Varianzanalyse * (1) Varianzanalyse (2)
|
|
- Julius Adolph Flater
- vor 8 Jahren
- Abrufe
Transkript
1 Varianzanalyse * (1) Einfaktorielle Varianzanalyse (I) Die Varianzanalyse (ANOVA = ANalysis Of VAriance) wird benutzt, um Unterschiede zwischen Mittelwerten von drei oder mehr Stichproben auf Signifikanz zu prüfen. Z.. lautet die Nullhypothese für fünf Mittelwerte: H 0 : µ 1 =µ =µ 3 =µ 4 =µ 5 Die Alternativhypothese ist, dass H 0 als Ganzes nicht wahr ist, d.h. es bestehen irgendwelche Unterschiede zwischen den Mittelwerten. Eine ANOVA basiert auf der Tatsache, dass anhand der Stichprobendaten zwei unhängige Schätzungen der Populationsvarianz möglich sind: 1. Geschätzte Varianz innerhalb der Gruppen (within-varianz, Fehlervarianz, "error"): ie unterscheiden sich die einzelnen erte in einer Stichprobe (oder Gruppe) von den übrigen erten in der gleichen Gruppe?. Geschätzte Varianz zwischen den Gruppen (between-varianz): ie unterscheiden sich die Mittelwerte verschiedener Stichproben (oder Gruppen) voneinander? enn alle Stichproben der gleichen normalverteilten Population entstammen, sind die Schätzungen der Varianzen zwischen und innerhalb der Gruppen ähnlich (und ähnlich der Populationsvarianz). Je größer die Varianz zwischen den Gruppen im Vergleich zur Varianz innerhalb der Gruppen ist, desto wahrscheinlicher ist es, dass die Stichproben nicht aus einer Population mit gleichen Mittelwerten stammen. *) Angelehnt an: elkowitz, J., Ewen, R.. & Cohen, J. (00). Introductory statistics for the behavioral sciences. New York (5 th ed.): Academic Press. Varianzanalyse () Einfaktorielle Varianzanalyse (II) a) Die Variation zwischen den Gruppen und innerhalb der Gruppen ist ähnlich groß: A C D E Mittelwerte: Variation innerhalb der Gruppen Variation zwischen den Gruppen b) Die Variation zwischen den Gruppen ist viel größer als innerhalb der Gruppen: A C D E Variation innerhalb der Gruppen Mittelwerte: Variation zwischen den Gruppen 1
2 Varianzanalyse (3) Einfaktorielle Varianzanalyse (III) Variabilität "within" und "between" Variabilität "within" und "between" y y Gruppe Gruppe Varianzanalyse (4) Einfaktorielle Varianzanalyse (IV) y Innerhalb-Gruppen Abweichung ("error") = Zwischen-Gruppen Abweichung = Totale Abweichung = 3.0
3 Varianzanalyse (5) Einfaktorielle Varianzanalyse (V) Die totale Varianz, die zwischen-gruppen Varianz und innerhalb-gruppen Varianz drücken die Größe dieser Abweichungen für die Personen z.. innerhalb eines Experiments aus. Die Summe der quadrierten Abweichungen der individuellen erte vom Gesamtmittelwert Summe der quadrierten Abweichungen der Gruppenmittelwerte vom Gesamtmittelwert ("zwischen Gruppen") Summe der quadrierten Abweichungen der individuellen erte vom jeweiligen Gruppenmittelwert ("innerhalb Gruppen") T ("sums of squares total") = ("sums of squares between groups") + ("sums of squares within groups") Die Schätzung der zwischen-gruppen Varianz schließt sowohl die Effekte des Treatments als auch die Fehlervarianz ein: Die Gruppenmittelwerte sind sowohl von den Gruppenunterschieden (Treatment) als auch von der Varianz der AV (oder Fehlervarianz der beobachteten erte) beeinflusst. Die innerhalb-gruppen Varianz drückt jedoch nur die Fehlervarianz aus. Varianzanalyse (6) Einfaktorielle Varianzanalyse (VI) Treatment Varianz Fehler Varianz F Fehler Varianz gesch. zwischen Gruppen Varianz gesch. innerhalb Gruppen Varianz Ist die H 0 wahr, gibt es keine Treatment-Varianz. Die zwischen-gruppen Varianz und die innerhalb-gruppen Varianz werden ungefähr gleich sein, so dass F ungefähr 1.0 ist. Um so mehr F größer als 1.0 ist, um so sicherer kann man sein, dass das Treatment einen Effekt auf die AV hat bzw. dass die Gruppen nicht aus der gleichen Population stammen. Für einen F-ert sehr viel kleiner 1.0 (z.. 0.) gäbe es keine offensichtliche Interpretation außerhalb des Zufalls (oder einer fehlerhaften Annahme der Voraussetzungen des Tests). In diesen Fällen würde H 0 beibehalten und die Möglichkeit, dass sich ein systematischer Faktor (z.. eine nicht zufällige Stichprobenziehung) eingeschlichen hat, sollte geprüft werden. 3
4 Varianzanalyse () Einfaktorielle Varianzanalyse (VII) Quadratsummen (sums of squares): ( ) T x x (16.0)... (.0) 0 N ( x G G x) ( x1 x1 )... ( xk xk ) T T (14..0)... 5(1.4.0) 14.4 (16 14.)... ( 1.0) 85.6 Varianzen (mean squares): df k 1 df N k df df 14.4 df df F-Ratio: 3.60 F F Varianzanalyse (8) Einfaktorielle Varianzanalyse (VIII) F-Verteilung für df=4 und df=0 df(x, 4, 0) % 1% F eispiel 1: eispiel : Analysis of Variance Table df F p etween ithin (error) Analysis of Variance Table df F p etween < ithin (error)
5 Varianzanalyse () Einfaktorielle Varianzanalyse (IX) enn der F-ert statistisch signifikant ist, kann mit sogenannten post-hoc Tests (Einzelvergleichen) untersucht werden, welche der Mittelwerte sich signifikant unterscheiden. Hierbei dürfen aber einfache t-tests nicht benutzt werden, da mit wachsender Anzahl von Tests die ahrscheinlichkeit, einen -Fehler (Typ I Fehler) zu begehen, steigt! Daher kommen hierfür nur "geschützte" Tests in Frage. Zu empfehlen ist im Allgemeinen ein Tukey-Test (Tukey HSD = Tukey's honest significant difference) oder Tukey-b. Mit derartigen Tests können auch Konfidenzintervalle für die jeweiligen Mittelwertsdifferenzen berechnet werden. Anhand des F-ertes und der Freiheitsgrade kann auch ein Maß für die Stärke des Zusammenhangs berechnet werden. kann wie ein Korrelationskoeffizient interpretiert werden. Die erechnung macht allerdings nur Sinn für F-erte > 1.0: df ( F 1) df F df eispiel :. 46 4( ) In diesem (fiktiven) eispiel wäre der Zusammenhang extrem hoch. Dieses Maß würde einer Effektstärke d von etwa 5.8 entsprechen (hierbei würde unterstellt, dass Gruppe E (5) die Experimentalgruppe und Gruppe () die Kontrollgruppe darstellten und die übrigen Gruppen ein anderes Treatment bekommen hätten). Varianzanalyse () Zweifaktorielle Varianzanalyse (I) Mit einer zweifaktoriellen Varianzanalyse kann untersucht werden, welchen Einfluss zwei Faktoren (z.. Faktor 1: Experimental- vs. Kontrollgruppe, Faktor : Geschlecht) auf eine abhängige Variable haben. Hierbei wird die Varianz zwischen den Gruppen weiter in drei estandteile zerlegt: In Varianz, die auf Faktor 1 zurückzuführen ist (Haupteffekt 1), in Varianz, die auf Faktor zurückzuführen ist (Haupteffekt ) sowie in Varianz aufgrund der Interaktion von Faktor 1 und (Interaktionseffekt): Totale Variation Variation zwischen Gruppen Variation innerhalb Gruppen (error) Variation durch Faktor 1 Variation durch Faktor Variation durch Interaktion von Faktor 1 und Faktor Hierbei ist die totale Quadratsumme gleich der Summe der Quadratsummen aller vier estandteile: (1) innerhalb Gruppen Quadratsumme, () Quadratsumme Faktor 1, (3) Quadratsumme Faktor, und (4) Quadratsumme Interaktion Faktor1 und Faktor. 5
6 Varianzanalyse (11) Zweifaktorielle Varianzanalyse (II) eispiel: In einem fiktiven Experiment wird untersucht, wie der Konsum von Koffein die Leistung in einem Englischtest beeinflusst. Dabei ergeben sich die folgenden fiktiven Messwerte. Koffein-Dosis (Faktor 1) groß mäßig klein Null Zeilenmittel männlich Geschlecht (Faktor ) 1 4 weiblich Spaltenmittel Varianzanalyse (1) Zweifaktorielle Varianzanalyse (III) erte und Mittelwerte nach Geschlecht gender Testscore m-large m-mod. m-small m-zero f-large f-mod. f-small f-zero Gruppen 6
7 Varianzanalyse () Zweifaktorielle Varianzanalyse (IV) erte und Mittelwerte nach Koffein-edingung caffeine Testscore large-m large-f mod.-m mod.-f small-m small-f zero-m zero-f Gruppen Varianzanalyse (14) Zweifaktorielle Varianzanalyse (V) Für die erechnung benötigt man außer dem Gesamtmittelwert sowie den Zeilen- und Spaltenmittelwerten noch die Mittelwerte der Zellen: Koffein-Dosis (Faktor 1) groß mäßig klein Null Geschlecht (Faktor ) männlich weiblich Quadratsummen (sums of squares): ( ) T x x (6.05)... (.05) 353. N ( x x) T G G 5( )... 5(1.6.05). 1 T F1 N F1 ( xf1 x) F 1 (..05)... (8.0.05). F N F ( xf x) F 0(.85.05) 0(.5.05) 5. 6 F1F F1 F F 1F
8 Varianzanalyse (15) Zweifaktorielle Varianzanalyse (VI) Für die erechnung der Varianzen (mean squares) werden die Freiheitsgrade benötigt, die analog der Quadratsummen zerlegt werden: total df = N 1 = 3 df zwischen Gruppen = k 1 = df innerhalb Gruppen = N k = 3 df Koffein = 4 1 = 3 df Geschlecht = 1 = 1 df Interaktion = 3 1 = 3 Varianzen (mean squares): df F F df F 5. 6 F 1. F1 F1 df F F1 3 F1 F 0.6 F1 F 1F 6. 8 df F 3 F1F Varianzanalyse (16) Zweifaktorielle Varianzanalyse (VII) F-Ratios: Koffein Geschlecht Interaktion 30. F F1 F 5.60 F F F 6.8 F F1 F F ANOVA-Tabelle: Analysis of Variance Table df F p Koffein Geschlecht Interaktion ithin (error)
9 Varianzanalyse (1) Zweifaktorielle Varianzanalyse (VIII) Interaktionsplot male female Mean test score large moderate small zero Caffeine condition Varianzanalyse (18) Zweifaktorielle Varianzanalyse (IX) Interaktionsplot (ohne Interaktionseffekt) male female Mean test score large moderate small zero Caffeine condition
10 Varianzanalyse (1) Zweifaktorielle Varianzanalyse (X) Interaktionsplot (mit Interaktionseffekt) male female Mean test score large moderate small zero Caffeine condition Varianzanalyse (0) Einfaktorielle Varianzanalyse mit Messwiederholung ei den bisherigen Varianzanalysen handelte es sich um unabhängige Messungen. ird eine Variable zwei- oder mehrmals gemessen, gibt es also abhängige Messungen, können die Veränderungen im Rahmen einer Varianzanalyse mit einem Messwiederholungsfaktor analysiert werden. ei einer einfaktoriellen Varianzanalyse mit Messwiederholung werden die Quadratsummen in Quadratsummen zwischen und innerhalb Personen zerlegt. Letzere wird in die Quadratsumme zwischen den Messungen und einen Rest (Residuum oder Fehlervarianz) zerlegt: Totale Variation Variation zwischen Personen Variation innerhalb Personen Variation zwischen Messungen restliche Variation (error) Der F-ert zur Prüfung signifikanter Veränderungen wird aus dem Verhältnis der Varianz (mean squares) der Messungen und der Fehlervarianz gebildet, mit df Messungen = p 1 und df Fehlervarianz = (N 1) (p 1).
11 Varianzanalyse (1) Zweifaktorielle Varianzanalyse mit Messwiederholung (I) ei Varianzanalysen mit Messwiederholung sind weitere Faktoren denkbar. Ein typisches eispiel ist ein Experiment mit einer Experimental- und Kontrollgruppe (Faktor 1) und einer oder mehreren Vor- und Nachmessung(en) (Faktor ). Hier lässt sich irkung des Treatments mittels einer zweifaktoriellen Varianzanalyse untersuchen, wobei ein Faktor den Messwiederholungsfaktor darstellt. Im Gegensatz zu Varianzanalysen, bei denen nur eine Messung pro Person vorliegt, genügt es hierbei nicht, dass sich ein signifikanter Unterschied zwischen Experimental- und Kontrollgruppe (Haupteffekt) zeigt. Falls das Treatment wirksam ist, müssen sich die Veränderungen der Personen in Experimental- und Kontrollgruppe (in bestimmter eise) unterscheiden. Das wird in einem signifikaten Interaktionseffekt zwischen dem Messwiederholungs- und dem Treatmentfaktor sichtbar. Handelt es sich dabei nur um eine Vor- und eine Nachmessung (hat der Messwiederholungsfaktor also nur zwei Stufen), ist die statistische Prüfung eines signifikanten Interaktionseffekts im Rahmen einer zweifaktoriellen Varianzanalyse mit Messwiederholung identisch mit einem signifikanten Haupteffekt (Treatmentfaktor) einer einfaktoriellen Varianzanalyse, wobei die abhängige Variable die Differenzwerte zwischen zweiter und erster Messung darstellen. Die Zerlegung der Quadratsummen einer zweifaktoriellen Varianzanalyse mit Messwiederholung ist komplexer und wird in ortz (, S. 3 ff.) dargestellt. Varianzanalyse () Zweifaktorielle Varianzanalyse mit Messwiederholung (II) eispiel: In einem Abstand von einem Jahr werden Aggressionswerte in einer Kontrollgruppe ohne und einer Experimentalgruppe mit einem Anti-Gewalt-Training gemessen (fiktive erte). Messwiederholung (Faktor 1) Vormessung (t1) Nachmessung (t) Mittelwerte: Messwerte: Treatment (Faktor ) Kontrollgruppe Experimentalgruppe Messwiederholung (Faktor 1) Vormessung (t1) Nachmessung (t) Treatment (Faktor ) Kontrollgruppe Experimentalgruppe
12 Varianzanalyse (3) Zweifaktorielle Varianzanalyse mit Messwiederholung (III) ANOVA-Tabelle: (zweifaktorielle Varianzanalyse mit Messwiederholung) Analysis of Variance Table between subjects: df F p Treatment Residuals within subjects: df F p time Treatment*time Residuals ANOVA-Tabelle: (einfaktorielle Varianzanalyse der Differenzwerte) Analysis of Variance Table df F p Treatment Residuals Varianzanalyse (4) Zweifaktorielle Varianzanalyse mit Messwiederholung (IV) Interaktionsplot Kontrollgruppe Experimentalgruppe Mittelwert(AV) t1 t Messzeitpunkt 1
Willkommen 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
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
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.
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
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.
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
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
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...
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
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
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
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,
MehrBusiness 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
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
Mehr15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit
5.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit Einführendes Beispiel ( Erhöhung der Sicherheit bei Flugreisen ) Die statistische Wahrscheinlichkeit, dass während eines Fluges ein Sprengsatz an Bord
MehrGibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero?
Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Manche sagen: Ja, manche sagen: Nein Wie soll man das objektiv feststellen? Kann man Geschmack objektiv messen? - Geschmack ist subjektiv
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
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,
MehrFAKTORIELLE VERSUCHSPLÄNE. Andreas Handl
FAKTORIELLE VERSUCHSPLÄNE Andreas Handl 1 Inhaltsverzeichnis 1 Versuchsplanung 4 2 Einfaktorielle Varianzanalyse 6 2.1 DieAnnahmen... 6 2.2 Die ANOVA-Tabelle und der F -Test... 6 2.3 Versuche mit zwei
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
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
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
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
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
MehrDie Varianzanalyse ohne Messwiederholung. Jonathan Harrington. Bi8e noch einmal datasets.zip laden
Die Varianzanalyse ohne Messwiederholung Jonathan Harrington Bi8e noch einmal datasets.zip laden Variablen, Faktoren, Stufen Eine Varianzanalyse ist die Erweiterung von einem t- test t- test oder ANOVA
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
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrStatistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005
Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005 Aufgabe 1: Grundzüge der Wahrscheinlichkeitsrechnung 19 P. Als Manager eines großen
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
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
MehrEinfaktorielle Varianzanalyse Vergleich mehrerer Mittelwerte
Einfaktorielle Varianzanalyse Vergleich mehrerer Mittelwerte Es wurden die anorganischen Phosphatwerte im Serum (mg/dl) eine Stunde nach einem Glukosetoleranztest bei übergewichtigen Personen mit Hyperinsulinämie,
Mehr(Repeated-measures ANOVA) path = "Verzeichnis wo Sie anova1 gespeichert haben" attach(paste(path, "anova1", sep="/"))
Varianzanalyse mit Messwiederholungen (Repeated-measures ANOVA) Jonathan Harrington Befehle: anova2.txt path = "Verzeichnis wo Sie anova1 gespeichert haben" attach(paste(path, "anova1", sep="/")) Messwiederholungen:
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
MehrOhne Fehler geht es nicht Doch wie viele Fehler sind erlaubt?
Ohne Fehler geht es nicht Doch wie viele Fehler sind erlaubt? Behandelte Fragestellungen Was besagt eine Fehlerquote? Welche Bezugsgröße ist geeignet? Welche Fehlerquote ist gerade noch zulässig? Wie stellt
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
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
MehrMulticheck Schülerumfrage 2013
Multicheck Schülerumfrage 2013 Die gemeinsame Studie von Multicheck und Forschungsinstitut gfs-zürich Sonderauswertung ICT Berufsbildung Schweiz Auswertung der Fragen der ICT Berufsbildung Schweiz Wir
MehrKorrelation - Regression. Berghold, IMI
Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
Mehr13 Öffentliche Güter
1 13ÖffentlicheGüter Deregriffdes"öffentlichenGutes"hateinigespekte,dieÄhnlichkeitenzuderDiskussion vonexterneneffektenaufweisen.einsolchergemeinsamerspektist,daßnichtmehralle EntscheidungsträgerunabhängigvoneinanderüberdasNiveaueinesdesKonsumsoderdes
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
MehrBox-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8
. Aufgabe: Für zwei verschiedene Aktien wurde der relative Kurszuwachs (in % beobachtet. Aus den jeweils 20 Quartaldaten ergaben sich die folgenden Box-Plots. Box-and-Whisker Plot Aktie Aktie 2-0,2 0,8,8
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
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
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
MehrLichtbrechung an Linsen
Sammellinsen Lichtbrechung an Linsen Fällt ein paralleles Lichtbündel auf eine Sammellinse, so werden die Lichtstrahlen so gebrochen, dass sie durch einen Brennpunkt der Linse verlaufen. Der Abstand zwischen
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
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
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/
MehrDie Quantitative und Qualitative Sozialforschung unterscheiden sich bei signifikanten Punkten wie das Forschungsverständnis, der Ausgangspunkt oder
1 2 3 Die Quantitative und Qualitative Sozialforschung unterscheiden sich bei signifikanten Punkten wie das Forschungsverständnis, der Ausgangspunkt oder die Forschungsziele. Ein erstes Unterscheidungsmerkmal
Mehrtrivum Multiroom System Konfigurations- Anleitung Erstellen eines RS232 Protokolls am Bespiel eines Marantz SR7005
trivum Multiroom System Konfigurations- Anleitung Erstellen eines RS232 Protokolls am Bespiel eines Marantz SR7005 2 Inhalt 1. Anleitung zum Einbinden eines über RS232 zu steuernden Devices...3 1.2 Konfiguration
MehrProzentrechnung. Wir können nun eine Formel für die Berechnung des Prozentwertes aufstellen:
Prozentrechnung Wir beginnen mit einem Beisiel: Nehmen wir mal an, ein Handy kostet 200 und es gibt 5% Rabatt (Preisnachlass), wie groß ist dann der Rabatt in Euro und wie viel kostet dann das Handy? Wenn
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
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
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
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
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
MehrMean Time Between Failures (MTBF)
Mean Time Between Failures (MTBF) Hintergrundinformation zur MTBF Was steht hier? Die Mean Time Between Failure (MTBF) ist ein statistischer Mittelwert für den störungsfreien Betrieb eines elektronischen
MehrDieses erste Kreisdiagramm, bezieht sich auf das gesamte Testergebnis der kompletten 182 getesteten Personen. Ergebnis
Datenanalyse Auswertung Der Kern unseres Projektes liegt ganz klar bei der Fragestellung, ob es möglich ist, Biere von und geschmacklich auseinander halten zu können. Anhand der folgenden Grafiken, sollte
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
Mehry 1 2 3 4 5 6 P (Y = y) 1/6 1/6 1/6 1/6 1/6 1/6
Fachhochschule Köln Fakultät für Wirtschaftswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 39 14 jutta.arrenberg@fh-koeln.de Übungen zur Statistik für Prüfungskandidaten und Prüfungskandidatinnen Unabhängigkeit
MehrMusterlösung zu Serie 14
Dr. Lukas Meier Statistik und Wahrscheinlichkeitsrechnung FS 21 Musterlösung zu Serie 14 1. Der Datensatz von Forbes zeigt Messungen von Siedepunkt (in F) und Luftdruck (in inches of mercury) an verschiedenen
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
MehrAnalysis I für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg WiSe 2015/16 Prof. Dr. M. Hinze Dr. P. Kiani Analysis I für Studierende der Ingenieurwissenschaften Lösungshinweise zu Blatt 2 Aufgabe 1: (12 Punkte) a) Beweisen
Mehr14. Minimale Schichtdicken von PEEK und PPS im Schlauchreckprozeß und im Rheotensversuch
14. Minimale Schichtdicken von PEEK und PPS im Schlauchreckprozeß und im Rheotensversuch Analog zu den Untersuchungen an LDPE in Kap. 6 war zu untersuchen, ob auch für die Hochtemperatur-Thermoplaste aus
MehrTipp III: Leiten Sie eine immer direkt anwendbare Formel her zur Berechnung der sogenannten "bedingten Wahrscheinlichkeit".
Mathematik- Unterrichts- Einheiten- Datei e. V. Klasse 9 12 04/2015 Diabetes-Test Infos: www.mued.de Blutspenden werden auf Diabetes untersucht, das mit 8 % in der Bevölkerung verbreitet ist. Dabei werden
MehrAbituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler
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
MehrProgramm 4: Arbeiten mit thematischen Karten
: Arbeiten mit thematischen Karten A) Anteil der ausländischen Wohnbevölkerung an der Wohnbevölkerung insgesamt 2001 in Prozent 1. Inhaltliche und kartographische Beschreibung - Originalkarte Bei dieser
MehrKapitalerhöhung - Verbuchung
Kapitalerhöhung - Verbuchung Beschreibung Eine Kapitalerhöhung ist eine Erhöhung des Aktienkapitals einer Aktiengesellschaft durch Emission von en Aktien. Es gibt unterschiedliche Formen von Kapitalerhöhung.
MehrR ist freie Software und kann von der Website. www.r-project.org
R R ist freie Software und kann von der Website heruntergeladen werden. www.r-project.org Nach dem Herunterladen und der Installation von R kann man R durch Doppelklicken auf das R-Symbol starten. R wird
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
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt. Stock, Nordflügel R. 0-49 (Persike) R. 0- (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS 008/009 Fachbereich
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
MehrPolitikverständnis und Wahlalter. Ergebnisse einer Studie mit Schülern und Studienanfängern
Politikverständnis und Wahlalter Ergebnisse einer Studie mit Schülern und Studienanfängern Frage: Lässt sich eine Herabsetzung des Wahlalters in Deutschland durch Ergebnisse zum Politikverständnis bei
MehrWas ist clevere Altersvorsorge?
Was ist clevere Altersvorsorge? Um eine gute Altersvorsorge zu erreichen, ist es clever einen unabhängigen Berater auszuwählen Angestellte bzw. Berater von Banken, Versicherungen, Fondsgesellschaften und
MehrVersuchsplanung. Inhalt. Grundlagen. Faktor-Effekt. Allgemeine faktorielle Versuchspläne. Zweiwertige faktorielle Versuchspläne
Inhalt Versuchsplanung Faktorielle Versuchspläne Dr. Tobias Kiesling Allgemeine faktorielle Versuchspläne Faktorielle Versuchspläne mit zwei Faktoren Erweiterungen Zweiwertige
MehrVermögensbildung: Sparen und Wertsteigerung bei Immobilien liegen vorn
An die Redaktionen von Presse, Funk und Fernsehen 32 02. 09. 2002 Vermögensbildung: Sparen und Wertsteigerung bei Immobilien liegen vorn Das aktive Sparen ist nach wie vor die wichtigste Einflussgröße
MehrTheoretische Grundlagen der Informatik WS 09/10
Theoretische Grundlagen der Informatik WS 09/10 - Tutorium 6 - Michael Kirsten und Kai Wallisch Sitzung 13 02.02.2010 Inhaltsverzeichnis 1 Formeln zur Berechnung Aufgabe 1 2 Hamming-Distanz Aufgabe 2 3
MehrPhysik & Musik. Stimmgabeln. 1 Auftrag
Physik & Musik 5 Stimmgabeln 1 Auftrag Physik & Musik Stimmgabeln Seite 1 Stimmgabeln Bearbeitungszeit: 30 Minuten Sozialform: Einzel- oder Partnerarbeit Voraussetzung: Posten 1: "Wie funktioniert ein
MehrReligionsmonitor Online-Befragung Hintergrundinformationen 15.12.2009
Religionsmonitor Online-Befragung Hintergrundinformationen 15.12.2009 Religionsmonitor Online-Befragung Hintergrundinformationen Seite 2 Religionsmonitor Online-Befragung Hintergrundinformationen Methodische
MehrWas ist aus der ersten Generation von Unternehmergesellschaften geworden?
Prof. Dr. Walter Bayer / Dipl.-Kfm. Thomas Hoffmann, Jena Was ist aus der ersten Generation von Unternehmergesellschaften geworden? In diesen und den nächsten Tagen begehen die ersten Unternehmergesellschaften
MehrAlso kann nur A ist roter Südler und B ist grüner Nordler gelten.
Aufgabe 1.1: (4 Punkte) Der Planet Og wird von zwei verschiedenen Rassen bewohnt - dem grünen und dem roten Volk. Desweiteren sind die Leute, die auf der nördlichen Halbkugel geboren wurden von denen auf
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,
MehrDatenbank-Verschlüsselung mit DbDefence und Webanwendungen.
Datenbank-Verschlüsselung mit DbDefence und Webanwendungen. In diesem Artikel werden wir Ihnen zeigen, wie Sie eine Datenbank verschlüsseln können, um den Zugriff einzuschränken, aber trotzdem noch eine
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
MehrZahlenoptimierung Herr Clever spielt optimierte Zahlen
system oder Zahlenoptimierung unabhängig. Keines von beiden wird durch die Wahrscheinlichkeit bevorzugt. An ein gutes System der Zahlenoptimierung ist die Bedingung geknüpft, dass bei geringstmöglichem
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
Mehr1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
Mehr