Prüfen von Unterschiedshypothesen für ordinale Variablen: Mann-Whitney Test und Ko
|
|
- Kristina Karoline Günther
- vor 6 Jahren
- Abrufe
Transkript
1 Prüfen von Unterschiedshypothesen für ordinale Variablen: Mann-Whitney Test und Ko Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg Statistik 1 S. Garbade (SRH Heidelberg) Tests für ordinale Daten Statistik 1 1 / 22
2 Agenda Mann-Whitney-U-Test Anwendungsbeispiel Weitere Test-Verfahren S. Garbade (SRH Heidelberg) Tests für ordinale Daten Statistik 1 2 / 22
3 Mann-Whitney-U-Test Outline Mann-Whitney-U-Test Verfahren für Ordinaldaten Vorgehen Bestimmung der Prüfgröße U bzw. U Umrechnung von U in einen z-wert S. Garbade (SRH Heidelberg) Tests für ordinale Daten Statistik 1 3 / 22
4 Mann-Whitney-U-Test Verfahren für Ordinaldaten Verfahren für Ordinaldaten Kann nicht vorrausgesetzt werden, dass das untersuchte Merkmal normalverteilt bzw. intervallskaliert ist, können Verfahren eingesetzt werden, die auf Basis von Ranginformationen arbeiten. Das Merkmal muss mindestens ordinalskaliert sein. Empfehlen sich auch bei kleinen Stichproben (N < 10). Verfahren vergleichen die Rangplätze von zwei Stichproben: Unabhängige Stichproben; Mann-Whitney-U-Test. Abhängige Stichproben: Wilcoxon-Test. Nachteil: Berücksichtigen nur Ranginformationen, die eigentlichen Messwerte spielen keine Rolle. S. Garbade (SRH Heidelberg) Tests für ordinale Daten Statistik 1 4 / 22
5 Mann-Whitney-U-Test Vorgehen Vorgehen 1 Hypothesen: H 0 : Die Rangplätze zwischen den Gruppen unterscheiden sich nicht. H 1 : Die Rangplätze zwischen den Gruppen unterscheiden sich. 2 Die Messwerte beider Gruppen werden in gemeinsame Rängplätze überführt. 3 Die Prüfgröße U berechnet sich aus den Rangplatzüber- bzw. Unterschreitungen zwischen den beiden Gruppen. Also: wie oft wird ein Rangplatz aus Gruppe 1 in der Gruppe 2 über- bzw. unterschritten? 4 Die Prüfgröße U wird in einen z-wert umgerechnet. Hierzu wird der erwartete Mittelwert von U und dessen Standardfehler benötigt. 5 Für den z-wert kann anhand der Standard-Normalverteilung eine Wahrscheinlichkeit angegeben werden. Ist diese <5% H 1. S. Garbade (SRH Heidelberg) Tests für ordinale Daten Statistik 1 5 / 22
6 Mann-Whitney-U-Test Vorgehen Weitere Möglichkeiten der Signifikanzprüfung Es gibt weitere Methoden, den U Wert auf Signifikanz zu prüfen, vgl. Bortz und Schuster (2010, S. 130ff). Diese eignen sich vor allem bei kleinen Stichproben n 1 8 und n 2 8. Wir besprechen hier nur die Approximation über die Standardnormalverteilung mittels z-werte. S. Garbade (SRH Heidelberg) Tests für ordinale Daten Statistik 1 6 / 22
7 Mann-Whitney-U-Test Bestimmung der Prüfgröße U bzw. U Bestimmung der Prüfgröße U bzw. U Prüfgröße U bzw. U Zunächst müssen für beide Gruppen die Rangplatzsummen T 1 und T 2 berechnet werden. Die Prüfgröße ist die Anzahl der Rangplatzüber- U bzw. Rangplatzunterschreitungen U : U = n 1 n 2 + n 1 (n 1 + 1) T 1, 2 bzw. (1) U = n 1 n 2 + n 2 (n 2 + 1) T 2, 2 wobei (2) U = n 1 n 2 U (3) S. Garbade (SRH Heidelberg) Tests für ordinale Daten Statistik 1 7 / 22
8 Mann-Whitney-U-Test Umrechnung von U in einen z-wert Umrechnung von U in einen z-wert Umrechnung von U in einen z-wert Wenn n 1 oder n 2 > 10, so kann das Signifikanzniveau von U durch die Standardnormalverteilung approximiert werden. Dazu wird U in einen z-wert umgerechnet: Der z-wert ist dann µ U = n 1 n 2 2 n1 n 2 (n 1 + n 2 + 1) σ U = 12 (4) (5) z = U µ U σ U. (6) S. Garbade (SRH Heidelberg) Tests für ordinale Daten Statistik 1 8 / 22
9 Anwendungsbeispiel Outline Anwendungsbeispiel Fragestellung Ergebnisse der Reaktionszeitmessung Rechengang Boxplot der Reaktionszeiten S. Garbade (SRH Heidelberg) Tests für ordinale Daten Statistik 1 9 / 22
10 Anwendungsbeispiel Fragestellung Fragestellung Aus Bortz und Schuster (2010, S. 130ff): Kann die Beeinträchtigung der Reaktionszeit unter Alkoholeinfluss durch ein Präparat aufgehoben werden? Zwei Gruppen: Nur Alkohol; Anzahl der Probanden: N = 12. Alkohol plus Präparat; Anzahl der Probanden: N = 15. Messung der Reaktionszeit mittels Reaktionszeitgerät. Da Reaktionszeiten nicht normalverteilt sind und unabhängige Gruppen vorliegen: Entscheidung für Mann-Whitney-U-Test. Hat die Gruppe Alkohol & Präparat niedrigere Reaktionszeiten als die Gruppe Alkohol ohne Präparat? S. Garbade (SRH Heidelberg) Tests für ordinale Daten Statistik 1 10 / 22
11 Anwendungsbeispiel Ergebnisse der Reaktionszeitmessung Ergebnisse der Reaktionszeitmessung Die Reaktionszeiten (RT) werden in Rangplätze transformiert. Dazu wird eine aufsteigende (von niedrigen zu hohen RTs) Reihe gemeinsamer Rangplätze gebildet. Gruppe 1 mit Alkohohl, N=12: RT Rang (R) Summe der Rangplätze T 1 = 172. Gruppe 2 mit Alkohohl & Präparat, N=15: RT R Summe der Rangplätze T 2 = 206. S. Garbade (SRH Heidelberg) Tests für ordinale Daten Statistik 1 11 / 22
12 Anwendungsbeispiel Rechengang Rechengang Hypothesen: H 0 : Die Rangplätze der Gruppe mit Präparat sind größer oder gleich als die als die der Gruppe ohne Präparat. H 1 : Die Rangplätze der Gruppe mit Präparat sind kleiner als die als die der Gruppe ohne Präparat. Berechnung der Prüfgröße U: U = n 1 n 2 + n 1 (n 1 + 1) T = = 86 S. Garbade (SRH Heidelberg) Tests für ordinale Daten Statistik 1 12 / 22
13 Anwendungsbeispiel Rechengang Rechengang (Forts. 2) bzw. U = n 1 n 2 + n 2 (n 2 + 1) T = = 94 Überprüfung: U = n 1 n 2 U = = 86. Berechnung von µ U und σ U : µ U = n 1 n 2 2 = = 90 und n1 n 2 (n 1 + n 2 + 1) ( ) σ U = = = S. Garbade (SRH Heidelberg) Tests für ordinale Daten Statistik 1 13 / 22
14 Anwendungsbeispiel Rechengang Rechengang (Forts. 3) z-transformation: z = U µ U = σ U = Aufgrund der Symmetrie von U und U um µ U gilt: z = = Gemäß der einseitigen Fragestellung entspricht z krit dem Wert z 5% = Damit 1.65 < 0.20, die H 0 ist beizubehalten. Bzw. wenn U verwendet wurde: z 95% = 1.65, damit 0.20 < 1.65, damit Beibehaltung der H 0. S. Garbade (SRH Heidelberg) Tests für ordinale Daten Statistik 1 14 / 22
15 Anwendungsbeispiel Boxplot der Reaktionszeiten Boxplot der Reaktionszeiten Reaktionszeit [ms] ohne Präparat mit S. Garbade (SRH Heidelberg) Tests für ordinale Daten Statistik 1 15 / 22
16 Weitere Test-Verfahren Outline Weitere Test-Verfahren Wilcoxon-Test Kruskal-Wallis und Friedman Test S. Garbade (SRH Heidelberg) Tests für ordinale Daten Statistik 1 16 / 22
17 Weitere Test-Verfahren Wilcoxon-Test Wilcoxon-Test Wenn eine abhängige Stichprobe bei ordinal skalierter AV vorliegt, so kommt der Wilcoxon-Test zu Anwendung. Auf Basis der Rangplatzdifferenzen für jedes Beobachtungspaar wird die Prüfgröße T bzw. W berechnet. Für diese Prüfgröße stehen in vielen Statistik-Büchern Tabellen mit kritischen Werten zur Verfügung. Zur Berechnung z. B. Bortz und Schuster (2010, S. 133ff). S. Garbade (SRH Heidelberg) Tests für ordinale Daten Statistik 1 17 / 22
18 Weitere Test-Verfahren Kruskal-Wallis und Friedman Test Kruskal-Wallis und Friedman Test Kruskal-Wallis: Eine Erweiterung des Mann-Whitney Test auf k-kategorien ist der Kruskal Wallis H Test. Friedman Test: Eine Erweiterung des Wilcoxon-Test für mehr als zwei gepaarte Messungen. S. Garbade (SRH Heidelberg) Tests für ordinale Daten Statistik 1 18 / 22
19 Weitere Test-Verfahren Kruskal-Wallis und Friedman Test Beispiel Kruskal-Wallis Test Sie möchten prüfen, ob Vorab-Informationen über einen Wein bei der Bewertung von Weinen eine Rolle spielen. Dazu bilden Sie drei Gruppen mit Amateur-Weinexperten. Aus organisatorischen Gründen sind die Gruppen nicht gleich groß: Gruppe A: N = 8, Gruppe B: N = 6; Gruppe C: N = 6. Jede Gruppe bekommt unterschiedliche Informationen über den zu testenden Wein. Das Rating erfolgt auf einer Skala von 0 bis 10 Punkten in 0.1 Schritten. Je mehr Punkte vergeben werden, desto höher die Bewertung. S. Garbade (SRH Heidelberg) Tests für ordinale Daten Statistik 1 19 / 22
20 Weitere Test-Verfahren Kruskal-Wallis und Friedman Test Boxplot der Ratings Rating A B C Gruppe S. Garbade (SRH Heidelberg) Tests für ordinale Daten Statistik 1 20 / 22
21 Weitere Test-Verfahren Kruskal-Wallis und Friedman Test Ausgabe mit Kruskal - Wallis rank sum test data: Rating by Gruppe Kruskal - Wallis chi - squared = , df = 2, p- value = Bedeutung: Die Art der Instruktion hat einen signifikanten Einfluss auf die Beurteilung des Weines [W(2) = 9.85; p < 0.01]. Gruppe A bewertet den Wein signifikant besser als die Gruppen B und C. S. Garbade (SRH Heidelberg) Tests für ordinale Daten Statistik 1 21 / 22
22 Weitere Test-Verfahren Kruskal-Wallis und Friedman Test Literaturverzeichnis Bortz, J. & Schuster, C. (2010). Statistik für Human- und Sozialwissenschaftler (7. Auflage). Berlin: Springer. S. Garbade (SRH Heidelberg) Tests für ordinale Daten Statistik 1 22 / 22
Überblick 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
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
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
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)
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
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
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
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
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
MehrEinfaktorielle Rangvarianzanalyse mit Messwiederholungen
Einfaktorielle Rangvarianzanalyse mit Messwiederholungen Inhaltsverzeichnis Einfaktorielle Rangvarianzanalyse mit Messwiederholungen... 2 Lernhinweise... 2 Einführung... 3 Theorie (1-3)... 3 Teil 1 -
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
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...
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
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.)
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/
MehrAcademic Skills - Befragung und Auswertung
Otto-von-Guericke University Magdeburg Allgemein Befragung Eine Befragung ist eine wissenschaftliche Maßnahme zur Erforschung von Verhalten, Einstellung oder Wissen Des Weiteren können auch demographische
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
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
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
MehrR-WORKSHOP II. Inferenzstatistik. Johannes Pfeffer
R-WORKSHOP II Inferenzstatistik Johannes Pfeffer Dresden, 25.1.2011 01 Outline Lösung der Übungsaufgabe Selbstdefinierte Funktionen Inferenzstatistik t-test Kruskal-Wallis Test Übungsaufgabe TU Dresden,
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:
MehrStandardisierung von Daten Darstellung von Daten in Texten, Tabellen und Abbildungen. Standardisierung von Daten
DAS THEMA: TABELLEN UND ABBILDUNGEN Standardisierung von Daten Darstellung von Daten in Texten, Tabellen und Abbildungen Standardisierung von Daten z-standardisierung Standardnormalverteilung 1 DIE Z-STANDARDISIERUNG
MehrÜberblick über die Tests
Anhang A Überblick über die Tests A.1 Ein-Stichproben-Tests A.1.1 Tests auf Verteilungsannahmen ˆ Shapiro-Wilk-Test Situation: Test auf Normalverteilung H 0 : X N(µ, σ 2 ) H 1 : X nicht normalverteilt
MehrUnsere Hilfe bei statistischen Analysen für wissenschaftliche Arbeiten
Unsere Hilfe bei statistischen Analysen für wissenschaftliche Arbeiten Sie schreiben eine wissenschaftliche Arbeit und müssen hierfür Daten statistisch analysieren? Sie haben bisher wenig Erfahrung im
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
MehrEin bisschen Statistik
Prof. Dr. Beat Siebenhaar ein bisschen Statistik 1 Ein bisschen Statistik (orientiert an Hüsler/Zimmermann (006) mit Umsetzung auf die linguistische Fragen) 1. Datentypen und Grafik Grafische Darstellungen
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,
MehrMensch Technisch. Fallstudien
Zusammenfassung Überblick Mensch Technisch h h titativ iv Quan Qualitat Kontrollierte Experimente mit Probanden Fragebög en Interview Fallstudien Zeitreihen analysen Perform ance Beweise Think Aloud Protokolle
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
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
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,
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
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
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
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:
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
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
MehrGestaltungsempfehlungen
Gestaltungsempfehlungen Prof. Dr. Günter Daniel Rey 1 Überblick Auswahl der Empfehlungen Gestaltungseffekte Empirische Überprüfung Variablenarten Versuchspläne Beispiel eines Experimentes Statistische
MehrDSR Daten, Statistik, Risikobewertung AUSWERTUNG GAHS. Intervention + BMI
DSR Daten, Statistik, Risikobewertung AUSWERTUNG GAHS + BMI Sophie-Helene Narath Klemens Fuchs Günter Polt Bericht Nr.: B09_003_DSR Freigegeben im April 09 Österreichische Agentur für Gesundheit und Ernährungssicherheit
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
MehrAuswerten mit Excel. Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro
Auswerten mit Excel Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro 1. Pivot-Tabellen erstellen: In der Datenmaske in eine beliebige Zelle klicken Registerkarte Einfügen
MehrFelix-Nicolai Müller. Seminar Fragebogenmethodik - WS2009/2010 - Universität Trier Dr. Dirk Kranz 24.11.2009
Cohen s Kappa Felix-Nicolai Müller Seminar Fragebogenmethodik - WS2009/2010 - Universität Trier Dr. Dirk Kranz 24.11.2009 Felix-Nicolai Müller Cohen s Kappa 24.11.2009 1 / 21 Inhaltsverzeichnis 1 2 3 4
MehrLösung zu Kapitel 11: Beispiel 1
Lösung zu Kapitel 11: Beispiel 1 Eine Untersuchung bei 253 Personen zur Kundenzufriedenheit mit einer Einzelhandelskette im Südosten der USA enthält Variablen mit sozialstatistischen Daten der befragten
MehrVisual-XSel 12.1 Einstiegsbeispiele & SixSigma Ausgewählte Einstiegsbeispiele aus statistischen Methoden und SixSigma mit Visual-XSel 12.
Ausgewählte Einstiegsbeispiele aus statistischen Methoden und SixSigma mit Visual-XSel 12.1 Multivar Wie sollte man diese Leitfaden am besten nutzen? - Drucken Sie diese Seiten aus und legen diese neben
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
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...
MehrAuswertung und Darstellung wissenschaftlicher Daten (1)
Auswertung und Darstellung wissenschaftlicher Daten () Mag. Dr. Andrea Payrhuber Zwei Schritte der Auswertung. Deskriptive Darstellung aller Daten 2. analytische Darstellung (Gruppenvergleiche) SPSS-Andrea
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.
MehrDeskriptive Statistik
Deskriptive Statistik [descriptive statistics] Ziel der deskriptiven (beschreibenden) Statistik einschließlich der explorativen Datenanalyse [exploratory data analysis] ist zunächst die übersichtliche
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
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
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
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
MehrHerzlich Willkommen zur Vorlesung Statistik
Herzlich Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Kovarianz und Korrelation Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrStudiendesign/ Evaluierungsdesign
Jennifer Ziegert Studiendesign/ Evaluierungsdesign Praxisprojekt: Nutzerorientierte Evaluierung von Visualisierungen in Daffodil mittels Eyetracker Warum Studien /Evaluierungsdesign Das Design einer Untersuchung
Mehr26 Nichtparametrische Tests
26 Nichtparametrische Tests Das Menü und auch die Ergebnisausgabe von Nichtparametrische Tests ist seit der Version 18 neu gestaltet. Die Darstellung in der 8. Auflage des Buches bezieht sich ausschließlich
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 /
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
MehrStatistische Grundlagen für die Versuchstierkunde
Statistische Grundlagen für die Versuchstierkunde Prof. Peter Pilz Fachbereich Biologie Universität Tübingen So viele Tiere wie nötig, so wenig Tiere wie möglich Gliederung 1. Deskriptive Statistik & Power
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
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
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
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
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
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
MehrNadine Widmann. Staatsexamensarbeit 2005. Prof. Dr. Klaus Bös, Universität Karlsruhe
Nadine Widmann Analyse und Vergleich der Belastungsparameter von Walking und Nordic- Walking beim 2km Walking- Test unter Berücksichtigung der jeweiligen Technik Staatsexamensarbeit 2005 Entscheidungs-
MehrEinführung in die statistische Denkweise: Was ist, was macht ein statistischer Test?
Statistik für Nutztierethologen Einführung in die statistische Denkweise: Was ist, was macht ein statistischer Test? Zentrum für tiergerechte Haltung Lorenz Gygax (Dr. sc. nat.) lorenz.gygax@fat.admin.ch
MehrAusgewählte Einstiegsbeispiele aus statistischen Methoden und SixSigma mit Visual-XSel 11.0 Multivar
Ausgewählte Einstiegsbeispiele aus statistischen Methoden und SixSigma mit Visual-XSel 11.0 Multivar Einstieg über Leitfaden Über das Symbol Leitfaden erhält man einen Überblick der statistischen Methoden.
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
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
MehrBasiswissen Statistik und Versuchsplanung. Moritz Körber 08.02.2016
Basiswissen Statistik und Versuchsplanung Moritz Körber 08.02.2016 Ablauf einer Studie FRAGESTELLUNG HYPOTHESEN OPERATIONALISIERUNG VERSUCHSPLAN ERHEBUNG AUSWERTUNG INTERPRETATION 2 Ablauf einer Studie
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
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
MehrE ektgrößen Metaanalysen. Zusammenhänge und Unterschiede quantifizieren E ektgrößen
DAS THEMA: EFFEKTGRÖßEN UND METAANALYSE E ektgrößen Metaanalysen Zusammenhänge und Unterschiede quantifizieren E ektgrößen Was ist ein E ekt? Was sind E ektgrößen? Berechnung von E ektgrößen Interpretation
MehrUmgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen
Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen Warum überhaupt Gedanken machen? Was fehlt, ist doch weg, oder? Allgegenwärtiges Problem in psychologischer Forschung Bringt Fehlerquellen
MehrProjektmanagement für Ingenieure
Springer Vieweg PLUS Zusatzinformationen zu Medien von Springer Vieweg Projektmanagement für Ingenieure Ein praxisnahes Lehrbuch für den systematischen Projekterfolg 2013 2. Auflage Kapitel 9 Lösungen
MehrKlausur Wirtschaftsmathematik Lösungshinweise
Klausur Wirtschaftsmathematik Lösungshinweise Prüfungsdatum: 27. Juni 2015 Prüfer: Etschberger Studiengang: Wirtschaftsingenieurwesen Aufgabe 1 16 Punkte Anton Arglos hat von seiner Großmutter 30 000 geschenkt
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,
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
Mehr4. Erstellen von Klassen
Statistik mit Tabellenkalkulation 4. Erstellen von Klassen Mit einem einfachen Befehl lässt sich eine Liste von Zahlen auf die Häufigkeit der einzelnen Werte untersuchen. Verwenden Sie dazu den Befehl
Mehr(Repeated-measures ANOVA) path = "Verzeichnis wo Sie anova1 gespeichert haben" attach(paste(path, "anova1", sep="/"))
Varianzanalyse mit Messwiederholungen (Repeated-measures ANOVA) Jonathan Harrington Befehle: anova2.txt path = "Verzeichnis wo Sie anova1 gespeichert haben" attach(paste(path, "anova1", sep="/")) Messwiederholungen:
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
MehrTAGUNG BETRIEBLICHES GESUNDHEITSMANAGEMENT (BGM) UND GESUNDHEITSPSYCHOLOGIE 21. November 2012 STAATLICH ANERKANNTE FACHHOCHSCHULE
TAGUNG BETRIEBLICHES GESUNDHEITSMANAGEMENT (BGM) UND GESUNDHEITSPSYCHOLOGIE 21. November 2012 STAATLICH ANERKANNTE FACHHOCHSCHULE TAGUNG BETRIEBLICHES GESUNDHEITSMANAGEMENT (BGM) UND GESUNDHEITSPSYCHOLOGIE
MehrQUALITY APP Messsystemanalyse komplett
QUALITY APP Messsystemanalyse komplett Hinweise zur Validierung der Programme MSA1, MSA2, MSA3, MSA4, MSA5, MSA6 Dr. Konrad Reuter TQU VERLAG Inhalt Validierung Messtechnischer Software mit Microsoft EXCEL...
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
MehrBehandlung fehlender Werte
Halle/Saale, 8.6.2 Behandlung fehlender Werte Dipl.-Psych. Wilmar Igl - Methodenberatung - Rehabilitationswissenschaftlicher Forschungsverbund Bayern Einleitung () Fehlende Werte als allgegenwärtiges Problem
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
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
MehrVerteilungsanalyse. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/35
Verteilungsanalyse Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/35 Datentypen Als Sammeln von Daten bezeichnet man in der Statistik das Aufzeichnen von Fakten. Erhobene Daten klassifziert man
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
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
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
Mehr