Einflussfaktoren auf die Macht der Hypothesenprüfung
|
|
- Nelly Pfaff
- vor 7 Jahren
- Abrufe
Transkript
1 Einflussfaktoren auf die Macht der Hypothesenprüfung Einflussfaktoren auf die Macht Die Jagd nach den Sternen In der Wissenschaft gilt der Blick oft nur den Sternen * p <.05 ** p <.01 *** p <.001 1
2 Einflussfaktoren auf die Macht Verbesserung Therapie A B N Mean 5 17, ,1256 Verbesserung Therapie A B N Mean 16 15, ,8409 df Sig. (2-tailed) df Sig. (2-tailed) Verbesserung 8,082 Verbesserung 32,000 Weshalb ist der relativ große Mittelwertsunterschied nicht signifikant, der dazu kleine Unterschied jedoch schon? Einflussfaktoren auf die Macht Verbesserung Therapie A B N Mean 6 14, ,8484 Verbesserung Therapie A B N Mean 16 14, ,8484 Verbesserung df Mean 12,265 Verbesserung df Sig. (2-tailed) 32,000 Weshalb ist derselbe Mittelwertsunterschied einmal signifikant und einmal nicht? 2
3 Einflussfaktoren auf die Macht Definition Die Power (Macht), ist die Wahrscheinlichkeit, mit der die Alternativhypothese (H 1 ) angenommen wird, sofern sie auch wirklich gilt. Die Macht ist demnach die Wahrscheinlichkeit, einen vorhandenen Unterschied auch tatsächlich zu entdecken. Einflussfaktoren auf die Macht Einflussfaktoren Größe des tatsächlichen Unterschieds (Effektgröße) Varianz der Messwerte Qualität des Tests Stichprobengröße α-niveau 3
4 Einflussfaktoren auf die Macht Bildliches Signifikanz: Suche nach einem Riss in der Mauer Effektgröße: Breites des Risses Qualität des Tests: Wie gut Test sieht Varianz der Messwerte: Wie frei ist Blick auf Mauer Stichprobengröße: Lupenstärke α-niveau: Sicherheit des Urteils Einflussfaktoren auf die Macht Effektstärke Unterschied, der zwischen zwei Populationen bestehen muss, um von einem bedeutsamen Unterschied sprechen zu können 4
5 Einflussfaktoren auf die Macht - Konsequenzen bei nicht signifikantem Ergebnis Muss sich fragen, ob Stichprobe groß genug war, um interessierenden Effekt zu finden bei signifikantem Ergebnis Muss sich fragen, ob der gefundene Effekt auch von praktischer Bedeutung (Relevanz) ist Einflussfaktoren auf die Macht - Konsequenzen Stichprobengröße wird VOR der Untersuchung üblicherweise so gewählt, dass die Wahrscheinlichkeit den interessierenden Effekt zu finden, 80% beträgt 5
6 Vergleich zweier Stichproben Vergleich zweier Stichproben Zwei Arten von Stichproben unabhängige Stichproben Die zu vergleichende Mittelwerte wurden anhand unterschiedlicher Stichproben erhoben abhängige Stichproben Die zu vergleichende Mittelwerte wurden anhand der selben Stichprobe erhoben 6
7 Vergleich zweier Stichproben t-test unabhängig Voraussetzungen zwei unabhängige Stichproben metrische (zumindest intervallskalierte) Daten zumindest annähernd normalverteilte Daten pro Gruppe Gleichheit (Homogenität) der Stichprobenvarianzen Vergleich zweier Stichproben t-test unabhängig Durchführung Überlegen, ob Intervallskalierung der Daten angenommen werden kann Aufteilung der Stichprobe Überprüfung der Normalverteilung entweder mittels PP / QQ-Plot oder Histogramm oder KS-Test Überprüfung der Homgenität der Varianzen mittels Levene Test (wird von SPSS automatisch beim t-test dabei) 7
8 Vergleich zweier Stichproben t-test unabhängig 21 psychogene und 24 pathogene PatientInnen bearbeiten Rechentest Forschungshypothese Psychogene und pathogene PatientInnen machen unterschiedlich viele Fehler Vergleich zweier Stichproben t-test unabhängig Gruppenstatistiken Punkte im Rechentest Erkrankung psychogen N Mittelwert Standardabw eichung Standardfehler des Mittelwertes 21 31, , ,49803 patogen 24 25, , ,26146 Test bei unabhängigen Stichproben Levene-Test der Varianzgleichheit T-Test für die Mittelwertgleichheit Punkte im Rechentest Varianzen sind gleich Varianzen sind nicht gleich F Signifikanz T df Sig. (2-seitig),004,950 1,955 43,057 1,950 41,801,058 8
9 Vergleich zweier Stichproben t-test abhängig Voraussetzungen zwei abhängige Stichproben metrische (zumindest intervallskalierte) Daten zumindest annähernd normalverteilte Differenzen Vergleich zweier Stichproben t-test abhängig Durchführung Überlegen, ob Intervallskalierung der Daten angenommen werden kann Berechnung der Differenzen Überprüfung der Normalverteilung entweder mittels PP / QQ-Plot oder Histogramm oder KS-Test 9
10 Vergleich zweier Stichproben t-test abhängig Anzahl entdeckter maligner Lymphknoten mit und ohne Kontrastmittel Forschungshypothese Bei der Verwendung eines Kontrastmittels werden mehr maligne Lymphknoten entdeckt Vergleich zweier Stichproben t-test abhängig Statistik bei gepaarten Stichproben Paaren 1 mit Kontrasttmittel ohne Kontrastmittel Standardabw Standardfehler Mittelwert N eichung des Mittelwertes 3, ,02479, , ,11812,15657 Test bei gepaarten Stichproben Gepaarte Differenzen Paaren 1 mit Kontrasttmittel - ohne Kontrastmittel Mittelwert Standardabw eichung T df Sig. (2-seitig) 1,0000 1, ,905 50,000 10
11 WICHTIG Bei EINSEITIGEN Fragestellungen darf ein im SPSS zweiseitig ausgegebener p-wert durch 2 dividiert werden! Vergleich zweier Stichproben Ersatzverfahren für t-test unabhängig Falls eine der Voraussetzungen des t-tests unabhängig NICHT erfüllt ist, kommt ein U-Test zur Anwendung Bei lediglich rangskalierten oder nicht normalverteilten Daten, sollten Mediane zur Beschreibung der Daten verwendet werden 11
12 Vergleich zweier Stichproben U-Test Ersatzverfahren für t-test unabhängig Bemerkung Verwendung des U-Tests bei ist auch bei lediglich rangskalierten Daten mit wenigen unterschiedlichen Ausprägungen üblich, aber nicht unumstritten, da auch U- Test streng genommen stetige Variablen voraussetzt. Vergleich zweier Stichproben - U-Test U -Test Idee Gesamtdaten werden gerangreiht von den gerangreihten Werten wird Gruppenzugehörigkeit notiert Die zu prüfende Kenngröße ist Durchmischung der Gruppen 12
13 Vergleich zweier Stichproben - U-Test U -Test 1 (keine Durchmischung) A A A A B B B B B U 1 = 0 (kein B steht vor einem A) U 2 = 4x5= 20 (jedes der 4 A steht vor jedem der 5 B) U 1 + U 2 =20 Vergleich zweier Stichproben - U-Test U -Test 2 (hohe Durchmischung) A B B A B A B A B U 1 = 9 ( B 1,B s vor 3 A, B 3 vor 2 A, B 4 vor 1 A und B 5 vor 0 A ) U 2 = 11 (A 1 vor 5 B, A 2 vor 3 B, A 3 vor 2 B, A 4 vor 1 B, ) U 1 + U 2 =20 13
14 Vergleich zweier Stichproben - U-Test Geben Männer und Frauen unterschiedlich viel Trinkgeld? Forschungshypothese Männer geben weniger Trinkgeld. Vergleich zweier Stichproben - U-Test 14
15 Vergleich zweier Stichproben - U-Test Ranks Durchschnitlich gegebenes Trinkgeld Geschlecht Frau Mann Total Sum of N Mean Rank Ranks Test Statistics b Durchsch nitlich gegebenes Trinkgeld Mann-Whitney U Wilcoxon W Z Asymp. Sig. (2-tailed).987 Exact Sig..987 a [2*(1-tailed Sig.)] a. Not corrected for ties. b. Grouping Variable: Geschlecht Vergleich zweier Stichproben Ersatzverfahren für t-test abhängig Bei nicht normalverteilten Differenzen kommt ein Wilcoxon Test zur Anwendung Bei lediglich rangskalierten Daten sollte ein Binomialtest oder ein Friedman Test zur Anwendung kommen 15
16 Vergleich zweier Stichproben Wilcoxon Test Wilcoxon -Test Idee Differenzen werden gebildet und dem Betrag nach gerangreiht N wird um Anzahl der 0 Differenzen reduziert (!!) Kenngröße ist Durchmischung der positiven und negativen Differenzen Vergleich zweier Stichproben Wilcoxon Test Effekt von schockierenden Bildern auf Rauchverhalten Forschungshypothese Zigarettenkonsum wird nach Anti-Rauchfilm geringer. 16
17 Vergleich zweier Stichproben Wilcoxon Test Vergleich zweier Stichproben Wilcoxon Test Zigarettenkonsum nachher - Zigarettenkonsum vorher Ranks Negative Ranks Positive Ranks Ties Total a. Zigarettenkonsum nachher < Zigarettenkonsum vorher b. Zigarettenkonsum nachher > Zigarettenkonsum vorher c. Zigarettenkonsum nachher = Zigarettenkonsum vorher Sum of N Mean Rank Ranks 21 a b c 35 Z Test Statistics b Asymp. Sig. (2-tailed) a. Based on positive ranks. b. Wilcoxon Signed Ranks Test Zigarettenko nsum nachher - Zigarettenko nsum vorher a
18 Vergleich zweier Stichproben Binomialtest Idee Differenzen werden gebildet N wird um Anzahl der 0 Differenzen reduziert (!!) Kenngröße ist Anzahl positiver/negativer Differenzen Vergleich zweier Stichproben Binomial-Test Effekt von schockierenden Bildern auf Rauchverhalten Forschungshypothese Zigarettenkonsum wird nach Anti-Rauchfilm geringer. 18
19 Vergleich zweier Stichproben Wilcoxon Test Zigarettenkonsum nachher - Zigarettenkonsum vorher Frequencies Negative Differences a Positive Differences b Ties c Total N a. Zigarettenkonsum nachher < Zigarettenkonsum vorher b. Zigarettenkonsum nachher > Zigarettenkonsum vorher c. Zigarettenkonsum nachher = Zigarettenkonsum vorher Test Statistics a Z Asymp. Sig. (2-tailed) a. Sign Test Zigarettenko nsum nachher - Zigarettenko nsum vorher Vergleich mehrerer Stichproben 19
20 Vergleich mehrerer Stichproben Varianzanalysen (VA) Vergleich von mehr als 2 Mittelwerten Löst Problem der α-überhöhung Verwendet immer zweiseitige Hypothesen als Regression mit nominalen Variablen interpretierbar Grundidee Unter der Nullhypothese (H 0 ) stammen alle Daten aus der selben Normalverteilung NV(µ,σ) bzw. H 0 : µ 1 =µ 2 = =µ k und σ 1 = σ 2 =... = σ k In diesem Fall gilt das sogenannte Starke Gesetz der großen Zahlen 2 σ 2 ( x) σ ( x ) = Unter H 0 wird demnach von der Gleichheit der beiden Varianzen ausgegangen. Kann von Homogenität der Stichprobenvarianzen ausgegangen werden, kann Verletzung des Starken Gesetzes nur darauf zurückgeführt werden, dass nicht alle µ gleich sind. N 20
21 Für Benennung wichtig Zahl der Variablen, die Gruppen definieren (UVs, Faktoren) einfach mehrfach einfaktoriell mehrfaktoriell Zahl der interessierenden Größen univariat multivariat n Einfache univariate VA für unabhängige Stichproben Modellgleichung x i, j = µ + α j + ε i, j Populationsparameter Effekt der j-ten Gruppe Messfehler (Residuum) 21
22 n Einfache univariate VA für unabhängige Stichproben Voraussetzungen mehr als zwei unabhängige Stichproben metrische (zumindest intervallskalierte) Daten zumindest 10 (ideal ab 30 Personen) pro Gruppe zumindest annähernd normalverteilte Daten pro Gruppe Gleichheit (Homogenität) der Stichprobenvarianzen Einfache univariate VA für unabhängige Stichproben Durchführung Überlegen, ob Intervallskalierung der Daten angenommen werden kann Aufteilung der Stichprobe Überprüfung der Normalverteilung entweder mittels PP / QQ-Plot oder Histogramm oder KS-Test Überprüfung der Homogenität der Varianzen mittels Levene Test (muss im SPSS bei Berechung der VA ausgewählt werden) 22
23 Datensatz Arbeitszufriedenheit Fragestellung Ist Arbeitszufriedenheit in Österreich, Deutschland und der Schweiz unterschiedlich? H 0 : keine Unterschiede zwischen den Ländern H 1 : es gibt Unterschiede zwischen den Ländern Descriptive Statistics Dependent Variable: Arbeitszufriedenheit Mean Std. Deviation N Österreich Land Deutschland Schweiz Total
24 Levene's Test of Equality of Error Variances a Dependent Variable: Arbeitszufriedenheit F df1 df2 Sig Tests the null hypothesis that the error variance of the dependent variable is equal across groups. a. Design: Intercept+Land Dependent Variable: Arbeitszufriedenheit Source Corrected Model Intercept Land Error Total Corrected Total Tests of Between-Subjects Effects a a. R Squared =.043 (Adjusted R Squared =.040) Type III Sum of Squares df Mean Square F Sig. Partial Eta Squared 24
25 Einfache univariate VA für unabhängige Stichproben A-Priori Test im Anschluss an eine signifikante Varianzanalyse anwendbar, wenn bereits im Vorfeld Vergleich bestimmter Gruppen theoretisch begründet wurde dient der Überprüfung spezifischer Fragestellungen Contrast Coefficients Contrast 1 Land Österreich Deutschland Schweiz Contrast Tests Assume equal varianc Contrast Arbeitszufriedenhei Does not assume equa Contrast i 1 1 Value of Contrast Std. Error t df Sig. (2-tailed)
26 Einfache univariate VA für unabhängige Stichproben Post Hoc Tests im Anschluss an eine signifikante Varianzanalyse wesentlich um festzustellen, welche Gruppen sich unterscheiden exploratives (nicht theoriegeleitetes) Vorgehen SPSS bietet Vielzahl von post Hoc Tests z.b. Scheffé Tukey Multiple Comparisons Dependent Variable: Arbeitszufriedenheit Tukey HSD (I) Land Österreich Deutschland Schweiz (J) Land (J) Land (J) Land Deutschland Schweiz Österreich Schweiz Österreich Deutschland Based on observed means. *. The mean difference is significant at the.05 level. Mean Difference 95% Confidence Interval (I-J) Std. Error Sig. Lower Bound Upper Bound * * * *
27 n Einfache univariate VA für abhängige Stichproben Modellgleichung Populationsparameter x i, j = µ + α j + β i + ε i, j Messfehler (Residuum) Effekt der j-ten Gruppe Effekt der i-ten Person Einfache univariate VA für abhängige Stichproben Voraussetzungen mehr als zwei abhängige Stichproben metrische (zumindest intervallskalierte) Daten zumindest 15 (ideal ab 30 Personen) Gleichheit (Homogenität) der Varianzen der Differenzen (Sphärizität) 27
28 Einfache univariate VA für abhängige Stichproben Durchführung Überlegen, ob Intervallskalierung der Daten angenommen werden kann Überprüfung der Sphärizität (wird im SPSS bei Berechung der VA automatisch berechnet) kann hier zwei Hypothesen überprüfen Fortsetzung Datensatz Arbeitszufriedenheit Fragestellung Gibt es Unterschiede bei der Zufriedenheit mit der Arbeit, den KollegInnen und/oder den Aufstiegschancen? H 0 : keine Unterschiede bei Zufriedenheit mit einzelnen Bereichen H 1 : es gibt Unterschiede bei Zufriedenheit mit einzelnen Bereichen 28
29 Descriptive Statistics Arbeitszufriedenheit Zufriedenheit mit KollegInnen Zufriedenheit mit Aufstiegschancen Mean Std. Deviation N Multivariate Tests b Effect faktor a. Exact statistic Pillai's Trace Wilks' Lambda Hotelling's Trace Roy's Largest Root b. Design: Intercept Within Subjects Design: faktor Partial Eta Value F Hypothesis df Error df Sig. Squared a a a a
30 Measure: MEASURE_1 Within Subjects Effect faktor Mauchly's Test of Sphericity b Mauchly's W Approx. Chi-Square df Sig. Greenhous e-geisser Epsilon a Huynh-Feldt Lower-bound Tests the null hypothesis that the error covariance matrix of the orthonormalized transformed dependent variables is proportional to a. May be used to adjust the degrees of freedom for the averaged tests of significance. Corrected tests are displayed in the Tests of Within-Subjects Effects table. b. Design: Intercept Within Subjects Design: faktor Tests of Within-Subjects Effects Measure: MEASURE_1 faktor Source Error(faktor) Sphericity Assumed Greenhouse-Geisser Huynh-Feldt Lower-bound Sphericity Assumed Greenhouse-Geisser Huynh-Feldt Lower-bound Type III Sum of Squares df Mean Square F Sig Partial Eta Squared 30
31 Zweifache univariate VA für unabhängige Stichproben zwei unabhängige Variablen (Faktoren) zwei Arten - Kreuzklassifikation o vollständig o (unvollständig) - (hierarchische Klassifikation) Zweifache univariate VA für unabhängige Stichproben Modellgleichung x i, j, k = µ + α j + β k + γ j, k + ε i, j, k Populationsparameter Effekt der j-ten Gruppe von Faktor 1 Effekt der k-ten Gruppe von Faktor 2 Messfehler (Residuum) Wechselwirkung 31
32 Zweifache univariate VA für unabhängige Stichproben Voraussetzungen zwei unabhängige Variablen metrische (zumindest intervallskalierte) Daten zumindest 5 (ideal ab 30 Personen) pro Gruppe zumindest annähernd normalverteilte Daten pro Gruppe Gleichheit (Homogenität) der Stichprobenvarianzen Zweifache univariate VA für unabhängige Stichproben Durchführung Überlegen, ob Intervallskalierung der Daten angenommen werden kann Aufteilung der Stichprobe Überprüfung der Normalverteilung entweder mittels PP / QQ-Plot oder Histogramm oder KS-Test Überprüfung der Homogenität der Varianzen mittels Levene Test (muss im SPSS bei Berechung der VA ausgewählt werden) 32
33 Fortsetzung Datensatz Arbeitszufriedenheit. Fragestellung Gibt es Unterschiede bei der Zufriedenheit mit der Arbeit, je nach Geschlecht und/oder Position? -H 0 : es gibt keine Unterschiede bei Arbeitszufriedenheit zwischen Frauen und Männern -H 0 : es gibt keine Unterschiede bei Arbeitszufriedenheit zwischen Personen in leitender und nicht leitender Position -H 0 : es gibt keine Wechselwirkungen zwischen Geschlecht und Position bezüglich Arbeitszufriedenheit Descriptive Statistics Dependent Variable: Arbeitszufriedenheit leitende Position Geschlecht Position nicht leitende Position Geschlecht Total Geschlecht männlich weiblich Total männlich weiblich Total männlich weiblich Total Mean Std. Deviation N
34 Levene's Test of Equality of Error Variances Dependent Variable: Arbeitszufriedenheit F df1 df2 Sig Tests the null hypothesis that the error variance of the dependent variable is equal across groups. a. Design: Intercept+Position+Geschlecht+Position * Geschlecht a Dependent Variable: Arbeitszufriedenheit Source Corrected Model Intercept Position Geschlecht Position * Geschlecht Error Total Corrected Total Tests of Between-Subjects Effects a a. R Squared =.102 (Adjusted R Squared =.099) Type III Sum of Squares df Mean Square F Sig Partial Eta Squared 34
35 Zweifache univariate VA für unabhängige Stichproben Interpretation der Ergebnisse bei signifikanten Wechselwirkungen sind Haupteffekte nicht ohne weiteres interpretierbar zur Erleichterung der Interpretation können Liniendiagramme erstellt werden 35
36 Liniendiagramme Liniendiagramme 36
37 Liniendiagramme Liniendiagramme 37
38 Liniendiagramme 38
Inferenzstatistik Vergleich mehrerer Stichproben - Varianzanalyse
Vergleich mehrerer Stichproben - Varianzanalyse Zweifache VA mit hierarchischen Faktoren Voraussetzungen zwei unabhängige Variablen (Faktoren), die unabhängige Gruppen definiert zweite Faktor ist innerhalb
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
MehrAnhang zu Asexualität, sexuelle und nicht sexuelle Gewalt
Anhang zu Asexualität, sexuelle und nicht sexuelle Multivariate Varianzanalyse zur Analyse der Einflüsse von sexueller (Sexgewalt) und nicht sexueller () auf fünf Asexualitäts-Maße Bezüglich mögliche Auswirkungen
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
MehrStatistik-Quiz Wintersemester
Statistik-Quiz Wintersemester Seite 1 von 8 Statistik-Quiz Wintersemester Die richtigen Lösungen sind mit gekennzeichnet. 1a Für 531 Personen liegen Daten zu folgenden Merkmalen vor. Welche der genannten
MehrSyntax. Ausgabe *Ü12. *1. corr it25 with alter li_re kontakt.
Syntax *Ü2. *. corr it25 with alter li_re kontakt. *2. regression var=it25 alter li_re kontakt/statistics /dependent=it25 /enter. regression var=it25 li_re kontakt/statistics /dependent=it25 /enter. *3.
MehrVorlesung: Multivariate Statistik für Psychologen
Vorlesung: Multivariate Statistik für Psychologen 11. Vorlesung: 18.0.200 Agenda. Multivariate Varianzanalyse i. Einführung in die multivariate Variananalyse ii. iii. iv. Uni- vs. multivariate Varianzanalyse
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,
MehrFragestellungen. Ist das Gewicht von Männern und Frauen signifikant unterschiedlich? (2-sample test)
Hypothesen Tests Fragestellungen stab.glu 82 97 92 93 90 94 92 75 87 89 hdl 56 24 37 12 28 69 41 44 49 40 ratio 3.60 6.90 6.20 6.50 8.90 3.60 4.80 5.20 3.60 6.60 glyhb 4.31 4.44 4.64 4.63 7.72 4.81 4.84
MehrStatistik-Quiz Sommersemester
Statistik-Quiz Sommersemester Seite 1 von 8 Statistik-Quiz Sommersemester Die richtigen Lösungen sind mit gekennzeichnet. 1 In einer Gruppe von 337 Probandinnen und Probanden wurden verschiedene Merkmale
MehrSPSS V Gruppenvergleiche ( 2 Gruppen) abhängige (verbundene) Stichproben
SPSS V Gruppenvergleiche ( 2 Gruppen) abhängige (verbundene) Stichproben ÜBERSICHT: Testverfahren bei abhängigen (verbundenen) Stichproben parametrisch nicht-parametrisch 2 Gruppen t-test bei verbundenen
Mehr# Befehl für den Lilliefors-Test
1/5 Matthias Rudolf & Diana Vogel R-Kurs Graduiertenakademie September 2017 Loesungsskript: Tests 1a library(nortest) 1b lillie.test Befehl für den Lilliefors-Test 2a, Datensatz "Schachbeispiel einlesen"
MehrEinführung in die Varianzanalyse mit SPSS
Einführung in die Varianzanalyse mit SPSS SPSS-Benutzertreffen am URZ Carina Ortseifen 6. Mai 00 Inhalt. Varianzanalyse. Prozedur ONEWAY. Vergleich von k Gruppen 4. Multiple Vergleiche 5. Modellvoraussetzungen
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
MehrHypothesentests mit SPSS
Beispiel für eine zweifaktorielle Varianzanalyse mit Messwiederholung auf einem Faktor (univariate Lösung) Daten: POKIII_AG4_V06.SAV Hypothese: Die physische Attraktivität der Bildperson und das Geschlecht
MehrEine Einführung in R: Varianzanalyse
Eine Einführung in R: Varianzanalyse Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig 13. Dezember 2012 Bernd Klaus, Verena Zuber,
MehrSignifikanzprüfung. Peter Wilhelm Herbstsemester 2016
Signifikanzprüfung Peter Wilhelm Herbstsemester 2016 1.) Auswahl des passenden Tests 2.) Begründete Festlegung des Alpha-Fehlers nach Abschätzung der Power 3.) Überprüfung der Voraussetzungen 4.) Durchführung
MehrStatistik II für Betriebswirte Vorlesung 5
Statistik II für Betriebswirte Vorlesung 5 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. November 2017 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 5 Version:
MehrAnalyse 2: Hypothesentests
Analyse 2: Hypothesentests Ashkan Taassob Andreas Reisch Inhalt Motivation Statistischer Hintergrund Hypothese Nullhypothesen Alternativhypothesen Fehler beim Hypothesentesten Signifikanz-LEVEL und P-value
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
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)
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrEine Einführung in R: Varianzanalyse
Eine Einführung in R: Varianzanalyse Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig 6. Januar 2011 Bernd Klaus, Verena Zuber Das
Mehr7. Lösung weitere Übungsaufgaben Statistik II WiSe 2017/2018
7. Lösung weitere Übungsaufgaben Statistik II WiSe 2017/2018 1. Aufgabe: Die durchschnittliche tägliche Verweildauer im Internet wurde bei 60 Studierenden (30 Männer und 30 Frauen) erfragt. Die Studierenden
MehrEmpirische Methoden zur Analyse gesprochener Sprache
Empirische Methoden zur Analyse gesprochener Sprache Prinzip der Hypothesenprüfung (am Beispiel des t-tests für unabhängige Stichproben) Statistische Verfahren: Einordnung Deskriptive (beschreibende) Statistik:
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
MehrBiometrische und Ökonometrische Methoden II Lösungen 2
TECHNISCHE UNIVERSITÄT MÜNCHEN - WEIHENSTEPHAN SS 01 MATHEMATIK UND STATISTIK, INFORMATIONS- UND DOKUMENTATIONSZENTRUM Biometrische und Ökonometrische Methoden II Lösungen 2 1. a) Zunächst wird die Tafel
MehrBeispiel 1: Zweifache Varianzanalyse für unabhängige Stichproben
Beispiel 1: Zweifache Varianzanalyse für unabhängige Stichproben Es wurden die Körpergrößen von 3 Versuchspersonen, sowie Alter und Geschlecht erhoben. (Jeweils Größen pro Faktorstufenkombination). (a)
MehrAufgaben zu Kapitel 9
Aufgaben zu Kapitel 9 Aufgabe 1 Für diese Aufgabe benötigen Sie den Datensatz Nominaldaten.sav. a) Sie arbeiten für eine Marktforschungsfirma und sollen überprüfen ob die in diesem Datensatz untersuchte
MehrStatistik II für Betriebswirte Vorlesung 4
Statistik II für Betriebswirte Vorlesung 4 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 6. November 2017 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 4 Version:
MehrAufgaben zu Kapitel 7:
Aufgaben zu Kapitel 7: Aufgabe 1: In einer Klinik sollen zwei verschiedene Therapiemethoden miteinander verglichen werden. Zur Messung des Therapieerfolges werden die vorhandenen Symptome einmal vor Beginn
MehrAufgaben zu Kapitel 7:
Aufgaben zu Kapitel 7: Aufgabe 1: In einer Klinik sollen zwei verschiedene Therapiemethoden miteinander verglichen werden. Zur Messung des Therapieerfolges werden die vorhandenen Symptome einmal vor Beginn
MehrSignifikanzprüfung. Peter Wilhelm Herbstsemester 2014
Signifikanzprüfung Peter Wilhelm Herbstsemester 2014 1.) Auswahl des passenden Tests 2.) Begründete Festlegung des Alpha- Fehlers nach Abschätzung der Power 3.) Überprüfung der Voraussetzungen 4.) Durchführung
Mehrdas Kleingedruckte...
Gepaarte t-tests das Kleingedruckte... Datenverteilung ~ Normalverteilung QQ-plot statistischer Test (Shapiro-Wilk, Kolmogorov-Smirnov) wenn nicht : nicht-parametrische Tests gleiche Varianz (2-Proben
MehrVergleich von Gruppen I
Vergleich von Gruppen I t-test und einfache Varianzanalyse (One Way ANOVA) Werner Brannath VO Biostatistik im WS 2006/2007 Inhalt Der unverbundene t-test mit homogener Varianz Beispiel Modell Teststatistik
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
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
MehrSchriftliche Prüfung (90 Minuten)
Dr. M. Kalisch Prüfung Statistik I Winter 2016 Schriftliche Prüfung (90 Minuten) Bemerkungen: Erlaubte Hilfsmittel: 10 hand- oder maschinengeschriebene A4 Seiten (=5 Blätter). Taschenrechner ohne Kommunikationsmöglichkeit.
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
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
MehrEinleitung. Statistik. Bsp: Ertrag Weizen. 6.1 Einfache Varianzanalyse
Einleitung Statistik Institut für angewandte Statistik & EDV Universität für Bodenkultur Wien Der Begriff Varianzanalyse (analysis of variance, ANOVA) taucht an vielen Stellen in der Statistik mit unterschiedlichen
MehrVorlesung: Multivariate Statistik für Psychologen
Vorlesung: Multivariate Statistik für Psychologen 7. Vorlesung: 05.05.2003 Agenda 2. Multiple Regression i. Grundlagen ii. iii. iv. Statistisches Modell Verallgemeinerung des Stichprobenmodells auf Populationsebene
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...
MehrSchriftliche Prüfung (90 Minuten)
Dr. M. Kalisch Prüfung Statistik I Sommer 2015 Schriftliche Prüfung (90 Minuten) Bemerkungen: Erlaubte Hilfsmittel: 10 hand- oder maschinengeschriebene A4 Seiten (=5 Blätter). Taschenrechner ohne Kommunikationsmöglichkeit.
MehrKapitel 5: Einfaktorielle Varianzanalyse
Kapitel 5: Einfaktorielle Varianzanalyse Durchführung einer einfaktoriellen Varianzanalyse ohne Messwiederholung Dieser Abschnitt zeigt die Durchführung der in Kapitel 5 vorgestellten einfaktoriellen Varianzanalyse
MehrÜbungsklausur Lineare Modelle. Prof. Dr. H. Toutenburg
Übungsklausur Lineare le Prof. Dr. H. Toutenburg Aufgabe Ein lineares Regressionsmodell mit der abhängigen Variablen Körpergröße und der unabhängigen Variablen Geschlecht wurde einmal mit der dummykodierten
MehrSchriftliche Prüfung (1 Stunde)
Prüfung Statistik Herbstsemester 2011 Schriftliche Prüfung (1 Stunde) Bemerkungen: Alle schriftlichen Hilfsmittel und ein Taschenrechner sind erlaubt. Mobiltelefone sind auszuschalten! Lesen Sie zuerst
MehrSPSS 13.0 Advanced. Mittelwertvergleiche
Mittelwertvergleiche Der Vergleich von verschiedenen Stichproben hinsichtlich ihrer Mittelwerte gehört zu den gängigsten statistischen Analysen. Dabei soll stets die Frage geklärt werden, ob auftretende
MehrW-Rechnung und Statistik für Ingenieure Übung 13
W-Rechnung und Statistik für Ingenieure Übung 13 Nächste Woche: Probeklausur Bringen Sie sich ein leeres Exemplar der Probeklausur mit, um sich eine Musterlösung zu erstellen. Aufgabe 1 : Testproblem Testproblem:
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
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
MehrBiostatistik 101 Korrelation - Regressionsanalysen
Good Data don't need statistics Biostatistik 101 Korrelation - Regressionsanalysen Carl Herrmann IPMB Uni Heidelberg & DKFZ B080 carl.herrmann@uni-heidelberg.de Korrelation Sind Alter und Blutdruck miteinander
MehrEine Einführung in R: Varianzanalyse
Eine Einführung in R: Varianzanalyse Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig 13. Januar 2009 Bernd Klaus, Verena Zuber Das
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
MehrPrognoseintervalle für y 0 gegeben x 0
10 Lineare Regression Punkt- und Intervallprognosen 10.5 Prognoseintervalle für y 0 gegeben x 0 Intervallprognosen für y 0 zur Vertrauenswahrscheinlichkeit 1 α erhält man also analog zu den Intervallprognosen
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
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
MehrVS PLUS
VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen Inferenzstatistik 2 [Übungsaufgaben und Lösungenn - Inferenzstatistik 2] ÜBUNGSAUFGABEN
MehrEinführung in die Varianzanalyse mit SAS
Einführung in die Varianzanalyse mit SAS Benutzertreffen am URZ Carina Ortseifen 9. Mai 2003 Inhalt 1. Varianzanalyse 2. Prozedur GLM 3. Vergleich von k Gruppen 4. Multiple Vergleiche 5. Modellvoraussetzungen
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
MehrKapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten
Kapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten 5.1. Einführung Einfaktorielle Varianzanalyse Überprüft die Auswirkung einer gestuften (s), unabhängigen Variable X, auch Faktor
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.
MehrTesten von Unterschiedshypothesen mit parametrischen Verfahren Der t-test
Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 5 Seite 1 Testen von Unterschiedshypothesen mit parametrischen Verfahren Der t-test Im Folgenden
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
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
MehrLösungen zu den Übungsaufgaben in Kapitel 10
Lösungen zu den Übungsaufgaben in Kapitel 10 (1) In einer Stichprobe mit n = 10 Personen werden für X folgende Werte beobachtet: {9; 96; 96; 106; 11; 114; 114; 118; 13; 14}. Sie gehen davon aus, dass Mittelwert
MehrMesswiederholungen und abhängige Messungen
Messwiederholungen und abhängige Messungen t Tests und Varianzanalysen für Messwiederholungen Kovarianzanalyse Thomas Schäfer SS 009 1 Messwiederholungen und abhängige Messungen Bei einer Messwiederholung
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
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
MehrInferenzstatistik 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
MehrMultiple Regression III
Multiple Regression III Werner Brannath VO Biostatistik im WS 2006/2007 Inhalt Überprüfung der Modellannahmen Residuen-Plot Normal-Q-Q-Plot Cook s Distanz-Plot Maßnahmen bei Abweichungen von Modellannahmen
MehrMetrische und kategoriale Merkmale
Kapitel 6 Metrische und kategoriale Merkmale 6.1 Wie kann man metrische und kategoriale Merkmale numerisch beschreiben? Typischerweise will man geeignete Maßzahlen (beispielsweise Lage- oder Streuungsmaße)
MehrKapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten
Kapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten 5.1. Einführung Einfaktorielle Varianzanalyse Überprüft die Auswirkung einer gestuften (s), unabhängigen Variable X, auch Faktor
MehrBachelorprüfung: Statistik (1 Stunde)
Prof. H.R. Künsch D-BIOL, D-CHAB Winter 2010 Bachelorprüfung: Statistik (1 Stunde) Bemerkungen: Es sind alle mitgebrachten schriftlichen Hilfsmittel und der Taschenrechner erlaubt. Natels sind auszuschalten!
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:
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
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
MehrFRAGESTUNDE WS 2016/17 QM 2. Dr. Christian Schwarz 1
FRAGESTUNDE Dr. Christian Schwarz 1 #2 - Allgemein Q: Müssen wir den Standard Error händisch berechnen können? R: Nein. Q: Hat das Monte Carlo Experiment irgendeine Bedeutung für uns im Hinblick auf die
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester Statistik mit SPSS
Sommersemester 2009 Statistik mit SPSS 09. Mai 2009 09. Mai 2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1 Arbeitsschritte bei der Datenanalyse Datenmanagement (Einlesen von Daten, Teilen von
MehrZweifache Varianzanalyse
Zweifache Varianzanalyse Man kann mittels VA auch den (gleichzeitigen) Einfluss mehrerer Faktoren (unabhängige Variablen) auf ein bestimmtes Merkmal (abhängige Variable) analysieren. Die Wirkungen werden
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2
MehrSchriftliche Prüfung (90 Minuten)
Dr. M. Kalisch Probeprüfung Statistik 1 Sommer 2014 Schriftliche Prüfung (90 Minuten) Bemerkungen: Alle schriftlichen Hilfsmittel und ein Taschenrechner sind erlaubt. Mobiltelefone sind auszuschalten!
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
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/
MehrSchriftliche Prüfung (2 Stunden)
Prüfung Statistik Winter 2013 Schriftliche Prüfung (2 Stunden) Bemerkungen: Alle schriftlichen Hilfsmittel und ein Taschenrechner sind erlaubt. Mobiltelefone sind auszuschalten! Lesen Sie zuerst alle Aufgaben
MehrVarianzanalyse und Tukey-Test in SAS, R und JMP - die Skalierung der Erklärungsvariablen ist von enormer Bedeutung
Varianzanalyse und Tukey-Test in SAS, R und JMP - die Skalierung der Erklärungsvariablen ist von enormer Bedeutung Poster Eckard Moll Doreen Gabriel Julius Kühn-Institut Grashüpferweg 37 Bundesallee 50
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,
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
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
MehrKovarianzanalyse. Truthahngewicht. Truthahngewicht. Methoden empirischer Sozialforschung. 1 metrische und mehrere metrische und kategoriale Variablen
Kovarianzanalyse 1 metrische und mehrere metrische und kategoriale Variablen Methoden empirischer Sozialforschung Lineare Modelle (2. Teil) Wie läßt sich die Abhängigkeit einer metrischen Variablen von
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
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
MehrNicht-parametrische Statistik Eine kleine Einführung
Nicht-parametrische Statistik Eine kleine Einführung Überblick Anwendung nicht-parametrischer Statistik Behandelte Tests Mann-Whitney U Test Kolmogorov-Smirnov Test Wilcoxon Test Binomialtest Chi-squared
MehrANalysis Of VAriance (ANOVA) 1/2
ANalysis Of VAriance (ANOVA) 1/2 Markus Kalisch 16.10.2014 1 ANOVA - Idee ANOVA 1: Zwei Medikamente zur Blutdrucksenkung und Placebo (Faktor). Gibt es einen sign. Unterschied in der Wirkung (kontinuierlich)?
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
Mehr