Zusammenfassung Kategorien und Kategorieffekte
|
|
- Eike Kaiser
- vor 6 Jahren
- Abrufe
Transkript
1 Zusammenfassung Kategorien und Kategorieffekte Stereotype 2012 Henrik Singmann
2 Wiederholung Am Ende der letzten Stunde habe ich noch versucht ein Experiment vorzustellen. Worum ging es? Was war die Idee hinter dem Experiment? Wie sah es aus? 2
3 Ist Ingroup-Favoritism ein allgemeines Phänomen? Forschungsfrage: Was muss eine Gruppe mindestens aufweisen, damit Ingroup-Favoritism entsteht? Bei Kindern reicht Gruppenzugehörigkeit alleine (Handschuhfarbe) nicht aus. Aber bei Älteren? 3
4 Minimal-Group Paradigma Bedingungen für minimal-group Effekte (Tajfel et al. 1971): Keine Face-to-Face Interaktion (weder innerhalb nich zwischen Gruppen) Komplette Anonymität über Gruppenzugehörigkeit Die Entscheidung/Aufgabe darf der VP keinen Vorteil bringen. Entscheidungen müssen verschiedene Strategien (Gleicverteilung, Gut für Ingroup, ) gegenüber stellen. Die Entscheidungen der VP müssen möglichst wichtig sein (möglichst konkrete Konsequenzen für andere haben). D.h., keine reinen Evaluationen der In- und Outgroup. Die Gruppenzugehörigkeit beruht auf einer Entscheidung der VP (z.b., Menge an Punkten/Bohnen, ästhetisches Urteil) 4
5 Minimal-Group Paradigma Bedingungen für minimal-group Effekte (Tajfel et al. 1971): Keine Face-to-Face Interaktion (weder innerhalb nich zwischen Gruppen) Komplette Anonymität über Gruppenzugehörigkeit Die Entscheidung/Aufgabe darf der VP keinen Vorteil bringen. Entscheidungen müssen verschiedene Strategien (Gleicverteilung, Gut für Ingroup, ) gegenüber stellen. Die Entscheidungen der VP müssen möglichst wichtig sein (möglichst konkrete Konsequenzen für andere haben). D.h., keine reinen Evaluationen der In- und Outgroup. Die Gruppenzugehörigkeit beruht auf einer Entscheidung der VP (z.b., Menge an Punkten/Bohnen, ästhetisches Urteil) 5
6 Minimal-Group Paradigma Bedingungen für minimal-group Effekte (Tajfel et al. 1971): Keine Sobald Face-to-Face ein Kriterium Interaktion für die (weder innerhalb nich zwischen Gruppen) Gruppenzugehörigkeit da ist, kann dieses Kriterium immer Komplette benutzt Anonymität werden über um Gruppenzugehörigkeit Gruppenunterschiede zu Die Entscheidung/Aufgabe rechtfertigen: darf der VP keinen Vorteil bringen. Entscheidungen müssen verschiedene Strategien (Gleicverteilung, Gut für Ingroup, ) gegenüber stellen. Die Menschen die wie ich auf Kadinsky stehen, sind mir Die Entscheidungen der VP müssen möglichst bestimmt wichtig ähnlicher sein als die, die (möglichst konkrete Konsequenzen für andere haben). D.h., keine reinen Evaluationen der In- und Outgroup. nicht auf Kandinsky stehen. Darum gebe ich ihnen mehr. Die Gruppenzugehörigkeit beruht auf einer Entscheidung der VP (z.b., Menge an Punkten/Bohnen, ästhetisches Urteil) 6
7 Ingroup-Favoritism ohne Kriterium? Studie von Billig und Tajfel (1973): Trennung von Gruppenzugehörigkeit und Kriterium VPs: 75 männliche Schüler zwischen 14 und 16 Jahren Experiment ist in zwei Teile geteilt. - Teil 1: VPs sehen 12 Bilder moderner Künstler (Klee & Kandinsky) und sollen Geschmacksurteile abgeben. - Teil 2: VPs müssen anhand von Matrizen Geld verteilen. 2 UVs: - Gruppenzugehörigkeit: Es wird eine Gruppenzugehörigkeit erzeugt versus Gruppe wird nicht explizit erwähnt - Kriterium: Zuordnung erfolgt (scheinbar) anhand der ästhetischen Urteile oder zufällig (und die VP Wissen das) 7
8 4 Gruppen Kategorisierung & Ähnlichkeit (Kriterium): Minimal-Group Paradigma: VPs werden in Gruppen Klee und Kandinsky eingeteilt. Anschließend folgt Geldverteilung an Mitglieder der Klee- und Kandinsky-Gruppe Kategorisierung & keine Ähnlichkeit: Beide Teile sind unabhängig. VPs werden zufällig (durch Münzwurf) in zwei Gruppen ( X und W ) eingeteilt. Anschließend erfolgt Geldverteilung an Mitglieder der X- und W- Gruppe Keine Kategorisierung & Ähnlichkeit: VP erhalten eine Nummer anhand des ästhetischen Urteils. Klee in den 40ern, Kandinsky in den 70ern. Geldverteilung erfolgt für bestimmte Nummern (z.b. 49). Gruppenzugehörigkeit ist implizit, keine Referenz auf Gruppe. Keine Kategorisierung & keine Ähnlichkeit: VP erhalten eine zufällige Nummer. Es gibt Nummern in den 40ern und Nummern in den 70ern. Geldverteilung erfolgt für bestimmte Nummern. 8
9 Messen von Ingroup-Favoritism AV 1: Nr. 44 (Kandinsky/W, Outgroup) Nr. 74 (Klee/X, Ingroup) Nr. 74 (Klee/X, Ingroup) Nr. 44 (Kandinsky/W, Outgroup) Stereotype 2012
10 Messen von Ingroup-Favoritism AV 1: FAV & MJP Nr. 44 (Kandinsky/W, Outgroup) Nr. 74 (Klee/X, Ingroup) FAV = Ingroup Favoritism F = fair MJP = maximal joint profit Nr. 74 (Klee/X, Ingroup) Nr. 44 (Kandinsky/W, Outgroup) Stereotype 2012
11 11
12 Messen von Ingroup-Favoritism AV 1: Nr. 48 (Kandinsky/W, Outgroup) Nr. 73 (Klee/X, Ingroup) Nr. 73 (Klee/X, Ingroup) Nr. 48 (Kandinsky/W, Outgroup)
13 Messen von Ingroup-Favoritism AV 1: FAV & F Nr. 48 (Kandinsky/W, Outgroup) Nr. 73 (Klee/X, Ingroup) F FAV Nr. 73 (Klee/X, Ingroup) Nr. 48 (Kandinsky/W, Outgroup) MJP: konstant 13
14 14
15 15
16 Ergebnisse Billig & Tajfel (1973) Es zeigt sich ein Ingroup-Favoritism sobald die Kategorien (Gruppen Labels) vorhanden sind: Wenn man Menschen in ingroup und outgroup eingeteilt werden, benutzt man diese Gruppenzugehörigkeit und bevorzugt die Ingroup. Es zeigt sich (hier) scheinbar kein Effekt des Kriteriums alleine. Mit Kategorisierung führt es zu (leicht) größeren Effekten, alleine kein Effekt. 16
17 Unterschiede Mahajan & Wynn finden kein Ingroup-Favoritism in der Assignment Condition bei Babys Billig & Tajfel finden Ingroup-Favoritism in der Zufallsbedingung Wie kann man das erklären? 17
18 Mögliche Erklärungen Der Ingroup-Favoritism scheint ein allgemeines Phänomen zu sein das schon bei Säuglingen auftritt (Mahajan & Billing, Experiment 1a & 1b). Bei Säuglingen muss die Gruppenzugehörigkeit aber durch ein signifikantes Kriterium geben sei, bei Adoleszenten nicht mehr. Also: Was als Gruppenzugehörigkeit zählt, entwickelt sich im Laufe des Lebens. Das Assignment in Experiment 2 erzeugt für die Babys keine 2 Gruppen, ist zu abstrakt. Vielleicht müsste man die Gruppenzugehörigkeit stärker manipulieren, indem es jeweils mehrere Wesen mit den Handschuhen geben muss. Babys sehen darin keine Gruppen sondern nur Wesen mit unterschiedlichen Handschuhen. 18
19 Statistik 19
20 Wichtige statistische Verfahren Korrelation - Gibt den Zusammenhang zwischen zwei Variablen an Regression - Gibt den Zusammenhang von mehreren Variablen mit einer abhängigen Variable an. t-test - Gibt es einen Unterschied in einer intervallskalierten Variable zwischen zwei Gruppen? ANOVA - Gibt es einen Unterschied in einer intervallskalierten Variable zwischen mehreren Gruppen? Chi-Quadrat Test - Gibt es Unterschiede in den Häufigkeiten bei zwei oder mehr Gruppen? 20
21 Signifikanz und p-werte The number of stereotype-consistent and neutral traits recalled and attributed to the correct target were submitted to a 2 (stereotype: present or absent) X 2 (trait type: consistent or neutral) mixed-model analysis of variance (ANOVA) with repeated measures on the second factor. This revealed main effects of both stereotype, F(1, 22) = 5.85, p <.03, and trait type, F(1, 22) = 17.64, p <.004, on subjects' memory for the presented information. These effects were qualified, however, by a Stereotype X Trait Type interaction, F(1, 22) = 5.33, p <.03. (Macrae et al. 1994, p. 40). Statistische Analysen bestehen immer aus mindestens drei Teilen: - Art der Teststatistik: Hier F-Wert (aus ANOVA) - Anzahl der Freiheitsgrade: z.b. (1, 22) - Wert der Teststatistik: p-wert: <.03 Ist der p-wert kleiner als.05 spricht man von einem signifikanten Ergebnis (ungefähr: es ist unwahrscheinlich, das das Ergebnis/der Unterschied durch den Zufall entstanden ist) Weitere Besipiele: - Korrelation: r(68) =.50, p = t-test: t(38) = 1.56, p =.56 - ANOVA: F(1, 45) = 3.40, p =.01 21
22 Was heißt Signifikanz und p-wert? Um das Prinzip besser zu verstehen, nehmt das folgende Besipiel: Ein Brot fällt immer mit der Butterseite auf den Boden! 22
23 Was heißt Signifikanz und p-wert? Nimmt man Murphys-Law ernst, sollte ein Brot häufiger mit der Butterseite als mit der anderen Seite zu Boden fallen. Um dies zu überprüfen wurde folgendes Experiment gemacht: gebutterte Brote wurden von Tischhöhe fallgelassen und die Seite die den Boden berührte registriert. - Die Ergebnisse zeigten, dass das Brot 59 mal auf der Butterseite und 41 mal auf der trockenen Seite gelandet war. 23
24 Was heißt Signifikanz und p-wert? Wir wollen nun herausfinden, ob dieser Unterschied zufällig sein kann. Um dies zu überprüfen geht man statistisch immer davon aus, dass es keinen Unterschied gibt (das heißt die Wahrscheinlichkeit das ein Toast auf einer Seite landet 50% ist). Angenommen der Toast wäre fair, wie wahrscheinlich ist es dann unser Ergebnis (59 mal Butter) zu erhalten? 24
25 Wie wahrscheinlich ist es, (bei einem fairen Toast) dass ein Toast einmal auf die Butterseite fällt? das aus drei Versuchen ein Toast 0 mal auf die Butterseite fällt? * 0.5 * 0.5 = 1 / 8 = das aus drei Versuchen ein Toast 1 mal auf die Butterseite fällt? - 3 / 8 = das aus drei Versuchen ein Toast 2 mal auf die Butterseite fällt? das aus drei Versuchen ein Toast 3 mal auf die Butterseite fällt?
26 Wahrscheinlichkeitsverteilung 26
27 Was heißt Signifikanz und p-wert? Die Wahrscheinlichkeit des beobachteten Ergebnisses ergibt sich aus der binomialen Wahrscheinlichkeitsverteilung: P(k) = mit: n = Gesamtanzahl an Beobachtungen (100) k = die Anzahl mit der der Toast auf der Butterseite landet (59) p = die vermutete Anzahl mit der der Toast auf der Butterseite landet (.50) 27
28 Was heißt Signifikanz und p-wert? Tatsächlich untersucht man immer die Nullhypothese: Wie wahrscheinlich ist es das beobachtete oder ein noch extremeres Ergebnis zu erhalten? Wie wahrscheinlich ist es das ein Brot 59 mal oder häufiger auf der Butterseite landet wenn es fair ist? P(59) + P(60) + + P(100) = 0.04 Nimmt man das konventionelle p-niveau (0.05) muss man die Nullhypothese das die Wahrscheinlichkeit für Brot ist verwerfen. 28
29 Typische Fehler Der p-wert ist weder die Wahrscheinlichkeit der Nullhypothese p(h 0 ), noch die Wahrscheinlichkeit der Hypothese gegeben die Daten p(h 0 D). Der p-wert ist die Wahrscheinlichkeit für die Daten unter der Bedingung das die Nullhypothese gilt p(d H 0 ). Diese Wahrscheinlichkeiten sind alle unterschiedlich: P(schwanger) P(schwanger Frau) P(Frau schwanger) 29
30 Zusammenfassung Korrelation heißt nicht, dass ein kausaler Zusammenhang vorliegt. Kausale Zusammenhänge kann man nur in Experimenten überprüfen: - Aktives Manipulieren der unabhängigen Variable - Randomisiertes zuteilen auf Bedingungen (Gruppen) - Gleichhalten anderer Variablen Wo kein Experiment durchgeführt werden kann, keine Möglichkeit die Kausalität abschließend zu bewerten. Signifikant (p) bedeutet: Wahrscheinlichkeit für ein solches oder extremeres Ereignis unter der Bedingung dass kein Effekt vorliegt ist geringer als 5%. 30
31 Nächstes Mal Keine verpflichtende Vorbereitung. Bei Interesse: Brown (2010). Chapter 4. Literaturempfehlung (25 ) zu Statistik: Dienes, Z. P. (2008). Understanding psychology as a science?: An introduction to scientific and statistical inference. Basingstoke: Palgrave Macmillan. 31
Wie entwickelt sich die Ablehnung gegenüber der Outgroup?
Wie entwickelt sich die Ablehnung gegenüber der Outgroup? Stereotype 2012 Henrik Singmann Wann neigen wir eher dazu Menschen als Teil unserer Ingroup wahrzunehmen und was für Konsequenzen hat das? 2 Wann
MehrWie messe ich Kategorisierung?
Wie messe ich Kategorisierung? Stereotype 2012 Henrik Singmann Warum kommt es zu Stereotypen gegenüber bestimmten Gruppen und welche Rolle spielen Kategorisierungsprozesse dabei? - Kategorisierung ist
MehrStereotypes as Energy-Saving Devices
Stereotypes as Energy-Saving Devices Stereotype 2012 Henrik Singmann Was sind die vermuteten Vorteile davon Stereotype zu benutzen und was wäre die Alternative zum Stereotyp Gebrauch? Welche bisherige
MehrSocial Categorization. Henrik Singmann, SoSe 2012
Social Categorization Henrik Singmann, SoSe 2012 Kategorisierung Wenn wir etwas wahrnehmen versuchen wir es mit unserem bisherigen Wissen zu vergleichen. Wir versuchen herauszufinden was etwas ist. Etwas
MehrStatistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS
Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS Verena Hofmann Dr. phil. des. Departement für Sonderpädagogik Universität Freiburg Petrus-Kanisius-Gasse 21
MehrMethodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie als Wissenschaft
MehrTutorial:Unabhängigkeitstest
Tutorial:Unabhängigkeitstest Mit Daten aus einer Befragung zur Einstellung gegenüber der wissenschaftlich-technischen Entwicklungen untersucht eine Soziologin den Zusammenhang zwischen der Einstellung
MehrPrimer: Inferenzstatistik 1.0
: 1.0 Dr. Malte Persike persike@uni-mainz.de methodenlehre.com twitter.com/methodenlehre methodenlehre.com/g+ iversity.org/schoolinger Inhalte der nächsten Minuten Die Frage aller Fragen: Ist etwas groß?
MehrOnline-Aufgaben Statistik (BIOL, CHAB) Auswertung und Lösung
Online-Aufgaben Statistik (BIOL, CHAB) Auswertung und Lösung Abgaben: 92 / 234 Maximal erreichte Punktzahl: 7 Minimal erreichte Punktzahl: 1 Durchschnitt: 4 Frage 1 (Diese Frage haben ca. 0% nicht beantwortet.)
MehrQuantitative Auswertung II. Korpuslinguistik Heike Zinsmeister
Quantitative Auswertung II Korpuslinguistik Heike Zinsmeister 16.12.2011 Unterschiedstest Fall 1: unabhängige Stichproben Daten eine unabhängige Variable auf Nominal- oder Kategorialniveau eine abhängige
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
Mehr73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments
73 Hypothesentests 73.1 Motivation Bei Hypothesentests will man eine gewisse Annahme über eine Zufallsvariable darauf hin überprüfen, ob sie korrekt ist. Beispiele: ( Ist eine Münze fair p = 1 )? 2 Sind
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
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
MehrInhaltsverzeichnis. Über die Autoren Einleitung... 21
Inhaltsverzeichnis Über die Autoren.... 7 Einleitung... 21 Über dieses Buch... 21 Was Sie nicht lesen müssen... 22 Törichte Annahmen über den Leser... 22 Wie dieses Buch aufgebaut ist... 23 Symbole, die
MehrKATA LOGO Mathematik Statistik Roadmap: Von der Hypothese zum p-wert
KATA LOGO Mathematik Statistik Roadmap: Von der Hypothese zum p-wert 0. Das eigentliche Forschungsziel ist: Beweis der eigenen Hypothese H 1 Dafür muss Nullhypothese H 0 falsifiziert werden können Achtung!
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 3.2.2 bis 3.3 besser zu verstehen. Auswertung und Lösung Abgaben: 81 / 265 Maximal erreichte Punktzahl: 7 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.28 Frage
MehrHypothesentests mit SPSS
Beispiel für einen chi²-test Daten: afrikamie.sav Im Rahmen der Evaluation des Afrikamie-Festivals wurden persönliche Interviews durchgeführt. Hypothese: Es gibt einen Zusammenhang zwischen dem Geschlecht
MehrTesten von Hypothesen
Elke Warmuth Humboldt-Universität zu Berlin Sommersemster 2010 1 / 46 2 / 46 1 Testen von Hypothesen 3 / 46 Signifikant, signifikant, signifikant,... 4 / 46 Signifikant, signifikant, signifikant,... 5
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.7 und 4.8 besser zu verstehen. Auswertung und Lösung Abgaben: 71 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 5.65 Frage 1
MehrEs können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden.
Teil III: Statistik Alle Fragen sind zu beantworten. Es können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden. Wird
MehrBeurteilende Statistik
Beurteilende Statistik Wahrscheinlichkeitsrechnung und Beurteilende Statistik was ist der Unterschied zwischen den beiden Bereichen? In der Wahrscheinlichkeitstheorie werden aus gegebenen Wahrscheinlichkeiten
MehrStatistik, Geostatistik
Geostatistik Statistik, Geostatistik Statistik Zusammenfassung von Methoden (Methodik), die sich mit der wahrscheinlichkeitsbezogenen Auswertung empirischer (d.h. beobachteter, gemessener) Daten befassen.
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Korrelationsanalysen Kreuztabellen und χ²-test Themen Korrelation oder Lineare Regression? Korrelationsanalysen - Pearson, Spearman-Rang, Kendall s Tau
MehrMethodenlehre. Vorlesung 5. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 5 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ 20.2.13 Einführung, Verteilung der Termine 1 25.9.13 Psychologie
MehrEinführung ins Experimentieren. Methodenpropädeutikum II Allgemeine Psychologie. Überlegungen zum exp. Design. Adrian Schwaninger & Stefan Michel
Methodenpropädeutikum II Allgemeine Psychologie Adrian Schwaninger & Stefan Michel Einführung ins Experimentieren 1. Fragestellung und Hypothesen 2. Variablen und Operationalisierung UV und Störvariablen
MehrGrundlagen sportwissenschaftlicher Forschung Inferenzstatistik 2
Grundlagen sportwissenschaftlicher Forschung Inferenzstatistik 2 Dr. Jan-Peter Brückner jpbrueckner@email.uni-kiel.de R.216 Tel. 880 4717 Statistischer Schluss Voraussetzungen z.b. bzgl. Skalenniveau und
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 6 2009 FernUniversität in Hagen Alle Rechte vorbehalten Fakultät für Wirtschaftswissenschaft Übersicht über die mit den insendeaufgaben geprüften Lehrzielgruppen Lehrzielgruppe:
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
MehrQuantitative Methoden (Vertretung für Prof. Th. Pechmann)
Quantitative Methoden (Vertretung für Prof. Th. Pechmann) Inferenzstatistik III: Varianzanalyse (ANOVA) Andreas Opitz Universität Leipzig Institut für Linguistik Fragen, die Sie nach der letzten Sitzung
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
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,
MehrTutorial: Anpassungstest
Tutorial: Anpassungstest An einem Institut gibt es vier UniversitätslehrerInnen, die auch Diplomarbeiten betreuen. Natürlich erfordert die Betreuung einer Diplomarbeit einiges an Arbeit und Zeit und vom
MehrEinführung Fehlerrechnung
Einführung Fehlerrechnung Bei jeder Messung, ob Einzelmessung oder Messreihe, muss eine Aussage über die Güte ( Wie groß ist der Fehler? ) des Messergebnisses gemacht werden. Mögliche Fehlerarten 1. Systematische
MehrAufgaben zu Kapitel 3
Aufgaben zu Kapitel 3 Aufgabe 1 a) Berechnen Sie einen t-test für unabhängige Stichproben für den Vergleich der beiden Verarbeitungsgruppen strukturell und emotional für die abhängige Variable neutrale
MehrGüteanalyse. Nochmal zur Erinnerung: Hypothesentest. Binominalverteilung für n=20 und p=0,5. Münzwurf-Beispiel genauer
Universität Karlsruhe (TH) Forschungsuniversität gegründet 1825 Güteanalyse Prof. Walter F. Tichy Fakultät für Informatik 1 Fakultät für Informatik 2 Nochmal zur Erinnerung: Hypothesentest Am Beispiel
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
MehrKonfidenzintervalle. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09
Konfidenzintervalle Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09 Münzspiel Experiment 100 Münzwürfe: Stefan gewinnt bei "Kopf" Hypothesen H 0 : Stefan wird so oft gewinnen
MehrObjekterkennung Visuelle Verarbeitung von Gesichtern Orientierungseffekte. Objekterkennung Visuelle Verarbeitung von Gesichtern Orientierungseffekte
Orientierungseffekte Orientierungseffekte Inversionseffekt Thatcher Illusion Rotierte Gesichter sind schwieriger zu erkennen als andere mono-orientierte Objekte (Yin, 1969). Der groteske Gesichtsausdruck,
MehrGrundlagen sportwissenschaftlicher Forschung Deskriptive Statistik 2 Inferenzstatistik 1
Grundlagen sportwissenschaftlicher Forschung Deskriptive Statistik 2 Inferenzstatistik 1 Dr. Jan-Peter Brückner jpbrueckner@email.uni-kiel.de R.216 Tel. 880 4717 Rückblick: Besonders wichtige Themen Wissenschaftstheoretischer
MehrStatistischer Rückschluss und Testen von Hypothesen
Statistischer Rückschluss und Testen von Hypothesen Statistischer Rückschluss Lerne von der Stichprobe über Verhältnisse in der Grundgesamtheit Grundgesamtheit Statistischer Rückschluss lerne aus Analyse
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
MehrSitzung 4: Übungsaufgaben für Statistik 1
1 Sitzung 4: Übungsaufgaben für Statistik 1 Aufgabe 1: In einem Leistungstest werden von den Teilnehmern folgende Werte erzielt: 42.3; 28.2; 30.5, 32.0, 33.0, 38.8. Geben Sie den Median, die Spannweite
MehrEinführung in die Statistik für Politikwissenschaftler Sommersemester 2011
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011 Es können von den Antworten alle, mehrere oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort (ohne Auslassungen
MehrAblaufschema beim Testen
Ablaufschema beim Testen Schritt 1 Schritt 2 Schritt 3 Schritt 4 Schritt 5 Schritt 6 Schritt 7 Schritt 8 Schritt 9 Starten Sie die : Flashanimation ' Animation Ablaufschema Testen ' siehe Online-Version
MehrAnalytische Statistik: Varianzanpassungstest, Varianzhomogenitätstest. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09
Analytische Statistik: Varianzanpassungstest, Varianzhomogenitätstest Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09 Varianzanpassungstest Untersuchung der Streuung einer bzw.
MehrEmpirische Analysen mit dem SOEP
Empirische Analysen mit dem SOEP Methodisches Lineare Regressionsanalyse & Logit/Probit Modelle Kurs im Wintersemester 2007/08 Dipl.-Volksw. Paul Böhm Dipl.-Volksw. Dominik Hanglberger Dipl.-Volksw. Rafael
MehrStatistik II Übung 4: Skalierung und asymptotische Eigenschaften
Statistik II Übung 4: Skalierung und asymptotische Eigenschaften Diese Übung beschäftigt sich mit der Skalierung von Variablen in Regressionsanalysen und mit asymptotischen Eigenschaften von OLS. Verwenden
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
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
MehrEinführung in die Induktive Statistik: Testen von Hypothesen
Einführung in die Induktive Statistik: Testen von Hypothesen Jan Gertheiss LMU München Sommersemester 2011 Vielen Dank an Christian Heumann für das Überlassen von TEX-Code! Testen: Einführung und Konzepte
MehrSchließende Statistik
Schließende Statistik Die schließende Statistik befasst sich mit dem Rückschluss von einer Stichprobe auf die Grundgesamtheit (Population). Die Stichprobe muss repräsentativ für die Grundgesamtheit sein.
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 4B a.) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Mit "Deskriptive Statistiken", "Kreuztabellen " wird die Dialogbox "Kreuztabellen" geöffnet. POL wird in das Eingabefeld von
MehrEinführung in SPSS. Sitzung 4: Bivariate Zusammenhänge. Knut Wenzig. 27. Januar 2005
Sitzung 4: Bivariate Zusammenhänge 27. Januar 2005 Inhalt der letzten Sitzung Übung: ein Index Umgang mit missing values Berechnung eines Indexes Inhalt der letzten Sitzung Übung: ein Index Umgang mit
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
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
Mehrfh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik
fh management, communication & it Folie 1 Überblick Grundlagen (Testvoraussetzungen) Mittelwertvergleiche (t-test,..) Nichtparametrische Tests Korrelationen Regressionsanalyse... Folie 2 Überblick... Varianzanalyse
MehrTHEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ
WEBINAR@LUNCHTIME THEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ EINLEITENDES BEISPIEL SAT: Standardisierter Test, der von Studienplatzbewerbern an amerikanischen Unis gefordert
MehrSeminar zur Energiewirtschaft:
Seminar zur Energiewirtschaft: Ermittlung der Zahlungsbereitschaft für erneuerbare Energien bzw. bessere Umwelt Vladimir Udalov 1 Modelle mit diskreten abhängigen Variablen 2 - Ausgangssituation Eine Dummy-Variable
MehrEntscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten
Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 4.1 4. Statistische Entscheidungsverfahren Entscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten Beispiel:
MehrGRUNDPRINZIPIEN statistischen Testens
Fragestellungen beim Testen GRUNDPRINZIPIEN statistischen Testens. Vergleiche Unterscheidet sich die Stichprobenbeobachtung von einer vorher spezifizierten Erwartung ( Hypothese ) mit ausreichender Sicherheit?
MehrZiel: Vorhersage eines Kriteriums/Regressand Y durch einen Prädiktor/Regressor X.
Lineare Regression Einfache Regression Beispieldatensatz: trinkgeld.sav Ziel: Vorhersage eines Kriteriums/Regressand Y durch einen Prädiktor/Regressor X. H0: Y lässt sich nicht durch X erklären, das heißt
MehrKapitel 7. Regression und Korrelation. 7.1 Das Regressionsproblem
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandelt die Verteilung einer Variablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem
MehrRegression und Korrelation
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandeltdie VerteilungeinerVariablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem dagegen
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
MehrAlgoBio WS 16/17 Differenzielle Genexpression. Annalisa Marsico
AlgoBio WS 16/17 Differenzielle Genexpression Annalisa Marsico 04.01.2017 Pipeline für die Mikroarray-Analyse Bildanalyse Hintergrundkorrektur Normalisierung Vorverarbeitung Zusammenfassung Quantifizierung
MehrTeil: lineare Regression
Teil: lineare Regression 1 Einführung 2 Prüfung der Regressionsfunktion 3 Die Modellannahmen zur Durchführung einer linearen Regression 4 Dummyvariablen 1 Einführung o Eine statistische Methode um Zusammenhänge
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,
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:
MehrStatistik II für Betriebswirte Vorlesung 1
Statistik II für Betriebswirte Vorlesung 1 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 16. Oktober 2017 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 1 Version:
MehrWahrscheinlichkeitsrechnung Übung Aufgabe 2.b und 3
Wahrscheinlichkeitsrechnung Übung Aufgabe 2.b und 3 B I N O M I A L V E R T E I L U N G, B I N O M I A L T A B E L L E, U N A B H Ä N G I G E E R E I G N I S S E Zentrale Methodenlehre, Europa Universität
MehrStatistik II Übung 2: Multivariate lineare Regression
Statistik II Übung 2: Multivariate lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen Flugpreisen und der Flugdistanz, dem Passagieraufkommen und der Marktkonzentration. Verwenden
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Pantelis Christodoulides & Karin Waldherr 4. Juni 2014 Christodoulides / Waldherr Einführung in Quantitative Methoden 1/35 Ein- und Zweiseitige Hypothesen H 0 : p =
MehrForschungsstatistik I
Psychologie Prof. Dr. G. Meinhardt 6. Stock, TB II R. 06-206 (Persike) R. 06-321 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrMathematische und statistische Methoden II
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de
MehrPsychologische Methodenlehre Statistik
RAINER LEONHART Psychologische Methodenlehre Statistik Mit 21 Abbildungen und 40 Tabellen Mit 64 Ubungsfragen Ernst Reinhardt Verlag Miinchen Basel Inhalt Vorwort 9 1 Einfuhrung in die Forschungsmethoden
MehrInstitut für Soziologie Sabine Düval. Methoden 2. Kontingenztabellen Chi-Quadrat-Unabhängigkeitstest
Institut für Soziologie Methoden 2 Kontingenztabellen Chi-Quadrat-Unabhängigkeitstest Aufbau der Sitzung Wiederholung Exkurs zur Inferenzstatistik Was sind Kontingenztabellen? Recodieren, Kategorisieren
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
MehrFlorian Frötscher und Demet Özçetin
Statistische Tests in der Mehrsprachigkeitsforschung Aufgaben, Anforderungen, Probleme. Florian Frötscher und Demet Özçetin florian.froetscher@uni-hamburg.de SFB 538 Mehrsprachigkeit Max-Brauer-Allee 60
MehrAufgaben zu Kapitel 9
Aufgaben zu Kapitel 9 Aufgabe 1 Für diese Aufgabe benötigen Sie den Datensatz Nominaldaten.sav. a) Sie arbeiten für eine Marktforschungsfirma und sollen überprüfen, ob die in diesem Datensatz untersuchte
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt Statistik & Mathematische und statistische Methoden I Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-06 Dr. Malte Persike persike@uni-mainz.de
MehrExakter Binomialtest als Beispiel
Prinzipien des statistischen Testens Entscheidungsfindung Exakter Binomialtest als Beispiel Statistische Tests Nullhypothese Alternativhypothese Fehlentscheidungen Ausgangspunkt: Forschungshypothese Beispiele:.
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
MehrExperimentalpsychologisches Praktikum
Experimentalpsychologisches l i h Praktikum Prof. Dr. Adrian Schwaninger Fachhochschule Nordwestschweiz Hochschule für Angewandte Psychologie +41 (0) 76 393 24 46 Adrian.Schwaninger@fhnw.ch 3. Sitzung
MehrKapitel 17. Unabhängigkeit und Homogenität Unabhängigkeit
Kapitel 17 Unabhängigkeit und Homogenität 17.1 Unabhängigkeit Im Rahmen der Wahrscheinlichkeitsrechnung ist das Konzept der Unabhängigkeit von zentraler Bedeutung. Die Ereignisse A und B sind genau dann
MehrDie automatische Aktivierung von Verhalten: die Befunde von John Bargh
Die automatische Aktivierung von Verhalten: die Befunde von John Bargh Claudia Lange SoSe 2012 21.6.2012 Seminar Soziale Kognition Inhaltsverzeichnis O Grundlage: Priming O Erinnerung: automatische vs.
MehrDr. Matthias Rudolf: M3 Multivariate Statistik Vorlesung LogRA. Folie Nr. 1
2.1 Beispiele 2.2 Odds Ratio 2.3 Modell der logistischen Regression 2.3.1 Modellgleichung 2.3.2 Voraussetzungen 2.4 Schätzungen, Tests und Modellgüte 2.4.1 Schätzung der logistischen Regressionskoeffizienten
Mehr1. Inhaltsverzeichnis. 2. Abbildungsverzeichnis
1. Inhaltsverzeichnis 1. Inhaltsverzeichnis... 1 2. Abbildungsverzeichnis... 1 3. Einleitung... 2 4. Beschreibung der Datenquelle...2 5. Allgemeine Auswertungen...3 6. Detaillierte Auswertungen... 7 Zusammenhang
MehrÜbung zur Vorlesung Statistik I WS Übungsblatt 12
Übung zur Vorlesung Statistik I WS 2013-2014 Übungsblatt 12 20. Januar 2014 Die folgenden ufgaben sind aus ehemaligen Klausuren! ufgabe 38.1 (1 Punkt: In einer Studie werden 10 Patienten therapiert. Die
MehrStatistik II: Signifikanztests /1
Medien Institut : Signifikanztests /1 Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Noch einmal: Grundlagen des Signifikanztests 2. Der chi 2 -Test 3. Der t-test
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 15 009 FernUniversität in Hagen Alle Rechte vorbehalten Fachbereich Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
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,
MehrWahrscheinlichkeitstheorie 2
Wahrscheinlichkeitstheorie 2 Caroline Sporleder Computational Linguistics Universität des Saarlandes Sommersemester 2011 19.05.2011 Caroline Sporleder Wahrscheinlichkeitstheorie 2 (1) Wiederholung (1):
MehrDer χ 2 -Test (Chiquadrat-Test)
Der χ 2 -Test (Chiquadrat-Test) Der Grundgedanke Mit den χ 2 -Methoden kann überprüft werden, ob sich die empirischen (im Experiment beobachteten) Häufigkeiten einer nominalen Variable systematisch von
MehrMethodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft
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
MehrBivariate Zusammenhänge
Bivariate Zusammenhänge Tabellenanalyse: Kreuztabellierung und Kontingenzanalyse Philosophische Fakultät Institut für Soziologie Berufsverläufe und Berufserfolg von Hochschulabsolventen Dozent: Mike Kühne
Mehr