Bisher behandelte Verfahren: Kurze Wiederholung
|
|
- Inken Schulz
- vor 6 Jahren
- Abrufe
Transkript
1 Weitere Verfahren der Explorativen Datenanalyse Thomas Schäfer SS 9 1 Bisher behandelte Verfahren: Kurze Wiederholung Generelle Vorgehensweise bei Einzelstudien: 1. (Graphische) Veranschaulichung der Daten (was habe ich gefunden?) Deskriptive und Explorative Datenanalyse (Kennwerte, Tabellen, Abbildungen). Bestimmen der Bedeutsamkeit des Effekts Effektgrößen 3. Inferenzstatistik Standardfehler, Konfidenzintervalle, Signifikanztest Zusammenfassende Analyse vieler Studien Metaanalyse Thomas Schäfer SS 9 1
2 Bisher behandelte Verfahren: Kurze Wiederholung Stamm & Blatt Diagramm Box Plot Sonnenblumendiagramme Lowess & Potenzleiter Streuungsdiagramm Matrix Thomas Schäfer SS 9 3 Stamm & Blatt Diagramm Thomas Schäfer SS 9
3 Box Plot Rechenbeispiel 1: Körpergrößen der Studenten in cm: 17, 171, 17, 179, 179, 13, 13, 1, 17, 17, 1, 191, 191, 19, 19 Körpergröße in cm Stem-and-Leaf Plot Frequency Stem & Leaf 3, 17. 1, , , , , 19. Körp pergröße Stem width: 1, Each leaf: 1 case(s) 15 N = 15 Studenten Thomas Schäfer SS 9 5 Box Plot 3,5, Durchschnittsnote 3,,5, 1,5 Note +- 1 SD,,, 1, 1, 1, 1, N = 31 ja 3 neini N = 31 ja 3 nein Chemnitz erste Wahl als Studienort Chemnitz erste Wahl als Studienort Thomas Schäfer SS 9 3
4 Sonnenblumendiagramme 3,5 3, Durchschnittsnote,5, 1,5 1, Alter Thomas Schäfer SS 9 7 Sonnenblumendiagramme 3,5 Durchschnittsnote 3 3,,5, 1,5 1, 1 ja nein 3 Chemnitz erste Wahl als Studienort Thomas Schäfer SS 9
5 Lowess & Potenzleiter 7 7 ge Rating" "Knowledg 5 3 e Rating" "Knowledge a) Originalwerte b) Exponent:,5 7 7 e Rating" "Knowledge 5 3 e Rating" "Knowledge c) Exponent:,5 d) Exponent: (ln) Demonstration des Prinzips der Potenzleiter mit Hilfe der LOWESS Prozedur Thomas Schäfer SS 9 9 Streuungsdiagramm Matrix RT (r =,11) (r = -,) (r =,93) IQ GENAU ANGST Thomas Schäfer SS 9 1 5
6 EDA: weitere Verfahren zur Illustration von Zusammenhängen Kartesische Plots vs. Polarplots Streuungsdiagramme g Variationen mit Box Plots Influence Plots mit Konfidenzlinien Bubble Plot, Mosaik Plot, Kontour Plot (dritte Variable) Q Plots Prinzip: Vergleich mit Gerade (Abweichungen P Plots leicht wahrnehmbar) Optimales Programm: SYSTAT Thomas Schäfer SS 9 11 Beispiele für kartesische Plots UES BLU HNO TECH ROCKNROL JAZZ Thomas Schäfer SS 9 1
7 Beispiele für Polarplots I 1 TECHNO ROCKNROL 1 JAZZ Thomas Schäfer SS 9 13 Beispiele für Polarplots II MU USIKALI 3 TECHNO 1 MU USIKALI ROCKNROL 1 MUSIKALI 3 JAZZ 1 MUSIKALI 5 5 Thomas Schäfer SS 9 1 7
8 Streuungsdiagramm mit Box Plots Uni und bivariate Verteilungen auf einen Blick 11 1 Num merischer Test Verbaler Test Thomas Schäfer SS 9 15 Influence Plot wie stark beeinflussen einzelne Punkte den Zusammenhang? 11 1 Nu umerischer Test Verbaler Test Pearson r Influence Thomas Schäfer SS 9 1
9 Influence Plot Beispiel mit extremem Wert ANGST RT ANGST RT Pearson r Influence Thomas Schäfer SS 9 17 Streuungsdiagramm mit Konfidenzlinien 9% Konfidenzintervall für Regressionsgerade 11 1 Nu umerischer Test Verbaler Test Thomas Schäfer SS 9 1 9
10 Einfluss von Drittvariablen: Bubble Plot muss Zusammenhang relativiert werden? Drittvariable: IQ (je höher IQ, desto größer Bubble) Num merischer Test Verbaler Test Thomas Schäfer SS 9 19 Beispiel Einfluss der Drittvariable Anzahl der Bewerber Thomas Schäfer SS 9 1
11 Einfluss von Drittvariablen: Mosaikplot muss Zusammenhang relativiert werden? Drittvariable: IQ (wird durch die Farbe codiert) 11 1 Num merischer Test Verbaler Test IQ Thomas Schäfer SS 9 1 Einfluss von Drittvariablen: Kontourplot muss Zusammenhang relativiert werden? Drittvariable: IQ (wird durch Kontourlinien angezeigt) erischer Test Num Verbaler Test Thomas Schäfer SS 9 11
12 Q Plots (Quantil Plots) Analyse der Häufigkeitsverteilung von Variablen erlauben Aussagen über die Symmetrie einer Verteilung benutzt werden die Quantile der Verteilungen, die eine Art Streuungsmaß darstellen Verteilungen können empirische oder theoretische sein Thomas Schäfer SS 9 Q Plot (einfaches Quantil Plot) Quantile werden gegen die Rohwerte abgetragen Gerade bei Gleichverteilung umgekehrt S förmige Beziehung bei Normalverteilung linksschiefe Verteilung n (Quantile) Anteil der Daten IQ n (Quantile) Anteil der Daten annähernd Gleichverteilung Verbaler Test Thomas Schäfer SS 9 1
13 Q Plot (einfaches Quantil Plot) Beispiel: Wohnungsgröße (nach dem SOEP ) Thomas Schäfer SS 9 5 Q Q Plot (Quantil Quantil Plot) zwei empirische Variablen haben zwei Variablen die gleiche Verteilung? (wenn ja, müsste Q Q Plot eine Gerade meist die Winkelhalbierende ergeben) 13 1 Einkommen Frauen vs. Einkommen Männer IQ Verbaler Test Thomas Schäfer SS 9 13
14 Q Q Plot (Quantil Quantil Plot) empirische vs. theoretische Verteilung Vergleich einer empirischen mit einer theoretischen Verteilung (z.b. Normalverteilung: Normal Quantil Plot) Punkte sollten auf der Winkelhalbierenden klhlb liegen Normalverteilung der Wohnfläche? schiefe Verteilung Thomas Schäfer SS 9 7 Sonderform: Probability Plot (P Plot) im Gegensatz zu den Quantil Plots, die die Enden einer Verteilung betonen, wird hier die Mitte der Verteilung stärker betont hier werden die beobachteten kumulierten Wahrscheinlichkeiten gegen die erwarteten kumulierten Wahrscheinlichkeiten abgetragen auch hier sollte eine Gerade entstehen P Plot (Was sind kumulierte Wahrscheinlichkeiten?) Verteilung der Dichte kumulierte Verteilung Expected Value for Normal Distribution 1 zu hoch Verbaler Test Thomas Schäfer SS 9-1 zu niedrig 1
15 EDA: weitere Verfahren zur Illustration von multivariaten Zusammenhängen 3 D Smoother (DWLS) Rechteck Icons (3 Variablen) Star Plot, Variante (Icon Plot) Chernoff Gesichter Weitere Icon Plots Thomas Schäfer SS 9 9 DWLS: Distance Weighted Least Squares sozusagen eine Lowess Ebene für drei Variablen Thomas Schäfer SS
16 DWLS: Distance Weighted Least Squares (nach Dörr et al., ) Thomas Schäfer SS 9 31 Rechteck Icons Person 1 Person Person 3 Person Person 5 Person IQ: Füllung Verb. Test: Breite Num. Test: Höhe Person 7 Person Person 9 Person 1 Thomas Schäfer SS 9 3 1
17 Starplot, Variante jeder Plot bildet Werte für einen Fall (Case) ab Angst Genauigkeit Probleml. IQ RT Patient 1 Patient Patient 3 Patient Patient 5 Patient Patient 7 Patient Thomas Schäfer SS 9 33 Starplot, Variante Thomas Schäfer SS
18 Chernoff Gesichter Patient 1 Patient Patient 3 Patient Patient 5 Patient Patient 7 Patient Problemlösetest: Reaktionszeit: Genauigkeitstest: IQ: Angsttest: Ausmaß des Lächelns (Patient hat die meisten Aufgaben gelöst) Neigung der Augenbrauen (Patient 1 ist der schnellste) Breite der Nase (Patient 7 war am benauesten) Länge des Gesichts (Patient hat höchsten IQ) Länge der Haare (Patient hat höchsten Wert) Thomas Schäfer SS 9 35 Weitere Icon Plots Histogramm Plot Patient 1 Patient Patient 3 Patient Patient 5 Patient Patient 7 Patient Profil Plot Bei ungleichen Wertebereichen: z Transformation! Patient 1 Patient Patient 3 Patient Patient 5 Patient Patient 7 Patient Thomas Schäfer SS 9 3 1
Standardisierung 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
Mehr- Beschreibung der Stichprobe(n-Häufigkeitsverteilung) <- Ermittlung deskriptiver Maßzahlen (Mittelungsmaße, Variationsmaße, Formparameter)
Mehr
Statistik I. Übungklausur. Prof. Dr. H. Toutenburg
Statistik I Übungklausur Prof. Dr. H. Toutenburg Hinweis: Die Zeitangaben sollen Ihnen aufzeigen wieviel Zeit Ihnen für eine Aufgabe von gewissem Umfang eingeräumt wird. Die Punktzahlen für die einzelnen
MehrINFERENZSTATISTISCHE AUSSAGEN FÜR LAGEMAßE UND STREUUNGSMAßE. Inferenzstatistik für Lagemaße Inferenzstatistik für Streuungsmaße
DAS THEMA: INFERENZSTATISTIK III INFERENZSTATISTISCHE AUSSAGEN FÜR LAGEMAßE UND STREUUNGSMAßE Inferenzstatistik für Lagemaße Inferenzstatistik für Streuungsmaße Inferenzstatistik für Lagemaße Standardfehler
Mehrmethodenlehre ll Grenzen des Signifikanztests methodenlehre ll Grenzen des Signifikanztests
Möglichkeiten und Grenzen des Signifikanztests Thomas Schäfer SS 29 1 Grenzen des Signifikanztests Sie haben zur Untersuchung Ihrer Fragestellung eine Experimental und eine Kontrollgruppe mit jeweils 2
MehrDeskriptive Statistik
Deskriptive Statistik [descriptive statistics] Ziel der deskriptiven (beschreibenden) Statistik einschließlich der explorativen Datenanalyse [exploratory data analysis] ist zunächst die übersichtliche
MehrEvaluation der Normalverteilungsannahme
Evaluation der Normalverteilungsannahme. Überprüfung der Normalverteilungsannahme im SPSS P. Wilhelm; HS SPSS bietet verschiedene Möglichkeiten, um Verteilungsannahmen zu überprüfen. Angefordert werden
Mehr4. Kumulierte Häufigkeiten und Quantile
4. Kumulierte Häufigkeiten und Quantile Kumulierte Häufigkeiten Oft ist man nicht an der Häufigkeit einzelner Merkmalsausprägungen interessiert, sondern an der Häufigkeit von Intervallen. Typische Fragestellung:
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
MehrMarkus Burkhardt, Peter Sedlmeier: Explorative und deskriptive Datenanalyse mit R
Markus Burkhardt, Peter Sedlmeier: Explorative und deskriptive Datenanalyse mit R Sozialwissenschaftliche Forschungsmethoden, hrsg. von Wenzel Matiaske, Martin Spieß u.a., Band 10, Rainer Hampp Verlag,
MehrWillkommen zur Vorlesung Statistik
Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Häufigkeiten und ihre Verteilung, oder: Zusammenfassende Darstellungen einzelner Variablen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt Methodenlehre Mathematische und statistische Methoden I Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Dr. Malte Persike persike@uni-mainz.de
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
Mehr3 Häufigkeitsverteilungen
3 Häufigkeitsverteilungen 3.1 Absolute und relative Häufigkeiten 3.2 Klassierung von Daten 3.3 Verteilungsverläufe 3.1 Absolute und relative Häufigkeiten Datenaggregation: Bildung von Häufigkeiten X nominal
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
MehrDeskriptive Statistik 1 behaftet.
Die Statistik beschäftigt sich mit Massenerscheinungen, bei denen die dahinterstehenden Einzelereignisse meist zufällig sind. Statistik benutzt die Methoden der Wahrscheinlichkeitsrechnung. Fundamentalregeln:
MehrForschungsmethoden und Statistik in der Psychologie
Peter Sedlmeier Frank Renkewitz Forschungsmethoden und Statistik in der Psychologie PEARSON Studium ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney
MehrVerteilungsfunktion und dquantile
Statistik 1 für SoziologInnen Verteilungsfunktion und dquantile Univ.Prof. Dr. Marcus Hudec Kumulierte Häufigkeiten Hinweis: Damit die Kumulation inhaltlich sinnvoll ist, muss das Merkmal zumindest ordinal
MehrLiteratur: Glantz, S.A. (2002). Primer of Biostatistics. New York: McGraw-Hill.
Statistik Literatur: Glantz, S.A. (2002). Primer of Biostatistics. New York: McGraw-Hill. Maxwell, S.E. & Delaney, H.D. (2000). Designing Experiments and Analyzing Data. Mahwah, NJ: Erlbaum. Das Grundproblem
MehrETWR Teil B. Spezielle Wahrscheinlichkeitsverteilungen (stetig)
ETWR Teil B 2 Ziele Bisher (eindimensionale, mehrdimensionale) Zufallsvariablen besprochen Lageparameter von Zufallsvariablen besprochen Übertragung des gelernten auf diskrete Verteilungen Ziel des Kapitels
MehrWiederholung Hypothesentests Zusammenfassung. Hypothesentests. Statistik I. Sommersemester Statistik I Hypothesentests I (1/36)
Statistik I Sommersemester 2009 Statistik I I (1/36) Wiederholung Grenzwertsatz Konfidenzintervalle Logik des 0.0 0.1 0.2 0.3 0.4 4 2 0 2 4 Statistik I I (2/36) Zum Nachlesen Agresti/Finlay: Kapitel 6+7
MehrBivariater Zusammenhang in der Mehrfeldertafel PEΣO
Bivariater Zusammenhang in der Mehrfeldertafel PEΣO 9. November 2001 Bivariate Häufigkeitsverteilungen in Mehrfeldertabellen In der Mehrfeldertabelle werden im Gegensatz zur Vierfeldertabelle keine dichotomen
MehrMultiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren)
Multiple Regression 1 Was ist multiple lineare Regression? Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Annahme: Der Zusammenhang
MehrStandardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend
Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten
MehrKapitel 38 Verteilungsdiagramme
Kapitel 38 Verteilungsdiagramme Mit Verteilungsdiagrammen können Sie grafisch untersuchen, inwieweit die Stichprobenverteilung einer Variablen mit einer theoretischen Verteilung übereinstimmt. So können
MehrVS PLUS
VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen Inferenzstatistik 2 [Übungsaufgaben und Lösungenn - Inferenzstatistik 2] ÜBUNGSAUFGABEN
MehrDr. Reinhard Vonthein, Dipl. Statistiker (Univ.)
Dr. Reinhard Vonthein, Dipl. Statistiker (Univ.) Reinhard.Vonthein@imbs.uni-luebeck.de Institut für Medizinische Biometrie und Statistik Universität zu Lübeck / Universitätsklinikums Schleswig-Holstein
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 12.5.2006 1 Test auf Anteilswert: Binomialtest Sei eine Stichprobe unabhängig, identisch verteilter ZV (i.i.d.). Teile diese Stichprobe in zwei Teilmengen
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...
MehrMedizinische Biometrie (L5)
Medizinische Biometrie (L5) Vorlesung III Wichtige Verteilungen Prof. Dr. Ulrich Mansmann Institut für Medizinische Informationsverarbeitung, Biometrie und Epidemiologie mansmann@ibe.med.uni-muenchen.de
MehrKapitel 35 Histogramme
Kapitel 35 Histogramme In einem Histogramm können Sie die Häufigkeitsverteilung der Werte einer intervallskalierten Variablen darstellen. Die Werte werden zu Gruppen zusammengefaßt und die Häufigkeiten
MehrMethoden der empirischen Sozialforschung I
Methoden der empirischen Sozialforschung I Annelies Blom, PhD TU Kaiserslautern Wintersemester 2011/12 Übersicht Quantitative Datenauswertung: deskriptive und induktive Statistik Wiederholung: Die wichtigsten
MehrDeskriptive Statistik
Deskriptive Statistik In der beschreibenden Statistik werden Methoden behandelt, mit deren Hilfe man Daten übersichtlich darstellen und kennzeichnen kann. Die Urliste (=Daten in der Reihenfolge ihrer Erhebung)
MehrDipl.-Volksw. Markus Pullen Wintersemester 2012/13
Statistische Auswertungen mit R Universität Kassel, FB 07 Wirtschaftswissenschaften Dipl.-Volksw. Markus Pullen Wintersemester 2012/13 Beispiele 8. Sitzung Konfidenzintervalle, Hypothesentests > # Anwendungsbeispiel
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
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übung 2 28.02.2008 1 Inhalt der heutigen Übung Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben 2.1: Häufigkeitsverteilung 2.2: Tukey Boxplot 25:Korrelation
MehrLaborchemische Referenzwerte in der klinischen Versorgung
Laborchemische Referenzwerte in der klinischen Versorgung Dr. Robin Haring Institut für Klinische Chemie und Laboratoriumsmedizin Universitätsmedizin Greifswald Wozu Referenzwerte? Vor allem in der Laboratoriumsmedizin
MehrKapitel 2. Häufigkeitsverteilungen
6 Kapitel 2 Häufigkeitsverteilungen Ziel: Darstellung bzw Beschreibung (Exploration) einer Variablen Ausgangssituation: An n Einheiten ω,, ω n sei das Merkmal X beobachtet worden x = X(ω ),, x n = X(ω
MehrIf something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra
If something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra If you torture your data long enough, they will tell you whatever you want to hear. James L. Mills Warum Biostatistik?
MehrStatistik. Datenanalyse mit EXCEL und SPSS. Prof. Dr. Karlheinz Zwerenz. R.Oldenbourg Verlag München Wien. Von
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz R.Oldenbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL I GRUNDLAGEN
MehrTabellen und Abbildungen Dr. Z. Shi Wiss. Arbeiten
Tabellen und Abbildungen 23.11.16 Dr. Z. Shi Wiss. Arbeiten Tree of Knowledge 1.Zweck von Tabellen & Abbildungen 2. Leitfragen 3. Regeln für Tabellen & Abbildungen 4. Tabellen 5. Abbildungen 6. Checklist
MehrKategorielle Daten. Seminar für Statistik Markus Kalisch
Kategorielle Daten Markus Kalisch 1 Phase 3 Studie: Wirksamer als Placebo? Medikament Placebo Total Geheilt 15 9 24 Nicht geheilt 10 11 21 Total 25 20 45 Grundfrage: Sind Heilung und Medikamentengabe unabhängig?
MehrInhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden
Inhaltsverzeichnis Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3 Warum Statistik? 3 Checkpoints 4 Daten 4 Checkpoints 7 Skalen - lebenslang wichtig bei der Datenanalyse
MehrKorrelation - Regression. Berghold, IMI
Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines
MehrEinführung in SPSS. 1. Die Datei Seegräser
Einführung in SPSS 1. Die Datei Seegräser An 25 verschiedenen Probestellen wurde jeweils die Anzahl der Seegräser pro m 2 gezählt und das Vorhandensein von Seeigeln vermerkt. 2. Programmaufbau Die wichtigsten
MehrÜber den Autor 7. Teil Beschreibende Statistik 29
Inhaltsverzeichnis Über den Autor 7 Einführung Über dieses Buch - oder:»... für Dummies«verpflichtet! Wie man dieses Buch benutzt 22 Wie ich Sie mir vorstelle 22 Wie dieses Buch aufgebaut ist 23 Teil I:
MehrVersuchsplanung. Teil 2 Varianzanalyse (ANOVA) Dr. Tobias Kiesling
Versuchsplanung Teil 2 Varianzanalyse (ANOVA) Dr. Tobias Kiesling Gliederung Grundlagen der Varianzanalyse Streuungszerlegung und Modellschätzer Modellannahmen und Transformationen
MehrChi-Quadrat Verfahren
Chi-Quadrat Verfahren Chi-Quadrat Verfahren werden bei nominalskalierten Daten verwendet. Die einzige Information, die wir bei Nominalskalenniveau zur Verfügung haben, sind Häufigkeiten. Die Quintessenz
MehrInferenzstatistik (=schließende Statistik)
Inferenzstatistik (=schließende Statistik) Grundproblem der Inferenzstatistik: Wie kann man von einer Stichprobe einen gültigen Schluß auf di Grundgesamtheit ziehen Bzw.: Wie groß sind die Fehler, die
MehrDeskriptive Statistik
Fakultät für Humanwissenschaften Sozialwissenschaftliche Methodenlehre Prof. Dr. Daniel Lois Deskriptive Statistik Stand: April 2015 (V2) Inhaltsverzeichnis 1. Notation 2 2. Messniveau 3 3. Häufigkeitsverteilungen
MehrSPSS-Beispiel zum Kapitel 4: Deskriptivstatistische Evaluation von Items (Itemanalyse) und Testwertverteilungen
SPSS-Beispiel zum Kapitel 4: Deskriptivstatistische Evaluation von Items (Itemanalyse) und Testwertverteilungen Augustin Kelava 22. Februar 2010 Inhaltsverzeichnis 1 Einleitung zum inhaltlichen Beispiel:
MehrAnhang A: Fragebögen und sonstige Unterlagen
Anhang Anhang A: Fragebögen und sonstige Unterlagen A.: Flyer zur Probandenrekrutierung 46 A.: Fragebogen zur Meditationserfahrung 47 48 A.3: Fragebogen Angaben zur Person 49 5 5 A.4: Termin- und Einladungsschreiben
Mehr0 Einführung: Was ist Statistik
0 Einführung: Was ist Statistik 1 Datenerhebung und Messung 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Explorative Datenanalyse EDA Auffinden von Strukturen
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS
Sommersemester 2009, Statistik mit SPSS 26. August 2009 26. August 2009 Statistik Dozentin: mit Anja SPSS Mays 1 Bivariate Datenanalyse, Überblick bis Freitag heute heute Donnerstag Donnerstag Freitag
MehrDatenvisualisierung mit JMP
Datenvisualisierung mit JMP Patrick René Warnat HMS Analytical Software GmbH Rohrbacherstr. 26 Heidelberg patrick.warnat@analytical-software.de Zusammenfassung Das JMP Paket ist ein Softwareprodukt der
MehrPrüfungstutorat: Angewandte Methoden der Politikwissenschaft. Polito Seminar Carl Schweinitz 10.12.2014
Prüfungstutorat: Angewandte Methoden der Politikwissenschaft Polito Seminar Carl Schweinitz 10.12.2014 Übersicht 1. Einheiten und Variablen 2. Skalen und ihre Transformation 3. Deskriptive Statistik 4.
MehrLösungen zu den Übungsaufgaben in Kapitel 10
Lösungen zu den Übungsaufgaben in Kapitel 10 (1) In einer Stichprobe mit n = 10 Personen werden für X folgende Werte beobachtet: {9; 96; 96; 106; 11; 114; 114; 118; 13; 14}. Sie gehen davon aus, dass Mittelwert
MehrSozialwissenschaftliche Datenanalyse mit R
Katharina Manderscheid Sozialwissenschaftliche Datenanalyse mit R Eine Einführung F' 4-1 V : 'i rl ö LiSl VS VERLAG Inhaltsverzeichnis Vorwort 5 Danksagung 7 Inhaltsverzeichnis 9 R für sozialwissenschaftliche
Mehr2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen
4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form
MehrEine zweidimensionale Stichprobe
Eine zweidimensionale Stichprobe liegt vor, wenn zwei qualitative Merkmale gleichzeitig betrachtet werden. Eine Urliste besteht dann aus Wertepaaren (x i, y i ) R 2 und hat die Form (x 1, y 1 ), (x 2,
MehrGrundlagen der Versuchsmethodik. Datenauswertung. Datenvisualisierung
Grundlagen der Versuchsmethodik Datenauswertung Datenvisualisierung Der Anfang: Hypothesen über Ursache-Wirkungs-Zusammenhänge Ursache Wirkung Koffein verbessert Kurzzeitgedächtnis Gewaltfilme führen zu
MehrKorrelation und Regression
FB 1 W. Ludwig-Mayerhofer und 1 und FB 1 W. Ludwig-Mayerhofer und 2 Mit s- und sanalyse werden Zusammenhänge zwischen zwei metrischen Variablen analysiert. Wenn man nur einen Zusammenhang quantifizieren
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
MehrTutorium zur Vorlesung Statistik I, Prof. Dr. W. Ludwig-Mayerhofer WiSe 2009/10. Aufgabensammlung Tutorium WiSe 2009/10
Aufgabensammlung Tutorium In der folgenden Aufgabensammlung finden Sie die Aufgaben, die im Tutorium 1 besprochen werden. Bearbeiten Sie die Aufgaben unbedingt vorab. Teilen Sie bitte den Tutoren Bastian
Mehr14.01.14 DAS THEMA: INFERENZSTATISTIK II. Standardfehler Konfidenzintervalle Signifikanztests. Standardfehler
DAS THEMA: INFERENZSTATISTIK II INFERENZSTATISTISCHE AUSSAGEN Standardfehler Konfidenzintervalle Signifikanztests Standardfehler der Standardfehler Interpretation Verwendung 1 ZUR WIEDERHOLUNG... Ausgangspunkt:
MehrInhaltsverzeichnis. II. Statistische Modelle und sozialwissenschaftliche Meßniveaus 16
Vorwort 1 1. Kapitel: Der Stellenwert der Statistik für die sozialwissenschaflliche Forschung 1 1. Zur Logik (sozial-)wissenschaftlicher Forschung 1 1. Alltagswissen und wissenschaftliches Wissen 1 2.
MehrTabellarische und graphie Darstellung von univariaten Daten
Part I Wrums 1 Motivation und Einleitung Motivation Satz von Bayes Übersetzten mit Paralleltext Merkmale und Datentypen Skalentypen Norminal Ordinal Intervall Verältnis Merkmalstyp Diskret Stetig Tabellarische
MehrJOACHIM BEHNKE / NINA BAUR / NATHALIE BEHNKE. Empirische Methoden der Politikwissenschaft
JOACHIM BEHNKE / NINA BAUR / NATHALIE BEHNKE Empirische Methoden der Politikwissenschaft 1 Einleitung 13 2 Methoden im empirischen Forschungsprozess 17 2.1 Methoden und wissenschaftliche Theorie 17 2.2
MehrDeskriptive Statistik & grafische Darstellung
Deskriptive Statistik & grafische Darstellung Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) Deskriptive
MehrKeine Panik vor Statistik!
Markus Oestreich I Oliver Romberg Keine Panik vor Statistik! Erfolg und Spaß im Horrorfach nichttechnischer Studiengänge STUDIUM 11 VIEWEG+ TEUBNER Inhaltsverzeichnis 1 Erstmal locker bleiben: Es längt
MehrSchätzer (vgl. Kapitel 1): Stichprobenmittel X N. Stichprobenmedian X N
Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.1 Schätzer für Lage- und Skalenparameter und Verteilungsmodellwahl Lageparameter (l(x + a) = l(x) + a): Erwartungswert EX Median von X
MehrRegression ein kleiner Rückblick. Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate
Regression ein kleiner Rückblick Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate 05.11.2009 Gliederung 1. Stochastische Abhängigkeit 2. Definition Zufallsvariable 3. Kennwerte 3.1 für
MehrKapitel 12 Stetige Zufallsvariablen Dichtefunktion und Verteilungsfunktion. stetig. Verteilungsfunktion
Kapitel 12 Stetige Zufallsvariablen 12.1. Dichtefunktion und Verteilungsfunktion stetig Verteilungsfunktion Trägermenge T, also die Menge der möglichen Realisationen, ist durch ein Intervall gegeben Häufig
MehrStatistik. Jan Müller
Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen
MehrEinführung in die statistische Datenanalyse I
Einführung in die statistische Datenanalyse I Inhaltsverzeichnis 1. EINFÜHRUNG IN THEORIEGELEITETES WISSENSCHAFTLICHES ARBEITEN 2 2. KRITIERIEN ZUR AUSWAHL STATISTISCH METHODISCHER VERFAHREN 2 3. UNIVARIATE
MehrVon der Normalverteilung zu z-werten und Konfidenzintervallen
Von der Normalverteilung zu z-werten und Konfidenzintervallen Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH
MehrHypothesenprüfung. Darüber hinaus existieren zahlreiche andere Testverfahren, die alle auf der gleichen Logik basieren
Hypothesenprüfung Teil der Inferenzstatistik Befaßt sich mit der Frage, wie Hypothesen über eine (in der Regel unbekannte) Grundgesamtheit an einer Stichprobe überprüft werden können Behandelt werden drei
MehrVeranstaltungsort Bildungsherberge der Studierendenschaft der FernUniversität Hagen
Bildungsurlaub-Seminare: Lerninhalte und Programm Seminartitel SPSS für Psychologen/innen (BH15113) Termin Mo, den 18.05.bis Fr, den 22.05.2015 (40 UStd.) Veranstaltungsort Bildungsherberge der Studierendenschaft
MehrWahrscheinlichkeits - rechnung und Statistik
Michael Sachs Mathematik-Studienhilfen Wahrscheinlichkeits - rechnung und Statistik für Ingenieurstudenten an Fachhochschulen 4., aktualisierte Auflage 2.2 Eindimensionale Häufigkeitsverteilungen 19 absolute
MehrKapitel 1: Deskriptive Statistik
Kapitel 1: Deskriptive Statistik Grafiken 1 Statistische Kennwerte 5 z-standardisierung 7 Grafiken Mit Hilfe von SPSS lassen sich eine Vielzahl unterschiedlicher Grafiken für unterschiedliche Zwecke erstellen.
MehrSchätzung des Lifetime Values von Spendern mit Hilfe der Überlebensanalyse
Schätzung Lifetime Values von Spenn mit Hilfe Überlebensanalyse Einführung in das Verfahren am Beispiel Einzugsgenehmigung Überlebensanalysen o Ereignisdatenanalysen behandeln das Problem, mit welcher
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester Statistik mit SPSS
Sommersemester 2009 Statistik mit SPSS 15. Mai 2009 15. Mai 2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1 Überblick 1. Korrelation vs. Regression 2. Ziele der Regressionsanalyse 3. Syntax für
MehrBivariate Kreuztabellen
Bivariate Kreuztabellen Kühnel, Krebs 2001 S. 307-342 Gabriele Doblhammer: Empirische Sozialforschung Teil II, SS 2004 1/33 Häufigkeit in Zelle y 1 x 1 Kreuztabellen Randverteilung x 1... x j... x J Σ
MehrKapitel 34 Boxplots und Fehlerbalken
Kapitel 34 Boxplots und Fehlerbalken Boxplots und Fehlerbalken sind dazu geeignet, die Lage und Verteilung der Werte einer Stichprobe grafisch darzustellen. Die beiden Diagrammtypen sind auf die Darstellungen
MehrÜbung zur Empirischen Wirtschaftsforschung V. Das Lineare Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Christian Peukert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2010
MehrSPSS III Mittelwerte vergleichen
SPSS III Mittelwerte vergleichen A Zwei Gruppen ------------ Zwei-Stichproben t-test Beispieldatei: Seegräser Fragestellung: Unterscheidet sich die Anzahl der Seegräser in Gebieten mit und ohne Seeigelvorkommen
MehrGrundlagen von Versuchsmethodik und Datenanalyse
Grundlagen von Versuchsmethodik und Datenanalyse Der Anfang: Hypothesen über Ursache-Wirkungs-Zusammenhänge Ursache Wirkung Koffein verbessert Kurzzeitgedächtnis Gewaltfilme führen zu aggressivem Verhalten
MehrAnalytische Statistik II
Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Das Testen von Hypothesen Während die deskriptive Statistik die Stichproben nur mit Hilfe quantitativer Angaben charakterisiert,
MehrVorlesung: Statistik für Kommunikationswissenschaftler
Vorlesung: Statistik für Kommunikationswissenschaftler Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München WiSe 2009/2010 Übungen zur Veranstaltung Mittwoch: 14.15-15.45 HG DZ007 Cornelia Oberhauser
MehrTabellen und Abbildungen
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Tabellen und Abbildungen Überblick Tabellen Abbildungen Polygonzug Histogramm Box-Plot
MehrKapitel VI - Lage- und Streuungsparameter
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel VI - Lage- und Streuungsparameter Markus Höchstötter Lehrstuhl für Statistik, Ökonometrie
MehrEine computergestützte Einführung mit
Thomas Cleff Deskriptive Statistik und Explorative Datenanalyse Eine computergestützte Einführung mit Excel, SPSS und STATA 3., überarbeitete und erweiterte Auflage ^ Springer Inhaltsverzeichnis 1 Statistik
MehrStatistische Auswertung in der Betriebsprüfung
Dr. Harald Krehl Der Einsatz verteilungsbezogener Verfahren Der Einsatz verteilungsbezogener Verfahren etwa des Benford- Newcomb Verfahrens oder der Normalverteilung bzw. der LogNormalverteilung in der
MehrEinfache Statistiken in Excel
Einfache Statistiken in Excel Dipl.-Volkswirtin Anna Miller Bergische Universität Wuppertal Schumpeter School of Business and Economics Lehrstuhl für Internationale Wirtschaft und Regionalökonomik Raum
MehrDatenaufbereitung, Grafische Datenanalyse
Datenaufbereitung, Grafische Datenanalyse R-Übung 2 Statistik III für Nebenfachstudierende LMU WS 2013/14 David Rügamer 6. & 13. November 2013 Nach einer Vorlage von Toni Hilger (WS 11/12) und Arne Kaldhusdal
MehrModulklausur Multivariate Verfahren
Name, Vorname Matrikelnummer Modulklausur 31821 Multivariate Verfahren Datum Punkte Note Termin: 28. März 2014, 9.00-11.00 Uhr Erstprüfer: Univ.-Prof. Dr. H. Singer Hinweise zur Bearbeitung der Modulklausur
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
Mehr