Varianzanalyse (ANOVA)
|
|
- Gertrud Arnold
- vor 6 Jahren
- Abrufe
Transkript
1 Varianzanalyse (ANOVA) K. Molt Universität Duisburg-Essen, Fak. 4, FG Instrumentelle Analytik 7. Juni 2007 K. Molt (Fachgeb. IAC) 7. Juni / 1
2 Einweg Varianzanalyse (einfaktorielle ANOVA) Einweg-Varianzanalyse (einfaktorielle Varianzanalyse) Die Einwege-Varianzanalyse erlaubt es uns mehrere Gruppen von Beobachtungen zu vergleichen, die alle unabhängig sind aber möglicherweise unterschiedliche Mittelwerte besitzen. Die Beobachtungen stammen von unterschiedlichen Gruppen oder unterschiedlichen Behandlungen in einem Experiment. Wir klassifizieren in eine Richtung, und zwar gemäß Gruppe oder Behandlung. K. Molt (Fachgeb. IAC) 7. Juni / 1
3 Einweg Varianzanalyse (einfaktorielle ANOVA) Behandlung Behandlungen werden auf experimentelle Einhheiten in unterschiedlichen Stufen angewendet, wobei Stufe Menge oder Größe impliziert. Wenn z.b den experimentellen Einheiten 5 mg, 10 mg, 15 mg eines Medikaments gegeben werden, wären diese Mengen die drei Faktorstufen (oder einfach Stufen) der Behandlung. Der Begriff Stufe wird nicht nur für unterschiedliche Mengen ein und derselben Sache, sondern auch für kategorielle Variablen wie z.b. drei unterschiedliche Medikamente A, B und C verwendet. K. Molt (Fachgeb. IAC) 7. Juni / 1
4 Einweg Varianzanalyse (einfaktorielle ANOVA) Randomisierung Randomisierung ist das Verfahren, mit dem experimentelle Einheiten (die Objekte, mit denen Studien oder Experimente durchgeführt werden) dem Behandlungen zugeordnet werden. D.h. dies erfolgt durch ein Zufallsverfahren und nicht nach einem subjektiven und daher möglicherweise voreingenommenen (biased) Ansatz. Die Behandlungen sollten den Einheiten dabei so zugeordnet werden, dass jede Behandlung auf jede Einheit gleich wahrscheinlich angwendet wird. Alternative Methoden könnten zu verfälschten Ergebnissen (biased results) führen. Der Hauptpunkt dabei ist, dass Randomisierung dazu tendiert, Gruppen zu erzeugen, die vergleichbar sind, und das sowohl bezüglich bekannter wie auch unbekannter Faktoren, die möglicherweise das Ergebnis auch über die eigentlich untersuchte Behandlung hinaus beeinflussen. Bei der Varianzanalyse (ANOVA mit F-Test) geht man davon aus, dass die Behandlungen nach einem solchen Zufallsverfahren angewendet worden sind. K. Molt (Fachgeb. IAC) 7. Juni / 1
5 Faktor Einweg Varianzanalyse (einfaktorielle ANOVA) Ein Faktor eines Experiments ist eine kontrollierte unabhängige Variable, deren Stufen durch den Experimentator festgesetzt werden. Ein Faktor ist damit ein allgemeiner Typ oder eine Kategorie von Behandlungen. Unterschiedliche Behandlungen bilden die unterschiedlichen Stufen eines Faktors. Es würden z.b. drei unterschiedliche Gruppen von Läufern unterschiedlichen Trainingsmethoden unterworfen. Dann sind die Läufer die experimentellen Einheiten und die Trainingsmethoden die Behandlungen wobei die drei Arten der Trainingsmethoden die drei Stufen des Faktors Trainingsmethode bilden. K. Molt (Fachgeb. IAC) 7. Juni / 1
6 Einweg Varianzanalyse (einfaktorielle ANOVA) Einfaktorielles Modell x ij bezeichnet Beobachtung Nr. j in Gruppe i. x. ist das Gesamtmittel (Mittelwert aller Beobachtungen). Dann können wir die Beobachtungen wie folgt zerlegen: Das entspricht folgendem Modell: x ij = x. + ( x i x. ) + (x ij x i ) X ij = µ + α i + ɛ ij, ɛ ij N(0, σ 2 ) Die Hypothese, dass alle Gruppen gleich sind impliziert, dass alle α i Null sind. K. Molt (Fachgeb. IAC) 7. Juni / 1
7 Einweg Varianzanalyse (einfaktorielle ANOVA) Einfaktorielles Modell Variation innerhalb der Gruppen (SSD W ) und zwischen den Gruppen (SSD W ) Die entsprechenden Variationen werden durch die Summe der Abweichungsquadrate beschrieben: SSD W = (x ij x i ) 2 (1) i j SSD B = ( x i x. ) 2 = n i ( x i x. ) 2 (2) i j i SSD B + SSD W = SSD total = (x ij x. ) 2 (3) i j Die Gruppierung erklärt einen Teil der Gesamtvariation und offensichtlich wird eine informative Gruppierung einen großen Teil der Variation erklären. K. Molt (Fachgeb. IAC) 7. Juni / 1
8 Einweg Varianzanalyse (einfaktorielle ANOVA) Mittlere Abweichungsquadrate MS W = SSD W /(N k) (4) MS B = SSD B /(k 1) (5) k ist die Zahl der Gruppen und N die Gesamtzahl der Beobachtungen. Ein Test auf signifikante Unterschiede zwischen den Gruppenmittelwerten kann durchgeführt werden, indem man diese beiden Varianzen vergleicht. Deswegen heißt das Verfahren Varianzanalyse obwohl es das Ziel ist, Gruppenmittelwerte zu vergleichen. K. Molt (Fachgeb. IAC) 7. Juni / 1
9 Einweg Varianzanalyse (einfaktorielle ANOVA) Hypothesentest F = MS B /MS W Die Nullhypothese ist, dass die beiden Mittelwerte identisch sind (d.h. es liegt keine Gruppierung vor). Die Nullhypothese wird verworfen, wenn F größer ist als das 1 α Quantil einer F-Verteilung mit den Freiheitsgraden k 1 und N k (einseitiger Test). K. Molt (Fachgeb. IAC) 7. Juni / 1
10 Einweg Varianzanalyse (einfaktorielle ANOVA) Beispiel 22 Patienten, die sich einer By-Pass-Operation unterzogen, wurden in eine der folgenden drei Beatmungsgruppen randomisiert: 1 Die Patienten erhielten eine Mischung aus 50% Stickoxid und 50% Sauerstoff kontinuierlich über 24 Stunden; 2 Die Patienten erhielten eine Mischung aus 50% Stickoxid und 50% Sauerstoff nur während der Operation; 3 Die Patienten erhielten kein Stickoxid, sondern 35-40% Sauerstoff über 24 Stunden. K. Molt (Fachgeb. IAC) 7. Juni / 1
11 Einweg Varianzanalyse (einfaktorielle ANOVA) Tabelle: Gehalte von Folsäure in roten Blutkörperchen (µg/l) in drei Gruppen von Bypass-Patienten, denen unterschiedliche Intensitäten einer Stickoxid-Beatmung verabreicht wurden (Amess et al., 1978). Gruppe 1 Gruppe 2 Gruppe 3 (n=8) (n=9) (n=5) Mittelw Stdabw K. Molt (Fachgeb. IAC) 7. Juni / 1
12 Einweg Varianzanalyse (einfaktorielle ANOVA) > library(iswr) > data(red.cell.folate) > red.cell.folate folate ventilation folate ventilation N2O+O2,24h N2O+O2,24h N2O+O2,24h N2O+O2,24h N2O+O2,24h N2O+O2,24h N2O+O2,24h N2O+O2,24h N2O+O2,op N2O+O2,op N2O+O2,op N2O+O2,op N2O+O2,op N2O+O2,op N2O+O2,op N2O+O2,op N2O+O2,op O2,24h O2,24h O2,24h O2,24h O2,24h K. Molt (Fachgeb. IAC) 7. Juni / 1
13 Einweg Varianzanalyse (einfaktorielle ANOVA) > attach(red.cell.folate) > rcf <- lm(folate~ventilation) > rcf Call: lm(formula = folate ~ ventilation) Coefficients: (Intercept) ventilationn2o+o2,op ventilationo2,24h K. Molt (Fachgeb. IAC) 7. Juni / 1
14 Einweg Varianzanalyse (einfaktorielle ANOVA) > anova(rcf) Analysis of Variance Table Response: folate Df Sum Sq Mean Sq F value Pr(>F) ventilation * Residuals Die Variation zwischen den Gruppen wird nach dem gruppierenden Faktor ventilation benannt und die Variation innerhalb der Gruppen wird als Residuals bezeichnet. Die Freiheitsgrade (df) sind k 1 und N k. K. Molt (Fachgeb. IAC) 7. Juni / 1
15 Paarweise Vergleiche und multiples Testen summary(rcf) Call: lm(formula = folate ~ ventilation) Residuals: Min 1Q Median 3Q Max Coefficients: Estimate Std. Error t value Pr(> t ) (Intercept) e-14 ** ventilationn2o+o2,op * ventilationo2,24h Residual standard error: on 19 degrees of freedom Multiple R-Squared: , Adjusted R-squared: F-statistic: on 2 and 19 DF, p-value: K. Molt (Fachgeb. IAC) 7. Juni / 1
16 Paarweise Vergleiche und multiples Testen Estimate Std. Error t value Pr(> t ) (Intercept) e-14 ** ventilationn2o+o2,op * ventilationo2,24h Die Interpretation der Schätzwerte (Estimate) ist, dass der Achsenabschnitt (Intercept) der Mittelwert der ersten Gruppe (N2O+O2,24h) ist, während die beiden anderen die Differenz zwischen der betreffenden Gruppe und der ersten beschreiben. K. Molt (Fachgeb. IAC) 7. Juni / 1
17 Paarweise Vergleiche und multiples Testen Paarweise Vergleiche Der Effekt der Faktorvariablen wird in Form von Behandlungskontrasten ausgedrückt, bei denen die erste Gruppe als Basislinie behandelt wird und die übrigen Gruppen relativ zu jener dargestellt werden. Dies basiert konkret auf einer multiplen linearen Regression, indem zwei Dummy-Variablen eingeführt werden, welche für Beobachtungen innerhalb der betreffenden Gruppe auf 1 und ansonsten auf 0 gesetzt werden. K. Molt (Fachgeb. IAC) 7. Juni / 1
18 Paarweise Vergleiche und multiples Testen Multiples Testen Wenn alle Gruppen miteinander verglichen werden sollen (nicht nur die erste mit der zweiten und dritten) können z.b. mit pairwise.t.test alle möglichen Zweigruppen-Vergleiche durgeführt werden: > pairwise.t.test(folate,ventilation) Pairwise comparisons using t tests with pooled SD data: folate and ventilation N2O+O2,24h N2O+O2,op N2O+O2,op O2,24h P value adjustment method: holm K. Molt (Fachgeb. IAC) 7. Juni / 1
19 Verzicht auf die Annahme gleicher Varianz für alle Gruppen Verzicht auf die Annahme gleicher Varianz für alle Gruppen > oneway.test(folate~ventilation) One-way analysis of means (not assuming equal variances) data: folate and ventilation F = , num df = 2.000, denom df = , p-value = K. Molt (Fachgeb. IAC) 7. Juni / 1
20 Verzicht auf die Annahme gleicher Varianz für alle Gruppen Verzicht auf die Annahme gleicher Varianz für alle Gruppen > pairwise.t.test(folate,ventilation,pool.sd=false) Pairwise comparisons using t tests with non-pooled data: folate and ventilation N2O+O2,24h N2O+O2,op N2O+O2,op O2,24h P value adjustment method: holm K. Molt (Fachgeb. IAC) 7. Juni / 1
21 Graphische Darstellung Graphische Darstellung > xbar <- tapply(folate, ventilation,mean) > s <- tapply(folate,ventilation,sd) > n <- tapply(folate,ventilation,length) > sem <- s/sqrt(n) > stripchart(folate~ventilation,"jitter",jit=0.05,pch=16,v > arrows(1:3,xbar+sem,1:3,xbar-sem,angle=90,code=3,len=.1) > lines(1:3,xbar,pch=4,type="b",cex=2) K. Molt (Fachgeb. IAC) 7. Juni / 1
22 Graphische Darstellung N2O+O2,24h N2O+O2,op O2,24h K. Molt (Fachgeb. IAC) 7. Juni / 1
23 Der Bartlett Test Der Bartlett Test Es wird getestet, ob die empirische Verteilung einer Variablen in allen Gruppen die gleiche Varianz hat. > bartlett.test(folate~ventilation) Bartlett test of homogeneity of variances data: folate by ventilation Bartlett s K-squared = , df = 2, p-value = K. Molt (Fachgeb. IAC) 7. Juni / 1
24 Zweiweg Varianzanalyse (zweifaktorielle ANOVA Mehrfaktorielle Varianzanalyse Bei mehrfaktoriellen Designs ergeben sich verschiedene Möglichkeiten der Kombination der verschiedenen Faktoren: Gekreuzte Faktoren Jede Stufe des Faktors A wird mit jeder Stufe von Faktor B kombiniert (vollständig gekreuzt) Geschachtelte Faktoren Jede Stufe des Faktors A kommt nur unter bestimmten Stufen des Faktors B vor. Geschachtelte Faktoren sollten nur dann gewählt werden, wenn es aus organisatorischen Gründen nicht möglich ist, alle Faktorstufenkombinationen zu realisieren. Nur vollständig gekreuzte Versuchspläne ermöglichen Aussagen über Wechselwirkungen der Faktoren. K. Molt (Fachgeb. IAC) 7. Juni / 1
25 Zweiweg Varianzanalyse (zweifaktorielle ANOVA Beispiel für Zweiwege Varianzanalyse (zweifaktorielle ANOVA) Bei 9 Patienten mit Herzdekompensation wird vor und kurz nach der Verabreichung von Enalaprilat 1 die Herzfrequenz in unterschiedlichen Zeitabständen gemessen. Hier liegen zwei Faktoren vor, nämlich die jeweilige Person und die Zeit, bei der gemessen wird. Entsprechend kann man die Gesamtvariabilität in Komponenten auf Grund der Variation zwischen den Zeiten und zwischen den Personen aufteilen. 1 ACE-Inhibitor. Angiotensin I wird im Körper enzymatisch durch Renin aus Angiotensinogen gebildet. Es ist selbst weitgehend inaktiv. In Gegenwart des Angiotensin Converting Enzyms (ACE) wird Angiotensin I in das Oktapeptid Angiotensin II gespalten, welches für die blutgefäßkontrahierenden Wirkungen verantwortlich ist. K. Molt (Fachgeb. IAC) 7. Juni / 1
26 Zweiweg Varianzanalyse (zweifaktorielle ANOVA Tabelle: Kurzzeitwirkung von Enalaprilat auf die Herzfrequenz (Schläge pro Minute) (Maskin et al., 1985) Zeit (min.) Person Mw. SD Mw SD K. Molt (Fachgeb. IAC) 7. Juni / 1
27 Zweiweg Varianzanalyse (zweifaktorielle ANOVA Graphische Darstellung der Daten > interaction.plot(time,subj,hr) mean of hr subj time K. Molt (Fachgeb. IAC) 7. Juni / 1
28 Zweiweg Varianzanalyse (zweifaktorielle ANOVA Zeit (min.) Mw. Mw. über 9 Pers Die Mittelwerte für die einzelnen Zeitpunkte zeigen, dass die Herzfrequenz nach 30 Minuten durchschnittlich um 4 Schläge pro Minute (bpm) fiel und danach in den nächsten 90 Minuten ziemlich stabil blieb. Diese durchschnittliche Muster sieht man den Rohdaten in der Tabelle nicht an. Die Nullhypothese ist, dass es keinen Zeilen(Personen)-Effekt und keinen Spalten(Zeit)-Effekt gibt. Lezterer interessiert in dieser Untersuchung K. Molt (Fachgeb. IAC) 7. Juni / 1
29 Zweiweg Varianzanalyse (zweifaktorielle ANOVA Zweifaktorielles Modell x ij soll die Beobachtung in der i.ten Zeile und der j.ten Spalte bezeichnen. x i. sind die Zeilen-, x.j die Spaltenmittelwerte und x.. der Gesamtmittelwert. Dann berechnet sich die Variation zwischen den Zeilen (SSD R ) bzw. zwischen den Spalten (SSD R ) und die Restvariation (SSD res = SSD tot SSD R SSD C ) wie folgt: SSD R = n i (x i. x.. ) 2 (6) SSD C = m (x.j x.. ) 2 (7) j SSD res = (x ij x i. x.j + x.. ) 2 (8) i j K. Molt (Fachgeb. IAC) 7. Juni / 1
30 Zweiweg Varianzanalyse (zweifaktorielle ANOVA Zweifaktorielles Modell Dies entspricht einem statistischen Modell, bei dem angenommen wird, dass die Beobachtungen aus einem allgemeinen Niveau, einem Zeileneffekt, einem Spalteneffekt und einem Rauschterm zusammengesetzt sind: X ij = µ + α i + β j + ɛ ij (9) αi = β i = 0 (10) µ = x.. (11) α i = x i. x.. (12) β j = x.j x.. (13) (14) K. Molt (Fachgeb. IAC) 7. Juni / 1
31 Zweiweg Varianzanalyse (zweifaktorielle ANOVA Es handelt sich in unsererm Beispiel um eine komplette Zweiwege-Tabelle ohne fehlende Werte ( blanciertes Design ) > data(heart.rate) > attach(heart.rate) > heart.rate K. Molt (Fachgeb. IAC) 7. Juni / 1
32 hr subj time hr subj time
33 > heart <- lm(hr~subj+time) > heart Call: lm(formula = hr ~ subj + time) Coefficients: (Intercept) subj2 subj3 subj4 subj5 subj subj7 subj8 subj9 time30 time60 time intercept = ˆx 11 = x 1. + x.1 x..
34 > anova(heart) Analysis of Variance Table Response: hr Df Sum Sq Mean Sq F value Pr(>F) subj e-16 *** time * Residuals
Eine 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
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
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
MehrANalysis Of VAriance (ANOVA) 2/2
ANalysis Of VAriance (ANOVA) 2/2 Markus Kalisch 22.10.2014 1 Wdh: ANOVA - Idee ANOVA 1: Zwei Medikamente zur Blutdrucksenkung und Placebo (Faktor X). Gibt es einen sign. Unterschied in der Wirkung (kontinuierlich
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
MehrAuswertung und Lösung
Körperkraft [Nm] 0 50 100 150 200 250 0 20 40 60 80 Lean Body Mass [kg] Dieses Quiz soll Ihnen helfen, den R Output einer einfachen linearen Regression besser zu verstehen (s. Kapitel 5.4.1) Es wurden
MehrVersuchsplanung SoSe 2015 R - Lösung zu Übung 1 am 24.04.2015 Autor: Ludwig Bothmann
Versuchsplanung SoSe 2015 R - Lösung zu Übung 1 am 24.04.2015 Autor: Ludwig Bothmann Contents Aufgabe 1 1 b) Schätzer................................................. 3 c) Residuenquadratsummen........................................
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen Faktorielle Varianzanalyse
Wahrscheinlichkeitsrechnung und Statistik für Biologen Faktorielle Varianzanalyse Dirk Metzler & Martin Hutzenthaler 15. Juni 2010 Inhaltsverzeichnis 1 Die einfaktorielle Varianzanalyse und der F -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
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
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)
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
MehrEinfache lineare Modelle mit Statistik-Software R Beispiel (Ausgaben in Abhängigkeit vom Einkommen)
3 Einfache lineare Regression Einfache lineare Modelle mit R 36 Einfache lineare Modelle mit Statistik-Software R Beispiel (Ausgaben in Abhängigkeit vom Einkommen) > summary(lm(y~x)) Call: lm(formula =
MehrAufgabe 35 mit R (Ökonometrie SS 2014 an der UdS)
Vorbereitungen Aufgabe 35 mit R (Ökonometrie SS 2014 an der UdS) Falls das R - Paket car noch nicht installiert wurde, kann dies mit der Funktion install.packages() erledigt werden. install.packages("car")
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrEinfaktorielle Varianzanalyse
Kapitel 16 Einfaktorielle Varianzanalyse Im Zweistichprobenproblem vergleichen wir zwei Verfahren miteinander. Nun wollen wir mehr als zwei Verfahren betrachten, wobei wir unverbunden vorgehen. Beispiel
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"
MehrBiometrische und Ökonometrische Methoden II Lösungen 1
TECHNISCHE UNIVERSITÄT MÜNCHEN - WEIHENSTEPHAN SS 01 MATHEMATIK UND STATISTIK, INFORMATIONS- UND DOKUMENTATIONSZENTRUM Biometrische und Ökonometrische Methoden II Lösungen 1 1. a) MTB > name c1 '100 mm'
MehrLineare Modelle in R: Einweg-Varianzanalyse
Lineare Modelle in R: Einweg-Varianzanalyse Achim Zeileis 2009-02-20 1 Datenaufbereitung Wie schon in der Vorlesung wollen wir hier zur Illustration der Einweg-Analyse die logarithmierten Ausgaben der
MehrFormelsammlung für das Modul. Statistik 2. Bachelor. Sven Garbade
Version 2015 Formelsammlung für das Modul Statistik 2 Bachelor Sven Garbade Prof. Dr. phil. Dipl.-Psych. Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de
MehrSozialwissenschaftlerInnen II
Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Varianzanalyse Statistik
Mehr13. Übungswoche - Lösungen
1 13. Übungswoche - Lösungen Kapitel 12: Varianzanalyse (Fortsetzung) [ 3 ] a) Es gibt deutliche Unterschiede, die Gruppen 2, 3, 7 und 9 liegen deutlich tiefer. b) F = DQ(gruppe)/DQ(Residuals) = 25.13/6.19
MehrEmpirische Wirtschaftsforschung in R
Empirische Wirtschaftsforschung in R Schätzung der keynesianischen Geldnachfragefunktion auf Basis von Daten der dänischen Volkswirtschaft Jonas Richter-Dumke Universität Rostock, Institut für Volkswirtschaftslehre
MehrStatistisches Testen
Statistisches Testen Universität Duisburg-Essen, Fak. 4, FG Instrumentelle Analytik 7. Juni 2007 Statistisches Testen Inhaltsverzeichnis Schätzverfahren und Testverfahren sind Anwendungen der Stichprobentheorie.
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 6-6) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden I Dr. Malte Persike persike@uni-mainz.de
MehrLineare Regression in R, Teil 1
Lineare Regression in R, Teil 1 Christian Kleiber Abt. Quantitative Methoden, WWZ, Universität Basel October 6, 2009 1 Vorbereitungen Zur Illustration betrachten wir wieder den Datensatz CASchools aus
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
MehrZüchtungslehre - Lösung 3
Züchtungslehre - Lösung 3 Peter von Rohr October 20, 2015 Aufgabe 1 (8) Der in dieser Aufgabe verwendete Datensatz unter http://charlotte-ngs.github.io/livestockbreedingandgenomics/w5/simgenphen.csv umfasst
MehrLineare Modelle in R: Klassische lineare Regression
Lineare Modelle in R: Klassische lineare Regression Achim Zeileis 2009-02-20 1 Das Modell Das klassische lineare Regressionsmodell versucht den Zusammenhang zwischen einer abhängigen Variablen (oder Responsevariablen)
MehrMehrfaktorielle Varianzanalyse
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Mehrfaktorielle Varianzanalyse Überblick Einführung Empirische F-Werte zu einer zweifaktoriellen
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
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
MehrEinfache Varianzanalyse für unabhängige Stichproben
Einfache Varianzanalyse für unabhängige Stichproben VARIANZANALYSE Die Varianzanalyse ist das dem t-test entsprechende Mittel zum Vergleich mehrerer (k 2) Stichprobenmittelwerte. Sie wird hier mit VA abgekürzt,
Mehr13. Übungswoche. Kapitel 12: Varianzanalyse (Fortsetzung)
1 13. Übungswoche Kapitel 12: Varianzanalyse (Fortsetzung) [ 3 ] Im Vorkurs Mathematik für Wirtschafstwissenschaftler vor Beginn des Sommersemesters 2009 wurde am Anfang und am Ende ein Test geschrieben,
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
Mehr1 Beispiel zur Methode der kleinsten Quadrate
1 Beispiel zur Methode der kleinsten Quadrate 1.1 Daten des Beispiels t x y x*y x 2 ŷ ˆɛ ˆɛ 2 1 1 3 3 1 2 1 1 2 2 3 6 4 3.5-0.5 0.25 3 3 4 12 9 5-1 1 4 4 6 24 16 6.5-0.5 0.25 5 5 9 45 25 8 1 1 Σ 15 25
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)?
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
MehrFORMELN IN. Referent: Daniel Laskow Betreuer: Eugen Betke Programmierung in R Arbeitsbereich Wissenschaftliches Rechnen Universität Hamburg
FORMELN IN Referent: Daniel Laskow Betreuer: Eugen Betke Programmierung in R Arbeitsbereich Wissenschaftliches Rechnen Universität Hamburg 01.06.2016 Gliederung Arithmetische Operatoren Funktionen aus
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
MehrBeurteilung von Analysenwerten im Hinblick auf eine Grenzwertüberschreitung
Beurteilung von Analysenwerten im Hinblick auf eine Grenzwertüberschreitung K. Molt Universität Duisburg-Essen, Fak. 4, FG Instrumentelle Analytik 3. Juni 2007 K. Molt (Fachgeb. IAC) 3. Juni 2007 1 / 41
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften t-test Varianzanalyse (ANOVA) Übersicht Vergleich von Mittelwerten 2 Gruppen: t-test einfaktorielle ANOVA > 2 Gruppen: einfaktorielle ANOVA Seeigel und
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.
MehrTeil VIII Hypothesentests für zwei Stichproben
Woche 9: Hypothesentests für zwei Stichproben Teil VIII Hypothesentests für zwei Stichproben WBL 15/17, 22.06.2015 Alain Hauser Berner Fachhochschule, Technik und Informatik Berner
MehrTutorial: Regression Output von R
Tutorial: Regression Output von R Eine Firma erzeugt Autositze. Ihr Chef ist besorgt über die Anzahl und die Kosten von Maschinenausfällen. Das Problem ist, dass die Maschinen schon alt sind und deswegen
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
MehrLineare Regressionen mit R (Ökonometrie SS 2014 an der UdS)
Lineare Regressionen mit R (Ökonometrie SS 2014 an der UdS) Es soll untersucht werden, ob und wie sich Rauchen während der Schwangerschaft auf den Gesundheitszustand des Neugeborenen auswirkt. Hierzu werden
MehrAnwendungsaufgaben. Effektgröße bei df Zähler = df A = 1 und N = 40 (zu berechnen aus df Nenner ): Der aufgedeckte Effekt beträgt also etwa 23 %.
Anhang A: Lösungen der Aufgaben 39 beiden Kombinationen sehr hoch ist. (Dieses Ergebnis wäre aber in diesem Beispiel nicht plausibel.) 5. Der Faktor A und die Wechselwirkung werden signifikant: Lärm hat
MehrMusterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 25. September 2015 Aufgabe 1 (15 Punkte) Kennzeichnen Sie die folgenden Aussagen zur Regressionsanalyse mit R für richtig oder F für falsch. F Wenn
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)
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003. Eine seltene Krankheit trete mit Wahrscheinlichkeit : 0000 auf. Die bedingte Wahrscheinlichkeit, dass ein bei einem Erkrankten durchgeführter
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!
MehrBreusch-Pagan-Test I auf Heteroskedastie in den Störgrößen
Breusch-Pagan-Test I Ein weiterer Test ist der Breusch-Pagan-Test. Im Gegensatz zum Goldfeld-Quandt-Test ist es nicht erforderlich, eine (einzelne) Quelle der Heteroskedastizität anzugeben bzw. zu vermuten.
MehrTechnische Universität München Zentrum Mathematik Sommersemester Juli 2005 Arbeitszeit 60 Minuten
Name: Frau Herr (nichtzutreffendes bitte streichen) Fachrichtung geb. am (Tag/Mon/Jahr) Semestralklausur aus Praktikum BWL-Statistik Technische Universität München Zentrum Mathematik Sommersemester 2005
Mehr1 Einfachregression 1.1In 10 Haushalten wurden Einkommen und Ausgaben für Luxusgüter erfragt:
Beispiele zum Üben und Wiederholen zu Wirtschaftsstatistik 2 (Kurs 3) 1 Einfachregression 1.1In 10 Haushalten wurden Einkommen und Ausgaben für Luxusgüter erfragt: Haushaltseinkommen 12 24 30 40 80 60
MehrLösung zu Kapitel 11: Beispiel 1
Lösung zu Kapitel 11: Beispiel 1 Eine Untersuchung bei 253 Personen zur Kundenzufriedenheit mit einer Einzelhandelskette im Südosten der USA enthält Variablen mit sozialstatistischen Daten der befragten
Mehry t = 30, 2. Benutzen Sie die Beobachtungen bis einschließlich 2002, um den Koeffizientenvektor β mit der KQ-Methode zu schätzen.
Aufgabe 1 (25 Punkte Zur Schätzung des Werbe-Effekts in einem Getränke-Unternehmen wird das folgende lineare Modell aufgestellt: Dabei ist y t = β 1 + x t2 β 2 + e t. y t : x t2 : Umsatz aus Getränkeverkauf
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
MehrAnalyse von Querschnittsdaten. Signifikanztests I Basics
Analyse von Querschnittsdaten Signifikanztests I Basics Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Generalisierung kategoriale Variablen Datum 13.10.2004 20.10.2004 27.10.2004
Mehr3.1 Modell und Statistik Zusammenhang zwischen einer Zielgrösse Y und mehreren Eingangsgrössen X (1), X (2),..., X (m)
3.1. MODELL UND STATISTIK 32 3 Multiple lineare Regression a 3.1 Modell und Statistik Zusammenhang zwischen einer Zielgrösse Y und mehreren Eingangsgrössen X (1), X (2),..., X (m) Y i = β 0 + β 1 x (1)
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
MehrStatistik II. Weitere Statistische Tests. Statistik II
Statistik II Weitere Statistische Tests Statistik II - 19.5.2006 1 Überblick Bisher wurden die Test immer anhand einer Stichprobe durchgeführt Jetzt wollen wir die statistischen Eigenschaften von zwei
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
MehrVarianzanalyse * (1) Varianzanalyse (2)
Varianzanalyse * (1) Einfaktorielle Varianzanalyse (I) Die Varianzanalyse (ANOVA = ANalysis Of VAriance) wird benutzt, um Unterschiede zwischen Mittelwerten von drei oder mehr Stichproben auf Signifikanz
MehrDie Anwendung des globalen und partiellen F-Tests beim Regressionsmodell
Dr. Wolfgang Langer - Integrierte Veranstaltung Methoden IV WS 2002/2003-1 Die Anwendung des globalen und partiellen F-Tests beim Regressionsmodell von XENOPHOB auf V247 und POSTMAT, MATERIAL Für unsere
MehrKlausur zur Vorlesung
Institut für Mathematische Stochastik WS 2006/2007 Universität Karlsruhe 12. Februar 2007 Priv.-Doz. Dr. D. Kadelka Dipl.-Math. W. Lao Aufgabe 1 (15 Punkte) Klausur zur Vorlesung Statistik für Biologen
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
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:
MehrMehrfache und polynomiale Regression
Mehrfache und polynomiale Regression Kriteria für die Durchführung einer Regression Jonathan Harrington Bitte datasets.zip (unter 5.5, Tabellarische Daten) neu herunterladen und in pfad auspacken Einfache
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
Mehr4.1. Verteilungsannahmen des Fehlers. 4. Statistik im multiplen Regressionsmodell Verteilungsannahmen des Fehlers
4. Statistik im multiplen Regressionsmodell In diesem Kapitel wird im Abschnitt 4.1 zusätzlich zu den schon bekannten Standardannahmen noch die Annahme von normalverteilten Residuen hinzugefügt. Auf Basis
MehrEinführung in die formale Demographie Übung
Einführung in die formale Demographie Übung Roland Rau mailto:roland.rau@uni-rostock.de 03. November 2014 Inhaltsverzeichnis 1 Aufgaben vom 27. Oktober 2014 2 1.1 Schreiben von Funktionen............................
MehrInhaltsverzeichnis. Vorwort
V Vorwort XI 1 Zum Gebrauch dieses Buches 1 1.1 Einführung 1 1.2 Der Text in den Kapiteln 1 1.3 Was Sie bei auftretenden Problemen tun sollten 2 1.4 Wichtig zu wissen 3 1.5 Zahlenbeispiele im Text 3 1.6
MehrVergleich zweier Stichproben
zurück zum Inhaltsverzeichnis Die Werte sind verbunden, abhängig oder korreliert. Beispiel: Eine Probe wird mit zwei Messgeräten bestimmt. Es gibt eine paarweise Zuordnung. Die Werte sind unabhängig also
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
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
MehrWiederholung und ein mehrfaktorielles Verfahren. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09
Wiederholung und ein mehrfaktorielles Verfahren Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09 Einstieg und Wiederholung Daten unterscheiden sich in ihrem mathematischen Informationsgehalt!
MehrLösung Übungsblatt 5
Lösung Übungsblatt 5 5. Januar 05 Aufgabe. Die sogenannte Halb-Normalverteilung spielt eine wichtige Rolle bei der statistischen Analyse von Ineffizienzen von Produktionseinheiten. In Abhängigkeit von
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.
MehrBiomathematik für Mediziner, Klausur WS 1999/2000 Seite 1
Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Aufgabe 1: Wieviele der folgenden Variablen sind quantitativ stetig? Schulnoten, Familienstand, Religion, Steuerklasse, Alter, Reaktionszeit, Fahrzeit,
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-06) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrTHEMA: MAßGESCHNEIDERTE TESTS IN DER VARIANZANALYSE" TORSTEN SCHOLZ
WEBINAR@LUNCHTIME THEMA: MAßGESCHNEIDERTE TESTS IN DER VARIANZANALYSE" TORSTEN SCHOLZ HERZLICH WILLKOMMEN BEI WEBINAR@LUNCHTIME Moderation Anne K. Bogner-Hamleh SAS Institute GmbH Education Consultant
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
MehrKapitel 5: Einfaktorielle Varianzanalyse
Rasch, Friese, Hofmann & Naumann (010). Quantitative Methoden. Band (3. Auflage). Heidelberg: Springer. Kapitel 5: Einfaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung
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
MehrGepaarter und ungepaarter t-test. Statistik (Biol./Pharm.) Herbst 2012
Gepaarter und ungepaarter t-test Statistik (Biol./Pharm.) Herbst 2012 Mr. X Krebs Zwei Krebstypen 1 Typ 1: Mild Chemotherapie nicht nötig 2 Typ 2: Schwer Chemotherapie nötig Problem: Typ erst nach langer
MehrKapitel 6: Zweifaktorielle Varianzanalyse
Kapitel 6: Zweifaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung 1 Teststärkebestimmung a posteriori 4 Berechnen der Effektgröße f² aus empirischen Daten und Bestimmung
MehrStatistische Messdatenauswertung
Roland Looser Statistische Messdatenauswertung Praktische Einführung in die Auswertung von Messdaten mit Excel und spezifischer Statistik-Software für naturwissenschaftlich und technisch orientierte Anwender
MehrÜbung V Lineares Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Michael Alpert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2007 Übung
MehrDie Funktion f wird als Regressionsfunktion bezeichnet.
Regressionsanalyse Mit Hilfe der Techniken der klassischen Regressionsanalyse kann die Abhängigkeit metrischer (intervallskalierter) Zielgrößen von metrischen (intervallskalierten) Einflussgrößen untersucht
MehrWelche(s) Paar(e) ist(sind) denn nun signifikant verschieden?
Welche(s) Paar(e) ist(sind) denn nun signifikant verschieden? Der F-Test der Varianzanalyse erlaubt lediglich eine Existenzaussage über ein Paar (i,j) mit µ i µ j zum einem Niveau α. In der Praxis interessiert
MehrAnalysis of Variance (ANOVA) in R
Analysis of Variance (ANOVA) in R Jens Schumacher June 21, 2007 Die Varianzanalyse ist ein sehr allgemeines Verfahren zur statistischen Bewertung von Mittelwertunterschieden zwischen mehr als zwei Gruppen.
MehrX =, y In welcher Annahme unterscheidet sich die einfache KQ Methode von der ML Methode?
Aufgabe 1 (25 Punkte) Zur Schätzung der Produktionsfunktion des Unternehmens WV wird ein lineares Regressionsmodell der Form angenommen. Dabei ist y t = β 1 + x t2 β 2 + e t, t = 1,..., T (1) y t : x t2
MehrFragen. Einführung in die induktive Statistik. Übersicht. Lineare Einfachregression
Fragen Welche Unsicherheitsfaktoren beeinflussen die Schätzung einer Regressionsgeraden? Einführung in die induktive Statistik Friedrich Leisch Institut für Statistik Ludwig-Maximilians-Universität München
MehrLogistische Regression
Logistische Regression Werner Brannath VO Biostatistik im WS 2006/2007 Inhalt Logistische Regression Beispiel 1: Herzerkrankungsdaten aus Framingham Log Odds Modell Beispiel 1: Einfluss von Blutdruck Maximum
MehrEinführung in die Ökonometrie
Einführung in die Ökonometrie Das Programmpaket R Installierung und Pakete R als Taschenrechner Laden von Datensätzen und Einlesen von Daten Hilfe und Dokumentation Einfaches Datenmanagement Univariate
Mehr