Zur Statistik im neuen Genehmigungsantrag

Größe: px
Ab Seite anzeigen:

Download "Zur Statistik im neuen Genehmigungsantrag"

Transkript

1 Zur Statistik im neuen Genehmigungsantrag 21. Essener Informationstreffen, 12. März 2014 PD Dr. Nicole Heussen Institut für Medizinische Statistik RWTH Aachen

2 Zur Statistik im neuen Genehmigungsantrag

3 Beispiel Genehmigungsantrag goettingen.de/de/media/stab_tierschutz/muster_fuer_einen_tierversuchsantrag.pdf Wissenschaftliche Fragestellung

4 Beispiel Genehmigungsantrag goettingen.de/de/media/stab_tierschutz/muster_fuer_einen_tierversuchsantrag.pdf Gesamtzahl Dropout Rate? Anzahl der Gruppen, Behandlungen Aufteilung? Bezeichnung

5 Beispiel Genehmigungsantrag goettingen.de/de/media/stab_tierschutz/muster_fuer_einen_tierversuchsantrag.pdf biometrische Argumente für die vorgesehene Anzahl der Tiere Mittelwerte, Standardabweichungen, Zuteilungsverhältnis, Quellen? Primärer Zielparameter Einheit, Zeitpunkt?

6 Beispiel Genehmigungsantrag goettingen.de/de/media/stab_tierschutz/muster_fuer_einen_tierversuchsantrag.pdf statistisches Modell Design, statistische Hypothesen? Signifikanzniveau global, adjustiert? Power = 80% Unterschied zwischen welchen Gruppen, Mittelwerte? Effekt

7 Beispiel Genehmigungsantrag goettingen.de/de/media/stab_tierschutz/muster_fuer_einen_tierversuchsantrag.pdf statistisches Modell Design, statistische Hypothesen? Signifikanzniveau global, adjustiert? Power = 80% Unterschied zwischen welchen Gruppen, Mittelwerte? Effekt aber:

8 Effekt nach Cohen Ausgehend von der Annahme, dass das mittlere Uterusgewicht bei Kontrollen 0.12g beträgt und eine Steigerung um 50% erwartet wird, führt dies auf ein erwartetes mittleres Gewicht in einer Behandlungsgruppe (welcher?) von 0.18g. für 4 geplante Vergleiche Effekt d=0.5 nach Cohen relevanter Unterschied 50%

9 benötigte Tierzahl (je Gruppe, zweiseitiges Signifikanzniveau 5%, Power 80%) z 2 z 2 1 /2 1 kontinuierlicher Zielparameter: N binärer Zielparameter: van Belle G. Statistical Rules of Thumb. Wiley, N 2 ( ) 1 2

10 Beispiel Genehmigungsantrag Tiere (40 zuzüglich einer Dropout Rate von 20%) Gruppe Kontrolle Estradiol DaidzeinD1 DaidzeinD2 DaidzeinD3 Anzahl* Ratten *gerundete optimale Aufteilung nach Dunnett

11 Beispiel Genehmigungsantrag BasierendaufdenDatenvonVorversuchen[Literatur]istbeiKontrolltieren3MonatenachOvarektomievoneinem mittleren Uterusgewicht von 0.12g mit einer Standardabweichung von 0.03g auszugehen. Über die zu erwartenden Werten in den Behandlungsgruppen liegen keine Informationen vor. Als relevanter Effekt wird eine Zunahme des Uterusgewichts bei behandelten Tieren von mindestens 50% angesehen. Eine Steigerung von 50% führt auf ein erwartetes mittleres Uterusgewicht von 0.18g. Die Abschätzung der notwendigen Anzahl von Tieren erfolgt auf Grund fehlender weiterer Informationen auf der Basis eines unverbundenen, zweiseitigen t Test zum Signifikanzniveau und einer Power von 80%. in Gramm [g], 3 Monate nach Fütterung + Hypothesen Blockfaktoren, Kovariablen Aufteilung, Randomisierung

12 Beispiel Genehmigungsantrag Die Analyse basiert auf einer einfaktoriellen Varianzanalyse (ANOVA) mit der Zielvariablen Uterusgewicht und dem Faktor Behandlung (Kontrolle, Estradiol, DiazielD1 D3). Die Vergleich der 4 Behandlungsgruppen zur Kontrollgruppe erfolgt mit Hilfe der Dunnett Prozedur. Globale Signifikanzniveau: =5%. Das Signifikanzniveau der Einzelvergleiche wird durch die Dunnett Prozedur kontrolliert. Der geschätzte Mittelwert des Uterusgewichts in der Kontrollgruppe beträgt 0.12g. Eine Erhöhung um 50% ist relevant, weil Die Standardabweichung des Uterusgewichts der Kontrollgruppe beträgt 0.03g. In den Behandlungsgruppe wird eine Standardabweichung in ähnlicher Größenordnung erwartet.

13 Ausblick Arbeitsgruppe Biometrie im Antrag kommentierte Beispielanträge standardisiertes statistisches Gutachten Checkliste für die Begutachtung

14 Checkliste Biometrisches Gutachten Aspekt Spezifikation Signifikanzniveau Festlegung des Signifikanzniveaus, üblicherweise 5% (ein vs. zweiseitig) Power Festlegung der Power, üblicherweise 80% Hauptfragestellung Zielparameter (Definition) Zielparameter (Messskala) Behandlungsfaktoren Vergleichsgruppen Vergleichszeitpunkt statistische Hypothese Spezifikation der Fragestellung Spezifikation des Parameters zur Beantwortung der Hauptfragestellung Spezifikation der möglichen Ausprägungen des Zielparameters und Charakterisierung der Messskala als nominal, ordinal oder metrisch Spezifikation der Behandlungen Spezifikation und Anzahl der zu vergleichenden Gruppen Zeitpunkt(e) der geplanten Vergleiche Formulierung der statistischen Hypothese im Einklang mit der Hauptfragestellung, Charakterisierung als Überlegenheits, Äquivalenzoder Nicht Unterlegenheitsnachweis

15 Checkliste Biometrisches Gutachten Design Untersuchungseinheit Blockfaktoren Matchingfaktoren Kovariablen Balancierung Interim Analysen statistisches Modell Charakterisierung als Complete Randomized Design, Block Design, Factorial Design, Crossover Design, Repeated Measures Design,... Einheit, der (zufällig) eine von mehreren Behandlungen zugewiesen wird Spezifikation (z.b. Käfig, Mausstamm) einschließlich der möglichen Ausprägungen Spezifikation (z.b. Alter, Geschlecht) einschließlich der möglichen Ausprägungen Spezifikation (z.b. Ausgangsgewicht) einschließlich der möglichen Ausprägungen Zuteilungsverhältnis: 1:1 oder 1:2 Randomisierung bzw. Zuteilung Gruppensequentielle Designs, Adaptive Designs, Anzahl der Zwischenauswertungen und Zeitpunkte z.b. T Test, Chi Quadrat Test, log Rank Test, ANOVA Modell, multiple Testprozeduren, Annahmen bzgl. des Tests zur Prüfung der Hypothese, etc.

16 Checkliste Biometrisches Gutachten Effektmaß Dropout Raten Software Stichprobenumfang je Gruppe Gesamtstichprobenumfang Annahmen über die Größenordnung des Effektmaßes unter Angabe der Quelle, z.b. Ergebnisse aus Vorversuchen, Literatur, etc. geschätzte Dropout Rate und Annahmen über den Dropout Mechanismus verwendete Software zur Berechnung der benötigten Anzahl von Versuchstieren, z.b. ADDPLAN, nquery, SAS,... Anzahl vorgesehener Tiere für jede Gruppe innerhalb des Versuchs Gesamtzahl aller Tiere, die in dem beantragten Versuch benötigt werden unter Berücksichtigung aller Gruppen und Zeitpunkte

17 noch Fragen? 21. Essener Informationstreffen, 12. März 2014 PD Dr. Nicole Heussen Institut für Medizinische Statistik RWTH Aachen

Biometrie im neuen Antragsverfahren

Biometrie im neuen Antragsverfahren 8. Fortbildungsveranstaltung der GV-SOLAS für Tierschutzbeauftragte und Behördenvertreter Warum biometrische Planung? Einfachste Antwort: Weil es im Genehmigungsantrag so vorgesehen ist. 2 Warum biometrische

Mehr

Ein Vergleich von 2-Stichproben-Verfahren mit Berücksichtigung von Baselinewerten bei ordinalen Zielvariablen

Ein Vergleich von 2-Stichproben-Verfahren mit Berücksichtigung von Baselinewerten bei ordinalen Zielvariablen Ein Vergleich von 2-Stichproben-Verfahren mit Berücksichtigung von Baselinewerten bei ordinalen Zielvariablen Alexander Siemer Abteilung Medizinische Statistik Universität Göttingen 47. Biometrisches Kolloquium

Mehr

Aufgaben zu Kapitel 5:

Aufgaben zu Kapitel 5: Aufgaben zu Kapitel 5: Aufgabe 1: Ein Wissenschaftler untersucht, in wie weit die Reaktionszeit auf bestimmte Stimuli durch finanzielle Belohnung zu steigern ist. Er möchte vier Bedingungen vergleichen:

Mehr

Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS

Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS Verena Hofmann Dr. phil. des. Departement für Sonderpädagogik Universität Freiburg Petrus-Kanisius-Gasse 21

Mehr

Methode des statistischen Testens

Methode des statistischen Testens 1 Methode des statistischen Testens Fragestellung Zielgröße (Impfbeispiel: Impferfolg ja / nein) Alternativhypothese Negation Nullhypothese H 0 Wähle Teststatistik = Zusammenfassung der Studienergebnisse

Mehr

Einführung in die Statistik zur Tierversuchsplanung

Einführung in die Statistik zur Tierversuchsplanung Einführung in die Statistik zur Tierversuchsplanung und -auswertung Prof. Peter Pilz Fachbereich Biologie So viele Tiere wie nötig, so wenig Tiere wie möglich Statistik Schließende Statistik Statistische

Mehr

STATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG

STATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG STATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG Statistische Methoden In der vorliegenden fiktiven Musterstudie wurden X Patienten mit XY Syndrom (im folgenden: Gruppe XY) mit Y Patienten eines unauffälligem

Mehr

Prof. Dr. Rainer Koch Juli 1997, Februar 2008

Prof. Dr. Rainer Koch Juli 1997, Februar 2008 Prof. Dr. Rainer Koch Juli 1997, Februar 2008 Hinweise zur biometrischen Planung der notwendigen Anzahl Patienten in klinischen Studien oder Anzahl Versuchstiere im Fall a) des Vergleichs von prozentualen

Mehr

Vergleich von Gruppen I

Vergleich von Gruppen I Vergleich von Gruppen I t-test und einfache Varianzanalyse (One Way ANOVA) Werner Brannath VO Biostatistik im WS 2006/2007 Inhalt Der unverbundene t-test mit homogener Varianz Beispiel Modell Teststatistik

Mehr

Inhaltsverzeichnis. II. Statistische Modelle und sozialwissenschaftliche Meßniveaus 16

Inhaltsverzeichnis. II. Statistische Modelle und sozialwissenschaftliche Meßniveaus 16 Vorwort 1 1. Kapitel: Der Stellenwert der Statistik für die sozialwissenschaflliche Forschung 1 1. Zur Logik (sozial-)wissenschaftlicher Forschung 1 1. Alltagswissen und wissenschaftliches Wissen 1 2.

Mehr

ABCD Konfidenzintervalle und Tests für ordinale Daten in Multi-Centre-Studien bei vorliegenden Baselinewerten

ABCD Konfidenzintervalle und Tests für ordinale Daten in Multi-Centre-Studien bei vorliegenden Baselinewerten Konfidenzintervalle und Tests für ordinale Daten in Multi-Centre-Studien bei vorliegenden Baselinewerten Alexander Siemer Boehringer Ingelheim Pharma KG Statistische Methoden in der Diagnostik Berlin,.-..00

Mehr

Kapitel 5: Einfaktorielle Varianzanalyse

Kapitel 5: Einfaktorielle Varianzanalyse Rasch, Friese, Hofmann & Naumann (006). Quantitative Methoden. Band (. Auflage). Heidelberg: Springer. Kapitel 5: Einfaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung

Mehr

Kapitel 5: Einfaktorielle Varianzanalyse

Kapitel 5: Einfaktorielle Varianzanalyse Kapitel 5: Einfaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung 1 Teststärkebestimmung a posteriori Berechnen der Effektgröße f aus empirischen Daten und Bestimmung

Mehr

Kapitel 8: Verfahren für Rangdaten

Kapitel 8: Verfahren für Rangdaten Kapitel 8: Verfahren für Rangdaten Anmerkung 1 Mann-Whitney U-Test 1 Wilcoxon-Test 3 Kruskal-Wallis H-Test 3 Literatur 6 Anmerkung In Kapitel 8 der Bücher wird erwähnt, dass für nichtparametrische Daten

Mehr

Gibt es einen Zusammenhang zwischen Merkmalen? Korrelationen

Gibt es einen Zusammenhang zwischen Merkmalen? Korrelationen Arbeitsblatt SPSS Kapitel 8 Seite Gibt es einen Zusammenhang zwischen Merkmalen? Korrelationen Wie in allen Kapiteln gehen wir im Folgenden davon aus, dass Sie die Datei elporiginal.sav geöffnet haben.

Mehr

Statistik. Jan Müller

Statistik. Jan Müller Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen

Mehr

After Work Statistics

After Work Statistics After Work Statistics Maja Krajewska Institute of Biometry and Clinical Epidemiology maja.krajewska@charite.de U N I V E R S I T Ä T S M E D I Z I N B E R L I N Institut für Biometrie und klinische Epidemiologie

Mehr

Univ.-Prof. Dr. Georg Wydra Methoden der Physiotherapie II Elemente einer empirischen Arbeit

Univ.-Prof. Dr. Georg Wydra Methoden der Physiotherapie II Elemente einer empirischen Arbeit Univ.-Prof. Dr. Georg Wydra Methoden der Physiotherapie II Elemente einer empirischen Arbeit Prof. Dr. Georg Wydra Sportwissenschaftliches Institut der Universität des Saarlandes 1 Elemente einer empirischen

Mehr

Einführung in die Induktive Statistik: Regressionsanalyse

Einführung in die Induktive Statistik: Regressionsanalyse Einführung in die Induktive Statistik: Regressionsanalyse Jan Gertheiss LMU München Sommersemester 2011 Vielen Dank an Christian Heumann für das Überlassen von TEX-Code! Regressionsanalyse Ziel: Analyse

Mehr

Test auf einen Anteilswert (Binomialtest) Vergleich zweier Mittelwerte (t-test)

Test 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

Mehr

Aufgaben zu Kapitel 8

Aufgaben zu Kapitel 8 Aufgaben zu Kapitel 8 Aufgabe 1 a) Berechnen Sie einen U-Test für das in Kapitel 8.1 besprochene Beispiel mit verbundenen Rängen. Die entsprechende Testvariable punkte2 finden Sie im Datensatz Rangdaten.sav.

Mehr

Kapitel 5: Einfaktorielle Varianzanalyse

Kapitel 5: Einfaktorielle Varianzanalyse Rasch, Friese, Hofmann & Naumann (010). Quantitative Methoden. Band (3. Auflage). Heidelberg: Springer. Kapitel 5: Einfaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung

Mehr

Test auf den Erwartungswert

Test 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

Mehr

Hypothesentests mit SPSS. Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav

Hypothesentests mit SPSS. Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav Hypothese: Die Beschäftigung mit Kunst ist vom Bildungsgrad abhängig. 1. Annahmen Messniveau: Modell: Die Skala zur Erfassung der

Mehr

Formelsammlung für das Modul. Statistik 2. Bachelor. Sven Garbade

Formelsammlung für das Modul. Statistik 2. Bachelor. Sven Garbade Version 2015 Formelsammlung für das Modul Statistik 2 Bachelor Sven Garbade Prof. Dr. phil. Dipl.-Psych. Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de

Mehr

Statistische Tests (Signifikanztests)

Statistische Tests (Signifikanztests) Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)

Mehr

Kapitel 6: Zweifaktorielle Varianzanalyse

Kapitel 6: Zweifaktorielle Varianzanalyse Kapitel 6: Zweifaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung 1 Teststärkebestimmung a posteriori 4 Berechnen der Effektgröße f² aus empirischen Daten und Bestimmung

Mehr

Inhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden

Inhaltsverzeichnis. 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

Mehr

Mathematische und statistische Methoden I

Mathematische 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

Mehr

Statistik III. Einfaktorielle Varianzanalyse (ANOVA), Regressionsanalyse und Verfahren bei Messwiederholung mit SPSS.

Statistik III. Einfaktorielle Varianzanalyse (ANOVA), Regressionsanalyse und Verfahren bei Messwiederholung mit SPSS. Statistik III Einfaktorielle Varianzanalyse (ANOVA), Regressionsanalyse und Verfahren bei Messwiederholung mit SPSS Verena Hofmann Dr. phil. Departement für Sonderpädagogik Universität Freiburg Petrus-Kanisius-Gasse

Mehr

Stichprobenumfangsplanung

Stichprobenumfangsplanung Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Stichprobenumfangsplanung Überblick Einführung Signifikanzniveau Teststärke Effektgröße

Mehr

U N I V E R S I T Ä T S M E D I Z I N B E R L I N. After Work Statistics

U N I V E R S I T Ä T S M E D I Z I N B E R L I N. After Work Statistics U N I V E R S I T Ä T S M E D I Z I N B E R L I N After Work Statistics Institut für Biometrie und klinische Epidemiologie Wir sind Hilfsbereit und nett! als Wissenschaftler aktiv in der statistischen

Mehr

THEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ

THEMA: 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

Mehr

Aufgaben zu Kapitel 7:

Aufgaben zu Kapitel 7: Aufgaben zu Kapitel 7: Aufgabe 1: In einer Klinik sollen zwei verschiedene Therapiemethoden miteinander verglichen werden. Zur Messung des Therapieerfolges werden die vorhandenen Symptome einmal vor Beginn

Mehr

Kapitel 4: Merkmalszusammenhänge

Kapitel 4: Merkmalszusammenhänge Kapitel 4: Merkmalszusammenhänge Korrelationen 1 Lineare Regression 3 Literatur 5 Korrelationen Mit Hilfe von G*Power lässt sich analog zum Vorgehen beim t-test (Kapitel 3, Band I) vor einer Untersuchung

Mehr

Statistik II: Signifikanztests /1

Statistik 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

Mehr

Statistische Überlegungen: Eine kleine Einführung in das 1 x 1

Statistische Überlegungen: Eine kleine Einführung in das 1 x 1 Statistische Überlegungen: Eine kleine Einführung in das 1 x 1 PD Dr. Thomas Friedl Klinik für Frauenheilkunde und Geburtshilfe, Universitätsklinikum Ulm München, 23.11.2012 Inhaltsübersicht Allgemeine

Mehr

Seminar: Statistische Planung und Auswertung randomisierter kontrollierter klinischer Studien

Seminar: Statistische Planung und Auswertung randomisierter kontrollierter klinischer Studien Seminar: Statistische Planung und Auswertung randomisierter kontrollierter klinischer Studien Prof. Dr. Anne-Laure Boulesteix Dr. Mathias Fuchs, M.Sc. Roman Hornung, M.Sc. M.Sc. Silke Janitza Institut

Mehr

Methodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Methodenlehre. 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

Mehr

10. Medizinische Statistik

10. Medizinische Statistik 10. Medizinische Statistik Projektplanung Deskriptive Statistik Inferenz-Statistik Literatur: Hüsler, J. und Zimmermann, H.: Statistische Prinzipien für medizinische Projekte, Verlag Hans Huber, 1993.

Mehr

Hypothesenbasierende Untersuchungen. Hypothesenbasierende Untersuchungen

Hypothesenbasierende Untersuchungen. Hypothesenbasierende Untersuchungen Hypothesenbasierende Untersuchungen Hypothesenbasierende Untersuchungen Unterschiedshypothesen Zusammenhangshypothesen Veränderungshypothesen Äquivalenzhypothesen PD Dr. Sven Reese, LMU München 1 Definition:

Mehr

Inhaltsverzeichnis. Vorwort

Inhaltsverzeichnis. Vorwort V Vorwort XI 1 Zum Gebrauch dieses Buches 1 1.1 Einführung 1 1.2 Der Text in den Kapiteln 1 1.3 Was Sie bei auftretenden Problemen tun sollten 2 1.4 Wichtig zu wissen 3 1.5 Zahlenbeispiele im Text 3 1.6

Mehr

Statistische Messdatenauswertung

Statistische Messdatenauswertung Roland Looser Statistische Messdatenauswertung Praktische Einführung in die Auswertung von Messdaten mit Excel und spezifischer Statistik-Software für naturwissenschaftlich und technisch orientierte Anwender

Mehr

Einführung in Quantitative Methoden

Einführung 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 =

Mehr

Biomathematik für Mediziner

Biomathematik für Mediziner Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur SS 2002 Aufgabe 1: Franz Beckenbauer will, dass

Mehr

Statistische Matching-Verfahren

Statistische Matching-Verfahren Statistische Matching-Verfahren Erste Statistik-Tage 2012 Bamberg Fürth 26./27. Juli 2012 in Bamberg Prof. Dr. Susanne Rässler Lehrstuhl für Statistik und Ökonometrie in den Sozial- und Wirtschaftswissenschaften

Mehr

PROC NPAR1WAY. zum Durchführen des U-Tests für zwei unverbundene Stichproben (für quantitative nicht-normalverteilte Merkmale)

PROC NPAR1WAY. zum Durchführen des U-Tests für zwei unverbundene Stichproben (für quantitative nicht-normalverteilte Merkmale) PROC NPAR1WAY zum Durchführen des U-Tests für zwei unverbundene Stichproben (für quantitative nicht-normalverteilte Merkmale) Allgemeine Form: PROC NPAR1WAY DATA=name Optionen ; VAR variablenliste ; CLASS

Mehr

After Work Statistics

After Work Statistics After Work Statistics Robert Röhle Institute of Biometry and Clinical Epidemiology robert.roehle@charite.de U N I V E R S I T Ä T S M E D I Z I N B E R L I N Institut für Biometrie und klinische Epidemiologie

Mehr

1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Intervallschätzung. 5 Hypothesentests.

1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Intervallschätzung. 5 Hypothesentests. 0 Einführung 1 Wahrscheinlichkeitsrechnung 2 Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Intervallschätzung 5 Hypothesentests 6 Regression Lineare Regressionsmodelle Deskriptive Statistik:

Mehr

Einfaktorielle Varianzanalyse

Einfaktorielle Varianzanalyse Kapitel 16 Einfaktorielle Varianzanalyse Im Zweistichprobenproblem vergleichen wir zwei Verfahren miteinander. Nun wollen wir mehr als zwei Verfahren betrachten, wobei wir unverbunden vorgehen. Beispiel

Mehr

Biometrische Planung von Versuchsvorhaben

Biometrische Planung von Versuchsvorhaben Biometrische Planung von Versuchsvorhaben Einführung in das Prinzip der Lehrstuhl für Mathematik VIII Statistik http://statistik.mathematik.uni-wuerzburg.de/~hain Ziel des Vortrags Im nachfolgenden Vortrag

Mehr

5. Lektion: Einfache Signifikanztests

5. Lektion: Einfache Signifikanztests Seite 1 von 7 5. Lektion: Einfache Signifikanztests Ziel dieser Lektion: Du ordnest Deinen Fragestellungen und Hypothesen die passenden einfachen Signifikanztests zu. Inhalt: 5.1 Zwei kategoriale Variablen

Mehr

Inhaltsverzeichnis. Über die Autoren Einleitung... 21

Inhaltsverzeichnis. Über die Autoren Einleitung... 21 Inhaltsverzeichnis Über die Autoren.... 7 Einleitung... 21 Über dieses Buch... 21 Was Sie nicht lesen müssen... 22 Törichte Annahmen über den Leser... 22 Wie dieses Buch aufgebaut ist... 23 Symbole, die

Mehr

Einführung in die Statistik

Einführung in die Statistik Elmar Klemm Einführung in die Statistik Für die Sozialwissenschaften Westdeutscher Verlag INHALTSVERZEICHNIS 1. Einleitung und Begrifflichkeiten 11 1.1 Grundgesamtheit, Stichprobe 12 1.2 Untersuchungseinheit,

Mehr

Überlebenszeit- und Rezidivanalysen

Überlebenszeit- und Rezidivanalysen Institut für Medizinische Biometrie Überlebenszeit- und Rezidivanalysen Dr. Christoph Meisner Gliederung 1. Ergebnisqualität in der Onkologie: u.a. Analyse der kumulierten Inzidenz von Ereignissen im Zeitverlauf

Mehr

Aufgaben zur Varianzanalyse

Aufgaben zur Varianzanalyse Aufgaben zur Varianzanalyse 1. Eine Firma möchte eine von fünf verschieden Maschinen kaufen: A, B, C, D oder E. Zur Entscheidungsfindung werden die Maschinen nach folgendem Experiment getestet: Es werden

Mehr

Varianzvergleiche bei normalverteilten Zufallsvariablen

Varianzvergleiche bei normalverteilten Zufallsvariablen 9 Mittelwert- und Varianzvergleiche Varianzvergleiche bei zwei unabhängigen Stichproben 9.3 Varianzvergleiche bei normalverteilten Zufallsvariablen Nächste Anwendung: Vergleich der Varianzen σa 2 und σ2

Mehr

Übung 5 im Fach "Biometrie / Q1" Thema: Wilcoxon, Chi-Quadrat, multiples Testen

Übung 5 im Fach Biometrie / Q1 Thema: Wilcoxon, Chi-Quadrat, multiples Testen Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-89070 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 13, 89075 Ulm Tel.

Mehr

Software oder Tabellen (nicht Thema dieser Veranstaltung).

Software oder Tabellen (nicht Thema dieser Veranstaltung). p-wert p-wert Der p-wert ist die Wahrscheinlichkeit, dass die Testgröße den beobachteten Wert oder einen noch extremeren Wert (,,weiter weg von H 0 ) annimmt unter der Bedingung, dass H 0 wahr ist. Bemerkungen

Mehr

Inhaltsverzeichnis DESKRIPTIVE STATISTIK. 1 Grundlagen Grundbegriffe Skalen... 15

Inhaltsverzeichnis DESKRIPTIVE STATISTIK. 1 Grundlagen Grundbegriffe Skalen... 15 Inhaltsverzeichnis 1 Grundlagen... 13 1.1 Grundbegriffe...13 1.2 Skalen... 15 DESKRIPTIVE STATISTIK 2 Eindimensionale Häufigkeitsverteilungen...16 2.1 Häufigkeiten... 16 2.1.1 Grundbegriffe... 16 2.1.2

Mehr

Konfidenzintervalle 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 Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir

Mehr

Statistische Methoden in den Umweltwissenschaften

Statistische 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

Mehr

Von der Idee zum richtigen Studiendesign

Von der Idee zum richtigen Studiendesign BMBF- und DFG-Förderung für klinische Studien: Rahmenbedingungen und Erfolgsfaktoren Von der Idee zum richtigen Studiendesign Unterstützung durch das Institut für Biometrie und Klinische Forschung Dr.

Mehr

Stichwortverzeichnis. E Extrapolation, außerhalb des Datenbereichs 230

Stichwortverzeichnis. E Extrapolation, außerhalb des Datenbereichs 230 335 Stichwortverzeichnis A Abweichung 12 mittlere 13 Additivität 141 Anova siehe Varianzanalyse Anpassungsgüte 252, 279 χ 2 -Test zur 270 279 mehr als zwei Klassen 272 274 Anpassungstest (χ 2 ) 270 278

Mehr

Hypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests

Hypothesen: 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

Mehr

Biostatistik. 4y Springer. Wolfgang Köhler Gabriel Schachtel Peter Voleske. Vierte, aktualisierte und erweiterte Auflage

Biostatistik. 4y Springer. Wolfgang Köhler Gabriel Schachtel Peter Voleske. Vierte, aktualisierte und erweiterte Auflage Wolfgang Köhler Gabriel Schachtel Peter Voleske Biostatistik Vierte, aktualisierte und erweiterte Auflage Mit 65 Abbildungen und 50 Tabellen 4y Springer Einleitung 1 Kapitel I: Merkmalsauswahl 5 1 Wahl

Mehr

Messwiederholungen und abhängige Messungen

Messwiederholungen und abhängige Messungen Messwiederholungen und abhängige Messungen t Tests und Varianzanalysen für Messwiederholungen Kovarianzanalyse Thomas Schäfer SS 009 1 Messwiederholungen und abhängige Messungen Bei einer Messwiederholung

Mehr

Inhaltsverzeichnis Einführung und deskriptive Statistik Grundlagen der Inferenzstatistik 1: Zufallsvariablen

Inhaltsverzeichnis Einführung und deskriptive Statistik Grundlagen der Inferenzstatistik 1: Zufallsvariablen Inhaltsverzeichnis 1 Einführung und deskriptive Statistik... 1 1.1 Wichtige mathematische Schreibweisen... 1 1.1.1 Das Summenzeichen... 1 1.1.2 Mengentheoretische Schreibweisen... 3 1.1.3 Variablentransformationen...

Mehr

1 GRUNDLAGEN Grundbegriffe Skalen...15

1 GRUNDLAGEN Grundbegriffe Skalen...15 Inhaltsverzeichnis 1 GRUNDLAGEN...13 1.1 Grundbegriffe...13 1.2 Skalen...15 DESKRIPTIVE STATISTIK 2 EINDIMENSIONALE HÄUFIGKEITSVERTEILUNGEN...16 2.1 Häufigkeiten...16 2.1.1 Grundbegriffe...16 2.1.2 Klassieren

Mehr

Signifikanzprüfung. Peter Wilhelm Herbstsemester 2016

Signifikanzprüfung. 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

Mehr

6.4 Der Kruskal-Wallis Test

6.4 Der Kruskal-Wallis Test 6.4 Der Kruskal-Wallis Test Der Test von Kruskal und Wallis, auch H-Test genannt, ist ein Test, mit dem man die Verteilungen von Teilstichproben auf Unterschiede untersuchen kann. Bei diesem Test geht

Mehr

Modul 141 Statistik. 1. Studienjahr 11. Sitzung Signifikanztests

Modul 141 Statistik. 1. Studienjahr 11. Sitzung Signifikanztests Modul 141 Statistik 1. Studienjahr 11. Sitzung Signifikanztests Inhalt der 11. Sitzung 1. Parametrische Signifikanztests 2. Formulierung der Hypothesen 3. Einseitige oder zweiseitige Fragestellung 4. Signifikanzniveau

Mehr

Vorlesung: Statistik II für Wirtschaftswissenschaft

Vorlesung: Statistik II für Wirtschaftswissenschaft Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 6 Genzwertsätze Einführung 1 Wahrscheinlichkeit: Definition und Interpretation

Mehr

fh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik

fh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik fh management, communication & it Folie 1 Überblick Grundlagen (Testvoraussetzungen) Mittelwertvergleiche (t-test,..) Nichtparametrische Tests Korrelationen Regressionsanalyse... Folie 2 Überblick... Varianzanalyse

Mehr

Methodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Methodenlehre. 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

Mehr

Unsystematische Störvariablen

Unsystematische Störvariablen wirken auf AV, variieren aber nicht mit UV haben keinen Einfluss auf Unterschiede zwischen den Bedingungen Unsystematische Störvariablen (Eid, Gollwitzer & Schmitt, 2010, S. 56f) Es gibt individuelle Unterschiede

Mehr

Ein exakter Test für die Meta-Analyse von Studien mit binären Endpunkten. Oliver Kuß, Cora Gromann

Ein exakter Test für die Meta-Analyse von Studien mit binären Endpunkten. Oliver Kuß, Cora Gromann Ein exakter Test für die Meta-Analyse von Studien mit binären Endpunkten Oliver Kuß, Cora Gromann Institut für Medizinische Epidemiologie, Biometrie und Informatik, Universität Halle-Wittenberg, Halle

Mehr

Bremer Institut für Präventionsforschung und Sozialmedizin Biometrie im Antrag: Biometrische Planung von Tierversuchen

Bremer Institut für Präventionsforschung und Sozialmedizin Biometrie im Antrag: Biometrische Planung von Tierversuchen Biometrie im Antrag: Biometrische Planung von Tierversuchen Iris Pigeot 2. Fortbildungsveranstaltung der GV-SOLAS für Tierschutzbeauftragte Berlin, 27. Mai 2009 Überblick 1. Das Studienprotokoll 2. Das

Mehr

Bereiche der Statistik

Bereiche der Statistik Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden

Mehr

Methodenlehre. Vorlesung 11. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Methodenlehre. 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

Mehr

T-Test für unabhängige Stichproben

T-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

Mehr

Methodik klinischer Studien

Methodik klinischer Studien M. Schumacher G. Schulgen Methodik klinischer Studien Methodische Grundlagen der Planung, Durchführung und Auswertung Zweite, überarbeitete und erweiterte Auflage Sprin ger Inhaltsverzeichnis EINLEITUNG

Mehr

Fallzahlplanung bei unabhängigen Stichproben

Fallzahlplanung 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

Mehr

Methodenlehre. Vorlesung 13. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Methodenlehre. 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

Mehr

Zusammenhangsanalyse mit SPSS. Messung der Intensität und/oder der Richtung des Zusammenhangs zwischen 2 oder mehr Variablen

Zusammenhangsanalyse mit SPSS. Messung der Intensität und/oder der Richtung des Zusammenhangs zwischen 2 oder mehr Variablen - nominal, ordinal, metrisch In SPSS: - Einfache -> Mittelwerte vergleichen -> Einfaktorielle - Mehrfaktorielle -> Allgemeines lineares Modell -> Univariat In SPSS: -> Nichtparametrische Tests -> K unabhängige

Mehr

Biometrische und Ökonometrische Methoden II Lösungen 2

Biometrische und Ökonometrische Methoden II Lösungen 2 TECHNISCHE UNIVERSITÄT MÜNCHEN - WEIHENSTEPHAN SS 01 MATHEMATIK UND STATISTIK, INFORMATIONS- UND DOKUMENTATIONSZENTRUM Biometrische und Ökonometrische Methoden II Lösungen 2 1. a) Zunächst wird die Tafel

Mehr

Bemerkungen zu statistischen Tests

Bemerkungen zu statistischen Tests Bemerkungen zu statistischen Tests Einseitige vs. zweiseitige Tests Die Entscheidung für eine einseitige oder zweiseitige Alternative hängt von der Fragestellung ab. Eine einseitige Alternative ist dann

Mehr

Statistik für Naturwissenschaftler

Statistik für Naturwissenschaftler Hans Walser Statistik für Naturwissenschaftler Haupt Verlag Bern Stuttgart Wien Inhaltsverzeichnis Vorwort 13 1 Beschreibende Statistik 15 1.1 Mittelwerte 15 1.1.1 Minimum der Abstände 15 1.1.2 Der Mediän

Mehr

SigmaStat Nina Becker, Christoph. Rothenwöhrer. Copyright 2004 Systat Software, Inc.

SigmaStat Nina Becker, Christoph. Rothenwöhrer. Copyright 2004 Systat Software, Inc. SigmaStat 3.11 Copyright 2004 Systat Software, Inc. http://www.systat.com Nina Becker, Christoph Rothenwöhrer Die Aufgabe der Statistik ist die Zusammenfassung von Daten, deren Darstellung, Analyse und

Mehr

Signifikanzprüfung. Peter Wilhelm Herbstsemester 2014

Signifikanzprüfung. 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

Mehr

1 EINLEITUNG Allgemeines Kapitelübersicht Gebrauch dieses Buches Verwenden zusätzlicher Literatur...

1 EINLEITUNG Allgemeines Kapitelübersicht Gebrauch dieses Buches Verwenden zusätzlicher Literatur... Inhaltsverzeichnis 1 EINLEITUNG... 1 1.1 Allgemeines... 1 1.2 Kapitelübersicht... 2 1.3 Gebrauch dieses Buches... 3 1.4 Verwenden zusätzlicher Literatur... 4 DESKRIPTIVE STATISTIK 2 GRUNDLAGEN... 5 2.1

Mehr

Projektskizze: Studie/ Auswertung/ Publikation

Projektskizze: Studie/ Auswertung/ Publikation Projektskizze: Studie/ Auswertung/ Publikation Name: PD Dr. Dr. Robert Bals, CAPNetz C11 Datum: 30. 8. 2007 Institution(en)/Autor(en): Klinikum der Universität Marburg Klinik für Innere Medizin mit Schwerpunkt

Mehr

Grundlagen sportwissenschaftlicher Forschung Inferenzstatistik 2

Grundlagen 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

Mehr

Antrag auf biometrische und datentechnische Unterstützung von medizinischen Forschungsprojekten

Antrag auf biometrische und datentechnische Unterstützung von medizinischen Forschungsprojekten Antrag auf biometrische und datentechnische Unterstützung von medizinischen Forschungsprojekten Angaben zur Person Anrede Frau Titel Professor Herr Doktor Name Vorname Email Telefon Klinik-/Institutsbezeichnung

Mehr

Mittelwertvergleiche, Teil II: Varianzanalyse

Mittelwertvergleiche, Teil II: Varianzanalyse FB 1 W. Ludwig-Mayerhofer Statistik II 1 Herzlich willkommen zur Vorlesung Mittelwertvergleiche, Teil II: FB 1 W. Ludwig-Mayerhofer Statistik II 2 : Wichtigste Eigenschaften Anwendbar auch bei mehr als

Mehr

Statistische Methoden in den Umweltwissenschaften

Statistische 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

Mehr

3) Testvariable: T = X µ 0

3) Testvariable: T = X µ 0 Beispiel 4.9: In einem Molkereibetrieb werden Joghurtbecher abgefüllt. Der Sollwert für die Füllmenge dieser Joghurtbecher beträgt 50 g. Aus der laufenden Produktion wurde eine Stichprobe von 5 Joghurtbechern

Mehr