VU Testtheorie und Testkonstruktion WS 08/09; Lengenfelder, Fritz, Moser, Kogler
|
|
- Paulina Busch
- vor 7 Jahren
- Abrufe
Transkript
1 VU Testtheorie und Testkonstruktion WS 08/09; Lengenfelder, Fritz, Moser, Kogler Hausübung In der Übung Übungsblatt Gegeben: Skala zur Messung der Gesundheitssorge mit 20 Items (dichotomes Antwortformat). Person A hat 15 Items beantwortet und den Wert 13 erhalten. Person B hat bei 19 beantworteten Items den Wert 16 erhalten. Person C hingegen hat 12 Items beantwortet und den Wert 11 erreicht. Welche Person hat unter Berücksichtigung der Missing Data den höheren Wert? Bei dichotom kann man sagen: 13 von 15 richtig. Bei einem Persönlichkeitsfragebogen entspricht der Wert der Ausprägung dieses Persönlichkeitsmerkmales. Bevor man in der Praxis in die Formel einsetzt muss man sich fragen, wieso Person nicht alle Items beantwortet hat. Hat die Person Items nicht beantwortet, weil Items nicht vorgelegt worden (z.b. Abbruch des Tests)? War die Person nicht in der Lage, das Item zu beantworten. Wenn die Person die Items nicht gelöst hat, weil sie nicht in der Lage war (zu schwer), ist es nicht sinnvoll, in die Formel einzusetzten! Ab wie vielen Missing Data ist es sinnlos, die Formel / Korrektur zu verwenden? In der Literatur: sind mehr als 10% der Items nicht beantwortet, soll man das Ergebnis nicht korrigieren! Anzahl Items Rohwert X beantwortet Person A ,3 Person B ,8 Person C ,3 Überlegung vor Rechnen: Person C hat die meisten Items im Sinne der Skala gelöst. (11 von 12) Vorsicht: Formel rechnet nur das Verhältnis hoch! A: x A = 13* = 17,3 B: x B = 16* = 16,8 C: x C = 11* = 18,3 Antwort: Unter Berücksichtigung der Missing Data erreicht Person C mit 18,3 den höheren Wert! 2.a) Berechnen Sie die Schwierigkeit für folgende Items einer Neurotizismusskala: a)- Ich habe öfters Kopfweh: ja= 80 nein= 50 b)- Bei Stress bin ich ruhig: ja= 70 nein= 100 N + Anzahl der korrekt im Skalensinn beantworteten Items bzw. der richtigen Antworten p i = N Anzahl der Gesamtpersonen, die das Item bearbeitet haben a) Neurotizismus + Kopfweh p i = 80/(80+50)= 0,6154 0,62 mittlere Schwierigkeit (nach Fisseni) b) Neurotizismus + Unruhe p i =100(100+70)= 0,5882 0,59 mittlere Schwierigkeit (nach Fisseni)
2 b). Welche Items würden Sie warum streichen, sofern 4 Items zu streichen wären (Intelligenzskala mit 12 Items (i1-i12) für die Allgemeinbevölkerung; Angabe der Schwierigkeit p i ): i1 i2 i3 i4 i5 i6 i7 i8 i9 i10 i11 i Für die Allgemeinbevölkerung: Optimal ist der Bereich zwischen.20 und.80 (zw. 20% und 80%): Zu leicht: i6:.96 (96% aller Personen können dieses Item lösen/richtig beantworten) i11:.85 (85% aller Personen können dieses Item lösen) Zu schwer: i3:.14 (14% aller Personen können dieses Item lösen) i7:.09 (9% aller Personen können dieses Item lösen) Es gibt hier mehrere Möglichkeiten. Andere Überlegung: dass man ein höheres und ein eres drinnen lässt und dafür 2 aus der Mitte streicht. I6 und I7 streichen. 3. Berechnen Sie bei folgendem Item die Schwierigkeit als Mittelwert in absoluter Form und in normierter Form (0-1), Medianklasse und exakten Median (N=100) für die zwei angegebenen Gewichtungen: Stimme zu Stimme eher zu Stimmt eher nicht zu Stimme nicht zu AM abs AM norm Median Kl Median ex Gewichtung ,77 0,59 2 1,85 Gewichtung ,31 0,59 9 8,56 Antworthäufigkeiten pro Kategorie Sinn der Aufgabe: Es kommt bei gleicher Verteilung und verschiedenen Kategorien bei manchen Größen zu verschiedenen Werten. Gewichtung 1: Mittelwert: AM abs = (24 + 2*51 + 3*17)/100 = 1,77 Normierter Mittelwert: AM norm = (1,77 0)/ (3-0)= 0,59 Medianklasse Bestimmung der mittleren Position: (N+1)/2: (100+1)/2= 50,5 Schauen, so 50 und 51 liegt. In unserem Fall liegen beide in der Medianklasse 2. Achtung: Liegen die 2 Positionen in verschiedenen Kategorien, dann wird der Median gemittelt. (Liegen die 2 Positionen z.b. in der Kategorie 1 und 2, so ist die Medianklasse = 1,5!) 50,5 liegt in der Stimmt eher nicht zu Kategorie Medianklasse Median kl = 2 Exakter Median Med ex = 1,5 + 1 *( 100 / 2 )-(8+24) 51 Med ex = 1, / 51 = 1, x_2 3
3 Gewichtung 2: Mittelwert: AM abs = (3*8 + 6* *9 + 12*17)/100 = 8,31 Normierter Mittelwert: AM norm = (8,31 3)/ (12-3)= 0,59 Medianklasse Mittlere Position: (N+1)/2: (100+1)/2= 50,5 50,5 liegt in der Stimmt eher nicht zu Kategorie Medianklasse = 9 Klasse, um die es geht: 9 (untere Klasse nehmen 6 und zusammenzählen. Dann durch 2 untere grenze!) Untere Grenze= 7,5 Obere Grenze= 10,5 Exakter Median Med ex = 7,5 + 3 *( 100 / 2 )-(32) 51 Med ex = 8, x_9 12 Exakter Median liegt bei den beiden Gewichtungen an der selben Stelle: 0 1 x_ x_ In einer Itemanalyse (N=50) haben Sie für einen Test die part-whole-korrigierten Trennschärfen berechnet und folgende Kennwerte r (it) erhalten: I1 I2 I3 I4 I5 I6 I7 I a) Welche Konsequenzen ziehen Sie aus den Ergebnissen? Bewertung der Trennschärfe Signifikanz (ja/nein) Richtung (pos. Od. neg) Höhe (Fisseni) Trennschärfe sagt uns, wie gut Item zu dem passt, was Skala messen soll. Bei einer negativen Trennschärfe: Formulierung des Items ist genau so gestaltet, dass sie gegen den Skalensinn laufen. Umpolen und danach noch mal die Trennschärfe berechnen I1 I2 I3 I4 I5 I6 I7 I8 Trennschärfe Signifikanz < r krit nicht < r krit nicht < r krit nicht Höhe.30<r it<.50 mittel r it>.50 hoch.30<r it<.50 mittel r it>.50 hoch Richtung negativ positiv positiv positiv positiv positiv negativ positiv Berechnung von r krit N= 50 df=48 (Tabelle nachschauen) Df (40) = 0,304 Df (50) = 0,273
4 Diff= 0,031 0,031/10= 0,0031*8= 0,0248 r krit (df= 48, α=0,05, zweiseitig) = 0,304-0,0248= 0,2792 0,279 Alle Werte, die 0,279 überscheiten weisen auf eine Signifikanz hin! Die die negativ sind und die Items, die nicht sind, würden rausfallen. Höhe Item.29 ist zu. b) Wie groß ist die durchschnittliche Trennschärfe der Items 5 bis 8? Berechnen Sie den Mittelwert der Trennschärfen normal und zusätzlich mittels der beigefügten Gebrauchsanleitung über die Fisher-z transformierten Koeffizienten (nicht zu verwechseln mit den bisher bekannten z-werten!!) GEBRAUCHSANLEITUNG / How To / Manual 1. Zuerst alle vorhandenen Korrelationen in Fisher-z Werte (nach Tabelle) umwandeln: r in Tabelle suchen und entsprechenden Fisher-z ablesen (ist unabhängig von den Freiheitsgraden). 2. Den Mittelwert der Fisher-z Werte (Absolutwerte) berechnen. 3. Diesen Wert wieder rück-transformieren in einen normalen Korrelationskoeffizienten: Fisher-z in Tabelle suchen und entsprechenden Korrelationskoeffizienten ablesen) 4. PS: Negative Werte sind im Sinn von r zu verstehen (Betrag; Vorzeichen nicht relevant) 5. PSS: Versuchen Sie Ihre Ergebnisse in Excel zu kontrollieren: =Fisher() für die Transformation r nach Fisher-z und =Fisherinv() für die Transformation von Fisher-z r 6. PSSS: Falls Sie daran interessiert sind zu erfahren, warum man dieses Prozedere vornehmen muss, finden Sie gute Hinweise in: Bortz, J. (2005). Statistik Beispiel ia ib ic id Mittelwert Fisher-z Mittelwert (als r) r (1) Fisher-z (2) (1) Mittelwert normal berechnet (2) Mittelwert mit Fisher-z transformierten Werten berechnet Hier geht es darum: für 4 Items soll der Mittelwert berechnet werden. Mittelwert= Summe(X i ) Anzahl i Mittelwert = (0,12 + 0, ,19 + 0,64)/ 4 = 0,2925 I5 I6 I7 I8 r it Fisher-z 0, , , ,75817 Warum sollte man die Werte mit Fisher-z rechnen? Verteilung bei einer Korrelation ist keine Normalverteilung. Verteilung ist stark abhängig von von Ausreissern etc... Fisher z ist ab N =30 annähernd eine Normalverteilung. Vorteil: Mittelwert passt besser zu der Stichprobe. Tabelle im oberen Bereich: Fisher-z wert rückumwandeln Mittelwert= (0, , , ,75817) / 4= 0, (in Tabelle schauen) z= 0,324 (in Tabelle bei 0,34, weil gerundet) r= 0, Sie haben einen Test (Items mit 4-stufige Antwortkategorien) konstruiert und folgende Ergebnisse erhalten (Ausschnitt aus der Itemanalyse; N=160)? Diskutieren Sie jedes Item unter
5 Berücksichtigung des normierten Mittelwerts (Schwierigkeit), der Trennschärfe und der Verteilungsform (jeweils unabhängig von den Ergebnissen der anderen Items) heißt: Sie bewerten pro Item den jeweiligen Itemkennwert und kommen pro Item zu einer Entscheidung bezüglich Verbleib oder Eliminierung des Items. ACHTUNG: Diese Übungsaufgabe ist nicht abzugeben Sie kann aber in der Übung besprochen werden, sofern Zeit ist (auf jeden Fall werden die richtigen Lösungen zur Verfügung gestellt). Antwortkategorie r(it) AM Item nie selten öfters immer korr norm Itembewertung i ,5 Siehe unten i ,4 Siehe unten i ,475 Siehe unten N= 160 Mittelwert M i1 = 23*0 + 40*1 + 91*2 + 6*3 160 = 1,5 M i2 = 83*0 + 17*1 + 5*2 + 55*3 160 = 1,2 M i3 = 41*0 + 38*1 + 53*2 + 28*3 160 = 1,425 AM norm i1 = 1, = 0,5 Wert liegt zwischen.20 und.80 mittlere Schwierigkeit nach Fisseni AM norm i2 = 1, = 0,4 Wert liegt zwischen.20 und.80 mittlere Schwierigkeit nach Fisseni AM norm i3 = 1, = 0,475 Wert liegt zwischen.20 und.80 mittlere Schwierigkeit nach Fisseni Trennschärfe Berechnung von r krit N= 160 df=158 (Tabelle nachschauen) Df (150) = 0,159 Df (200) = 0,138 Diff= 0,021 0,021/50= 0,00042*8= 0,00336 r krit (df= 158, α=0,05, zweiseitig) = 0,159-0,00336= 0,1554 0,16 Alle Werte, die 0,16 überscheiten weisen auf eine Signifikanz hin! r it1 =.33 ; r it1 >.30 mittel r it2 =.17 ; r it1 <.30 schmeissen wir raus r it3 =.62 ; r it1 >.50 hoch Verteilungsform
6 rechtssteil, unimodal, unregelmässig verteilt; auch nicht optimalverteilt, aber Trennschärfe und Schwierigkeit sind gut. Item bleibt U-Verteilung in den Extrempunkten mehr Personen als in der Mitte regelmässig verteilt, keine optimale Verteilung Schwierigkeit Trennschärfe Verteilungsform Beurteilung I1 Mittel r it1 >.30 mittel Unregelmässig verteilt, rechtssteil I2 Mittel r it1 <.30 u-verteilung Item streichen I3 mittel r it1 >.50 hoch Gleichmässig verteilt
Rekodierung invertierter Items
16.Testkonstruktion Items analysieren (imrahmen der KTT) Pretest Aussortieren / Umschreiben von unverständlichen, uneindeutigen oder inakzeptablen Items empirische Prüfung Kennwerte: Itemschwierigkeit
MehrTESTTHEORIE UND TESTKONSTRUKTION - PRAKTISCHE ANWENDUNG - TEIL 1
TESTTHEORIE UND TESTKONSTRUKTION - PRAKTISCHE ANWENDUNG - TEIL 1 Prof. Dr. Franke SS2012 Hochschule Magdeburg-Stendal (FH) M.Sc. Rehabilitationspsychologie Gliederung Einführung in Datensatz Stichprobenbeschreibung
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übung 3 1 Inhalt der heutigen Übung Vorrechnen der Hausübung B.7 Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben C.1: Häufigkeitsverteilung C.2: Tukey
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
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
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
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
MehrSitzung 4: Übungsaufgaben für Statistik 1
1 Sitzung 4: Übungsaufgaben für Statistik 1 Aufgabe 1: In einem Leistungstest werden von den Teilnehmern folgende Werte erzielt: 42.3; 28.2; 30.5, 32.0, 33.0, 38.8. Geben Sie den Median, die Spannweite
MehrFragebogen zur Standortbestimmung von Zürcher Volksschulen: Ermittlung und Darstellung von Ergebnissen der einzelnen Schulen
ETH Zürich Seminar für Statistik Fragebogen zur Standortbestimmung von Zürcher Volksschulen: Ermittlung und Darstellung von Ergebnissen der einzelnen Schulen Dr. Werner Stahel Seminar für Statistik, ETH
MehrReliabilitäts- und Itemanalyse
Reliabilitäts- und Itemanalyse In vielen Wissenschaftsdisziplinen stellt die möglichst exakte Messung von hypothetischen Prozessen oder Merkmalen sogenannter theoretischer Konstrukte ein wesentliches Problem
MehrVorlesung Testtheorien. Dr. Tobias Constantin Haupt, MBA Sommersemester 2007
Vorlesung Testtheorien Dr. Tobias Constantin Haupt, MBA Sommersemester 2007 Formale Kriterien einer guten Testaufgabe Objektivität: Sie muss von verschiedenen Auswertern gleichermaßen als richtig oder
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
MehrMathematik 2 für Naturwissenschaften
Hans Walser Mathematik 2 für Naturwissenschaften 2 3 3 4 6 4 5 0 0 5 6 5 20 5 6 Tabellen (leicht gekürzte Version) Hans Walser: Tabellen ii Inhalt Binomische Verteilung.... Binomische Verteilung (ohne
Mehr12 Rangtests zum Vergleich zentraler Tendenzen
12 Rangtests zum Vergleich zentraler Tendenzen 12.1 Allgemeine Bemerkungen 12.2 Gepaarte Stichproben: Der Wilcoxon Vorzeichen- Rangtest 12.3 Unabhängige Stichproben: Der Wilcoxon Rangsummentest und der
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:
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen Wiederholung: Verteilungen
Wahrscheinlichkeitsrechnung und Statistik für Biologen Wiederholung: Verteilungen Noémie Becker & Dirk Metzler 31. Mai 2016 Inhaltsverzeichnis 1 Binomialverteilung 1 2 Normalverteilung 2 3 T-Verteilung
Mehr1. Maße der zentralen Tendenz Beispiel: Variable Anzahl der Geschwister aus Jugend '92. Valid Cum Value Frequency Percent Percent Percent
Deskriptive Statistik 1. Verteilungsformen symmetrisch/asymmetrisch unimodal(eingipflig) / bimodal (zweigipflig schmalgipflig / breitgipflig linkssteil / rechtssteil U-förmig / abfallend Statistische Kennwerte
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
MehrBeispielberechnung Normierung
1 Beispielberechnung Normierung Auszug Kursunterlagen MAS ZFH in Berufs-, Studien- und Laufbahnberatung Prof. Dr. Marc Schreiber, Dezember 2016 Verschiedene Formen der Normierung (interaktiv) Referenz:
MehrEigene MC-Fragen SPSS. 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist
Eigene MC-Fragen SPSS 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist [a] In der Variablenansicht werden für die betrachteten Merkmale SPSS Variablen definiert. [b] Das Daten-Editor-Fenster
MehrLagemaße Übung. Zentrale Methodenlehre, Europa Universität - Flensburg
Lagemaße Übung M O D U S, M E D I A N, M I T T E L W E R T, M O D A L K L A S S E, M E D I A N, K L A S S E, I N T E R P O L A T I O N D E R M E D I A N, K L A S S E M I T T E Zentrale Methodenlehre, Europa
MehrLösungen zur Biomathe-Klausur Gruppe C Montag, den 16. Juli 2001
Lösungen zur Biomathe-Klausur Gruppe C Montag, den 16. Juli 2001 1. Normalverteilung Der diastolische Blutdruck bei einer Gruppe von jungen Männern ist normalverteilt mit einem Erwartungswert von 65 mmhg
Mehr4.2 Grundlagen der Testtheorie. Wintersemester 2008 / 2009 Hochschule Magdeburg-Stendal (FH) Frau Prof. Dr. Gabriele Helga Franke
4.2 Grundlagen der Testtheorie Wintersemester 2008 / 2009 Hochschule Magdeburg-Stendal (FH) Frau Prof. Dr. Gabriele Helga Franke GHF im WiSe 2008 / 2009 an der HS MD-SDL(FH) im Studiengang Rehabilitationspsychologie,
MehrTESTTHEORIE UND TESTKONSTRUKTION - PRAKTISCHE ANWENDUNG - TEIL 3
TESTTHEORIE UND TESTKONSTRUKTION - PRAKTISCHE ANWENDUNG - TEIL 3 Prof. Dr. Franke SS2012 Hochschule Magdeburg-Stendal (FH) M.Sc. Rehabilitationspsychologie Gliederung Reliabilität 1. Überblick 2. Berechnung
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
MehrErgebnisse VitA und VitVM
Ergebnisse VitA und VitVM 1 Basisparameter... 2 1.1 n... 2 1.2 Alter... 2 1.3 Geschlecht... 5 1.4 Beobachtungszeitraum (von 1. Datum bis letzte in situ)... 9 2 Extraktion... 11 3 Extraktionsgründe... 15
MehrBefehl: Analysieren > Deskriptive Statistiken > Häufigkeiten. Unter: Statistiken: Angabe Kurtosis/ Schiefe/ andere Lagemasse
Grundeinstellungen Befehl: Bearbeiten >Optionen > Allgemein: Namen anzeigen Häufigkeiten Befehl: Analysieren > Deskriptive Statistiken > Häufigkeiten Unter: Statistiken: Angabe Kurtosis/ Schiefe/ andere
MehrEmpirische Wirtschaftsforschung
Empirische Wirtschaftsforschung Prof. Dr. Bernd Süßmuth Universität Leipzig Institut für Empirische Wirtschaftsforschung Volkswirtschaftslehre, insbesondere Ökonometrie 1 4. Basiskonzepte der induktiven
MehrÜbung 2 im Fach "Biometrie / Q1"
Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-897 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 3, 8975 Ulm Tel. +49
MehrTabelle 1: Mittelwerte der Messwerte aller Probanden je Messzeitpunkt nach Messverfahren. 03:00 Uhr 18,2 ±3,9 mmhg 19,5 ±4,1 mmhg 19,2 ±3,6 mmhg
7 Anhang Tabelle 1: Mittelwerte der Messwerte aller Probanden je Messzeitpunkt nach Messverfahren Tonometrie nach Median der Selbstto- Median der Selbstto- Goldmann nometrie stationär nometrie ambulant
MehrSPSS-Beispiel zum Kapitel 4: Deskriptivstatistische Evaluation von Items (Itemanalyse) und Testwertverteilungen
SPSS-Beispiel zum Kapitel 4: Deskriptivstatistische Evaluation von Items (Itemanalyse) und Testwertverteilungen Augustin Kelava 22. Februar 2010 Inhaltsverzeichnis 1 Einleitung zum inhaltlichen Beispiel:
MehrMathematik 2 für Naturwissenschaften
Hans Walser Mathematik 2 für Naturwissenschaften 2 3 3 4 6 4 5 0 0 5 6 5 20 5 6 Tabellen (leicht gekürzte Version) Hans Walser: Tabellen ii Inhalt Binomische Verteilung.... Binomische Verteilung (ohne
MehrINFERENZSTATISTISCHE AUSSAGEN FÜR LAGEMAßE UND STREUUNGSMAßE. Inferenzstatistik für Lagemaße Inferenzstatistik für Streuungsmaße
DAS THEMA: INFERENZSTATISTIK III INFERENZSTATISTISCHE AUSSAGEN FÜR LAGEMAßE UND STREUUNGSMAßE Inferenzstatistik für Lagemaße Inferenzstatistik für Streuungsmaße Inferenzstatistik für Lagemaße Standardfehler
MehrKlausur Statistik Lösungshinweise
Klausur Statistik Lösungshinweise Prüfungsdatum: 21. Januar 2016 Prüfer: Etschberger, Heiden, Jansen Studiengang: IM und BW Punkte: 15, 15, 12, 14, 16, 18 ; Summe der Punkte: 90 Aufgabe 1 15 Punkte Bei
MehrVerfahren zur Skalierung. A. Die "klassische" Vorgehensweise - nach der Logik der klassischen Testtheorie
Verfahren zur Skalierung A. Die "klassische" Vorgehensweise - nach der Logik der klassischen Testtheorie 1. Daten: z. Bsp. Rating-Skalen, sogenannte "Likert" - Skalen 2. Ziele 1. Eine Skalierung von Items
MehrStatistik Übungsblatt 5
Statistik Übungsblatt 5 1. Gaussverteilung Die Verteilung der Messwerte einer Grösse sei durch eine Gaussverteilung mit Mittelwert µ = 7.2 und σ = 1.2 gegeben. (a) Wie gross ist die Wahrscheinlichkeit
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
MehrLV: Höhere und Angewandte Mathematik Teil: Statistik (Teil: Numerik&Simulation: Prof. Günter)
LV: Höhere und Angewandte Mathematik Teil: Statistik (Teil: Numerik&Simulation: Prof. Günter) Am Ende: Gemeinsame Klausur mit 2 Teilen, jeder Teil geht mit 50% in die Endnote ein. Teil (5 ECTS) Grabowski
MehrPrüfung aus Statistik 1 für SoziologInnen
Prüfung aus Statistik 1 für SoziologInnen 1) Wissenstest (maximal 20 Punkte) Kreuzen ( ) Sie die jeweils richtige Antwort an. Jede richtige Antwort gibt 2 Punkte. Pro falsche Antwort werden 2 Punkte abgezogen,
MehrBiomathematik für Mediziner, Klausur WS 2000/2001 Seite 1
Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1 Aufgabe 1: Von 2 gleichartigen Maschinen eines pharmazeutischen Betriebes stellt die erste 40% und die zweite 60% der Produkte her. Dabei verursacht
Mehr4.2 Grundlagen der Testtheorie. Wintersemester 2008 / 2009 Hochschule Magdeburg-Stendal (FH) Frau Prof. Dr. Gabriele Helga Franke
4.2 Grundlagen der Testtheorie Wintersemester 2008 / 2009 Hochschule Magdeburg-Stendal (FH) Frau Prof. Dr. Gabriele Helga Franke GHF im WiSe 2008 / 2009 an der HS MD-SDL(FH) im Studiengang Rehabilitationspsychologie,
MehrLösungen zur Biomathe-Klausur Gruppe B Montag, den 16. Juli 2001
Lösungen zur Biomathe-Klausur Gruppe B Montag, den 16. Juli 2001 1. α-fehler und ß-Fehler Welche Aussage ist richtig? A. Der ß-Fehler ist unabhängig von α-fehler. Falsch. Je größer der α-fehler, umso kleiner
MehrKlausurnachbesprechung
Klausurnachbesprechung 8.0.006 nicht bestanden bestanden sehr gut gut befriedigend ausreichend 0 5 0 5 0 5 Aufgabe B Aufgabe : 0 Punkte Der Anteil an Grundwasserneubildung (GWN in %) an der Gesamtabflussbildung
MehrSeminar Biopharmazie. Statistik. nur was für Unsichere oder ist sie ihr Geld wert?
Seminar Biopharmazie Statistik nur was für Unsichere oder ist sie ihr Geld wert? Biopharmazie Statistik 1 Allgemeine Symbole Probenstatistik Verteilungs- Funktion Mittelwert bzw. Erwartungswert für n µ
MehrAnpassungstests VORGEHENSWEISE
Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen Spezielle Verteilungen
Wahrscheinlichkeitsrechnung und Statistik für Biologen Spezielle Verteilungen Noémie Becker & Dirk Metzler http://evol.bio.lmu.de/_statgen 7. Juni 2013 1 Binomialverteilung 2 Normalverteilung 3 T-Verteilung
MehrMathematische und statistische Methoden II
Statistik & Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte
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
MehrHeinz Holling & Günther Gediga. Statistik - Deskriptive Verfahren
Heinz Holling & Günther Gediga Statistik - Deskriptive Verfahren Übungen Version 15.12.2010 Inhaltsverzeichnis 1 Übung 1; Kap. 4 3 2 Übung 2; Kap. 5 4 3 Übung 3; Kap. 6 5 4 Übung 4; Kap. 7 6 5 Übung 5;
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.
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
MehrResampling Methoden Dortmund, 2005 (Jenő Reiczigel) 1. Permutationstests I.
Resampling Methoden Dortmund, 2005 (Jenő Reiczigel) 1 Permutationstests I. 1. Einleitendes Beispiel 2. Zwei-Stichprobentest 3. Der klassische Mann-Whitney U-Test 4. Der exakte Test von Fisher 5. Nicht
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
MehrInferenz im multiplen Regressionsmodell
1 / 29 Inferenz im multiplen Regressionsmodell Kapitel 4, Teil 1 Ökonometrie I Michael Hauser 2 / 29 Inhalt Annahme normalverteilter Fehler Stichprobenverteilung des OLS Schätzers t-test und Konfidenzintervall
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
MehrTests für Erwartungswert & Median
Mathematik II für Biologen 26. Juni 2015 Prolog Varianz des Mittelwerts Beispiel: Waage z-test t-test Vorzeichentest Wilcoxon-Rangsummentest Varianz des Mittelwerts Beispiel: Waage Zufallsvariable X 1,...,X
MehrBiostatistik, WS 2017/18 Der zwei-stichproben-t-test
1/28 Biostatistik, WS 2017/18 Der zwei-stichproben-t-test (t-test für ungepaarte Stichproben) Matthias Birkner http://www.staff.uni-mainz.de/birkner/biostatistik1718/ 15.12.2017 und 22.12.2017 2/28 Inhalt
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage
Mehr2 Aufgaben aus [Teschl, Band 2]
20 2 Aufgaben aus [Teschl, Band 2] 2.1 Kap. 25: Beschreibende Statistik 25.3 Übungsaufgabe 25.3 a i. Arithmetisches Mittel: 10.5 ii. Median: 10.4 iii. Quartile: x 0.25 Y 4 10.1, x 0.75 Y 12 11.1 iv. Varianz:
MehrBasis-Kurs Statistik und SPSS für Mediziner Lösungen. SPSS-Übung Statistische Tests
Basis-Kurs Statistik und SPSS für Mediziner Lösungen SPSS-Übung Statistische Tests Testentscheidung: Deskriptive Statistik Basis-Kurs Statistik und SPSS für Mediziner 2 Mit Datensatz Daten_SPSS_Kurs_I.sav
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
MehrKlausur Statistik I Dr. Andreas Voß Wintersemester 2005/06
Klausur Statistik I Dr. Andreas Voß Wintersemester 2005/06 Hiermit versichere ich, dass ich an der Universität Freiburg mit dem Hauptfach Psychologie eingeschrieben bin Name: Mat.Nr.: Unterschrift: Bearbeitungshinweise:
MehrStatistik im Labor. BFB-tech Workshop Eugen Lounkine
Statistik im Labor BFB-tech Workshop 9.11.07 Eugen Lounkine Übersicht Darstellung und Charakterisierung von Daten Datentransformationen Lineare Korrelation Wahrscheinlichkeitsverteilung(en) Schätzer Konfidenzintervalle
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrBegriffe (moodle-intern) Bedeutung Beispiel
Begriffe (moodle-intern) Bedeutung Beispiel Standardabweichung Leichtigkeitsindex Zufällig angenommene Punktezahl wie groß war die Abweichung der einzelnen Bewertungen von der Durchschnittsbewertung Gibt
MehrVl Zweidimensionale Verteilungen Zusammenhangsmaße 3.1. Zwei dimensionale Häufigkeitstabellen. Absolute Häufigkeitstabelle
Vl. 5.12.11 3. Zweidimensionale Verteilungen Zusammenhangsmaße 3.1. Zwei dimensionale Häufigkeitstabellen schnell mittel langsam 3 Arten von Häufigkeitstabellen: Absolute Häufigkeitstabelle relative Häufigkeitstabelle
MehrStatistische Tests zu ausgewählten Problemen
Einführung in die statistische Testtheorie Statistische Tests zu ausgewählten Problemen Teil 4: Nichtparametrische Tests Statistische Testtheorie IV Einführung Beschränkung auf nichtparametrische Testverfahren
Mehr"Korrelation" bei Nominaldaten: Kontingenz
"Korrelation" bei Nominaldaten: Kontingenz j 1 2 3 beobachtete Häufigkeiten (KSV Tabelle 6.3): i Augenfar be Haarfarb e blau braun grün 1 blond 42 1 6 2 braun 12 5 22 3 schwarz 0 26 2 4 rot 8 4 0 175 i
Mehrentschieden hat, obwohl die Merkmalsausprägungen in der Grundgesamtheit voneinander abhängig sind.
Bsp 1) Die Wahrscheinlichkeit dafür, dass eine Glühbirne länger als 200 Stunden brennt, beträgt 0,2. Wie wahrscheinlich ist es, dass von 10 Glühbirnen mindestens eine länger als 200 Stunden brennt? (Berechnen
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
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 SPSS. Sitzung 4: Bivariate Zusammenhänge. Knut Wenzig. 27. Januar 2005
Sitzung 4: Bivariate Zusammenhänge 27. Januar 2005 Inhalt der letzten Sitzung Übung: ein Index Umgang mit missing values Berechnung eines Indexes Inhalt der letzten Sitzung Übung: ein Index Umgang mit
MehrLösungen zur Biomathe-Klausur Gruppe A Montag, den 16. Juli 2001
Lösungen zur Biomathe-Klausur Gruppe A Montag, den 16. Juli 2001 1. Sensitivität und Spezifität In einer medizinischen Ambulanz haben 30 % der Patienten eine akute Appendizitis. 80 % dieser Patienten haben
MehrStatistik Probeprüfung 1
WWZ Wirtschaftswissenschaftliche Fakultät der Universität Basel Dr. Thomas Zehrt Bitte in Druckbuchstaben ausfüllen: Name Vorname Statistik Probeprüfung 1 Zeit: 90 Minuten, Maximale Punktzahl: 72 Zur Orientierung:
MehrStatistik für Naturwissenschaftler
Hans Walser Statistik für Naturwissenschaftler Haupt Verlag Bern Stuttgart Wien Inhaltsverzeichnis Vorwort 13 1 Beschreibende Statistik 15 1.1 Mittelwerte 15 1.1.1 Minimum der Abstände 15 1.1.2 Der Mediän
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
MehrKapitel 8: Verfahren für Rangdaten
Kapitel 8: Verfahren für Rangdaten Der Mann-Whitney U-Test 1 Der Wilcoxon-Test 3 Der Kruskal-Wallis H-Test 4 Vergleich von Mann-Whitney U-Test und Kruskal-Wallis H-Test 6 Der Mann-Whitney U-Test In Kapitel
MehrHäufigkeiten. Verteilungen. Lageparameter Mittelwert. oder
Formelsammlung Beschreibende Statistik Univariate Häufigkeitsverteilungen X ist ein diskretes Merkmal, mit k Ausprägungen TR: Mode 2 1 = AC absolute relative Häufigkeit Häufigkeiten Bivariate Häufigkeitsverteilungen
MehrSeminar am Bildungswerk des VDV
Seminar am 21.11.2006 Bildungswerk des VDV Referent: Dr. Peter Lemannczick Statistische Grundgrößen EXCEL Funktionen Beispiele auf den Seiten Minimum Min Funktion MAX, MIN etc. Maximum Max Funktion MAX,
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
MehrStreuungsmaße von Stichproben
Streuungsmaße von Stichproben S P A N N W E I T E, V A R I A N Z, S T A N D A R D A B W E I C H U N G, Q U A R T I L E, K O V A R I A N Z, K O R R E L A T I O N S K O E F F I Z I E N T Zentrale Methodenlehre,
MehrVorlesung 12a. Kann das Zufall sein? Beispiele von statistischen Tests
Vorlesung 12a Kann das Zufall sein? Beispiele von statistischen Tests 1 Beispiel 1: Passen die Verhältnisse in den Rahmen? Fishers exakter Test (vgl. Buch S. 130/131 2 Sir Ronald Fisher 1890-1962 3 Aus
Mehr4.2 Grundlagen der Testtheorie
4.2 Grundlagen der Testtheorie Januar 2009 HS MD-SDL(FH) Prof. Dr. GH Franke Kapitel 5 Vertiefung: Reliabilität Kapitel 5 Vertiefung: Reliabilität 5.1 Definition Die Reliabilität eines Tests beschreibt
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
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
MehrHypothesentests mit SPSS
Beispiel für eine einfache Regressionsanalyse (mit Überprüfung der Voraussetzungen) Daten: bedrohfb_v07.sav Hypothese: Die Skalenwerte auf der ATB-Skala (Skala zur Erfassung der Angst vor terroristischen
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg R. 06-06 (Persike) R. 06-31 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrStatistik eindimensionaler Größen
Statistik eindimensionaler Größen Michael Spielmann Inhaltsverzeichnis 1 Aufgabe der eindimensionalen Statistik 2 2 Grundbegriffe 2 3 Aufbereiten der Stichprobe 3 4 Die Kennzahlen Mittelwert und Streuung,
MehrModul G.1 WS 07/08: Statistik
Modul G.1 WS 07/08: Statistik 10.01.2008 1 2 Test Anwendungen Der 2 Test ist eine Klasse von Verfahren für Nominaldaten, wobei die Verteilung der beobachteten Häufigkeiten auf zwei mehrfach gestufte Variablen
MehrPrüfungsliteratur: Rudolf & Müller S
1 Beispiele zur univariaten Varianzanalyse Einfaktorielle Varianzanalyse (Wiederholung!) 3 Allgemeines lineares Modell 4 Zweifaktorielle Varianzanalyse 5 Multivariate Varianzanalyse 6 Varianzanalyse mit
MehrLehrbuch Testtheorie - Testkonstruktion
Jürgen Rost Lehrbuch Testtheorie - Testkonstruktion Zweite, vollständig überarbeitete und erweiterte Auflage Verlag Hans Huber Bern Göttingen Toronto Seattle Inhaltsverzeichnis Vorwort zur zweiten Auflage
MehrHandelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen?
1. Handelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen? a.) Anzahl der Kunden, die an der Kasse in der Schlange stehen. b.) Die Menge an Energie, die pro Tag von einem Energieversorgungsunternehmen
MehrStatistik für Naturwissenschaftler
Hans Walser Statistik für Naturwissenschaftler 9 t-verteilung Lernumgebung Hans Walser: 9 t-verteilung ii Inhalt 1 99%-Vertrauensintervall... 1 2 95%-Vertrauensintervall... 1 3 Akkus... 2 4 Wer ist der
MehrEinführung in die Statistik I BA VM, 45 Minuten, Probeklausur
Gesamtpunktzahl der Statistik I-Klausur: 12 Einführung in die Statistik I BA VM, 45 Minuten, Probeklausur 03.07.2015 Name, Vorname: Matrikelnr.: Um die volle Punktzahl zu erhalten, müssen Sie bei den Berechnungen
MehrGRUPPE B Prüfung aus Statistik 1 für SoziologInnen
GRUPPE B Prüfung aus Statistik 1 für SoziologInnen 16. Oktober 2015 Gesamtpunktezahl =80 Prüfungsdauer: 2 Stunden Name in Blockbuchstaben: Matrikelnummer: 1) Wissenstest (maximal 20 Punkte) Kreuzen ( )
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
MehrAufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97.
Aufgabenblock 4 Aufgabe ) Da s = 8. cm nur eine Schätzung für die Streuung der Population ist, müssen wir den geschätzten Standardfehler verwenden. Dieser berechnet sich als n s s 8. ˆ = = =.88. ( n )
MehrMultivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Musterlösung Aufgabe 1 (40 Punkte) Auf der dem Kurs beigelegten CD finden Sie im Unterverzeichnis Daten/Excel/ die Datei zahlen.xlsx. Alternativ können Sie
Mehr