Macht des statistischen Tests (power)
|
|
- Brigitte Schumacher
- vor 6 Jahren
- Abrufe
Transkript
1 Macht des statistischen Tests (power) Realer Treatment ja Ergebnis der Studie H 0 verworfen statistisch signifikant O.K. Macht H 0 beibehalten statistisch nicht signifikant -Fehler Effekt nein -Fehler O.K. Statistik für SoziologInnen 1 Testtheorie
2 Fehlerarten Die beiden Fehler sind natürlich nicht unabhängig voneinander Verringert man ceteris paribus den Fehler 1.Art, so erhöht man gleichzeitig den Fehler 2.Art Für alle möglichen Parameterwerte aus dem Bereich der Alternativhypothese, kann man den Fehler 2.Art bestimmen. Dieser Fehler 2.Art gibt die Wahrscheinlichkeit an, dass das Testverfahren einen real existenten Zustand aus H 1 (Parameterwerte aus dem Bereich der Alternativhypothese) nicht erkennt. Statistik für SoziologInnen 2 Testtheorie
3 Operationscharakteristik und Gütefunktion Fasst man den Fehler 2.Art als Funktion von auf So gelangt man zur Operationscharakteristik (OC) des Tests, die oft auch mit bezeichnet wird. Alternativ können wir auch das komplementäre Ergebnis betrachten. 1-Gütefunktion, Power oder Macht des Tests Die Gütefunktion gibt die Wahrscheinlichkeit an, dass das Testverfahren einen real existenten Zustand aus H 1 auch tatsächlich als solchen erkennt. Statistik für SoziologInnen 3 Testtheorie
4 Macht eines statistischen Tests (power) Wahrscheinlichkeit einen real bestehenden Unterschied durch den statistischen Test auch tatsächlich zu entdecken. Beispiel: Wie groß ist die Chance mit einer empirischen Studie die verbesserte Wirksamkeit nachzuweisen, wenn tatsächlich einen Wert größer als 0,20 hat. Die Macht des statistischen Tests hängt ab von: -Fehler (Fehler 1. Art) (positiv) Stärke des Unterschieds (positiv) Variabilität (negativ) Fallzahl (positiv) Statistik für SoziologInnen 4 Testtheorie
5 Statistisch signifikant Mittelwert: 100 Std.Abw.: 2 Mittelwert: 110 Std.Abw: 2 Geringe Überlappung Statistik für SoziologInnen 5 Testtheorie
6 Statistisch nicht signifikant Mittelwert: 100 Std. Abw.: 6 Bei größerer Mittelwert: 110 Variabilität Std.Abw.: wird 6 das Erkennen des Unterschieds schwieriger die Power sinkt. Große Überlappung Statistik für SoziologInnen 6 Testtheorie
7 Beispiel: Der Stimmenanteil einer Partei betrug bei der letzten Wahl 40%. Eine Umfrage unter n=600 Wahlberechtigten soll zeigen, ob sich der Anteil der Partei vergrößert hat. H 0 : 0,40 H 1 : 0,40 (einseitige Alternative) Irrtumswahrscheinlichkeit = 0,05 Signifikanzniveau 1- = 0,95 Prüfgröße: Z p p 0 0 p 0( 1 0) n Statistik für SoziologInnen 7 Testtheorie
8 Berechnung der Gütefunktion Einseitige Fragestellung H 0 : 0,40 H 1 : 0,40 (einseitige Alternative) Ergebnis war für =0,05: Erster Schritt: Bestimmung des Rückweisungsbereichs des Tests Rückweisungsbereich für Z :[1,645; + ] bzw. Rückweisungsbereich in Anteilen ausgedrückt 0,40+1,645*0,02==> [43,29%; 100%] d.h.: ab einem Stichprobenergebnis von 43,29% oder mehr in einer Stichprobe mit n=600 werden wir von einem signifikanten Ergebnis sprechen Statistik für SoziologInnen 8 Testtheorie
9 Berechnung der Gütefunktion Wie groß ist die Chance eine real existierende Abweichung von der Nullhypothese mit diesem Testverfahren auch tatsächlich zu entdecken? Konkret: Wie groß ist die Wahrscheinlichkeit, dass unsere Teststatistik bei n=600 und =0,05 ein signifikantes Ergebnis liefert (also in den Rückweisungsbereich fällt), wenn der wahre Stimmenanteil derzeit 0,425 (0,45 oder 0,5) beträgt? Verschiedene Parameterwerte aus dem Bereich der Alternativhypothese Antwort: Berechnen der Gütefunktion Dazu nehmen wir jetzt die verschiedenen Szenarien (aus dem Bereich der Alternativhypothese) für die Realität an und schauen, wie sich unsere Entscheidungsregel in den jeweiligen Situationen auswirkt. Statistik für SoziologInnen 9 Testtheorie
10 Berechnung der Gütefunktion Angenommen der wahre Anteil ist 42,5%. Wie groß ist die Wahrscheinlichkeit, dass unser Testverfahren, bei diesem Zustand der Grundgesamtheit ein richtiges (H A ) Ergebnis liefert? (d.h. wie groß ist die Wahrscheinlichkeit, dass das Stichprobenergebnis > 43,29% ist, wenn der wahre Anteil 42,5% ist?) P(z>1,645 =0,425) bzw. P(p>43,29 =0,425) 0,4329 0,425 Power(0, 425) 1 1 (0,391) 0,35 0,425 (1 0,425) 600 Wahrscheinlichkeit eine Steigerung von auf 42,5% zu entdecken beträgt nur 35%! Statistik für SoziologInnen 10 Testtheorie
11 pi Unter der Annahmen der Gültigkeit der Nullhypothese haben wir den kritischen Wert mit 43,29% bestimmt. Krit. Wert: 43,29% Index Statistik für SoziologInnen 11 Testtheorie
12 pi Verteilung unter Gültigkeit der Nullhypothese Verteilung unter dem Szenario =42,5% Index Statistik für SoziologInnen 12 Testtheorie
13 pi Fehler 2.Art Fälschliche Annahme von H 0 unter dem Szenario p=42,5% mit einer Wahrscheinlichkeit von 65% False Negative Result Power Korrekte Annahme von H A unter dem Szenario p=42,5% erfolgt mit einer Wahrscheinlichkeit von 35% Index Statistik für SoziologInnen 13 Testtheorie
14 Summary Wir haben für unsere Fragestellung zunächst den kritischen Anteilswert (43,29%) bestimmt, der in der Stichprobe für ein signifikantes Ergebnis überschritten werden muss. Dann haben wir berechnet, wie groß die Wahrscheinlichkeit ist, dass die Stichprobe über 43,29% liegen wird (wir uns also für H1 entscheiden), wenn der wahre Anteil 42,5% beträgt. Wir erhalten mit 0,35 die Wahrscheinlichkeit sich für die Alternativhypothese zu entscheiden, wenn diese mit =42,5% vorliegt. Power beträgt bei =42,5% rund 0,35. Fehler 2.Art beträgt bei =42,5% rund 0,65. Statistik für SoziologInnen 14 Testtheorie
15 Berechnung der Gütefunktion für andere Werte von Angenommen der wahre Anteil ist 45%. Wie groß ist die Wahrscheinlichkeit, dass unser Testverfahren, bei diesem Zustand der Grundgesamtheit ein richtiges (H A ) Ergebnis liefert? P(z>1,645 =0,45) bzw. P(p>43,29 =0,45) 0, ,45 Power(0,45) 1 1 ( 0,842) 0,80 0, 45 (1 0, 45) 600 Statistik für SoziologInnen 15 Testtheorie
16 pi Verteilung unter Gültigkeit der Nullhypothese Verteilung unter dem Szenario =45% Index Statistik für SoziologInnen 16 Testtheorie
17 pi Fehler 2.Art Fälschliche Annahme von H 0 unter dem Szenario p=45% mit einer Wahrscheinlichkeit von 20% False Negative Result Power Korrekte Annahme von H A unter dem Szenario p=45% mit einer Wahrscheinlichkeit von 80% Index Statistik für SoziologInnen 17 Testtheorie
18 Berechnung der Gütefunktion Angenommen der wahre Anteil ist 48%. Wie groß ist die Wahrscheinlichkeit, dass unser Testverfahren, bei diesem Zustand der Grundgesamtheit ein richtiges (H A ) Ergebnis liefert? P(z>1,645 =0,48) bzw. P(p>43,29 =0,48) 0,4329 0,48 Power(0, 48) 1 1 ( 2,31) 0,99 0, 48 (1 0, 48) 600 Statistik für SoziologInnen 18 Testtheorie
19 pi Verteilung unter Gültigkeit der Nullhypothese Verteilung unter dem Szenario =48% Index Statistik für SoziologInnen 19 Testtheorie
20 pi Fehler 2.Art Fälschliche Annahme von H 0 unter dem Szenario p=48% mit einer Wahrscheinlichkeit von 1% False Negative Result Power Korrekte Annahme von H A unter dem Szenario p=48% mit einer Wahrscheinlichkeit von 99% Index Statistik für SoziologInnen 20 Testtheorie
21 Macht des Tests im Beispiel p z Macht Macht Je stärker der wahre Wert von der Nullhypothese abweicht, desto größer ist ceteris paribus, die Chance diesen Unterschied auch zu entdecken Statistik für SoziologInnen 21 Testtheorie
22 1,20000 Macht für verschiedene Werte von 1, , ,60000 Macht(0,95) Macht(0,99) 0, ,20000 Je größer der Fehler 1.Art (je niedriger das Konfidenzniveau) gewählt wird, umso mächtiger ist ceteris paribus das Testverfahren. 0, ,400 0,405 0,410 0,415 0,420 0,425 0,430 0,435 0,440 0,445 0,450 0,455 0,460 0,465 0,470 0,475 0,480 0,485 0,490 0,495 0,500 Statistik für SoziologInnen 22 Testtheorie
23 Macht für unterschiedliche n 1, , , , ,40000 Macht(n=600) 0,20000 Je größer die Fallzahl ist, umso mächtiger ist ceteris paribus das Testverfahren. 0, ,400 0,405 0,410 0,415 0,420 0,425 0,430 0,435 0,440 0,445 0,450 0,455 0,460 0,465 0,470 0,475 0,480 0,485 0,490 0,495 0,500 Statistik für SoziologInnen 23 Testtheorie Macht(n=2400)
24 Formulierung der Hypothesen Die Annahme von H 0 ist in der Regel eine wesentlich unsicherere Entscheidung als deren Ablehnung. Interpretation: H 0 kann aufgrund der Stichprobe beim gewählten Signifikanzniveau nicht verworfen werden niemals argumentieren, dass H 0 zutrifft oder gar bewiesen wurde! Bei der Formulierung einseitiger Alternativen, muss daher jene Hypothese, die man beweisen möchte bzw. jene Hypothese, die mit schwerwiegenderen Konsequenzen verbunden ist als Alternativhypothese formuliert werden. Statistik für SoziologInnen 24 Testtheorie
25 Beispiel: Behauptung einer Pharmafirma: In 90% der Fälle bewirkt ein Medikament eine Erleichterung von bestimmten Krankheitssymptomen Empirische Studie mit n=200 Patienten 1) Hypothesenformulierung durch ARGE Kritische Medizin H 0 : 0,9 H 1 : < 0,9 Test auf Unterschreitung 2) Hypothesenformulierung durch Pharmafirma H 0 : 0,9 H 1 : > 0,9 Test auf Überschreitung Beide wählen eine Irrtumswahrscheinlichkeit =0,05 1) s p =0,021 z=-1,645 p c =0,90-0,035=0,865 Falls in Stichprobe weniger als x c =173 Annahme der Alternativhypothese (mit 95% - Wahrscheinlichkeit korrekt) 2) s p =0,021 z=1,645 p c =0,90+0,035=0,935 Falls in Stichprobe mehr als x c =187 Annahme der Alternativhypothese (mit 95% - Wahrscheinlichkeit korrekt) Statistik für SoziologInnen 25 Testtheorie
26 Studienplanung Eine Pharmafirma hat ein neues Medikament entwickelt, von dem vermutet wird, dass es die Heilungschance bei einer bestimmten Krankheit von 20% (Erfolgschance bei Standardmedikation) auf etwa 30% erhöht. Man plant eine Studie mit n=30 (n=100) Patienten. Wie groß ist die Chance, den vermuteten Effekt (Verbesserte Heilungschance um ca. 10%- Prozentpunkte) mittels der Studie nachweisen zu können? Signifikanzniveau =0,05 bzw. =0,01 Statistik für SoziologInnen 26 Testtheorie
27 Beispiel Studienplanung (n=30) n H ˆ p 0 p c 30 : 0 0,2 0,05 0,2*0,8 0, ,2 1,645*0,07 Power(0,3) H P( p : 0,2 0,322 0,3) 0,322 0,3 1( ) 1(0,26) 0,3*0, p c p c, ist der kritische Wert, der erzielt werden, muss damit die H 0 abgelehnt wird 0,40 P( p 0,322 0,3) Die Power(0,3) quantifiziert die Wahrscheinlichkeit, dass eine Behandlungsverbesserung von 20 auf 30% mit dieser Studie erkannt werden kann Statistik für SoziologInnen 27 Testtheorie
28 Beispiel Studienplanung (n=100) n 100 H ˆ p 0 p c : 0 0,2 0,05 : 0,2*0,8 0, ,2 1,645*0,04 Power(0,3) H 0,2 0,266 0,3) 0,266 0,3 1( ) 1( 0,75) 0,3*0, P( p 0 p c p c, ist der kritische Wert, der erzielt werden, muss damit die H 0 abgelehnt wird P( p 0,77 0,266 0,3) Die Wahrscheinlichkeit, dass eine Behandlungsverbesserung von 20 auf 30% mit dieser Studie von 100 Patienten erkannt werden kann, beträgt 77%. Statistik für SoziologInnen 28 Testtheorie
29 Beispiel Studienplanung (n=100; =0,01) n 100 H ˆ p 0 p c : 0 0,2 0,2*0,8 0, ,2 2,33* 0,04 0,293 1 ( 0,3* 0, ,01 H 1 : Power(0,3) P( p p 0 c 0,2 0,293 0,3 ) 1 ( 0,15) 0,3) P( p 0,293 0,56 0,3) Die Power sinkt durch, die Verringerung des alpha-fehlers (von 5% auf 1%) von 77% auf 56%. Statistik für SoziologInnen 29 Testtheorie
30 Einstichprobentests für das arithmetische Mittel H 0 : = 0 bzw. H 0 : 0 H 0 : 0 H 1 : 0 zweiseitiger Test) H 1 : 0 einseitiger Test auf Überschreitung) H 1 : 0 (einseitiger Test auf Unterschreitung) Unter Gültigkeit von H 0 ist die nachfolgende Teststatistik standardnormalverteilt. Sie kann als standardisierte Abweichung des empirischen Mittelwertes vom Wert der Nullhypothese interpretiert werden Z Z ~ x N x 0 (0;1) x 0 n Statistik für SoziologInnen 30 Testtheorie
31 Einstichprobentests für das arithmetische Mittel Analog wie beim Konfidenzintervall kann die Teststatistik nur dann unmittelbar berechnet werden, falls die Varianz der Grundgesamtheit bekannt ist. In der Praxis wesentlich bedeutsamer ist der Fall, dass die Varianz der Grundgesamtheit unbekannt ist und erst aus der Stichprobe geschätzt werden muss. Der daraus resultierenden zusätzlichen Unsicherheit tragen wir wieder durch Verwendung der t-verteilung Rechnung! Statistik für SoziologInnen 31 Testtheorie
32 Einstichprobentests für das arithmetische Mittel Einsetzen der Schätzung für die Varianz auf Basis der Stichprobe führt wieder zur t-verteilung, um die zusätzliche Unsicherheit zu kompensieren. Es gilt dann unter H 0 : T x x 0 0 n x s 1/( n1) ( x x) T~ t n1 Unter Gültigkeit von H 0 ist die Teststatistik t-verteilt mit n-1 Freiheitsgraden. Statistik für SoziologInnen 32 Testtheorie n i1 i 2
33 Beispiel: Produktionsprozess mit Sollwert: 500g Stichprobe: Fragestellung: Nr Gewicht Nr Gewicht Nr Gewicht 1 502, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,2 Lassen die Schwankungen in der Stichprobe auf eine signifikante Abweichung vom Sollwert schließen, oder handelt es sich um zufällige Schwankungen? Statistik für SoziologInnen 33 Testtheorie
34 Beispiel: Zweiseitige Fragestellung (keine Richtung vorgegeben) H 0 : = 0 =500 = 0,05 t 0,975;35 = 2,03 H 1 : t-verteilung mit n-1 Freiheitsgrade Kritischer Bereich (Ablehnungsbereich): [- -2,03] [2,03;+ ] Annahmebereich: [-2,03;+2,03] Statistik für SoziologInnen 34 Testtheorie
35 Beispiel: Nr Gewicht Nr Gewicht Nr Gewicht 1 502, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,2 Mittelwert 501,04 Varianz der Stichporbe 2,41 Standardabweichung 1,55 Standardfehler 0,26 Teststatistik 4,03 T ,26 4,03 1 ˆ ( ) n 2 2 xi x n1 i1 ˆ n kritischer Wert bei =0,05 2,03 1,55/6=0,26 Interpretation: Da der Mittelwert einer Stichprobe von 36 Verpackungseinheiten rund 501g und der Standardfehler nur rund 0,26g beträgt, wird die Nullhypothese verworfen. Man kann mit einer 95%- igen Sicherheit davon ausgehen, dass die Abweichung von der Norm in der Produktion nicht zufällig ist. Statistik für SoziologInnen 35 Testtheorie
36 Excel-Sheet Stichprobenergebnisse n= 36 xq= 501,04 s= 1,55 s(xq)= 0,258 Irrtumswahrscheinlichkeit alpha= 0,05 Freiheitsgrade= 35 kritischer t-wert= 2,0301 kritischer t-wert= 1,6896 bei zweiseitigem Test bei einseitigem Test Hypothese über den Erwartungswert H0: 500,00 Wert der Teststatistik: 4,03 p-value= 0,0001 bei einseitigem Test p-value= 0,0003 bei zweiseitigem Test Legende: xq...arithmetisches Mittel (x-quer) s...standardabweichung der Stichprobenwerte s(xq) Standardfehler Statistik für SoziologInnen 36 Testtheorie
37 Analyse mit SPSS Statistik für SoziologInnen 37 Testtheorie
38 Analyse mit SPSS Beim zweiseitigen Test impliziert ein signifikantes Ergebnis, dass das Konfidenzintervall für die Abweichung den Wert 0 nicht überdeckt. Statistik für SoziologInnen 38 Testtheorie
39 Beispiel Canadian Survey of Labour and Income Dynamics Gesamt-Mittelwert für den Stundenlohn beträgt 15,55 $ Im Rahmen einer Erhebung in einer Region wird eine Stichprobe von n=200 Angestellten befragt um festzustellen, ob sich der Lohn in dieser Region signifikant vom Gesamtmittel unterscheidet. H 0 : Lohnniveau gleich H A : Lohnniveau ungleich H 0 : = 0 =15,55 H 1 : zweiseitiger Test) Mittelwert der Stichprobe: 14,86 Standardabweichung: 7,2 Test-Statistik: -1,36 p-value (2-seitiger Test): 0,1769 Statistik für SoziologInnen 39 Testtheorie
40 Beispiel Stichprobenergebnisse n= 200 xq= 14,86 s= 7,2 s(xq)= 0,509 Irrtumswahrscheinlichkeit alpha= 0,05 Freiheitsgrade= 199 kritischer t-wert= 1,9720 kritischer t-wert= 1,6525 Hypothese über den Erwartungswert H0: 15,55 Wert der Teststatistik: -1,36 bei zweiseitigem Test bei einseitigem Test p-value= 0,0884 bei einseitigem Test p-value= 0,1769 bei zweiseitigem Test Legende: xq...arithmetisches Mittel (x-quer) s...standardabweichung der Stichprobenwerte s(xq) Standardfehler Der p-value des einseitigen Tests ist immer gleich der Hälfte p- values des zweiseitigen Tests. Statistik für SoziologInnen 40 Testtheorie
41 Beispiel: einseitiger Test auf Überschreitung In einer empirischen Studie werden 10 Raucher aus einer bestimmten Berufsgruppe befragt, wie viele Zigaretten sie täglich rauchen: Daten: 26, 34, 5, 20, 50, 44, 18, 39, 29, 19 x 28,4 Überprüfen Sie mit der Stichprobe die Hypothese, dass von Rauchern aus der untersuchten Berufsgruppe durchschnittlich mehr als 25 Zigaretten täglich geraucht werden mit einem =0,01. Gerichtete Fragestellung einseitige Hypothese H 0 : 0 25 H 1 : 0 >25 Statistik für SoziologInnen 41 Testtheorie
42 Berechnung x x n T ˆ s 1/( n1) xi n x ˆ x ˆ n i1 1 x x s 9 28, 4 25 s 13,64 T 0,789 13,64 / , 4, i , 4 186, 04 Tabellenwert t (0,99;df=9) =2,82 einseitiger Test offensichtlich kein signifikantes Ergebnis Die Nullhypothese wird beibehalten Statistik für SoziologInnen 42 Testtheorie
43 Beispiel: einseitiger Test auf Unterschreitung In einer empirischen Studie werden 10 Schüler befragt, wie viele Stunden sie wöchentlich Sport ausüben: Daten: 2, 3, 0, 6, 5, 4, 1, 3, 2, 1 x 2,7 Überprüfen Sie die Hypothese, dass durchschnittlich weniger als 5h wöchentlich für sportliche Aktivitäten verwendet werden mit einem =0,01. H 0 : 0 5 H 1 : 0 <5 Statistik für SoziologInnen 43 Testtheorie
44 Berechnung n x 0 x T ˆ s 1/( n1) ˆ xi nx x ˆ n i x 2, 7 x , 7 i s 3,57 9 2,7 5 s 1,89 T 3,85 1,89 / 10 Tabellenwert t (0,01;df=9) = -2,82 einseitiger Test offensichtlich ein signifikantes Ergebnis Die Nullhypothese wird abgelehnt Statistik für SoziologInnen 44 Testtheorie
Testen von Hypothesen
Statistik 2 für SoziologInnen Testen von Hypothesen Univ.Prof. Dr. Marcus Hudec Statistik für SoziologInnen 1 Testtheorie Inhalte Themen dieses Kapitels sind: Erklären der Grundbegriffe der statistischen
MehrTesten von Hypothesen
Statistik 2 für SoziologInnen Testen von Hypothesen Univ.Prof. Dr. Marcus Hudec Statistik für SoziologInnen 1 Testtheorie Inhalte Themen dieses Kapitels sind: Erklären der Grundbegriffe der statistischen
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
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
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
MehrBeurteilende Statistik
Beurteilende Statistik Wahrscheinlichkeitsrechnung und Beurteilende Statistik was ist der Unterschied zwischen den beiden Bereichen? In der Wahrscheinlichkeitstheorie werden aus gegebenen Wahrscheinlichkeiten
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
MehrR. Brinkmann Seite
R. Brinkmann http://brinkmann-du.de Seite 1 24.2.214 Grundlagen zum Hypothesentest Einführung: Wer Entscheidungen zu treffen hat, weiß oft erst im nachhinein ob seine Entscheidung richtig war. Die Unsicherheit
MehrEinführung in die Induktive Statistik: Testen von Hypothesen
Einführung in die Induktive Statistik: Testen von Hypothesen Jan Gertheiss LMU München Sommersemester 2011 Vielen Dank an Christian Heumann für das Überlassen von TEX-Code! Testen: Einführung und Konzepte
Mehr9 Prinzipien der statistischen Hypothesenprüfung
9 Prinzipien der statistischen Hypothesenprüfung Prinzipien der statistischen Hypothesenprüfung Bei der Schätzung eines Populationsparamters soll dessen Wert aus Stichprobendaten erschlossen werden. Wenn
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,...,
MehrAnalyse von Querschnittsdaten. Signifikanztests I Basics
Analyse von Querschnittsdaten Signifikanztests I Basics Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Generalisierung kategoriale Variablen Datum 13.10.2004 20.10.2004 27.10.2004
MehrTHEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ
WEBINAR@LUNCHTIME THEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ EINLEITENDES BEISPIEL SAT: Standardisierter Test, der von Studienplatzbewerbern an amerikanischen Unis gefordert
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
MehrDie Abfüllmenge ist gleich dem Sollwert 3 [Deziliter].
Eine Methode, um anhand von Stichproben Informationen über die Grundgesamtheit u gewinnen, ist der Hypothesentest (Signifikantest). Hier wird erst eine Behauptung oder Vermutung (Hypothese) über die Parameter
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Pantelis Christodoulides & Karin Waldherr 4. Juni 2014 Christodoulides / Waldherr Einführung in Quantitative Methoden 1/35 Ein- und Zweiseitige Hypothesen H 0 : p =
MehrTesten von Hypothesen:
Testen von Hypothesen: Ein Beispiel: Eine Firma produziert Reifen. In der Entwicklungsabteilung wurde ein neues Modell entwickelt, das wesentlich ruhiger läuft. Vor der Markteinführung muss aber auch noch
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.
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 15 009 FernUniversität in Hagen Alle Rechte vorbehalten Fachbereich Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
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: 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
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:
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
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
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
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
MehrSchließende Statistik: Hypothesentests (Forts.)
Mathematik II für Biologen 15. Mai 2015 Testablauf (Wdh.) Definition Äquivalente Definition Interpretation verschiedener e Fehler 2. Art und Macht des Tests Allgemein im Beispiel 1 Nullhypothese H 0 k
MehrÜbungsaufgaben zu Kapitel 5
Übungsaufgaben zu Kapitel 5 Lösungen zu den Übungsaufgaben ab Seite 9. Aufgabe 9 Bei der Herstellung von Schokoladentafeln interessiert a) das durchschnittliche Abfüllgewicht einer Tafel Schokolade. b)
MehrUm zu entscheiden, welchen Inhalt die Urne hat, werden der Urne nacheinander 5 Kugeln mit Zurücklegen entnommen und ihre Farben notiert.
XV. Testen von Hypothesen ================================================================== 15.1 Alternativtest ------------------------------------------------------------------------------------------------------------------
MehrVS PLUS
VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen - Inferenzstatistik 1 [Übungsaufgaben und Lösungenn - Inferenzstatistik 1] ÜBUNGSAUFGABEN
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.
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
MehrHypothesentest. Ablehnungsbereich. Hypothese Annahme, unbewiesene Voraussetzung. Anzahl Kreise
Hypothesentest Ein Biologe vermutet, dass neugeborene Küken schon Körner erkennen können und dies nicht erst durch Erfahrung lernen müssen. Er möchte seine Vermutung wissenschaftlich beweisen. Der Biologe
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
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
MehrTesten von Hypothesen, Beurteilende Statistik
Testen von Hypothesen, Beurteilende Statistik Was ist ein Test? Ein Test ist ein Verfahren, mit dem man anhand von Beobachtungen eine begründete Entscheidung über die Gültigkeit oder Ungültigkeit einer
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
MehrHypothesenprüfung. Darüber hinaus existieren zahlreiche andere Testverfahren, die alle auf der gleichen Logik basieren
Hypothesenprüfung Teil der Inferenzstatistik Befaßt sich mit der Frage, wie Hypothesen über eine (in der Regel unbekannte) Grundgesamtheit an einer Stichprobe überprüft werden können Behandelt werden drei
MehrR. Brinkmann Seite
R. Brinkmann http://brinkmann-du.de Seite 7.9. Lösungen zum Hypothesentest II Ausführliche Lösungen: A A Aufgabe Die Firma Schlemmerland behauptet, dass ihre Konkurrenzfirma Billigfood die Gewichtsangabe,
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
MehrÜberblick Hypothesentests bei Binomialverteilungen (Ac)
Überblick Hypothesentests bei Binomialverteilungen (Ac) Beim Testen will man mit einer Stichprobe vom Umfang n eine Hypothese H o (z.b.p o =70%) widerlegen! Man geht dabei aus von einer Binomialverteilung
MehrKapitel 13. Grundbegriffe statistischer Tests
Kapitel 13 Grundbegriffe statistischer Tests Oft hat man eine Vermutung über die Verteilung einer Zufallsvariablen X. Diese Vermutung formuliert man als Hypothese H 0.Sokönnte man daran interessiert sein
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
MehrStatistik II für Betriebswirte Vorlesung 1
Statistik II für Betriebswirte Vorlesung 1 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 19. Oktober 2016 Prof. Dr. Hans-Jörg Starkloff Statistik II für Betriebswirte Vorlesung
Mehr3. Das Prüfen von Hypothesen. Hypothese?! Stichprobe Signifikanztests in der Wirtschaft
3. Das Prüfen von Hypothesen Hypothese?! Stichprobe 3.1. Signifikanztests in der Wirtschaft Prüfung, ob eine (theoretische) Hypothese über die Verteilung eines Merkmals X und ihre Parameter mit einer (empirischen)
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
MehrWB 11 Aufgabe: Hypothesentest 1
WB 11 Aufgabe: Hypothesentest 1 Ein Medikament, das das Überleben eines Patienten sichern soll, wird getestet. Stelle Null- und Alternativhypothese auf und beschreibe die Fehler 1. Art und 2. Art. Welcher
Mehr9. StatistischeTests. 9.1 Konzeption
9. StatistischeTests 9.1 Konzeption Statistische Tests dienen zur Überprüfung von Hypothesen über einen Parameter der Grundgesamtheit (bei einem Ein-Stichproben-Test) oder über die Verteilung einer Zufallsvariablen
MehrKapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen Induktive Statistik Prof. Dr. W.-D. Heller
MehrAblaufschema beim Testen
Ablaufschema beim Testen Schritt 1 Schritt 2 Schritt 3 Schritt 4 Schritt 5 Schritt 6 Schritt 7 Schritt 8 Schritt 9 Starten Sie die : Flashanimation ' Animation Ablaufschema Testen ' siehe Online-Version
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!
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
MehrKapitel VIII - Tests zum Niveau α
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel VIII - Tests zum Niveau α Induktive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh Testsituationen
MehrExakter Binomialtest als Beispiel
Prinzipien des statistischen Testens Entscheidungsfindung Exakter Binomialtest als Beispiel Statistische Tests Nullhypothese Alternativhypothese Fehlentscheidungen Ausgangspunkt: Forschungshypothese Beispiele:.
MehrEntscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten
Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 4.1 4. Statistische Entscheidungsverfahren Entscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten Beispiel:
MehrUnterschiedshypothesen Vergleiche von Häufigkeiten bzw. Mittelwerten zwischen (mindestens) zwei Gruppen Zusammenhangshypothesen Korrelationsanalysen
Statistische Überprüfung von Hypothesen Hypothesen sind allgemeine Aussagen über Zusammenhänge zwischen empirischen und logischen Sachverhalten.Allgemein bezeichnet man diejenigen Aussagen als Hypothesen,
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
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
MehrProf. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006
Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006 Hypothesentesten, Fehlerarten und Güte 2 Literatur Kreyszig: Statistische Methoden und ihre Anwendungen, 7.
MehrStatistischer Rückschluss und Testen von Hypothesen
Statistischer Rückschluss und Testen von Hypothesen Statistischer Rückschluss Lerne von der Stichprobe über Verhältnisse in der Grundgesamtheit Grundgesamtheit Statistischer Rückschluss lerne aus Analyse
MehrAnpassungstests VORGEHENSWEISE
Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel
Mehr9. Schätzen und Testen bei unbekannter Varianz
9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,
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
MehrKlausur zu Statistik II
GOETHE-UNIVERSITÄT FRANKFURT FB Wirtschaftswissenschaften Statistik und Methoden der Ökonometrie Prof. Dr. Uwe Hassler Wintersemester 03/04 Klausur zu Statistik II Matrikelnummer: Hinweise Hilfsmittel
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.7 und 4.8 besser zu verstehen. Auswertung und Lösung Abgaben: 71 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 5.65 Frage 1
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.)
MehrVertiefung der. Wirtschaftsmathematik. und Statistik (Teil Statistik)
Selbstkontrollarbeit 1 Vertiefung der Wirtschaftsmathematik und Statistik (Teil Statistik) 18. Januar 2011 Aufgaben Aufgabe 1 Gegeben sei eine binomialverteilte Zufallsvariablen X mit den Parametern N
MehrSitzung 4: Übungsaufgaben für Statistik 1
1 Sitzung 4: Übungsaufgaben für Statistik 1 Aufgabe 1: In einem Leistungstest werden von den Teilnehmern folgende Werte erzielt: 42.3; 28.2; 30.5, 32.0, 33.0, 38.8. Geben Sie den Median, die Spannweite
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.
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
MehrBeschreibende Statistik Deskriptive Statistik. Schließende Statistik Inferenzstatistik. Schluss von der Stichprobe auf die Grundgesamtheit
Beschreibende Statistik Deskriptive Statistik Schließende Statistik Inferenzstatistik Beschreibung der Stichprobe Schluss von der Stichprobe auf die Grundgesamtheit Keine Voraussetzungen Voraussetzung:
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 13 2010 FernUniversität in Hagen Alle Rechte vorbehalten Fakultät für Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
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
MehrDipl.-Volksw. Markus Pullen Wintersemester 2012/13
Statistische Auswertungen mit R Universität Kassel, FB 07 Wirtschaftswissenschaften Dipl.-Volksw. Markus Pullen Wintersemester 2012/13 Beispiele 8. Sitzung Konfidenzintervalle, Hypothesentests > # Anwendungsbeispiel
MehrHypothesentest, ein einfacher Zugang mit Würfeln
R. Brinkmann http://brinkmann-du.de Seite 4..4 ypothesentest, ein einfacher Zugang mit Würfeln Von einem Laplace- Würfel ist bekannt, dass bei einmaligem Wurf jede einzelne der Zahlen mit der Wahrscheinlichkeit
MehrStatistisches Testen: Signifikanz und Relevanz Christiane Spiel
Fakultät für Psychologie Statistisches Testen: Signifikanz und Relevanz Christiane Spiel Themen Wissenschaftstheoretischer Hintergrund Statistische Hypothesenprüfung Der Signifikanztest Probleme des Signifikanztests
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
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,
MehrAlternativtest Einführung und Aufgabenbeispiele
Alternativtest Einführung und Aufgabenbeispiele Ac Einführendes Beispiel: Ein Medikament half bisher 10% aller Patienten. Von einem neuen Medikament behauptet der Hersteller, dass es 20% aller Patienten
MehrPflichtlektüre: Kapitel 12 - Signifikanztest Wie funktioniert ein Signifikanztest? Vorgehensweise nach R. A. Fisher.
Pflichtlektüre: Kapitel 12 - Signifikanztest Überblick Signifikanztest Populationsparameter Ein Verfahren zur Überprüfung von Hypothesen, Grundlage bilden auch hier Stichprobenverteilungen, das Ergebnis
MehrKonfidenzintervall für den Anteilswert θ. Konfidenzintervalle. Jost Reinecke. Universität Bielefeld. 13. Juni 2005
Universität Bielefeld 13. Juni 2005 Einführung Einführung Wie kann die Kenntnis der Wahrscheinlichkeitsverteilung der Parameter einer Stichprobe dazu verhelfen auf die wahren Werte der Grundgesamtheit
Mehr: p= 1 6 ; allgemein schreibt man hierfür H : p = p. wird Gegenhypothese genannt und mit H 1 bezeichnet.
Einseitiger Signifikanztest Allgemein heißt die Hypothese, dass eine vorgelegte unbekannte Wahrscheinlichkeitsverteilung mit einer angenommenen Verteilung übereinstimmt, Nullhypothese und wird mit H 0
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
MehrTESTEN VON HYPOTHESEN
TESTEN VON HYPOTHESEN 1. Beispiel: Kann ein neugeborenes Küken Körner erkennen oder lernt es dies erst durch Erfahrung? Um diese Frage zu entscheiden, wird folgendes Experiment geplant: Sobald das Küken
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Punkt- und Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr.
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
MehrStochastik: Hypothesentest Stochastik Testen von Hypothesen (einseitiger Test) allgemein bildende Gymnasien J1/J2
Stochastik Testen von Hypothesen (einseitiger Test) allgemein bildende Gymnasien J/J2 Alexander Schwarz www.mathe-aufgaben.com Oktober 25 Hinweis: Für die Aufgaben darf der GTR benutzt werden. Aufgabe
Mehr1 Von Test zu Test. 2 Arbeitsblatt
1 Von Test zu Test 2 Arbeitsblatt 1. Ein FDP-Kandidat behauptet, dass 10% oder mehr Wahlberechtigten seines Stimmkreises FDP wählen würden. Zur Überprüfung befragt die Partei 200 Wahlberechtigte des Stimmkreises.
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
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
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
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
MehrGrundproblem der Inferenzstatistik
Grundproblem der Inferenzstatistik Grundgesamtheit Stichprobenziehung Zufalls- Stichprobe... "wahre", unbekannte Anteil nicht zufällig p... beobachtete Anteil zufällig? Statistik für SoziologInnen 1 Inferenzschluss
MehrEinfache Varianzanalyse für unabhängige Stichproben
Einfache Varianzanalyse für unabhängige Stichproben VARIANZANALYSE Die Varianzanalyse ist das dem t-test entsprechende Mittel zum Vergleich mehrerer (k 2) Stichprobenmittelwerte. Sie wird hier mit VA abgekürzt,
Mehr10. Die Normalverteilungsannahme
10. Die Normalverteilungsannahme Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Bisher haben wir vorausgesetzt, daß die Beobachtungswerte normalverteilt sind. In diesem Fall kann man
Mehrk np g(n, p) = Pr p [T K] = Pr p [T k] Φ. np(1 p) DWT 4.1 Einführung 359/467 Ernst W. Mayr
Die so genannte Gütefunktion g gibt allgemein die Wahrscheinlichkeit an, mit der ein Test die Nullhypothese verwirft. Für unser hier entworfenes Testverfahren gilt ( ) k np g(n, p) = Pr p [T K] = Pr p
MehrMathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007
Mathematik IV für Maschinenbau und Informatik Stochastik Universität Rostock, Institut für Mathematik Sommersemester 007 Prof. Dr. F. Liese Dipl.-Math. M. Helwich Serie Termin: 9. Juni 007 Aufgabe 3 Punkte
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
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
Mehr