Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel
|
|
- Chantal Morgenstern
- vor 8 Jahren
- Abrufe
Transkript
1 Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 1
2 Gliederung Datenanalyse (inferenzstatistisch) in MS Excel Verfahrensauswahl Durchführungsvoraussetzungen Durchführung Interpretation MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse
3 Hypothese Wirkt sich die Ausprägung der Persönlichkeitseigenschaft Sensation Seeking bei der Bewältigung einer motorischen Aufgabe unter Unsicherheit bei gleichzeitig hoher Bedeutung auf das Entscheidungsverhalten aus? AV = Distanz zum Ziel (cm) im Durchgang mit hoher Wichtigkeit UV = AISS-D MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 3
4 Verfahrensauswahl Was wird für die Auswahl des richtigen Verfahrens benötigt? Skalenniveau, Stichprobenanzahl MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 4
5 Auswertungsverfahren Wie lautet die statistische Frage zum Experiment? - Sind die empirischen Mittelwertsdifferenz signifikant? Welches Skalenniveau liegt vor? - Proportionsskalen Welches Auswertungsverfahren wird angewandt? MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 5
6 Verfahren Verteilung parameterfrei Skala Stichproben mehr als Stichproben unabhängig abhängig unabhängig abhängig Nominal Chi-Quadrat Ordinal McNemar Vorzeichentest parameterfrei Mann- Withney (U) Wilcoxon Chi-Quadrat Kruskal-Wallis (H) Cochran (Q) Friedman parametrisch* Intervall t-test t-test Varianzanalyse Varianzanalyse * Bestimmte Kenwerte müssen herangezogen werden MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 6
7 Entscheidungsdiagramm ja Ist das zu untersuchende Merkmal intervallskaliert? Handelt es sich um unabhängige oder abhängige Stichproben? unabhängige nein t-test für unabhängige Stichproben Auswahl eines Prüfverfahrens laut Systematik abhängige ja Sind die Varianzen homogen? Entscheidung durch F-Test (Exkurs) t-test für homogene Varianzen nein t-test für heterogene Varianzen t-test für abhängige Stichproben MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 7
8 t-test Grundprinzip: Durch die Prüfgröße t wird die Mittelwertsdifferenz der beiden Stichproben an den vorgefundenen Streuungen relativiert. Oder anders ausgedrückt: Bei einem großen mittleren Unterschied zwischen zwei Messungen und geringen Streuungen innerhalb der Gruppen kann auf eine überzufällige Unterschiedlichkeit der beiden Messungen geschlossen werden MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 8
9 t-test für unabhängige Stichproben Problemstellung: Unterscheiden sich die Mittelwerte zweier unabhängiger Zufallsstichproben voneinander? Beispiel: Vor Beginn einer experimentellen Untersuchung im Sportunterricht, bei der Klasse A ein Fitness-Trainingsprogramm absolviert und Klasse B als Kontrollgruppe dient, gilt es die Frage zu untersuchen, ob beide Gruppen zu Beginn der Untersuchung hinsichtlich des interessierenden Merkmals parallel sind. Dazu wird mit beiden Klassen ein Fitnesstest absolviert MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 9
10 Hypothesen H 0 : Der Unterschied zwischen den beiden Stichproben ist rein zufällig. H 1 : Der Unterschied ist bei einem Signifikanzniveau von 5% überzufällig. Beispiel: H 0 : Die beiden Schulklassen A und B unterscheiden sich nicht hinsichtlich ihrer Fitnessleistung. Aufgetretene Unterschiede sind rein zufällig. H 1 : Zwischen beiden Schulklassen A und B besteht ein signifikanter Unterschied im Fitnesstest MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 10
11 Voraussetzungen und Einschränkungen Die Messwerte müssen Intervallskalenniveau haben. Die Varianzen der beiden Stichproben müssen homogen sein (bei gleich großen Stichproben ist diese Voraussetzung weniger wichtig als bei ungleich großen). Die Überprüfung erfolgt mit dem F-Test. Die Messwerte in der Population, aus denen die Stichproben stammen, müssen normalverteilt sein. Der t-test ist relativ unempfindlich gegen die Verletzung dieser Bedingung. Im Beispiel wird eine Möglichkeit der Überprüfung dargestellt. Eine andere, häufig eingesetzte Technik ist der Kolmogorow-Smirnov-Test. x 1, x, s 1, s, n 1, n sind bekannt MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 11
12 Beispiel unabhängige Stichproben intervallskalierte Daten Varianzhomogenität? Normalverteilung? Klasse A und B Testpunktwerte vor Anwendung des t-tests überprüfen! MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 1
13 Exkurs: Überprüfung der Varianzhomogenität Problemstellung F-Test: Unterscheiden sich die Varianzen zweier oder mehrerer Stichproben signifikant voneinander oder weisen sie Homogenität (Gleichheit) auf? Hypothesen: H 0 : Der empirische Unterschied zwischen den Stichprobenvarianzen ist rein zufällig. H 1 : Der Unterschied zwischen den Stichprobenvarianzen ist überzufällig MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 13
14 Häufigkeitsverteilung und Kennwerte der Testpunkte Klasse A (n 1 = 3) x 1 = 19.5 s 1 = 4.36 Schiefe = 0.65 Exzeß =.85 Klasse B (n = 1) x = 0.71 s = 5.83 Schiefe = 1.30 Exzeß = MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 14
15 Klasse A (n 1 = 3) Häufigkeitsverteilung und Kennwerte der Testpunkte x 1 = 19.5 s 1 = 4.36 Schiefe = 0.65 Exzeß =.85 Klasse B A (n 1 = 1) 3) x 1 = s 1 = Schiefe = Exzeß = Klasse B (n = 1) Ost 40 x = 0.71 s = 30 Nord 5.83 Schiefe = 1.30 Exzeß = Qrtl.. Qrtl. 3. Qrtl. 4. Qrtl. West MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 15
16 Berechnung F größere Varianz Max s s 5.83 F s kleinerevarianz Min s theoretischer F-Wert: Tabelle C5a (p =.05) oder C5b (p =.01) in Bös et al. (000) df 1 = n 1-1 = 0; df = n - 1 = p =.05; F =.03; p =.01; F = Signifikanzprüfung & formale Entscheidung: empirischer F-Wert < theoretischer F-Wert H 0 beibehalten Achtung! H 0 erwünscht Varianzen sind homogen MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 16
17 Prüfgrößen für Schiefe und Exzess (Kurtosis) t Schiefe 6 n t Exzeß 6 n empirische t-werte und Signifikanz (p =.01) Schiefe Exzeß Stichprobe n. sign n. sign. Stichprobe.54 n. sign..46 n. sign. formale Entscheidung: Normalverteilung ist gegeben MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 17
18 Entscheidungsdiagramm Ist das zu untersuchende Merkmal intervallskaliert? ja Handelt es sich um unabhängige oder abhängige Stichproben? unabhängige t-test für unabhängige Stichproben ja Sind die Varianzen homogen? t-test für homogene Varianzen MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 18
19 t-test für unabhängige Stichproben bei Varianzhomogenität Berechnung empirischer t-wert: t n 1 s n 1 1 n 1 1 n x 1 x s 1 n 1 1 n x 1, x s 1, s n 1, n Stichprobenmittelwerte Stichprobenvarianzen Stichprobengrößen Beispiel: t = MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 19
20 Signifikanzprüfung und formale Entscheidung Die Signifikanzprüfung erfolgt durch Vergleich des errechneten t-wertes mit dem theoretischen t-wert (vgl. Tab. C4; Bös et al., 000) unter Berücksichtigung des Signifikanzniveaus (ein- oder zweiseitige Fragestellung) und der entsprechenden Freiheitsgrade. Freiheitsgrade: df = (n 1-1) + (n - 1) = n 1 + n - empirischer t-wert theoretischer t-wert H 0 beibehalten empirischer t-wert theoretischer t-wert H 1 annehmen MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 0
21 Beispiel empirischer t-wert = 0.77 df = n 1 + n - = = 4 bei p =.05 theoretischer t-wert =.0 (vgl. Tab. C4; Bös et al., 000) empirischer t-wert theoretischer t-wert H 0 beibehalten Es besteht kein statistisch signifikanter Unterschied zwischen den beiden Schulklassen. Interpretation: Die beiden Schulklassen unterscheiden sich nicht in der Fitnessleistung. Sie können bezüglich des interessierenden Merkmals als parallel angesehen werden MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 1
22 t-wert-berechnung empirischer t-wert: x1 x t t n s 1 s 1 1 n theoretischer t-wert: t t 1 s1 t n 1 1 s1 n 1 1 s n 1 s n 1 t MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse
23 t-test für abhängige Stichproben Problemstellung: Eine Lehrerin führt mit einem Teil ihrer Klasse (n = 15) ein Trainingsprogramm durch und möchte wissen, ob dieses Training tatsächlich einen positiven Effekt auf die Ergebnisse in einem Leistungstest ausübt oder nicht. Hypothesen: H 0 : Der Unterschied zwischen den beiden Messzeitpunkten ist zufällig. H 1 : Das Trainingsprogramm übt einen positiven Einfluss aus, die Mittelwerte unterscheiden sich bei einem Signifikanzniveau von.05 überzufällig (einseitige Fragestellung) MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 3
24 Beispiel Vpn Testwert vor dem Training Testwert nach dem Training Differenz d Summe Mittelwert d² MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 4
25 Empirischer t-wert t t d di n d n n 1 d di n d n n 1 d i = individuelle Differenz d = Mittelwerte der Diffe d i = individuelle Differenzen d = Mittelwerte der Differenzen t MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 5
26 Signifikanzprüfung df = n - 1 = 15-1 = 14 theoretischer t-wert = 1.76 empirischer t-wert theoretischer t-wert H1 annehmen t Interpretation: Es besteht ein signifikanter Unterschied zwischen den beiden Messzeitpunkten. Die Werte nach dem Trainingsprogramm sind besser. Die beobachteten Unterschiede lassen sich auf das Training zurückzuführen MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 6
27 Arbeitsauftrag I (MS Excel) Mediansplit durchführen Neues Datenblatt erstellen mit: Spalte 1 = Ergebnis in cm (Low SS) Spalte = Ergebnis in cm (High SS) Prüfung auf Varianzhomogenität Berechnung von MW, SD, s² Vergleich theoretischer und empirischer F-Wert Prüfung Normalverteilung t-test-berechnung Vergleich theoretischer und empirischer t-wert MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 7
28 Berechnung F größere Varianz Max s s F s kleinerevarianz Min s theoretischer F-Wert: Tabelle C5a (p =.05) oder C5b (p =.01) in Bös et al. (000) df 1 = n 1-1 = 31; df = n - 1 = 31 p =.05; F = 1.6; p =.01; F =.01 Signifikanzprüfung & formale Entscheidung: empirischer F-Wert > theoretischer F-Wert H 0 verworfen Achtung! H 0 erwünscht Varianzen sind nicht homogen! MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 8
29 Prüfgrößen für Schiefe und Exzess (Kurtosis) t Schiefe 6 n t Exzeß 6 n empirische t-werte und Signifikanz (p =.01) Schiefe Exzeß Stichprobe n. sign n. sign. Stichprobe -.96 sign n. sign. formale Entscheidung: Normalverteilung nicht gegeben t-test jedoch robust gegen diese Verletzung! MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 9
30 Entscheidungsdiagramm ja Ist das zu untersuchende Merkmal intervallskaliert? Handelt es sich um unabhängige oder abhängige Stichproben? unabhängige t-test für unabhängige Stichproben Sind die Varianzen homogen? Entscheidung durch F-Test (Exkurs) nein t-test für heterogene Varianzen MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 30
31 t-test für heterogene Varianzen MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 31
32 Ergebnisse sign. = 0.90 Es besteht kein statistisch signifikanter Unterschied zwischen den beiden Gruppen (L-SS/H-SS). Interpretation: Die beiden Gruppen mit unterschiedlich stark ausgeprägtem Sensation Seeking unterscheiden sich nicht in der Ausführung einer motorischen Aufgabe unter Unsicherheit. Sie können bezüglich des interessierenden Merkmals als parallel angesehen werden MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 3
33 MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 33
34 Welche Fragen gibt es noch? MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 34
35 Ausblick 5. Termin Einführung in die Datenanalyse mit IBM SPSS MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 35
36 Literaturverzeichnis Bös, K., Hänsel, F. & Schott, N. (004). Empirische Untersuchungen in der Sportwissenschaft. Hamburg: Czwalina. Bortz, J. (005). Statistik für Human- und Sozialwissenschaftler. Berlin: Springer. Bortz, J. & Döring, N. (006). Forschungsmethoden und Evaluation: für Human- und Sozialwissenschaftler. Berlin: Springer. Singer, R & Willimczik, K. (00). Sozialwissenschaftliche Forschungsmethoden in der Sportwissenschaft. Hamburg: Czwalina MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 36
Business Value Launch 2006
Quantitative Methoden Inferenzstatistik alea iacta est 11.04.2008 Prof. Dr. Walter Hussy und David Tobinski UDE.EDUcation College im Rahmen des dokforums Universität Duisburg-Essen Inferenzstatistik Erläuterung
MehrWillkommen zur Vorlesung Statistik
Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Varianzanalyse Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr. Wolfgang
MehrÜberblick über die Verfahren für Ordinaldaten
Verfahren zur Analyse ordinalskalierten Daten 1 Überblick über die Verfahren für Ordinaldaten Unterschiede bei unabhängigen Stichproben Test U Test nach Mann & Whitney H Test nach Kruskal & Wallis parametrische
MehrGrundlagen der Inferenzstatistik
Grundlagen der Inferenzstatistik (Induktive Statistik oder schließende Statistik) Dr. Winfried Zinn 1 Deskriptive Statistik versus Inferenzstatistik Die Deskriptive Statistik stellt Kenngrößen zur Verfügung,
MehrWeitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell
Einfaktorielle Versuchspläne 27/40 Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell Abweichung Einfach Differenz Helmert Wiederholt Vergleich Jede Gruppe mit Gesamtmittelwert
MehrMETHODENLEHRE I WS 2013/14 THOMAS SCHÄFER
METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER DAS THEMA: INFERENZSTATISTIK IV INFERENZSTATISTISCHE AUSSAGEN FÜR ZUSAMMENHÄNGE UND UNTERSCHIEDE Inferenzstatistik für Zusammenhänge Inferenzstatistik für Unterschiede
MehrMessung von Veränderungen. Dr. Julia Kneer Universität des Saarlandes
von Veränderungen Dr. Julia Kneer Universität des Saarlandes Veränderungsmessung Veränderungsmessung kennzeichnet ein Teilgebiet der Methodenlehre, das direkt mit grundlegenden Fragestellungen der Psychologie
MehrEinfache Varianzanalyse für abhängige
Einfache Varianzanalyse für abhängige Stichproben Wie beim t-test gibt es auch bei der VA eine Alternative für abhängige Stichproben. Anmerkung: Was man unter abhängigen Stichproben versteht und wie diese
MehrFranz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. Excel Edition. ^ Springer Spektrum
Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst Excel Edition ^ Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3
MehrAuswertung mit dem Statistikprogramm SPSS: 30.11.05
Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Seite 1 Einführung SPSS Was ist eine Fragestellung? Beispiel Welche statistische Prozedur gehört zu welcher Hypothese? Statistische Berechnungen mit
MehrWebergänzung zu Kapitel 10
Webergänzung zu Kapitel 10 10.1.4 Varianzanalyse (ANOVA: analysis of variance) Im Kapitel 10 haben wir uns hauptsächlich mit Forschungsbeispielen beschäftigt, die nur zwei Ergebnissätze hatten (entweder
MehrVarianzanalyse (ANOVA: analysis of variance)
Varianzanalyse (AOVA: analysis of variance) Einfaktorielle VA Auf der Basis von zwei Stichproben wird bezüglich der Gleichheit der Mittelwerte getestet. Variablen müssen Variablen nur nominalskaliert sein.
MehrStatistische Auswertung:
Statistische Auswertung: Die erhobenen Daten mittels der selbst erstellten Tests (Surfaufgaben) Statistics Punkte aus dem Punkte aus Surftheorietest Punkte aus dem dem und dem Surftheorietest max.14p.
MehrBachelorabschlussseminar Dipl.-Kfm. Daniel Cracau
1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank
MehrStatistik II für Betriebswirte Vorlesung 2
PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 2 21. Oktober 2014 Verbundene Stichproben Liegen zwei Stichproben vor, deren Werte einander
MehrMelanie Kaspar, Prof. Dr. B. Grabowski 1
7. Hypothesentests Ausgangssituation: Man muss sich zwischen 2 Möglichkeiten (=Hypothesen) entscheiden. Diese Entscheidung soll mit Hilfe von Beobachtungen ( Stichprobe ) getroffen werden. Die Hypothesen
Mehr3. Der t-test. Der t-test
Der t-test 3 3. Der t-test Dieses Kapitel beschäftigt sich mit einem grundlegenden statistischen Verfahren zur Auswertung erhobener Daten: dem t-test. Der t-test untersucht, ob sich zwei empirisch gefundene
MehrGrundlagen der Datenanalyse am Beispiel von SPSS
Grundlagen der Datenanalyse am Beispiel von SPSS Einführung Dipl. - Psych. Fabian Hölzenbein hoelzenbein@psychologie.uni-freiburg.de Einführung Organisatorisches Was ist Empirie? Was ist Statistik? Dateneingabe
MehrEinfache statistische Auswertungen mit dem Programm SPSS
Einfache statistische Auswertungen mit dem Programm SPSS Datensatz: fiktive_daten.sav Dipl. Päd. Anne Haßelkus Dr. Dorothea Dette-Hagenmeyer 11/2011 Überblick 1 Deskriptive Statistiken; Mittelwert berechnen...
Mehr9. Schätzen und Testen bei unbekannter Varianz
9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,
MehrPrüfen von Mittelwertsunterschieden: t-test
Prüfen von Mittelwertsunterschieden: t-test Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) t-test
MehrAuswerten mit Excel. Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro
Auswerten mit Excel Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro 1. Pivot-Tabellen erstellen: In der Datenmaske in eine beliebige Zelle klicken Registerkarte Einfügen
Mehr3. Der t-test. Der t-test
3 3. Der t-test Dieses Kapitel beschäftigt sich mit einem grundlegenden statistischen Verfahren zur Auswertung erhobener Daten: dem t-test. Der t-test untersucht, ob sich zwei empirisch gefundene Mittelwerte
MehrStatistik für Studenten der Sportwissenschaften SS 2008
Statistik für Studenten der Sportwissenschaften SS 008 Aufgabe 1 Man weiß von Rehabilitanden, die sich einer bestimmten Gymnastik unterziehen, dass sie im Mittel µ=54 Jahre (σ=3 Jahre) alt sind. a) Welcher
MehrMotivation. Wilcoxon-Rangsummentest oder Mann-Whitney U-Test. Wilcoxon Rangsummen-Test Voraussetzungen. Bemerkungen
Universität Karlsruhe (TH) Forschungsuniversität gegründet 825 Wilcoxon-Rangsummentest oder Mann-Whitney U-Test Motivation In Experimenten ist die Datenmenge oft klein Daten sind nicht normalverteilt Dann
MehrTutorial: Homogenitätstest
Tutorial: Homogenitätstest Eine Bank möchte die Kreditwürdigkeit potenzieller Kreditnehmer abschätzen. Einerseits lebt die Bank ja von der Vergabe von Krediten, andererseits verursachen Problemkredite
MehrStichprobenauslegung. für stetige und binäre Datentypen
Stichprobenauslegung für stetige und binäre Datentypen Roadmap zu Stichproben Hypothese über das interessierende Merkmal aufstellen Stichprobe entnehmen Beobachtete Messwerte abbilden Schluss von der Beobachtung
MehrName (in Druckbuchstaben): Matrikelnummer: Unterschrift:
20-minütige Klausur zur Vorlesung Lineare Modelle im Sommersemester 20 PD Dr. Christian Heumann Ludwig-Maximilians-Universität München, Institut für Statistik 2. Oktober 20, 4:5 6:5 Uhr Überprüfen Sie
MehrVon der Untersuchungsfrage zu statistischen Hypothesen, und wie war das nochmal mit dem α- und
Von der Untersuchungsfrage zu statistischen Hypothesen, und wie war das nochmal mit dem α- und β-fehler? Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de
MehrNichtparametrische statistische Verfahren
Nichtparametrische statistische Verfahren (im Wesentlichen Analyse von Abhängigkeiten) Kategorien von nichtparametrischen Methoden Beispiel für Rangsummentests: Wilcoxon-Test / U-Test Varianzanalysen 1-faktorielle
MehrQuantitative Methoden der Bildungsforschung
Glieung Wieholung Korrelationen Grundlagen lineare Regression Lineare Regression in SPSS Übung Wieholung Korrelationen Standardisiertes Zusammenhangsmaß (unstandardisiert: Kovarianz) linearer Zusammenhang
MehrEinige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.)
ue biostatistik: nichtparametrische testverfahren / ergänzung 1/6 h. Lettner / physik Statistische Testverfahren Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.)
MehrDSR Daten, Statistik, Risikobewertung AUSWERTUNG GAHS. Intervention + BMI
DSR Daten, Statistik, Risikobewertung AUSWERTUNG GAHS + BMI Sophie-Helene Narath Klemens Fuchs Günter Polt Bericht Nr.: B09_003_DSR Freigegeben im April 09 Österreichische Agentur für Gesundheit und Ernährungssicherheit
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 3A Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Mit den Berechnungsfunktionen LG10(?) und SQRT(?) in "Transformieren", "Berechnen" können logarithmierte Werte sowie die Quadratwurzel
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungsfreie Verfahren Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
Mehr90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft
Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte
MehrBiostatistik, WS 2015/2016 Der zwei-stichproben-t-test
1/29 Biostatistik, WS 2015/2016 Der zwei-stichproben-t-test (t-test für ungepaarte Stichproben) Matthias Birkner http://www.staff.uni-mainz.de/birkner/biostatistik1516/ 11.12.2015 2/29 Inhalt 1 t-test
MehrKorrelation - Regression. Berghold, IMI
Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines
Mehr4. Erstellen von Klassen
Statistik mit Tabellenkalkulation 4. Erstellen von Klassen Mit einem einfachen Befehl lässt sich eine Liste von Zahlen auf die Häufigkeit der einzelnen Werte untersuchen. Verwenden Sie dazu den Befehl
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/ws12/r-kurs/
MehrProfil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8
1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen
MehrV A R I A N Z A N A L Y S E
V A R I A N Z A N A L Y S E Ziel / Funktion: statistische Beurteilung des Einflusses von nominal skalierten (kategorialen) Faktoren auf intervallskalierte abhängige Variablen Vorteil: die Wirkung von mehreren,
MehrKlausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min
Klausur, Multivariate Verfahren, SS 2006, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 08.08.2006 Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Gesamtpunkte: 39 Aufgabe
MehrMessgeräte: Mess-System-Analyse und Messmittelfähigkeit
Messgeräte: Mess-System-Analyse und Messmittelfähigkeit Andreas Berlin 14. Juli 2009 Bachelor-Seminar: Messen und Statistik Inhalt: 1 Aspekte einer Messung 2 Mess-System-Analyse 2.1 ANOVA-Methode 2.2 Maße
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de
MehrStandardisierung von Daten Darstellung von Daten in Texten, Tabellen und Abbildungen. Standardisierung von Daten
DAS THEMA: TABELLEN UND ABBILDUNGEN Standardisierung von Daten Darstellung von Daten in Texten, Tabellen und Abbildungen Standardisierung von Daten z-standardisierung Standardnormalverteilung 1 DIE Z-STANDARDISIERUNG
MehrFelix-Nicolai Müller. Seminar Fragebogenmethodik - WS2009/2010 - Universität Trier Dr. Dirk Kranz 24.11.2009
Cohen s Kappa Felix-Nicolai Müller Seminar Fragebogenmethodik - WS2009/2010 - Universität Trier Dr. Dirk Kranz 24.11.2009 Felix-Nicolai Müller Cohen s Kappa 24.11.2009 1 / 21 Inhaltsverzeichnis 1 2 3 4
MehrStatistik II. Statistik II, SS 2001, Seite 1 von 5
Statistik II, SS 2001, Seite 1 von 5 Statistik II Hinweise zur Bearbeitung Hilfsmittel: - Taschenrechner (ohne Datenbank oder die Möglichkeit diesen zu programmieren) - Formelsammlung im Umfang von einer
MehrÜbersicht: Modul 2. Methoden der empirischen Sozialforschung, Statistik und computergestützte Datenanalyse. Dr. H.-G. Sonnenberg
Übersicht: Modul 2 Methoden der empirischen Sozialforschung, Statistik und computergestützte Datenanalyse Dr. H.-G. Sonnenberg Modul 2 4 Kurse : Modul 2 im Bc. Psychologie: - Empirische Sozialforschung
MehrAllgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse
Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse Univariate Varianz- und Kovarianzanlyse, Multivariate Varianzanalyse und Varianzanalyse mit Messwiederholung finden sich unter
MehrEtwas positive Tendenz ist beim Wechsel der Temperatur von 120 auf 170 zu erkennen.
Explorative Datenanalyse Erstmal die Grafiken: Aufreisskraft und Temperatur 3 1-1 N = 1 15 17 Temperatur Diagramm 3 1 95% CI -1 N = 1 15 17 Temperatur Etwas positive Tendenz ist beim Wechsel der Temperatur
MehrPrüfung eines Datenbestandes
Prüfung eines Datenbestandes auf Abweichungen einzelner Zahlen vom erwarteten mathematisch-statistischen Verhalten, die nicht mit einem Zufall erklärbar sind (Prüfung auf Manipulationen des Datenbestandes)
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
MehrÜberblick über die Tests
Anhang A Überblick über die Tests A.1 Ein-Stichproben-Tests A.1.1 Tests auf Verteilungsannahmen ˆ Shapiro-Wilk-Test Situation: Test auf Normalverteilung H 0 : X N(µ, σ 2 ) H 1 : X nicht normalverteilt
MehrStudiendesign/ Evaluierungsdesign
Jennifer Ziegert Studiendesign/ Evaluierungsdesign Praxisprojekt: Nutzerorientierte Evaluierung von Visualisierungen in Daffodil mittels Eyetracker Warum Studien /Evaluierungsdesign Das Design einer Untersuchung
MehrHaus sanieren profitieren! 27. Februar 2014
27. Februar 2014 Gliederung Untersuchungsdesign Bekanntheit der Kampagne Der Energie Check aus Sicht der Handwerker Die Zufriedenheit der Hausbesitzer mit dem Energie Check Energie Check und kostenpflichtige
MehrEinführung ins Experimentieren. Methodenpropädeutikum II Allgemeine Psychologie. Überlegungen zum exp. Design. Adrian Schwaninger & Stefan Michel
Methodenpropädeutikum II Allgemeine Psychologie Adrian Schwaninger & Stefan Michel Einführung ins Experimentieren 1. Fragestellung und Hypothesen 2. Variablen und Operationalisierung UV und Störvariablen
MehrWie Projektziele gemessen werden können oder wie man Indikatoren entwickeln kann?
Innovationstransferund Forschungsinstitut für berufliche Aus-und Weiterbildung SCHWERIN Wie Projektziele gemessen werden können oder wie man Indikatoren entwickeln kann? von Dr. Walter Gürth Workshop der
MehrUnivariates Chi-Quadrat-Verfahren für ein dichotomes Merkmal und eine Messwiederholung: Test nach McNemar
Univariates Chi-Quadrat-Verfahren für ein dichotomes Merkmal und eine Messwiederholung: Test nach McNemar Inhaltsverzeichnis Univariates Chi-Quadrat-Verfahren für ein dichotomes Merkmal und eine Messwiederholung:
MehrOlympische Sommerspiele 2024 Zustimmung der Bürgerinnen und Bürger in Hamburg Stadt und Umland. CATI-Mehrthemenbefragung g/d/p Hanseatenbus
Olympische Sommerspiele 2024 Zustimmung der Bürgerinnen und Bürger in Hamburg Stadt und Umland CATI-Mehrthemenbefragung g/d/p Hanseatenbus Hamburg, 10. September 2015. Zwei Drittel der Bürger/innen aus
MehrFlorian Frötscher und Demet Özçetin
Statistische Tests in der Mehrsprachigkeitsforschung Aufgaben, Anforderungen, Probleme. Florian Frötscher und Demet Özçetin florian.froetscher@uni-hamburg.de SFB 538 Mehrsprachigkeit Max-Brauer-Allee 60
MehrBeurteilung der biometrischen Verhältnisse in einem Bestand. Dr. Richard Herrmann, Köln
Beurteilung der biometrischen Verhältnisse in einem Bestand Dr. Richard Herrmann, Köln Beurteilung der biometrischen Verhältnisse in einem Bestand 1 Fragestellung Methoden.1 Vergleich der Anzahlen. Vergleich
MehrZählstatistik. Peter Appel. 31. Januar 2005
Zählstatistik Peter Appel 31. Januar 2005 1 Einleitung Bei der quantitativen Analyse im Bereich von Neben- und Spurenelementkonzentrationen ist es von Bedeutung, Kenntnis über die möglichen Fehler und
MehrQM: Prüfen -1- KN16.08.2010
QM: Prüfen -1- KN16.08.2010 2.4 Prüfen 2.4.1 Begriffe, Definitionen Ein wesentlicher Bestandteil der Qualitätssicherung ist das Prüfen. Sie wird aber nicht wie früher nach der Fertigung durch einen Prüfer,
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrUnivariate/ multivariate Ansätze. Klaus D. Kubinger. Test- und Beratungsstelle. Effektgrößen
Univariate/ multivariate Ansätze Klaus D. Kubinger Effektgrößen Rasch, D. & Kubinger, K.D. (2006). Statistik für das Psychologiestudium Mit Softwareunter-stützung zur Planung und Auswertung von Untersuchungen
MehrKontingenzkoeffizient (nach Pearson)
Assoziationsmaß für zwei nominale Merkmale misst die Unabhängigkeit zweier Merkmale gibt keine Richtung eines Zusammenhanges an 46 o jl beobachtete Häufigkeiten der Kombination von Merkmalsausprägungen
Mehri x k k=1 i u i x i v i 1 0,2 24 24 0,08 2 0,4 30 54 0,18 3 0,6 54 108 0,36 4 0,8 72 180 0,60 5 1,0 120 300 1,00 2,22 G = 1 + 1 n 2 n i=1
1. Aufgabe: Der E-Commerce-Umsatz (in Millionen Euro) der fünf größten Online- Shopping-Clubs liegt wie folgt vor: Club Nr. Umsatz 1 120 2 72 3 54 4 30 5 24 a) Bestimmen Sie den Ginikoeffizienten. b) Zeichnen
MehrLeseprobe. Wilhelm Kleppmann. Versuchsplanung. Produkte und Prozesse optimieren ISBN: 978-3-446-42033-5. Weitere Informationen oder Bestellungen unter
Leseprobe Wilhelm Kleppmann Versuchsplanung Produkte und Prozesse optimieren ISBN: -3-44-4033-5 Weitere Informationen oder Bestellungen unter http://www.hanser.de/-3-44-4033-5 sowie im Buchhandel. Carl
MehrDas große ElterngeldPlus 1x1. Alles über das ElterngeldPlus. Wer kann ElterngeldPlus beantragen? ElterngeldPlus verstehen ein paar einleitende Fakten
Das große x -4 Alles über das Wer kann beantragen? Generell kann jeder beantragen! Eltern (Mütter UND Väter), die schon während ihrer Elternzeit wieder in Teilzeit arbeiten möchten. Eltern, die während
MehrKosten-Leistungsrechnung Rechenweg Optimales Produktionsprogramm
Um was geht es? Gegeben sei ein Produktionsprogramm mit beispielsweise 5 Aufträgen, die nacheinander auf vier unterschiedlichen Maschinen durchgeführt werden sollen: Auftrag 1 Auftrag 2 Auftrag 3 Auftrag
MehrCITIES AGAINST RACISM RESPONSIBILITIES OF CITIES IN COUNTERACTING RACISM SUSTAINABILITY. Evaluation der Plakatkampagne der Stadt Graz gegen Rassismus
CITIES AGAINST RACISM RESPONSIBILITIES OF CITIES IN COUNTERACTING RACISM SUSTAINABILITY Evaluation der Plakatkampagne der Stadt Graz gegen Rassismus Durchgeführt durch das ETC Graz März 2013 - 2 - Inhalt
MehrAnalog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table("c:\\compaufg\\kredit.
Lösung 16.3 Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit
MehrIntrinsisch motivierte Mitarbeiter als Erfolgsfaktor für das Ideenmanagement: Eine empirische Untersuchung
Intrinsisch motivierte Mitarbeiter als Erfolgsfaktor für das Ideenmanagement: Eine empirische Untersuchung Bearbeitet von Martina Sümnig Erstauflage 2015. Taschenbuch. 176 S. Paperback ISBN 978 3 95485
MehrAuswertung qualitativer Interviews
Auswertung qualitativer Interviews Problem: umfangreiche Texte in eine Form zu bringen, die als Erzählung, als Leseangebot für den Leser dienen können Texte müssen eingedickt werden, sie müssen im Rahmen
MehrÜbungen zur Veranstaltung Statistik 2 mit SPSS
Raum 22, Tel. 39 4 Aufgabe 5. Wird der neue Film MatchPoint von Woody Allen von weiblichen und männlichen Zuschauern gleich bewertet? Eine Umfrage unter 00 Kinobesuchern ergab folgende Daten: Altersgruppe
MehrNoten ausrechnen mit Excel/Tabellenkalkulation. 1) Individuellen Notenschlüssel/Punkteschlüssel erstellen
Noten ausrechnen mit Excel/Tabellenkalkulation online unter: www.lehrerfreund.de/in/schule/1s/notenschluessel-excel Dies ist eine Einführung in die Funktionen von Excel, die Sie brauchen, um Noten und
MehrFortgeschrittene Statistik Logistische Regression
Fortgeschrittene Statistik Logistische Regression O D D S, O D D S - R A T I O, L O G I T T R A N S F O R M A T I O N, I N T E R P R E T A T I O N V O N K O E F F I Z I E N T E N, L O G I S T I S C H E
Mehr(VU) Übungen zur Einführung in die statistische Datenanalyse II. Inhalte Statistik I. Inhalte Statistik I Deskriptive Statistik
II Übungen zur II Organisatorische Hinweise Keine Anwesenheitspflicht (aber empfehlenswert) Einführung in die statistische Datenanalyse II (VU) Lehrinhalte (.ppt Folien): elearning.univie.ac.at 3 Prüfungstermine:
MehrTeil II: Einführung in die Statistik
Teil II: Einführung in die Statistik (50 Punkte) Bitte beantworten Sie ALLE Fragen. Es handelt sich um multiple choice Fragen. Sie müssen die exakte Antwortmöglichkeit angeben, um die volle Punktzahl zu
MehrB 2. " Zeigen Sie, dass die Wahrscheinlichkeit, dass eine Leiterplatte akzeptiert wird, 0,93 beträgt. (genauerer Wert: 0,933).!:!!
Das folgende System besteht aus 4 Schraubenfedern. Die Federn A ; B funktionieren unabhängig von einander. Die Ausfallzeit T (in Monaten) der Federn sei eine weibullverteilte Zufallsvariable mit den folgenden
MehrVarianzanalyse ANOVA
Varianzanalyse ANOVA Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/23 Einfaktorielle Varianzanalyse (ANOVA) Bisher war man lediglich in der Lage, mit dem t-test einen Mittelwertsvergleich für
MehrUniversität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B
Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip Sommersemester 2010 KLAUSUR Statistik B Hinweise zur Bearbeitung: Bei allen Teilaufgaben
MehrÜbungsaufgaben zu Kapitel 5. Aufgabe 101. Inhaltsverzeichnis:
Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 5... 1 Aufgabe 101... 1 Aufgabe 102... 2 Aufgabe 103... 2 Aufgabe 104... 2 Aufgabe 105... 3 Aufgabe 106... 3 Aufgabe 107... 3 Aufgabe 108... 4 Aufgabe 109...
MehrIndustrie 4.0 in Deutschland
Foto: Kzenon /Fotolia.com Industrie 4.0 in Deutschland Dr. Tim Jeske innteract-conference Chemnitz, 07.05.2015 Entwicklung der Produktion Komplexität Quelle: Siemens in Anlehnung an DFKI 2011 07.05.2015
MehrMethodenfehler im Morbi-RSA: Für alte und schwerkranke Menschen wird den Kassen zu wenig Geld zugewiesen
Methodenfehler im Morbi-RSA: Für alte und schwerkranke Menschen wird den Kassen zu wenig Geld zugewiesen Was ist die Ungleichbehandlung? Im Unterschied zu allen anderen GKV-Versicherten werden bei der
MehrBitte schreiben Sie in Druckbuchstaben und vergessen Sie nicht zu unterschreiben. Name, Vorname:. Studiengang/ Semester:. Matrikelnummer:..
Institut für Erziehungswissenschaft der Philipps-Universität Marburg Prof. Dr. Udo Kuckartz Arbeitsbereich Empirische Pädagogik/Methoden der Sozialforschung Wintersemester 004/005 KLAUSUR FEBRUAR 005 /
MehrKlausur: Einführung in die Statistik
1 Lösungen immer unter die jeweiligen Aufgaben schreiben. Bei Platzmangel auf die Rückseite schreiben (dann Nummer der bearbeiteten Aufgabe mit anmerken!!!). Lösungen, die nicht auf den Aufgabenblättern
MehrWORKSHOP METHODEN ZUR TEST- UND FRAGEBOGENKONSTRUKTION UND VERFAHREN DER DATENAUSWERTUNG. Prof. Dr. Nadine Spörer
WORKSHOP METHODEN ZUR TEST- UND FRAGEBOGENKONSTRUKTION UND VERFAHREN DER DATENAUSWERTUNG Prof. Dr. Nadine Spörer Gliederung Messmodelle: Status- und Prozessdiagnostik Schulleistungstests und Fragebögen
MehrStatistik II für Betriebswirte Vorlesung 3
PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 3 5. November 2013 Beispiel: Aktiensplit (Aczel & Sounderpandan, Aufg. 14-28) Ein Börsenanalyst
MehrDIA Ausgewählte Trends Juni 2015. Klaus Morgenstern, Deutsches Institut für Altersvorsorge, Berlin Bettina Schneiderhan, YouGov Deutschland, Köln
DIA Ausgewählte Trends Juni 2015 Klaus Morgenstern, Deutsches Institut für Altersvorsorge, Berlin Bettina Schneiderhan, YouGov Deutschland, Köln DIA Ausgewählte Trends 2015 (I) Ausgangslage und Fragestellung
MehrE ektgrößen Metaanalysen. Zusammenhänge und Unterschiede quantifizieren E ektgrößen
DAS THEMA: EFFEKTGRÖßEN UND METAANALYSE E ektgrößen Metaanalysen Zusammenhänge und Unterschiede quantifizieren E ektgrößen Was ist ein E ekt? Was sind E ektgrößen? Berechnung von E ektgrößen Interpretation
MehrAQL. 9. Statistisches Qualitätsmanagement 9.3 Statistische Methoden der Warenannahme (AQL)
9.3 Statistische Methoden der Warenannahme (AQL) AQL Vorlesung Qualitätsmanagement, Prof. Dr. Johann Neidl Seite 1 Um was geht es? Stichprobensysteme insbesondere für Eingangsprüfungen. Diese werden durch
MehrKapitel 7: Varianzanalyse mit Messwiederholung
Kapitel 7: Varianzanalyse mit Messwiederholung Durchführung einer einfaktoriellen Varianzanalyse mit Messwiederholung 1 Durchführung einer zweifaktoriellen Varianzanalyse mit Messwiederholung auf einem
Mehr