Stichprobenplanung am Beispiel der Prävalenzschätzung
|
|
|
- Lars Jaeger
- vor 2 Jahren
- Abrufe
Transkript
1 BUNDESINSTITUT FÜR RISIKOBEWERTUNG Stichprobenplanung am Beispiel der Hans Mielke
2 Stichprobenplanung Wichtig wegen Ressourcen (Geld, Zeit, Ethik) Notwenige Stichprobengröße hängt von Anforderungen ab Forschungsfrage genau formulieren Heute: Beispiel Häufig auch: Mittelwertschätzung, Nachweis von Unterschieden, Freitesten Essenziell wichtig (und meist schwierig): Zufallsstichprobe Hans Mielke, , WALD.WILD.verBUND.FORSCHUNG Seite 2
3 Jedes Individuum trägt Merkmal oder nicht. Anteil Merkmalsträger? Nachweis ist mit Aufwand verbunden, daher möglichst wenige Proben. Der Schätzwert soll mit relativ hoher Gewissheit relativ gut sein. Sie berechnen die notwendige Probenzahl. Hans Mielke, , WALD.WILD.verBUND.FORSCHUNG Seite 3
4 Jedes Individuum trägt Merkmal oder nicht. Anteil Merkmalsträger? Nachweis ist mit Aufwand verbunden, daher möglichst wenige Proben. Der Schätzwert soll mit relativ hoher Gewissheit relativ gut sein. Sie berechnen die notwendige Probenzahl. Hans Mielke, , WALD.WILD.verBUND.FORSCHUNG Seite 4
5 Kleine Herde Wahrscheinlichkeit der Realisierung Blau: Wahrheit Grün: Schätzung Prävalenz Hans Mielke, , WALD.WILD.verBUND.FORSCHUNG Seite 5
6 Kleine Herde Wahrscheinlichkeit der Realisierung Blau: Wahrheit Grün: Schätzung Prävalenz Hans Mielke, , WALD.WILD.verBUND.FORSCHUNG Seite 6
7 Kleine Herde Wahrscheinlichkeit der Realisierung Blau: Wahrheit Grün: Schätzung Prävalenz Hans Mielke, , WALD.WILD.verBUND.FORSCHUNG Seite 7
8 Kleine Herde Wahrscheinlichkeit der Realisierung Blau: Wahrheit Grün: Schätzung Prävalenz Hans Mielke, , WALD.WILD.verBUND.FORSCHUNG Seite 8
9 Kleine Herde Wahrscheinlichkeit der Realisierung Blau: Wahrheit Grün: Schätzung Prävalenz Hans Mielke, , WALD.WILD.verBUND.FORSCHUNG Seite 9
10 Faustregeln Die benötigte Stichprobenzahl steigt... für größere Herden, wenn ich das Ergebnis genauer wissen will, wenn die wahre Prävalenz näher bei 50 % liegt, wenn ich mit höherer Wahrscheinlichkeit ein falsches Ergebnis in Kauf nehme. Hans Mielke, , WALD.WILD.verBUND.FORSCHUNG Seite 10
11 Große Herde Hans Mielke, , WALD.WILD.verBUND.FORSCHUNG Seite 11
12 Große Herde Wahrscheinlichkeit der Realisierung Blau: Wahrheit Grün: Schätzung Prävalenz Hans Mielke, , WALD.WILD.verBUND.FORSCHUNG Seite 12
13 Große Herde Wahrscheinlichkeit der Realisierung Blau: Wahrheit Grün: Schätzung Prävalenz Hans Mielke, , WALD.WILD.verBUND.FORSCHUNG Seite 13
14 Große Herde Wahrscheinlichkeit der Realisierung Blau: Wahrheit Grün: Schätzung Prävalenz Hans Mielke, , WALD.WILD.verBUND.FORSCHUNG Seite 14
15 Große Herde Wahrscheinlichkeit der Realisierung Blau: Wahrheit Grün: Schätzung Prävalenz Hans Mielke, , WALD.WILD.verBUND.FORSCHUNG Seite 15
16 Große Herde Wahrscheinlichkeit der Realisierung Blau: Wahrheit Grün: Schätzung Prävalenz Hans Mielke, , WALD.WILD.verBUND.FORSCHUNG Seite 16
17 Hohe Genauigkeit ist teuer Stichprobenumfang Ungenauigkeit Hans Mielke, , WALD.WILD.verBUND.FORSCHUNG Seite 17
18 Zufallsstichprobe Wenn jedes Individuum die gleiche Chance hat, gezogen zu werden, ist die Stichprobe repräsentativ. Eine Zufallsstichprobe zu ziehen ist in der Regel nicht einfach. Schlechte Stichproben können alles vermasseln. Beispiel: The racist soap dispenser Hans Mielke, , WALD.WILD.verBUND.FORSCHUNG Seite 18
19 Fazit Zu große Stichproben sind unwirtschaftlich, aber zu kleine auch! Sorgen Sie für eine zufällige Stichprobe! Stichprobenplanung sichert Güte der Schätzungen Es gibt auch Tools (BfR internes Tool, Es gibt Möglichkeiten, wenn die erforderliche Stichprobe zu groß ist. Fragen sie Ihre Statistikerin oder Ihren Statistiker! Vorkenntnis hilft: Herdengröße, erwartete Prävalenz, Standardabweichung Stellschrauben: Genauigkeit (Konfidenz nur bedingt) Ggf. Frage anpassen Hans Mielke, , WALD.WILD.verBUND.FORSCHUNG Seite 19
20 To call in the statistican after the experiment is done may be no more than asking him to perform a postmortem examination; he may be able to say what the experiment died of. R. A. Fisher ( ) Hans Mielke, , WALD.WILD.verBUND.FORSCHUNG Seite 20
21 BUNDESINSTITUT FÜR RISIKOBEWERTUNG Danke für Ihre Aufmerksamkeit Hans Mielke Bundesinstitut für Risikobewertung Max-Dohrn-Str Berlin Tel Fax bfr@bfr.bund.de
Statistik 1 Endtermtest
Statistik 1 Endtermtest 1. In einer Fabrik werden Schrauben durch drei Maschinen produziert. Der Anteil der defekten Schrauben, die durch Maschine A hergestellt werden, beträgt 3%. Der Defektanteil ist
Methodenlehre. 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
Wie 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
Vorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 017 4 Spezielle Zufallsgrößen Einführung 1 Wahrscheinlichkeit: Definition
Wahrscheinlichkeitsrechnung und Statistik für Biologen 2. Der Standardfehler
Wahrscheinlichkeitsrechnung und Statistik für Biologen 2. Der Standardfehler Noémie Becker & Dirk Metzler 15. April 2016 Inhaltsverzeichnis 1 Der Standardfehler 1 1.1 Ein Versuch............................................
Schließende Statistik
Schließende Statistik [statistical inference] Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.
Statistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management
Statistik für Betriebswirtschaft und International Management Sommersemester 2014 Prof. Dr. Stefan Etschberger HSA Streuungsparameter Varianz Var(X) bzw. σ 2 : [x i E(X)] 2 f(x i ), wenn X diskret Var(X)
Inhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 10 Prof. Dr. Karin Melzer, Prof. Dr. Gabriele Gühring, Fakultät Grundlagen
Inhaltsverzeichnis: 1. Aufgabenlösungen... Lösung zu Aufgabe 1:... Lösung zu Aufgabe... Lösung zu Aufgabe 3... Lösung zu Aufgabe 4... Lösung zu Aufgabe 5... 3 Lösung zu Aufgabe... 3 Lösung zu Aufgabe 7...
Stichwortverzeichnis. Symbole
Stichwortverzeichnis Symbole 50ste Perzentil 119 A Absichern, Ergebnisse 203 Abzählbar unendliche Zufallsvariable 146 Alternativhypothese 237 238 formulieren 248 Anekdote 340 Annäherung 171, 191 Antwortquote
1 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
Biostatistik, WS 2017/18 Der Standardfehler
1/70 Biostatistik, WS 2017/18 Matthias Birkner http://www.staff.uni-mainz.de/birkner/biostatistik1718/ 24.11.2017 3/70 Ein Versuch Hirse Bild: Panicum miliaceum 4/70 Ein Versuch Ein Versuch Versuchsaufbau:
T-Test für den Zweistichprobenfall
T-Test für den Zweistichprobenfall t-test (unbekannte, gleiche Varianzen) Test auf Lageunterschied zweier normalverteilter Grundgesamtheiten mit unbekannten, aber gleichen Varianzen durch Vergleich der
FAQs zu Produktmeldungen nach 16e ChemGund 10 WRMG. Mareike Budelmann
FAQs zu Produktmeldungen nach 16e ChemGund 10 WRMG Mareike Budelmann BUNDESINSTITUT FÜR RISIKOBEWERTUNG Meldepflicht nach 16e Chemikaliengesetz Meldepflicht nach 16e ChemG besteht für alle Biozidprodukte
4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 4.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
3 Konfidenzintervalle
3 Konfidenzintervalle Konfidenzintervalle sind das Ergebnis von Intervallschätzungen. Sicheres Wissen über Grundgesamtheiten kann man anhand von Stichproben nicht gewinnen. Aber mit Hilfe der Statistik
Binomialverteilung Vertrauensbereich für den Anteil
Übungen mit dem Applet Binomialverteilung Vertrauensbereich für den Anteil Binomialverteilung Vertrauensbereich für den Anteil 1. Statistischer Hintergrund und Darstellung.... Wie entsteht der Vertrauensbereich?...
2.3 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
MRSA in verschiedenen Lebensmittelketten
BUNDESINSTITUT FÜR RISIKOBEWERTUNG MRSA in verschiedenen Lebensmittelketten B.-A. Tenhagen, B. Vossenkuhl, A. Fetsch, A. Käsbohrer Fachgruppe Epidemiologie und Zoonosen NRL für koagulase positive Staphylokokken
Ringvorlesung Einführung in die Methoden der empirischen Sozialforschung II
Ringvorlesung Einführung in die Methoden der empirischen Sozialforschung II Prof. Dr. M. Häder SoSe 2006 Der Inhalt der nächsten Vorlesungen Auswahlverfahren / Stichproben I und II Untersuchungsformen
BfR-Verbraucher MONITOR
BfR-Verbraucher 06 MONITOR Impressum BfR-Verbrauchermonitor 06 2015 Herausgeber: Bundesinstitut für Risikobewertung (BfR) Max-Dohrn-Straße 8 10 10589 Berlin bfr@bfr.bund.de www.bfr.bund.de Foto: MNStudio/Fotolia.com
5. 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
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
Wahrscheinlichkeitsrechnung macht Freu(n)de
Dr. Univ.-Prof. Dr. Michael Eichmair Fortbildung 13. Februar 2019 Mathematik macht Freu(n)de Das Projekt Lehrveranstaltung Intensiv-Studienclubs Fortbildungen Vorkurs Mathematik Kompetenzmaterialien Mathematik-Olympiade
Wie viele Produkte müssen zerstörend in der Qualitätskontrolle geprüft werden? DRK-Blutspendedienst West
Wie viele Produkte müssen zerstörend in der Qualitätskontrolle geprüft werden? Einschlägige Regelungen Es sind regelmäßig Qualitätskontrollen an Stichproben aus der laufenden Herstellung durchzuführen.
BfR-Verbraucher MONITOR
BfR-Verbraucher MONITOR BfR-Verbrauchermonitor 2014 3 Impressum BfR-Verbrauchermonitor 2014 Herausgeber: Bundesinstitut für Risikobewertung (BfR) Max-Dohrn-Straße 8 10 10589 Berlin bfr@bfr.bund.de www.bfr.bund.de
Forschungsmethoden VORLESUNG SS 2018
Forschungsmethoden VORLESUNG SS 2018 SOPHIE LUKES Organisatorisches Letztes Mal: Versuchspläne Heute: Stichprobenziehung und Stichprobeneffekte Heute: Stichprobenziehung und Stichprobeneffekte Warum brauchen
Statistik. ist damit unter anderem die Zusammenfassung bestimmter Methoden, um empirische Daten zu analysieren. Projektmanagement
Technischer Betriebswirt VIII die Lehre von Methoden zum Umgang mit quantitativen Informationen (Daten). Möglichkeit, eine systematische Verbindung zwischen Erfahrung (Empirie) und Theorie herzustellen.
1. Einführung in die induktive Statistik
Wichtige Begriffe 1. Einführung in die induktive Statistik Grundgesamtheit: Statistische Masse, die zu untersuchen ist, bzw. über die Aussagen getroffen werden soll Stichprobe: Teil einer statistischen
Notgepäck Genauigkeit
Notgepäck Genauigkeit Beat Hulliger Dienst Statistische Methoden, Bundesamt für Statistik 20.4.2006 1 Was ist Genauigkeit genau? Um zu beschreiben, was Genauigkeit in der Statistik ist, müssen wir untersuchen,
5. 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
Statistik Einführung // Stichprobenverteilung 6 p.2/26
Statistik Einführung Kapitel 6 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Leydold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // 6 p.0/26 Lernziele 1. Beschreiben
Zentraler Grenzwertsatz
Statistik 2 für SoziologInnen Zentraler Grenzwertsatz Univ.Prof. Dr. Marcus Hudec Statistik für SoziologInnen 1 Zentraler Grenzwertsatz Inhalte Themen dieses Kapitels sind: Der zentrale Grenzwertsatz und
Übungen zur Vorlesung Wirtschaftsstatistik Konfidenzintervalle Aufgabe 11.1 NewYorkTimes, Monday, May17,2010:
Technische Hochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 3914 jutta.arrenberg@th-koeln.de Übungen zur Vorlesung Wirtschaftsstatistik Konfidenzintervalle
Statistik. 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)
von x-würfeln bei wachsendem n? Zur Beantwortung führen wir ein Simulationsexperiment durch.
Zentraler Grenzwertsatz Die Normalverteilung verdankt ihre universelle theoretische und praktische Bedeutung dem zentralen Grenzwertsatz. Unabhängig von der konkreten k Ausgangsverteilung konvergiert die
Statistik für Dummies
Bearbeitet von Deborah Rumsey, Reinhard Engel 3. aktualisierte Auflage 2015. Buch. 368 S. Softcover ISBN 978 3 527 71156 7 Format (B x L): 17,6 x 24 cm Wirtschaft > Betriebswirtschaft: Theorie & Allgemeines
Konfidenzintervalle. SeKo. Heute. Konjunktion, Disjunktion, bedingte Wahrscheinlichkeit
Übung Methodenlehre I, SeKo Vivien Röder Professur für Forschungsmethodik & Evaluation Wiederholung Wahrscheinlichkeitstheorie Konjunktion, Disjunktion, bedingte Wahrscheinlichkeit P(Methodenverständnis
= 3. Kapitel 4: Normalverteilung.. und Standardnormalverteilung und: das Konfidenzintervall..
Kapitel : Normalverteilung.. und Standardnormalverteilung und: das Konfidenzintervall.. Mittelwert = Summe aller Einzelwerte / n = durchschnittliche Ausprägung, wenn alle gleich viel hätten. Streuung =
Teil VIII. Zentraler Grenzwertsatz und Vertrauensintervalle. Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle. Lernziele. Typische Situation
Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle Patric Müller ETHZ Teil VIII Zentraler Grenzwertsatz und Vertrauensintervalle WBL 17/19, 29.05.2017 Wahrscheinlichkeit
von x-würfeln bei wachsendem n? Zur Beantwortung führen wir ein Simulationsexperiment durch.
Zentraler Grenzwertsatz Die Normalverteilung verdankt ihre universelle theoretische und praktische Bedeutung dem zentralen Grenzwertsatz. Unabhängig von der konkreten k Ausgangsverteilung konvergiert nämlich
Prüfung aus Statistik 1 für SoziologInnen
Prüfung aus Statistik 1 für SoziologInnen 1) Wissenstest (maximal 20 Punkte) Kreuzen ( ) Sie die jeweils richtige Antwort an. Jede richtige Antwort gibt 2 Punkte. Pro falsche Antwort werden 2 Punkte abgezogen,
Antibiotikaresistenz bei Nutztieren Übertragungswege zum Menschen
BUNDESINSTITUT FÜR RISIKOBEWERTUNG Antibiotikaresistenz bei Nutztieren Übertragungswege zum Menschen PD Dr. Bernd-Alois Tenhagen FG Epidemiologie, Zoonosen und Antibiotikaresistenz Worum geht es? Resistenzsituation
Elisabeth Aufhauser, unveröffentlichter Text Unterrichtsmaterial Statistik-UE für Soziologie
Elisabeth Aufhauser, unveröffentlichter Text Unterrichtsmaterial Statistik-UE für Soziologie Konfidenzintervall Statistische Analyse von Stichproben Der Datensatz aus der Übung (social survey 2003) besteht
Status: Blei, Kupfer und Zink im Wildbret
BUNDESINSTITUT FÜR RISIKOBEWERTUNG Status: Blei, Kupfer und Zink im Wildbret Zwischenstand der statistischen Analyse Christine Müller-Graf, Christine Sommerfeld, Daniela Schlichting, Annett Martin, Matthias
Statistik 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
Verbraucherexposition unter REACH
BUNDESINSTITUT FÜR RISIKOBEWERTUNG Verbraucherexposition unter REACH Wie können wir eine realistische Schätzung der Verbraucherexposition unter REACH erreichen? Oliver Lindtner, Friederike Neisel, Michal
Verbraucher fragen Experten antworten
BUNDESINSTITUT FÜR RISIKOBEWERTUNG Verbraucher fragen Experten antworten Dr. Suzan Fiack Abteilung Risikokommunikation Verbraucher fragen BfR-Experten antworten 1 Sie stellen Fragen 2 Sie stimmen ab 3
Englisch Französisch 13 7
Der Binomialtest Beispiel 1 (fiktiv Aline möchte in ihrer Maturaarbeit herausfinden, ob die Schülerinnen an ihrer Schule lieber Englisch oder lieber Französisch lernen. Dazu wählt sie zufällig 20 Schülerinnen
Grundlagen der Statistik
Grundlagen der Statistik Übung 10 2010 FernUniversität in Hagen Alle Rechte vorbehalten Fakultät für Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
Pkt. Aufg.1: Aufg.2: Aufg.3: Aufg.4: Aufg.5:
Klausurbeispiel zu den Vorlesungen Statistik für Ingenieure/Stochastik sowie Datenanalyse und Statistik (Herbstsemester 00/003) Die Lösungen der Aufgaben sind jeweils in dieser grünen Farbe dargestellt!
Wahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
Übungen mit dem Applet Vergleich von zwei Mittelwerten
Vergleich von zwei Mittelwerten 1 Übungen mit dem Applet Vergleich von zwei Mittelwerten 1 Statistischer Hintergrund... 2 1.1 Typische Fragestellungen...2 1.2 Fehler 1. und 2. Art...2 1.3 Kurzbeschreibung
Statistische Prozesskontrolle
Statistische Prozesskontrolle Paul-Ehrlich-Institut P. Volkers Paul-Ehrlich-Straße 51-59 63225 Langen GERMANY +49 (0) 6103 77-3720 +49 (0) 6103 77-1251 Email: pei@pei.de Homepage: http://www.pei.de 1 -
BfR-Verbraucher MONITOR
BfR-Verbraucher 02 2017 MONITOR Impressum BfR-Verbrauchermonitor 02 2017 Herausgeber: Bundesinstitut für Risikobewertung (BfR) Max-Dohrn-Straße 8 10 10589 Berlin bfr@bfr.bund.de www.bfr.bund.de Foto: Choreograph/Fotolia
Statistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 11. Juli 016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
5. BfR-Stakeholderkonferenz Lebensmittelsicherheit und Globalisierung Herausforderungen und Chancen
BUNDESINSTITUT FÜR RISIKOBEWERTUNG 5. BfR-Stakeholderkonferenz Lebensmittelsicherheit und Globalisierung Herausforderungen und Chancen Teilnehmerbefragung mittels eines elektronischen Beteiligungstools
Zur Stichprobenziehung innerhalb der PISA-Erweiterung:
Zur Stichprobenziehung innerhalb der PISA-Erweiterung: Die Stichprobenziehung innerhalb der PISA-Erweiterung folgt den Prinzipien einer disproportional geschichteten Stichprobe, bei der zu Ermittlung von
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)
Status: Blei, Kupfer und Zink im Wildbret
BUNDESINSTITUT FÜR RISIKOBEWERTUNG Status: Blei, Kupfer und Zink im Wildbret Zwischenstand der statistischen Analyse Christine Müller-Graf, Christine Sommerfeld, Daniela Schlichting, Annett Martin, Matthias
Verteilung von Summen
Verteilung von Summen Beispiel: Würfelwurf Frage: Wie verhält sich die Verteilung der Augensumme von -Würfeln bei wachsendem? Zur Beantwortung führen wir ein Simulationseperiment durch. 6 Würfe mit 1 Würfel
Zentraler Grenzwertsatz
Statistik 2 für SoziologInnen Zentraler Grenzwertsatz Univ.Prof. Dr. Marcus Hudec Statistik für SoziologInnen 1 Zentraler Grenzwertsatz Inhalte Themen dieses Kapitels sind: Der zentrale Grenzwertsatz und
Lebensmittelbedingte Krankheitslast durch Campylobacter spp.
BUNDESINSTITUT FÜR RISIKOBEWERTUNG Lebensmittelbedingte Krankheitslast durch Campylobacter spp. Julia Lackner Abteilung Exposition FG 33 - Epidemiologie, Statistik und mathematische Modellierung Hintergrund
Konzept der BfR-MEAL-Studie unter Einbeziehung von MOSH und MOAH
Konzept der BfR-MEAL-Studie unter Einbeziehung von MOSH und MOAH Dr. Sebastian Ptok Bundesinstitut für Risikobewertung Mahlzeiten für die Expositionsschätzung und Analytik von Lebensmitteln Seite 2 Kriterien
VS PLUS
VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen - Inferenzstatistik 1 [Übungsaufgaben und Lösungenn - Inferenzstatistik 1] ÜBUNGSAUFGABEN
Inferenzstatistik und Hypothesentests. Hierbei geht es um die Absicherung eines Untersuchungsergebnisses gegen ein Zufallsereignis.
Statistik II und Hypothesentests Dr. Michael Weber Aufgabenbereich Hierbei geht es um die Absicherung eines Untersuchungsergebnisses gegen ein Zufallsereignis. Ist die zentrale Fragestellung für alle statistischen
Wie wissenschaftlich sollte Wirkungsevaluation sein?
Wie wissenschaftlich sollte Wirkungsevaluation sein? Evaluation Forschung Zufall oder Effekt? Effektstärke Wirkfaktoren - Zusammenhänge Evaluation und Forschung - Unterschiede Wirkungsforschung Erkenntnisinteresse
Primer: 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?
= 3. Kapitel 4: Normalverteilung.. und Standardnormalverteilung und: das Konfidenzintervall..
Kapitel : Normalverteilung.. und Standardnormalverteilung und: das Konfidenzintervall.. Mittelwert = Summe aller Einzelwerte / n = durchschnittliche Ausprägung, wenn alle gleich viel hätten. Streuung =
WS 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
Methodenlehre. 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
Grundlegende Eigenschaften von Punktschätzern
Grundlegende Eigenschaften von Punktschätzern Worum geht es in diesem Modul? Schätzer als Zufallsvariablen Vorbereitung einer Simulation Verteilung von P-Dach Empirische Lage- und Streuungsparameter zur
FAQ`s zu Produktmeldungen
BUNDESINSTITUT FÜR RISIKOBEWERTUNG FAQ`s zu Produktmeldungen Dr. Ronald Keipert Novelle des Chemikaliengesetzes (ChemG) vom 09.11.2011 Was hat sich bei Produktmeldungen geändert? alle Gemische mit einem
Marcus Hudec. Statistik 2 für SoziologInnen. Grenzwertsätze. Marcus Hudec. Statistik für SoziologInnen 1 Zentraler Grenzwertsatz
Statistik 2 für SoziologInnen Grenzwertsätze Marcus Hudec Statistik für SoziologInnen 1 Zentraler Grenzwertsatz Inhalte Themen dieses Kapitels sind: Der zentrale Grenzwertsatz und seine Bedeutung für die
VII. Inhaltsverzeichnis
VII Inhaltsverzeichnis Vorwort XIII Teil 1 Datentypen 1 Datentypen 3 1.1 Kommt es wirklich darauf an? 3 1.2 Daten auf einer Intervallskala 3 1.3 Daten auf einer Ordinalskala 4 1.4 Daten auf einer Nominalskala
Statistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
Mikroplastik Repräsentative Bevölkerungsbefragung in Deutschland
BUNDESINSTITUT FÜR RISIKOBEWERTUNG Mikroplastik Repräsentative Bevölkerungsbefragung in Deutschland Dr. Frederic Müller Fachgruppe BfR-Akademie Abteilung Risikokommunikation Strategisches Ziel der Risikokommunikation
8. Konfidenzintervalle und Hypothesentests
8. Konfidenzintervalle und Hypothesentests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Beispiel. Sie wollen den durchschnittlichen Fruchtsaftgehalt eines bestimmten Orangennektars
Statistik 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
BfR-Verbraucher MONITOR
BfR-Verbraucher 08 2018 MONITOR Impressum BfR-Verbrauchermonitor 08 2018 Herausgeber: Bundesinstitut für Risikobewertung (BfR) Max-Dohrn-Straße 8 10 10589 Berlin bfr@bfr.bund.de www.bfr.bund.de Foto: Adobe
Exposition des Verbrauchers mit Blei. Gerhard Heinemeyer
Exposition des Verbrauchers mit Blei Gerhard Heinemeyer BUNDESINSTITUT FÜR RISIKOBEWERTUNG Wild kann ein kritisches LM bezüglich der Konzentration mit Blei sein (EFSA, 2010) Seite 2 Bleigehalte im Fleisch
6. Schätzverfahren für Parameter
6. Schätzverfahren für Parameter Ausgangssituation: Ein interessierender Zufallsvorgang werde durch die ZV X repräsentiert X habe eine unbekannte Verteilungsfunktion F X (x) Wir interessieren uns für einen
BfR-Verbraucher MONITOR
BfR-Verbraucher 02 2016 MONITOR BfR-Verbrauchermonitor Februar 2016 3 Impressum BfR-Verbrauchermonitor 02 2016 Herausgeber: Bundesinstitut für Risikobewertung (BfR) Max-Dohrn-Straße 8 10 10589 Berlin bfr@bfr.bund.de
Statistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
Hypergeometrische Verteilung
Hypergeometrische Verteilung Aufgaben Aufgabe 1 Eine Firma produziert insgesamt 30 elektronische Bauteile des gleichen Typs. Aus langjähriger Erfahrung weiß man das davon jedes 70te defekt ist. Um die
BfR-Verbraucher MONITOR
BfR-Verbraucher 02 2019 MONITOR Impressum BfR-Verbrauchermonitor 02 2019 Herausgeber: Bundesinstitut für Risikobewertung (BfR) Max-Dohrn-Straße 8 10 10589 Berlin bfr@bfr.bund.de www.bfr.bund.de Foto: skynesher/gettyimages
Statistische Analysen am Beispiel unterschiedlicher Fragestellungen der NAKO
Statistische Analysen am Beispiel unterschiedlicher Fragestellungen der NAKO Institut für Medizinische Biometrie und Statistik Universitätsklinikum Freiburg 1. Beiratssitzung der NAKO Freiburg, No. 2 Kurzfristige
Multimomentaufnahme. BIOS-Institut 1
BIOS-Institut Institut Multimomentaufnahme BIOS-Institut 1 Multimomentaufnahme (1) Allgemeines (HOP-BMI 2007) Die Multimomentaufnahme/ MMA ist ein Stichproben- verfahren zur Ermittlung der Auftrittshäufigkeit
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
Statistics, Data Analysis, and Simulation SS 2017
Statistics, Data Analysis, and Simulation SS 2017 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Mainz, May 29, 2017 Dr. Michael O. Distler
Stichprobenziehung, Teilnehmerrekrutierung und -motivation
Thema Stichprobenziehung, Teilnehmerrekrutierung und -motivation Gliederung Stichprobenziehung Begriffsklärungen Angestrebte Grundgesamtheit und Inferenzpopulation Zufallsstichproben Systematische Stichproben
Dr. H. Grunert Schließende Statistik Vorlesungscharts. Vorlesung 7. Schätzverfahren
Vorlesungscharts Vorlesung 7 Schätzverfahren Konstruktion von Konfidenzintervallen Konfidenzintervalle für den Erwartungswert normalverteilter Grundgesamtheiten Konfidenzintervalle für Anteilswerte Seite
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
2.3 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,
Beschreibende Statistik Deskriptive Statistik. Schließende Statistik Inferenzstatistik. Schluss von der Stichprobe auf die Grundgesamtheit
Beschreibende Statistik Deskriptive Statistik Schließende Statistik Inferenzstatistik Beschreibung der Stichprobe Schluss von der Stichprobe auf die Grundgesamtheit Keine Voraussetzungen Voraussetzung:
o o o o o o o o o o o o
Klumpen-Stichproben = Cluster Sampling Obs.: Bei einer uneingeschränkten Zufallsauswahl wird pro Randomisierungs- Schritt genau eine Beobachtung gemacht. Ein ganz wesentlicher Punkt : Jedes zufällig ausgewählte