96.9± ± * Erstes und drittes Quartil
54
55 Statistische Analyse parametrische versus nicht-parametrisch Viele statistische Tests machen implizite Annahmen über die den Daten zu Grunde liegende Verteilung. Solche Tests heißen "parametrisch". Statistische Tests, die keine oder nur schwache Annahmen über die den Daten zu Grunde liegende Verteilung machen, heißen "nicht-parametrisch".
56 Statistische Analyse parametrische versus nicht-parametrisch Die meisten parametrischen Tests setzen voraus, dass die Stichprobendaten normalverteilt sind. Wird diese Annahme verletzt, so ist der Test möglicherweise nicht "valide" (d.h. das Signifikanzniveau ist falsch). Viele parametrische Tests, insbesondere die für den Vergleich von zwei oder mehr Gruppen, setzen die Gleichheit der gruppenspezifischen Varianzen voraus ("Homogenität der Varianzen").
57 Statistische Analyse parametrische versus nicht-parametrisch Parametrische Tests gewinnen mehr Information aus Daten und haben daher für normalverteilte Daten mehr Power als nicht-parametrische. Im Fall der Normalität haben nicht-parametrische Tests etwa 95% der Power des entsprechenden parametrischen Tests.
58 Nichtparametrische Tests nicht normalverteilte Daten Studiendesign zwischen Individuen innerhalb von Individuen zwei Gruppen mehr als zwei Gruppen zwei Messungen mehr als zwei Messungen Wilcoxon- Rangsummen- Test Kruskal- Wallis-Test Wilcoxon- Vorzeichen- Rangtest Friedman-Test
59 Parametrische Tests normalverteilte Daten Studiendesign zwischen Individuen innerhalb von Individuen zwei Gruppen mehr als zwei Gruppen zwei Messungen mehr als zwei Messungen Zwei- Stichproben t-test Varianzanalyse (ANOVA) ANOVA mit Messwiederholungen Ein- Stichproben t-test
60
Willkommen 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
MehrEin möglicher Unterrichtsgang
Ein möglicher Unterrichtsgang. Wiederholung: Bernoulli Experiment und Binomialverteilung Da der sichere Umgang mit der Binomialverteilung, auch der Umgang mit dem GTR und den Diagrammen, eine notwendige
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
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
MehrBiometrische Beratung. Biometrisches Tutorial. Biometrisches Tutorial. Biometrisches Tutorial. Was ist Statistik? Was ist Statistik?
Biometrische Beratung Dienstleistung des Instituts für Medizinische Informatik und Statistik für Doktoranden, Habilitanden und wissenschaftlichen Mitarbeitern/Mitarbeiterinnen der Medizinischen Fakultät.
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,
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
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
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
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
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
MehrGrundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt!
Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! 1 Einführung 2 Wahrscheinlichkeiten kurz gefasst 3 Zufallsvariablen und Verteilungen 4 Theoretische Verteilungen (Wahrscheinlichkeitsfunktion)
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.)
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)
MehrTutorial: Homogenitätstest
Tutorial: Homogenitätstest Eine Bank möchte die Kreditwürdigkeit potenzieller Kreditnehmer abschätzen. Einerseits lebt die Bank ja von der Vergabe von Krediten, andererseits verursachen Problemkredite
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
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 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,
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
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
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/
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
MehrEinführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management
Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 2013 Hochschule Augsburg : Gliederung 1 Einführung 2 Deskriptive Statistik
MehrMathematische und statistische Methoden II
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 Persike
MehrTeil I Beschreibende Statistik 29
Vorwort zur 2. Auflage 15 Vorwort 15 Kapitel 0 Einführung 19 0.1 Methoden und Aufgaben der Statistik............................. 20 0.2 Ablauf statistischer Untersuchungen..............................
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...
MehrStatistik II für Betriebswirte Vorlesung 2
PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 2 21. Oktober 2014 Verbundene Stichproben Liegen zwei Stichproben vor, deren Werte einander
Mehr12.1 Wie funktioniert ein Signifikanztest?
Sedlmeier & Renkewitz Kapitel 12 Signifikanztests 12.1 Wie funktioniert ein Signifikanztest? Zentrales Ergebnis eine Signifikanztests: Wie wahrscheinlich war es unter der Bedingung dass H0 gilt, diesen
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:
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
MehrStatistische Auswertung der Daten von Blatt 13
Statistische Auswertung der Daten von Blatt 13 Problemstellung 1 Graphische Darstellung der Daten 1 Diskussion der Normalverteilung 3 Mittelwerte und deren Konfidenzbereiche 3 Signifikanz der Behandlung
MehrStatistische Datenauswertung. Andreas Stoll Kantonsschule Olten
Statistische Datenauswertung Andreas Stoll Beschreibende vs. schliessende Statistik Wir unterscheiden grundsätzlich zwischen beschreibender (deskriptiver) und schliessender (induktiver) Statistik. Bei
MehrVorlesung 1: Grundlagen, Evidenzbasierte Medizin und Gute Klinische Praxis (GCP)
Vorlesung 1: Grundlagen, Evidenzbasierte Medizin und Gute Klinische Praxis (GCP) 1.1. Begriffsbildung im Rahmen der Evidenzbasierten Medizin (EBM) Einsicht in die Notwendigkeit und praktische Relevanz
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,
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.
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
MehrFragestellungen der Schließenden Statistik
Fragestellungen der Schließenden Statistik Bisher: Teil I: Beschreibende Statistik Zusammenfassung von an GesamtheitM N {e,,e N } erhobenem Datensatz x,,x N durch Häufigkeitsverteilung und Kennzahlen für
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
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
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
MehrBiostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 Vergleich zweier Stichproben, nichtparametrische Tests Prof. Dr. Achim Klenke http://www.aklenke.de 11. Vorlesung: 27.01.2012 1/86 Inhalt 1 Tests t-test 2 Vergleich zweier
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:
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
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
MehrSchätzer (vgl. Kapitel 1): Stichprobenmittel X N. Stichprobenmedian X N
Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.1 Schätzer für Lage- und Skalenparameter und Verteilungsmodellwahl Lageparameter (l(x + a) = l(x) + a): Erwartungswert EX Median von X
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
Mehr2. Statistische Methoden in der Diagnostik. Elemente des Studiendesigns
2. Statistische Methoden in der Diagnostik Elemente des Studiendesigns Diagnosestudien in der Medizin Klassifikation in krank - nicht krank basierend auf diagnostischem Test Beispiel: Diagnose von Brustkrebs
MehrEinführung in die statistische Datenanalyse I
Einführung in die statistische Datenanalyse I Inhaltsverzeichnis 1. EINFÜHRUNG IN THEORIEGELEITETES WISSENSCHAFTLICHES ARBEITEN 2 2. KRITIERIEN ZUR AUSWAHL STATISTISCH METHODISCHER VERFAHREN 2 3. UNIVARIATE
MehrBeispiel: Sonntagsfrage. Einführung in die induktive Statistik. Statistische Tests. Statistische Tests
Beispiel: Sonntagsfrage Vier Wochen vor der österreichischen Nationalratswahl 1999 wurde 499 Haushalten die Sonntagsfrage gestellt: Falls nächsten Sonntag Wahlen wären, welche Partei würden Sie wählen?
MehrKapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung
Kapitel 3 Zufallsvariable Josef Leydold c 2006 Mathematische Methoden III Zufallsvariable 1 / 43 Lernziele Diskrete und stetige Zufallsvariable Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion
MehrÜbungen zur Mathematik für Pharmazeuten
Blatt 1 Aufgabe 1. Wir betrachten den Ereignisraum Ω = {(i,j) 1 i,j 6} zum Zufallsexperiment des zweimaligem Würfelns. Sei A Ω das Ereignis Pasch, und B Ω das Ereignis, daß der erste Wurf eine gerade Augenzahl
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
MehrMedizinische Biometrie (L5)
Medizinische Biometrie (L5) Vorlesung II Daten Deskription Prof. Dr. Ulrich Mansmann Institut für Medizinische Informationsverarbeitung, Biometrie und Epidemiologie mansmann@ibe.med.uni-muenchen.de IBE,
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
MehrAnalyse bivariater Kontingenztafeln
Analyse bivariater Kontingenztafeln Werden zwei kategoriale Merkmale mit nicht zu vielen möglichen Ausprägungen gemeinsam analysiert, so kommen zur Beschreibung der gemeinsamen Verteilung im allgemeinen
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
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
Mehra) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten.
Statistik für Kommunikationswissenschaftler Wintersemester 2009/200 Vorlesung Prof. Dr. Helmut Küchenhoff Übung Cornelia Oberhauser, Monia Mahling, Juliane Manitz Thema 4 Homepage zur Veranstaltung: http://www.statistik.lmu.de/~helmut/kw09.html
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 im Bachelor-Studium der BWL und VWL
Max C. Wewel Statistik im Bachelor-Studium der BWL und VWL Methoden, Anwendung, Interpretation Mit herausnehmbarer Formelsammlung ein Imprint von Pearson Education München Boston San Francisco Harlow,
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
MehrSTATISTIK 1 - BEGLEITVERANSTALTUNG
STATISTIK 1 - BEGLEITVERANSTALTUNG VORLESUNG 4 ALPHA / BETA-FEHLER 12.12.2014 1 12.12.2014 1 Mona Ulrich, Psychologie (M.Sc.) AGENDA 01 STATISTISCHE HYPOTHESEN 02 POPULATION / STICHPROBE 03 ALPHA/ BETA-FEHLER
MehrGibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero?
Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Manche sagen: Ja, manche sagen: Nein Wie soll man das objektiv feststellen? Kann man Geschmack objektiv messen? - Geschmack ist subjektiv
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.
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
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
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
MehrWilcoxon-Rangsummen-Test
Wilcoxon-Rangsummen-Test Theorie: Wilcoxon-Rangsummen-Test Der Wilcoxon-Rangsummen-Test prüft, ob sich die Verteilungen der Grundgesamtheiten zweier Stichproben bezüglich ihrer Lage unterscheiden. Ein
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2010/2011. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2010/2011 Aufgabe 1 Nach einer
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
MehrBiostatistik, WS 2015/2016 Der zwei-stichproben-t-test
1/29 Biostatistik, WS 2015/2016 Der zwei-stichproben-t-test (t-test für ungepaarte Stichproben) Matthias Birkner http://www.staff.uni-mainz.de/birkner/biostatistik1516/ 11.12.2015 2/29 Inhalt 1 t-test
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
Mehr5 Statistische Testverfahren
70 5 Statistische Testverfahren 5.1 Grundlegende Definitionen und Binomialtest Beispiel 5.1.1: (Fortsetzung von Beispiel 4.2.15) Wir nehmen an, dass das Medikament als wenig bedenklich eingestuft werden
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
MehrVerteilungsanalyse. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/31
Verteilungsanalyse Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/31 Datentypen Als Sammeln von Daten bezeichnet man in der Statistik das Aufzeichnen von Fakten. Erhobene Daten klassifziert man
MehrAnalog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table("c:\\compaufg\\kredit.
Lösung 16.3 Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit
MehrEinführung in die Geostatistik (2) Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam.
Einführung in die Geostatistik () Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam.de Gliederung Allgemeine Statistik. Deskriptive Statistik. Wahrscheinlichkeitstheorie.3
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen 5. Der zwei-stichproben-t-test. und der Wilcoxon-Test
Wahrscheinlichkeitsrechnung und Statistik für Biologen 5. Der zwei-stichproben-t-test (t-test für ungepaarte Stichproben) und der Wilcoxon-Test Dirk Metzler 22. Mai 2015 Inhaltsverzeichnis 1 Wiederholung:
MehrMultinomiale logistische Regression
Multinomiale logistische Regression Die multinomiale logistische Regression dient zur Schätzung von Gruppenzugehörigkeiten bzw. einer entsprechenden Wahrscheinlichkeit hierfür, wobei als abhänginge Variable
Mehr5. Schließende Statistik. 5.1. Einführung
5. Schließende Statistik 5.1. Einführung Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.
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,
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
MehrKorrelation - Regression. Berghold, IMI
Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines
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
Mehr2. Patienten, Material und Methodik. 2.1. Patienten
2. Patienten, Material und Methodik 2.1. Patienten Insgesamt wurde bei 76 Patienten mit bekannter chronischer Niereninsuffizienz eine Messung der Knochendichte mit dem Ultraschall-Osteodensitometriegerät
MehrVon Wilcoxon bis McNemar es kann nur einen Signifikanztest geben
Institut für Medizinische Biometrie und Epidemiologie Von Wilcoxon bis McNemar es kann nur einen Signifikanztest geben Zum Nacharbeiten Auswahl von Signifikanztests 2 prinzipielle Unterscheidungskriterien:
MehrMarktforschung I. Marktforschung I 2
Marktforschung I Marktforschung I Einführung in die Testtheorie (Toporowski) Mathematische Grundlagen (Toporowski) Varianzanalyse (Toporowski) Regressionsanalyse (Boztuğ) Diskriminanzanalyse (Hammerschmidt)
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
MehrAufgabe 1 10 ECTS. y i x j gering mittel hoch n i Hausrat 200 25 0 225 KFZ 0 10 75 85 Unfall 20 35 90 145 Reiserücktritt 40 5 0 45 n j 260 75 165 500
Aufgabe 1 Für die Securance-Versicherung liegen Ihnen die gemeinsamen absoluten Häugkeiten der Merkmale X: Schadenshöhe und Y : Versicherungsart für die letzten 500 gemeldeten Schäden vor. 1. Interpretieren
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
MehrTeil II: Einführung in die Statistik
Teil II: Einführung in die Statistik (50 Punkte) Bitte beantworten Sie ALLE Fragen. Es handelt sich um multiple choice Fragen. Sie müssen die exakte Antwortmöglichkeit angeben, um die volle Punktzahl zu
Mehr