Mathematische und statistische Methoden II
|
|
- Pamela Grosse
- vor 5 Jahren
- Abrufe
Transkript
1 Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum Mathematische und statistische Methoden II Dr. Malte Persike lordsofthebortz.de lordsofthebortz.de/g+ facebook.com/methodenlehre twitter.com/methodenlehre youtube.com/methodenlehre Folie 1 SoSe 2012 Psychologisches Institut Johannes Gutenberg Universität Mainz
2 Inhalte dieser Sitzung Welche Münze soll man werfen? Vergleich von Häufigkeiten über den für 2 unabhängige Stichproben. Hinterher besser als Vorher? Vergleich von Häufigkeiten über den für 2 abhängige Stichproben Was ist typisch? Der ²-Test für zwei unabhängige Merkmale. Folie 2
3 ²-Test Testarten und Skalenniveau Bisher haben wird inferenzstatistische Tests für eine Beobachtung kennen gelernt Beispiele: Binomial- und Poissontest für eine Häufigkeit, z-test für einen Datenwert Oft erhebt man aber in einer oder mehreren Stichproben mehrere Daten- oder Kennwerte Zur Bewertung solcher Werte gibt es verschiedene Tests, abhängig vom Skalenniveau der Messwerte, z.b. 1. Nominalskala (i.e. Häufigkeiten):, ²-Test, McNemar-Test. 2. Ordinalskala: U-Test, Vorzeichenrangtest Folie 3 3. Intervallskala: t-test, F-Test, Zusammenhangstests
4 ²-Test für 2 unabhängige Stichproben Ein Personalpsychologe des Psychologischen Instituts wird beauftragt, die Gleichstellungsbeauftragte der Universität Mainz bei einer statistischen Analyse zu unterstützen. Es soll geprüft werden, ob die Einstellungsquoten zwischen weiblichen und männlichen Bewerbern unterschiedlich sind. Von 300 männlichen Bewerbern wurden 50 eingestellt, von 170 weiblichen Bewerbern wurden 40 eingestellt. Gibt es hinsichtlich der Einstellungsquoten Handlungsbedarf für die Gleichstellungsbeauftragte? Folie 4
5 für 2 unabhängige Stichproben ²-Test Ziel: Prüfung, ob die in zwei unabhängigen Gruppen beobachteten Häufigkeiten einer dichotomen Zufallsvariablen aus derselben Population (mit identischer Wahrscheinlichkeitsverteilung) stammen können. Definition: Stichproben gelten als unabhängig, wenn unterschiedliche Personen in ihnen vorhanden sind. Weitere Beispiele: Ist die Wahrscheinlichkeit für ein Todesurteil bei farbigen und weißen Angeklagten unterschiedlich? Sind Heilungsquoten bei massierter Konfrontation besser als bei gradueller Konfrontation? Folie 5
6 für 2 unabhängige Stichproben ²-Test Man habe 2 dichotome Zufallsvariablen A und X. Man beobachte nun bei N Merkmalsträgern die Ausprägung beider Variablen und ermittle die absoluten Verbundhäufigkeiten h ij. a 1 a 2 x 1 h 11 h 12 h 1 x 2 h 21 h 22 h 2 h 1 h 2 N Eine der ZV (hier: A) unterscheide 2 Gruppen, die andere repräsentiere das interessierende Merkmal (hier: X) Am Beispiel: A sei das Geschlecht (a 1 = männlich, a 2 = weiblich), X die Einladung zum Vorstellungsgespräch (x 1 = abgelehnt, x 2 = eingeladen) Folie 6
7 für 2 unabhängige Stichproben Die Prüfung solcher Fragen erfordert die Berechnung bedingter Häufigkeiten, nämlich ²-Test f f f( x a ) 1 1 f( x a ) 2 2 z.b. x = Einladung a 1 = männlich a 2 = weiblich Welche der beiden Realisationen von X gewählt wird (z.b. 0 oder 1), spielt dabei keine Rolle Inhaltlich soll nun geprüft werden, ob f 1 und f 2 gleich sein können oder ob sie unterschiedlich sind. Frage: Man hat hier mehrere Zufallsvariablen wie lautet die Verteilungsannahme unter der Nullhypothese? Folie 7
8 für 2 unabhängige Stichproben Die Trefferhäufigkeiten f 1 und f 2 sind nichts anderes als die Realisationen von transformierten Zufallsvariablen aus einem Bernoulli-Experiment ²-Test F i X n i i mit X i = Absolute Trefferhäufigkeit in Gruppe i n i = Anzahl der Trials in Gruppe i F i = Relative Trefferhäufigkeit in Gruppe i Die Nullhypothese kann also formuliert werden als: Die absoluten Trefferhäufigkeiten x 1 und x 2, die zu den relativen Trefferhäufigkeiten f 1 und f 2 geführt haben, stammen aus derselben Wahrscheinlichkeitsverteilung Folie 8 Die Alternativhypothese ist wie üblich das genaue Gegenteil
9 ²-Test für 2 unabhängige Stichproben Wären die Wahrscheinlichkeitsverteilungen der Zufallsvariablen X i (absolute Trefferhäufigkeiten) in beiden Gruppen bekannt, könnten diese unmittelbar auch für die Zufallsvariablen F i (relative Trefferhäufigkeiten) zugrunde gelegt werden Vererbung Probleme: Die Wahrscheinlichkeitsverteilungen sind nicht bekannt. Zudem erwartet die Nullhypothese eine Wahrscheinlichkeitsverteilung, nicht zwei. Solche Probleme löst die Statistik oft über die Transformation der vorhanden Zufallsvariablen in eine neue Zufallsvariable. Folie 9
10 ²-Test für 2 unabhängige Stichproben Ansatz: Die zwei Zufallsvariablen F 1 und F 2 werden zu einer einzigen neuen Zufallsvariablen verknüpft, indem man einfach die Differenz aus beiden berechnet F F 1 2 Für einen Hypothesentest ist nun die Wahrscheinlichkeitsverteilung von unter der Nullhypothese zu bestimmen Es lässt sich zeigen, dass normalverteilt ist, wenn jede der absoluten Häufigkeiten in der Kreuztabelle A X mindestens 5 ist (alle n ij > 5) Folie 10 Frage: Wie lauten und für die Normalverteilung des Wertes unter Annahme der Nullhypothese?
11 ²-Test für 2 unabhängige Stichproben Für die Erwartungswerte der beiden F i gilt gemäß unserer Transformationsregeln F i X n i Die Rechenregeln für Erwartungswerte besagen, dass bei F F 1 2 Folie 11 unmittelbar gilt F F 1 2
12 ²-Test für 2 unabhängige Stichproben Idee: Wenn die beobachteten Treffer X in beiden Gruppen aus derselben Wahrscheinlichkeitsverteilung stammen, müssen sie denselben Erwartungswert haben X X F F F Damit ergibt sich für die soeben aufgestellte Beziehung F F F F Der Erwartungswert der Normalverteilung des ist also 0 Folie 12
13 ²-Test für 2 unabhängige Stichproben Die Herleitung der Standardabweichung des ist etwas aufwändiger: für zwei Gruppen der Umfänge n 1 und n 2 und des Gesamtumfangs N = n 1 +n 2 zeigt sich, dass f (1 f ) (1 n 1 n ) mit n n f f f N N Damit liegt die Wahrscheinlichkeitsverteilung der Differenz der beiden F i unter der Nullhypothese fest und der statistische Test kann durchgeführt werden. Folie 13
14 ²-Test Folie 14 für 2 unabhängige Stichproben Der folgt exakt der bereits kennen gelernten Logik des Hypothesentestens, allerdings mit einem weiteren Zwischenschritt 1. Voraussetzungen prüfen 2. Verteilungsannahme treffen: Normalverteilt mit den berechneten und 3. Hypothesenrichtung festlegen und statistische Hypothesen formulieren 4. Signifikanzniveau festlegen 5. Prüfgröße z bestimmen (diese ist eine Realisation der neuen Zufallsvariablen Z) 6. Wahrscheinlichkeit für die berechnete Prüfgröße bestimmen und mit dem Signifkanzniveau vergleichen
15 ²-Test für 2 unabhängige Stichproben Prüfgröße bei zwei unabhängigen Stichproben der Umfänge n 1 und n 2 und des Gesamtumfangs N = n 1 +n 2 z d f1 f2 f (1 f ) (1 n 1 n ) mit n n f f f N N Unter der Nullhypothese ist die Prüfgröße standardnormalverteilt, wenn in der 2 2 Kreuztabelle der beobachteten absoluten Häufigkeiten alle n ij > 5 sind. Folie 15 Der wird also zu einem einfachen z-test
16 für 2 unabhängige Stichproben Beim sind wie beim z-test potentiell alle drei möglichen Hypothesenrichtungen von Interesse. H0 : f1 f2 Verwerfen der Verteilungsannahme ²-Test H1: f1 f2 bei einer zu positiven Differenz H0 : f1 f2 Verwerfen der Verteilungsannahme H1: f1 f2 bei einer zu negativen Differenz Einseitige oder gerichtete Hypothese H0 : f1 f2 Verwerfen der Verteilungsannahme H1: f1 f2; f1 f2) bei einer zu extremen Differenz Zweiseitige oder ungerichtete Hypothese Folie 16
17 für 2 unabhängige Stichproben Formuliert man die H 0 /H 1 bezogen auf die Prüfgröße mit ihrem Erwartungswert =0, ist dies gleichbedeutend zu ²-Test H H H H : 0 Verwerfen der Verteilungsannahme : 0 bei einer zu positiven Differenz : 0 Verwerfen der Verteilungsannahme : 0 bei einer zu negativen Differenz Einseitige oder gerichtete Hypothese H H 0 1 : 0 Verwerfen der Verteilungsannahme : 0, 0) bei einer zu extremen Differenz Zweiseitige oder ungerichtete Hypothese Folie 17
18 für 2 unabhängige Stichproben ²-Test Folie 18 Man ermittelt nun die Auftretenswahrscheinlichkeit p(z H 0 ) unter der Annahme, dass die angenommene Wahrscheinlichkeitsverteilung gilt. Dazu berechnet man p Z z für die H : f f p Z z für die H : f f p Z p Z z z für die H : f f und vergleicht p mit dem Signifikanzniveau Das p( ) wird aus der Verteilungsfunktion der Normalverteilung berechnet Verwerfen der H 0 bei einer zu positiven Differenz Verwerfen der H 0 bei einer zu negativen Differenz Verwerfen der H 0 bei einer zu extremen Differenz
19 ²-Test Folie 19 für 2 unabhängige Stichproben Wichtig: In die Prüfung der Hypothese, ob f 1 = f 2 gehen ausschließlich empirisch gemessene Werte aus der Stichprobe ein. Eigentlich möchte man aber im Rahmen der prüfen, ob sich (theoretische) Populationen unterscheiden. Hier behilft man sich mit dem inferenzstatistischen Schluss: Dieser besagt, dass die gemessenen Werte erwartungstreue (sprich: gute) Schätzungen für die wahren Werte sind Lies: f dach empirisch f i fˆ i theoretisch geschätzt
20 ²-Test für 2 unabhängige Stichproben Beobachtung im Experiment: f 1 und f 2 Frage: Können die Stichproben aus einer Population stammen? Geht die Unterschiedlichkeit der Häufigkeiten auf einen Stichprobenfehler zurück? (1) Bestimmung der Verteilung der Zufallsvariablen Z Folie 20 (2) Festlegung d. Signifikanzniveaus α (3) Berechnung der Prüfgröße z (4) Bestimmung der Wahrscheinlichkeit für dieses z unter Annahme der H 0, z. B. p(z z) (5) Vergleich von p mit α und Treffen der Signifikanzaussage Achtung: Vorher immer Prüfung der Voraussetzungen! Aber: Bei dieser Aussage irrt man sich mit einer Wahrscheinlichkeit von α 100%
21 für 2 unabhängige Stichproben ²-Test Voraussetzung 1: Die Messungen müssen unabhängig sein. Voraussetzung 2: Die Zufallsvariablen müssen dichotom sein Voraussetzung 3: In der Kreuztabelle der beobachteten absoluten Häufigkeiten müssen alle n ij > 5 sein Folie 21
22 ²-Test für 2 abhängige Stichproben Eine Sexualpsychologin untersucht die sexuelle Aktivität von Paaren. Sie befragt hierzu Paare mit dem Fragebogen zur sexuellen Zufriedenheit (FSZ, Christmann & Hoyndorf, 1988) einen Monat nach dem Beginn der Beziehung sowie noch einmal zwölf Monate nach dem Beginn. Sie wertet zunächst nur eines der Items aus, in dem gefragt wird, ob die Paare in der vergangenen Woche intime Kontakte miteinander hatten. Sie ermittelt, dass von 70 Paaren nach einem Monat 15 keine intimen Kontakte angeben, nach zwölf Monaten 27. Nur 7 Paare geben zu beiden Zeitpunkten keine Intimkontakte an. Folie 22 Die Psychologin möchte ermitteln, ob sich das Sexualverhalten der Personen über die Beziehungszeit verändert hat.
23 ²-Test für 2 abhängige Stichproben Ziel: Prüfung, ob die zu zwei Messzeitpunkten beobachteten Häufigkeiten eines Wertes x aus derselben Population mit identischer Wahrscheinlichkeitsverteilung stammen können. Definition: Stichproben gelten als abhängig, wenn dieselben Personen in beiden Stichproben vorhanden sind. Weitere Beispiele: Steigt das Ausmaß aggressiven Verhaltens nach Erleben entsprechender Verhaltensmodelle? Sinkt die Rückfallwahrscheinlichkeit nach einem Rauchentwöhnungstraining durch die Teilnahme an einem speziellen Rückfallprophylaxeprogramm? Folie 23
24 für 2 abhängige Stichproben ²-Test Man habe für 2 abhängige Stichproben folgende Kontingenztabelle der Zufallsvariable X erhalten: Gibt es systematische Veränderungen zwischen den Stichproben, so müssen die Randhäufigkeiten unterschiedlich sein Messung 2 Messung 1 x 1 x 2 x 1 h 11 h 12 h 1 x 2 h 21 h 22 h 2 h 1 h 2 N Folie 24 Unter der Nullhypothese sollte also gelten h h h h h h h h h h h h
25 ²-Test für 2 abhängige Stichproben Hier haben wir es mit vier Zufallsvariablen zu tun, die H 0 ist noch schwieriger zu formulieren als beim. Ansatz: Die inhaltlichen Hypothesen H : h h, h h H : h h, h h lassen sich kombinieren zu H : h h H : h h Damit liegen ähnlich wie beim zwei absolute Trefferhäufigkeiten h 12 und h 21 vor, die unter der Nullhypothese aus derselben Wahrscheinlichkeitsverteilung kommen sollen Folie 25
26 ²-Test für 2 abhängige Stichproben Wieder können die zugrunde liegenden zwei Zufallsvariablen H 1 und H 2 per Differenzenbildung zu einer einzigen neuen Zufallsvariablen verknüpft werden H H 1 2 Die Wahrscheinlichkeitsverteilung des ist beim McNemar Test schwieriger zu ermitteln als beim Nach einer weiteren mathematischen Transformation des in eine neue Zufallsvariable ( Chi ) ergibt sich für diese aber eine einfache Wahrscheinlichkeitsverteilung Folie 26 Die neue Zufallsvariable wird deshalb als Prüfgröße verwendet.
27 Exkurs: Die ²-Verteilung 1 f xdf x e 2 df /2( df /2), df /21 x/2 ²-Test Folie 27
28 ²-Test Folie 28 für 2 abhängige Stichproben Der folgt exakt der bereits kennen gelernten Logik des Hypothesentestens, allerdings mit einem weiteren Zwischenschritt 1. Voraussetzungen prüfen 2. Verteilungsannahme treffen: ²-verteilt mit den gegebenen df 3. Hypothesenrichtung festlegen und statistische Hypothesen formulieren 4. Signifikanzniveau festlegen 5. Prüfgröße ² bestimmen (diese ist eine Realisation der neuen Zufallsvariablen ) 6. Wahrscheinlichkeit für die berechnete Prüfgröße bestimmen und mit dem Signifkanzniveau vergleichen
29 für 2 abhängige Stichproben Die Prüfgröße beim wird berechnet als 2 ²-Test h h h h Unter der Nullhypothese ist die Prüfgröße ²-verteilt ist, wenn in der 2 2 Kreuztabelle h 12 + h 21 > 25 gilt Die ²-Verteilung hat einen Parameter, die so genannten Freiheitsgrade df. Für den gilt immer df = 1. Folie 29
30 für 2 abhängige Stichproben Beim können prinzipiell alle drei Hypothesenrichtungen geprüft werden ²-Test H0 : h12 h21 Verwerfen der Verteilungsannahme H1: h12 h21 bei einer zu positiven Differenz H0 : h12 h21 Verwerfen der Verteilungsannahme H1: h12 h21 bei einer zu negativen Differenz Einseitige oder gerichtete Hypothese 0 H : h12 h21 Verwerfen der Verteilungsannahme H1: h12 h21, h12 h21 bei einer zu extremen Differenz Zweiseitige oder ungerichtete Hypothese Folie 30
31 ²-Test für 2 abhängige Stichproben Aufgrund der speziellen Prüfgröße ist beim jedoch nur eine Hypothesenrichtung relevant, da der Zähler immer größer ist als der Nenner H H 2 0 : p( ) Verwerfen der Verteilungsannahme 2 1 : p( ) bei einem noch größeren Wert Einseitige oder gerichtete Hypothese Wichtig: In die Prüfung der Hypothese h 12 = h 21 gehen wieder nur empirisch gemessene Werte ein. Folie 31 Bei der Übertragung auf die Population behilft man sich wieder mit dem inferenzstatistischen Schluss: empirisch h i hˆ i theoretisch geschätzt
32 ²-Test für 2 abhängige Stichproben Beobachtung im Experiment: h 12 und h 21 Frage: Können die Messungen aus einer Population stammen? Geht die Unterschiedlichkeit der Häufigkeiten auf einen Stichprobenfehler zurück? (1) Bestimmung der Verteilung der Zufallsvariablen (2) Festlegung d. Signifikanzniveaus α Achtung: Vorher Folie 32 (3) Berechnung der Prüfgröße ² (4) Bestimmung der Wahrscheinlichkeit für dieses z unter Annahme der H 0, z. B. p( ²) (5) Vergleich von p mit α und Treffen der Signifikanzaussage immer Prüfung der Voraussetzungen! Aber: Bei dieser Aussage irrt man sich mit einer Wahrscheinlichkeit von α 100%
33 für 2 abhängige Stichproben ²-Test Voraussetzung 1: Die Messungen müssen abhängig sein. Voraussetzung 2: Die Zufallsvariablen müssen dichotom sein Voraussetzung 3: In der Kreuztabelle der beobachteten absoluten Häufigkeiten sollte h 12 + h 21 > 25 sein Folie 33
34 ²-Test χ²-test für k unabhängige Stichproben Eine weit verbreitete Vermutung in der klinischen Psychologie bezieht sich auf den Zusammenhang zwischen der Händigkeit einer Person und der Entwicklung psychischer Störungen. So sollen Linkshändige eher als Rechtshändige zu Persönlichkeitsstörungen (z.b. Schizophrenie) neigen. Eine Forschergruppe möchte diese Annahme überprüfen. Sie stellen bei 1546 Patienten einer psychiatrischen Einrichtung die Variablen Händigkeit und Primärdiagnose fest. Die Forschergruppe möchte herausfinden, ob Händigkeit und psychische Störung tatsächlich zusammenhängen. Folie 34
35 ²-Test χ²-test für k unabhängige Stichproben Ziel: Prüfung, ob die in beliebig vielen unabhängigen Gruppen beobachteten Häufigkeiten einer polytomen Zufallsvariablen aus derselben Population (mit identischer Wahrscheinlichkeitsverteilung) stammen Um zu prüfen, ob die Merkmale unabhängig voneinander sind wird der χ²-test verwendet. Weitere Beispiele: Wählen Frauen Parteien in anderen Häufigkeiten als Männer? Kommen bei endogen Depressiven andere Komorbiditäten vor als bei reaktiv Depressiven? Folie 35
36 ²-Test χ²-test für k unabhängige Stichproben Man habe folgende Kontingenztafel für die beobachteten Zufallsvariablen A und X: a 1 a 2 a k x 1 h 11 h 12 h 1k h 1 x 2 h 21 h 22 h 2 x m h m1 h m2 h mk h m h 1 h 2 h k N Folie 36
37 ²-Test χ²-test für k unabhängige Stichproben Wenn zwei Merkmale A und X unabhängig sind, beeinflusst die Ausprägung in einem Merkmal nicht die Auftretenswahrscheinlichkeiten im anderen Merkmal Unabhängigkeit zweier ZV im ²-Test meint also nichts anderes als stochastische Unabhängigkeit. Für solche Zufallsvariablen gilt der Multiplikationssatz: p( A X) pa ( ) px ( ) Ist N die Gesamtzahl der Beobachtungen, lassen sich daraus auch erwartete absolute Häufigkeiten schätzen Folie 37 ha ( ) hx ( ) ha ˆ( X ) N
38 ²-Test χ²-test für k unabhängige Stichproben Die inhaltlichen Hypothesen sind also 0 ˆ H : h A X h A X für alle Kombinationen von a i und x j 0 ˆ H : h A X h A X für mind. eine Kombination von a i und x j Es ist zu prüfen, ob die einzelnen Verbundhäufigkeiten vereinbar mit Wahrscheinlichkeitsverteilungen sind, die bei Unabhängigkeit der Zufallsvariablen erwartet würden. Folie 38
39 ²-Test χ²-test für k unabhängige Stichproben Hier liegen eine Vielzahl von Verteilungen vor, die zur statistischen Prüfung in einer Zufallsvariable integriert werden müssen Wie beim können die zugrunde liegenden Zufallsvariablen H und Ĥ per Differenzenbildung zu einer einzigen neuen Zufallsvariablen verknüpft werden H H ˆ 1 2 Auch hier ergibt eine weitere mathematische Transformation eine neue ²-verteilte Zufallsvariable Folie 39
40 ²-Test χ²-test für k unabhängige Stichproben Der ² Test folgt exakt der bereits beim kennen gelernten Logik des Hypothesentestens 1. Voraussetzungen prüfen 2. Verteilungsannahme treffen: ²-verteilt mit den gegebenen df 3. Hypothesenrichtung festlegen und statistische Hypothesen formulieren 4. Signifikanzniveau festlegen 5. Prüfgröße ² bestimmen (diese ist eine Realisation der neuen Zufallsvariablen ) 6. Wahrscheinlichkeit für die berechnete Prüfgröße bestimmen und mit dem Signifkanzniveau vergleichen Folie 40
41 χ²-test für k unabhängige Stichproben Die Prüfgröße wird aus der km Kontingenztabelle wie folgt berechnet. ²-Test 2 m k h ˆ 2 ij hij hˆ i1 j1 ij mit h h ˆ i j ij h N Die einzelnen Terme der Prüfgröße sind also immer aufgebaut als beobachtet erwartet 2 erwartet Folie 41
42 χ²-test für k unabhängige Stichproben Die Prüfgröße wird aus der km Kontingenztabelle wie folgt berechnet. ²-Test 2 m k h ˆ 2 ij hij hˆ i1 j1 ij mit h h ˆ i j ij h N Die Prüfgröße ist χ²-verteilt, wenn in der Kontingenztabelle der beobachteten absoluten Häufigkeiten alle h ij 5 sind. Die ²-Verteilung hat df=(k-1) (m-1) Freiheitsgrade Folie 42
43 ²-Test χ²-test für k unabhängige Stichproben Beim ² Test ist wie bereits beim nur eine Hypothesenrichtung von Interesse H ˆ 0 : hij hij für alle Kombinationen i, j H : h hˆ, h hˆ für mind. eine Kombination i, j 1 ij ij ij ij Verwerfen der Verteilungsannahme bei einer zu extremen Differenz Zweiseitige oder ungerichtete Hypothese Die Hypothese umfasst also die Vergleich aller unter Unabhängigkeit geschätzten mit allen beobachteten Häufigkeiten Folie 43
44 ²-Test χ²-test für k unabhängige Stichproben Durch die spezielle Berechnung der Prüfgröße im ² Test wird daraus die Prüfung der Hypothese H H 2 0 : p( ) Verwerfen der Verteilungsannahme 2 1 : p( ) bei einem noch größeren Wert Einseitige oder gerichtete Hypothese Wichtig: In die Prüfung der Hypothese gehen erneut nur empirisch an einer Stichprobe gemessene Werte ein. Bei der Übertragung auf die Population behilft man sich wieder mit dem inferenzstatistischen Schluss: empirisch h hˆ theoretisch geschätzt Folie 44
45 ²-Test χ²-test für k unabhängige Stichproben Beobachtung im Experiment: diverse h ij Frage: Sind die Merkmale unabhängig voneinander? Gehen die Schwankungen der Häufigkeiten auf einen Stichprobenfehler zurück? (1) Bestimmung der Verteilung der Zufallsvariablen (2) Festlegung d. Signifikanzniveaus α Achtung: Vorher Folie 45 (3) Berechnung der Prüfgröße ² (4) Bestimmung der Wahrscheinlichkeit für dieses z unter Annahme der H 0, z. B. p( ²) (5) Vergleich von p mit α und Treffen der Signifikanzaussage immer Prüfung der Voraussetzungen! Aber: Bei dieser Aussage irrt man sich mit einer Wahrscheinlichkeit von α 100%
46 χ²-test für k unabhängige Stichproben ²-Test Voraussetzung 1: Die Messungen müssen unabhängig sein. Voraussetzung 2: Die Zufallsvariablen müssen polytom sein Voraussetzung 3: In der Kreuztabelle der erwarteten absoluten Häufigkeiten müssen alle n ij > 5 sein Folie 46
47 Tests für k abhängige Stichproben ²-Test Sollen multinomiale Merkmale oder mehr als 2 abhängige Stichproben auf Unterschiedlichkeit geprüft werden, müssen andere Tests verwendet werden Diese Tests (u.a. Cochran-Test, Stuart-Maxwell-Test, Bhapkar-Test) haben z.t. sehr spezifische Anwendungsbereiche, sind mathematisch aufwändiger und werden daher hier nicht behandelt. Folie 47
48 Relevante Excel Funktionen CHIQU.VERT() ABS() Folie 48
Mathematische und statistische Methoden II
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 persike@uni-mainz.de
MehrMathematische und statistische Methoden II
Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de lordsofthebortz.de lordsofthebortz.de/g+
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
MehrMathematische und statistische Methoden II
Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de lordsofthebortz.de lordsofthebortz.de/g+
MehrMathematische und statistische Methoden II
Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de lordsofthebortz.de lordsofthebortz.de/g+
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg 2 R. 06-206 (Persike) R. 06-214 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrMathematische und statistische Methoden II
Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de lordsofthebortz.de lordsofthebortz.de/g+
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-06) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
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
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt Mathematische und statistische Methoden I Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-06 Dr. Malte Persike persike@uni-mainz.de
MehrMathematische und statistische Methoden II
Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de lordsofthebortz.de lordsofthebortz.de/g+
MehrMathematische und statistische Methoden II
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 persike@uni-mainz.de
MehrForschungsstatistik I
Psychologie 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/
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg R. 06-06 (Persike) R. 06-31 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrMathematische und statistische Methoden II
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 persike@uni-mainz.de
MehrMathematische und statistische Methoden II
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 persike@uni-mainz.de
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
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
MehrSo berechnen Sie einen Schätzer für einen Punkt
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: SCHÄTZEN UND TESTEN htw saar 2 Schätzen: Einführung Ziel der Statistik ist es, aus den Beobachtungen eines Merkmales in einer Stichprobe Rückschlüsse über die Verteilung
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
MehrMathematische und statistische Methoden II
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 persike@uni-mainz.de
MehrPrimer: Inferenzstatistik 1.0
: 1.0 Dr. Malte Persike persike@uni-mainz.de methodenlehre.com twitter.com/methodenlehre methodenlehre.com/g+ iversity.org/schoolinger Inhalte der nächsten Minuten Die Frage aller Fragen: Ist etwas groß?
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 6-6) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden I Dr. Malte Persike persike@uni-mainz.de
Mehr5. Seminar Statistik
Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation
MehrForschungsstatistik II
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg R. 06-06 (Persike) R. 06-3 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik II Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg 2 R. 06-206 (Persike) R. 06-214 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
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
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
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
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/
MehrMathematische und statistische Methoden II
Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de lordsofthebortz.de lordsofthebortz.de/g+
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2
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
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 2. Stock, Nordflügel R. 02-429 (Persike) R. 02-431 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS 2008/2009
MehrWahrscheinlichkeit 1-α: richtige Entscheidung - wahrer Sachverhalt stimmt mit Testergebnis überein. Wahrscheinlichkeit α: falsche Entscheidung -
wahrer Sachverhalt: Palette ist gut Palette ist schlecht Entscheidung des Tests: T K; Annehmen von H0 ("gute Palette") positive T > K; Ablehnen von H0 ("schlechte Palette") negative Wahrscheinlichkeit
MehrGrundgesamtheit, Merkmale, Stichprobe. Eigenschaften der Stichprobe. Klasseneinteilung, Histogramm. Arithmetisches Mittel, empirische Varianz
- 1 - Grundgesamtheit, Merkmale, Stichprobe Dimension, Umfang Skalierung Eigenschaften der Stichprobe kennzeichnende Größen Eigenschaften der Stichprobe kennzeichnende Größen Punktediagramm, Regressionsgerade,
MehrDer χ 2 -Test (Chiquadrat-Test)
Der χ 2 -Test (Chiquadrat-Test) Der Grundgedanke Mit den χ 2 -Methoden kann überprüft werden, ob sich die empirischen (im Experiment beobachteten) Häufigkeiten einer nominalen Variable systematisch von
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests Nach Verteilungsannahmen: verteilungsabhängig: parametrischer [parametric] Test verteilungsunabhängig: nichtparametrischer [non-parametric] Test Bei parametrischen Tests
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 2. Stock, Nordflügel R. 02-429 (Persike) R. 02-43 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg R. 06-06 (Persike) R. 06-31 (Meinhardt) Sprechstunde jedereit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-main.de http://psymet03.sowi.uni-main.de/
Mehr3 Grundlagen statistischer Tests (Kap. 8 IS)
3 Grundlagen statistischer Tests (Kap. 8 IS) 3.1 Beispiel zum Hypothesentest Beispiel: Betrachtet wird eine Abfüllanlage für Mineralwasser mit dem Sollgewicht µ 0 = 1000g und bekannter Standardabweichung
MehrDer χ2-test Der χ2-test
Der χ 2 -Test Überblick Beim χ 2 -Test handelt es sich um eine Familie ähnlicher Tests, die bei nominal- oder ordinalskalierten Merkmalen mit zwei oder mehr Ausprägungen angewendet werden können. Wir behandeln
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg R. 06-06 (Persike) R. 06-31 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrDer χ 2 -Test. Überblick. Beispiel 1 (χ 2 -Anpassungstest)
Der χ 2 -Test Überblick Beim χ 2 -Test handelt es sich um eine Familie ähnlicher Tests, die bei nominal- oder ordinalskalierten Merkmalen mit zwei oder mehr Ausprägungen angewendet werden können. Wir behandeln
MehrTutorial:Unabhängigkeitstest
Tutorial:Unabhängigkeitstest Mit Daten aus einer Befragung zur Einstellung gegenüber der wissenschaftlich-technischen Entwicklungen untersucht eine Soziologin den Zusammenhang zwischen der Einstellung
MehrT-Test für unabhängige Stichproben
T-Test für unabhängige Stichproben Wir gehen von folgendem Beispiel aus: Wir erheben zwei Zufallstichproben, wobei nur die Probanden der einen Stichprobe einer speziellen experimentellen Behandlung (etwa
MehrSozialwissenschaftlerInnen II
Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Testen von Hypothesen
MehrKlausur zur Vorlesung
Institut für Mathematische Stochastik WS 2006/2007 Universität Karlsruhe 12. Februar 2007 Priv.-Doz. Dr. D. Kadelka Dipl.-Math. W. Lao Aufgabe 1 (15 Punkte) Klausur zur Vorlesung Statistik für Biologen
MehrSozialwissenschaftlerInnen II
Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Wahrscheinlichkeitsfunktionen
MehrStatistik II. Weitere Statistische Tests. Statistik II
Statistik II Weitere Statistische Tests Statistik II - 19.5.2006 1 Überblick Bisher wurden die Test immer anhand einer Stichprobe durchgeführt Jetzt wollen wir die statistischen Eigenschaften von zwei
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 2. Stock, Nordflügel R. 02-429 (Persike) R. 02-431 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS 2008/2009
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 11. Vorlesung Jochen Köhler 10.05.011 1 Inhalt der heutigen Vorlesung Zusammenfassung Parameterschätzung Übersicht über Schätzung und Modellbildung Modellevaluation
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
MehrEin- und Zweistichprobentests
(c) Projekt Neue Statistik 2003 - Lernmodul: Ein- Zweistichprobentests Ein- Zweistichprobentests Worum geht es in diesem Modul? Wiederholung: allgemeines Ablaufschema eines Tests Allgemeine Voraussetzungen
MehrMathematische und statistische Methoden II
Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de lordsofthebortz.de lordsofthebortz.de/g+
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
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
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 2. Stock, Nordflügel R. 02-429 (Persike) R. 02-431 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
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
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage
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
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 41 Übersicht Struktur eines Hypothesentests Stichprobenverteilung t-test: Einzelner-Parameter-Test F-Test: Multiple lineare Restriktionen 2 / 41 Struktur
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
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt Statistik & Mathematische und statistische Methoden I Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-06 Dr. Malte Persike persike@uni-mainz.de
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrDie Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
MehrDie Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
MehrGrundlagen sportwissenschaftlicher Forschung Inferenzstatistik 2
Grundlagen sportwissenschaftlicher Forschung Inferenzstatistik 2 Dr. Jan-Peter Brückner jpbrueckner@email.uni-kiel.de R.216 Tel. 880 4717 Statistischer Schluss Voraussetzungen z.b. bzgl. Skalenniveau und
MehrWichtige Definitionen und Aussagen
Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge
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
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
MehrParametrische vs. Non-Parametrische Testverfahren
Parametrische vs. Non-Parametrische Testverfahren Parametrische Verfahren haben die Besonderheit, dass sie auf Annahmen zur Verteilung der Messwerte in der Population beruhen: die Messwerte sollten einer
Mehr5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
MehrParametrische und nichtparametrische Tests
XIII. Nichtparametrische Tests Seite 1 Parametrische und nichtparametrische Tests Parametrische Tests: Hier wird eine bestimmte Verteilung vorausgesetzt, und getestet, ob die gewählten Parameter passen.
MehrFit for Abi & Study Stochastik
Fit for Abi & Study Stochastik Prof. Dr. Tilla Schade Hochschule Harz 15. und 16. April 2014 No. 1 Stochastik besteht aus: Wahrscheinlichkeitsrechnung Statistik No. 2 Gliederung Grundlagen Zufallsgrößen
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt Statistik & 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
MehrKonkretes Durchführen einer Inferenzstatistik
Konkretes Durchführen einer Inferenzstatistik Die Frage ist, welche inferenzstatistischen Schlüsse bei einer kontinuierlichen Variablen - Beispiel: Reaktionszeit gemessen in ms - von der Stichprobe auf
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 5.5.2006 1 Ausgangslage Wir können Schätzen (z.b. den Erwartungswert) Wir können abschätzen, wie zuverlässig unsere Schätzungen sind: In welchem Intervall
MehrHäufigkeitsverteilungen
Häufigkeitsverteilungen Eine Häufigkeitsverteilung gibt die Verteilung eines erhobenen Merkmals an und ordnet jeder Ausprägung die jeweilige Häufigkeit zu. Bsp.: 100 Studenten werden gefragt, was sie studieren.
Mehr2. Formulieren von Hypothesen. Nullhypothese: H 0 : µ = 0 Gerät exakt geeicht
43 Signifikanztests Beispiel zum Gauß-Test Bei einer Serienfertigung eines bestimmten Typs von Messgeräten werden vor der Auslieferung eines jeden Gerätes 10 Kontrollmessungen durchgeführt um festzustellen,
Mehr4.1. Nullhypothese, Gegenhypothese und Entscheidung
rof. Dr. Roland Füss Statistik II SS 8 4. Testtheorie 4.. Nullhypothese, Gegenhypothese und Entscheidung ypothesen Annahmen über die Verteilung oder über einzelne arameter der Verteilung eines Merkmals
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
MehrEinführung in Web- und Data-Science
Einführung in Web- und Data-Science Prof. Dr. Ralf Möller Universität zu Lübeck Institut für Informationssysteme Tanya Braun (Übungen) P-Wert (einseitiger Ablehnungsbereich) Hypothesentest H 0 vs. H 1
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
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
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 I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen Spezielle Verteilungen
Wahrscheinlichkeitsrechnung und Statistik für Biologen Spezielle Verteilungen Noémie Becker & Dirk Metzler http://evol.bio.lmu.de/_statgen 7. Juni 2013 1 Binomialverteilung 2 Normalverteilung 3 T-Verteilung
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
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
Mehr7. Übung: Aufgabe 1. b), c), e) Aufgabe 2. a), c), e) Aufgabe 3. c), e) Aufgabe 4. Aufgabe 5. Aufgabe 6. Aufgabe 7. Aufgabe 8. Aufgabe 9.
7. Übung: Aufgabe 1 b), c), e) Aufgabe a), c), e) Aufgabe 3 c), e) Aufgabe 4 b) Aufgabe 5 a) Aufgabe 6 b) Aufgabe 7 e) Aufgabe 8 c) Aufgabe 9 a), c), e) Aufgabe 10 b), d) Aufgabe 11 a) Aufgabe 1 b) Aufgabe
MehrForschungsstatistik II
Psychologie Prof. r. G. Meinhardt 6. Stock, Taubertsberg R. 06-06 (Persike) R. 06-3 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung orschungsstatistik II r. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
Mehr