12 Rangtests zum Vergleich zentraler Tendenzen
|
|
- Kristin Adler
- vor 6 Jahren
- Abrufe
Transkript
1 12 Rangtests zum Vergleich zentraler Tendenzen 12.1 Allgemeine Bemerkungen 12.2 Gepaarte Stichproben: Der Wilcoxon Vorzeichen- Rangtest 12.3 Unabhängige Stichproben: Der Wilcoxon Rangsummentest und der Mann Whitney U Test Appendix A: Mann Whitney U Test mit SPSS Appendix B: Übersicht der Testverfahren 12.1 Allgemeine Bemerkungen Warum Rangtests? 1. Der z Test ist nur für große Stichprobenumfänge anwendbar (aufgrund des zentralen Grenzwertsatzes). 2. Der t Test setzt insbesondere normalverteilte Merkmale voraus. StatBio 357
2 Rangtests verzichten auf die Normalverteilungsannahme (wie der z Test auch) und sind insbesondere für kleine Stichprobenumfänge geeignet. Folgende Hypothesen werden betrachtet: Nullhypothese: Grundgesamtheit 1 und Grundgesamtheit 2 besitzen gleiche Verteilungen (damit besteht insbesondere kein Unterschied in der zentralen Tendenz). Alternative: Wenn ein Unterschied zwischen den Verteilungen zweier Grundgesamtheiten besteht, dann soll dieser Unterschied in der zentralen Tendenz zum Ausdruck kommen (annähernd gleiche Streuung, ähnliche Verteilungsformen). StatBio 358
3 12.2 Gepaarte Stichproben: Der Wilcoxon Vorzeichen Rangtest Sei (X 1, X 2 ) ein metrisch skaliertes Merkmalspaar. Man möchte wissen, ob die Ausprägungswerte von X 1 tendenziell kleiner oder größer als die Ausprägungen des zugehörigen Paarwertes X 2 sind. Wiederum von Interesse ist die Paardifferenz X 1 X 2 Bezeichne med X1 X 2 den Populations Median der Paardifferenzen. Gilt med X1 X 2 > 0, so sind die Ausprägungen von X 1 tendenziell größer als die Ausprägungen des zugehörigen Paarwertes X 2. Gilt med X1 X 2 < 0, so sind die Ausprägungen von X 1 tendenziell kleiner als die Ausprägungen des zugehörigen Paarwertes X 2. StatBio 359
4 Gilt med X1 X 2 = 0, so besteht keine solche Tendenz. Die Ausprägungswerte von X 1 X 2 können positiv wie negativ sein; weder positive noch negative Werte sollten überwiegen. Verteilungsannahme: Das Merkmal X 1 X 2 ist stetig und symmetrisch um den Populations Median med X1 X 2 verteilt. Betrachtet werden die Testprobleme (A) zweiseitig H 0 : med X1 X 2 = 0, H 1 : med X1 X 2 0 (B) einseitig H 0 : med X1 X 2 0, H 1 : med X1 X 2 > 0 (C) einseitig H 0 : med X1 X 2 0, H 1 : med X1 X 2 < 0 StatBio 360
5 Sei (x 11, x 21 ),..., (x 1n, x 2n ) eine gepaarte Stichprobe vom Umfang n. Um Unterschiede festzustellen, werden wie beim z bzw. t Test auch die Paardifferenzen d i = x 1i x 2i, i = 1,..., n betrachtet. Der Wilcoxon Rangtest für gepaarte Stichproben (Wilcoxon matched pairs rank test), auch Wilcoxon Vorzeichen Rangtest (Wilcoxon signed rank test) genannt, funktioniert nach folgendem Schema: 1. Die Paardifferenzen d i = x 1i x 2i, i = 1,..., n werden gebildet. Annahme: d i 0 für i = 1,..., n (siehe nachfolgende Bem (ii)). StatBio 361
6 2. Den Absolutbeträgen der Paardifferenzen d 1,..., d n werden Ränge zugeordnet: 1 R i = Rang( d i ), i = 1,..., n 3. Dann werden zwei Rangsummen gebildet: Die Summe der Ränge, die einer positiven Paardifferenz zugeordnet sind und die Summe der Ränge, die einer negativen Paardifferenz zugeordnet sind: R + = i:d i >0 R i und R = i:d i <0 R i Unter H 0 wird erwartet, dass diese Rangsummen annähernd gleich groß sind: R + R 1 Per Definition ist d i = d i, falls d i > 0 und d i = d i, falls d i < 0. StatBio 362
7 4. Die Wilcoxon Teststatistik ist die kleinere der beiden Rangsummen: w = min(r +, R ) Die Verteilung von w unter H 0 hängt nicht von der Verteilung der Paardifferenzen X 1 X 2 ab (,,verteilungsfrei )(!) und kann mittels kombinatorischer Überlegungen bestimmt werden. 5. Der Prüfgrößenwert w wird mit einem kritischen Wert w krit ( Tab. 12 1) verglichen. Ist ein Testniveau α vorgegeben, so lauten die Testentscheidungen wie folgt: (A) Zweiseitige Alternative: H 1 : med X1 X 2 0 Ablehnung von H 0, falls w w n;α/2 StatBio 363
8 (B) Einseitige Alternative: H 1 : med X1 X 2 > 0 Unter H 1 werden mehr positive als negative Differenzen erwartet und damit R + > R Ablehnung von H 0, falls w = R w n;α (C) Einseitige Alternative: H 1 : med X1 X 2 < 0 Unter H 1 werden mehr negative als positive Differenzen erwartet und damit R > R + Ablehnung von H 0, falls w = R + w n;α StatBio 364
9 12.1 Bemerkung: (i) Kommt bei den Differenzen d 1,..., d n ein Absolutwert mehrfach vor (sogenannte Bindung), so erhalten die numerisch gleich großen Einzelwerte als Rangzahl den Durchschnittsrang. Bindungen beeinflussen den Wert von R + bzw. R nur dann, wenn sie zu Differenzen mit unterschiedlichen Vorzeichen gehören. (ii) Sollten Paardifferenzen gleich Null sein, so ist es üblich, diese einfach wegzulassen. 2 Das heißt, der Wilcoxon Vorzeichen Rangtest basiert immer auf Paardifferenzen d i 0. Die Anzahl der Paare, die beim Wilcoxon Vorzeichen Rangtest Berücksichtigung finden, ist m = n Anzahl der Differenzen d i mit d i = 0 2 Dies ist ein Auswertungsnachteil, da gerade diese Werte für die Gültigkeit der Nullhypothese sprechen würden. StatBio 365
10 Tabelle 12 1 Kritische Werte w m;α für den Wilcoxon Vorzeichen Rangtest mit α = 0.1, 0.05, 0.02 und m = Anzahl der α Differenzen Fortsetzung nächste Seite! StatBio 366
11 m = Anzahl der α Differenzen StatBio 367
12 Fortsetzung von Beispiel 11.1: Es soll auf die Normalverteilungsannahme verzichtet werden. Man möchte feststellen, ob eine spezielle Diät zu einer Gewichtsabnahme führt. Bei 10 Personen wurde das Gewicht (in kg) vor der Diät (x 1i ) und nach der Diät (x 2i ) gemessen. Sei d i = x 1i x 2i, i = 1,..., 10. Person x i1 x 2i d i d i R i Vorzeichen Man vermutet von vornherein eine Gewichtsreduzierung durch die Diät. Betrachtet wird daher StatBio 368
13 das einseitige Testproblem H 0 : med X1 X 2 = 0, H 1 : med X1 X 2 > 0 Das Testniveau sei α = Es gilt R + = =53.5 und R = 1.5 Rechenkontrolle: Es muss gelten Gesamtsumme der Ränge = In Bsp ist m = 10: m (m + 1) 2 = m 10 i=1 R i = R + + R = = 55 StatBio 369
14 und = = 55 Unter H 0 hätte man erwartet, dass R + und R in der Nähe von 55/2 = 27.5 liegen. Wegen w = min(53.5, 1.5) = 1.5 < 8 = w 10;0.05 (siehe Tab. 12 1) kann die Nullhypothese H 0 zum Niveau 0.05 abgelehnt werden Bemerkung: Für m > 30 ist unter H 0 die standardisierte Wilcoxon Rangsumme w + = R + m(m+1) 4 m(m+1)(2m+1) 24 (11.1) näherungsweise standardnormalver- unter H 0 teilt. StatBio 370
15 Ein Prüfgrößenwert w + spricht gegen H 0, falls im zweiseitigen Fall (A) w + z 1 α/2 oder w + z 1 α/2 in den einseitigen Fällen (B) und (C) bzw. w + z 1 α w + z 1 α gilt. (Die kritischen Werte sind wieder Quantile der Standard Normalverteilung, Tab. 10.1, letzte Zeile.) Liegen Bindungen vor, so wird die Prüfgröße (11.1) häufig korrigiert, um die Annäherung an die Standard Normalverteilung zu verbessern. StatBio 371
16 12.3 Unabhängige Stichproben: Der Wilcoxon Rangsummentest und der Mann Whitney U Test Voraussetzung: Zwei Merkmale X 1 und X 2 sind metrisch skaliert und stetig verteilt. Man möchte wissen, ob die Ausprägungswerte von X 1 (Grundgesamtheit 1) tendenziell kleiner oder größer als die Ausprägungswerte von X 2 (Grundgesamtheit 2) sind. Formaler: Bezeichnet med 1 und med 2 den Median von Grundgesamtheit 1 bzw. 2, so betrachtet man Testprobleme (A) zweiseitig H 0 : med 1 = med 2, H 1 : med 1 med 2 (B) einseitig H 0 : med 1 med 2, H 1 : med 1 > med 2 StatBio 372
17 (C) einseitig H 0 : med 1 med 2, H 1 : med 1 < med 2 Seien x 11,..., x 1n1 (Stichprobe 1) und x 21,..., x 2n2 (Stichprobe 2) zwei unabhängige Stichproben. Die Herleitung einer Prüfgröße ist einfach. 1. Man betrachtet die vereinigte Stichprobe x 11,..., x 1n1, x 21,..., x 2n2 und bildet die Ränge bezüglich der vereinigten Stichprobe. StatBio 373
18 2. Man berechnet Rangsummen: Man addiert die Ränge auf, die zur Stichprobe 1 gehören, R 1 = Rang(x 11 ) Rang(x 1n1 ) und man addiert die Ränge auf, die zur Stichprobe 2 gehören, R 2 = Rang(x 21 ) Rang(x 2n2 ) Da R 1 + R 2 die Gesamtsumme der Ränge ist, R 1 + R 2 = (n 1 + n 2 ) = (n 1 + n 2 ) (n 1 + n 2 + 1) 2 (dies kann als Rechenkontrolle dienen), gilt zwischen R 1 und R 2 die lineare Beziehung R 2 = (n 1 + n 2 ) (n 1 + n 2 + 1) 2 R 1 StatBio 374
19 Gilt med 1 > med 2, so sind in Stichprobe 1 tendenziell größere Werte als in Stichprobe 2 zu erwarten. Folglich ist R 1 > R 2 zu erwarten. Gilt med 1 < med 2, so sind in Stichprobe 1 tendenziell kleinere Werte als in Stichprobe 2 zu erwarten. Folglich ist R 1 < R 2 zu erwarten. Unter H 0 zeigt sich keine solche Tendenz und die beiden Rangsummen R 1 und R 2 werden annähernd gleich groß sein. Wilcoxon Rangsummentest Dieser Test verwendet die Prüfgröße R 1 (genauso gut kann als Prüfgröße R 2 gewählt werden). Testentscheidung: (A) zweiseitige Alternative H 1 : med 1 med 2 Ablehnung von H 0 zum Niveau α, falls R 1 unterer kritischer Wert StatBio 375
20 oder R 1 oberer kritischer Wert (B) einseitige Alternative H 1 : med 1 > med 2 Ablehnung von H 0 zum Niveau α, falls R 1 oberer kritischer Wert (C) einseitige Alternative H 1 : med 1 < med 2 Ablehnung von H 0 zum Niveau α, falls R 1 unterer kritischer Wert Die kritischen Werte hängen von n 1, n 2 und α ab und sind in Tabellen wiedergegeben. StatBio 376
21 Mann Whitney U Test Dieser Test betrachtet die folgenden Prüfgrößen: U 1 = n 1 n 2 + n 1 (n 1 + 1) 2 R 1 und U 2 = n 1 n 2 + n 2 (n 2 + 1) 2 R 2 Es gilt stets U 1 + U 2 = n 1 n 2 Die eigentliche Prüfgröße ist dann U = min(u 1, U 2 ) (Mann Whitney U Statistik). Es gilt stets 0 U n 1 n 2 StatBio 377
22 Testendscheidung: (A) zweiseitige Alternative H 1 :med 1 med 2 Ablehnung von H 0 zum Niveau α, falls U u krit (B) einseitige Alternative H 1 : med 1 > med 2 Ablehnung von H 0 zum Niveau α, falls U = U 1 u krit (C) einseitige Alternative H 1 : med 1 < med 2 Ablehnung von H 0 zum Niveau α, falls U = U 2 u krit Die kritischen Werte hängen von n 1, n 2 und α ab und sind in Tabellen wiedergegeben. StatBio 378
23 Bemerkung: Die Prüfgröße U hat gegenüber der Verwendung der Wilcoxon Prüfgröße R 1 den Vorteil, dass man nur untere kritische Werte benötigt (aus Symmetriegründen). Man kommt also mit sparsameren Tabellen aus. Der Mann Whitney U Test und der Wilcoxon Rangsummentest sind äquivalent, d.h. beide Tests führen immer zu derselben Testentscheidung! Nächste Seite: Tabelle 12 2 Kritische Werte u krit des Mann Whitney U Tests zum Niveau α = 0.05 (zweiseitig) und zum Niveau α = (einseitig). StatBio 379
24 n 1 n Fortsetzung nächste Seite! StatBio 380
25 n 1 n StatBio 381
26 12.3 Beispiel: (siehe Kap. 1, Untersuchung über die fraßhemmmende Wirkung eines Alkaloids). Substrat S1 enthält ein bestimmtes Alkaloid, Substrat S2 nicht. Von 15 Raupen einer Insektenart (gleiches Gelege, gleicher Entwicklungsstand) werden 7 auf das Substrat S1 gesetzt und 8 auf das Substrat S2. Nach fünf Tagen wird die Gewichtszunahme (in mg) gemessen: Es gilt Gewichts Gewichts zunahme mit S1 zunahme mit S med 1 = 81 und med 2 = = 96 StatBio 382
27 Frage: Kann man aus diesem Unterschied der Mediane schon schließen, dass das Alkaloid der Grund für die Gewichtsreduzierung ist? Es soll keine Normalverteilungsannahme getroffen werden. Hier ist n 1 = 7 und n 2 = 8. Es soll nicht von vorneherein ausgeschlossen werden, dass das Alkaloid sich positiv auswirken könnte und daher wird zweiseitig getestet. Sei α = 0.05 das vorgegebene Signifikanzniveau. Zunächst wird die gesamte Stichprobe der Größe nach geordnet, die Ränge vergeben, und die Zugehörigkeit zu den Stichproben festgestellt: StatBio 383
28 Stichprobenwerte Rang Stichprobe geordnet Die Rangsummen betragen und R 1 = = 44.5 R 2 = = 75.5 StatBio 384
29 Wegen n 1 = 7 und n 2 = 8 ist U 1 = = 39.5 und U 2 = = 16.5 Kontrolle: U 1 + U 2 = = 56 = 7 8 = n 1 n 2 Die Mann Whitney U Statistik hat somit den Wert U = min(39.5, 16.5) = 16.5 Aus Tab ergibt sich der kritische Wert u krit = 10 StatBio 385
30 so dass H 0 nicht abgelehnt werden kann. Bemerkung: Kommt in der gemeinsamen Stichprobe x 11,..., x 1n1, x 21,..., x 2n2 ein bestimmter Wert mehrfach vor (Bindung), so erhalten die numerisch gleich großen Einzelwerte als Rangzahl den Durchschnittsrang. Bindungen beeinflussen den Wert von U 1 und U 2 nur dann, wenn sie zwischen den beiden Stichproben auftreten. Große Stichprobenumfänge Für große Stichprobenumfänge (n 1 > 20, n 2 > 20) kann unter H 0 die Stichprobenverteilung der standardisierten U Testtatistik annähernd durch die Standard Normalverteilung beschrieben werden. Liegen Bindungen vor, so wird die Prüfgröße häufig korrigiert, um die Annäherung an die Standard Normalverteilung zu verbessern. StatBio 386
31 Liegen keine Bindungen vor, so kann die standardisierte Prüfgröße Z = U n 1 n 2 2 n1 n 2 (n 1 + n 2 + 1) verwendet werden. In Bsp erhält man den Wert (nicht für Bindungen korrigiert) 12 Z = ( ) = StatBio 387
32 Abschließende Bemerkung: Der Vergleich von zwei (unabhängigen) Stichproben lässt sich verallgemeinern auf k Stichproben mit k > 2. Dies führt zur Varianzanalyse (analysis of variance, ANOVA). Unter einer Normalverteilungsannahme ist dies eine Verallgemeinerung des Zwei Stichproben t Tests (parametrische Varianzanalyse). Die nichtparametrische Varianzanalyse ist eine Verallgemeinerung des Mann Whitney U Tests und führt zum Kruskal Wallis Test. Appendix A: Mann Whitney U Test mit SPSS Fortsetzung von Bsp Dateneingabe: Sie erfolgt im Daten Editor Fenster nach folgendem Muster: StatBio 388
33 Befehle: Folgende Befehle sind aus der Menüleiste auszuwählen: StatBio 389
34 Analysieren Nichtparametrische Tests Zwei unabhängige Stichproben Programm Output: Output Exegese: StatBio 390
35 Im SPSS Output bedeuten: Mann Whitney U: Prüfgröße U = min(u 1, U 2 ) Wilcoxon W: Rangsumme R 1 (Prüfgröße des Wilcoxon Rangsummentests) Z: Standardisierte Prüfgröße des Mann Whitney U Tests Asymptotische Signifikanz (2 seitig): Asymptotischer p Wert (zweiseitig), genauer: = 2 Φ( 1.332) = 2 (1 Φ(1.332)) Dies entspricht annähernd dem p Wert. Exakte Signifikanz (2 seitig): p Wert (zweiseitig) p( 1.332) = StatBio 391
36 (Zur Erinnerung: Der p Wert ist die Wahrscheinlichkeit, einen im Sinne der Nullhypothese noch kleinern Prüfgrößenwert U zu beobachten als 16.5.) Wegen p > 0.05 kann H 0 nicht abgelehnt werden. p Wert (einseitig) = p Wert (zweiseitig) 2 = = Appendix B: Übersicht der Testverfahren Tests auf zentrale Tendenz: Voraussetzung: metrisch skalierte Merkmale X 1 und X 2. Abkürzung: SP=Stichprobe(n) StatBio 392
37 Gepaarte SP Name des Tests Verteilungsannahme SPder Paardifferenzen Umfang t-test für gepaarte SP normalverteilt beliebig (Ein-SP-t-Test) z-test für gepaarte SP keine groß (Ein-SP-z-Test) Wilcoxon-Vorzeichen- stetig und sym- beliebig Rangtest metrisch verteilt Unabhängige SP Name des Tests Verteilungs- SPannahme Umfang Zwei-SP-t-Test normalverteilt und beliebig Varianzhomogenität Zwei-SP-z-Test keine groß Wilcoxon-Rang- stetig verteilt beliebig summentest bzw. Mann-Whitney-U-Test StatBio 393
Statistische Tests zu ausgewählten Problemen
Einführung in die statistische Testtheorie Statistische Tests zu ausgewählten Problemen Teil 4: Nichtparametrische Tests Statistische Testtheorie IV Einführung Beschränkung auf nichtparametrische Testverfahren
MehrEinführung in die Induktive Statistik: Testen von Hypothesen
Einführung in die Induktive Statistik: Testen von Hypothesen Jan Gertheiss LMU München Sommersemester 2011 Vielen Dank an Christian Heumann für das Überlassen von TEX-Code! Testen: Einführung und Konzepte
MehrParametrische vs. Non-Parametrische Testverfahren
Parametrische vs. Non-Parametrische Testverfahren Parametrische Verfahren haben die Besonderheit, dass sie auf Annahmen zur Verteilung der Messwerte in der Population beruhen: die Messwerte sollten einer
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrAblaufschema beim Testen
Ablaufschema beim Testen Schritt 1 Schritt 2 Schritt 3 Schritt 4 Schritt 5 Schritt 6 Schritt 7 Schritt 8 Schritt 9 Starten Sie die : Flashanimation ' Animation Ablaufschema Testen ' siehe Online-Version
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003. Eine seltene Krankheit trete mit Wahrscheinlichkeit : 0000 auf. Die bedingte Wahrscheinlichkeit, dass ein bei einem Erkrankten durchgeführter
Mehr11 Tests zur Überprüfung von Mittelwertsunterschieden
11 Tests zur Überprüfung von Mittelwertsunterschieden 11.1 Der z Test (t Test) für verbundene Stichproben 11.2 Der z Test (t Test) für unabhängige Stichproben 11.3 Fehler 1. Art und 2. Art 11.4 Typische
Mehr3 Grundlagen statistischer Tests (Kap. 8 IS)
3 Grundlagen statistischer Tests (Kap. 8 IS) 3.1 Beispiel zum Hypothesentest Beispiel: Betrachtet wird eine Abfüllanlage für Mineralwasser mit dem Sollgewicht µ 0 = 1000g und bekannter Standardabweichung
MehrPROC NPAR1WAY. zum Durchführen des U-Tests für zwei unverbundene Stichproben (für quantitative nicht-normalverteilte Merkmale)
PROC NPAR1WAY zum Durchführen des U-Tests für zwei unverbundene Stichproben (für quantitative nicht-normalverteilte Merkmale) Allgemeine Form: PROC NPAR1WAY DATA=name Optionen ; VAR variablenliste ; CLASS
Mehr11. Nichtparametrische Tests
11. Nichtparametrische Tests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 In Kapitel 8 und 9 haben wir vorausgesetzt, daß die Beobachtungswerte normalverteilt sind. In diesem Fall kann
MehrAllgemeines zu Tests. Statistische Hypothesentests
Statistische Hypothesentests Allgemeines zu Tests Allgemeines Tests in normalverteilten Grundgesamtheiten Asymptotische Tests Statistischer Test: Verfahren Entscheidungsregel), mit dem auf Basis einer
MehrStatistik II: Signifikanztests /1
Medien Institut : Signifikanztests /1 Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Noch einmal: Grundlagen des Signifikanztests 2. Der chi 2 -Test 3. Der t-test
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 12.5.2006 1 Test auf Anteilswert: Binomialtest Sei eine Stichprobe unabhängig, identisch verteilter ZV (i.i.d.). Teile diese Stichprobe in zwei Teilmengen
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
Mehr8.2 Nicht parametrische Tests Vergleich CT/2D/3D. Abb. 28 Mann-Whitney-U-Test
41 8. Interpretationen der Studienergebnisse Im vorliegenden Kapitel werden die Studienergebnisse mit Hilfe des Mann-Whitney-U-Tests auf signifikante Unterschiede untersucht. Hierfür wurden die vorliegenden
MehrComputergestützte Methoden. Master of Science Prof. Dr. G. H. Franke WS 07/08
Computergestützte Methoden Master of Science Prof. Dr. G. H. Franke WS 07/08 1 Seminarübersicht 1. Einführung 2. Recherchen mit Datenbanken 3. Erstellung eines Datenfeldes 4. Skalenniveau und Skalierung
Mehr10 Der statistische Test
10 Der statistische Test 10.1 Was soll ein statistischer Test? 10.2 Nullhypothese und Alternativen 10.3 Fehler 1. und 2. Art 10.4 Parametrische und nichtparametrische Tests 10.1 Was soll ein statistischer
Mehr1.6 Der Vorzeichentest
.6 Der Vorzeichentest In diesem Kapitel soll der Vorzeichentest bzw. Zeichentest vorgestellt werden, mit dem man Hypothesen bezüglich des Medians der unabhängig und identisch stetig verteilten Zufallsvariablen
MehrKapitel 8: Verfahren für Rangdaten
Kapitel 8: Verfahren für Rangdaten Anmerkung 1 Mann-Whitney U-Test 1 Wilcoxon-Test 3 Kruskal-Wallis H-Test 3 Literatur 6 Anmerkung In Kapitel 8 der Bücher wird erwähnt, dass für nichtparametrische Daten
MehrStatistische Tests. Kapitel Grundbegriffe. Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe
Kapitel 4 Statistische Tests 4.1 Grundbegriffe Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe X 1,..., X n. Wir wollen nun die Beobachtung der X 1,...,
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
Mehrfh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik
fh management, communication & it Folie 1 Überblick Grundlagen (Testvoraussetzungen) Mittelwertvergleiche (t-test,..) Nichtparametrische Tests Korrelationen Regressionsanalyse... Folie 2 Überblick... Varianzanalyse
MehrKapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen Induktive Statistik Prof. Dr. W.-D. Heller
Mehr1.8 Kolmogorov-Smirnov-Test auf Normalverteilung
1.8 Kolmogorov-Smirnov-Test auf Normalverteilung Der Kolmogorov-Smirnov-Test ist einer der klassischen Tests zum Überprüfen von Verteilungsvoraussetzungen. Der Test vergleicht die Abweichungen der empirischen
MehrAngewandte Statistik 3. Semester
Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen
MehrEin- und Zweistichprobentests
(c) Projekt Neue Statistik 2003 - Lernmodul: Ein- Zweistichprobentests Ein- Zweistichprobentests Worum geht es in diesem Modul? Wiederholung: allgemeines Ablaufschema eines Tests Allgemeine Voraussetzungen
MehrTeilklausur des Moduls Kurs 42221: Vertiefung der Statistik
Name, Vorname Matrikelnummer Teilklausur des Moduls 32741 Kurs 42221: Vertiefung der Statistik Datum Termin: 21. März 2014, 14.00-16.00 Uhr Prüfer: Univ.-Prof. Dr. H. Singer Vertiefung der Statistik 21.3.2014
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
MehrSchließende Statistik
Schließende Statistik Die schließende Statistik befasst sich mit dem Rückschluss von einer Stichprobe auf die Grundgesamtheit (Population). Die Stichprobe muss repräsentativ für die Grundgesamtheit sein.
MehrZweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz
Grundlage: Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz Die Testvariable T = X µ 0 S/ n genügt der t-verteilung mit n 1 Freiheitsgraden. Auf der Basis
Mehr- Normalverteilung (Gaußverteilung) kann auf sehr viele Zufallsprozesse angewendet werden.
Normalverteilung und Standardnormalverteilung als Beispiel einer theoretischen Verteilung - Normalverteilung (Gaußverteilung) kann auf sehr viele Zufallsprozesse angewendet werden. - Stetige (kontinuierliche),
MehrKapitel 3 Schließende Statistik
Beispiel 3.4: (Fortsetzung Bsp. 3.) bekannt: 65 i=1 X i = 6, also ˆp = X = 6 65 = 0, 4 Überprüfen der Voraussetzungen: (1) n = 65 30 () n ˆp = 6 10 (3) n (1 ˆp) = 39 10 Dr. Karsten Webel 194 Beispiel 3.4:
MehrHypothesentests mit SPSS. Beispiel für einen t-test
Beispiel für einen t-test Daten: museum-f-v04.sav Hypothese: Als Gründe, in ein Museum zu gehen, geben mehr Frauen als Männer die Erweiterung der Bildung für Kinder an. Dies hängt mit der Geschlechtsrolle
Mehr5.9. Nichtparametrische Tests Übersicht
5.9. Übersicht Es werden die wichtigsten Rang-Analoga zu den Tests in 5.2.-5.6. behandelt. 5.9.0 Einführung 5.9.1 Einstichprobenproblem (vgl 5.2), 2 verbundene Stichproben (vgl. 5.3) Vorzeichentest, Vorzeichen-Wilcoxon-Test
MehrBiostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 / Übungsaufgaben Prof. Dr. Achim Klenke http://www.aklenke.de 13. Vorlesung: 10.02.2012 1/51 Aufgabe 1 Aufgabenstellung Übungsaufgaben Ein Pharmakonzern möchte ein neues Schlankheitsmedikament
MehrLösungen zu den Übungsaufgaben in Kapitel 10
Lösungen zu den Übungsaufgaben in Kapitel 10 (1) In einer Stichprobe mit n = 10 Personen werden für X folgende Werte beobachtet: {9; 96; 96; 106; 11; 114; 114; 118; 13; 14}. Sie gehen davon aus, dass Mittelwert
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.)
MehrUE Angewandte Statistik Termin 4 Gruppenvergleichstests
UE Angewandte Statistik Termin 4 Gruppenvergleichstests Martina Koller Institut für Pflegewissenschaft SoSe 2015 INHALT 1 Allgemeiner Überblick... 1 2 Normalverteilung... 2 2.1 Explorative Datenanalyse...
MehrAnpassungstests VORGEHENSWEISE
Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel
Mehr5. Spezielle stetige Verteilungen
5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für
MehrProbleme bei kleinen Stichprobenumfängen und t-verteilung
Probleme bei kleinen Stichprobenumfängen und t-verteilung Fassen wir zusammen: Wir sind bisher von der Frage ausgegangen, mit welcher Wahrscheinlichkeit der Mittelwert einer empirischen Stichprobe vom
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 13. Januar 2011 1 Nichtparametrische Tests Ränge Der U-Test Bindungen Ränge Zwei Gruppen von Zufallsvariablen mit
Mehr1.5 Berechnung von Rangzahlen
1.5 Berechnung von Rangzahlen Bei vielen nichtparametrischen Verfahren spielen die so genannten Rangzahlen eine wesentliche Rolle, denn über diese werden hier die Prüfgrößen berechnet. Dies steht im Gegensatz
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 23. Dezember 2010 1 Tests für Erwartungswerte Teststatistik Gauß-Test Zusammenhang zu Konfidenzintervallen t-test
MehrDie ungeliebten Verwandten: nicht-parametrische Alternativen
1.1.1. Die ungeliebten Verwandten: nicht-parametrische Alternativen 1.1.1.1. Was zur Hölle? Ted richtet seine Waffe auf Dr. Bob Kelso: Nein, Bob! Das werde ich nicht tun! Nicht nach all dem, was ich durchmachen
MehrStatistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
MehrIdee des Testens. Heuristische Verfahren
Idee des Testens Heuristische Verfahren Datensituation Testproblem Überprüfen der Hypothese Rangvergabe Prüfgröße Prüfverteilung Testentscheidungen - Signifikanzniveau Testentscheidung - Kritischer Wert
Mehr10. Die Normalverteilungsannahme
10. Die Normalverteilungsannahme Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Bisher haben wir vorausgesetzt, daß die Beobachtungswerte normalverteilt sind. In diesem Fall kann man
Mehr1.4 Der Binomialtest. Die Hypothesen: H 0 : p p 0 gegen. gegen H 1 : p p 0. gegen H 1 : p > p 0
1.4 Der Binomialtest Mit dem Binomialtest kann eine Hypothese bezüglich der Wahrscheinlichkeit für das Auftreten einer Kategorie einer dichotomen (es kommen nur zwei Ausprägungen vor, z.b. 0 und 1) Zufallsvariablen
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 15 009 FernUniversität in Hagen Alle Rechte vorbehalten Fachbereich Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
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
MehrStatistik. Jan Müller
Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen
MehrKapitel XII - Gleichmäßig beste unverfälschte Tests und Tests zur Normalverteilung
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XII - Gleichmäßig beste unverfälschte Tests und Tests zur Normalverteilung Induktive Statistik Prof. Dr. W.-D.
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrStatistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de
rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent
MehrKlausur zu Statistik II
GOETHE-UNIVERSITÄT FRANKFURT FB Wirtschaftswissenschaften Statistik und Methoden der Ökonometrie Prof. Dr. Uwe Hassler Wintersemester 03/04 Klausur zu Statistik II Matrikelnummer: Hinweise Hilfsmittel
MehrTest auf den Erwartungswert
Test auf den Erwartungswert Wir interessieren uns für den Erwartungswert µ einer metrischen Zufallsgröße. Beispiele: Alter, Einkommen, Körpergröße, Scorewert... Wir können einseitige oder zweiseitige Hypothesen
MehrAnalyse von Kontingenztafeln
Analyse von Kontingenztafeln Mit Hilfe von Kontingenztafeln (Kreuztabellen) kann die Abhängigkeit bzw. die Inhomogenität der Verteilungen kategorialer Merkmale beschrieben, analysiert und getestet werden.
MehrHypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests
ue biostatistik: hypothesen, fehler 1. und. art, power 1/8 h. lettner / physik Hypothesen: Fehler 1. und. Art, Power eines statistischen Tests Die äußerst wichtige Tabelle über die Zusammenhänge zwischen
MehrVorzeichentest. Motivation: Vorzeichentests in der Erfolgskontrolle von Medikamenten
Vorzeichentest Motivation: Vorzeichentests in der Erfolgskontrolle von Medikamenten Theorie zum Vorzeichentest Test A: Test eines neuen Kraftstoffs Test B: Test von Lebenszeiten bei Rauchern und Nichtrauchern
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/ws11/r-kurs/
MehrVergleich von Gruppen I
Vergleich von Gruppen I t-test und einfache Varianzanalyse (One Way ANOVA) Werner Brannath VO Biostatistik im WS 2006/2007 Inhalt Der unverbundene t-test mit homogener Varianz Beispiel Modell Teststatistik
MehrTestentscheidungen. Worum geht es in diesem Modul? Kritische Werte p-wert
Testentscheidungen Worum geht es in diesem Modul? Kritische Werte p-wert Worum geht es in diesem Modul? Testentscheidungen: Annahme- und Ablehnbereich Bei der Durchführung eines statistischen Tests kommen
Mehr8. Konfidenzintervalle und Hypothesentests
8. Konfidenzintervalle und Hypothesentests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Beispiel. Sie wollen den durchschnittlichen Fruchtsaftgehalt eines bestimmten Orangennektars
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
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 19. Januar 2011 1 Nichtparametrische Tests Ordinalskalierte Daten 2 Test für ein Merkmal mit nur zwei Ausprägungen
MehrEinfache Varianzanalyse für unabhängige Stichproben
Einfache Varianzanalyse für unabhängige Stichproben VARIANZANALYSE Die Varianzanalyse ist das dem t-test entsprechende Mittel zum Vergleich mehrerer (k 2) Stichprobenmittelwerte. Sie wird hier mit VA abgekürzt,
MehrTHEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ
WEBINAR@LUNCHTIME THEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ EINLEITENDES BEISPIEL SAT: Standardisierter Test, der von Studienplatzbewerbern an amerikanischen Unis gefordert
MehrTest-Finder. Inhalt. Orientierung im Test-Chaos Dipl.-Psych. Dr. Guido Strunk
Test-Finder 1 Test-Finder Orientierung im Test-Chaos Dipl.-Psych. Dr. Guido Strunk Inhalt 1 Grundlagen... 2 2 Maße der zentralen Tendenz vergleichen Zwei Gruppen... 3 2.1 T-Test für unabhängige Daten...
MehrKapitel 10 Mittelwert-Tests Einstichproben-Mittelwert-Tests 10.2 Zweistichproben Mittelwert-Tests
Kapitel 10 Mittelwert-Tests 10.1 Einstichproben-Mittelwert-Tests 10.2 Zweistichproben Mittelwert-Tests 10.1 Einstichproben- Mittelwert-Tests 10.1.1 Einstichproben- Gauß-Test Dichtefunktion der Standard-Normalverteilung
MehrJost Reinecke. 7. Juni 2005
Universität Bielefeld 7. Juni 2005 Testtheorie Test für unabhängige Stichproben Test für abhängige Stichproben Testtheorie Die Testtheorie beinhaltet eine Reihe von Testverfahren, die sich mit der Überprüfung
MehrKATA LOGO Mathematik Statistik Roadmap: Von der Hypothese zum p-wert
KATA LOGO Mathematik Statistik Roadmap: Von der Hypothese zum p-wert 0. Das eigentliche Forschungsziel ist: Beweis der eigenen Hypothese H 1 Dafür muss Nullhypothese H 0 falsifiziert werden können Achtung!
MehrAufgaben zu Kapitel 8
Aufgaben zu Kapitel 8 Aufgabe 1 a) Berechnen Sie einen U-Test für das in Kapitel 8.1 besprochene Beispiel mit verbundenen n. Die entsprechende Testvariable punkte2 finden Sie im Datensatz Rangdaten.sav.
MehrEntscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten
Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 4.1 4. Statistische Entscheidungsverfahren Entscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten Beispiel:
MehrTests einzelner linearer Hypothesen I
4 Multiple lineare Regression Tests einzelner linearer Hypothesen 4.5 Tests einzelner linearer Hypothesen I Neben Tests für einzelne Regressionsparameter sind auch Tests (und Konfidenzintervalle) für Linearkombinationen
MehrKonkretes Durchführen einer Inferenzstatistik
Konkretes Durchführen einer Inferenzstatistik Die Frage ist, welche inferenzstatistischen Schlüsse bei einer kontinuierlichen Variablen - Beispiel: Reaktionszeit gemessen in ms - von der Stichprobe auf
MehrDas (multiple) Bestimmtheitsmaß R 2. Beispiel: Ausgaben in Abhängigkeit vom Einkommen (I) Parameterschätzer im einfachen linearen Regressionsmodell
1 Lineare Regression Parameterschätzung 13 Im einfachen linearen Regressionsmodell sind also neben σ ) insbesondere β 1 und β Parameter, deren Schätzung für die Quantifizierung des linearen Zusammenhangs
MehrAnalyse von Querschnittsdaten. Signifikanztests I Basics
Analyse von Querschnittsdaten Signifikanztests I Basics Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Generalisierung kategoriale Variablen Datum 13.10.2004 20.10.2004 27.10.2004
Mehr2 Statistische Tests
Statistische Tests 1 Statistische Tests Zu den grundlegenden Aufgaben der mathematischen Statistik zählt neben dem Schätzen von Parametern auch das Testen von Hypothesen, d.h. gewisser Annahmen über Grundgesamtheiten.
MehrAnalytische Statistik II
Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Das Testen von Hypothesen Während die deskriptive Statistik die Stichproben nur mit Hilfe quantitativer Angaben charakterisiert,
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
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt. Stock, Taubertsberg R. 0-0 (Persike) R. 0-1 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet0.sowi.uni-mainz.de/
MehrGRUNDPRINZIPIEN statistischen Testens
Fragestellungen beim Testen GRUNDPRINZIPIEN statistischen Testens. Vergleiche Unterscheidet sich die Stichprobenbeobachtung von einer vorher spezifizierten Erwartung ( Hypothese ) mit ausreichender Sicherheit?
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Pantelis Christodoulides & Karin Waldherr 4. Juni 2014 Christodoulides / Waldherr Einführung in Quantitative Methoden 1/35 Ein- und Zweiseitige Hypothesen H 0 : p =
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 4B a.) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Mit "Deskriptive Statistiken", "Kreuztabellen " wird die Dialogbox "Kreuztabellen" geöffnet. POL wird in das Eingabefeld von
MehrSTATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik
Kapitel 15 Statistische Testverfahren 15.1. Arten statistischer Test Klassifikation von Stichproben-Tests Einstichproben-Test Zweistichproben-Test - nach der Anzahl der Stichproben - in Abhängigkeit von
MehrKapitel VIII - Tests zum Niveau α
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel VIII - Tests zum Niveau α Induktive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh Testsituationen
Mehr7.3 Chi-Quadrat-Streuungstest und F-Test
7.3 Chi-Quadrat-Streuungstest und F-Test Alle bisher besprochenen Statistischen Tests sind sog. Tests über die Mittelwerte; denn ihre Nullhypothesen handeln vom Vergleich entweder zweier Mittelwerte oder
MehrInhaltsverzeichnis. Vorwort
V Vorwort XI 1 Zum Gebrauch dieses Buches 1 1.1 Einführung 1 1.2 Der Text in den Kapiteln 1 1.3 Was Sie bei auftretenden Problemen tun sollten 2 1.4 Wichtig zu wissen 3 1.5 Zahlenbeispiele im Text 3 1.6
MehrAufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97.
Aufgabenblock 4 Aufgabe ) Da s = 8. cm nur eine Schätzung für die Streuung der Population ist, müssen wir den geschätzten Standardfehler verwenden. Dieser berechnet sich als n s s 8. ˆ = = =.88. ( n )
MehrMathematik 2 für Naturwissenschaften
Hans Walser Mathematik für Naturwissenschaften 00 180 160 Frauen 140 10 100 80 80 100 10 140 160 180 00 Männer Modul 08 Testen von Hypothesen Lernumgebung. Teil 1 Hans Walser: Modul 08, Testen von Hypothesen.
MehrStep-Down Prozeduren
Step-Down Prozeduren zur Kontrolle der Family-Wise Error Rate WS 2010/2011 Jakob Gierl HU Berlin 07.02.2011 1 / 19 Modell Schrittweise Step-Down Modell mathematische Stichprobe X 1,..., X n iid im R J
MehrHypothesenprüfung. Darüber hinaus existieren zahlreiche andere Testverfahren, die alle auf der gleichen Logik basieren
Hypothesenprüfung Teil der Inferenzstatistik Befaßt sich mit der Frage, wie Hypothesen über eine (in der Regel unbekannte) Grundgesamtheit an einer Stichprobe überprüft werden können Behandelt werden drei
MehrBiomathematik für Mediziner, Klausur SS 2001 Seite 1
Biomathematik für Mediziner, Klausur SS 2001 Seite 1 Aufgabe 1: Von den Patienten einer Klinik geben 70% an, Masern gehabt zu haben, und 60% erinnerten sich an eine Windpockeninfektion. An mindestens einer
Mehr