Überprüfung auf Normalverteilung und anschließend Test auf Signifikanz
|
|
- Guido Hofer
- vor 7 Jahren
- Abrufe
Transkript
1 News Artikel Foren Projekte Links Über Redscope Join List Random Previous Next Startseite Foren Allgemeine Fragen zu SAS Überprüfung auf Normalverteilung und anschließend Test auf Signifikanz 21 May, :18 ricerd Sehr geehrte Damen und Herren, einer meiner Mitarbeiter gab mir folgende Rohdaten: Vorlesung WS05/06 SS06 WS06/07 1. Vorlesung Vorlesung Vorlesung Vorlesung Vorlesung Vorlesung Vorlesung Vorlesung Vorlesung Vorlesung Vorlesung Vorlesung Vorlesung Vorlesung Vorlesung Vorlesung Vorlesung Vorlesung Vorlesung Vorlesung Vorlesung Vorlesung Vorlesung Vorlesung Vorlesung Vorlesung Es handelt sich hierbei um die Anzahl von Studenten pro Vorlesung in drei Semestern (Wintersemester 05/06, Sommersemester 06 und Wintersemester 06/07). Mein Kollege möchte nun bewiesen haben, daß es keinen signifikanten Unterschied bezüglich der Studentenanzahl in den drei Semestergruppen gibt. Zunächst einmal bin ich mir nicht ganz sicher, wie das Hypothesenpaar aufgestellt werden soll. Soweit ich weiß, ist die Alternativhypothese das, was man beweisen will. Wenn nun mein Kollege beweisen will, daß es keine Unterschiede gibt, dann wäre das Hypothesenpaar wohl etwa so : H0 => Es gibt mindestens eine Gruppe, die sich hinsichtlich der Studentenanzahl von den übrigen Gruppen signifikant unterscheidet. H1 => Es gibt keine signifikanten Unterschiede bezüglich der Studentenanzahl in den einzelnen Gruppen. Meine Frage ist nun: Ist dies so überhaupt korrekt? Um zu ermitteln, welcher Test anzuwenden ist, muß man die Daten auf Normalverteilung überprüfen. Dies habe ich folgendermaßen gemacht: Zunächst habe ich ein Hypothesenpaar gebildet: H0 => Die Daten sind normalverteilt. H1 => Die
2 Daten sind nicht normalverteilt. Das Signifikanzniveau beträgt 5 %. So sieht der SAS Code aus: PROC FORMAT; VALUE sem 1 = 'WS05/06' 2 = 'SS06' 3 = 'WS06/07'; Data studenten; INPUT semester anzahl; FORMAT semester sem.; CARDS;
3 RUN; PROC UNIVARIATE PLOT NORMAL; VAR anzahl; BY semester; RUN; Das Ergebnis für die drei Semester ist dann folgendes: semester=ws05/ The UNIVARIATE Procedure Variable: anzahl Tests for Normality Test --Statistic p Value Shapiro-Wilk W Pr < W Kolmogorov-Smirnov D Pr > D > Cramer-von Mises W-Sq Pr > W-Sq > Anderson-Darling A-Sq Pr > A-Sq > semester=ss The UNIVARIATE Procedure Variable: anzahl Tests for Normality Test --Statistic p Value Shapiro-Wilk W Pr < W Kolmogorov-Smirnov D Pr > D > Cramer-von Mises W-Sq Pr > W-Sq > Anderson-Darling A-Sq Pr > A-Sq >0.2500
4 semester=ws06/ The UNIVARIATE Procedure Variable: anzahl Tests for Normality Test --Statistic p Value Shapiro-Wilk W Pr < W Kolmogorov-Smirnov D Pr > D < Cramer-von Mises W-Sq Pr > W-Sq < Anderson-Darling A-Sq Pr > A-Sq < Wenn ich das richtig interpretiere, sind die Daten der ersten beiden Gruppen (Pr < W und Pr < W ) normalverteilt, die Daten der letzten Gruppe (Pr < W ) sind nicht normalverteilt. Diese Tatsache verwirrt mich, ich weiß nun nicht, welcher Test angewendet werden soll, um ein Signifikanztest durchzuführen. Bei nicht normalverteilten Daten käme Kruskal-Wallis in Frage, bei normalverteilten Daten wäre es die einfache ANOVA (PROC GLM). Ich würde mich sehr freuen, wenn mir jemand bei meinem Problem behilflich sein könnte. Mit freundlichen Grüßen R. Erdmann Foren: Allgemeine Fragen zu SAS nicht-parametrischer Test 21 May, :39 AndreasMangold Ich bin kein Statistiker, aber meiner Meinung nach müsste man in so einem Fall der Abweichung von der Normalverteilung den nichtparametrischen Test nehmen. Es ist aber in jedem Fall zu bedenken, dass es sich um abhängige Messungen handelt. Man müsste also eine Varianzanalyse mit Messwiederholungen rechnen. Eine Frage zur Abhängigkeit 21 May, :58 ricerd Leider bin ich auch kein Statistiker, daher ist mir der Begriff "abhängige Messungen" nicht ganz klar. Die Studenten in den drei Semestern sind jeweils unterschiedlich. D. h. Die Studenten des WS 05/06 sind nicht die Studenten des SS 06 und auch nicht die Studenten des WS 06/07. Die Studenten ziehen gewissermaßen an meinem Kollegen vorbei. Es sind in jweiligen Semestern also immer neue Studenten. Handelt es sich dann also um abhängige oder unabhängige Messungen? Abhängigkeit bzw. der Vorlesungen 21 May, :07 AndreasMangold Ich meine nicht die Studenten, sondern die Vorlesungen. Wenn ich es richtig verstehe, dann handelt es sich ja um 26 verschiedene Vorlesungen. Die Varianzanalyse mit Messwiederholungen berücksichtigt, dass in der Vorlesung 1 in jedem Semester weniger Studenten sind als beispielsweise in der Vorlesung 26.
5 Ja das stimmt. Pro Semester 21 May, :26 ricerd Ja das stimmt. Pro Semester gibt es 26 verschiedene Vorlesungen. Soeben habe ich aber eine Unstimmigkeit entdeckt. Die oben angezeigten Daten wurden in einem anderen Zusammenhang sortiert. Die Originaldaten sehen so aus: WS05/06 SS06 WS06/ Die Anzahl der Studenten nimmt zwar ab, allerdings fallen die Zahlen nicht kontinuierlich. Die Kurve geht mal hoch und dann wieder runter. Wie sähe denn eine Varianzanalyse mit Meßwiederholungen aus? Herzliche Grüße R. Erdmann was ist eigentlich genau die Frage? 22 May, :31 Jobst Heitzig Könnten Sie noch einmal erläutern, nach was für Unterschieden eigentliche gesucht wird. Die Frage könnte ja unterschiedlich lauten, z.b. 1. Unterscheiden sich die drei Verteilungen, die durch die drei Spalten der Rohdaten gegeben sind? 2. Unterscheiden sich die Mittelwerte dieser Verteilungen? 3. Unterscheiden sich die drei Rangfolgen der Vorlesungen, die durch die drei Spalten der Rohdaten gegeben sind? 4. Unterscheiden sich die 26 Verteilungen, die durch die 26 Zeilen der Rohdaten
6 gegeben sind? 5. Unterscheiden sich die Mittelwerte dieser Verteilungen? 6. Unterscheiden sich die zwei Verteilungen von Zuwachsraten, die durch die zwei Quotienten zweite Spalte / erste Spalte und dritte Spalte / zweite Spalte 7. Unterscheiden sich die mittleren Zuwachsraten? usw. Ich glaube, dies müsste erst geklärt werden, bevor nach einem geeigneten Test gesucht werden kann... Die Frage: 23 May, :09 ricerd Hallo Herr Heitzig, nach Rücksprache mit meinem Kollegen soll folgende Frage beantwortet werden: Unterscheiden sich die Mittelwerte dieser Verteilungen? Dies wäre Frage 2 bzw. 5. Nochmal zur Erinnerung: Mein Kollege möchte gerne bewiesen haben, daß sich die Mittelwerte nicht unterscheiden. Dementsprechend muß das Hypothesenpaar aufgestellt werden. Schon mal vielen herzlichen Dank für Ihre Hilfe. Für weitere Fragen stehe ich Ihnen natürlich gerne zur Verfügung. Noch zwei Anmerkungen... Hallo, 24 May, :47 fmader ich bringe noch mal zwei zusätzliche Fragen/Anmerkungen zu denen von Jobst Heitzig ins Spiel: 1. Wäre es von der Art der Daten (Anzahlen) her nicht sinnvoller statt der Normalverteilung eine Poissonverteilung zu unterstellen und das Ganze als loglineares Modell/Poisson Regression zu analysieren?! PROC GENMOD und die (experimentelle) COUNTREG Prozedur bieten hierfür zahlreiche Möglichkeiten. PROC GENMOD stellt auch ein REPEATED-Statement und zahlreiche mögliche Kovarianzstrukturen zur Verfügung, um Meßwiederholungsdaten zu analysieren. Hilfreich dürften hierbei die Beispiele 31.5 und 31.9 sein. 2. Das Ganze (insbesondere der Vergleich auf Unterschiedlichkeit der mittleren Anzahlen je Semester) funktioniert nur, wenn es sich bei den 26 Vorlesungen um eine (unabhängige) Zufallsauswahl aus einer größeren Grundgesamtheit handelt. Sollte es sich um alle Vorlesungen (beipielsweise einer Fakultät), also um die Grundgesamtheit selbst handeln, so sind die (mittleren) Anzahlen entweder unterschiedlich oder nicht, aber das läßt sich meines Wissens nach dann nicht mehr testen. Beste Grüße Felix Mader Das wird ja immer komplizierter May, :51 ricerd
7 Hallo Herr Mader, erstmal vielen Dank für Ihren Beitrag. Ich fange mal mit Punkt 2 an. Es handelt sich nicht um eine eine Zufallsauswahl aus einer größeren Grundgesamtheit, sondern es handelt sich tatsächlich um die Grundgesamtheit. Wenn ich Sie richtig verstehe, ist hier dann kein Signifikanztest durchführbar. Dann kann man dann wohl nur im Bericht erwähnen, daß es Unterschiede in der mittleren Anzahl gibt. Mal ganz blauäugig gefragt: Wenn ich aus allen drei Gruppen eine Stichprobe ziehe, dann kann ich doch einen Signifikanztest mit den drei Stichproben durchführen, oder???? Was Punkt 1 betrifft: In der Schule habe ich gelernt, daß man im Rahmen von statistischen Tests sich zunächst überlegt,welches Merkmal (Alternativ, Qualitativ, Quantitativ (unbekannte Verteilung)oder stetig normalverteilt) vorliegt. Dan schaut man, wieviel Gruppen man hat (2 oder >2), im Anschluß daran schaut man, ob es ein Parrallelgruppenvergleich oder eine verbundene Gruppe ist. Anhand dieser Angaben ermittelt man dann den Test. Die Überprüfung auf Normalverteilung benötigt man, um zu wissen, ob man einen t-test oder eine ANOVA (bei stetig normalverteilten Merkmalen) bzw. Wilcoxon, Kruskal-Wallis oder Friedman (bei quantitativen Merkmalen mit unbekannter Verteilung)anzuwenden hat. Ihr Vorschlag, eine Poissonverteilung zu unterstellen, passt so gar nicht zu dem, was ich gelernt habe. Damit muß ich mich erstmal näher befassen. Vielleicht können Sie mir ja auch schon mal eine Hilfestellung bezüglich der Umsetzung ihres Vorschlags geben, über die ich mich wirklich sehr freuen würde. Herzliche Grüße Ricardo Erdmann Sooo kompliziert ist es nicht Hallo Herr Erdmann, 29 May, :45 fmader Zu Punkt 2: Ja, Sie könnten eine Zufallsauswahl treffen und dann auch testen, aber warum sollten sie? Sie kennen die Wahrheit (die Grundgesamtheit) und würden sich durch eine Reduktion der Ihnen zur Verfügung stehenden Daten gewissermaßen nur schlechter stellen. Auch wenn das Testen sehr attraktiv erscheinen mag, bedenken Sie folgendes: Eine Zufallsstichprobe könnte z.b. ergeben, daß (bei genügend kleiner Streuung in den Daten) die Abnahme um einen Studenten bereits signifikant ist. Würde dies dazu führen, daß Sie die Vorlesungen umfangreich umgestalten, um sie attraktiver zu machen? Vermutlich nicht. Umgekehrt könnte (bei entsprechend großer Streuung) auch eine Abnahme von 30 oder 40 Studenten nicht signifikant ausfallen, Sie wären aber evtl. dennoch bewegt, die Veranstaltungen umzukonzipieren. Was ich ausdrücken will: Ob signifikant oder nicht, ob ein Unterschied "genügend unterschiedlich" ist, um Änderungen vorzunehmen oder eine Variante der anderen zu bevorzugen, obliegt letztlich allein dem Entscheidungsträger und ist oftmals eher eine Kosten-Nutzen-Analyse. Zu Punkt 1: Sie haben völlig recht, verallgemeinerte lineare Modelle (GLMs, hat nichts mit PROC GLM zu tun!) haben gegenüber den von Ihnen genannten nichtparametrischen Tests aber den Vorteil, daß Sie im Prinzip alle Arten der Modellerstellung, die sie aus den linearen Modellen für normalverteilte Daten kennen (Anova, (multiple) lineare Regression,
8 Ancova) auch für Daten die einer anderen, zur Exponentialfamilie gehörenden Verteilung, entstammen anwenden können, und eben auch in der Lage sind, Korrelationen zwischend den Beobachtungen zu berücksichtigen. Der Unterschied zu den klassischen linearen Modellen liegt darin, daß das lineare Modell hier nicht an den Erwartungswert der Abhängigen angepaßt wird, sondern an eine nichtlineare Transformation dessen (sog. link-funktion). Abhängig von der gewählten, den Daten zugrundeliegenden Verteilung wird zudem eine verteilungsspezifische (und ggf. vom Erwartungswert abhängige) Varianzfunktion verwendet, so daß auch die Annahme der konstanten Varianz fallengelassen werden kann. Weiter ins Detail kann ich hier aus Zeitgründen leider nicht gehen, zumal es dann auch sehr schnell deutlich umfangreicher würde, die SASeigene Hilfe (Kapitel 31 im SAS/STAT-Pdf) bietet aber einen wirklich gut verständlichen Einstieg in die GLMs im allgemeinen und einige auf Anzahldaten bezogene Beispiele. Darüber hinaus gibt's etliches an Literatur zu GLMs im allgemeinen und zu log-linearen Modellen im speziellen. Hier könnte ich bei Bedarf noch einige Titel nachliefern. Beste Grüße Felix Mader Aha... Hallo Herr Mader, 29 May, :31 ricerd herzlichen Dank für Ihre Ausführungen. Ich glaube, langsam aber sicher löst sich mein Problem. Ich habe mir im Hinblick auf Kapitel 31 des SAS-Manuals erstmal im Schnelldurchlauf einen Überblick verschafft. Ich werde mir das noch genauer anschauen. Vorab jedoch schon mal eine Frage zum Verständnis: PROC GENMOD kann man verwenden, wenn eine Grundgesamtheit vorliegt, während die nichtparametrischen Tests nur angewendet werden, wenn man eine Stichprobe hat? Herzliche Grüße R. Erdmann Nicht ganz 1 June, :19 fmader Entschuldigung, da habe ich mich evtl. ein wenig mißlich ausgedrückt. Auch PROC GENMOD dient "nur" der Auswertung von Stichproben, wäre also angesagt, wenn Sie aus Ihrer Grundgesamtheit tatsächlich Stichproben ziehen wollten. Im Gegensatz zu den nichtparametrischen Tests unterstellen GLMs durchaus eine Verteilung der untersuchten Größe, nur eben ggf. nicht die Normalverteilung. Darüber hinaus ermöglichen sie - wie die klassischen lineare Modelle - den Einbezug erklärender Variablen und die Berücksichtigung korrelierter Beobachtungen. Insbesondere für letzteres dürfte es aber auch bei den nichtparametrischen Verfahren Alternativen geben. Da kann ich ad hoc aber leider nicht weiterhelfen. Viel Erfolg weiterhin F. Mader
9 Vielen Dank 5 June, :53 ricerd Hallo Herr Mader, ich möchte Ihnen für Ihren Hinweis danken. So langsam wird mir die ganze Sache klar. Ich denke, ich werde mein Problem wohl lösen können. Herzliche Grüße R. Erdmann
1.8 Kolmogorov-Smirnov-Test auf Normalverteilung
1.8 Kolmogorov-Smirnov-Test auf Normalverteilung Der Kolmogorov-Smirnov-Test ist einer der klassischen Tests zum Überprüfen von Verteilungsvoraussetzungen. Der Test vergleicht die Abweichungen der empirischen
Mehr5. 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
MehrStatistik. 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
Mehr1.6 Der Vorzeichentest
.6 Der Vorzeichentest In diesem Kapitel soll der Vorzeichentest bzw. Zeichentest vorgestellt werden, mit dem man Hypothesen bezüglich des Medians der unabhängig und identisch stetig verteilten Zufallsvariablen
MehrSpalten aufsummieren?!
News Artikel Foren Projekte Links Über Redscope Join List Random Previous Next Startseite Foren Allgemeine Fragen zu SAS Spalten aufsummieren?! 5 July, 2010-11:59 Student- Hallo liebe SAS-Gemeinschaft
MehrWerkzeuge der empirischen Forschung
Werkzeuge der empirischen Forschung I. Daten und Beschreibende Statistik 1. Einführung 2. Dateneingabe, Datentransformation, Datenbehandlung 3. Beschreibende Statistik II. Schließende Statistik 1 III.
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)
MehrInhalt. Vorwort Univariate Verteilungen Verteilungen Die Normalverteilung... 47
Inhalt Vorwort... 9 1 Einleitung: Grundlagen der Statistik... 11 1.1 Die statistische Fragestellung im Forschungsprozess... 11 1.2 Grundbegriffe der Statistik... 13 1.3 Voraussetzung jeder Statistik: Die
MehrEinfaktorielle Varianzanalyse Vergleich mehrerer Mittelwerte
Einfaktorielle Varianzanalyse Vergleich mehrerer Mittelwerte Es wurden die anorganischen Phosphatwerte im Serum (mg/dl) eine Stunde nach einem Glukosetoleranztest bei übergewichtigen Personen mit Hyperinsulinämie,
MehrStatistik mit und ohne Zufall
Christoph Weigand Statistik mit und ohne Zufall Eine anwendungsorientierte Einführung Mit 118 Abbildungen und 10 Tabellen Physica-Verlag Ein Unternehmen von Springer Inhaltsverzeichnis Teil I Deskriptive
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 22 Übersicht Weitere Hypothesentests in der Statistik 1-Stichproben-Mittelwert-Tests 1-Stichproben-Varianz-Tests 2-Stichproben-Tests Kolmogorov-Smirnov-Test
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
MehrFH- Management & IT. Constantin von Craushaar FH-Management & IT Statistik Angewandte Statistik (Übungen)
FH- Management & IT Folie 1 Rückblick Häufigkeiten berechnen Mittelwerte berechnen Grafiken ausgeben Grafiken anpassen und als Vorlage abspeichern Variablenoperationen Fälle vergleichen Fälle auswählen
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
Mehr5.8 Anpassungstests. W. Kössler (IfI HU Berlin) Werkzeuge der empirischen Forschung 389 / 419
5.8 8.1 Einführung empirische Verteilungsfunktion 8.2 EDF- Kolmogorov-Smirnov-Test Anderson-Darling-Test Cramer-von Mises-Test 8.3 Anpassungstest auf Normalverteilung - Shapiro-Wilk-Test 8.4. auf weitere
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
MehrEinfaktorielle 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
Mehr1.5 Berechnung von Rangzahlen
1.5 Berechnung von Rangzahlen Bei vielen nichtparametrischen Verfahren spielen die so genannten Rangzahlen eine wesentliche Rolle, denn über diese werden hier die Prüfgrößen berechnet. Dies steht im Gegensatz
MehrPROC 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
MehrUE Angewandte Statistik Termin 4 Gruppenvergleichstests
UE Angewandte Statistik Termin 4 Gruppenvergleichstests Martina Koller Institut für Pflegewissenschaft SoSe 2015 INHALT 1 Allgemeiner Überblick... 1 2 Normalverteilung... 2 2.1 Explorative Datenanalyse...
MehrSUBSTRING - wo liegt mein Fehler?
News Artikel Foren Projekte Links Über Redscope Join List Random Previous Next Startseite Foren Allgemeine Fragen zu SAS SUBSTRING - wo liegt mein Fehler? 31 July, 2012-18:11 losingdays Hallo zusammen,
MehrStatistik II Übung 3: Hypothesentests Aktualisiert am
Statistik II Übung 3: Hypothesentests Aktualisiert am 12.04.2017 Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier
Mehr1 Univariate Statistiken
1 Univariate Statistiken Im ersten Kapitel berechnen wir zunächst Kenngrößen einer einzelnen Stichprobe bzw. so genannte empirische Kenngrößen, wie beispielsweise den Mittelwert. Diese können, unter gewissen
MehrInhaltsverzeichnis. 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
MehrInformationen zur KLAUSUR am
Wiederholung und Fragen 1 Informationen zur KLAUSUR am 24.07.2009 Raum: 032, Zeit : 8:00 9:30 Uhr Bitte Lichtbildausweis mitbringen! (wird vor der Klausur kontrolliert) Erlaubte Hilfsmittel: Alle Unterlagen,
MehrStatistische Messdatenauswertung
Roland Looser Statistische Messdatenauswertung Praktische Einführung in die Auswertung von Messdaten mit Excel und spezifischer Statistik-Software für naturwissenschaftlich und technisch orientierte Anwender
MehrDie ungeliebten Verwandten: nicht-parametrische Alternativen
1.1.1. Die ungeliebten Verwandten: nicht-parametrische Alternativen 1.1.1.1. Was zur Hölle? Ted richtet seine Waffe auf Dr. Bob Kelso: Nein, Bob! Das werde ich nicht tun! Nicht nach all dem, was ich durchmachen
MehrStatistik II Übung 3: Hypothesentests
Statistik II Übung 3: Hypothesentests Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier Stichproben). Verwenden
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
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
MehrParametrische vs. Non-Parametrische Testverfahren
Parametrische vs. Non-Parametrische Testverfahren Parametrische Verfahren haben die Besonderheit, dass sie auf Annahmen zur Verteilung der Messwerte in der Population beruhen: die Messwerte sollten einer
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
MehrSommersemester Marktforschung
Dipl.-Kfm. Sascha Steinmann Universität Siegen Lehrstuhl für Marketing steinmann@marketing.uni-siegen.de Sommersemester 2010 Marktforschung Übungsaufgaben zu den Themen 3-6 mit Lösungsskizzen Aufgabe 1:
Mehr9 Faktorenanalyse. Wir gehen zunächst von dem folgenden Modell aus (Modell der Hauptkomponentenanalyse): Z = F L T
9 Faktorenanalyse Ziel der Faktorenanalyse ist es, die Anzahl der Variablen auf wenige voneinander unabhängige Faktoren zu reduzieren und dabei möglichst viel an Information zu erhalten. Hier wird davon
MehrTeil XI. Hypothesentests für zwei Stichproben. Woche 9: Hypothesentests für zwei Stichproben. Lernziele. Beispiel: Monoaminooxidase und Schizophrenie
Woche 9: Hypothesentests für zwei Stichproben Patric Müller Teil XI Hypothesentests für zwei Stichproben ETHZ WBL 17/19, 26.06.2017 Wahrscheinlichkeit und Statistik Patric
MehrAufgaben 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.
MehrSigmaStat 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
MehrODS RTF Titel in Spalten linksbündig darstellen
News Artikel Foren Projekte Links Über Redscope Join List Random Previous Next Startseite Foren Reporting & Visualisierung ODS RTF Titel in Spalten linksbündig darstellen 15 February, 2011-17:02 werfi
Mehr1. Erklären Sie den Unterschied zwischen einem einseitigen und zweiseitigen Hypothesentest.
Statistik II Übung 3: Hypothesentests Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier Stichproben). Verwenden
MehrÄnderung der Ordnung der Variablen in den SAS Datensatz
News Artikel Foren Projekte Links Über Redscope Join List Random Previous Next Startseite Foren Allgemeine Fragen zu SAS Änderung der Ordnung der Variablen in den SAS Datensatz 12 July, 2006-13:35 schmitti
MehrHypothesentests und Konfidenzintervalle
Beispiel 1: Befüllen von Cornflakesschachteln Problem Ein Hersteller von Cornflakes möchte überprüfen, ob der Abfüllprozess den Zielvorgaben entspricht. Das Sollgewicht der Schachteln beträgt 365 Gramm.
MehrMultivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Diese Selbstkontrollarbeit bezieht sich auf die Kapitel 1 bis 4 der Kurseinheit 1 (Multivariate Statistik) des Kurses Multivariate Verfahren (883). Hinweise:
MehrStatistik 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
MehrAnalytische Statistik: Varianzanpassungstest, Varianzhomogenitätstest. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09
Analytische Statistik: Varianzanpassungstest, Varianzhomogenitätstest Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09 Varianzanpassungstest Untersuchung der Streuung einer bzw.
MehrInhaltsverzeichnis 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...
Mehr6.4 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
MehrELEMENTARE EINFÜHRUNG IN DIE MATHEMATISCHE STATISTIK
DIETER RASCH ELEMENTARE EINFÜHRUNG IN DIE MATHEMATISCHE STATISTIK MIT 53 ABBILDUNGEN UND 111 TABELLEN ZWEITE, BERICHTIGTE UND ERWEITERTE AUFLAGE s-~v VEB DEUTSCHER VERLAG DER WISSENSCHAFTEN BERLIN 1970
Mehr7. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17
7. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17 1. Aufgabe: a) Grundgesamtheit sind alle Reifen aus der Produktion von Langstone aus dem Monat März der entsprechenden Reifentypen.
MehrPROC UNIVARIATE. Starten Sie die Programmzeilen aus dem Beispiel, zeigt SAS im Output-Fenster die Informationen auf der Rückseite:
PROC UNIVARIATE zum Berechnen statistischer Maßzahlen, Prüfung auf Normalverteilung, Häufigkeitslisten für stetige Merkmale (für quantitative Merkmale) Allgemeine Form: PROC UNIVARIATE DATA=name Optionen
MehrStatistik für das Psychologiestudium
Dieter Rasch / Klaus D. Kubinger Statistik für das Psychologiestudium Mit Softwareunterstützung zur Planung und Auswertung von Untersuchungen sowie zu sequentiellen Verfahren ELSEVIER SPEKTRUM AKADEMISCHER
Mehr1 Grundlagen der Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsräume. Ein erster mathematischer Blick auf Zufallsexperimente...
Inhaltsverzeichnis 1 Grundlagen der Wahrscheinlichkeitsrechnung 1 1.1 Wahrscheinlichkeitsräume Ein erster mathematischer Blick auf Zufallsexperimente.......... 1 1.1.1 Wahrscheinlichkeit, Ergebnisraum,
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
MehrKategoriale und metrische Daten
Kategoriale und metrische Daten Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/14 Übersicht Abhängig von der Anzahl der Ausprägung der kategorialen Variablen unterscheidet man die folgenden Szenarien:
MehrStatistik-Klausur A WS 2009/10
Statistik-Klausur A WS 2009/10 Name: Vorname: Immatrikulationsnummer: Studiengang: Hiermit erkläre ich meine Prüfungsfähigkeit vor Beginn der Prüfung. Unterschrift: Dauer der Klausur: Erlaubte Hilfsmittel:
Mehr» S C H R I T T - F Ü R - S C H R I T T - A N L E I T U N G «M U L T I P L E L I N E A R E R E G R E S S I O N M I T S P S S / I B M Daniela Keller
» SCHRITT-FÜR-SCHRITTANLEITUNG«MULTIPLE LINEARE REGRESSION MIT SPSS/IBM Daniela Keller Daniela Keller - MULTIPLE LINEARE REGRESSION MIT SPSS/IBM Impressum 2016 Statistik und Beratung Dipl.-Math. Daniela
MehrInhaltsverzeichnis. 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
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 41 Übersicht Struktur eines Hypothesentests Stichprobenverteilung t-test: Einzelner-Parameter-Test F-Test: Multiple lineare Restriktionen 2 / 41 Struktur
MehrInhaltsverzeichnis. 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
MehrVorlesung: 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
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
Mehra) Man bestimme ein 95%-Konfidenzintervall für den Anteil der Wahlberechtigten, die gegen die Einführung dieses generellen
2) Bei einer Stichprobe unter n=800 Wahlberechtigten gaben 440 an, dass Sie gegen die Einführung eines generellen Tempolimits von 100km/h auf Österreichs Autobahnen sind. a) Man bestimme ein 95%-Konfidenzintervall
MehrPrüfen von Unterschiedshypothesen für ordinale Variablen: Mann-Whitney Test und Ko
Prüfen von Unterschiedshypothesen für ordinale Variablen: Mann-Whitney Test und Ko Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik
MehrWie kann ich die Ausgabe als Excel speichern?
News Artikel Foren Projekte Links Über Redscope Join List Random Previous Next Startseite Foren ETL & Base SAS Wie kann ich die Ausgabe als Excel speichern? 23 November, 2007-16:50 DrBoogie Zum Beispiel,
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg. für Betriebswirtschaft und internationales Management
für Betriebswirtschaft und internationales Management Sommersemester 2015 Prof. Dr. Stefan Etschberger Hochschule Augsburg Testverteilungen Chi-Quadrat-Verteilung Sind X 1,..., X n iid N(0; 1)-verteilte
MehrJOHANNES GUTENBERG-UNIVERSITÄT MAINZ Psychologisches Institut Abteilung Methodenlehre & Statistik
JOHANNES GUTENBERG-UNIVERSITÄT MAINZ Psychologisches Institut Abteilung Methodenlehre & Statistik Seminar Datenerhebung, Analyse & Präsentation Dipl.-Psych. Rainer Kämper SS 2012 Fragen und Antworten finaler
Mehr3. Das Prüfen von Hypothesen. Hypothese?! Stichprobe Signifikanztests in der Wirtschaft
3. Das Prüfen von Hypothesen Hypothese?! Stichprobe 3.1. Signifikanztests in der Wirtschaft Prüfung, ob eine (theoretische) Hypothese über die Verteilung eines Merkmals X und ihre Parameter mit einer (empirischen)
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
MehrStatistik für Psychologen, Pädagogen und Mediziner
Thomas Köhler Statistik für Psychologen, Pädagogen und Mediziner Ein Lehrbuch ^~i: Verlag W. Kohlhammer 1 Einführung: Begriffsklärungen und Überblick 11 1.1 Aufgaben und Subdisziplinen der Statistik 11
MehrSchweizer Statistiktage, Aarau, 18. Nov. 2004
Schweizer Statistiktage, Aarau, 18. Nov. 2004 Qualitative Überprüfung der Modellannahmen in der linearen Regressionsrechnung am Beispiel der Untersuchung der Alterssterblichkeit bei Hitzeperioden in der
Mehrsimple lineare Regression kurvilineare Regression Bestimmtheitsmaß und Konfidenzintervall
Regression Korrelation simple lineare Regression kurvilineare Regression Bestimmtheitsmaß und Konfidenzintervall Zusammenhänge zw. Variablen Betrachtet man mehr als eine Variable, so besteht immer auch
MehrStatistik II (Sozialwissenschaften)
Dr. Hans-Otfried Müller Institut für Mathematische Stochastik Fachrichtung Mathematik Technische Universität Dresden http://www.math.tu-dresden.de/sto/mueller/ Statistik II (Sozialwissenschaften) 2. Konsultationsübung,
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.
MehrPROC MEANS. zum Berechnen statistischer Maßzahlen (für quantitative Merkmale)
PROC MEAS zum Berechnen statistischer Maßzahlen (für quantitative Merkmale) Allgemeine Form: PROC MEAS DATA=name Optionen ; VAR variablenliste ; CLASS vergleichsvariable ; Beispiel und Beschreibung der
MehrVergleich von Parametern zweier Stichproben
Vergleich von Parametern zweier Stichproben Vergleich von Mittelwerten bei gebundenen Stichproben Vergleich von Mittelwerten bei unabhängigen Stichproben Vergleich von Varianzen bei unabhängigen Stichproben
MehrEinführung in die Statistik
Einführung in die Statistik Analyse und Modellierung von Daten Von Prof. Dr. Rainer Schlittgen 4., überarbeitete und erweiterte Auflage Fachbereich Materialwissenschaft! der Techn. Hochschule Darmstadt
MehrStatistik-Klausur I E SS 2010
Statistik-Klausur I E SS 2010 Name: Vorname: Immatrikulationsnummer: Studiengang: Hiermit erkläre ich meine Prüfungsfähigkeit vor Beginn der Prüfung. Unterschrift: Dauer der Klausur: Erlaubte Hilfsmittel:
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
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
MehrBrückenkurs Statistik für Wirtschaftswissenschaften
Peter von der Lippe Brückenkurs Statistik für Wirtschaftswissenschaften Weitere Übungsfragen UVK Verlagsgesellschaft mbh Konstanz Mit UVK/Lucius München UVK Verlagsgesellschaft mbh Konstanz und München
MehrEinführung in die Statistik für Politikwissenschaftler Sommersemester 2011
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011 Es können von den Antworten alle, mehrere oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort (ohne Auslassungen
MehrMultivariate Lineare Modelle SS Einführung. 1. Organisation. 2. Übersicht. 3. Arbeiten mit SAS
Multivariate Lineare Modelle SS 2009 0 Einführung 1. Organisation 2. Übersicht 3. Arbeiten mit SAS 1 0.1 Organisation Lehrziele: Theorie von multivariaten linearen Modellen Praktische Anwendung mit SAS
MehrInferenzstatistik verstehen
Markus Janczyk Roland Pfister Inferenzstatistik verstehen Von A wie Signifikanztest bis Z wie Konfidenzintervall ^ Springer Spektrum vii 1 Einführung und deskriptive Statistik 1 1.1 Wichtige mathematische
MehrAufgaben 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:
MehrOnline Statistik-Coaching
Online Statistik-Coaching Modul 3 Statistisches Testen - Auswahl der passenden Methode - Durchführung mit SPSS - Interpretation und Darstellung Dipl.-Math. Daniela Keller www.statistik-und-beratung.de
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 Varianzanalyse Statistik
MehrI. Deskriptive Statistik 1
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Grundgesamtheit und Stichprobe.................. 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................
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
MehrTrim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19
Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist
MehrAufgaben 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 n. Die entsprechende Testvariable punkte2 finden Sie im Datensatz Rangdaten.sav.
MehrGrundlagen sportwissenschaftlicher Forschung Inferenzstatistik 2
Grundlagen sportwissenschaftlicher Forschung Inferenzstatistik 2 Dr. Jan-Peter Brückner jpbrueckner@email.uni-kiel.de R.216 Tel. 880 4717 Statistischer Schluss Voraussetzungen z.b. bzgl. Skalenniveau und
MehrStichwortverzeichnis. 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
Mehr2. Formulieren von Hypothesen. Nullhypothese: H 0 : µ = 0 Gerät exakt geeicht
43 Signifikanztests Beispiel zum Gauß-Test Bei einer Serienfertigung eines bestimmten Typs von Messgeräten werden vor der Auslieferung eines jeden Gerätes 10 Kontrollmessungen durchgeführt um festzustellen,
MehrEin- und Zweistichprobentests
(c) Projekt Neue Statistik 2003 - Lernmodul: Ein- Zweistichprobentests Ein- Zweistichprobentests Worum geht es in diesem Modul? Wiederholung: allgemeines Ablaufschema eines Tests Allgemeine Voraussetzungen
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
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
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
Mehr