6. Übung Statistische Tests Teil 1 (t-tests)
|
|
- Heinz Voss
- vor 7 Jahren
- Abrufe
Transkript
1 Querschnittsbereich 1: Epidemiologie, Medizinische iometrie und Medizinische Informatik - Übungsmaterial - Erstellt von Mitarbeitern des IMISE und des ZKS Leipzig 6. Übung Statistische Tests Teil 1 (t-tests) Universität Leipzig WS 015/16 uswertung von klinischen Studien / Statistisches Testen uswertungspopulation festlegen Welche Patienten werden in welcher nalyse berücksichtigt? nalyse der Probandencharakteristika mit Methoden der deskriptiven Statistik (Übung 3) nalyse der primären und sekundären Endpunkte zur Entscheidung bzgl. der Studienfragestellung mit Methoden der induktiven Statistik, statistischen Testverfahren Deskription von Nebenwirkungen mit Methoden der deskriptiven Statistik und ggf. statistischen Tests Weitere explorative nalysen mit Methoden der deskriptiven Statistik und ggf. statistischen Tests Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie
2 Wissenschaftliche Fragestellung der Herzsportstudie in Übung 1 (primäres Studienziel) Unterscheidet sich die mittlere Änderung der Herzfrequenz nach 30 Kniebeugen von der mittleren Änderung der Herzfrequenz nach 5 Kniebeugen? HF diff = HF post HF prä HF... Herzfrequenz Primärer Endpunkt Konfirmatorische nalyse Grafische Deskription Herzfrequenzänderung N = Studienarm: 18 rm (5 Knieb.) 131 rm (30 Knieb.) Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 3 blaufschema beim statistischen Testen Skriptenheft Kapitel ufstellen der Hypothesen H 0 und H (Umsetzen der wissenschaftlichen Fragestellung in stat. Modell). Wahl des Signifikanzniveaus α (Synonym: Irrtumswahrscheinlichkeit α) 3. Wahl des statistischen Tests nach Zielstellung, Merkmalsart der Zielgröße, nzahl der Stichproben 4. Prüfung der Testvoraussetzungen 5. Ermittlung des nnahmebereiches Quantil der Prüfverteilung aus Tafel ablesen (bei Rechnungen per Hand) 6. erechnung der Prüfgröße (aus den beobachteten Daten) 7. Testentscheidung a) Vergleich berechnete Prüfgröße mit Quantil der Prüfverteilung b) Vergleich p-wert mit vorgegebenem Signifikanzniveau α 8. Interpretation der Ergebnisse im Kontext der Fragestellung (mit ngabe von p) Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 4
3 Statistische Hypothesen ufstellen der Hypothesen H 0 und H (Umsetzen der wissenschaftlichen Fragestellung in stat. Modell) Nullhypothese H 0 : Die mittlere Herzfrequenzänderung µ nach Durchführung von 5 Kniebeugen (rm ) ist gleich der mittleren Herzfrequenzänderung µ nach 30 Kniebeugen (rm ) µ = µ lternativhypothese H : Die mittlere Herzfrequenzänderung µ nach Durchführung von 5 Kniebeugen (rm ) ist nicht gleich der mittleren Herzfrequenzänderung µ nach 30 Kniebeugen (rm ) µ µ Hinweis: Dem statistischen Testen liegt das Falsifizierungsprinzip zugrunde, d.h. man möchte H 0 zugunsten von H ablehnen und damit indirekt beweisen, dass H richtig ist. Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 5 Wahl des Signifikanzniveaus und des statistischen Tests Wahl des Signifikanzniveaus α - die Wahrscheinlichkeit, die Nullhypothese abzulehnen, obwohl sie richtig ist (also: Wahrscheinlichkeit für eine Fehlentscheidung) - typische Konventionen: α = 0,05 oder 0,01 oder 0,001 (nicht zwingend!) In dieser ufgabe sei α = 0,05. Wahl des statistischen Tests abhängig von - Zielstellung: Mittelwertvergleich - Merkmalsart der Zielgröße: metrisch, normalverteilt - nzahl / rt der Gruppen: unabhängige Gruppen vom Umfang n 1 und n t -Test für unabhängige Gruppen (Synonym: -Stichproben-t-Test) Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 6
4 Testvoraussetzungen Prüfung der Testvoraussetzungen Herzfrequenzänderung HF diff in beiden Gruppen normalverteilt? rm (5 Kniebeugen) rm (30 Kniebeugen) bsolute Häufigkeit Herzfrequenzänderung bsolute Häufigkeit Herzfrequenzänderung Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 7 Prüfgröße (Teststatistik) Zur eurteilung der beobachteten Effekte wird ein Maß benötigt, das den beobachteten Effektunterschied zwischen den Gruppen in geeigneter Weise abbildet, z.. für den Vergleich von Mittelwerten die Differenz der Mittelwerte. ezeichnung dieses Maßes: (empirische) Prüfgröße oder Teststatistik Eigenschaften der Prüfgröße (PG) ist eine Zufallsgröße und besitzt eine bestimmte Wahrscheinlichkeitsverteilung, die unter der Nullhypothese (H 0 ) bekannt ist wird aus erhobenen Daten berechnet Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 8
5 Prüfgröße (Teststatistik) Prüfgröße des t-tests für unabhängige Gruppen t x s n x s n t ~t-verteilung mit f Freiheitsgraden (FG) (zur erechnung der FG siehe Folie 11) Mittelwert HF diff rm x rm x Standardabw. HF diff s s Fallzahl n n Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 9 erechnung der Prüfgröße erechnung der empirischen Prüfgröße für den primären Endpunkt der Herzsportstudie enötigte Informationen (aus den Daten) Herzfrequenzänderung nzahl Mittelwert Standardabweichung Studienarm rm (5 rm (30 Knieb.) Knieb.) ,0 43,40 9,3 17,74 Prüfgröße des t-tests für unabhängige Gruppen t x s n x s n 16,0 43,4 9,3 17, ,38 15,6 3,08 Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 10
6 erechnung der Freiheitsgrade Freiheitsgrade (Formel rein informativ) f ( s n s n n) 1 s n ( s n n ) 1 9,3 17, (9,3 18) (17,74 131) Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 11 Verteilung der Prüfgröße Ein statistischer Test prüft, ob die Stichprobenergebnisse (beobachtete Daten) vereinbar sind mit einer Hypothese (theoretische nnahme für die Grundgesamtheit). Dichte der Prüfgröße unter H 0 (im aktuellen eispiel t-verteilung mit 198 FG) α/ t FG;α/ nnahmebereich α/ t FG;1-α/ Hinweis: eim zweiseitigen Test wird der nnahmebereich so begrenzt, dass die Flächen unter der Kurve an jedem Ende der Verteilung α/ =,5% betragen. Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 1
7 Ermittlung des nnahmebereichs Ermittlung des nnahmebereiches (Synonym: kzeptanzbereich) - mittels blesen der Quantile (Übung 3) der Prüfverteilung unter H 0 - Prüfgröße ist t-verteilt mit 198 Freiheitsgraden (FG), also t 198 1,97 ;0,975 Hinweise: Der nnahmebereich ist unabhängig von den beobachteten Daten und der berechneten PG. Das Quantil wird aus der Tafel mit tabellierter t-verteilung abgelesen (s. nächste Folien). Das blesen ist nur bei Rechnungen per Hand notwendig. Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 13 Quantile der t-verteilung (1/) FG<30 t FG; 1-α/ = t 4; 0,975 Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 14
8 Quantile der t-verteilung (/) FG 30 Hinweis: Ist FG nicht explizit gelistet, dann zum nächstgelegenen FG runden. t FG; 1-α/ =t 00; 0,975 = Quantile der standardisierten Normalverteilung Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 15 Testentscheidung (zweiseitig) Dichte der Prüfgröße unter H 0 α/ α/ nnahmebereich - t Testentscheidung t FG;α/ t FG;1-α/ a) Vergleich der berechneten Prüfgröße mit dem Quantil der Prüfverteilung etrag der PG (Stichprobe) < Quantil der PG (Tabelle) H 0 nicht ablehnen etrag der PG (Stichprobe) Quantil der PG (Tabelle) H 0 ablehnen t Das Ergebnis eines statistischen Tests ist stets eine Ja/Nein-Entscheidung, d.h. H 0 wird abgelehnt oder H 0 wird beibehalten. Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 16
9 Testentscheidung Möglichkeit a Testentscheidung mittels berechneter Prüfgröße t 15,6 15,6 t ;0, ,97 H 0 wird auf dem 5% Signifikanzniveau abgelehnt Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 17 Der p-wert Wahrscheinlichkeit p ("probability") für den in den Daten beobachteten Unterschied (Therapieeffekt) oder all jene, die noch mehr gegen die Nullhypothese sprechen, wenn die Effekte nur zufällig voneinander abweichen (also H 0 gilt). korrespondiert mit der empirischen Prüfgröße und entspricht der Fläche unter der Dichtefunktion bis zur berechneten PG, d.h. Fläche über den Intervallen (- ; - t ] und [ t ; + ) kleine Wahrscheinlichkeit p spricht eher gegen Zufall (H 0 ) Was heißt kleine Wahrscheinlichkeit? 4 4 Vergleich von p mit dem vorher festgelegten Schwellwert für das Signifikanzniveau " Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 18
10 Testentscheidung (zweiseitig) Dichte der Prüfgröße unter H 0 α/ α/ p/ p/ nnahmebereich Testentscheidung - t t FG;α/ t FG;1-α/ t a) etrag der PG (Stichprobe) < Quantil der PG (Tabelle) H 0 nicht ablehnen etrag der PG (Stichprobe) Quantil der PG (Tabelle) H 0 ablehnen b) Vergleich p-wert mit vorgegebenem Signifikanzniveau α p p H 0 nicht ablehnen H 0 ablehnen Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 19 Testentscheidung Möglichkeit b Testentscheidung mittels p-wert p > α beobachteter Effekt widerspricht der Nullhypothese nicht. H 0 wird beibehalten. eobachteter Effekt ist nicht signifikant. Ein eventuell vorhandener Therapieeffekt konnte nicht nachgewiesen werden. p α beobachteter Effekt ist mit Irrtumswahrscheinlichkeit α signifikant. H 0 wird abgelehnt. Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 0
11 Testentscheidung Möglichkeit b SPSS usgabe: Möglichkeit b (meist bei PC-gestützten nalysen) Vergleich des p-wertes mit dem Signifikanzniveau α nzeige ",000", d.h. p 0,0005 0,05 also gilt p H 0 wird auf dem 5% Signifikanzniveau abgelehnt Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 1 Testentscheidung Möglichkeiten a und b Möglichkeit a (meist bei Rechnungen von Hand) Vergleich der berechneten Prüfgröße mit dem Quantil der Prüfverteilung t 15,6 t ;0, ,97 Möglichkeit b (meist bei PC-gestützten nalysen) Vergleich des p-wertes mit dem Signifikanzniveau α p 0,0005 0,05 also gilt p H 0 wird auf dem 5% Signifikanzniveau abgelehnt Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie
12 Interpretation Kontextbezogene Formulierung (mit ngabe der beobachteten Schätzwerte, Effekte und p) Die mittlere Herzfrequenzänderung nach 30 Kniebeugen unterscheidet sich signifikant von der nach 5 Kniebeugen (p < 0,0001), wobei die mittlere Herzfrequenzänderung nach 30 Kniebeugen ( x s: 43,40 ± 17,74) signifikant höher ist als jene nach 5 Kniebeugen ( x s : 16,0 ± 9,3). Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 3 blaufschema beim statistischen Testen Skriptenheft Kapitel ufstellen der Hypothesen H 0 und H (Umsetzen der wissenschaftlichen Fragestellung in stat. Modell). Wahl des Signifikanzniveaus α (Synonym: Irrtumswahrscheinlichkeit α) 3. Wahl des statistischen Tests nach Zielstellung, Merkmalsart der Zielgröße, nzahl der Stichproben 4. Prüfung der Testvoraussetzungen 5. Ermittlung des nnahmebereiches Reihenfolge für 5 und 6 ist beliebig! Quantil der Prüfverteilung aus Tafel ablesen (bei Rechnungen per Hand) 6. erechnung der Prüfgröße (aus den beobachteten Daten) 7. Testentscheidung a) Vergleich berechnete Prüfgröße mit Quantil der Prüfverteilung b) Vergleich p-wert mit vorgegebenem Signifikanzniveau α 8. Interpretation der Ergebnisse im Kontext der Fragestellung (mit ngabe von p) Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 4
13 Übungsaufgabe 1 In der Herzsportsstudie wurden folgende Werte für die Herzfrequenz ermittelt: rm rm HF prä ( x s) 77,07 ± 11,9 76,16 ± 9,97 HF post ( x s) 93,09 ± 1,83 119,56 ± 17,37 HF diff ( x s) 16,0 ± 9,3 43,40 ± 17,74 n Testen Sie auf einem Signifikanzniveau von 1%, ob sich die Herzfrequenz nach Intervention HF post zwischen den rmen und signifikant unterscheidet! (Normalverteilung kann vorausgesetzt werden; unter H 0 hat die Prüfverteilung 39 Freiheitsgrade.) Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 5 Lösung Übungsaufgabe 1 (1/) H 0 : Die mittlere Herzfrequenz nach Intervention in rm und rm unterscheidet sich nicht. H : Die Herzfrequenz nach Intervention in rm und rm unterscheiden sich im Mittel. α = Testvoraussetzung: t-test für unabhängige Stichproben Normalverteilung der Herzfrequenzen kann vorausgesetzt werden t x x s s n n 93,09 119,56 1,83 17, ,47 13,97 3,589 Quantil t39; 0,995 der Prüfverteilung: t00; 0,995,601 `t 13,97 13,97 t39 ; 0,995, 601 Testentscheidung: also t t39 ; 0,995 und somit wird H 0 abgelehnt Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 5a 30
14 Lösung Übungsaufgabe 1 (/) Interpretation: Die Herzfrequenzen nach Intervention der rme und unterscheiden sich bei einer Irrtumswahrscheinlichkeit von 1% im Mittel signifikant. Die mittlere Herzfrequenz in rm ist signifikant höher (119,56 ± 17,37) als im rm (93,09 ± 1,83). Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 5b 31 t-test für verschiedene Situationen 1) für den Vergleich von unabhängigen Gruppen: a) bei ungleichen Varianzen ( ² ²) siehe Skript Formel 5.1 (FG aufwändiger, siehe Folie 11) b) bei gleichen Varianzen ( ² ²) Spezialfall n = n, siehe Skript Formel 5.3, FG n n ) für den Vergleich von abhängigen Gruppen: t-test für Paardifferenzen, siehe Skript Formel 5.4, 3) für den Vergleich einer Gruppe mit einem Normwert: siehe Skript Formel 5., FG n 1 FG n 1 FG Freiheitsgrad Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 6
15 Übungsaufgabe In einer weiteren Herzsportstudie wurden folgende Werte für die Herzfrequenz ermittelt: rm rm HF prä ( x s) 77,66 ± 11, 76,4 ± 9,88 HF post ( x s) 94,4 ± 13,5 119,3 ± 15,83 HF diff ( x s) 16,77 ± 10,13 4,91 ± 17,6 n a) Testen Sie auf einem Signifikanzniveau von 5%, ob sich die Herzfrequenz vor und nach Intervention in rm signifikant unterscheidet! Welcher Test ist für diese Fragestellung angemessen? (Normalverteilung kann vorausgesetzt werden.) b) Testen Sie auf einem Signifikanzniveau von 1%, ob sich die Herzfrequenz vor und nach Intervention in rm signifikant unterscheidet! (Normalverteilung kann vorausgesetzt werden.) Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 7 Lösung Übungsaufgabe rm H 0 : Die Herzfrequenzen vor und nach Intervention unterscheiden sich im Mittel nicht. H : Die mittleren Herzfrequenzen vor und nach Intervention unterscheiden sich. α = 0,05 Testvoraussetzung: t-test für Paardifferenzen Normalverteilung der Differenzen kann vorausgesetzt werden d 16,77 t n 64 13,4 s d 10,13 Quantil t63 ; 0,975 der Prüfverteilung: t60; 0,975,000 t 13,4 t63 ; 0,975, 000 also t t63; 0,975 und somit Testentscheidung: wird H abgelehnt 0 Interpretation: Die Herzfrequenzen vor und nach Intervention im rm unterscheiden sich auf einem Signifikanzniveau von 5% im Mittel signifikant. Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 7a 3
16 Lösung Übungsaufgabe rm H 0 : Die Herzfrequenzen vor und nach Intervention unterscheiden sich im Mittel nicht. H : Die mittleren Herzfrequenzen vor und nach Intervention unterscheiden sich. α = 0,01 Testvoraussetzung: t-test für Paardifferenzen Normalverteilung der Differenzen kann vorausgesetzt werden d 4,91 t n 65 19,63 s d 17,6 Quantil t. der Prüfverteilung: t,660 64; 0,995 60; 0,995. t 19,63 t64; 0,995, 660 also Testentscheidung: wird H abgelehnt 0 t t 64; 0,995 und somit Interpretation: Die mittlere Herzfrequenz vor Intervention im rm ist signifikant geringer als nach Intervention. Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 7b 33 chtung! Statistische Signifikanz klinische Relevanz! Nichtsignifikanz Äquivalenz! p - Wert sagt nichts über die Größe des Therapieeffektes aus, sondern nur darüber, wie wahrscheinlich der beobachtete Effekt ist, wenn die Nullhypothese wahr ist ( unter H 0 ). Universität Leipzig - IMISE, ZKS Leipzig QS 1, 6. Übung Folie 8
Statistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
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
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
Mehr1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests
1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests Statistische Tests dienen dem Testen von Vermutungen, so genannten Hypothesen, über Eigenschaften der Gesamtheit aller Daten ( Grundgesamtheit
MehrTest auf einen Anteilswert (Binomialtest) Vergleich zweier Mittelwerte (t-test)
Spezielle Tests Test auf einen Anteilswert (Binomialtest) Vergleich zweier Anteilswerte Test auf einen Mittelwert (Ein-Stichproben Gauss bzw. t-test) Vergleich zweier Mittelwerte (t-test) Test auf einen
Mehr3) 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
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
MehrDipl.-Volksw. Markus Pullen Wintersemester 2012/13
Statistische Auswertungen mit R Universität Kassel, FB 07 Wirtschaftswissenschaften Dipl.-Volksw. Markus Pullen Wintersemester 2012/13 Beispiele 8. Sitzung Konfidenzintervalle, Hypothesentests > # Anwendungsbeispiel
MehrGRUNDPRINZIPIEN statistischen Testens
Fragestellungen beim Testen GRUNDPRINZIPIEN statistischen Testens. Vergleiche Unterscheidet sich die Stichprobenbeobachtung von einer vorher spezifizierten Erwartung ( Hypothese ) mit ausreichender Sicherheit?
MehrStatistische Tests Version 1.2
Statistische Tests Version 1.2 Uwe Ziegenhagen ziegenhagen@wiwi.hu-berlin.de 7. Dezember 2006 1 Einführung Ein statistischer Test dient der Überprüfung einer statistischen Hypothese. Mithilfe des Tests
MehrHypothesentests 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
MehrHypothesentests mit SPSS. Beispiel für einen t-test
Beispiel für einen t-test Daten: museum-f-v04.sav Hypothese: Als Gründe, in ein Museum zu gehen, geben mehr Frauen als Männer die Erweiterung der Bildung für Kinder an. Dies hängt mit der Geschlechtsrolle
MehrKapitel 10 Mittelwert-Tests Einstichproben-Mittelwert-Tests 10.2 Zweistichproben Mittelwert-Tests
Kapitel 10 Mittelwert-Tests 10.1 Einstichproben-Mittelwert-Tests 10.2 Zweistichproben Mittelwert-Tests 10.1 Einstichproben- Mittelwert-Tests 10.1.1 Einstichproben- Gauß-Test Dichtefunktion der Standard-Normalverteilung
MehrHypothesentests. Hypothese Behauptung eines Sachverhalts, dessen Überprüfung noch aussteht.
Hypothese Behauptung eines Sachverhalts, dessen Überprüfung noch aussteht. Wissenschaftliche Vorgehensweise beim Hypothesentest Forscher formuliert eine Alternativhypothese H 1 (die neue Erkenntnis, die
MehrMittelwertvergleiche, Teil I: Zwei Gruppen
FB W. Ludwig-Mayerhofer Statistik II Mittelwertvergleiche Herzlich willkommen zur Vorlesung Mittelwertvergleiche, Teil I: Zwei Gruppen FB W. Ludwig-Mayerhofer Statistik II Mittelwertvergleiche Mittelwertvergleiche:
Mehr3.Wiederholung: Toleranzbereiche Für EX Geg:
3.Wiederholung: Toleranzbereiche Für EX Geg: Vl. 24.2.2017 Schätzfunktion für Güte: Ist X Problem: Feb 17 13:21 > Wir berechnen Bereiche (Toleranzbereiche) für sind untere und obere Grenzen, berechnet
MehrEine Einführung in R: Statistische Tests
Eine Einführung in R: Statistische Tests Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig http://www.uni-leipzig.de/ zuber/teaching/ws11/r-kurs/
MehrAllgemeines zu Tests. Statistische Hypothesentests
Statistische Hypothesentests Allgemeines zu Tests Allgemeines Tests in normalverteilten Grundgesamtheiten Asymptotische Tests Statistischer Test: Verfahren Entscheidungsregel), mit dem auf Basis einer
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.
MehrTest auf den Erwartungswert
Test auf den Erwartungswert Wir interessieren uns für den Erwartungswert µ einer metrischen Zufallsgröße. Beispiele: Alter, Einkommen, Körpergröße, Scorewert... Wir können einseitige oder zweiseitige Hypothesen
MehrEinführung in die Induktive Statistik: Testen von Hypothesen
Einführung in die Induktive Statistik: Testen von Hypothesen Jan Gertheiss LMU München Sommersemester 2011 Vielen Dank an Christian Heumann für das Überlassen von TEX-Code! Testen: Einführung und Konzepte
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 12.5.2006 1 Test auf Anteilswert: Binomialtest Sei eine Stichprobe unabhängig, identisch verteilter ZV (i.i.d.). Teile diese Stichprobe in zwei Teilmengen
MehrKonfidenzintervall für den Anteilswert θ. Konfidenzintervalle. Jost Reinecke. Universität Bielefeld. 13. Juni 2005
Universität Bielefeld 13. Juni 2005 Einführung Einführung Wie kann die Kenntnis der Wahrscheinlichkeitsverteilung der Parameter einer Stichprobe dazu verhelfen auf die wahren Werte der Grundgesamtheit
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
MehrStatistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
MehrStatistische Signifikanz versus Klinische Relevanz der Sch(l)uss von der Studie in die Realität
Institut für Medizinische Biometrie und Epidemiologie Statistische Signifikanz versus Klinische Relevanz der Sch(l)uss von der Studie in die Realität Zum Nacharbeiten Die TonoPen-Studie Dissertationsprojekt
MehrForschungsmethodik II Mag.rer.nat. M. Kickmeier-Rust Karl-Franzens-Universität Graz. Lisza Gaiswinkler, Daniela Gusel, Tanja Schlosser
Kolmogorov-Smirnov-Test Forschungsmethodik II Mag.rer.nat. M. Kickmeier-Rust Karl-Franzens-Universität Graz 1 Kolmogorov- Smirnov Test Andrei Nikolajewitsch Kolmogorov * 25.4.1903-20.10.1987 2 Kolmogorov-
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
MehrStatistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
MehrZweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz
Grundlage: Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz Die Testvariable T = X µ 0 S/ n genügt der t-verteilung mit n 1 Freiheitsgraden. Auf der Basis
MehrInferenzstatistik (=schließende Statistik)
Inferenzstatistik (=schließende Statistik) Grundproblem der Inferenzstatistik: Wie kann man von einer Stichprobe einen gültigen Schluß auf di Grundgesamtheit ziehen Bzw.: Wie groß sind die Fehler, die
MehrMittelwertvergleiche, 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
MehrStatistische 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
MehrMacht des statistischen Tests (power)
Macht des statistischen Tests (power) Realer Treatment ja Ergebnis der Studie H 0 verworfen statistisch signifikant O.K. Macht H 0 beibehalten statistisch nicht signifikant -Fehler Effekt nein -Fehler
MehrStatistik II für Betriebswirte Vorlesung 1
Statistik II für Betriebswirte Vorlesung 1 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 16. Oktober 2017 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 1 Version:
MehrSignifikanztests zur Prüfung von Unterschieden in der zentralen Tendenz -Teil 1-
SPSSinteraktiv Signifikanztests (Teil ) - - Signifikanztests zur Prüfung von Unterschieden in der zentralen Tendenz -Teil - t-test bei einer Stichprobe - SPSS-Output Der t-test bei einer Stichprobe wird
MehrProbeklausur zur Vorlesung Statistik II für Studierende der Soziologie und Nebenfachstudierende
Probeklausur zur Vorlesung Statistik II für Studierende der Soziologie und Nebenfachstudierende im Sommersemester 2012 Prof. Dr. H. Küchenhoff, J. Brandt, G. Schollmeyer, G. Walter Aufgabe 1 Betrachten
MehrSPSS III Mittelwerte vergleichen
SPSS III Mittelwerte vergleichen A Zwei Gruppen ------------ Zwei-Stichproben t-test Beispieldatei: Seegräser Fragestellung: Unterscheidet sich die Anzahl der Seegräser in Gebieten mit und ohne Seeigelvorkommen
MehrEmpirische Wirtschaftsforschung
Empirische Wirtschaftsforschung Prof. Dr. Bernd Süßmuth Universität Leipzig Institut für Empirische Wirtschaftsforschung Volkswirtschaftslehre, insbesondere Ökonometrie 1 4. Basiskonzepte der induktiven
MehrAblaufschema beim Testen
Ablaufschema beim Testen Schritt 1 Schritt 2 Schritt 3 Schritt 4 Schritt 5 Schritt 6 Schritt 7 Schritt 8 Schritt 9 Starten Sie die : Flashanimation ' Animation Ablaufschema Testen ' siehe Online-Version
MehrMultivariate lineare Regression. Statistik für SozialwissenschaftlerInnen II p.167
Multivariate lineare Regression Statistik für SozialwissenschaftlerInnen II p.167 Multivariate Regression Verfahren zur Prüfung des gemeinsamen linearen Einflusses mehrerer unabhängiger Variablen auf eine
MehrAnalytische Statistik II
Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Grundproblem Generell sind wir nur selten in der Geographie in der Lage, Daten über die Grundgesamtheit zur Verfügung zu haben.
MehrStatistik II: Signifikanztests /1
Medien Institut : Signifikanztests /1 Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Noch einmal: Grundlagen des Signifikanztests 2. Der chi 2 -Test 3. Der t-test
MehrPrüfgröße: Ist die durch eine Schätzfunktion zugeordnete reelle Zahl (etwa Mittelwert 7 C).
Statistik Grundlagen Charakterisierung von Verteilungen Einführung Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsverteilungen Schätzen und Testen Korrelation Regression Einführung Aus praktischen Gründen
MehrModul 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
MehrEine Einführung in R: Statistische Tests
Eine Einführung in R: Statistische Tests Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig 9. Dezember 2009 Bernd Klaus, Verena Zuber
MehrEine Einführung in R: Statistische Tests
I. Einführungsbeispiel II. Theorie: Statistische Tests III. Zwei Klassiker: t-test und Wilcoxon-Rangsummen - Test IV. t-test und Wilcoxon-Rangsummen - Test in R Eine Einführung in R: Statistische Tests
MehrWahrscheinlichkeitsrechnung und Statistik. 11. Vorlesung /2019
Wahrscheinlichkeitsrechnung und Statistik 11. Vorlesung - 2018/2019 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 2 heißt Median. P(X < z
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
MehrLösung Aufgabe 1 (Regression) Es wurden in einer Befragung zwei metrische Merkmale X und Y erhoben. Betrachten Sie dazu die
Statistik für Kommunikationswissenschaftler Wintersemester 2010/2011 Vorlesung Prof. Dr. Nicole Krämer Übung Nicole Krämer, Cornelia Oberhauser, Monia Mahling Lösung Thema 9 Homepage zur Veranstaltung:
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 5.5.2006 1 Ausgangslage Wir können Schätzen (z.b. den Erwartungswert) Wir können abschätzen, wie zuverlässig unsere Schätzungen sind: In welchem Intervall
MehrComputergestützte Methoden. Master of Science Prof. Dr. G. H. Franke WS 07/08
Computergestützte Methoden Master of Science Prof. Dr. G. H. Franke WS 07/08 1 Seminarübersicht 1. Einführung 2. Recherchen mit Datenbanken 3. Erstellung eines Datenfeldes 4. Skalenniveau und Skalierung
Mehrfh 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
MehrStatistik II. Weitere Statistische Tests. Statistik II
Statistik II Weitere Statistische Tests Statistik II - 19.5.2006 1 Überblick Bisher wurden die Test immer anhand einer Stichprobe durchgeführt Jetzt wollen wir die statistischen Eigenschaften von zwei
Mehra) Wie hoch ist die Wahrscheinlichkeit, dass Vokale vorkommen, die länger als 140 ms sind?
Modul G 20.12.2007 Zur Hausaufgabe 3 Erkläre die folgenden Plots und Berechnungen zu Wahrscheinlichkeiten aus technischer und statistischer Sicht. a) Wie hoch ist die Wahrscheinlichkeit, dass Vokale vorkommen,
MehrAngewandte Statistik 3. Semester
Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen
MehrAussagen hierzu sind mit einer unvermeidbaren Unsicherheit behaftet, die statistisch über eine Irrtumswahrscheinlichkeit bewertet wird.
Stichprobenumfang Für die Fragestellung auf Gleichheit von ein oder zwei Stichproben wird auf Basis von Hypothesentests der notwendige Stichprobenumfang bestimmt. Deshalb werden zunächst die Grundlagen
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
Mehr10. Die Normalverteilungsannahme
10. Die Normalverteilungsannahme Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Bisher haben wir vorausgesetzt, daß die Beobachtungswerte normalverteilt sind. In diesem Fall kann man
MehrFit for Abi & Study Stochastik
Fit for Abi & Study Stochastik Prof. Dr. Tilla Schade Hochschule Harz 15. und 16. April 2014 No. 1 Stochastik besteht aus: Wahrscheinlichkeitsrechnung Statistik No. 2 Gliederung Grundlagen Zufallsgrößen
MehrTesten von Hypothesen:
Testen von Hypothesen: Ein Beispiel: Eine Firma produziert Reifen. In der Entwicklungsabteilung wurde ein neues Modell entwickelt, das wesentlich ruhiger läuft. Vor der Markteinführung muss aber auch noch
MehrTHEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ
WEBINAR@LUNCHTIME THEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ EINLEITENDES BEISPIEL SAT: Standardisierter Test, der von Studienplatzbewerbern an amerikanischen Unis gefordert
MehrZusammenfassung PVK Statistik
Zusammenfassung PVK Statistik (Diese Zusammenfassung wurde von Carlos Mora erstellt. Die Richtigkeit der Formeln ist ohne Gewähr.) Verteilungen von diskreten Zufallsvariablen Beschreibung Binomialverteilung
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun http://blog.ruediger-braun.net Heinrich-Heine-Universität Düsseldorf 21. Januar 2015 1 t-tests für Erwartungswerte Verbundene und unverbundene Stichproben
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
MehrMacht des statistischen Tests (power)
Macht des statistischen Tests (power) Realer Treatment ja Ergebnis der Studie H 0 verworfen statistisch signifikant O.K. Macht H 0 beibehalten statistisch nicht signifikant -Fehler Effekt nein -Fehler
Mehr4.1. Nullhypothese, Gegenhypothese und Entscheidung
rof. Dr. Roland Füss Statistik II SS 8 4. Testtheorie 4.. Nullhypothese, Gegenhypothese und Entscheidung ypothesen Annahmen über die Verteilung oder über einzelne arameter der Verteilung eines Merkmals
MehrWahrscheinlichkeitsrechnung und Statistik
10. Vorlesung - 017 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 heißt Median. P(X < z α ) α P(X z α ). Falls X stetige zufällige Variable
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 16. Januar 2013 1 Allgemeine Hypothesentests Nullhypothese und Alternative Beispiel: Blutdrucksenker Testverfahren
Mehr11. Nichtparametrische Tests
11. Nichtparametrische Tests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 In Kapitel 8 und 9 haben wir vorausgesetzt, daß die Beobachtungswerte normalverteilt sind. In diesem Fall kann
Mehr8. Konfidenzintervalle und Hypothesentests
8. Konfidenzintervalle und Hypothesentests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Beispiel. Sie wollen den durchschnittlichen Fruchtsaftgehalt eines bestimmten Orangennektars
MehrÜbung 4 im Fach "Biometrie / Q1"
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.
MehrPrüfung aus Statistik 2 für SoziologInnen
Prüfung aus Statistik 2 für SoziologInnen 11. Oktober 2013 Gesamtpunktezahl =80 Name in Blockbuchstaben: Matrikelnummer: Wissenstest (maximal 16 Punkte) Kreuzen ( ) Sie die jeweils richtige Antwort an.
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
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
MehrAnalytische Statistik II
Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Das Testen von Hypothesen Während die deskriptive Statistik die Stichproben nur mit Hilfe quantitativer Angaben charakterisiert,
MehrSo berechnen Sie einen Schätzer für einen Punkt
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: SCHÄTZEN UND TESTEN htw saar 2 Schätzen: Einführung Ziel der Statistik ist es, aus den Beobachtungen eines Merkmales in einer Stichprobe Rückschlüsse über die Verteilung
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 20. Januar 2011 1 Der F -Test zum Vergleich zweier Varianzen 2 Beispielhafte Fragestellung Bonferroni-Korrektur
MehrHypothesen über die Grundgesamtheit. Aufgabenstellung der Testtheorie Hypothesen (Annahmen, Vermutungen oder
Hypothesen über die Grundgesamtheit Aufgabenstellung der Testtheorie Hypothesen (Annahmen, Vermutungen oder Behauptungen) über die unbekannte Grundgesamtheit anhand einer Stichprobe als richtig oder falsch
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 15 009 FernUniversität in Hagen Alle Rechte vorbehalten Fachbereich Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
Mehr1. Grundbegri e der Stochastik
Wiederholung von Grundwissen der Stochastik. Grundbegri e der Stochastik Menge der Ereignisse. Die Elemente! der Menge heißen Elementarereignisse und sind unzerlegbare Ereignisse. Das Ereignis A tritt
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
MehrMethode des statistischen Testens
1 Methode des statistischen Testens Fragestellung Zielgröße (Impfbeispiel: Impferfolg ja / nein) Alternativhypothese Negation Nullhypothese H 0 Wähle Teststatistik = Zusammenfassung der Studienergebnisse
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS
Sommersemester 2009, Statistik mit SPSS 26. August 2009 26. August 2009 Statistik Dozentin: mit Anja SPSS Mays 1 Bivariate Datenanalyse, Überblick bis Freitag heute heute Donnerstag Donnerstag Freitag
MehrKapitel VI - Lage- und Streuungsparameter
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel VI - Lage- und Streuungsparameter Markus Höchstötter Lehrstuhl für Statistik, Ökonometrie
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
MehrTesten von Hypothesen
Statistik 2 für SoziologInnen Testen von Hypothesen Univ.Prof. Dr. Marcus Hudec Statistik für SoziologInnen 1 Testtheorie Inhalte Themen dieses Kapitels sind: Erklären der Grundbegriffe der statistischen
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
MehrKapitel 2 Wahrscheinlichkeitsrechnung
Definition 2.77: Normalverteilung & Standardnormalverteilung Es sei µ R und 0 < σ 2 R. Besitzt eine stetige Zufallsvariable X die Dichte f(x) = 1 2 πσ 2 e 1 2 ( x µ σ ) 2, x R, so heißt X normalverteilt
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
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. Hypothesentests. Ausgangssituation erneut: ZV X repräsentiere einen Zufallsvorgang. X habe die unbekannte VF F X (x)
7. Hypothesentests Ausgangssituation erneut: ZV X repräsentiere einen Zufallsvorgang X habe die unbekannte VF F X (x) Interessieren uns für einen unbekannten Parameter θ der Verteilung von X 350 Bisher:
Mehr2-Stichprobentest für Anteilswerte
-Stichprobentest für Anteilswerte Wir analysieren den Anteilswert (Prozentsatz) für ein interessierendes Ereignis in zwei verschiedenen Grundgesamtheiten (π, π ) Ziel: Auf der Basis von Stichprobenerhebungen
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
MehrBiometrische 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
Mehr73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments
73 Hypothesentests 73.1 Motivation Bei Hypothesentests will man eine gewisse Annahme über eine Zufallsvariable darauf hin überprüfen, ob sie korrekt ist. Beispiele: ( Ist eine Münze fair p = 1 )? 2 Sind
MehrBrückenkurs Statistik für Wirtschaftswissenschaften
Peter von der Lippe Brückenkurs tatistik für Wirtschaftswissenschaften Lösungen UVK Verlagsgesellschaft mbh Konstanz mit UVK/Lucius München Brückenkurs tatistik für Wirtschaftswissenschaften: Lösungen
Mehr