Psychophysik und Skalierung. PWP 1 Skalierung in der Psychophysik. Logarithmische Funktion. Beispiel Lautstärke
|
|
- Marta Hase
- vor 6 Jahren
- Abrufe
Transkript
1 Psychophysik und Skalierung PWP 1 Skalierung in der Psychophysik WiSe 2007 Psychophysik geprägt durch Fechner 1860 Zusammenhang externer physikalischer Stimuli (Reize) und Wahrnehmung Skalierung Quantifizierung von Sinneseindrücken psychophysische Funktion Zusammenhang zwischen Empfindung, Wahrnehmung oder anderen mentalen Vorgängen und physikalischen Vorgängen Beispiel Lautstärke Logarithmische Funktion Physikalische Intensität (Schalldruck) lauter Binaural (vs. monaural) lauter Quantifizierung? nicht linear Chor mit 100 Mitgliedern nicht 10 lauter als einer mit 10 Mitgliedern Abnehmender Grenznutzen (Bernoulli, 17. Jhd.) 1000 Mark tragen mehr zum Glück eines armen als eines reichen Menschen bei Skala mit abnehmender Steigung Logarithmus mögliche aber nicht einzige Funktion Fechner hat Erkenntnis, daß die psychophysische Funktion logarithmisch sein muß. Weber zeigt, daß die kleinste bemerkbare Differenz (just notable difference) zweier Reize von der absoluten Stärke der Reize abhängt. Weber postuliert die Gleichheit von JNDs logarithmische psychophysische Funktion
2 Weber-Fechner Direktere Messungen Weber min. Differenz zweier unterscheidbarer phys. Stimuli φ ist proportional zur absoluten Intensität der Stimuli φ = const φ φ Fechner Bei jedem JND bleibt die wahrgenommene Intensitätssteigerung ψ konstant Absolute Wahrnehmungsintensität ist proportional der Summe aller JNDs ab der Wahrnehmungsschwelle ψ(φ) = JNDs = ( ψ) = c φ φ Nur indirekt durch Diskriminationsexperimente meßbar Partitionierung Streckenteilung: 3 Reize A, B, C: Stellen Sie B so ein, daß er genau zwischen A und C liegt Doppelstimuli Stellen Sie 2. Reiz doppelt so intensiv ein, wie Vergleichsreiz direkte Messung der Intensitätsempfindung Gibt es absolute Wahrnehmungsintensität? Direkte vs. indirekte Messung Viele Zweifel, ob man überhaupt von absoluter Wahrnehmung sprechen kann z. B. James: scharlachrot ist nicht rosa mit noch mehr rosa (addierte JNDs) Heute geht man in den meisten Theorien von einer absoluten Wahrnehmung aus. Fechner und andere bleiben bei Diskrimination als Meßmethode, weil sie bezweifeln, daß man absolute Intensitätswahrnehmung messen kann. Wahrnehmungsaussagen immer in Theorie eingebettet Nie wirklich direkt meßbar Unterscheidung zwischen direkter und indirekter Wahrnehmungsmessung je nachdem, ob VPs direkt nach Unterschieden oder Größen von Wahrnehmungseindrücken gefragt werden oder nur nach ordinaler Information zur Unterscheidung zweier Stimuli. Skalenniveau unklar
3 Skalenniveau Metrische vs. nicht-metrische Messungen Meist Versuch auf Intervall- oder Verhältnisskalenniveau Fälschlicherweise oft durch einfache Übertragung des Skalenniveaus des physikalischen Testreizes (z. B. Helligkeit) Nur möglich nur durch Einbettung in Theorie (wenn überhaupt) metrische vs. nicht-metrische Messungen metrische Messung = direkt z. B. durch Befragung der VP wieviel stärker ist Reiz B im Vergleich zu A? metrische Messungen oft inkonsistent durch nicht beobachtbare nichtlineare Transformationen; z. B. Abstand A B = 10, B C = 12.6 aber A C = 45 Einheiten. Versuch der Reskalierung durch mathematische Transformation; z. B. 10 = 3.16, 12.6 = 3.55, 45 = 6.71 Oder Wegwerfen der Skalierung durch VP und Nutzung der nicht-metrischen Daten. nicht-metrische Messung = nur durch Vergleiche (ordinal) Aufbau einer Skala durch nicht-metrische ordinalen Information nach Shepard (1966) reicht Ranginformation unter bestimmten Randbedingungen zum Aufbau einer Intervallskala Fechnersche Diskriminationsskala Kombination mit Webers Gesetz JND: Abstand zwischen 2 Reizen, die mit bestimmter Häufigkeit (z. B. 75%) unterschieden werden können Alle JNDs definieren Paare von phys. Stimuli, die gleich gut diskriminiert werden können psychologische Skala Ψ durch Annahme, daß 2 gleich unterscheidbare Reize den gleichen psychologischen Abstand haben Ψ konstant und Einheit des psychologischen Abstands physikalische Größe des JND φ φ φ φ = c ; konstant Kombininiert man beide, erhält man das Weber-Fechnersche Gesetz ψ = k log φ φ 0 ; φ 0 = physikalische Reizstärke bei Wahrnehmungsschwelle φ φ ist nur über beschränkten Bereich konstant. Skalierung durch Addition von JNDs trotzdem möglich, aber kein logarithmisches Gesetz über gesamten Bereich
4 Bsp. Dol-Skala des Schmerzes JND als psychologische Einheit Fechners Annahme: Jedes JND gleiche Änderung der Wahrnehmungsstärke Steigung der psychophysischen Funktion invers proportional zu φ. Widerspruch durch andere Meßmethoden z. B. Hellman (1987) bei Lautstärkeexperiment auch bei anderen Modalitäten Widersprüche gefunden Erweiterungen Methoden zur Messung von absoluten und Unterschiedsschwellen. Ekmans Gesetz Theghtsoonian (1971): b = konstant über verschieden Modalitäten Weder Weber-Fechner noch Erweiterungen allgemeingültig, aber gute Annährung in bestimmten Bereichen. Erweiterung mit großer Ähnlichkeit zur Signalentdeckungstheorie durch Thurstone. Grenzmethode: Präsentation des Stimulus mit aufsteigender oder absteigender Stärke. VP soll sagen, wenn sie den Reiz wahrnimmt, bzw. gerade nicht mehr wahrnimmt. Probleme: Bias, Perseveration Herstellungsmethode: VP kann Stärke des Reizes selbst langsam verändern bis zu dem Punkt, an dem sie den Reiz wahr nimmt. Konstanzmethode: Randomisierte Präsentation von Stimuli verschiedener Stärke. Psychophysische Funktion aus Anteil der Stimuli, die die VP entdecken konnte. Beste aber aufwändigste Methode.
5 Equidistante Partitionierung keine ordinale Entscheidung zwischen 2 Reizen Messung subjektiver Größe durch Teilung (Partitionierung) einer kontinuierlichen psychologischen Größe Versuch der Konstruktion einer Intervallskala 2 Methoden equidistante Partitionierung (equisection scaling) kategorische Skalierung Einteilung des Abstands zweier Reize in n gleiche Intervalle bisectioning als einfachste Form direkt in psychophysische Funktion überführbar y-achse: n-intervalle bzw. n+1 verschiedene Reize mit willkürlichen Einheiten x-achse: physikalische Meßwerte Simultane vs. progressive Messung Beispiel nach Stevens und Volkmann 3 Skalen über 3 Frequenzbereiche Zusammensetzen durch graphische Methoden
6 Gültigkeit der Skalierung Kategorische Skalierung Skalenbildung immer möglich keine Möglichkeit zu Testen, ob die interne Skala wirklich so ist Validierung durch andere Messungen z. B. sollte der Punkt B einer Streckenteilung von AC auch bei einer Einteilung in 4 Intervalle der Mittelpunkt bleiben. im Beispiel von Stevens sind die überlappenden Bereiche der Funktion konsistent. Nur dadurch ist das Zusammenfassen möglich. Ziel ist Intervallskala (wie bei equidistanter Skalierung) Zuordnung eines Wertes (Kategorie) zu gegebenem Stimulus (bei equidistanter Skalierung wird Stimulus angepaßt) z. B. 5-Punkt Skala: größter Stimulus 5, kleinster 1 VP soll Stimuli dazwischen Werte zuordnen Werte sollen Abstände zwischen Wahrnehmungsgrößen (linear) widerspiegeln Meßwiederholung (bei derselben oder mehreren VPs) Psychophysische Funktion: Mittelwerte der Kategoriewertungen vs. physikalische Stimuli Antwortbias Wertung eines Stimulus sollte unabhängig vom Vorhandensein anderer Stimuli sein VPs tendieren dazu alle Kategorien gleich oft zu belegen, auch wenn Stimulusgrößen nicht gleichverteilt sind viele Stimuli mit geringer Intesität Verstärkung des Effekts der abnehmenden Steigung (obere Kurve) viele Stimuli mit hoher Intesität Abflachung der psychophysichen Funktion bis zur Linerität (untere Kurve) oder darüber hinaus Abschwächung des Bias VPs tendieren dazu alle Kategorien zu nutzen unabhängig von der wirklichen Bandbreite der Stimulusintensitäten VPs tendieren dazu die Kategorien gleichmäßig zu belegen unabhängig von der wirklichen Verteilung der Stimulusintensitäten Gegensteuern durch iterative Prozeduren (mehrfache Einteilung der Intensitäten in Unterskalen und Messung der Skalenteile) verbale Kategorisierung
7 Fletcher und Munson, 1933 direkte Skalierung mit Ziel Verhältnisskala Merkel (1888): φ bei Verdoppelung der wahrgenommenen Intensität Fullerton und Cattel (1892): VPs sollen Intensität eines Stimulus so einstellen, daß er ein vorgegebenes Vielfaches oder einen Bruchteil des Ausgangsstimulus ergibt. Durchbruch bei Lautheitswahrnehmung in den 30ern Versagen der logarithmischen (fechnerschen) db-skala bei Lautheit nach S. S. Stevens Ross (1930) Vergleichsstimulus mit vorgegebener Intensität 1 Zuordnung von Intensitäten zu anderen präsentierten Stimuli Potenzfunktion (power function) statt Logarithmus 2 Annahmen 1. binaurale Wahrnehmung doppelt so laut wie monaurale 2. lineare Addition, wenn Frequenzbänder weit getrennt sind Log-Log-Graph linear bei db mit Steigung 0.3 (direkte Skalierung) Zwei Methoden der direkten Skalierung VPs quantifizieren wahrgenommene Stimulusintensität Eingeführt 1930 durch Ross Aus- und weitergeführt durch Stevens (1953,1955,1975) Zahlreiche Untersuchungen zeigen Zusammenhang zwischen Antwort R und Stimulusintensität φ der Form R = k φ β Stevens schlägt für psychophysische Funktion vor: Ψ = k φ β (für β < 0 sehr ähnlich Fechner) Annahme Ψ R (Ψ absolut wahrgenommene interne Repräsentation der Stimulusintensität. 1. Standardreiz mit vom VL vorgegebenem Rating 2. VPs quantifizieren Intensitäten ohne Standardreiz Zuordnung zum 1. Stimulus willkürlich durch VP keine Beschränkung der möglichen positiven Zahlen Bias falls Standard des VL nicht natürlichem Empfinden der VP entspricht Zusammenfassung der Werte meist über Median oder geometrisches Mittel
8 Messung mehrerer Parameter Messung von 6 8 Intensitäten je 8 10 mal in randomisierter Reihenfolge meist ausreichend Möglichkeit Veränderung mehrerer Parameter Bsp. Wärmeempfinden in Abhängigkeit von bestrahlter Fläche Vorgehen umgekehrt zu mag. estimation VP erhält Standardreiz und soll Intensität so verstellen, daß sie einem vorgegebenen Verhältnis entspricht Als Korrektur zu Biasfehlern bei Intensitätsschätzung VP tendieren dazu, Extreme zu vermeiden Schätzung für geringe Intensitäten zu hoch eingestellte Intensität bei geringen vorgegebenen Werten zu hoch 2 Geradensteigungen. Annahme, dass die wirkliche Wahrnehmung zwischen den Bias liegt. Literatur Alle Beispiele und Zitate aus folgendem Übersichtsartikel Marks, L. E. und G. A. Gescheider (2002) Psychophysical scaling. In: Pashler, H. (Hrsg.), Stevens Handbook of Experimental Psychology, Band 4, Kapitel 3, Seiten Wiley, New York, dritte Auflage.
Zur Geschichte der Psychophysik Gustav Theodor Fechner
Zur Geschichte der Psychophysik Gustav Theodor Fechner Wiederholung: Kant: Die Möglichkeit der Mathematik beruht auf den a priori gegebenen Anschauungsformen Raum und Zeit Die Psyche ist nur auf die Zeit
MehrGrundbegriffe (1) Grundbegriffe (2)
Grundbegriffe (1) S.1 Äquivalenzklasse Unter einer Äquivalenzklasse versteht man eine Klasse von Objekten, die man hinsichtlich bestimmter Merkmalsausprägungen als gleich (äquivalent) betrachtet. (z.b.
MehrWiederholung Statistik I. Statistik für SozialwissenschaftlerInnen II p.8
Wiederholung Statistik I Statistik für SozialwissenschaftlerInnen II p.8 Konstanten und Variablen Konstante: Merkmal hat nur eine Ausprägung Variable: Merkmal kann mehrere Ausprägungen annehmen Statistik
MehrKapitel III - Merkmalsarten
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Statistik 1 - Deskriptive Statistik Kapitel III - Merkmalsarten Markus Höchstötter Lehrstuhl für Statistik, Ökonometrie
MehrDatenerhebung, Skalenniveaus und Systemdatei
Datenerhebung, Skalenniveaus und Systemdatei Institut für Geographie 1 Beispiele für verschiedene Typen von Fragen in einer standardisierten Befragung (3 Grundtypen) Geschlossene Fragen Glauben Sie, dass
MehrVorlesung Usability and Interaction
Vorlesung Usability and Interaction Sommersemester 2009 Dr. -Ing. Thomas Schlegel Leiter Team und Forschungsgebiet Interaktive Systeme Institut für Visualisierung und interaktive Systeme Universitätsstraße
MehrDeskriptive Statistik Kapitel III - Merkmalsarten
Deskriptive Statistik Kapitel III - Merkmalsarten Georg Bol bol@statistik.uni-karlsruhe.de hoechstoetter@statistik.uni-karlsruhe.de April 26, 2006 Typeset by FoilTEX Agenda 1. Merkmalsarten 2. Skalen 3.
MehrDATENERHEBUNG: MESSEN-OPERATIONALISIEREN - SKALENARTEN
DATENERHEBUNG: MESSEN-OPERATIONALISIEREN - SKALENARTEN Was ist Messen? Messen - im weitesten Sinne - ist die Zuordnung von Zahlen zu Objekten und Ereignissen entsprechend einer Regel (Def. nach Stevensen
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.
MehrWas heißt messen? Konzeptspezifikation Operationalisierung Qualität der Messung
Was heißt messen? Ganz allgemein: Eine Eigenschaft eines Objektes wird ermittelt, z.b. die Wahlabsicht eines Bürgers, das Bruttosozialprodukt eines Landes, die Häufigkeit von Konflikten im internationalen
MehrEinleitung. Klassische Methoden zur Messung von Empfindungsschwellen
Marino Menozzi & Adrian Schwaninger und Klassische Methoden Philosophische Überlegungen Phänomenales und Physikalisches Das Leib- Seele Problem Wichtigster Vorläufer:.H. Weber Begründer der Psychophysik:
Mehr3. Merkmale und Daten
3. Merkmale und Daten Ziel dieses Kapitels: Vermittlung des statistischen Grundvokabulars Zu klärende Begriffe: Grundgesamtheit Merkmale (Skalenniveau etc.) Stichprobe 46 3.1 Grundgesamtheiten Definition
Mehr3. Leistungsdichtespektren
Stochastische Prozesse: 3. Leistungsdichtespektren Wird das gleiche Geräusch mehrmals gemessen, so ergeben sich in der Regel unterschiedliche zeitliche Verläufe des Schalldrucks. Bei Geräuschen handelt
MehrEmpirisches Praktikum
Empirisches Praktikum SoSe 2007 Was determiniert die Intensität der Reizwahrnehmung? Ablauf: Gruppentermine 27.7.07 Praktische Einführung: EEG/EKP 4.5.07 Psychophysiologie 1: EEG/EKPs 11.5.07 Psychophysiologie
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
MehrMathematik 1 für Naturwissenschaften
Hans Walser Mathematik für Naturwissenschaften Modul 0 Einführung Hans Walser: Modul 0, Einführung ii Inhalt Zahlen.... Natürliche Zahlen.... Ganze Zahlen.... Rationale Zahlen.... Reelle Zahlen... Smbole....
MehrAlle weiteren Messoperationen schließen die Klassifikation als Minimaloperation ein.
1 unterschiedliche Skalenniveaus Wir haben zuvor schon kurz von unterschiedlichen Skalenniveaus gehört, nämlich dem: - Nominalskalenniveau - Ordinalskalenniveau - Intervallskalenniveau - Ratioskalenniveau
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
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
MehrForschungsmethoden in der Sozialen Arbeit
Forschungsmethoden in der Sozialen Arbeit Fachhochschule für Sozialarbeit und Sozialpädagogik Alice- Salomon Hochschule für Soziale arbeit, Gesundheit, Erziehung und Bildung University of Applied Sciences
MehrPsychoakustische Phänomene. Proseminar Musikalische Datenbanken Matthias Voh
Psychoakustische Phänomene Proseminar Musikalische Datenbanken Matthias Voh 08.12.2003 Gliederung 1. Psychoakustik 2. Psychoakustische Phänomene 1. Ruhehörschwelle und Hörfläche 2. Wahrnehmung der Tonhöhe
MehrPhasen des Forschungsprozesses (hypothesenprüfende Studie)
Phasen des Forschungsprozesses (hypothesenprüfende Studie) Konzeptspezifikation/ Operationalisierung/Messung rot: Planungsphase Auswahl des Forschungsproblems Theoriebildung Auswahl der Untersuchungseinheiten
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt Methodenlehre Mathematische und statistische Methoden I Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Dr. Malte Persike persike@uni-mainz.de
MehrFachrechnen für Tierpfleger
Z.B.: Fachrechnen für Tierpfleger A10. Statistik 10.1 Allgemeines Was ist Statistik? 1. Daten sammeln: Durch Umfragen, Zählung, Messung,... 2. Daten präsentieren: Tabellen, Grafiken 3. Daten beschreiben/charakterisieren:
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden I Dr. Malte Persike persike@uni-mainz.de
Mehr5 Kontinuierliches Wachstum
5 Kontinuierliches Wachstum Kontinuierlich meßbare Größe Wir betrachten nun eine Größe a, die man kontinuierlich messen kann. Den Wert von a zum Zeitpunkt t schreiben wir nun als a(t). Wir können jedem
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 07052013 Mittelwerte und Lagemaße II 1 Anwendung und Berechnung
Mehr1. Frequenzgehalt. Quadratischer Mittelwert:
Quadratischer Mittelwert: 1. Frequenzgehalt Bei stationären Vorgängen ist der zeitliche Mittelwert des Schalldrucks null. Ein Maß für die Größe des Schalldrucks ist der quadratische Mittelwert: p = lim
MehrEinführung in die Maximum Likelihood Methodik
in die Maximum Likelihood Methodik Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Gliederung 1 2 3 4 2 / 31 Maximum Likelihood
MehrUnivariate Häufigkeitsverteilungen Kühnel, Krebs 2001: Statistik für die Sozialwissenschaften, S.41-66
Univariate Häufigkeitsverteilungen Kühnel, Krebs 2001: Statistik für die Sozialwissenschaften, S.41-66 Gabriele Doblhammer: Empirische Sozialforschung Teil II, SS 2004 1/19 Skalenniveaus Skalenniveau Relation
MehrBitte am PC mit Windows anmelden!
Einführung in SPSS Plan für heute: Grundlagen/ Vorwissen für SPSS Vergleich der Übungsaufgaben Einführung in SPSS http://weknowmemes.com/generator/uploads/generated/g1374774654830726655.jpg Standardnormalverteilung
MehrStatistik für das Psychologiestudium
Dieter Rasch / Klaus D. Kubinger Statistik für das Psychologiestudium Mit Softwareunterstützung zur Planung und Auswertung von Untersuchungen sowie zu sequentiellen Verfahren ELSEVIER SPEKTRUM AKADEMISCHER
MehrSTATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich)
WS 07/08-1 STATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich) Nur die erlernbaren Fakten, keine Hintergrundinfos über empirische Forschung etc. (und ich übernehme keine Garantie) Bei der Auswertung von
MehrEmpirische Verteilungsfunktion
Empirische Verteilungsfunktion H(x) := Anzahl der Werte x ist. Deskriptive
MehrBei näherer Betrachtung des Diagramms Nr. 3 fällt folgendes auf:
18 3 Ergebnisse In diesem Kapitel werden nun zunächst die Ergebnisse der Korrelationen dargelegt und anschließend die Bedingungen der Gruppenbildung sowie die Ergebnisse der weiteren Analysen. 3.1 Ergebnisse
MehrWas ist Lärm? Schall. Ton, Klang und Geräusch
Theoretische Grundlagen Was ist Lärm? Um das Phänomen Lärm verstehen zu können und um sich im Dschungel der später verwendeten Fachausdrücke nicht zu verlieren, sollte man über die wesentlichen physikalischen
MehrVortrag zur Helligkeitswahrnehmung
Vortrag zur Helligkeitswahrnehmung Kapitel 5 Seeing Brightness des Buches Eye and Brain the psychology of seeing von Richard L. Gregory Vortragender: Stefan Magalowski 1/33 Inhalt o Dunkeladaption o Anpassung
MehrInhaltsverzeichnis Mathematik
1. Mengenlehre 1.1 Begriff der Menge 1.2 Beziehungen zwischen Mengen 1.3 Verknüpfungen von Mengen (Mengenoperationen) 1.4 Übungen 1.5 Übungen (alte BM-Prüfungen) 1.6 Zahlenmengen 1.7 Grundmenge (Bezugsmenge)
Mehr6 Vertiefende Themen aus des Mechanik
6 Vertiefende Themen aus des Mechanik 6.1 Diagramme 6.1.1 Steigung einer Gerade; Änderungsrate Im ersten Kapitel haben wir gelernt, was uns die Steigung (oft mit k bezeichnet) in einem s-t Diagramm ( k=
MehrPegelrechnung. Version Holger Stolzenburg. SAE-Hamburg
Version 2.4 Inhaltsverzeichnis 1 Pegel...4 1.1 Absolute Pegel...4 1.1.1 Leistungspegel...4 1.1.2 Schalldruckpegel...4 1.1.3 Spannungspegel (Tonstudiotechnik)...4 1.1.4 Spannungspegel (Hifi-Technik)...4
MehrSkalenniveaus =,!=, >, <, +, -
ZUSAMMENHANGSMAßE Skalenniveaus Nominalskala Ordinalskala Intervallskala Verhältnisskala =,!= =,!=, >, < =,!=, >, ,
MehrInhaltsverzeichnis. Vorwort
V Vorwort XI 1 Zum Gebrauch dieses Buches 1 1.1 Einführung 1 1.2 Der Text in den Kapiteln 1 1.3 Was Sie bei auftretenden Problemen tun sollten 2 1.4 Wichtig zu wissen 3 1.5 Zahlenbeispiele im Text 3 1.6
MehrP (X = 2) = 1/36, P (X = 3) = 2/36,...
2.3 Zufallsvariablen 2.3 Zufallsvariablen Meist sind die Ereignisse eines Zufallseperiments bereits reelle Zahlen. Ist dies nicht der Fall, kann man Ereignissen eine reelle Zahl zuordnen. Zum Beispiel
MehrDaten, Datentypen, Skalen
Bildung kommt von Bildschirm und nicht von Buch, sonst hieße es ja Buchung. Daten, Datentypen, Skalen [main types of data; levels of measurement] Die Umsetzung sozialwissenschaftlicher Forschungsvorhaben
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:
MehrKartographische Visualisierung
Kartographische Visualisierung Kartenmodellierung Modellierung von Karten Ziel der Kartenmodellierung: Geodaten angemessen abbilden (repräsentieren) Informationen mit der Karte vermitteln (präsentieren).
Mehr8. Statistik Beispiel Noten. Informationsbestände analysieren Statistik
Informationsbestände analysieren Statistik 8. Statistik Nebst der Darstellung von Datenreihen bildet die Statistik eine weitere Domäne für die Auswertung von Datenbestände. Sie ist ein Fachgebiet der Mathematik
MehrIK Ökonomische Entscheidungen & Märkte
LVA-Leiter: Martin Halla Einheit 4: Das Verbraucherverhalten (Kapitel 3) Einheit 4-1 - Verbraucherverhalten Budgetbeschränkung: Man kann nicht alles haben, was man sich wünscht! Konsumentenpräferenzen:
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
Mehr0 Einführung: Was ist Statistik
0 Einführung: Was ist Statistik 1 Datenerhebung und Messung Die Messung Skalenniveaus 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Grundbegriffe Statistische Einheit,
MehrEinführung in die Wahrscheinlichkeitsrechnung
Einführung in die Wahrscheinlichkeitsrechnung Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung
Mehr8-1 Funktionen. 8. Funktionen.
8-1 Funktionen 8 Funktionen 81 Funktionen mit ähnlichem Aussehen Beim Studium spezieller Funktionen zeigt sich, dass ganz verschiedenartige Funktionen durchaus ähnliche Verhaltensweisen zeigen können Sucht
MehrAnteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen. Anteile Häufigkeiten Verteilungen
DAS THEMA: VERTEILUNGEN LAGEMAßE - STREUUUNGSMAßE Anteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen Anteile Häufigkeiten Verteilungen Anteile und Häufigkeiten Darstellung
MehrInhaltsverzeichnis. Vorwort Kapitel 1 Einführung, I: Algebra Kapitel 2 Einführung, II: Gleichungen... 57
Vorwort... 13 Vorwort zur 3. deutschen Auflage... 17 Kapitel 1 Einführung, I: Algebra... 19 1.1 Die reellen Zahlen... 20 1.2 Ganzzahlige Potenzen... 23 1.3 Regeln der Algebra... 29 1.4 Brüche... 34 1.5
MehrPP Physikalisches Pendel
PP Physikalisches Pendel Blockpraktikum Frühjahr 2007 (Gruppe 2) 25. April 2007 Inhaltsverzeichnis 1 Einführung 2 2 Theoretische Grundlagen 2 2.1 Ungedämpftes physikalisches Pendel.......... 2 2.2 Dämpfung
Mehr49 Mathematik für Biologen, Biotechnologen und Biochemiker
49 Mathematik für Biologen, Biotechnologen und Biochemiker 43 Momentane Wachstumsrate, Zuwachsrate pro Zeiteinheit und die Verdoppelungszeit Jede Exponentialfunktion f(t) = c exp(t) ist durch die beiden
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
MehrKapitel 2. Häufigkeitsverteilungen
6 Kapitel 2 Häufigkeitsverteilungen Ziel: Darstellung bzw Beschreibung (Exploration) einer Variablen Ausgangssituation: An n Einheiten ω,, ω n sei das Merkmal X beobachtet worden x = X(ω ),, x n = X(ω
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
MehrDas Histogramm ist glockenförmig. Es würde bei mehr als vier Fehlerquellen sich der Glockenform noch besser annähern.
10. Stetige Zufallsvariable, Normalverteilung 55 Die in den folgenden Beispielen dargestellten Verteilungen haben ungefähr Glockenform. Sie können durch die sogenannte Normalverteilung oder Gaussverteilung
MehrDr. Barbara Lindemann. Fragebogen. Kolloquium zur Externen Praxisphase. Dr. Barbara Lindemann 1
Dr. Barbara Lindemann Fragebogen Kolloquium zur Externen Praxisphase Dr. Barbara Lindemann 1 Überblick 1. Gütekriterien quantitativer Forschungen 2. Fragebogenkonstruktion 3. Statistische Datenanalyse
MehrElastizität und Torsion
INSTITUT FÜR ANGEWANDTE PHYSIK Physikalisches Praktikum für Studierende der Ingenieurswissenschaften Universität Hamburg, Jungiusstraße 11 Elastizität und Torsion 1 Einleitung Ein Flachstab, der an den
MehrGrundlagen der Datenanalyse am Beispiel von SPSS
Grundlagen der Datenanalyse am Beispiel von SPSS Einführung Dipl. - Psych. Fabian Hölzenbein hoelzenbein@psychologie.uni-freiburg.de Einführung Organisatorisches Was ist Empirie? Was ist Statistik? Dateneingabe
MehrAdolf Riede. Mathematik für Biologen. Eine Grundvorlesung. Mit 120 Abbildungen und zahlreichen durchgerechneten Beispielen.
9vieweg Adolf Riede Mathematik für Biologen Eine Grundvorlesung Mit 120 Abbildungen und zahlreichen durchgerechneten Beispielen IX I Zahlen 1 1.1 Anzahlen 1 1.2 Reelle Zahlen 8 1.3 Dokumentation von Meßwerten
MehrKategoriale abhängige Variablen: Logit- und Probit -Modelle. Statistik II
Kategoriale abhängige Variablen: Logit- und Probit -Modelle Statistik II Wiederholung Literatur Annahmen und Annahmeverletzungen Funktionen Exponenten, Wurzeln usw. Das Problem Das binäre Logit-Modell
MehrI. Zahlen, Rechenregeln & Kombinatorik
XIV. Wiederholung Seite 1 I. Zahlen, Rechenregeln & Kombinatorik 1 Zahlentypen 2 Rechenregeln Brüche, Wurzeln & Potenzen, Logarithmen 3 Prozentrechnung 4 Kombinatorik Möglichkeiten, k Elemente anzuordnen
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.
MehrZusammenhänge zwischen metrischen Merkmalen
Zusammenhänge zwischen metrischen Merkmalen Darstellung des Zusammenhangs, Korrelation und Regression Daten liegen zu zwei metrischen Merkmalen vor: Datenpaare (x i, y i ), i = 1,..., n Beispiel: x: Anzahl
MehrBrückenkurs Statistik für Wirtschaftswissenschaften
Peter von der Lippe Brückenkurs Statistik für Wirtschaftswissenschaften Weitere Übungsfragen UVK Verlagsgesellschaft mbh Konstanz Mit UVK/Lucius München UVK Verlagsgesellschaft mbh Konstanz und München
MehrAnalysis Leistungskurs
Universität Hannover September 2007 Unikik Dr. Gerhard Merziger Analysis Leistungskurs Themen Grundlagen, Beweistechniken Abbildungen (surjektiv, injektiv, bijektiv) Vollständige Induktion Wichtige Ungleichungen
MehrSeminar zur Energiewirtschaft:
Seminar zur Energiewirtschaft: Ermittlung der Zahlungsbereitschaft für erneuerbare Energien bzw. bessere Umwelt Vladimir Udalov 1 Modelle mit diskreten abhängigen Variablen 2 - Ausgangssituation Eine Dummy-Variable
MehrKategoriale abhängige Variablen:
Kategoriale abhängige Variablen: Logit- und Probit -Modelle Statistik II Literatur Annahmen und Annahmeverletzungen Funktionen Exponenten, Wurzeln usw. Das Problem Das binäre Logit-Modell Statistik II
MehrKapitel 2: Mathematische Grundlagen
[ Computeranimation ] Kapitel 2: Mathematische Grundlagen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 2. Mathematische Grundlagen
MehrMessen und Statistik
Messen und Statistik Statistische Grundkonzepte: Reliabilität, Validität, Skalen Bachelor Seminar SoSe 2009 Institut für Statistik LMU Monika Brüderl 12.05.2009 Gliederung Philosophische Grundlagen - Einige
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
MehrEinführung in die Wirtschaftswissenschaften für Nicht-ÖkonomInnen. Teil 2: Haushaltstheorie
Einführung in die Wirtschaftswissenschaften für Nicht-ÖkonomInnen Teil 2: Haushaltstheorie Dieses Werk ist unter einem Creative Commons Namensnennung-Keine kommerzielle Nutzung-Weitergabe unter gleichen
MehrMethodenlehre. Vorlesung 5. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 5 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ 20.2.13 Einführung, Verteilung der Termine 1 25.9.13 Psychologie
MehrPhysiologische Komponente. Erlebenskomponente
Emotion Physiologische Komponente Kognitive Komponente Konative Komponente Vegetative Reaktionen (z.b. EDA; Puls) Zentral nervöse Prozesse (z.b. Aktivierung d. Amygdala) Bewertung der Situation (z.b. gut
MehrWärmeleitung und thermoelektrische Effekte Versuch P2-32
Auswertung Wärmeleitung und thermoelektrische Effekte Versuch P2-32 Iris Conradi und Melanie Hauck Gruppe Mo-02 7. Juni 2011 Inhaltsverzeichnis Inhaltsverzeichnis 1 Wärmeleitfähigkeit 3 2 Peltier-Kühlblock
MehrMathematik für Wirtschaftswissenschaftler. Universität Trier Wintersemester 2013 / 2014
Mathematik für Universität Trier Wintersemester 2013 / 2014 Inhalt der Vorlesung 1. Gleichungen und Summen 2. Grundlagen der Funktionslehre 3. Rechnen mit Funktionen 4. Optimierung von Funktionen 5. Funktionen
MehrMATHEMATIK MTA 12 SCHULJAHR 07/08 STATISTIK
MATHEMATIK MTA 12 SCHULJAHR 07/08 STATISTIK PROF. DR. CHRISTINA BIRKENHAKE Inhaltsverzeichnis 1. Merkmale 2 2. Urliste und Häufigkeitstabellen 9. Graphische Darstellung von Daten 10 4. Lageparameter 1
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, TB II R. 06-206 (Persike) R. 06-321 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrDr. Reinhard Vonthein, Dipl. Statistiker (Univ.)
Dr. Reinhard Vonthein, Dipl. Statistiker (Univ.) Reinhard.Vonthein@imbs.uni-luebeck.de Institut für Medizinische Biometrie und Statistik Universität zu Lübeck / Universitätsklinikums Schleswig-Holstein
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
MehrPerzeptive Phonetik Grundlagen der Wahrnehmung prosodischer Parameter
Perzeptive Phonetik Grundlagen der Wahrnehmung prosodischer Parameter Benno Peters Schematische Darstellung der Frequenz-Orts-Transformation im Innenohr. Drei gleichzeitig dargebotene Töne (a) mit verschiedenen
MehrOptische Illusionen. Ich sehe was, was Du nicht siehst... Fachbereich 3 Mathematik und Informatik. Mathias Lindemann
Optische Illusionen Ich sehe was, was Du nicht siehst... Email von Dirk Zähle die schwarzen Punkte! Überblick Optische Illusionen Wo findet man sie? Wie kann man sie erläutern? Was sieht man? Wie kann
Mehr2.3 Nichtlineare Regressionsfunktion
Nichtlineare Regressionsfunktion Bisher: lineares Regressionsmodell o Steigung d. Regressionsgerade ist konstant o Effekt einer Änderung von X auf Y hängt nicht vom Niveau von X oder von anderen Regressoren
MehrMathematische und statistische Hilfsmittel für Pharmazeuten
Mathematische und statistische Hilfsmittel für Pharmazeuten Dr. Helga Lohöfer Fachbereich Mathematik und Informatik der Philipps-Universität Marburg Fassung vom September 2003 Inhaltsverzeichnis I Elementare
MehrSTATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG
STATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG Statistische Methoden In der vorliegenden fiktiven Musterstudie wurden X Patienten mit XY Syndrom (im folgenden: Gruppe XY) mit Y Patienten eines unauffälligem
MehrGrundlagen der Physik für Realschulen in Bayern
Grundlagen der Physik für Realschulen in Bayern Physikalische Arbeitsweise Beobachtung von Naturphänomenen Aufstellen von Vermutungen (Hypothesen) Experimente: o Planung o Durchführung: Beobachtung (qualitativ)
MehrVorkurs Mathematik für Informatiker 3 Logarithmen
3 Logarithmen Michael Bader, Thomas Huckle, Stefan Zimmer 1. 9. Oktober 2008 Kap. 3: Logarithmen 1 Logarithmen: Definition Definition: Zu x > 0 und b > 0, b 1 sei der Logarithmus von x zur Basis b folgende
MehrApproximation. E(N) N. Beachte: Der Wert für N = 32 ist vernachlässigt, da er in der Grössenordnung der Rechengenauigkeit liegt.
Approximation Ziel: Approximation der Funktion f(x) = x mit Polynomen (global und stückweise) Experiment: Abhängigkeit des Approximationsfehlers E(N) (in der Maximumnorm) von der Anzahl der Freiheitsgrade
MehrMotivation. Jede Messung ist mit einem sogenannten Fehler behaftet, d.h. einer Messungenauigkeit
Fehlerrechnung Inhalt: 1. Motivation 2. Was sind Messfehler, statistische und systematische 3. Verteilung statistischer Fehler 4. Fehlerfortpflanzung 5. Graphische Auswertung und lineare Regression 6.
MehrÜberschrift. Titel Prognosemethoden
Überschrift Prognosemethoden Überschrift Inhalt 1. Einleitung 2. Subjektive Planzahlenbestimmung 3. Extrapolierende Verfahren 3.1 Trendanalyse 3.2 Berücksichtigung von Zyklus und Saison 4. Kausale Prognosen
Mehr3. Deskriptive Statistik
3. Deskriptive Statistik Eindimensionale (univariate) Daten: Pro Objekt wird ein Merkmal durch Messung / Befragung/ Beobachtung erhoben. Resultat ist jeweils ein Wert (Merkmalsausprägung) x i : - Gewicht
MehrSteuerfunktionen. 1. Steuern
1. Steuern Steuerfunktionen Der Staat erhebt zur Finanzierung seiner Aufgaben Steuern. Es gibt direkte Steuern, die nicht überwälzbar sind (Einkommensteuer, Vermögenssteuer, Gewerbesteuer, Grundsteuer)
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
Mehr10 Der statistische Test
10 Der statistische Test 10.1 Was soll ein statistischer Test? 10.2 Nullhypothese und Alternativen 10.3 Fehler 1. und 2. Art 10.4 Parametrische und nichtparametrische Tests 10.1 Was soll ein statistischer
MehrEmpirische Analysen mit dem SOEP
Empirische Analysen mit dem SOEP Methodisches Lineare Regressionsanalyse & Logit/Probit Modelle Kurs im Wintersemester 2007/08 Dipl.-Volksw. Paul Böhm Dipl.-Volksw. Dominik Hanglberger Dipl.-Volksw. Rafael
MehrSinus und Cosinus. Ich kann zu vorgegebenen Daten eine Sinusfunktion entwickeln, die diese Daten näherungsweise beschreibt.
Checkliste Sinus und Cosinus Ich kann Winkel in Grad und in Vielfachen von am Einheitskreis veranschaulichen. Ich kann in einem rechtwinkligen Dreieck die Sinus und Cosinuswerte eines Winkels durch die
Mehr