Einführung in Quantitative Methoden
|
|
- Tristan Busch
- vor 6 Jahren
- Abrufe
Transkript
1 Einführung in Quantitative Methoden Karin Waldherr & Pantelis Christodoulides 11. Juni 2014 Waldherr / Christodoulides Einführung in Quantitative Methoden 1/46
2 Anpassungstests allgemein Gegeben: Häufigkeitsverteilung der Variable X in einer Stichprobe aus bestimmter Population (empirische Verteilung) Unbekannt: Verteilungsfunktion der Variable X, F (x), in der Population Nullhypothese spezifiziert theoretische (erwartete) Verteilung F 0 (x) (z.b. Gleichverteilung, Normalverteilung) H 0 : F (x) = F 0 (x) gegen H 1 : F (x) F 0 (x) Anpassungstest prüft, ob Stichprobe aus Population stammt, in welcher X die Verteilung F 0 (x) aufweist Abweichung empirische - theoretische Verteilung, d.h. Vergleich der empirisch beobachteten Häufigkeiten der Ausprägungen von X mit theoretisch erwarteten Häufigkeiten, wenn H 0 gilt Waldherr / Christodoulides Einführung in Quantitative Methoden 2/46
3 χ 2 -Anpassungstest Variable X mit j = 1,..., k Ausprägungen f j = beobachtete Häufigkeiten in der Stichprobe, e j = erwartete Häufigkeiten unter H 0 k (f j e j ) 2 j=1 e j asympt. χ 2 verteilt mit df = k 1 Empirische und theoretische Verteilung ident χ 2 0 Abweichungen groß χ 2 H 0 verworfen, wenn χ 2 im Verwerfungsbereich: χ 2 > χ 2 (df ;1 α) Waldherr / Christodoulides Einführung in Quantitative Methoden 3/46
4 Erklärung Freiheitsgrade: Summe der Häufigkeiten muss mit Stichprobenumfang identisch sein. Bei k Ausprägungen dürfen nur bei k 1 Ausprägungen die Häufigkeiten frei variieren. Waldherr / Christodoulides Einführung in Quantitative Methoden 4/46
5 Beispiel 1: Gleichverteilung Ist erstmaliges Auftreten von Depressionen gleich verteilt auf die vier Jahreszeiten? H 0 : Gleichverteilung; H 1 : keine Gleichverteilung; α = 0.05 n = 100 Personen mit Depression Erwartete Häufigkeiten: e j = n k = = 25 Waldherr / Christodoulides Einführung in Quantitative Methoden 5/46
6 Beispiel 1: Gleichverteilung Frühling Sommer Herbst Winter f j e j χ 2 = k j=1 (f j e j ) 2 (21 25)2 = + e j 25 (19 25) (27 25)2 (33 25)2 + + = = = 4.8 df = 3, χ 2 (3;0.95) = 7.82 (Tab. 3) 4.8 < 7.82 χ 2 = 4.8 gehört nicht zu den 5% der extremsten Fälle unter H 0 H 0 beibehalten. Waldherr / Christodoulides Einführung in Quantitative Methoden 6/46
7 χ 2 -Anpassungstest Beispiel 1 (Gleichverteilung) mit SPSS Menü Analysieren Nichtparametrische Tests Eine Stichprobe Ziel: Analyse anpassen Felder: Variable auswählen Waldherr / Christodoulides Einführung in Quantitative Methoden 7/46
8 χ 2 -Anpassungstest Beispiel 1 (Gleichverteilung) mit SPSS Einstellungen: Testoptionen: gewünschtes α wählen (Voreinstellung: 0.05) Tests auswählen: Waldherr / Christodoulides Einführung in Quantitative Methoden 8/46
9 χ 2 -Anpassungstest Beispiel 1 (Gleichverteilung) mit SPSS Schaltfläche Optionen: Waldherr / Christodoulides Einführung in Quantitative Methoden 9/46
10 χ 2 -Anpassungstest Beispiel 1 (Gleichverteilung) mit SPSS Output: Waldherr / Christodoulides Einführung in Quantitative Methoden 10/46
11 Voraussetzungen für χ 2 -Test Jede Person muss eindeutig einer Merkmalsausprägung zuordenbar sein Beobachtungen müssen voneinander unabhängig sein Eintragungen müssen absolute Häufigkeiten sein Approximation der Prüfgröße an χ 2 -Verteilung ausreichend, wenn mind. 80% der e j 5 und kein e j kleiner 1. Für alle Verteilungen geeignet Bei stetigen Verteilungen müssen Merkmalsausprägungen zu Klassen zusammengefasst werden Waldherr / Christodoulides Einführung in Quantitative Methoden 11/46
12 Beispiel 2: beliebige Verteilung Laut Statistik der Wiener Gebietskrankenkasse aus dem Jahr 2009 verteilten sich vier bestimmte psychiatrische Diagnosen A,B,C,D folgendermaßen: A:B:C:D = 40% : 30% : 20% : 10%. Eine Diplomandin erhebt im Jahr 2014 eine Stichprobe von 320 Personen, die wegen einer dieser vier psychiatrischen Erkrankungen in Behandlung sind. Die vier Diagnosen verteilen sich in ihrer Stichprobe prozentmäßig folgendermaßen: Diagnose A: 45% Diagnose B: 25% Diagnose C: 15% Diagnose D: 15% Ist die Verteilung der vier Diagnosen im Jahr 2014 anders als im Jahr 2009? Waldherr / Christodoulides Einführung in Quantitative Methoden 12/46
13 Beispiel 2 Fortsetzung H 0 : F (x) = F 0 (x) = 40% : 30% : 20% : 10%; H 1 : F (x) F 0 (x) Erwartete Häufigkeiten: Diagnose A: 40% von 320 = 128 Diagnose B: 30% von 320 = 96 Diagnose C: 20% von 320 = 64 Diagnose D: 10% von 320 = 32 Beobachtete Häufigkeiten: Diagnose A: 45% von 320 = 144 Diagnose B: 25% von 320 = 80 Diagnose C: 15% von 320 = 48 Diagnose D: 15% von 320 = 48 Waldherr / Christodoulides Einführung in Quantitative Methoden 13/46
14 Beispiel 2 Fortsetzung Erwartete und beobachtete Häufigkeiten Diagnose A Diagnose B Diagnose C Diagnose D e j f j χ 2 = ( )2 128 (80 96)2 (48 64)2 (48 32) = = df = 3, χ 2 3;0.95 = 7.82 Nullhypothese verwerfen Waldherr / Christodoulides Einführung in Quantitative Methoden 14/46
15 χ 2 -Anpassungstest Beispiel 2 (beliebige Verteilung) mit SPSS Vorgehen wie bei Beispiel 1 Schaltfläche Optionen: Waldherr / Christodoulides Einführung in Quantitative Methoden 15/46
16 χ 2 -Anpassungstest Beispiel 2 (beliebige Verteilung) mit SPSS Output: Waldherr / Christodoulides Einführung in Quantitative Methoden 16/46
17 χ 2 -Anpassungstest Beispiel 2 (beliebige Verteilung) mit SPSS Doppelklick auf Tabelle mit Ergebnis liefert Detailinformationen Waldherr / Christodoulides Einführung in Quantitative Methoden 17/46
18 Kolmogorov-Smirnov-Test (K-S-Test) Theoretische Verteilung stetig; bei diskreten Verteilungen anwendbar, jedoch weniger Macht Standardverfahren zur Prüfung auf NV Für kleine Stichproben besser geeignet als χ 2 -Test, da dieser approximativ und K-S exakt Basiert auf maximalem Abstand zwischen empirischer Verteilungsfunktion (kumulierte Häufigkeitsverteilung) und erwarteter Verteilungsfunktion F 0 (x) (z.b. Normalverteilung) Waldherr / Christodoulides Einführung in Quantitative Methoden 18/46
19 Konzeption K-S-Test Waldherr / Christodoulides Einführung in Quantitative Methoden 19/46
20 K-S-Test in SPSS Menü Analysieren Deskriptive Statistiken... Explorative Datenanalyse... Schaltfläche Diagramme Waldherr / Christodoulides Einführung in Quantitative Methoden 20/46
21 SPSS-Output K-S-Test Waldherr / Christodoulides Einführung in Quantitative Methoden 21/46
22 Ein-Stichproben-t-Test Hypothesen über µ einer normalverteilten Variable, wobei σ 2 unbekannt Mögliche Hypothesen: H 0 : µ = µ 0 ; H 1 : µ µ 0 H 0 : µ µ 0 ; H 1 : µ > µ 0 H0 : µ µ 0 ; H 1 : µ < µ 0 Prüft anhand des Mittelwerts einer Stichprobe ob der Erwartungswert in der entsprechenden Grundgesamtheit gleich einem vorgegebenen Wert ist (dem unter H 0 erwarteten µ 0 ). Vergleich eines Stichprobenmittelwertes mit einem hypothetischen Populationsparameter µ 0. Waldherr / Christodoulides Einführung in Quantitative Methoden 22/46
23 Ein-Stichproben-t-Test: Beispiel 1 Weicht der Mittelwert einer Zufallsstichprobe aus dem Iran, x I, in einem in Österreich entwickelten sprachfreien Intelligenztest signifikant vom Populationsparameter in Österreich, µ A = 100, ab? n = 108, Testpunkte normalverteilt, x I = 99.32, s I = 4.03, H 0 : µ I = 100; H 1 : µ I 100; α = 0.05 Teststatistik: T = X µ ˆσ n t (n 1) t = = df = 107, t 120;0.975 = 1.98, 1.75 < 1.98 H 0 beibehalten Waldherr / Christodoulides Einführung in Quantitative Methoden 23/46
24 Ein-Stichproben-t-Test mit SPSS Menü Analysieren Mittelwerte vergleichen T-Test bei einer Stichprobe... Waldherr / Christodoulides Einführung in Quantitative Methoden 24/46
25 SPSS-Output Ein-Stichproben-t-Test Waldherr / Christodoulides Einführung in Quantitative Methoden 25/46
26 Ein-Stichproben-t-Test: Beispiel 2 Stichprobe von n = 36 Schülern mit Unterricht in Darstellender Geometrie (DG) Raumvorstellungstest normiert in Population auf µ = 100 Es soll die Hypothese geprüft werden, dass Erwartungswert bei Schülern mit DG-Unterricht höher. H 0 : µ DG µ; H 1 : µ DG > µ; α = 0.05 x DG = , s DG = 4.15 NV gegeben Ein-Stichproben-t Test t = = df = 35, t 30;0.95 = 1.70, t 40;0.95 = 1.68 Richtung stimmt: unter H 1 positiver t-wert erwartet; 1.91 > 1.69 H 0 verworfen: Schüler mit DG-Unterricht haben überdurchschnittliche Testleistungen. Waldherr / Christodoulides Einführung in Quantitative Methoden 26/46
27 SPSS-Output Waldherr / Christodoulides Einführung in Quantitative Methoden 27/46
28 Ein-Stichproben-Verfahren im Überblick Test Prüfbare Hypothesen / Voraussetzungen χ 2 -Anpassungstest alle Verteilungen prüfbar absolute Häufigkeiten Kolmogorov-Smirnov-Test insbesondere stetige Verteilungen (NV) Ein-Stichproben-t-Test Vergleich eines x mit µ einer NV (µ, σ 2 ) σ 2 unbekannt, NV Binomialtest exakt Hypothesen über p einer B(n, p) NV-Approximation nicht möglich Binomialtest NV-App. Hypothesen über p einer B(n, p) NV-App. möglich (np und n(1 p) 5) Waldherr / Christodoulides Einführung in Quantitative Methoden 28/46
29 Vergleich zweier unabhängiger Varianzen Vergleich zweier unabhängiger x bei gleichen σ 2 Vergleich zweier unabhängiger x bei ungleichen σ 2 Unabhängige vs. abhängige Stichproben Abhängige Stichproben: die Elemente der zwei Stichproben können einander paarweise zugeordnet werden, weil beispielsweise die gleichen Personen zwei Mal befragt wurden (Messwiederholungen), es sich um Paare handelt (Geschwisterpaare, Ehepaare,..), oder die Personen aufgrund eines oder mehrerer Variablen parallelisiert wurden (z.b. aufgrund eines Vortests werden je zwei Personen mit gleicher Punktezahl zu Paaren zusammengefasst). Unabhängige Stichproben: es besteht kein Zusammenhang (keine Beziehung) zwischen den Elementen der Stichproben. Werte in der einen Stichprobe erlauben keine Vorhersage über Werte in der anderen Stichprobe (unkorreliert). Z.B.: zufällige Zuteilung von Personen in VG und KG; Zufallsstichproben aus zwei unterschiedlichen Populationen, z.b. Frauen und Männer (wobei es sich nicht um Paare handeln darf). Waldherr / Christodoulides Einführung in Quantitative Methoden 29/46
30 Vergleich zweier unabhängiger Varianzen Vergleich zweier unabhängiger x bei gleichen σ 2 Vergleich zweier unabhängiger x bei ungleichen σ 2 Vergleich zweier unabhängiger Varianzen: F -Test Unterscheiden sich die Varianzen zweier unabhängiger Stichproben aus normalverteilten Grundgesamtheiten? H 0,1 : σ 2 1 = σ2 2 ; H 1,1: σ 2 1 σ2 2 H 0,2 : σ 2 1 σ2 2 ; H 1,2: σ 2 1 > σ2 2 H 0,3 : σ 2 1 σ2 2 ; H 1,3: σ 2 1 < σ2 2 Prüfgröße: F = ˆσ2 1 ˆσ 2 2 df 1 = n 1 1, df 2 = n 2 1 Voraussetzungen: NV in jeder Population Achtung! Größere Varianz muss im Zähler stehen! H 0,1 : σ1 2 = σ2 2 wird verworfen, wenn F > F (df 1,df 2,1 α/2) H 0,2 und H 0,3 werden verworfen, wenn F > F (df1,df 2,1 α) Waldherr / Christodoulides Einführung in Quantitative Methoden 30/46
31 Vergleich zweier unabhängiger Varianzen Vergleich zweier unabhängiger x bei gleichen σ 2 Vergleich zweier unabhängiger x bei ungleichen σ 2 F -Test - Beispiel Im Rahmen eines Experimentes hört die Versuchsgruppe während der Bearbeitung eines Gedächtnistests Hintergrundmusik, die Kontrollgruppe bearbeitet den Test ohne Hintergrundmusik. Streuen die Testleistungen der beiden Bedingungen unterschiedlich stark? H 0 : σ 2 VG = σ2 KG ; H 1: σ 2 VG σ2 KG ; α = 0.05 s 2 VG = 8.5, s2 KG = 4.7, n VG = n KG = 50, NV der Daten in jeder Gruppe F = = 1.81 df 1 = 49, df 2 = 49 Tabelle 4b: F 50;50;0.975 = 1.75 < 1.81 H 0 wird verworfen Die Varianzen sind unterschiedlich. Waldherr / Christodoulides Einführung in Quantitative Methoden 31/46
32 Vergleich zweier unabhängiger Varianzen Vergleich zweier unabhängiger x bei gleichen σ 2 Vergleich zweier unabhängiger x bei ungleichen σ 2 t-test für unabhängige Stichproben mit gleichen Varianzen Unterscheiden sich die Mittelwerte zweier unabhängiger Stichproben aus normalverteilten Grundgesamtheiten signifikant voneinander? Stammen die beiden Stichproben aus zwei Populationen, in denen das Merkmal X identisch normalverteilt ist? Ungerichtete Hypothese: H 0 : µ 1 = µ 2 bzw. µ 1 µ 2 = 0 und σ 1 = σ 2 = σ H1 : µ 1 µ 2 bzw. µ 1 µ 2 0 und σ 1 = σ 2 = σ Gerichtete Hypothese z.b.: H 0 : µ 1 µ 2 bzw. µ 1 µ 2 0 und σ 1 = σ 2 = σ H 1 : µ 1 > µ 2 bzw. µ 1 µ 2 > 0 und σ 1 = σ 2 = σ Waldherr / Christodoulides Einführung in Quantitative Methoden 32/46
33 Vergleich zweier unabhängiger Varianzen Vergleich zweier unabhängiger x bei gleichen σ 2 Vergleich zweier unabhängiger x bei ungleichen σ 2 t-test für unabhängige Stichproben, Annahme gleicher Varianzen Zieht man aus 2 normalverteilten Populationen, N(µ 1, σ1 2) und N(µ 2, σ2 2 ), immer wieder zwei voneinander unabhängige Stichproben Verteilung der Differenzen der Stichprobenmittelwerte = Normalverteilung N(µ ( X1 X 2 ), σ2 ( X 1 X 2 ) ) = N(µ 1 µ 2, σ2 1 n 1 + σ2 2 n 2 ) Wegen Reproduktionseigenschaft der NV X 1 X 2 = X 1 + ( X 2 ) µ ( X1 X 2 ) = µ 1 + ( µ 2 ) = µ 1 µ 2 (Erwartungswert einer Differenz = Differenz der Erwartungswerte) Ist µ 1 = µ 2, sind die Differenzen normalverteilt mit µ ( X 1 X 2 ) = 0 σ 2 (X 1 X 2 ) = σ 2 (X 1 ) + σ 2 ( X 2 ) = σ 2 (X 1 ) + σ 2 (X 2 ) Waldherr / Christodoulides Einführung in Quantitative Methoden 33/46
34 Vergleich zweier unabhängiger Varianzen Vergleich zweier unabhängiger x bei gleichen σ 2 Vergleich zweier unabhängiger x bei ungleichen σ 2 Streuung der Mittelwertsdifferenz σ ( x1 x 2 ) Standardfehler des Mittelwertes σ 2 σ x = Standardfehler der Mittelwertsdifferenz σ1 2 σ ( x1 x 2 ) = + σ2 2 n 1 n 2 n Bei σ 2 1 = σ2 2 = σ2 σ ( x1 x 2 ) = σ 2 ( 1n1 + 1n2 ) Waldherr / Christodoulides Einführung in Quantitative Methoden 34/46
35 Vergleich zweier unabhängiger Varianzen Vergleich zweier unabhängiger x bei gleichen σ 2 Vergleich zweier unabhängiger x bei ungleichen σ 2 t-test für unabhängige Stichproben bei gleichen Varianzen Abweichung ( x 1 x 2 ) (µ 1 µ 2 ) in Relation zur Streuung der Mittelwertsdifferenz (= Standardfehler der Mittelwertsdifferenz) ( x 1 x 2 ) (µ 1 µ 2 ) σ ( x1 x 2 ) N(0, 1) Unter H 0 : µ 1 µ 2 = 0 x 1 x 2 σ ( x1 x 2 ) N(0, 1) Waldherr / Christodoulides Einführung in Quantitative Methoden 35/46
36 Vergleich zweier unabhängiger Varianzen Vergleich zweier unabhängiger x bei gleichen σ 2 Vergleich zweier unabhängiger x bei ungleichen σ 2 Varianzschätzung innerhalb Populationsvarianz nicht bekannt Schätzung aus Stichproben Beste Schätzung: gewichtete mittlere Varianzschätzung Varianzschätzung innerhalb (der Stichproben) ˆσ 2 = (n 1 1)ˆσ (n 2 1)ˆσ 2 2 (n 1 1) + (n 2 1) Waldherr / Christodoulides Einführung in Quantitative Methoden 36/46
37 Vergleich zweier unabhängiger Varianzen Vergleich zweier unabhängiger x bei gleichen σ 2 Vergleich zweier unabhängiger x bei ungleichen σ 2 Warum Varianzschätzung innerhalb? Unter H 1 beide Stichproben normalverteilt mit gleichem σ, aber unterschiedlichen Mittelwerten Würde man die Stichproben zu einer einzigen zusammenfassen und die Varianz berechnen, entstünde eine zweigipfelige Verteilung und man erhielte eine größere Varianz Waldherr / Christodoulides Einführung in Quantitative Methoden 37/46
38 Vergleich zweier unabhängiger Varianzen Vergleich zweier unabhängiger x bei gleichen σ 2 Vergleich zweier unabhängiger x bei ungleichen σ 2 Standardfehler der Mittelwertsdifferenz Standardfehler der Mittelwertsdifferenz bei σ 2 1 = σ2 2 = σ2 σ ( x1 x 2 ) = σ 2 ( 1n1 + 1n2 ) Schätzung des Standardfehlers der Mittelwertsdifferenz (n 1 1)ˆσ 1 2 ˆσ ( x1 x 2 ) = + (n 2 1)ˆσ 2 2 ( ) (n 1 1) + (n 2 1) n 1 n 2 Waldherr / Christodoulides Einführung in Quantitative Methoden 38/46
39 Vergleich zweier unabhängiger Varianzen Vergleich zweier unabhängiger x bei gleichen σ 2 Vergleich zweier unabhängiger x bei ungleichen σ 2 Prüfgröße t, unabhängige Stichproben, homogene Varianzen t = x 1 x 2 (n 1 1)ˆσ 2 1 +(n 2 1)ˆσ 2 2 (n 1 1)+(n 2 1) ( 1 n1 + 1 n2 ) df = n 1 + n 2 2 Zweiseitige H 0 wird verworfen, wenn t > t (df ;1 α/2) Einseitige H 0 wird verworfen, wenn Abweichung in die erwartete Richtung und t > t (df ;1 α) Waldherr / Christodoulides Einführung in Quantitative Methoden 39/46
40 Vergleich zweier unabhängiger Varianzen Vergleich zweier unabhängiger x bei gleichen σ 2 Vergleich zweier unabhängiger x bei ungleichen σ 2 t-test für unabhängige Stichproben und gleiche Varianzen - Voraussetzungen Unabhängige Stichproben Metrische Variable Normalverteilung in beiden Populationen Homogene Varianzen F -Test Sind Voraussetzungen für t-test erfüllt, ist er der mächtigste Test zum Vergleich zweier unabhängiger Stichproben Ist eine (oder mehrere) der Voraussetzungen nicht erfüllt, liegt keine t-verteilung vor, das reale α entspricht nicht dem vorgegebenen α und es kommt zu Fehlentscheidungen Waldherr / Christodoulides Einführung in Quantitative Methoden 40/46
41 Vergleich zweier unabhängiger Varianzen Vergleich zweier unabhängiger x bei gleichen σ 2 Vergleich zweier unabhängiger x bei ungleichen σ 2 Beispiel: t-test für unabhängige Stichproben und gleiche Varianzen Es soll überprüft werden, ob zusätzliches autogenes Training einen positiven Effekt bei der Behandlung von Depressionen hat. Klassischer Zwei-Gruppen-Versuchsplan: eine Gruppe von Patientinnen erhält nur die konventionelle Therapie (KG), eine zweite Gruppe erhält zusätzlich autogenes Training (VG). Operationalisierung des Effekts der Therapien: Scoredifferenz (vorher minus nachher) in einem Depressionsfragebogen. H 0 : µ VG µ KG, σ 2 VG = σ2 KG H 1 : µ VG > µ KG, σvg 2 = σ2 KG VG: x VG = 7.22, svg 2 = 6.12, n = 53 KG: x KG = 4.91, skg 2 = 6.54, n = 51 NV gegeben, α = 0.05 Waldherr / Christodoulides Einführung in Quantitative Methoden 41/46
42 Vergleich zweier unabhängiger Varianzen Vergleich zweier unabhängiger x bei gleichen σ 2 Vergleich zweier unabhängiger x bei ungleichen σ 2 Fortsetzung Beispiel Homogenität der Varianzen: H 0 : σ 2 1 = σ2 2, H 1: σ 2 1 σ2 2 F = = 1.07 df 1 = 50, df 2 = 52 Tabelle 4b: F 50;50;0.975 = 1.75 > 1.07 H 0 wird beibehalten, Varianzen sind homogen t = ( ) = 4.64, df = 102 Tabelle 3: t 102;0.95 = 1.66 < 4.64 H 0 verworfen, Ergebnis spricht dafür, dass autogenes Training zusätzlichen Effekt hat Waldherr / Christodoulides Einführung in Quantitative Methoden 42/46
43 Vergleich zweier unabhängiger Varianzen Vergleich zweier unabhängiger x bei gleichen σ 2 Vergleich zweier unabhängiger x bei ungleichen σ 2 Welch s t-test 2 unabhängige Stichproben aus normalverteilten Populationen Varianzen nicht gleich Prüfgröße t mit gepoolten Varianzen nicht anwendbar Näherungslösung: Prüfgröße t nach Welch t Welch = x 1 x 2 s 2 1 n 1 + s2 2 n 2 mit Korrektur der Freiheitsgrade ( ) s n 1 + s2 2 n 2 df = ( s 2 1 n 1 ) 2 n ( s 2 2 n 2 ) 2 n 2 1 df abrunden auf die nächste ganze Zahl, krit. Wert aus t-tabelle Waldherr / Christodoulides Einführung in Quantitative Methoden 43/46
44 Vergleich zweier unabhängiger Varianzen Vergleich zweier unabhängiger x bei gleichen σ 2 Vergleich zweier unabhängiger x bei ungleichen σ 2 t-test für unabhängige Stichproben mit SPSS Es soll überprüft werden, ob sich die beiden Gruppen (mit vs. ohne autogenes Training) bezüglich Alter unterscheiden. H 0 : µ 1 = µ 2, σ 1 = σ 2 ; H 1 : µ 1 µ 2, σ 1 = σ 2 ; α = 0.05 Waldherr / Christodoulides Einführung in Quantitative Methoden 44/46
45 Vergleich zweier unabhängiger Varianzen Vergleich zweier unabhängiger x bei gleichen σ 2 Vergleich zweier unabhängiger x bei ungleichen σ 2 t-test für unabhängige Stichproben mit SPSS Menü Analysieren Mittelwerte vergleichen T-Test bei unabhängigen Stichproben... Waldherr / Christodoulides Einführung in Quantitative Methoden 45/46
46 Vergleich zweier unabhängiger Varianzen Vergleich zweier unabhängiger x bei gleichen σ 2 Vergleich zweier unabhängiger x bei ungleichen σ 2 t-test für unabhängige Stichproben mit SPSS Waldherr / Christodoulides Einführung in Quantitative Methoden 46/46
Hypothesenprüfung. 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
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
MehrWiederholung 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
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
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
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 )
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
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
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
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
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
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)
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
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
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!
MehrForschungsmethodik II Mag.rer.nat. M. Kickmeier-Rust Karl-Franzens-Universität Graz. Lisza Gaiswinkler, Daniela Gusel, Tanja Schlosser
Kolmogorov-Smirnov-Test Forschungsmethodik II Mag.rer.nat. M. Kickmeier-Rust Karl-Franzens-Universität Graz 1 Kolmogorov- Smirnov Test Andrei Nikolajewitsch Kolmogorov * 25.4.1903-20.10.1987 2 Kolmogorov-
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
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
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
MehrZeit zum Kochen [in min] [10, 20[ [20, 30[ [30, 40[ [40, 50[ [50,60[ [60, 100] Hi
1. Susi und Fritzi bereiten ein Faschingsfest vor, dazu gehört natürlich ein Faschingsmenü. Ideen haben sie genug, aber sie möchten nicht zu viel Zeit fürs Kochen aufwenden. In einer Zeitschrift fanden
MehrWeitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell
Einfaktorielle Versuchspläne 27/40 Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell Abweichung Einfach Differenz Helmert Wiederholt Vergleich Jede Gruppe mit Gesamtmittelwert
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
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,
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
Mehr1.1.1 Ergebnismengen Wahrscheinlichkeiten Formale Definition der Wahrscheinlichkeit Laplace-Experimente...
Inhaltsverzeichnis 0 Einführung 1 1 Zufallsvorgänge und Wahrscheinlichkeiten 5 1.1 Zufallsvorgänge.......................... 5 1.1.1 Ergebnismengen..................... 6 1.1.2 Ereignisse und ihre Verknüpfung............
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
MehrGrundlegende Eigenschaften von Punktschätzern
Grundlegende Eigenschaften von Punktschätzern Worum geht es in diesem Modul? Schätzer als Zufallsvariablen Vorbereitung einer Simulation Verteilung von P-Dach Empirische Lage- und Streuungsparameter zur
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
MehrKapitel 12 Stetige Zufallsvariablen Dichtefunktion und Verteilungsfunktion. stetig. Verteilungsfunktion
Kapitel 12 Stetige Zufallsvariablen 12.1. Dichtefunktion und Verteilungsfunktion stetig Verteilungsfunktion Trägermenge T, also die Menge der möglichen Realisationen, ist durch ein Intervall gegeben Häufig
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
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
MehrVarianzanalyse ANOVA
Varianzanalyse ANOVA Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/23 Einfaktorielle Varianzanalyse (ANOVA) Bisher war man lediglich in der Lage, mit dem t-test einen Mittelwertsvergleich für
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/
MehrOnline-Aufgaben Statistik (BIOL, CHAB) Auswertung und Lösung
Online-Aufgaben Statistik (BIOL, CHAB) Auswertung und Lösung Abgaben: 92 / 234 Maximal erreichte Punktzahl: 7 Minimal erreichte Punktzahl: 1 Durchschnitt: 4 Frage 1 (Diese Frage haben ca. 0% nicht beantwortet.)
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 =
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
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
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
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
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
MehrSPSS III Mittelwerte vergleichen
SPSS III Mittelwerte vergleichen A Zwei Gruppen ------------ Zwei-Stichproben t-test Beispieldatei: Seegräser Fragestellung: Unterscheidet sich die Anzahl der Seegräser in Gebieten mit und ohne Seeigelvorkommen
Mehr1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests
1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests Statistische Tests dienen dem Testen von Vermutungen, so genannten Hypothesen, über Eigenschaften der Gesamtheit aller Daten ( Grundgesamtheit
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
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.
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
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
MehrI. Deskriptive Statistik 1
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Grundgesamtheit und Stichprobe.................. 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................
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
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:
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 9. Dezember 2010 1 Konfidenzintervalle Idee Schätzung eines Konfidenzintervalls mit der 3-sigma-Regel Grundlagen
MehrKategoriale Daten. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/17
Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/17 Übersicht Besitzen die Daten, die statistisch ausgewertet werden sollen, kategoriales Skalenniveau, unterscheidet man die folgenden Szenarien:
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
MehrDie Varianz (Streuung) Definition
Die (Streuung) Definition Diskrete Stetige Ang., die betrachteten e existieren. var(x) = E(X EX) 2 heißt der Zufallsvariable X. σ = Var(X) heißt Standardabweichung der X. Bez.: var(x), Var(X), varx, σ
MehrBivariate Kreuztabellen
Bivariate Kreuztabellen Kühnel, Krebs 2001 S. 307-342 Gabriele Doblhammer: Empirische Sozialforschung Teil II, SS 2004 1/33 Häufigkeit in Zelle y 1 x 1 Kreuztabellen Randverteilung x 1... x j... x J Σ
Mehr3 Häufigkeitsverteilungen
3 Häufigkeitsverteilungen 3.1 Absolute und relative Häufigkeiten 3.2 Klassierung von Daten 3.3 Verteilungsverläufe 3.1 Absolute und relative Häufigkeiten Datenaggregation: Bildung von Häufigkeiten X nominal
MehrWahrscheinlichkeits - rechnung und Statistik
Michael Sachs Mathematik-Studienhilfen Wahrscheinlichkeits - rechnung und Statistik für Ingenieurstudenten an Fachhochschulen 4., aktualisierte Auflage 2.2 Eindimensionale Häufigkeitsverteilungen 19 absolute
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
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
Mehr1 Gemischte Lineare Modelle
1 Gemischte Lineare Modelle Wir betrachten zunächst einige allgemeine Aussagen für Gemischte Lineare Modelle, ohne zu tief in die mathematisch-statistische Theorie vorzustoßen. Danach betrachten wir zunächst
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
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:
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:
MehrLage- und Streuungsparameter
Lage- und Streuungsparameter Beziehen sich auf die Verteilung der Ausprägungen von intervall- und ratio-skalierten Variablen Versuchen, diese Verteilung durch Zahlen zu beschreiben, statt sie graphisch
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
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
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
MehrPsychologische Methodenlehre und Statistik II
Psychologische Methodenlehre und Statistik II Pantelis Christodoulides & Karin Waldherr 9. Juni 2010 Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 1/47 Allgemeines
MehrKapitel 38 Verteilungsdiagramme
Kapitel 38 Verteilungsdiagramme Mit Verteilungsdiagrammen können Sie grafisch untersuchen, inwieweit die Stichprobenverteilung einer Variablen mit einer theoretischen Verteilung übereinstimmt. So können
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
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
MehrMittelwertvergleiche, Teil II: Varianzanalyse
FB 1 W. Ludwig-Mayerhofer Statistik II 1 Herzlich willkommen zur Vorlesung Mittelwertvergleiche, Teil II: FB 1 W. Ludwig-Mayerhofer Statistik II 2 : Wichtigste Eigenschaften Anwendbar auch bei mehr als
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrInstitut für Soziologie Werner Fröhlich. Methoden 2. Kontingenztabellen Chi-Quadrat-Unabhängigkeitstest
Institut für Soziologie Methoden 2 Kontingenztabellen Chi-Quadrat-Unabhängigkeitstest Aufbau der Sitzung Was sind Kontingenztabellen? Wofür werden Kontingenztabellen verwendet? Aufbau und Interpretation
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
Mehrt-test für abhängige Stichproben
Inhaltsverzeichnis t-test für abhängige Stichproben... 2 Lernhinweise... 2 Einführung... 3 Theorie (1-7)... 4 1. Inhaltliche Fragestellung... 4 2. Statistisch bearbeitbare Fragestellung... 5 3. Prüfgrösse...
Mehr7 Kategoriale Daten. 7.1 Eine kategoriale Variable Der χ 2 -Anpassungstest
7 Kategoriale Daten Kategoriale Daten erhält man durch Klassifikation von auftretenden Beobachtungen in verschiedene Kategorien. Der Definition 6.1.3 folgend, sind dies also Daten, die nominalskaliert
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
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
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
MehrBiostatistik Erne Einfuhrung fur Biowissenschaftler
Matthias Rudolf Wiltrud Kuhlisch Biostatistik Erne Einfuhrung fur Biowissenschaftler PEARSON Studium Inhaltsverzeichnis Vorwort xi Kapitel 1 Einfiihrung 1 1.1 Biostatistik als Bestandteil biowissenschafllicher
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.)
MehrPrüfen von Mittelwertsunterschieden: t-test
Prüfen von Mittelwertsunterschieden: t-test Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) t-test
MehrStatistik. Datenanalyse mit EXCEL und SPSS. Prof. Dr. Karlheinz Zwerenz. R.Oldenbourg Verlag München Wien. Von
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz R.Oldenbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL I GRUNDLAGEN
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
MehrTutorial: Vergleich von Anteilen
Tutorial: Vergleich von Anteilen Die Sicherung des Pensionssystems ist in vielen Ländern ein heikles Thema. Noch stärker als der Streit, wer wann welche Pension beziehen können soll, tobt ein Streit, welche
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
MehrChi Quadrat-Unabhängigkeitstest
Fragestellung 1: Untersuchung mit Hilfe des Chi-Quadrat-Unabhängigkeitstestes, ob zwischen dem Herkunftsland der Befragten und der Bewertung des Kontaktes zu den Nachbarn aus einem Anderen Herkunftsland
MehrStatistik-Übungsaufgaben
Statistik-Übungsaufgaben 1) Bei der Produktion eine Massenartikels sind erfahrungsgemäß 20 % aller gefertigten Erzeugnisse unbrauchbar. Es wird eine Stichprobe vom Umfang n =1000 entnommen. Wie groß ist
MehrTest auf einen Anteilswert (Binomialtest) Vergleich zweier Mittelwerte (t-test)
Spezielle Tests Test auf einen Anteilswert (Binomialtest) Vergleich zweier Anteilswerte Test auf einen Mittelwert (Ein-Stichproben Gauss bzw. t-test) Vergleich zweier Mittelwerte (t-test) Test auf einen
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
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
MehrBeurteilende Statistik
Beurteilende Statistik Wahrscheinlichkeitsrechnung und Beurteilende Statistik was ist der Unterschied zwischen den beiden Bereichen? In der Wahrscheinlichkeitstheorie werden aus gegebenen Wahrscheinlichkeiten
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)
Mehr