Winter 2017 David Kurbel. Evaluation & Forschungsstrategien. B.Sc.-Seminar. Sitzung II: t-tests
|
|
- Ralph Fiedler
- vor 5 Jahren
- Abrufe
Transkript
1
2 Evaluation & Forschungsstrategien B.Sc.-Seminar Sitzung : t-tests
3 Seminarinhalte Sitzung : Stichproben-t-Test (gerichtet) 1-Stichproben-t-Test (ungerichtet) t-test für abhängige Stichproben t-test für unabhängige Stichproben Grundsätzliches 2 / 32
4 1-Stichproben-t-Test (gerichtet) 3 / Kinder nehmen an einem Konzentrationstest teil. Durchschnittlich schaffen die Kinder die erste Seite in 12.1 Sekunden. Die im Manual angegebene Höchstleistung beträgt hierfür 11.8 Sekunden. Experiment: Konzentrationstest Stichprobe: 72 Kinder Mittelwert der Stichprobe: 12.1 Sekunden einzelne Messwerte nicht mehr relevant Datenwerte schwanken Erwartungswert: 11.8 Sekunden erreicht / unerreicht? H0 : 12.1 Sekunden (SP) sind genauso schnell oder schneller als 11.8 Sekunden. (µ) H1 : 12.1 Sekunden sind langsamer als 11.8 Sekunden.
5 1-Stichproben-t-Test (gerichtet) oraussetzungen für 1-Stichproben-t-Test unabhängige Ziehungen intervallskalierte ariable Mittelwert x: ҧ 12.1 repräsentiert Stichprobe andere Stichprobe: anderer Mittelwert Erwartungswert µ: 11.8 Mittelwert der Population wenn Stichprobe aus Population: µ = xҧ Unterschiedlichkeit zwischen beiden? Messfehler! 4 / 32
6 1-Stichproben-t-Test (gerichtet) Problematik: xҧ und µ in erteilungsfunktion einsetzen Differenzbildung: Δ = x ҧ µ Δ = = 0.3 Annahme unter der H0 Differenz sollte 0 betragen Zufallsstichprobe hätte ein x ҧ = 11.8 Differenzbildung: Δ = = 0 Differenz von 0.3 also zufällig oder systematischer Effekt? wenn Effekt: Kinder stammen aus anderer Population als die im Manual angegebene 5 / 32
7 1-Stichproben-t-Test (gerichtet) Überblick 1 Stichprobe aus 1 Population je Ziehung 1 Messwert (Rohwerte der Kinder) n = 72 Ziehungen x ҧ = 12.1 µ = 11.8 wenn identisch: gleiche Population wenn Effekt: andere Population geeigneter ergleichsmaßstab Wahrscheinlichkeitsverteilung Entscheidung, ob klein / groß / normal 6 / 32
8 1-Stichproben-t-Test (gerichtet) 7 / 32 Der Zentrale Grenzwertsatz erteilung von Mittelwerten aus Stichproben des Umfangs n, die einer beliebigen Grundgesamtheit entnommen wurden, entspricht der Normalverteilung vorausgesetzt, n ist ausreichend groß (n 30 als gute Approximation) Beispiel Produkt A 1 p(preis: 1 ) = 1/6 Produkt B 2 p(preis: 2 ) = 1/6 Produkt C 3 p(preis: 3 ) = 1/6 Produkt D 4 p(preis: 4 ) = 1/6 Produkt E 5 p(preis: 5 ) = 1/6 Produkt F 6 p(preis: 6 ) = 1/6 jedes Produkt gleichhäufig gekauft (P = 1/6) Zufallsvariable Preis : gleichverteilt
9 1-Stichproben-t-Test (gerichtet) 8 / 32 erteilung der Kaufsummen bei 2 gekauften Produkten? 6 6 = 36 verschiedene Stichproben möglich billigste Stichprobe: 2 (2 mal Produkt A) teuerste Stichprobe: 12 (2 mal Produkt F) Kaufsumme Stichprobe 2 Euro AA (1) 1/36 3 Euro AB, BA (2) 2/36 4 Euro AC, BB, CA (3) 3/36 5 Euro AD, BC, CB, DA (4) 4/36 6 Euro AE, BD, CC, DB, EA (5) 5/36 7 Euro AF, BE, CD, DC, EB, FA (6) 6/36 8 Euro BF, CE, DD, EC, FB (5) 5/36 9 Euro CF, DE, ED, FC (4) 4/36 10 Euro DF, EE, FD (3) 3/36 11 Euro EF, FE (2) 2/36 12 Euro FF (1) 1/36 p
10 1-Stichproben-t-Test (gerichtet) erteilung der Kaufsummen bei 2 gekauften Produkten? 6 6 = 36 verschiedene Stichproben möglich billigste Stichprobe: 2 (2 mal Produkt A) teuerste Stichprobe: 12 (2 mal Produkt F) Stichprobensummen einzelne Kaufpreise erteilung Kaufpreise gleichverteilt Stichprobensummen symmetrisch / eingipflig je größer n, desto stärkere Annäherung an Normalverteilung 9 / 32
11 1-Stichproben-t-Test (gerichtet) 10 / 32 Mittelwert als Summe von Zufallsvariablen trotz Faktor 1 n geeignet für den CLT häufige Durchführung des Experiments mit gleichem n erteilung der Mittelwerte folgt Normalverteilung µ als Mitte der erteilung (gegeben: µ = 11.8) σ als Breite der erteilung // Streuung der Mittelwerte um den Erwartungswert (unbekannt) muss geschätzt werden Überlegung: Streuung der Rohwerte als Ausgangspunkt
12 1-Stichproben-t-Test (gerichtet) 10 / 32 Mittelwert als Summe von Zufallsvariablen trotz Faktor 1 n geeignet für den CLT häufige Durchführung des Experiments mit gleichem n erteilung der Mittelwerte folgt Normalverteilung µ als Mitte der erteilung (gegeben: µ = 11.8) σ als Breite der erteilung // Streuung der Mittelwerte um den Erwartungswert (unbekannt) muss geschätzt werden Überlegung: Streuung der Rohwerte als Ausgangspunkt N µ σ
13 1-Stichproben-t-Test (gerichtet) 10 / 32 Mittelwert als Summe von Zufallsvariablen trotz Faktor 1 n geeignet für den CLT häufige Durchführung des Experiments mit gleichem n erteilung der Mittelwerte folgt Normalverteilung µ als Mitte der erteilung (gegeben: µ = 11.8) σ als Breite der erteilung // Streuung der Mittelwerte um den Erwartungswert (unbekannt) muss geschätzt werden Überlegung: Streuung der Rohwerte als Ausgangspunkt N µ = σ
14 1-Stichproben-t-Test (gerichtet) Zusammenhang zwischen Stichproben- und Populationsmittelwerten Berechnung der Stichprobenstandardabweichung s s = 1 σ n i=1 n (x i x)² ҧ Schätzung der Populationsstandardabweichung σ via Korrekturfaktor σ = n n 1 s on SD der Population zur SD der Populationsmittelwerte 11 / 32 SE = 1 n σ theoretische Streuung aller möglichen Mittelwerte
15 1-Stichproben-t-Test (gerichtet) Zusammenhang zwischen Stichproben- und Populationsmittelwerten Berechnung der Stichprobenstandardabweichung s s = 1 σ n i=1 n (x i x)² ҧ Schätzung der Populationsstandardabweichung σ via Korrekturfaktor σ = n n 1 s on SD der Population zur SD der Populationsmittelwerte 12 / 32 SE = 1 n σ für Beispiel: 0.117
16 1-Stichproben-t-Test (gerichtet) 10 / 32 Mittelwert als Summe von Zufallsvariablen trotz Faktor 1 n geeignet für den CLT häufige Durchführung des Experiments mit gleichem n erteilung der Mittelwerte folgt Normalverteilung µ als Mitte der erteilung (gegeben: µ = 11.8) σ als Breite der erteilung // Streuung der Mittelwerte um den Erwartungswert (unbekannt) muss geschätzt werden Überlegung: Streuung der Rohwerte als Ausgangspunkt N µ = 11.8 σ = x ҧ =
17 1-Stichproben-t-Test (gerichtet) Problem: trotz CLT Normalverteilung erst bei vielen Summanden gegeben Wahrscheinlichkeitsverteilung für Δ = x ҧ µ komplexe Formel Deshalb: erwendung einer Prüfgröße Transformation der Differenz: t = x ҧ µ SE Student s t 13 / 32 t verhält sich genau wie die ursprüngliche Differenz Δ Prüfgröße t folgt einer t-erteilung mit df = n 1 Freiheitsgraden
18 1-Stichproben-t-Test (gerichtet) t-erteilung 14 / 32 t = Wert der Prüfgröße df = Freiheitsgrade lediglich 1 Parameter notwendig: Freiheitsgrade bei t-test für 1 Stichprobe immer: n 1 (Beispiel: 71) Normalverteilung / t-erteilung werden einander sehr ähnlich N in der Mitte höher / an den Rändern flacher
19 1-Stichproben-t-Test (gerichtet) jede beliebige Prüfgröße ist unter der t-erteilung wahrscheinlicher als unter der Normalverteilung bei t-erteilung immer später: zu groß // zu klein bei t-tests Normalverteilung als ergleichsmaßstab? Nein! N T 15 /
20 1-Stichproben-t-Test (gerichtet) 16 / 32 t-test für 1 Stichprobe Wahrscheinlichkeiten der Prüfgrößenwerte t sind t-verteilt mit df = n 1 Freiheitsgraden H0 : x ҧ = µ H1 : xҧ µ Signifikanzniveau: α =.05 oder α =.01 Beispiel: t = 0.3 / = 2.56 Dichtefunktion liefert kaum interpretierbare Dichte für t-wert erteilungsfunktion F(2.56, 71): liefert Wahrscheinlichkeit für Wert von höchstens t = 2.56 p (t 2.56 H0) 1 F(2.56, 71) = = 0.006** sig.!
21 1-Stichproben-t-Test (gerichtet) 16 / 32 t-test für 1 Stichprobe Wahrscheinlichkeiten der Prüfgrößenwerte t sind t-verteilt mit df = n 1 Freiheitsgraden H0 : x ҧ = µ H1 : xҧ µ Signifikanzniveau: α =.05 oder α =.01 Beispiel: t = 0.3 / = Dichtefunktion liefert kaum interpretierbare Dichte für t-wert erteilungsfunktion F(2.56, 71): liefert Wahrscheinlichkeit für Wert von höchstens t = 2.56 p (t 2.56 H0) 1 F(2.56, 71) = = 0.006** sig.! T t = 2.56
22 1-Stichproben-t-Test (gerichtet) 12.1 zu langsam, um mit der H0 vereinbar zu sein nicht nur Bezug zur Stichprobe andere Population oraussetzungen für die Annahmen des t-tests Stichprobengröße n > 30 ansonsten: Stichprobendaten normalverteilt (Prüfung durch q-q-plot, Shapiro-Wilks-Test) 17 / 32
23 1-Stichproben-t-Test (ungerichtet) 72 Kinder nehmen an einem revidierten Konzentrationstest teil. m Mittel schaffen die Kinder die erste Seite in 12.1 Sekunden. Die im Manual angegebene Höchstleistung des Originaltests beträgt 11.8 Sekunden. H0 :bleibt bei x ҧ = µ H1 : anders schnelle Bearbeitung des Tests xҧ normal? Zu groß? Zu klein? identische Berechnungen zum gerichteten Fall: t = 2.56 Differenz von 0.3 auch in anderer Richtung möglich (- 0.3) t = 2.56 // t = / 32
24 1-Stichproben-t-Test (ungerichtet) 72 Kinder nehmen an einem revidierten Konzentrationstest teil. m Mittel schaffen die Kinder die erste Seite in 12.1 Sekunden. Die im Manual angegebene Höchstleistung des Originaltests beträgt 11.8 Sekunden. H0 :bleibt bei x ҧ = µ H1 : anders schnelle Bearbeitung des Tests xҧ normal? Zu groß? Zu klein? identische Berechnungen zum gerichteten Fall: t = 2.56 Differenz von 0.3 auch in anderer Richtung möglich (- 0.3) t = 2.56 // t = / 32
25 1-Stichproben-t-Test (ungerichtet) erteilungsfunktion zeigt Dichte für genau 1 t-wert Berechnung der Fläche zwischen t und t 1 die Fläche in der Mitte = beide Flächen an den Seiten Flächen: Wahrscheinlichkeit der Prüfgröße t = + / 2.56 oder extremerer Wert 2 F( 2.56, 71) = = repräsentiert beide Flächen Signifikanzniveau wird nicht mehr unterschritten H0 kann nicht mehr verworfen werden bei ungerichtet: 0.5%-Grenze auf beiden Seiten 19 / 32
26 1-Stichproben-t-Test (ungerichtet) erteilungsfunktion zeigt Dichte für genau 1 t-wert Berechnung der Fläche zwischen t und t 1 die Fläche in der Mitte = beide Flächen an den Seiten Flächen: Wahrscheinlichkeit der Prüfgröße t = + / 2.56 oder extremerer Wert 2 F( 2.56, 71) = = repräsentiert beide Flächen Signifikanzniveau wird nicht mehr unterschritten H0 kann nicht mehr verworfen werden bei ungerichtet: 0.5%-Grenze auf beiden Seiten 19 / 32
27 t-test für abhängige Stichproben 20 / 32 Den 72 Kindern wird nach der Testdurchführung ein Sedativ verabreicht. Der Konzentrationstest wird erneut durchgeführt. m Mittel schaffen die Kinder die erste Seite nun in 12.7 Sekunden. Der Psychologe fragt sich, ob sie langsamer waren als im ersten Durchgang (12.1 Sekunden). identisches Experiment, dieses mal sediert identische Stichprobe 2 Mittelwerte: x1 ҧ = 12.7 und x2 ҧ = 12.1 abhängige Messzeitpunkte (in beiden Stichproben dieselben Personen) 2 Messungen pro Person (t1 und t2) H0 : 12.7 Sekunden sind genauso schnell oder schneller als 12.1 Sekunden. H1 : 12.7 Sekunden sind langsamer als 12.1 Sekunden
28 t-test für abhängige Stichproben wenn Probanden zu beiden Zeitpunkten aus identischer Population: Differenz von 0.6 zufällig wenn systematischer Unterschied zwischen t1 und t2: andere Population als vorher 2 Stichproben aus 2 Populationen Wirkung des Sedativs pro Stichprobe jetzt jeweils 1 Erwartungswert µ x1 und µ x2 H0 : beide Stichproben aus derselben Population µ x1 = µ x2 = µ 21 / 32 µ bleibt unbekannt Überprüfung via Differenzbildung Δ x ҧ = x2 ҧ x1 ҧ = 0.6 Sekunden
29 t-test für abhängige Stichproben aus Hypothesen über Unterschiedlichkeit von x1 ҧ und x2 ҧ werden Hypothesen über Mittelwertsdifferenz H0 : 12.7 Sekunden sind genauso schnell oder schneller als 12.1 Sekunden H1 : Die Differenz von 0.6 Sekunden ist größer als 0. paarweise Zuordnung der Messwerte Differenzbildung für jede einzelne Person eine Differenz-Datenreihe statt 2 Messreihen Mittelwert der Differenzen ഥΔ: 0.6 Summe von Zufallsvariablen erwendung des CLT t = ഥ Δ µ SE µ und SE unbekannt µ = 0, da aus derselben Population (H0) 22 / 32
30 t-test für abhängige Stichproben 23 / 32 Berechnung der Stichprobenstandardabweichung s s = 1 σ n i=1 n (Δ i തΔ)² Schätzung der Populationsstandardabweichung σ via Korrekturfaktor σ = n n 1 s von SD der Population zur SD der Populationsmittelwerte SE = 1 n σ identisch mit dem 1-Stichproben-t-Test
31 t-test für abhängige Stichproben Durchführung t = p (t H0) = 1 F(5.285, 71) = = 0.000** p =.00** hochsignifikant 24 / 32 Differenz von 0.6 Sekunden ist extrem groß systematischer Unterschied Wirkung des Sedativs 2 unterschiedliche Populationen oraussetzungen Stichprobengröße n > 30 Oder: Stichprobendaten normalverteilt
32 t-test für unabhängige Stichproben 25 / 32 Die Stichprobe bestand aus 42 Mädchen und 30 Jungen. Die Mädchen führten den Test im Mittel in Sekunden durch, die Jungen benötigten durchschnittlich 11.9 Sekunden. Der Psychologe fragt sich, ob die Mädchen langsamer gewesen sind als die Jungen. Stichprobe 1: 42 Mädchen // Stichprobe 2: 30 Jungen x1 ҧ = und x2 ҧ = 11.9 (Differenz തΔ = 0.36) Unterschied groß / klein / normal? Stichproben hier: unabhängig voneinander! verschiedene Personen, pro Person nur 1 Messung H0 : 11.9 Sekunden sind genauso langsam oder langsamer als Sekunden. H1 : Sekunden sind schneller als Sekunden.
33 t-test für unabhängige Stichproben pro Stichprobe jetzt jeweils 1 Erwartungswert µ x1 ҧ und µ x2 ҧ H0 : beide Stichproben aus derselben Population µ x1 = µ x2 = µ trotz unterschiedlich großer Stichproben Differenzbildung möglich Differenz von 0.36 Zufall oder systematischer Effekt? Keine Differenzbildung zwischen Stichprobendaten möglich µ = 0 26 / 32
34 t-test für unabhängige Stichproben Berechnung des Standardfehlers 2 Stichproben aus 1 Population oder 2 Stichproben aus 2 Populationen wenn aus 1 Population: Stichprobenaufteilung unter H0 nicht gerechtfertigt dee: Streuung von einzelnen Datenwerten der Population für Schätzung der Streuung der Mittelwertedifferenz verwenden erwendung der Stichproben-Standardabweichungen s x1 und s x2 Mittelung der beiden Werte Pooling Berücksichtigung der unterschiedlichen Stichprobengrößen 27 / 32
35 t-test für unabhängige Stichproben Standardabweichung: s pooled = n 1s 1 ²+n 2 s 2 ² n 1 +n 2 Populationsstandardabweichung σ = n 1 +n 2 n 1 +n 2 2 s pooled Standardfehler SE = 1 n n 2 σ Einsetzen in die Formel für die Prüfgröße t Achtung: Anzahl der Freiheitsgrade: n 1 + n 2-2 = = 70 dfs 28 / 32
36 t-test für unabhängige Stichproben Durchführung t = p (t H0) = F(-1.541, 70) = linke Fläche p = nicht signifikant 29 / 32 H0 wird beibehalten, Mittelwerteunterschied zufällig (1 Population) oraussetzungen Stichprobengröße n 1 + n 2 > 50 oder: Stichprobendaten normalverteilt gleiche Streuungen der Populationen
37 Grundsätzliches 30 / 32 Exkurs Abhängiger oder unabhängiger Test? je mehr Freiheitsgrade, desto schneller wird Test signifikant unabhängiger t-test wirkt teststärker, da 2x so viele Freiheitsgrade entscheidend: Größe des Standardfehlers SE wird kleiner, wenn Messwerte (zwischen t1 und t2) positiv korrelieren t = ഥ Δ µ SE je kleiner SE, desto größer der Bruch t-test für unabhängige nur dann teststärker, wenn negativer / kein Zusammenhang der Messwerte besteht 5 dfs Kritik am abhängigen: 30 dfs Drop-Outs Carry-Over-Effekte
38 Grundsätzliches Wenn nicht signifikant mehr Leute nehmen t = ഥ Δ µ SE SE = 1 n σ erwendung der Effektstärke Cohen s d d = Mittelwert µ σ d.2 : kleiner Effekt d.5 : mittlerer Effekt d.5 : großer Effekt Größe des Unterschieds zum Erwartungswert relativ zur Schwankungsbreite der Daten, nicht mehr zur Schwankungsbreite des Mittelwerts 31 / 32
39 Grundsätzliches erwendung von mehreren t-tests Alpha-Fehler-Kumulierung Unterteilung in mehr Gruppen Pro Test: α-niveau von 0.05 bzw bei genügend Testungen: zufällig signifikante t-tests Methode der Wahl: Bonferroni-Korrektur α neu = α Anzahl der Tests 32 / 32
40 Bis übernächste Woche!
Evaluation & Forschungsstrategien. B.Sc.-Seminar. Sitzung IV: Konfidenzintervalle // Normalverteilungstests
Evaluation & Forschungsstrategien B.Sc.-Seminar Sitzung V: Konfidenzintervalle // Normalverteilungstests Seminarinhalte Sitzung V: 16.05.2018 Konfidenzintervalle bei bekannter Varianz Konfidenzintervalle
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
MehrABC DB DE F F EB BE C EF CF E F F F FF C EF E
D F F ABC DB DE F F EB BE C EF CF E F F F FF C EF E E FF C F B A F E CC F E D E C D F A E B A F E CC F E E F E E A C F E E F E EEF E C D F C F E E E A F E EEF E C D F B F EB E F F F C EF C F F A C F E
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
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
MehrÆ A BC A DC C C C C C A A BCBDECFE C F A C C F A A F C AC D A F C A F A AC F C C C C A C C AC C C C F F F C C F A C F F A C A C C F C F F C C A D F F C C C D F B A C C F C C F B C C F A A B A A A F A
MehrA B C DB E C F D B CB C F AA DB FF C D B E C F D B CB C F AA DB D DB C DD B E C F D B CB C F AA DB D B B B B AF C B
A B C DB E C F D B CB C F AA DB FF C D B E C F D B CB C F AA DB D DB C DD B E C F D B CB C F AA DB D B B B B AF C B C DD F BE C F D B CB C F AA DB B F D B CBC DB C D F AA DB FF C D B B B B B AB D F D BC
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
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+
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
MehrMethodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie als Wissenschaft
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 )
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften t-test Varianzanalyse (ANOVA) Übersicht Vergleich von Mittelwerten 2 Gruppen: t-test einfaktorielle ANOVA > 2 Gruppen: einfaktorielle ANOVA Seeigel und
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
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
MehrMethodenlehre. Vorlesung 11. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 11 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 03.12.13 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie
MehrLiegen 2 Beobachtungen an n Objekten vor, spricht man von einer gebundenen Stichprobe Typische Struktur bei "stimulus-response" Versuchen
Mittelwertsvergleich bei gebundenen Stichproben Liegen Beobachtungen an n Objekten vor, spricht man von einer gebundenen Stichprobe Typische Struktur bei "stimulus-response" Versuchen Obj.1 Obj.... Obj.n
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Karin Waldherr & Pantelis Christodoulides 11. Juni 2014 Waldherr / Christodoulides Einführung in Quantitative Methoden 1/46 Anpassungstests allgemein Gegeben: Häufigkeitsverteilung
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
MehrMethodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 12 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft
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,
MehrSoftwaretechnik. Prof. Dr. Rainer Koschke. Fachbereich Mathematik und Informatik Arbeitsgruppe Softwaretechnik Universität Bremen
Softwaretechnik Prof. Dr. Rainer Koschke Fachbereich Mathematik und Informatik Arbeitsgruppe Softwaretechnik Universität Bremen Wintersemester 2010/11 Überblick I Statistik bei kontrollierten Experimenten
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
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
MehrProbleme bei kleinen Stichprobenumfängen und t-verteilung
Probleme bei kleinen Stichprobenumfängen und t-verteilung Fassen wir zusammen: Wir sind bisher von der Frage ausgegangen, mit welcher Wahrscheinlichkeit der Mittelwert einer empirischen Stichprobe vom
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/
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Pantelis Christodoulides & Karin Waldherr 5. Juni 2013 Christodoulides / Waldherr Einführung in Quantitative Methoden- 11. VO 1/48 Anpassungstests allgemein Gegeben:
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
MehrGrundlagen der schließenden Statistik
Grundlagen der schließenden Statistik Schätzer, Konfidenzintervalle und Tests 1 46 Motivation Daten erhoben (Umfrage, Messwerte) Problem: Bei Wiederholung des Experiments wird man andere Beobachtungen
Mehr3 Evaluation als Beschreibung von Zuständen
Evaluation als Beschreibung von Zuständen 1 Sind die folgenden Aussagen richtig oder falsch? 1.1 In einer Klumpenstichprobe werden systematisch anfallende Cluster von Personen vollständig untersucht. Die
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
Mehr2.3 Intervallschätzung
2.3.1 Motivation und Hinführung Bsp. 2.11. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler 2009 war genau 33.7%. Wie groß ist die Wahrscheinlichkeit, in einer Zufallsstichprobe von 1000 Personen genau
MehrEndgültige Gruppeneinteilung Kohorte Innere-BP Sommersemester 2016 (Stand: )
A A1a 2197120 on on A A1a 2311330 on on on on on on on A A1a 2316420 on on A A1a 2332345 on on on on on on on A A1a 2371324 on on on on on on on A A1a 2382962 on on A A1a 2384710 on on on on on on on A
MehrVergleich von Mittelwerten
Vergleich von Mittelwerten 22.04.2008 Günter Meinhardt Johannes Gutenberg Universität Main Univariate Mittelwertevergleiche - Problemstellung Problem Gruppierungsvariable Messgröße (metrisch) Beispiel
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
Mehr2.3 Intervallschätzung
2.3.1 Motivation und Hinführung Bsp. 2.15. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler unter allen Wählern war 2009 auf eine Nachkommastelle gerundet genau 33.7%. Wie groß ist die Wahrscheinlichkeit,
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
MehrStichproben Parameterschätzung Konfidenzintervalle:
Stichproben Parameterschätzung Konfidenzintervalle: Beispiel Wahlprognose: Die Grundgesamtheit hat einen Prozentsatz p der Partei A wählt. Wenn dieser Prozentsatz bekannt ist, dann kann man z.b. ausrechnen,
Mehr7.2 Mittelwert einer Stichprobe
66 7.2 Mittelwert einer Stichprobe Gegeben ist eine normalverteilte Grundgesamtheit. Mit Hilfe einer Stichprobe möchten wir Aussagen über den unbekannten Mittelwert µ dieser Grundgesamtheit machen. Wenn
MehrStatistik I. Methodologie der Psychologie
Statistik I Methodologie der Psychologie Thomas Schmidt & Lena Frank Wintersemester 2003/2004 Georg-Elias-Müller-Institut für Psychologie Uni Göttingen Literatur: Glantz, S.A. (2002). Primer of Biostatistics.
MehrModul G.1 WS 07/08: Statistik
Modul G.1 WS 07/08: Statistik 13.12.2006 1 Schätzung von Populationskennwerten Stichprobenkennwerte als Schätzmaße für den Populationsmittelwert Punktschätzung: nur ein Stichprobenkennwert wird angegeben
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
MehrMethodenlehre. Vorlesung 13. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 13 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 19.05.15 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrStatistische Methoden in der MMST: Schließende Statistik
Statistische Methoden in der MMST: Schließende Statistik VL MMST Wintersemester 2014/15 Professur für Prozessleittechnik L. Urbas; J. Pfeffer S6 - Dateninterpretation und Schlussfolgerung Versuchsdurchführung
MehrHypothesentests für Erwartungswert und Median. für D-UWIS, D-ERDW, D-USYS und D-HEST SS15
Hypothesentests für Erwartungswert und Median für D-UWIS, D-ERDW, D-USYS und D-HEST SS15 Normalverteilung X N(μ, σ 2 ) : «X ist normalverteilt mit Erwartungswert μ und Varianz σ 2» pdf: f x = 1 2 x μ exp
MehrBernd Borchert. Univ. Tübingen WS 13/14. Vorlesung. Kryptographie. Teil
Bernd Borchert Univ. Tübingen WS 13/14 Vorlesung Kryptographie Teil 4 22.11.13 AES AES ist eine Blockchiffre in drei Varianten AES128, AES196 und AES256. Wichtigste Kennzahlen: Blocklänge bei allen drei
MehrWS 2014/15. (d) Bestimmen Sie die Wahrscheinlichkeitsfunktion von X. (e) Bestimmen Sie nun den Erwartungswert und die Varianz von X.
Fragenkatalog zur Übung Methoden der empirischen Sozialforschung WS 2014/15 Hier finden Sie die denkbaren Fragen zum ersten Teil der Übung. Das bedeutet, dass Sie zu diesem Teil keine anderen Fragen im
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.
MehrStatistische Methoden in der MMST: Schließende Statistik
Statistische Methoden in der MMST: Schließende Statistik VL MMS Wintersemester 2012/13 Professur für Prozessleittechnik L. Urbas; J. Pfeffer Evaluation mittels Stichprobe Stichprobenziehung Beschreibende
MehrFallzahlplanung bei unabhängigen Stichproben
Fallzahlplanung bei unabhängigen Stichproben Seminar Aktuelle biometrische Probleme Benjamin Hofner benjamin.hofner@stat.uni-muenchen.de 12. Januar 2005 Übersicht 1. Einführung und Grundlagen der Fallzahlplanung
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Stetige und diskrete Wahrscheinlichkeitsverteilungen Lageparameter Streuungsparameter Diskrete und stetige Zufallsvariablen Eine Variable (oder Merkmal
MehrWahrscheinlichkeit und Statistik BSc D-INFK
Prof. Dr. P. Bühlmann ETH Zürich Sommer 2010 Wahrscheinlichkeit und Statistik BSc D-INFK 1. (10 Punkte) Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete
MehrStatistik K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
MehrZentraler Grenzwertsatz/Konfidenzintervalle
/ Statistik I Sommersemester 2009 Statistik I ZGWS/ (1/37) Kann Ahmadinejad die Wahl gewonnen haben? Im wesentlichen Dreiteilung der polit. Elite 2005: 17.3 Millionen Stimmen (Stichwahl), Wahlbeteiligung
Mehr8 Stichprobenkennwerteverteilung
8 Stichprobenkennwerteverteilung 8.1 Vorbemerkungen 8.2 Die Normalverteilung: Teil 2 8.3 Die t Verteilung 8.4 Normalverteilungs Approximation: Der zentrale Grenzwertsatz 8.1 Vorbemerkungen Daten x 1,...,
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
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 12. Januar 2011 1 Vergleich zweier Erwartungswerte Was heißt verbunden bzw. unverbunden? t-test für verbundene Stichproben
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Post Hoc Tests A priori Tests (Kontraste) Nicht-parametrischer Vergleich von Mittelwerten 50 Ergebnis der ANOVA Sprossdichte der Seegräser 40 30 20 10
MehrMethodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft
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.
MehrWahrscheinlichkeit und Statistik: Zusammenfassung
HSR Hochschule für Technik Rapperswil Wahrscheinlichkeit und Statistik: Zusammenfassung beinhaltet Teile des Skripts von Herrn Hardy von Lukas Wilhelm lwilhelm.net 12. Januar 2007 Inhaltsverzeichnis 1
MehrAufgaben zu Kapitel 3
Aufgaben zu Kapitel 3 Aufgabe 1 a) Berechnen Sie einen t-test für unabhängige Stichproben für den Vergleich der beiden Verarbeitungsgruppen strukturell und emotional für die abhängige Variable neutrale
MehrWintersemester Maschinenbau und Kunststofftechnik. Informatik. Tobias Wolf Seite 1 von 11
Kapitel 11 Zeichenverarbeitung Seite 1 von 11 Zeichenverarbeitung - Jedem Zeichen ist ein Zahlencode zugeordnet. - Dadurch wird ermöglicht, zwischen verschiedenen Systemen Texte auszutauschen. - Es werden
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
MehrTests für Erwartungswert & Median
Mathematik II für Biologen 26. Juni 2015 Prolog Varianz des Mittelwerts Beispiel: Waage z-test t-test Vorzeichentest Wilcoxon-Rangsummentest Varianz des Mittelwerts Beispiel: Waage Zufallsvariable X 1,...,X
MehrVergleich von Parametern zweier Stichproben
Vergleich von Parametern zweier Stichproben Vergleich von Mittelwerten bei gebundenen Stichproben Vergleich von Mittelwerten bei unabhängigen Stichproben Vergleich von Varianzen bei unabhängigen Stichproben
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003. Eine seltene Krankheit trete mit Wahrscheinlichkeit : 0000 auf. Die bedingte Wahrscheinlichkeit, dass ein bei einem Erkrankten durchgeführter
MehrChi-Quadrat-Verteilung
Chi-Quadrat-Verteilung Wikipedia http://de.wikipedia.org/wiki/chi-quadrat-verteilung 1 von 7 6/18/2009 6:13 PM Chi-Quadrat-Verteilung aus Wikipedia, der freien Enzyklopädie Die Chi-Quadrat-Verteilung ist
MehrWie liest man Konfidenzintervalle? Teil I. Premiu m
Wie liest man Konfidenzintervalle? Teil I Premiu m Was sind Konfidenzintervalle? Ein Konfidenzintervall (KI) ist ein Maß für die Unsicherheit bezüglich einer Schätzung eines Effekts. Es ist ein Intervall
Mehr1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Intervallschätzung
0 Einführung 1 Wahrscheinlichkeitsrechnung Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Intervallschätzung Motivation und Hinführung Der wahre Anteil der rot-grün Wähler 009 war genau
MehrStatistik für NichtStatistiker
Statistik für NichtStatistiker Zufall und Wahrscheinlichkeit von Prof. Dr. Karl Bosch 5., verbesserte Auflage R. Oldenbourg Verlag München Wien Inhaltsverzeichnis 1. ZufalLsexperimente und zufällige Ereignisse
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
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungen stetiger Zufallsvariablen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrMethodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 12 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie als Wissenschaft
MehrHypothesentests und Konfidenzintervalle
Beispiel 1: Befüllen von Cornflakesschachteln Problem Ein Hersteller von Cornflakes möchte überprüfen, ob der Abfüllprozess den Zielvorgaben entspricht. Das Sollgewicht der Schachteln beträgt 365 Gramm.
MehrWahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
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.
MehrProbeklausur - Statistik II, SoSe 2017
Probeklausur - Statistik II, SoSe 2017 Aufgabe 1: Mehrdimensionale Zufallsvariablen (15 Punkte) Gegeben sei ein zweidimensionaler stetiger Zufallsvektor X = (X 1, X 2 ) T mit der gemeinsamen Dichtefunktion
MehrLiteratur: Glantz, S.A. (2002). Primer of Biostatistics. New York: McGraw-Hill.
Statistik Literatur: Glantz, S.A. (2002). Primer of Biostatistics. New York: McGraw-Hill. Maxwell, S.E. & Delaney, H.D. (2000). Designing Experiments and Analyzing Data. Mahwah, NJ: Erlbaum. Das Grundproblem
Mehr30. März Ruhr-Universität Bochum. Methodenlehre II, SS Prof. Dr. Holger Dette
Ruhr-Universität Bochum 30. März 2011 1 / 46 Methodenlehre II NA 3/73 Telefon: 0234 322 8284 Email: holger.dette@rub.de Internet: www.ruhr-uni-bochum.de/mathematik3/index.html Vorlesung: Montag, 8.30 10.00
MehrSignifikanzprüfung. Peter Wilhelm Herbstsemester 2016
Signifikanzprüfung Peter Wilhelm Herbstsemester 2016 1.) Auswahl des passenden Tests 2.) Begründete Festlegung des Alpha-Fehlers nach Abschätzung der Power 3.) Überprüfung der Voraussetzungen 4.) Durchführung
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
MehrGRUNDPRINZIPIEN statistischen Testens
Fragestellungen beim Testen GRUNDPRINZIPIEN statistischen Testens. Vergleiche Unterscheidet sich die Stichprobenbeobachtung von einer vorher spezifizierten Erwartung ( Hypothese ) mit ausreichender Sicherheit?
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.
MehrStatistik. Sommersemester Stefan Etschberger. für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik
Stefan Etschberger für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 2017 Rechenregeln für den Erwartungswert Ist f symmetrisch bzgl. a, so gilt E(X)
MehrKlausur Statistik 2 RE Statistik für Soziologen Do,
Klausur Statistik 2 RE Statistik für Soziologen Do, 24. 9. 2009 Name...Vorname... Matrikelnummer... Einsichtnahme: Fr, 2. Oktober BITTE DEUTLICH UND LESERLICH SCHREIBEN! Es wird nur gewertet, was in diesem
MehrKonfidenzintervalle. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09
Konfidenzintervalle Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09 Münzspiel Experiment 100 Münzwürfe: Stefan gewinnt bei "Kopf" Hypothesen H 0 : Stefan wird so oft gewinnen
MehrKapitel 12 Stetige Zufallsvariablen Dichtefunktion und Verteilungsfunktion. stetig. Verteilungsfunktion
Kapitel 1 Stetige Zufallsvariablen 1.1. Dichtefunktion und Verteilungsfunktion stetig Verteilungsfunktion Trägermenge T, also die Menge der möglichen Realisationen, ist durch ein Intervall gegeben Häufig
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 I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 22 Übersicht Weitere Hypothesentests in der Statistik 1-Stichproben-Mittelwert-Tests 1-Stichproben-Varianz-Tests 2-Stichproben-Tests Kolmogorov-Smirnov-Test
Mehr2. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017
. Lösung weitere Übungsaufgaben Statistik II WiSe 016/017 1. Aufgabe: Bei der Produktion eines Werkstückes wurde die Bearbeitungszeit untersucht. Für die als normalverteilt angesehene zufällige Bearbeitungszeit
MehrSignifikanzprüfung. Peter Wilhelm Herbstsemester 2014
Signifikanzprüfung Peter Wilhelm Herbstsemester 2014 1.) Auswahl des passenden Tests 2.) Begründete Festlegung des Alpha- Fehlers nach Abschätzung der Power 3.) Überprüfung der Voraussetzungen 4.) Durchführung
MehrBiostatistik, WS 2013/2014 Konfidenzintervalle
1/41 Biostatistik, WS 2013/2014 Konfidenzintervalle Matthias Birkner http://www.mathematik.uni-mainz.de/~birkner/biostatistik1314/ 17.1.2014 Beispiel: Carapaxlänge des Springkrebses 4/41 Beispiel: Springkrebs
MehrHypothesentests für Erwartungswert und Median. Statistik (Biol./Pharm./HST) FS 2015
Hypothesentests für Erwartungswert und Median Statistik (Biol./Pharm./HST) FS 2015 Normalverteilung X N μ, σ 2 X ist normalverteilt mit Erwartungswert μ und Varianz σ 2 pdf: pdf cdf:??? cdf 1 Zentraler
Mehr