Methodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
|
|
- Oskar Hauer
- vor 6 Jahren
- Abrufe
Transkript
1 Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1
2 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine Psychologie als Wissenschaft Hypothesen und Variablen Operationalisieren und Messen Objektivität, Reliabilität, Validität Das Experiment Störvariablen und ihre Kontrolle Forschungsethik Durchführung und Berichten eines Experiments Stichprobe und Population 10 Statistische und inhaltliche Bedeutsamkeit Teststärke und Stichprobenumfangsplanung Nicht-experimentelle Methoden Wiederholung und Fragen 2
3 Take Home Messages Population Annahme: Merkmale sind in der Population normalverteilt Kombination mehrerer Zufallsfaktoren Populationsmittelwert μund Populationsstreuung σ Stichprobe Problem: Erhebung der gesamten Population meist nicht möglich Ziehen einer Stichproben mit einer bestimmten Grösse N aus der Population Schätzung des Populationsmittelwerts durch den Stichprobenmittelwert: Genauigkeit der Schätzung abhängig von Stichprobengrösse N und Populationsstreuuung σ Standardfehlers des Mittelwerts Standard error of the mean (SEM oder s.e.m) Je kleiner der SEM, des genauer schätzt der Stichprobenmittelwert den Populationsmittelwert Daumenregel: Innerhalb von ± 2 SEM um einen Stichprobenmittelwert liegen mehr als 95% aller möglichen (wahren) Populationsmittelwerte Daumenregel: Überschneiden sich die SEMs zweier Mittelwerte zweier Gruppen, dann ist der Gruppenunterschied wahrscheinlich nicht statistisch bedeutsam (nicht signifikant) 3
4 Mittelwert und Streuung Normalverteilung Innerhalb ± 1 Streuung um den Mittelwert befinden sich ca. 68% alle Werte der Verteilung Innerhalb ± 2 Streuung um den Mittelwert befinden sich ca. 95% aller Werte der Verteilung 4
5 Population Populationsmittelwert µ (mü) Auf die Population schliessen Stichprobe ziehen Schätzer des Populationsmittelwerts (mü Dach) Stichprobe Stichprobenmittelwert (x quer) 5
6 Stichprobenkennwerteverteilung Verteilung eines Kennwerts von Stichproben einer bestimmten Grösse Z.B. Verteilung der Mittelwerte von Stichproben der Grösse N = 10 Stichprobe wird unendlich oft aus Population gezogen mit Zurücklegen Form der Stichprobenkennwerteverteilung Abhängig von Grösse der Stichprobe N und Je kleiner die Stichprobe, desto breiter die Stichprobenkennwerteverteilung Je grösser die Stichprobe, desto schmaler die Stichprobenkennwerteverteilung Abhängig von Grösse der Populationsstreuung σ Je breiter die Verteilung in der Population, desto breiter die Stichprobenkennwerteverteilung Je schmaler die Verteilung in der Population, desto schmaler die Stichprobenkennwerteverteilung 6
7 Population Verteilung des Merkmals Stichprobe Häuigkeitsverteilung der Stichprobenmittelwerte N = 1 N = 5 N = 10 Simulation: rvls_sim/stat_sim/sampling_dist/ index.html 7
8 Berechnung des Standardfehlers des Mittelwerts Breite der Stichprobenkennwerteverteilung von Mittelwerten Standard error of the mean (SEM oder s.e.m) Streuung geteilt durch Wurzel der Stichprobengrösse Sehr wichtiges Mass!!!!!! Erlaubt die Bestimmung des Vertrauensintervalls eines Stichprobenmittelwerts Je kleiner der SEM, desto mehr kann ich meinem Mittelwert vertrauen Desto besser schätzt mein Stichprobenmittelwert den Populationsmittelwert Je grösser der SEM, desto weniger gut kann ich meinem Mittelwert vertrauen 8
9 Bestimmung des Vertrauensintervals Für einen Stichprobenmittelwert Daumenregel: Innerhalb ± 2 SEM um den Stichprobenmittelwert liegen mehr als 95% aller möglichen Populationsmittelwerte Intervall abhängig von Stichprobengrösse und Populationsstreuung 9
10 Angabe des SEM in Balkengraphiken Fehlerbalken Immer in Graphen angeben!!!! n = 16 n = 16 n = 14 n = 14 Daumenregel: Überschneiden sich die SEMs zweier Mittelwerte, so unterscheiden sie sich wahrscheinlich nicht signifikant voneinander Überschneiden sich die SEMs zweier Mittelwerte nicht, so unterschieden sie sich wahrscheinlich Achtung: sehr grobe Daumenregel, trifft vor allem bei nicht messwiederholten Faktoren zu Diekelmann et al.,
11 Balkengraphen Unterscheidet sich die mittlere Erinnerungsleistung in der Schlaf- und in der Wachgruppe? Erinnerung von negativen und neutralen Bildern 2 Gruppen: Schlaf vs. Wach nach dem Lernen 11
12 Balkengraphen Unterscheidet sich die mittlere Erinnerungsleistung in der Schlaf- und in der Wachgruppe? Erinnerung von negativen und neutralen Bildern 2 Gruppen: Schlaf vs. Wach nach dem Lernen 12
13 Balkengraphen Unterscheidet sich die mittlere Erinnerungsleistung in der Schlaf- und in der Wachgruppe? Erinnerung von negativen und neutralen Bildern 2 Gruppen: Schlaf vs. Wach nach dem Lernen 13
14 Balkengraphen Unterscheidet sich die mittlere Erinnerungsleistung in der Schlaf- und in der Wachgruppe? Erinnerung von negativen und neutralen Bildern 2 Gruppen: Schlaf vs. Wach nach dem Lernen 14
15 Balkengraphen Unterscheiden sich die Gruppenmittelwerte? 15
16 Statistische Signifikanz Signifikanz: Bedeutsamkeit Statistische Signifikanz Statistische Bedeutsamkeit Bsp.: Zwei Gruppen unterscheiden sich signifikant Der Unterschied zwischen den Mittelwerten zweier Gruppen ist statistisch bedeutsam Der Unterschied zwischen zwei Gruppen ist kein Zufall Wichtigstes Konzept der Quantitativen Methoden!!!!! 16
17 Statistische Signifikanz Statistische Signifikanz Basiert auf der Wahrscheinlichkeit, dass ein Gruppenunterschied / Zusammenhang zwischen Variablen zufällig ist Beispiel: Wie wahrscheinlich ist es, dass ein Unterschied zwischen den Mittelwerten zweier Gruppen zufällig ist? Wie wahrscheinlich ist es, dass sich die zwei Gruppen nicht unterscheiden? Wahrscheinlichkeit wird mit P oder p angegeben kursiv Signifikanzschwelle Muss festgelegt werden Häufigste Schwelle: P < 0.05 Die Wahrscheinlichkeit, dass der Unterschied zwischen zwei Gruppen zufällig ist, beträgt weniger als 5%. 17
18 Statistische Signifikanz Statistische Signifikanz P < 0.05 Angabe mit einem Stern (*) Die Wahrscheinlichkeit, dass der Unterschied zwischen zwei Gruppen zufällig ist, beträgt weniger als 5% Der Gruppenunterschied ist signifikant (P < 0.05). Die zwei Gruppen unterschieden sich signifikant (P < 0.05). Häufigste und wichtigste Schwelle P < 0.01 Angabe mit zwei Sternen (**) Die Wahrscheinlichkeit, dass der Unterschied zwischen zwei Gruppen zufällig ist, beträgt weniger als 1% Der Gruppenunterschied ist (hoch) signifikant (P < 0.01). Die zwei Gruppen unterschieden sich (hoch) signifikant (P < 0.01). 18
19 Statistische Signifikanz Statistische Signifikanz P < Angabe mit drei Sternen (***) Die Wahrscheinlichkeit, dass der Unterschied zwischen zwei Gruppen zufällig ist, beträgt weniger als 0.1% Der Gruppenunterschied ist hoch signifikant (P < 0.001). Die zwei Gruppen unterschieden sich hoch signifikant (P < 0.001). Statistischer Trend P < 0.10 Angabe mit einem hochgestellten Kreuz ( + bzw. ) Die Wahrscheinlichkeit, dass der Unterschied zwischen zwei Gruppen zufällig ist, beträgt weniger als 10% Der Gruppenunterschied ist ein statistischer Trend (P < 0.10). Die zwei Gruppen unterschieden sich marginal (P < 0.10). 19
20 Statistische Signifikanz Nullhypothese Annahme, das kein Unterschied / Zusammenhang besteht Bsp.: Die Mittelwerte zweier Gruppen unterscheiden sich nicht. Signifikanz basiert auf der Wahrscheinlichkeit, dass die Nullhypothese zutrifft Wie wahrscheinlich ist es, dass sich zwei Gruppen nicht unterscheiden? Wie wahrscheinlich ist es, dass der Unterschied zwischen zwei Gruppen zufällig ist? Ein signifikantes Ergebnis bedeutet, dass die Nullhypothese sehr unwahrscheinlich ist P < 0.05: Die Wahrscheinlichkeit, dass die Nullhypothese zutrifft, ist kleiner 5% Die Wahrscheinlichkeit, dass die Nullhypothese nicht zutrifft ist grösser 95% Entscheidungsregel Bei einem signifikanten Ergebnis lehnen wir die Nullhypothese ab! Mit einer Fehlerwahrscheinlichkeit von P < 0.05 Unsere Entscheidung ist in weniger als 5% der Fälle falsch. Bei 100 statistischen Vergleichen sind ca. 95 Entscheidungen richtig Aber auch ca. 5 Entscheidungen falsch 20
21 Experiment Einfluss von 15 min Pause vs. keiner Pause auf Problemlösefähigkeit Faktor Pause mit zwei Stufen (15 min Pause vs. Keine Pause) Erfordert das Ziehen einer Stichprobe z.b. N = 40 N = 20 Personen pro Gruppe Deskriptive Statistik Berechnen der Mittelwerte und Standardabweichung für die beiden Gruppen Inferenzstatistik Schliessende Statistik Wir möchte von den Ergebnissen der Stichprobe auf die Population schliessen Aussagen auf der Ebene der Population 21
22 Population 1 Populationsmittelwert µ 1 (Problemlösen mit Pause) Population 2 Populationsmittelwert µ 2 (Problemlösen ohne Pause) Stichprobe ziehen Stichprobe ziehen Stichprobe 1 Stichprobenmittelwert (x quer 1 ) (Problemlösen mit Pause) Stichprobe 2 Stichprobenmittelwert (x quer 2 ) (Problemlösen ohne Pause) 22
23 Forschungsfrage Unterscheidet sich Problemlösen mit Pause vs. ohne Pause? Nullhypothese Population 1 Populationsmittelwert µ 1 (Problemlösen mit Pause) = Population 2 Populationsmittelwert µ 2 (Problemlösen ohne Pause) Nullhypothese Die Populationsmittelwerte der beiden Bedingungen unterscheiden sich nicht H 0 : μ 1 =μ 2 Die Differenz der Populationsmittelwert ist gleich Null H 0 : μ 1 - μ 2 =0 23
24 Stichprobenebene Wenn die Nullhypothese zutrifft, dann unterscheiden sich die Mittelwerte der beiden Stichproben nur zufällig Mittelwerte schätzen den Populationsmittelwert Es gibt aber zufällige Abweichungen aufgrund des Ziehens einer begrenzten Stichprobe Standardfehler des Mittelwerts Je grösser die Stichprobe, desto kleiner der Standardfehler des Mittelwerts Wenn die Nullhypothese zutrifft, dann sollte die Differenz der Mittelwerte der Stichprobe nahe 0 sein Beim mehrmaligen Ziehen von zwei Stichproben und Berechnung der jeweiligen Mittelwertsdifferenzen: Häufigkeitsverteilung um Null Stichprobenkennwerteverteilung der Mittelwertsdifferenzen 24
25 Population 1 Verteilung des Merkmals Population 2 Verteilung des Merkmals = 1 Ziehen zweier Stichproben Berechnung der Mittelwertsdifferenzen Häufigkeitsverteilung der Stichprobenmittelwerte
26 26
27 Standardfehler der Mittelwertsdifferenzen Gibt die Breite der Stichprobenkennwerteverteilung der Mittelwertsdifferenzen an Vertrauensintervall der Mittelwertsdifferenz Formel: Grösse ist abhängig von: Der Streuung des Merkmals in den Populationen 1 und 2 Der Grösse der Stichproben 1 und 2 Je grösser die Stichproben, desto kleiner ist der Standardfehler Je kleiner die Stichproben, desto grösser ist der Standardfehler 27
28 Population 1 Verteilung des Merkmals Population 2 Verteilung des Merkmals = 1 Ziehen zweier Stichproben Berechnung der Mittelwertsdifferenzen Häufigkeitsverteilung der Stichprobenmittelwerte n 1 = 10 n 2 =
29 Population 1 Verteilung des Merkmals Population 2 Verteilung des Merkmals = 1 Ziehen zweier Stichproben Berechnung der Mittelwertsdifferenzen Häufigkeitsverteilung der Stichprobenmittelwerte n 1 = 5 n 2 =
30 Population 1 Verteilung des Merkmals Population 2 Verteilung des Merkmals = 1 Ziehen zweier Stichproben Berechnung der Mittelwertsdifferenzen Häufigkeitsverteilung der Stichprobenmittelwerte n 1 = 25 n 2 =
31 Signifikanztest Frage: Wie wahrscheinlich ist das Auftreten der beobachteten Differenz der Stichprobenmittelwerte unter der Annahme der Nullhypothese? Beispiel: Beobachtete Differenz: = 3.5 Fläche unter der Kurve gibt die Wahrscheinlichkeit an
32 Signifikanztest Frage: Wie wahrscheinlich ist das Auftreten der beobachteten Differenz der Stichprobenmittelwerte unter der Annahme der Nullhypothese? Fläche unter der Kurve gibt die Wahrscheinlichkeit an
33 Signifikanztest Frage: Wie wahrscheinlich ist das Auftreten der beobachteten Differenz der Stichprobenmittelwerte unter der Annahme der Nullhypothese? Fläche unter der Kurve gibt die Wahrscheinlichkeit an
34 Signifikanztest Frage: Wie wahrscheinlich ist das Auftreten der beobachteten Differenz der Stichprobenmittelwerte unter der Annahme der Nullhypothese? Fläche unter der Kurve gibt die Wahrscheinlichkeit an
35 Signifikanztest Die Wahrscheinlichkeit einer empirischen Mittelwertsdifferenz unter der Nullhypothese Ist abhängig von der Grösse Streuung in Population 1 und 2 Ist abhängig von der Grösse der Stichprobe 1 uns 2 Standardfehler der Mittelwertsdifferenz Stichprobengrösse Je grösser die Stichprobe, desto kleiner die Wahrscheinlichkeit einer beobachteten Mittelwertsdifferenz unter der Nullhypothese Mittelwertsdifferenzen sollten alle Nahe bei Null sein Wenn die Nullhypothese zutrifft Je kleiner die Stichprobe, desto grösser die Wahrscheinlichkeit einer bobachteten Mittelwertsdifferenz unter der Nullhypothese Mittelwertsdifferenzen können zufällig auch weiter weg von Null auftreten 35
36 Signifikanztest Der t-test Test für die Wahrscheinlichkeit einer beobachteten Mittelwertsdifferenz Unter der Annahme der Nullhypothese Berechnung über die empirische Mittelwertsdifferenz geteilt durch den Standardfehler der Mittelwertsdifferenz Verteilungsform zusätzlich abhängig von den Freiheitsgraden Freiheitsgrade sind abhängig von der Grösse der Stichproben Je grösser die Anzahl der Freiheitsgrade, desto ähnlicher ist die t-verteilung der Standardvormalverteilung 36
37 Vielen Dank für Ihre Aufmerksamkeit 37
Wiederholung Hypothesentests Zusammenfassung. Hypothesentests. Statistik I. Sommersemester Statistik I Hypothesentests I (1/36)
Statistik I Sommersemester 2009 Statistik I I (1/36) Wiederholung Grenzwertsatz Konfidenzintervalle Logik des 0.0 0.1 0.2 0.3 0.4 4 2 0 2 4 Statistik I I (2/36) Zum Nachlesen Agresti/Finlay: Kapitel 6+7
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
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
MehrMathematische und statistische Methoden II
Statistik & 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
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 )
MehrINFERENZSTATISTISCHE AUSSAGEN FÜR LAGEMAßE UND STREUUNGSMAßE. Inferenzstatistik für Lagemaße Inferenzstatistik für Streuungsmaße
DAS THEMA: INFERENZSTATISTIK III INFERENZSTATISTISCHE AUSSAGEN FÜR LAGEMAßE UND STREUUNGSMAßE Inferenzstatistik für Lagemaße Inferenzstatistik für Streuungsmaße Inferenzstatistik für Lagemaße Standardfehler
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,
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
MehrChi-Quadrat Verfahren
Chi-Quadrat Verfahren Chi-Quadrat Verfahren werden bei nominalskalierten Daten verwendet. Die einzige Information, die wir bei Nominalskalenniveau zur Verfügung haben, sind Häufigkeiten. Die Quintessenz
MehrVS PLUS
VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen Inferenzstatistik 2 [Übungsaufgaben und Lösungenn - Inferenzstatistik 2] ÜBUNGSAUFGABEN
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
MehrKapitel 5: Einfaktorielle Varianzanalyse
Kapitel 5: Einfaktorielle Varianzanalyse Durchführung einer einfaktoriellen Varianzanalyse ohne Messwiederholung Dieser Abschnitt zeigt die Durchführung der in Kapitel 5 vorgestellten einfaktoriellen Varianzanalyse
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
MehrLiteratur: Glantz, S.A. (2002). Primer of Biostatistics. New York: McGraw-Hill.
Statistik Literatur: Glantz, S.A. (2002). Primer of Biostatistics. New York: McGraw-Hill. Maxwell, S.E. & Delaney, H.D. (2000). Designing Experiments and Analyzing Data. Mahwah, NJ: Erlbaum. Das Grundproblem
MehrStandardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend
Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2013 Aufgabe 1 In einer Urne
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
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!
Mehrmethodenlehre ll Grenzen des Signifikanztests methodenlehre ll Grenzen des Signifikanztests
Möglichkeiten und Grenzen des Signifikanztests Thomas Schäfer SS 29 1 Grenzen des Signifikanztests Sie haben zur Untersuchung Ihrer Fragestellung eine Experimental und eine Kontrollgruppe mit jeweils 2
MehrHypothesentests mit SPSS. Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav
Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav Hypothese: Die Beschäftigung mit Kunst ist vom Bildungsgrad abhängig. 1. Annahmen Messniveau: Modell: Die Skala zur Erfassung der
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
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
MehrMögliche Fehler beim Testen
Mögliche Fehler beim Testen Fehler. Art (Irrtumswahrscheinlichkeit α), Zusammenfassung: Die Nullhypothese wird verworfen, obwohl sie zutrifft. Wir haben uns blamiert, weil wir etwas Wahres abgelehnt haben.
MehrStatistik für SozialwissenschaftlerInnen II p.85
Schätzverfahren Statistik für SozialwissenschaftlerInnen II p.85 Schätzverfahren Ziel von Schätzverfahren: Ausgehend von Stichproben Aussagen über Populationskennwerte machen Kenntnis der Abweichung des
MehrKonfidenzintervall für den Anteilswert θ. Konfidenzintervalle. Jost Reinecke. Universität Bielefeld. 13. Juni 2005
Universität Bielefeld 13. Juni 2005 Einführung Einführung Wie kann die Kenntnis der Wahrscheinlichkeitsverteilung der Parameter einer Stichprobe dazu verhelfen auf die wahren Werte der Grundgesamtheit
MehrAnalytische Statistik II
Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Grundproblem Generell sind wir nur selten in der Geographie in der Lage, Daten über die Grundgesamtheit zur Verfügung zu haben.
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
MehrKapitel 5: Einfaktorielle Varianzanalyse
Rasch, Friese, Hofmann & Naumann (006). Quantitative Methoden. Band (. Auflage). Heidelberg: Springer. Kapitel 5: Einfaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung
MehrDeskriptive Statistik 1 behaftet.
Die Statistik beschäftigt sich mit Massenerscheinungen, bei denen die dahinterstehenden Einzelereignisse meist zufällig sind. Statistik benutzt die Methoden der Wahrscheinlichkeitsrechnung. Fundamentalregeln:
MehrStatistische Grundlagen I
Statistische Grundlagen I Arten der Statistik Zusammenfassung und Darstellung von Daten Beschäftigt sich mit der Untersuchung u. Beschreibung von Gesamtheiten oder Teilmengen von Gesamtheiten durch z.b.
MehrBeurteilende Statistik
Beurteilende Statistik Wahrscheinlichkeitsrechnung und Beurteilende Statistik was ist der Unterschied zwischen den beiden Bereichen? In der Wahrscheinlichkeitstheorie werden aus gegebenen Wahrscheinlichkeiten
MehrPrüfgröße: Ist die durch eine Schätzfunktion zugeordnete reelle Zahl (etwa Mittelwert 7 C).
Statistik Grundlagen Charakterisierung von Verteilungen Einführung Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsverteilungen Schätzen und Testen Korrelation Regression Einführung Aus praktischen Gründen
Mehr4.2 Grundlagen der Testtheorie
4.2 Grundlagen der Testtheorie Januar 2009 HS MD-SDL(FH) Prof. Dr. GH Franke Kapitel 5 Vertiefung: Reliabilität Kapitel 5 Vertiefung: Reliabilität 5.1 Definition Die Reliabilität eines Tests beschreibt
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:
MehrKlausur Statistik I. Dr. Andreas Voß Wintersemester 2005/06
Klausur Statistik I Dr. Andreas Voß Wintersemester 2005/06 Hiermit versichere ich, dass ich an der Universität Freiburg mit dem Hauptfach Psychologie eingeschrieben bin. Name: Mat.Nr.: Unterschrift: Bearbeitungshinweise:
MehrAufgaben zu Kapitel 7:
Aufgaben zu Kapitel 7: Aufgabe 1: In einer Klinik sollen zwei verschiedene Therapiemethoden miteinander verglichen werden. Zur Messung des Therapieerfolges werden die vorhandenen Symptome einmal vor Beginn
MehrInferenzstatistik (=schließende Statistik)
Inferenzstatistik (=schließende Statistik) Grundproblem der Inferenzstatistik: Wie kann man von einer Stichprobe einen gültigen Schluß auf di Grundgesamtheit ziehen Bzw.: Wie groß sind die Fehler, die
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Mittelwertvergleiche Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrDeskriptive Statistik
Modul G.1 WS 07/08: Statistik 8.11.2006 1 Deskriptive Statistik Unter deskriptiver Statistik versteht man eine Gruppe statistischer Methoden zur Beschreibung von Daten anhand statistischer Kennwerte, Graphiken,
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)
MehrLösungen zur Biomathe-Klausur Gruppe A Montag, den 16. Juli 2001
Lösungen zur Biomathe-Klausur Gruppe A Montag, den 16. Juli 2001 1. Sensitivität und Spezifität In einer medizinischen Ambulanz haben 30 % der Patienten eine akute Appendizitis. 80 % dieser Patienten haben
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
Mehre) Beim klassischen Signifikanztest muß die Verteilung der Prüfgröße unter der Nullhypothese
9 Hypothesentests 1 Kapitel 9: Hypothesentests A: Übungsaufgaben: [ 1 ] Bei Entscheidungen über das Ablehnen oder Nichtablehnen von Hypothesen kann es zu Irrtümern kommen. Mit α bezeichnet man dabei die
MehrÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II
ÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II 1.1 Durch welche Elemente lässt sich laut der Formel für die multiple Regression der Wert einer Person auf einer bestimmten abhängigen Variable Y vorhersagen? a)
MehrAussagen hierzu sind mit einer unvermeidbaren Unsicherheit behaftet, die statistisch über eine Irrtumswahrscheinlichkeit bewertet wird.
Stichprobenumfang Für die Fragestellung auf Gleichheit von ein oder zwei Stichproben wird auf Basis von Hypothesentests der notwendige Stichprobenumfang bestimmt. Deshalb werden zunächst die Grundlagen
MehrTag 7: Statistik. Themen: A) Standardfehler des Mittelwerts B) Median und Quantile C) Signifikanztest D) Hausaufgabe
Tag 7: Statistik Themen: A) Standardfehler des Mittelwerts B) Median und Quantile C) Signifikanztest D) Hausaufgabe A) Standardfehler des Mittelwerts Die Berechnung von Mittelwert und Standardabweichung
MehrTabellen und Abbildungen
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Tabellen und Abbildungen Überblick Tabellen Abbildungen Polygonzug Histogramm Box-Plot
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
MehrStichprobenauslegung. für stetige und binäre Datentypen
Stichprobenauslegung für stetige und binäre Datentypen Roadmap zu Stichproben Hypothese über das interessierende Merkmal aufstellen Stichprobe entnehmen Beobachtete Messwerte abbilden Schluss von der Beobachtung
MehrBivariater Zusammenhang in der Mehrfeldertafel PEΣO
Bivariater Zusammenhang in der Mehrfeldertafel PEΣO 9. November 2001 Bivariate Häufigkeitsverteilungen in Mehrfeldertabellen In der Mehrfeldertabelle werden im Gegensatz zur Vierfeldertabelle keine dichotomen
MehrKapitel 5: Einfaktorielle Varianzanalyse
Kapitel 5: Einfaktorielle Varianzanalyse Durchführung einer einfaktoriellen Varianzanalyse ohne Messwiederholung 1 Berechnung der Effektstärke und der beobachteten Teststärke einer einfaktoriellen Varianzanalyse
MehrBeispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es
Beispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es beim radioaktiven Zerfall, zwischen 100 und 110 Zerfälle
MehrInhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden
Inhaltsverzeichnis Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3 Warum Statistik? 3 Checkpoints 4 Daten 4 Checkpoints 7 Skalen - lebenslang wichtig bei der Datenanalyse
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
MehrDipl.-Volksw. Markus Pullen Wintersemester 2012/13
Statistische Auswertungen mit R Universität Kassel, FB 07 Wirtschaftswissenschaften Dipl.-Volksw. Markus Pullen Wintersemester 2012/13 Beispiele 8. Sitzung Konfidenzintervalle, Hypothesentests > # Anwendungsbeispiel
Mehr3. Der t-test. Der t-test
3 3. Der t-test Dieses Kapitel beschäftigt sich mit einem grundlegenden statistischen Verfahren zur Auswertung erhobener Daten: dem t-test. Der t-test untersucht, ob sich zwei empirisch gefundene Mittelwerte
MehrGrenzen für x -s-regelkarten
Normalverteilte Fertigung: Stichproben aus der Fertigung: σ σ Eine normalverteilte Fertigung hat den Mittelwert µ und die Standardabweichung σ. Stichproben aus der Fertigung haben zufällig abweichende
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
MehrWahrscheinlichkeit und die Normalverteilung. Jonathan Harrington
Wahrscheinlichkeit und die Normalverteilung Jonathan Harrington Der Bevölkerungs-Mittelwert 99 Stück Papier nummeriert 0, 1, 2, 99 Ich ziehe 10 davon und berechne den Mittelwert. Was ist der Mittelwert
MehrEinführung in die Fehlerrechnung und Messdatenauswertung
Grundpraktikum der Physik Einführung in die Fehlerrechnung und Messdatenauswertung Wolfgang Limmer Institut für Halbleiterphysik 1 Fehlerrechnung 1.1 Motivation Bei einem Experiment soll der Wert einer
MehrProf. Dr. Christoph Kleinn Institut für Waldinventur und Waldwachstum Arbeitsbereich Waldinventur und Fernerkundung
Systematische Stichprobe Rel. große Gruppe von Stichprobenverfahren. Allgemeines Merkmal: es existiert ein festes, systematisches Muster bei der Auswahl. Wie passt das zur allgemeinen Forderung nach Randomisierung
Mehr4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 4.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
Mehr2.4 Hypothesentests Grundprinzipien statistischer Hypothesentests. Hypothese:
2.4.1 Grundprinzipien statistischer Hypothesentests Hypothese: Behauptung einer Tatsache, deren Überprüfung noch aussteht (Leutner in: Endruweit, Trommsdorff: Wörterbuch der Soziologie, 1989). Statistischer
MehrButz, Krüger: Mensch-Maschine-Interaktion, Kapitel 13 - Evaluation. Mensch-Maschine-Interaktion
Folie 1 Mensch-Maschine-Interaktion Folie 2 Kapitel 13 - Evaluation Arten der Evaluation Formativ vs. Summativ Quantitativ vs. Qualitativ Analytisch vs. Empirisch Analytische Methoden Cognitive Walkthrough
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
MehrSchätzverfahren ML vs. REML & Modellbeurteilung mittels Devianz, AIC und BIC. Referenten: Linda Gräfe & Konstantin Falk
Schätzverfahren ML vs. REML & Modellbeurteilung mittels Devianz, AIC und BIC Referenten: Linda Gräfe & Konstantin Falk 1 Agenda Schätzverfahren ML REML Beispiel in SPSS Modellbeurteilung Devianz AIC BIC
MehrÜbung zur Empirischen Wirtschaftsforschung V. Das Lineare Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Christian Peukert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2010
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
Mehr2.1 Die Normalverteilung
. INFERENZSTATISTIK Inferenzstatistik bedeutet übersetzt schließende Statistik. Damit ist der Schluss von den erhobenen Daten einer Stichprobe auf Werte in der Population gemeint..1 Die Normalverteilung
Mehra) Wie hoch ist die Wahrscheinlichkeit, dass Vokale vorkommen, die länger als 140 ms sind?
Modul G 20.12.2007 Zur Hausaufgabe 3 Erkläre die folgenden Plots und Berechnungen zu Wahrscheinlichkeiten aus technischer und statistischer Sicht. a) Wie hoch ist die Wahrscheinlichkeit, dass Vokale vorkommen,
MehrMittelwertvergleiche, Teil I: Zwei Gruppen
FB W. Ludwig-Mayerhofer Statistik II Mittelwertvergleiche Herzlich willkommen zur Vorlesung Mittelwertvergleiche, Teil I: Zwei Gruppen FB W. Ludwig-Mayerhofer Statistik II Mittelwertvergleiche Mittelwertvergleiche:
MehrTest auf Varianzgleichheit (F-Test) (einseitiger Test!!)
T-Tests in Excel T-Tests in Excel Test auf Varianzgleichheit (F-Test) (einseitiger Test!!)! Annahmen:! Unabhängige Stichproben! Normalverteilte Grundgesamtheiten H0 : σx = σ y; H0 : σx > σ y Sx σ x F =
MehrMathematik für MolekularbiologInnen. Vorlesung IX Ausgewählte Kapitel der Statistik
Mathematik für MolekularbiologInnen Vorlesung I Ausgewählte Kapitel der Statistik Übersicht Statistische Stichproben- und Schätztheorie Entscheidungstheorie (Signifikanztests) Theorie der kleinen Stichproben,
MehrVorlesung Wirtschaftsstatistik 2 (FK ) Wiederholungen deskriptive Statistik und Einleitung Normalverteilungsverfahren. Dipl.-Ing.
Vorlesung Wirtschaftsstatistik 2 (FK 040637) Wiederholungen deskriptive Statistik und Einleitung Normalverteilungsverfahren Dipl.-Ing. Robin Ristl Wintersemester 2012/13 1 Vorlesungsinhalte Wiederholung:
MehrDatenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse (PHY31) Herbstsemester 015 Olaf Steinkamp 36-J- olafs@physik.uzh.ch 044 63 55763 Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung und
MehrDas Konfidenzintervall (Confidence Interval CI) Vertrauen schaffen, Signifikanz erkennen Autor: Beat Giger
QUALITY APPs Applikationen für das Qualitätsmanagement Testen und Anwenden Das Konfidenzintervall (Confidence Interval CI) Vertrauen schaffen, Signifikanz erkennen Autor: Beat Giger Das Konfidenzintervall
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,
MehrMethodenkurs Phonetik / Phonologie
Stunde 6 18.05.2015 Inhalt Anfangsbemerkungen Durchführung des Produktionsexperimentes Analyse der erhobenen Daten Auswertung der Daten Inhalt nächste Woche fällt die Vorlesung aus dasselbe gilt für die
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,
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)
MehrÜbungsbuch Statistik für Dummies
beborah Rumseif Übungsbuch Statistik für Dummies WILEY- VCH WILEY-VCH Verlag GmbH & Co. KGaA Inhaltsverzeichnis Über die Autorin 8 Über den Übersetzer 8 Einführung 15 Über dieses Buch 15 Törichte Annahmen
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS
Sommersemester 2009, Statistik mit SPSS 26. August 2009 26. August 2009 Statistik Dozentin: mit Anja SPSS Mays 1 Bivariate Datenanalyse, Überblick bis Freitag heute heute Donnerstag Donnerstag Freitag
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
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
Mehr8. G*Power. power3/ 8. Stichprobenumfang, Effekt- und Teststärke
8. G*Power http://www.psycho.uniduesseldorf.de/abteilungen/aap/g power3/ 8. Stichprobenumfang, Effekt- und Teststärke 8. Stichprobenumfangsplanung, Effektstärken und Teststärkenberechnung mit G*Power 3.0
MehrANalysis Of VAriance (ANOVA) 1/2
ANalysis Of VAriance (ANOVA) 1/2 Markus Kalisch 16.10.2014 1 ANOVA - Idee ANOVA 1: Zwei Medikamente zur Blutdrucksenkung und Placebo (Faktor). Gibt es einen sign. Unterschied in der Wirkung (kontinuierlich)?
MehrÜbungsaufgaben zu Statistik II
Übungsaufgaben zu Statistik II Prof. Dr. Irene Prof. Dr. Albrecht Ungerer Die Kapitel beziehen sich auf das Buch: /Ungerer (2016): Statistik für Wirtschaftswissenschaftler Springer Gabler 4 Übungsaufgaben
MehrMessung von Rendite und Risiko. Finanzwirtschaft I 5. Semester
Messung von Rendite und Risiko Finanzwirtschaft I 5. Semester 1 Messung von Renditen Ergebnis der Anwendung der Internen Zinsfuß- Methode ist die Rentabilität des Projekts. Beispiel: A0-100.000 ZÜ1 54.000
Mehr6. Übung Statistische Tests Teil 1 (t-tests)
Querschnittsbereich 1: Epidemiologie, Medizinische iometrie und Medizinische Informatik - Übungsmaterial - Erstellt von Mitarbeitern des IMISE und des ZKS Leipzig 6. Übung Statistische Tests Teil 1 (t-tests)
MehrSPSS V Gruppenvergleiche ( 2 Gruppen) abhängige (verbundene) Stichproben
SPSS V Gruppenvergleiche ( 2 Gruppen) abhängige (verbundene) Stichproben ÜBERSICHT: Testverfahren bei abhängigen (verbundenen) Stichproben parametrisch nicht-parametrisch 2 Gruppen t-test bei verbundenen
MehrLagemaße Übung. Zentrale Methodenlehre, Europa Universität - Flensburg
Lagemaße Übung M O D U S, M E D I A N, M I T T E L W E R T, M O D A L K L A S S E, M E D I A N, K L A S S E, I N T E R P O L A T I O N D E R M E D I A N, K L A S S E M I T T E Zentrale Methodenlehre, Europa
MehrKeine Panik vor Statistik!
Markus Oestreich I Oliver Romberg Keine Panik vor Statistik! Erfolg und Spaß im Horrorfach nichttechnischer Studiengänge STUDIUM 11 VIEWEG+ TEUBNER Inhaltsverzeichnis 1 Erstmal locker bleiben: Es längt
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
MehrHypothesentest, ein einfacher Zugang mit Würfeln
R. Brinkmann http://brinkmann-du.de Seite 4..4 ypothesentest, ein einfacher Zugang mit Würfeln Von einem Laplace- Würfel ist bekannt, dass bei einmaligem Wurf jede einzelne der Zahlen mit der Wahrscheinlichkeit
MehrAufgaben zu Kapitel 9
Aufgaben zu Kapitel 9 Aufgabe 1 Für diese Aufgabe benötigen Sie den Datensatz Nominaldaten.sav. a) Sie arbeiten für eine Marktforschungsfirma und sollen überprüfen, ob die in diesem Datensatz untersuchte
MehrStudiendesign/ Evaluierungsdesign
Jennifer Ziegert Studiendesign/ Evaluierungsdesign Praxisprojekt: Nutzerorientierte Evaluierung von Visualisierungen in Daffodil mittels Eyetracker Warum Studien /Evaluierungsdesign Das Design einer Untersuchung
Mehr