Grundbegriffe. Allgemein. Merkmale. Verschiedene Variablen
|
|
- Hertha Ursler
- vor 6 Jahren
- Abrufe
Transkript
1 Biometrie 1
2 Grundbegriffe Allgemein Grundgesamtheit: Die Menge aller Objekte, auf die sich die Aussage einer Studie beziehen soll Stichprobe (=n): Der Teil der Grundgesamtheit, der befragt/ untersucht wird, und stellvertretend für die Grundgesamtheit steht. Beobachtungseinheit: zu untersuchende(s) Objekt / Person. Die Summe aller Beobachtungseinheiten bildet die Stichprobe. Merkmale Qualitativ (nicht zählbar): o Nominal à keine Reihenfolge o Ordinal à Reihenfolge möglich (Medizinische Scores!) Quantitativ (zählbar / messbar): o Diskret à nur ganze Zahlen o Stetig à alle reellen Zahlen (SI- Einheiten!) Verschiedene Variablen Einflussvariable: Intervention, bzw. Einfluss, der untersucht werden soll. o qualitative EV: Faktor o quantitative EV: Kovariable Zielvariable: hierauf wird untersucht, wird durch Einflussvariable verursacht. Störvariable: alle Einflussvariablen, die nicht berücksichtigt, bzw. kontrolliert werden können. 2
3 Studien allgemein Randomisierung: o ist ein Verfahren, bei dem die Versuchspersonen unter Verwendung eines Zufallsmechanismus unterschiedlichen Gruppen zugeordnet werden o Ziel à Sicherung der Strukturgleichheit Verblindung: o Unkenntlichmachung der Studienmedikation, sodass die Therapien der einzelnen Behandlungsgruppen für Patient (einfach blind) und Arzt (doppelblind) nicht zu unterscheiden sind. o Ziel à Sicherung der Beobachtungsgleichheit Transversal vs. Longitudinal: Einmalige Messung vs. zeitlicher Verlauf Prospektiv vs. Retrospektiv: Blick in Zukunft vs. Blick in Vergangenheit Kontrollgruppe: Gruppe, bei der nicht interveniert wird. Nicht zwingend Placebo (Placebo bei Studien häufig ethisch nicht vertretbar!) Studientypen o Randomisierte, kontrollierte Studie ( = Randomized controlled trial = RCT): Goldstandard, aber teuer und aufwendig 2 (oder mehr) Gruppen mit unterschiedlichen Interventionen (häufig: Neue vs. Standardtherapie) Interventionsstudie Sonderform: Quasi- experimentelle Studie à keine Randomisierung möglich Kontrolliert Randomisiert Prospektiv longitudinal Ja Ja Ja Ja 3
4 o Kohortenstudie: Gruppe von Probanden, die in mind. 1 Merkmal übereinstimmen = Kohorte Beobachtung von Zielvariablen in Abhängigkeit von Einflussvariablen Beobachtungsstudie ( = Panelstudie) Zunächst nicht kontrolliert; evtl. Ermittlung von Kontrollgruppen nach Abschluss der Studie (daher keine Randomisierung möglich, Einteilung in Gruppen aufgrund der Merkmalsübereinstimmung (Kohorte!)) Kontrolliert Randomisiert Prospektiv longitudinal Nein Nein Nein Nein o Fall- Kontroll- Studie: Vergleich von Fällen, bei denen das Ereignis (!) eingetreten ist, mit Fällen, bei denen das Ereignis (!) nicht eingetreten ist Kontrolle nicht bei Exposition, sondern bei Ereignis Zuordnung der Kontrollen durch matched- pairs - Technik Beobachtungsstudie Kontrolliert Randomisiert Prospektiv longitudinal (Nein) Nein Ja Ja o Querschnittstudie: Einmalige Befragung einer Stichprobe Beobachtungsstudie (Befragung, Umfrage) transversal Kontrolliert Randomisiert Prospektiv longitudinal Ja Nein Nein (Retrosp.) (Ja) 4
5 Univariate Analysen Statistische Maßzahlen Mittelwert: arithmetisches Mittel aller Einzelwerte (starke Beeinflussung durch Ausreißer) (Beispiel: à!!!!!!!!!! =!"! = 4,8) Median ( = 0,5- Quantil): Zahl, die an der mittleren Stelle steht, wenn alle Zahlen nach ihrer Größe sortiert sind (kaum Beeinflussung durch Ausreißer) (Beispiel: à Median ist 5) Modalwert: häufigster Wert einer Messreihe (Beispiel: à Modalwert ist 2) Standardabweichung (σ): Die Standardabweichung gibt an, wie weit die! Beobachtungswerte von ihrem Mittelwert abweichen ( σ = σ² Varianz (σ! ): Hier: Zwischenschritt zur Berechnung der Standardabweichung ) Quartile: Die Werte, die eine chronologische Zahlenfolge in vier Viertel teilt o 1. Quartil = 0,25- Quantil = 25%- Perzentil o 2. Quartil = 0,5- Quantil = 50%- Perzentil (= Median) o 3. Quartil = 0,75- Quantil = 75%- Perzentil Interquartilsabstand = 3. Quartil 1. Quartil Maximum / Minimum: größter / kleinster gemessener Wert Spannweite (= Range) = Maximum - Minimum Grafische Darstellungen 2 Möglichkeiten: o Histogramm o Boxplot Normalverteilung liegt vor, wenn o im Histogramm alle Säulen annähernd wie eine Gauß sche Glockenkurve angeordnet sind. o der Boxplot symmetrisch ist. 5
6 Histogramm: Klasse o Faustregel für Klassenanzahl: n o Range geteilt durch Anzahl aller Klassen ergibt die Klassenbreite o Klassenbreite: ( oder ) à Wert nicht mehr enthalten [ oder ] à Wert noch enthalten Boxplot: 6
7 Bivariate Analysen Risikomaßzahlen Odds Ratio (= Quotenverhältnis): o Einzige Risikomaßzahl, die sich aus retrospektiven Studien (Fall- Kontroll- Studien) ableiten lässt, da sie nicht von der Prävalenz abhängt o Schätzwert für das Relative Risiko (Je geringer die Prävalenz einer Erkrankung, desto besser stimmt das OR mit dem RR überein) o Verhältnis aus Exposition und Nicht- Exposition bei eingetretenem Ereignis, geteilt durch das Verhältnis aus Exposition und Nicht- Exposition bei nicht eingetretenem Ereignis o Möglicher Wertebereich: OR 0 0 OR < 1 à Exposition hat präventiven Einfluss (Medikament) OR = 1 à Exposition hat keinen Einfluss OR > 1 à Exposition hat schädigenden Einfluss (Nikotin) Risiko unter Exposition: o Anteil aller Exponierten, bei denen das Ereignis eingetreten ist, geteilt durch alle Exponierten Risiko unter Nicht- Exposition: o Anteil aller Nicht- Exponierten, bei denen das Ereignis eingetreten ist, geteilt durch alle Nicht- Exponierten Relatives Risiko: o Verhältnis aus R Exp und R NExp ( RExp RNExp ) o Wertebereich wie bei Odds Ratio Relative Risikoreduktion: o = 1- RR Absolute Risikoreduktion (ARR) / - zunahme (ARI): o Differenz zwischen R Exp und R NExp o Die absoluten Werte von ARR und ARI sind gleich ( ARR = ARI ), lediglich das Vorzeichen variiert. Welcher Wert letztendlich angegeben wird, hängt davon ab, was betont werden soll. Number needed to treat (NNT) / Number needed to harm (NNH): o Kehrwert der absoluten Werte (ARR / ARI) o NNT / NNH besagen, wie viele Patienten exponiert werden müssen, um ein Ereignis eintreten zu lassen. o Soll die schädigende Wirkung hervorgehoben werden, spricht man von der NNH (z.b. Nikotin), soll die präventive Wirkung hervorgehoben werden, spricht man von der NNT (z.b. Medikament). 7
8 Zusammenhang zweier quantitativer Variablen Kovarianz: o Zusammenhangsmaß zwischen zwei Merkmalen, wobei jede Beobachtung einen positiven oder negativen Beitrag liefert. o Durch den Schwerpunkt wird je eine Gerade parallel zur X- und Y- Achse gezeichnet. Die Wertepaare in den somit entstandenen vier Quadranten werden ausgezählt. o Wertebereich: Alle reellen Zahlen o Einheit: [Variable 1] * [Variable 2] Korrelationskoeffizient (r): o Wertebereich: [- 1 ; +1] r = - 1 à linearer antiproportionaler Zusammenhang - 1 < r < 0 à negativer Trend erkennbar r = 0 à kein Zusammenhang erkennbar 0 < r < +1 à positiver Trend erkennbar r = +1 à linearer proportionaler Zusammenhang o Einheit: keine Einheit Lineare Regression: o dient der Vorhersage eines Wertes auf der Y- Achse, bei bekanntem zugehörigen X- Wert (nicht andersherum!) 8
9 Diagnostische Verfahren Gütekriterien Sensitivität: o Wahrscheinlichkeit alle Kranken zu erkennen o Wenn ich krank bin, mit welcher Wahrscheinlichkeit wird der Test dann auch positiv sein Spezifität: o Wahrscheinlichkeit alle Gesunden zu erkennen o Wenn ich gesund bin, mit welcher Wahrscheinlichkeit wird der Test dann auch negativ sein Sensitivität und Spezifität: o werden vor dem Test erfragt, d.h. das Testergebnis ist noch nicht bekannt o Bei infektiologischen Suchtests sollte die Sensitivität hoch sein, damit man möglichst viele Kranke als krank erkennen kann. Dabei nimmt man in Kauf, dass möglicherweise auch Gesunde als falsch- positiv getestet werden. (Bestätigungstest sollte spezifisch sein) o Bei Screening- Tests sollte die Spezifität hoch sein, damit möglichst alle Gesunden erkannt werden. Hier steht die Verhinderung der Überdiagnose und damit verbundenen Übertherapie im Vordergrund. Die Konsequenzen bei Nicht- Erkennen eines Kranken sind nicht so weitreichend wie bei den infektiologischen Suchtests. o Es gilt: 100% = Sensitivität + Falsch- Negative 100% = Spezifität + Falsch- Positive Positiver prädiktiver Wert (PPW): o Wahrscheinlichkeit bei positivem Testergebnis, auch wirklich krank zu sein. o Wenn der Test positiv ist, mit welcher Wahrscheinlichkeit bin ich dann wirklich krank? Negativer prädiktiver Wert (NPW): o Wahrscheinlichkeit bei negativem Testergebnis, auch wirklich gesund zu sein. o Wenn der Test negativ ist, mit welcher Wahrscheinlichkeit bin ich dann auch wirklich gesund? PPW und NPW: o werden nach dem Test erfragt, d.h. das Testergebnis ist bekannt und wird hinterfragt o Die prädiktiven Werte sind Prävalenz- abhängig. Es gilt: Prävalenz à PPW à NPW 9
10 Referenzbereich dient zur Unterscheidung zwischen unauffällig (=gesund?) und auffällig (=krank?) beschreibt einen Wertebereich, in dem sich 95% aller gesunden Werte befinden (absolute Zahlen, keine Wahrscheinlichkeiten!) Grenzen des Referenzbereiches bei Normalverteilung: Grenzen des Referenzbereiches bei Nicht- Normalverteilung: Die Spezifität ist gleich dem Referenzbereich, da beide dasselbe beschreiben: Die Spezifität beschreibt die richtig- negativen und der Referenzbereich beinhaltet 95% der gesunden Werte. Damit wird die Spezifität durch den Referenzbereich festgelegt (i.d.r. 95%). 10
11 Statistische Analyse einer quantitativen Zielvariable Konfidenzintervalle Definition: Das KI ist ein Intervall, das mit einer vorgegebenen Wahrscheinlichkeit 1 α (i.d.r. gilt α = 5%, also 1- α = 95%) den zu schätzenden wahren Parameter der Verteilung in der Grundgesamtheit überdeckt. Der wahre Mittelwert (= Erwartungswert = µ) der Grundgesamtheit bleibt unbekannt, kann aber anhand des empirischen Mittelwertes der untersuchten Stichprobe geschätzt werden. Dieser empirische Mittelwert der Stichprobe muss nun nach rechts und links durch ein Intervall erweitert werden, um die Wahrscheinlichkeit, den wahren Mittelwert darin erfassen zu können, zu vergrößern. Grenzen des Konfidenzintervalls: o Untere Grenze: o Obere Grenze: o Es gilt: Je größer n und kleiner s, desto kleiner wird das KI (die Konfidenzwahrscheinlichkeit bleibt aber trotz verkleinertem KI bei 95%, da sie nur von t abhängig ist, nicht jedoch von n oder s) Referenzbereich und Konfidenzintervall haben nichts miteinander zu tun! o Unterschiede: Der Referenzbereich gibt an, welcher prozentuale Anteil der Messwerte innerhalb der Grenzen liegt (keine Wahrscheinlichkeiten!) Das KI beschreibt die Genauigkeit einer Schätzung eines unbekannten Parameters in der Grundgesamtheit Grenzen des KI werden zusätzlich durch Stichprobenumfang beeinflusst 11
12 Statistische Tests Nullhypothese (H 0 ): besagt, es besteht null Unterschied, null Zusammenhang, d.h. dass eine Intervention keinen Einfluss hat Alternativhypothese (H 1 ): ist die Hypothese, die der Untersucher belegen möchte, d.h. dass die Intervention einen Einfluss hat Testdurchführung: Obwohl die Alternativhypothese nachgewiesen werden soll, wird immer die Nullhypothese getestet. Wenn sich H 0 als falsch / nicht zutreffend herausstellt, darf sie abgelehnt werden und damit H 1 angenommen, also als zutreffend angesehen werden. Wenn also ein Testergebnis statistisch nicht signifikant ist, muss H 0 beibehalten werden. Sobald der Test signifikant ist, wird H 0 verworfen. Das Signifikanzniveau (= α) wird i.d.r. auf 0,05 (= 5%) festgelegt. Da das Signifikanzniveau bei 5% liegt, bleibt immer eine Restwahrscheinlichkeit, Fehler bei der Testentscheidung zu machen. Man unterscheidet: o Fehler 1. Art: H 0 wird abgelehnt, da der gemessene Wert fälschlicherweise nicht im Intervall gelegen hat, obwohl dies richtig gewesen wären. (Der Fehler 1. Art wird direkt durch das Signifikanzniveau bestimmt) o Fehler 2. Art: H 0 wird fälschlicherweise beibehalten, obwohl sie eigentlich abgelehnt werden müsste. Testentscheidung mithilfe des p- Wertes Der p- Wert ist das Ergebnis eines Signifikanztests zur Prüfung der Nullhypothese Es gilt: o verwerfe H 0, falls gilt: p α (i.d.r. p 0,05) o verwerfe H 0 nicht, falls gilt: p > α den p- Wert könnte man als das α sehen, bei dem die Nullhypothese gerade noch abgelehnt werden darf Falls das Signifikanzniveau nicht anders angegeben ist, wird immer von α = 5% = 0,05 ausgegangen. Dies entspricht einer Konfidenzwahrscheinlichkeit von 95%. Beispiele: o Falls p = 0,01, könnte man auf einem 1%- Signifikanzniveau, d.h. mit einer 99%- Konfidenzwahrscheinlichkeit die Nullhypothese ablehnen. Das α wäre in diesem Fall mit 0,01 kleiner als die zur statistischen Signifikanz benötigte Höchstgrenze von α = 0,05. Es gilt also: p α à H 0 verwerfen! o Falls p = 0,84, müsste man auf einem 84%- Signifikanzniveau, d.h. nur mit einer 16%- Konfidenzwahrscheinlichkeit die Nullhypothese ablehnen. Merke: Signifikanzniveau = Irrtumswahrscheinlichkeit, die also in diesem Fall auch bei 84% liegen würde (= Fehler 1. Art!) Es gilt: p >> α à H 0 beibehalten! 12
13 Nullhypothesen t- Test für (un)verbundene Stichproben: Die Erwartungswerte sind gleich. Mann- Whitney- U- Test: Die Verteilungsfunktionen sind gleich. Chi- Quadrat- Test: Die Variablen sind voneinander unabhängig. Vorzeichen- Test: Wirkung ist gleich. Kolmogorov- Smirnov- Test: Die Variablen sind normalverteilt. Levene- Test: Die Varianzen sind gleich. 13
14 Analysen von Überlebenszeiten Kaplan- Meier- Kurve auf X- Achse: kumulierte Überlebensrate [%] auf Y- Achse: Zeit Vorteil: Es werden auch zensierte Daten berücksichtigt o Zensierte Daten: alle, die nicht gestorben sind und in die Wertung eingehen (ob abgebrochen, oder nicht) à Berücksichtigung von Fällen, bei denen kein Todeszeitpunkt bekannt ist Bei jedem eingetretenem Ereignis rutscht die Kurve eine Stufe herunter 14
Medikamentengabe usw. eingegriffen
Biometrie Zusammenfassung Vorwort Das vorliegende Skript dient zur Vorbereitung für die Klausur und als kurzer Überblick bei Biometrischen Fragestellungen in Doktorarbeiten. Vielen Dank an Herrn PD Dr.
MehrEpidemiologie / Biometrie
Wintersemester 2004 / 2005 Epidemiologie / Biometrie Robert Hochstrat 14. März 2005 Zusammenschrift der Übung zur Vorlesung aus dem WS 04/05 Rückfragen, Ergänzungen und Korrekturen an robert hochstrat@web.de
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
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
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
MehrErmitteln Sie auf 2 Dezimalstellen genau die folgenden Kenngrößen der bivariaten Verteilung der Merkmale Weite und Zeit:
1. Welche der folgenden Kenngrößen, Statistiken bzw. Grafiken sind zur Beschreibung der Werteverteilung des Merkmals Konfessionszugehörigkeit sinnvoll einsetzbar? A. Der Modalwert. B. Der Median. C. Das
MehrWichtige Definitionen und Aussagen
Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge
MehrArbeitsbuch zur deskriptiven und induktiven Statistik
Helge Toutenburg Michael Schomaker Malte Wißmann Christian Heumann Arbeitsbuch zur deskriptiven und induktiven Statistik Zweite, aktualisierte und erweiterte Auflage 4ü Springer Inhaltsverzeichnis 1. Grundlagen
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Stetige und diskrete Wahrscheinlichkeitsverteilungen Lageparameter Streuungsparameter Diskrete und stetige Zufallsvariablen Eine Variable (oder Merkmal
MehrKlausur in "Biomathematik" WS 2007 / 2008 Montag, den 28. Januar 2008
Klausur in "Biomathematik" WS 2007 / 2008 Montag, den 28. Januar 2008 Name: Matrikelnummer: Unterschrift: Aufgabe 1: Bei einer klinischen Therapiestudie wird bei allen Patienten der Wert eines quantitativen
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 22 Übersicht Weitere Hypothesentests in der Statistik 1-Stichproben-Mittelwert-Tests 1-Stichproben-Varianz-Tests 2-Stichproben-Tests Kolmogorov-Smirnov-Test
MehrBiomathematik für Mediziner, Klausur WS 1999/2000 Seite 1
Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Aufgabe 1: Wieviele der folgenden Variablen sind quantitativ stetig? Schulnoten, Familienstand, Religion, Steuerklasse, Alter, Reaktionszeit, Fahrzeit,
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrGlossar Biometrie / Statistik. Auszug für Fragebogen Fallzahlberechnung/-begründung
Glossar Biometrie / Statistik A Äquivalenztest Der Äquivalenztest beurteilt die Gleichwertigkeit von Therapien. Beim Äquivalenztest werden als Hypothesen formuliert: Nullhypothese H 0 : Die Präparate sind
MehrSBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf. SBP Mathe Aufbaukurs 1
SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf SBP Mathe Aufbaukurs 1 # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit. Das
MehrGlossar und Formelsammlung. Hazard Rate. Hazard Ratio =
Glossar und Formelsammlung Hazard Rate Die Hazard Rate steht für das Risiko, genau zum Zeitpunkt t ein Ereignis bei Überlebenszeitanalysen den Tod zu erleiden. Es handelt sich demnach um eine vom Zeitpunkt
MehrInhaltsverzeichnis. 0 Einleitung 1
Inhaltsverzeichnis 0 Einleitung 1 1 Univariate Statistik 3 1.1 Begriffsdefinitionen... 3 1.1.1 Beobachtungseinheit, Merkmal... 3 1.1.2 Merkmalstypen... 3 1.1.3 Skalenniveaus... 4 1.1.4 Häufigkeiten...
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
MehrStichwortverzeichnis. Symbole
Stichwortverzeichnis Symbole 50ste Perzentil 119 A Absichern, Ergebnisse 203 Abzählbar unendliche Zufallsvariable 146 Alternativhypothese 237 238 formulieren 248 Anekdote 340 Annäherung 171, 191 Antwortquote
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)
MehrKorrelation, Regression und Signifikanz
Professur Forschungsmethodik und Evaluation in der Psychologie Übung Methodenlehre I, und Daten einlesen in SPSS Datei Textdaten lesen... https://d3njjcbhbojbot.cloudfront.net/api/utilities/v1/imageproxy/https://d15cw65ipcts
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
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
MehrTrim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19
Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist
MehrInstitut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie () WiSe /3 Univariate und bivariate Verfahren Univariate
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Korrelationsanalysen Kreuztabellen und χ²-test Themen Korrelation oder Lineare Regression? Korrelationsanalysen - Pearson, Spearman-Rang, Kendall s Tau
Mehr4.1. Nullhypothese, Gegenhypothese und Entscheidung
rof. Dr. Roland Füss Statistik II SS 8 4. Testtheorie 4.. Nullhypothese, Gegenhypothese und Entscheidung ypothesen Annahmen über die Verteilung oder über einzelne arameter der Verteilung eines Merkmals
Mehr5. Seminar Statistik
Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation
MehrBiomathematik für Mediziner, Klausur SS 2000 Seite 1
Biomathematik für Mediziner, Klausur SS 2000 Seite 1 Aufgabe 1: Bei der Diagnose einer bestimmten Krankheit mit einem speziellen Diagnoseverfahren werden Patienten, die tatsächlich an der Krankheit leiden,
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:
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
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,...,
MehrKLAUSUR IN BIOMATHEMATIK WS 2007/08 MONTAG, DEN 28. JANUAR 2008
KLAUSUR IN BIOMATHEMATIK WS 2007/08 MONTAG, DEN 28. JANUAR 2008 Name: Matrikelnummer: Unterschrift: Aufgabe 1: Welche der folgenden Aussagen ist falsch? A. Der Median ist weniger stark von Ausreißern beeinflusst
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
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.
MehrStatistische Messdatenauswertung
Roland Looser Statistische Messdatenauswertung Praktische Einführung in die Auswertung von Messdaten mit Excel und spezifischer Statistik-Software für naturwissenschaftlich und technisch orientierte Anwender
MehrStatistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli
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
MehrBiometrie und Methodik (Statistik) - WiSem08/09 Probeklausur 1
Biometrie und Methodik (Statistik) - WiSem08/09 Probeklausur 1 Aufgabe 1 (10 Punkte). 10 Schüler der zehnten Klasse unterziehen sich zur Vorbereitung auf die Abschlussprüfung einem Mathematiktrainingsprogramm.
MehrBiomathematik für Mediziner
Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur WS 2002/2003 Aufgabe 1: Man gehe davon aus,
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),
MehrBeispiel 1 - Deskription
Beispiel 1 - Deskription 1 Beispiel 1 - Deskription a) Welche der hier aufgeführten statistischen Maßzahlen beschreiben die Variabilität der der Messwerte? Standardabweichung und Quartilsabstand 1 Beispiel
Mehr2. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017
. Lösung weitere Übungsaufgaben Statistik II WiSe 016/017 1. Aufgabe: Bei der Produktion eines Werkstückes wurde die Bearbeitungszeit untersucht. Für die als normalverteilt angesehene zufällige Bearbeitungszeit
MehrAufgabe 1 (8= Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten:
Aufgabe 1 (8=2+2+2+2 Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten: Die Zufallsvariable X bezeichne die Note. 1443533523253. a) Wie groß ist h(x 5)? Kreuzen
MehrBerechnung von Konfidenzintervallen für Impact Numbers aus Fall-Kontroll und Kohorten-Studien
Berechnung von Konfidenzintervallen für Impact Numbers aus Fall-Kontroll und Kohorten-Studien Mandy Hildebrandt 1,2, Ralf Bender 1 und Maria Blettner 2 1 Institut für Qualität und Wirtschaftlichkeit im
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 41 Übersicht Struktur eines Hypothesentests Stichprobenverteilung t-test: Einzelner-Parameter-Test F-Test: Multiple lineare Restriktionen 2 / 41 Struktur
MehrPhilipp Sibbertsen Hartmut Lehne. Statistik. Einführung für Wirtschafts- und. Sozialwissenschaftler. 2., überarbeitete Auflage. 4^ Springer Gabler
Philipp Sibbertsen Hartmut Lehne Statistik Einführung für Wirtschafts- und Sozialwissenschaftler 2., überarbeitete Auflage 4^ Springer Gabler Inhaltsverzeichnis Teil I Deskriptive Statistik 1 Einführung
MehrKapitel III: Einführung in die schließende Statistik
Kapitel III: Einführung in die schließende Statistik Das zweite Kapitel beschäftigte sich mit den Methoden der beschreibenden Statistik. Im Mittelpunkt der kommenden Kapitel stehen Verfahren der schließenden
MehrHinweis: Es sind 4 aus 6 Aufgaben zu bearbeiten. Werden mehr als 4 Aufgaben bearbeitet, werden nur die ersten vier Aufgaben gewertet.
11.01.2012 Prof. Dr. Ingo Klein Klausur zur VWA-Statistik Hinweis: Es sind 4 aus 6 Aufgaben zu bearbeiten. Werden mehr als 4 Aufgaben bearbeitet, werden nur die ersten vier Aufgaben gewertet. Aufgabe 1:
MehrDiagnose und Prognose: Kurzfassung 4
Diagnose und Prognose: Kurzfassung 4 Ziele der 4. Vorlesung Inhaltliche Verbindung zwischen inhaltlicher Statistisches Konzept / Problemstellung Problemstellung und statistischem statistische Methode Konzept/Methode
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
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
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 3. Vorlesung Dr. Jochen Köhler 1 Inhalte der heutigen Vorlesung Ziel: Daten Modellbildung Probabilistisches Modell Wahrscheinlichkeit von Ereignissen Im ersten
MehrStatistik II Übung 3: Hypothesentests
Statistik II Übung 3: Hypothesentests Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier Stichproben). Verwenden
MehrÜbung zur Vorlesung Statistik I WS Übungsblatt 12
Übung zur Vorlesung Statistik I WS 2013-2014 Übungsblatt 12 20. Januar 2014 Die folgenden ufgaben sind aus ehemaligen Klausuren! ufgabe 38.1 (1 Punkt: In einer Studie werden 10 Patienten therapiert. Die
Mehr2. Formulieren von Hypothesen. Nullhypothese: H 0 : µ = 0 Gerät exakt geeicht
43 Signifikanztests Beispiel zum Gauß-Test Bei einer Serienfertigung eines bestimmten Typs von Messgeräten werden vor der Auslieferung eines jeden Gerätes 10 Kontrollmessungen durchgeführt um festzustellen,
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
MehrFallzahlplanung bei unabhängigen Stichproben
Fallzahlplanung bei unabhängigen Stichproben Seminar Aktuelle biometrische Probleme Benjamin Hofner benjamin.hofner@stat.uni-muenchen.de 12. Januar 2005 Übersicht 1. Einführung und Grundlagen der Fallzahlplanung
MehrStatistik II: Grundlagen und Definitionen der Statistik
Medien Institut : Grundlagen und Definitionen der Statistik Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Hintergrund: Entstehung der Statistik 2. Grundlagen
MehrBiomathematik für Mediziner
Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur SS 2003 Aufgabe 1: Welche der unten angegebenen
Mehr3. Lektion: Deskriptive Statistik
Seite 1 von 5 3. Lektion: Deskriptive Statistik Ziel dieser Lektion: Du kennst die verschiedenen Methoden der deskriptiven Statistik und weißt, welche davon für Deine Daten passen. Inhalt: 3.1 Deskriptive
Mehr7. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17
7. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17 1. Aufgabe: a) Grundgesamtheit sind alle Reifen aus der Produktion von Langstone aus dem Monat März der entsprechenden Reifentypen.
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
MehrInhaltsverzeichnis. Über die Autoren Einleitung... 21
Inhaltsverzeichnis Über die Autoren.... 7 Einleitung... 21 Über dieses Buch... 21 Was Sie nicht lesen müssen... 22 Törichte Annahmen über den Leser... 22 Wie dieses Buch aufgebaut ist... 23 Symbole, die
Mehr1 Einleitung und Grundlagen 1
Inhaltsverzeichnis Vorwort vii 1 Einleitung und Grundlagen 1 1.1 Einführende Beispiele 1 1.2 Statistischer Prozess 2 1.3 Grundlagen 2 1.4 Unterscheidung von Merkmalen 3 1.4.1 Skalenniveaus 3 1.4.2 Stetige
MehrEinführung in die Statistik für Politikwissenschaftler Sommersemester 2011
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011 Es können von den Antworten alle, mehrere oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort (ohne Auslassungen
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
MehrVerteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen. Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung
Verteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung Typisierung der stetigen theoretischen Verteilungen Bibliografie:
MehrBiomathematik für Mediziner, Klausur WS 2003/2004 Seite 1
Biomathematik für Mediziner, Klausur WS 2003/2004 Seite 1 Aufgabe 1: Prüfe, welche der folgenden Merkmale qualitativ sind: (a) Blutgruppe (b) Pulsfrequenz (c) Erkrankung an Scharlach (d) Teilnahme an einem
MehrStatistik für Dummies
Bearbeitet von Deborah Rumsey, Reinhard Engel 3. aktualisierte Auflage 2015. Buch. 368 S. Softcover ISBN 978 3 527 71156 7 Format (B x L): 17,6 x 24 cm Wirtschaft > Betriebswirtschaft: Theorie & Allgemeines
MehrExakter Binomialtest als Beispiel
Prinzipien des statistischen Testens Entscheidungsfindung Exakter Binomialtest als Beispiel Statistische Tests Nullhypothese Alternativhypothese Fehlentscheidungen Ausgangspunkt: Forschungshypothese Beispiele:.
MehrZeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: n (2k 1) = n 2.
Aufgabe 1. (5 Punkte) Zeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: n k=1 (2k 1) = n 2. Aufgabe 2. (7 Punkte) Gegeben sei das lineare Gleichungssystem x + 2z = 0 ay
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
MehrPROC MEANS. zum Berechnen statistischer Maßzahlen (für quantitative Merkmale)
PROC MEAS zum Berechnen statistischer Maßzahlen (für quantitative Merkmale) Allgemeine Form: PROC MEAS DATA=name Optionen ; VAR variablenliste ; CLASS vergleichsvariable ; Beispiel und Beschreibung der
MehrMusterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 25. September 2015 Aufgabe 1 (15 Punkte) Kennzeichnen Sie die folgenden Aussagen zur Regressionsanalyse mit R für richtig oder F für falsch. F Wenn
MehrStatistik II Übung 3: Hypothesentests Aktualisiert am
Statistik II Übung 3: Hypothesentests Aktualisiert am 12.04.2017 Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier
MehrDie ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist.
.3. Stochastik Grundlagen Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist. Die RELATIVE HÄUFIGKEIT einer Merkmalsausprägung gibt an mit welchem Anteil
MehrÜbungen mit dem Applet Vergleich von zwei Mittelwerten
Vergleich von zwei Mittelwerten 1 Übungen mit dem Applet Vergleich von zwei Mittelwerten 1 Statistischer Hintergrund... 2 1.1 Typische Fragestellungen...2 1.2 Fehler 1. und 2. Art...2 1.3 Kurzbeschreibung
MehrZusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen
Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind
MehrFERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT
FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte
MehrBSc Bioinformatik Wintersemester 2013/2014 Nachklausur zur Statistik I Freie Universität Berlin
Sc ioinformatik Wintersemester 013/014 Nachklausur zur Statistik I Freie Universität erlin 4. pril 014 Matrikelnummer Nachname Vorname Unterschrift ufgabe 1 (4 Punkte): Zu einem Wahrscheinlichkeitsraum
MehrStatistiktutorium (Kurs Frau Jacobsen)
Statistiktutorium (Kurs Frau Jacobsen) von Timo Beddig 1 Grundbegriffe p = Punktschätzer, d.h. der Mittelwert aus der Stichprobe, auf Basis dessen ein angenäherter Wert für den unbekannten Parameter der
MehrMerkmalstypen Univ.-Prof. Dr. rer. nat. et med. habil. Andreas Faldum
1 Merkmalstypen Quantitativ: Geordnete Werte, Vielfache einer Einheit Stetig: Prinzipiell sind alle Zwischenwerte beobachtbar Beispiele: Gewicht, Größe, Blutdruck Diskret: Nicht alle Zwischenwerte sind
MehrErgebnisse VitA und VitVM
Ergebnisse VitA und VitVM 1 Basisparameter... 2 1.1 n... 2 1.2 Alter... 2 1.3 Geschlecht... 5 1.4 Beobachtungszeitraum (von 1. Datum bis letzte in situ)... 9 2 Extraktion... 11 3 Extraktionsgründe... 15
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
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
Mehr7. Hypothesentests. Ausgangssituation erneut: ZV X repräsentiere einen Zufallsvorgang. X habe die unbekannte VF F X (x)
7. Hypothesentests Ausgangssituation erneut: ZV X repräsentiere einen Zufallsvorgang X habe die unbekannte VF F X (x) Interessieren uns für einen unbekannten Parameter θ der Verteilung von X 350 Bisher:
MehrChi-Quadrat-Verteilung
Chi-Quadrat-Verteilung Wikipedia http://de.wikipedia.org/wiki/chi-quadrat-verteilung 1 von 7 6/18/2009 6:13 PM Chi-Quadrat-Verteilung aus Wikipedia, der freien Enzyklopädie Die Chi-Quadrat-Verteilung ist
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 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
MehrWerkzeuge der empirischen Forschung
Werkzeuge der empirischen Forschung I. Daten und Beschreibende Statistik 1. Einführung 2. Dateneingabe, Datentransformation, Datenbehandlung 3. Beschreibende Statistik II. Schließende Statistik 1 III.
MehrWiederholung. Statistik I. Sommersemester 2009
Statistik I Sommersemester 2009 Statistik I (1/21) Daten/graphische Darstellungen Lage- und Streuungsmaße Zusammenhangsmaße Lineare Regression Wahrscheinlichkeitsrechnung Zentraler Grenzwertsatz Konfidenzintervalle
MehrGrundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften
Grundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Grundlagen der Biometrie, WS 2011/12 Vorlesung: Dienstag 8.15-9.45,
MehrEigene MC-Fragen SPSS. 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist
Eigene MC-Fragen SPSS 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist [a] In der Variablenansicht werden für die betrachteten Merkmale SPSS Variablen definiert. [b] Das Daten-Editor-Fenster
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
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
Mehr3 Konfidenzintervalle
3 Konfidenzintervalle Konfidenzintervalle sind das Ergebnis von Intervallschätzungen. Sicheres Wissen über Grundgesamtheiten kann man anhand von Stichproben nicht gewinnen. Aber mit Hilfe der Statistik
Mehr