Techniken zum Erreichen von Konstanz
|
|
- Hannelore Fiedler
- vor 6 Jahren
- Abrufe
Transkript
1 Wozu Konstanz? Techniken zum Erreichen von Konstanz Um interne Gültigkeit zu erreichen, muss man Techniken benutzen, die den differenziellen Einfluss von Störvariablen ausschalten. Möglichkeiten dazu: statistische Technik wie Varianzanalyse (nicht besprochen) Kontrolltechniken Versuchsaufbau Literatur: L.B. Christensen, Experimental Methodology, Allyn and Bacon, 2001, Kap. 8, 9, Wozu Konstanz? I. Kontrolltechniken Beispiel: Wir untersuchen den Einfluss von Nachhilfe (unabh. Variable) auf Noten (abh. Variable). Der Unterschied in Noten sollte also auf Nachhilfe zurückzuführen sein. Wenn aber die Schüler mit Nachhilfe intelligenter waren als die ohne Nachhilfe, dann könnte eine Verbesserung auf die höhere Intelligenz (Störvariable) zurückzuführen sein. Kontrolltechniken halten den Einfluss von Störvariablen konstant für den Variationsbereich der unabhängigen Variablen. Sie werden in Versuchsaufbauten eingesetzt (siehe diese) 3 4
2 Randomisierung Randomisierung: Selektion Randomisierung ist die wichtigste und grundlegendste Technik, um zu vermeiden, dass Störvariablen (bekannte und unbekannte) das Ergebnis systematisch beeinflussen. 1. Zufällige Selektion der Teilnehmer 2. Zufällige Zuweisung der Teilnehmer zu Versuchsbedingungen. Zunächst ist man bemüht, eine repräsentative einer Population als Teilnehmer zu bekommen. Beispiele: weibliche Professoren, Schüler unter 12, Autofahrer/innen, Informatikstudenten, Programmierer. Eine randomisierte, repräsentative Selektion ist meist sehr teuer; wenn sie nicht gelingt, dann ist das Ergebnis nicht generalisierbar. Für die Kontrolle von Störvariablen ist randomisierte Selektion nicht erforderlich. Die (mehr oder weniger) zufällig selektierten Teilnehmer werden dann echt zufällig auf Versuchsbedingungen verteilt. 5 6 Randomisierung: Zuweisung Angleichung (Matching) Zufällige Zuweisung der Teilnehmer an Versuchsbedingungen erzielt eine zufällige Verteilung aller Störgrößen, die zufällig auftreten. Daher sollte der Einfluss dieser Störvariablen (bekannt oder unbekannt) in allen Versuchsbedingungen etwa gleich sein. Randomisierung reicht nicht aus bei Subjekt- und Experimentator- Effekt. Diese sind nicht zufällig verteilt. Natürlich kann man trotzdem eine ungleichmäßige Verteilung erhalten. Dies kann man bei bekannten Störvariablen überprüfen, z.b. bei Intelligenz durch IQ-Test oder Noten. Man soll auch bei kleinen Gruppen zufällig zuweisen, da damit die Wahrscheinlichkeit eines systematischen Einflusses der Störvariablen sinkt. Wenn der zu beobachtende Effekt sehr klein ist, kann Randomisierung zu insensitiv sein. D.h. der Ausschlag der abhängigen Variablen ist so klein, dass er im Rauschen untergeht. Durch Angleichung der Teilnehmer in den Gruppen kann die Empfindlichkeit des Experiments erhöht werden. Angleichung ist aber kein Ersatz für Randomisierung, sondern ein Zusatz. 7 8
3 Angleichung: Störvariable konstant halten Wenn möglich kann man den Einfluss einer Störvariablen minimieren, in dem man sie festhält. Wenn z.b. das Geschlecht der Teilnehmer eine Störvariable sein könnte, könnte man nur männliche Teilnehmer aus der wählen und diese dann zufällig auf die Versuchsbedingungen verteilen. Nachteil 1: nicht generalisierbar auf Populationen, für die die Störvariable andere Werte annimmt. Nachteil 2: die kann zu klein werden. Angleichung: Einschließung der Störvariable in den Versuchsaufbau. Die Störvariable wird dann zu einer weiteren unabhängigen Variablen (faktorielles Experiment, s. später). Beispiel: wir wollen bestimmte Lernstrategien untersuchen. Die Intelligenz ist aber ein Störfaktor. Also variieren wir nicht nur die Lernstrategie, sondern auch den IQ-Wert (ähnlich für Alter) Strat. A Strat. B mit IQ von mit IQ mit IQ mit IQ Angleichung durch Paarung Man formt Paare, die in den wesentlichen Störfaktoren ähnlich sind, z.b. im Alter, Geschlecht, IQ, etc. Die Paare werden dann zufällig auf die Gruppen verteilt. (ähnlich wie vorige Methode, nur dass sich die Anzahl der Gruppen nicht erhöht). D.h. für jede Kombination von Störfaktoren gibt es einen weiteren Teilnehmer mit der gleichen Kombination in der anderen Gruppe Nachteile: was sind die wesentlichen Variablen? Paarung bei vielen Variablen kann schwierig werden. Angleichung der Häufigkeitsverteilung Gruppen werden so gewählt, dass sie ähnliche Verteilung der Störvariablen haben. Beispiel 1: wähle eine erste Gruppe. Bestimme IQ Mittelwert, Varianz, Verteilung der IQ-Werte. Selektiere daraufhin eine weitere Gruppe mit ähnlichen Werten. Beispiel 2: Stratifzierung: Bestimme die 20% der Teilnehmer mit der besten Vorbildung. Verteile diese auf die verschiedenen Gruppen. Wiederhole für eine oder zwei weitere Vorbildungsniveaus. (benutze z.b. die Dauer der praktischen Erfahrung in der Programmierung) 11 12
4 Subjekt-Effekt (1) Wir benötigen eine Konstanz dessen, wie Teilnehmer ihr Bedürfnis der positiven Selbstdarstellung meinen erfüllen zu können. Doppel-blinder Versuch mit Placebo: erzeuge Variationen die allen Beteiligten unter allen Umständen als gleich erscheinen. Subjekte erhalten entweder eine echte oder eine Scheinbehandlung (Placebo). Alle Subjekte glauben, sie haben die gleiche erfahren. Experimentator weiß nicht, welche gewählt wurde, kann dies also nicht kommunizieren. Subjekt-Effekt (2) Doppel-blinde Versuche sind oftmals nicht möglich, da nicht alle Versuchsbedingungen so gestaltet werden können, dass sie gleich erscheinen. Behelf: Bewusste Irreführung: Den Teilnehmern wird eine plausibler Zweck des Experiments angegeben, der aber unabhängig von der wirklich getesteten Hypothese ist. Damit haben alle den gleichen Anreiz, sich positiv darzustellen, der aber (hoffentlich) das Ergebnis nicht beeinflusst. Verborgenes Experiment: Teilnehmer wissen nicht, dass sie an einem Experiment teilnehmen, z.b. als Teil einer Klausur oder in dem man Leute auf der Straße in ein Gespräch verwickelt. Ethische Problem mit beiden Subjekt-Effekt (3) Experimentator-Effekt Wenn Subjekt-Effekte konstant gehalten wurden, muss man trotzdem wissen, welche Werte sie hatten. Das macht man mit einem Fragebogen am Ende des Experiments. Fragen: Was war der Zweck des Experiments? Was wollte der Experimentator herausfinden? Welche Arten von Antworten haben Sie gegeben und warum? Wie haben andere auf das Experiment reagiert? Antworten auf diese Fragen helfen, die Annahmen der Teilnehmer zu bestimmen und ob dadurch Fehler im Experiment auftraten. Messfehler: automatische Erfassung oder Erfassung durch einen Unbeteiligten oder durch mehrere Erfasser, die ihre Werte abstimmen müssen. Blinder Versuch: Experimentator kennt die Zuordnung der Teilnehmer zu den Gruppen nicht (Zuteilung automatisch oder durch einen Unbeteiligten). partiell blinder Versuch: Experimentator kennt die Zuordnung nicht bis zum letzt möglichen Moment. Z.B. könnte er die Anweisungen allen geben und dann als letztes die Zuteilung randomisiert durchführen
5 Folge-Effekt Folge-Effekt: Gegenbalanzierung(1) Wenn Teilnehmer unter mehreren, aufeinanderfolgenden Versuchsbedingungen arbeiten, können Folge-Effekte auftreten. Lernen (Methoden und Werkzeuge) Vertrautheit mit der Versuchsanordnung, Umgebung Übertragungseffekt von einer Bedingung auf die nächste. Gegenmaßnahmen: Zunächst Ausbildung der Teilnehmer an Werkzeugen und Methoden, vertraute Umgebung benutzen. 17 Intra-Subjekt Gegenbalanzierung: bei zwei Versuchsbedingungen (A und B), gib jedem Teilnehmer beide Reihenfolgen: ABBA. Beispiel: Coca Cola vs. Pepsi Cola Geschmackstest. Angenommen, bei jedem wiederholten Versuch steigt die Bewertung um einen konstanten Wert, dann ist die Summe der Bewertungen für A und B gleich. Damit ist der Folge-Effekt neutralisiert. Bedingung A B B A Bewertung Bewertung A: 3 Bewertung B: 3 18 Folge-Effekt: Gegenbalanzierung (2) Wenn die Steigerung der Bewertung nicht linear ist (z.b. 0, 4, 6, 8), dann kann man den Ordnungseffekt damit kontrollieren, indem man die andere Hälfte der Teilnehme die Reihenfolge BAAB durchführen lässt. Bedingung Bewertung A B B A B A A B Bewertung A: 18 Bewertung B: 18 Gegen Effekte, die durch Übertragung entstehen (dadurch, dass man einen Test gemacht hat, verhält man sich beim nächsten anders, ist meist außer Training wenig zu machen) Folge-Effekt: Gegenbalanzierung (3) Anstelle von Intra-Subjekt-Gegenbalanzierung kann man auch Gruppen gegenbalanzieren. D.h. eine Gruppe führt AB aus, die andere BA. Insbesondere für mehr als zwei Versuchbedingungen notwendig. Angenommen, wir untersuchen den Effekt von Entwurfsmustern. Eine Gruppe bekommt erst eine Aufgabe ohne Entwurfsmuster, dann eine mit (AB); die zweite Gruppe in umgekehrter Reihenfolge (BA). Allerdings braucht man hierzu jeweils andere Aufgaben. Man kann innerhalb einer Gruppe nicht die gleiche Aufgabe zweimal verwenden
6 II Versuchsaufbau (Research Design) Ungeeignete Aufbauten Eine Gruppe, mit oder Vor- und Der Versuchsaufbau beschreibt den Plan, wie man eine Forschungsfrage beantworten wird Wichtiger Aspekt ist Kontrolle über ungewollte Variablen, aber auch die Messungen und Aufteilung in Gruppen Der Aufbau bestimmt, ob sinnvolle und objektive Aussagen getroffen werden können. Teilnehmer Teilnehmer X Vortest 1 Test X 2 betrachte 2-1 Beispiel: ist eine spezielle Ausbildung, Vorund sind standardisierte Tests. Schwächen dieses Aufbaus? Nichtäquivalente Gruppen Ungeeignete Aufbauten (2) Nichtäquivalente Gruppen entstehen, wenn die Zugehörigkeit zu einer Gruppe nicht zufällig festgelegt wird. Zwei nichtäquivalente Gruppen mit Versuchsgruppe erhält, Kontrollgruppe keine. Unterschiede in unabhängigen Variablen sind die Folge Beispiel: Teilnehmer entscheiden selbst, in welche Gruppe sie gehen ( Selbstselektion ) Beispiel: Einteilung in Gruppen nach Verfügbarkeit der Teilnehmer Vergleich aufgrund von Tests Beispiel: Die Aufteilung in Gruppen war aufgrund von Noten in standardisierten Tests, Alter und Geschlecht. Ergebnis: Versuchsgruppe unterscheidet sich von Kontrollgruppe. Schwächen dieses Aufbaus? 23 24
7 Anforderungen an Versuchsaufbau 1. Der Aufbau muss erlauben, die Forschungsfrage zu beantworten. Einfach nur irgendwelche Daten zu sammeln ist selten zielführend. 2. Störvariablen müssen kontrolliert werden, um sicher zu sein, ob der beobachtete Effekt auf die unabhängige Variable zurückzuführen ist. Alternative Hypothesen können mit Kontrollmethoden (z.b. Randomisierung) oder einer Kontrollgruppe eliminiert werden. 3. Ergebnis muss auf andere Individuen oder Gruppen als die Teilnehmer generalisierbar sein. Mögliche Aufbauten Versuchsgruppe erhält die unabhängige Variable zu einem gewissen Maß. Kontrollgruppe wird entweder einer unabhängigen Variablen nicht ausgesetzt oder erhält einen standardisierten oder typischen Wert für diese Variable. Kontrollgruppe dient als Vergleichsbasis und als Kontrolle für rivalisierende Hypothesen. Sie muss dazu alle Störvariablen möglichst genauso wie die Versuchsgruppe erhalten haben Geeignete Versuchaufbauten Eigenschaften Inter-Subjekt-Experiment mit von Teilnehmern zufällig verteilt auf Versuchsgruppe Kontrollgruppe X Messung Vergleich Mit genügend vielen Teilnehmern erzeugt die Randomisierung gleichwertige Gruppen Nachteile: möglicherweise nicht empfindlich genug möglicherweise keine Gleichwertigkeit der Gruppen erreicht Ausgleich: Angleichung der Gruppen. Allerdings braucht man hierzu mehr Teilnehmer. Beispiel: Käufer akzeptieren einen höheren Preis, wenn sie vorher einem Kauf zugestimmt haben. Untersucht mit einem Experiment, das um Teilnahme an einem Experiment bittet. Versuchsgruppe wird vorher nicht gesagt, dass das Experiment schon um 7:00 morgens stattfindet, Kontrollgruppe schon. Von der Versuchsgruppe erscheinen mehr, weil sie vorher Teilnahme schon zugesagt hatten
8 Angeglichenes Inter-Subjekt- Experiment mit Einfaches randomisertes Experiment (Inter-Subjekt, ) von Teilnehmern Messung Messung Jeder Teilnehmer wird mit einem anderen gepaart Paare zufällig aufspalten Versuchsgruppe Kontrollgruppe X Vergleich Kontrollgruppe Versuchsgruppe 1 Versuchsgruppe 2 Versuchsgruppe 3 R X1 X2 X3 Vergleich Für mehr als zwei unterschiedliche Werte oder Niveaus der unabhängigen Variable. (R bedeutet zufällige Zuweisung zu Gruppen.) Z.B. die verschiedenen Arten, eine Inspektion durchzuführen Faktorielles Experiment Interaktionen beim faktoriellen Entwurf Zwei oder mehr Variablen werden gleichzeitig untersucht, um ihre unabhängigen Auswirkungen und ihre Interaktionen zu bestimmen. Angenommen, Variable A hat drei Werte A1, A2, A3; Variable B habe zwei Werte (, ); sechs Gruppen erforderlich. a) nur Haupteffekt A b) nur Haupteffekt B A1 A2 A3 Mittel A1 A2 A3 Mittel Mittel A1 Mittel A2 Mittel A3 Haupteffekt B c) nur Interaktion (Spaltensummen gleich und Zeilensummen gleich) Haupteffekt A d) Haupteffekt A und B, keine Interaktion (Parallelen)
9 Interaktionen (2) Intra-Subjekt-Experiment mit Alle Teilnehmer nehmen an allen en teil. e) Haupteffekt A und Interaktion (Zeilensummen gleich) f) Haupteffekt B und Interaktion (Spaltensummen gleich) Messung Wenn Haupteffekt oder Interaktion allein signifikant sind, werden diese interpretiert. Wenn gemischt, dann hauptsächlich die Interaktion interpretieren. P1, P2, P3, P4,..., Pn P1, P2, P3, P4,..., Pn P1, P2, P3, P4,..., Pn X1 X2 X3 Vergleich g) Haupteffekt A und B und Interaktion Intra-Subjekt-Experiment (2) Intra-Subjekt-Experiment (3) Vorteile Nachteile perfekte Angleichung: jeder Teilnehmer ist seine eigene Kontrolle; daher hohe Empfindlichkeit. Variablen wie Alter, Geschlecht, Erfahrung bleiben konstant für das gesamte Experiment. weniger Teilnehmer erforderlich als beim Inter-Subjekt- Experiment. Folge-Effekte: lineare Folgeeffekte durch Gegenbalanzierung ausgleichen nicht-lineare Folgeeffekte durch Gegenbalanzierung nicht ausgleichbar Einfluss von Reifung und Historie nicht feststellbar
10 Intra-Subjekt-Experiment (4) Gegenbalanciertes Experiment Das Intra-Subjekt-Experiment kann mit faktoriellen Experiment kombiniert werden. Man kann alle Kombinationen auf alle Teilnehmer anwenden Oder mischen: ein Teil Variablen werden intra-, ein Teil inter-subjekt-haft angewandt. Zwei en und zwei Datenpunkte pro Teilnehmer. Vorteile wie bei Intra-Subjekt-Experiment Prüfe auf Folgeeffekt von 1. zu 2. und subtrahiere diesen. Messung Messung Gruppe1 Gruppe2 R X1 1 X2 2 X2 2 X1 1 Vergleiche: Grupe1-1 + Gruppe2-1 with Gruppe1-2 + Gruppe Experiment mit Vor- und Quasi-Experiment Kontrolliert Historie und Reifung, wenn alle Teilnehmer Historie und Reifung gleich unterliegen. Von einem Quasi-Experiment spricht man, wenn nicht alle Forderungen an einen experimentellen Versuchsaufbau erfüllt werden können, z.b. Randomisierung Vortest Unterschied dies ist oft bei Experimenten außerhalb des Labors der Fall Versuchsgruppe R X Vor- - Nach Vergleich Hier muss man darauf achten, dass die Gefährdungen der Gültigkeit durch andere Maßnahmen gering gehalten werden. Kontrollgruppe Vor- - Nach 39 40
11 Quasi-Experiment Quasi-Experiment mit Vor-und Wichtige Gefährdungen der Gültigkeit: Selektion Historie (auch lokale Historie, d.h., die nur auf eine Gruppe wirkt) Reifung Ein Aufbau wie beim Experiment mit Vor- und, aber ohne zufällige Zuweisung erlaubt es, Selektion und Historie wenigstens zu beobachten. Wenn die Kontrollgruppe im Vor- und gleich bleibt, dann können Änderungen in der Versuchsgruppe auf einen Selektionseffekt oder lokale Historie zurückzuführen sein. Wenn Kontroll- und Versuchsgruppe unterschiedlich starke Änderungen vom Vortest zum aufweisen, kann es sich um ein Selektionseffekt (unterschiedliche Reifung) oder lokale Historie handeln, die dem wahren Effekt überlagert ist (Unter- oder Überschätzung) Quasi-Experiment mit Vor-und (2) Wichtige Begriffe Nur wenn es eine Überkreuzung gibt, kann man einigermaßen sicher sein, dass es sich nicht um einen Selektionseffekt handelt. Bei einer Überkreuzung hat die schwächere Versuchsgruppe im Vortest schlechtere, im bessere Ergebnisse als die Kontrollgruppe. Kontrollgr. Versuchsgruppe Versuchsaufbau nichtäquivalente Gruppen Einzelne Gruppe mit Vor- und Inter-Subjekt-Experiment mit Angeglichenes Inter-Subjekt-Experiment Einfaches randomisertes Experiment Faktorielles Experiment, Haupteffekt, Interaktionseffekt, Zelle Intra-Subjekt-Experiment mit Experiment mit Vor- und Quasi-Experiment Vortest 43 44
Empirische Softwaretechnik
Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006 1 Kontrolle in Experimenten Literatur: L.B. Christensen, Experimental Methodology, Allyn and Bacon, 2001, Kap.
MehrEmpirische Softwaretechnik. Experimente über Zusicherungen. Entwurf durch Vertrag. Übersicht
Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Frank Padberg Experimente über Zusicherungen Sommersemester 2007 2 Übersicht Einführung Programmieren mit Vertrag 2 Experimente über die Nützlichkeit
Mehr5. Wie wird im Experiment die interessierende, vom Versuchsleiter gemessene Variable bezeichnet?
Bei jeder Frage ist mindestens eine Antwort anzukreuzen. Es können mehrere Antwortalternativen richtig sein. Die Frage gilt nur dann als richtig beantwortet, wenn alle richtigen Alternativen angekreuzt
MehrEINFÜHRUNG IN DIE STATISTISCHE VERSUCHSPLANUNG
TQU BUSINESS GMBH 1 EINFÜHRUNG IN DIE STATISTISCHE VERSUCHSPLANUNG 2 Lernziele Sie kennen die prinzipiellen Ansätze zur Datengewinnung. Sie wissen, was ein Experiment ist. Sie kennen die prinzipiellen
MehrVarianzanalyse * (1) Varianzanalyse (2)
Varianzanalyse * (1) Einfaktorielle Varianzanalyse (I) Die Varianzanalyse (ANOVA = ANalysis Of VAriance) wird benutzt, um Unterschiede zwischen Mittelwerten von drei oder mehr Stichproben auf Signifikanz
MehrStudiendesign/ Evaluierungsdesign
Jennifer Ziegert Studiendesign/ Evaluierungsdesign Praxisprojekt: Nutzerorientierte Evaluierung von Visualisierungen in Daffodil mittels Eyetracker Warum Studien /Evaluierungsdesign Das Design einer Untersuchung
MehrExperiment vs. Beobachtungsstudie. Randomisiertes, kontrolliertes Experiment
Experiment vs. Beobachtungsstudie Randomisiertes, kontrolliertes Experiment Ursache und Wirkung Opfer durch Ertrinken 2 Ursache und Wirkung Opfer durch Ertrinken Eisverkauf 3 Ursache und Wirkung Opfer
MehrWie man leicht erkennen kann, steigt die Anzahl notwendiger Versuche zur Basis 2 bei jeder Modellerweiterung um einen weiteren Faktor.
Ziel Prinzip Bestimmung der relevanten Einflussgrößen und Effekte unabhängiger Eingangsvariablen auf das Ergebnis eines Produktes oder Prozess mit einem Minimum an Versuchsaufwand. DoE (Design of Experiment)
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
MehrModul G.1 WS 07/08: Statistik 17.01.2008 1. Die Korrelation ist ein standardisiertes Maß für den linearen Zusammenhangzwischen zwei Variablen.
Modul G.1 WS 07/08: Statistik 17.01.2008 1 Wiederholung Kovarianz und Korrelation Kovarianz = Maß für den linearen Zusammenhang zwischen zwei Variablen x und y Korrelation Die Korrelation ist ein standardisiertes
Mehr5. Untersuchungsdesigns
Dr. habil. Rüdiger Jacob Methoden und Techniken der empirischen Sozialforschung Vorlesung mit Diskussion 5. Untersuchungsdesigns Experimente als Instrument zur Prüfung von Kausalität Kohortenstudien, Fall-Kontroll-Studien,
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.
MehrMethodenlehreklausur 2/02 Name: 1. Bearbeitungszeit: 2 Stunden 30 Minuten. Teil I: Offenes Beispiel
Methodenlehreklausur 2/02 Name: 1 Bearbeitungszeit: 2 Stunden 30 Minuten Teil I: Offenes Beispiel Hannover, B. (1997). Zur Entwicklung des geschlechtsrollenbezogenen Selbstkonzepts: Der Einfluss maskuliner
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
MehrA Focus Theory of Normative Conduct: When Norms Do and Do Not Affect Behavior
A Focus Theory of Normative Conduct: When Norms Do and Do Not Affect Behavior C. A. Kallgren,, R. R. Reno & R. B. Cialdini 1 Gliederung 1) Theoretischer Hintergrund 2) Studie 1 3) Studie 2 4) Studie 3
MehrGestaltungsempfehlungen
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien I Gestaltungsempfehlungen Überblick Auswahl der Empfehlungen Gestaltungseffekte Empirische
MehrDOE am Beispiel Laserpointer
DOE am Beispiel Laserpointer Swen Günther Ein wesentliches Ziel im Rahmen der Neuproduktentwicklung ist die aus Kundesicht bestmögliche, d.h. nutzenmaximale Konzeption des Produktes zu bestimmen (vgl.
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
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,
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
MehrFaculty of Computer Science. Kontrollierte Experimente
Faculty of Computer Science Kontrollierte Experimente 1 Qualitativ---Quantitativ Einordnung Mensch-Computer---Technisch 2 Kontrollierte Experimente mit Probanden Zeitreihen analysen 4 Perform ance 1 Fragebög
MehrNorm- vs. Kriteriumsorientiertes Testen
Norm- vs. Kriteriumsorientiertes Testen Aus psychologischen Test ergibt sich in der Regel ein numerisches Testergebnis, das Auskunft über die Merkmalsausprägung der Testperson geben soll. Die aus der Testauswertung
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
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
MehrDie DOE-Funktionen im Assistenten führen Benutzer durch einen sequenziellen Prozess zum Entwerfen und Analysieren eines oder mehrerer Experimente, in
Dieses White Paper ist Teil einer Reihe von Veröffentlichungen, welche die Forschungsarbeiten der Minitab-Statistiker erläutern, in deren Rahmen die im Assistenten der Minitab 17 Statistical Software verwendeten
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
MehrDas psychologische Experiment: Eine Einführung
Oswald Huber Das psychologische Experiment: Eine Einführung Mit dreiundfünfzig Cartoons aus der Feder des Autors 4. Auflage Verlag Hans Huber Inhalt Vorwort 11 Vorwort zur 3. Auflage 12 Einleitung 13 Kapitel
MehrInterventionsstudien Designprinzipien und mögliche Probleme aus methodischer Sicht
Interventionsstudien Designprinzipien und mögliche Probleme aus methodischer Sicht PD Dr. Sieghard Beller Institut für Psychologie, Universität Freiburg 22. Juli 2009 PH Weingarten Ziele von Interventionsstudien
MehrBeispiel für eine multivariate Varianzanalyse (MANOVA) Daten: POKIV_Terror_V12.sav
Beispiel für eine multivariate Varianzanalyse () Daten: POKIV_Terror_V12.sav Es soll überprüft werden, inwieweit das ATB-Syndrom (Angst vor mit den drei Subskalen affektive Angst von, Terrorpersistenz,
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
MehrVersuchsplanung. Teil 1 Einführung und Grundlagen. Dr. Tobias Kiesling <kiesling@stat.uni-muenchen.de> Einführung in die Versuchsplanung
Versuchsplanung Teil 1 Einführung und Grundlagen Dr. Tobias Kiesling Inhalt Einführung in die Versuchsplanung Hintergründe Grundlegende Prinzipien und Begriffe Vorgehensweise
MehrVorwort zur 6. Auflage 11 Einleitung 13. Kapitel 1 Psychologie als Wissenschaft 15
5 Inhalt Vorwort zur 6. Auflage 11 Einleitung 13 Kapitel 1 Psychologie als Wissenschaft 15 1.1 Alltagspsychologie und wissenschaftliche Psychologie 15 1.2 Sammlung von Tatsachenwissen Erforschung von Gesetzmäßigkeiten
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
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
MehrNichtparametrische Analyse longitudinaler Daten in faktoriellen Experimenten. Frank Konietschke
Nichtparametrische Analyse longitudinaler Daten in faktoriellen Experimenten Frank Konietschke Abteilung für Medizinische Statistik Universität Göttingen 1 Übersicht Beispiele CGI (repeated measures) γ-gt
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
MehrUntersuchungsdesign: 23.11.05
Untersuchungsdesign: 23.11.05 Seite 1! Ablauf Untersuchungsdesign! Beispiel! Kleine Übung! Diskussion zur Vorbereitung von Übung 2 Während Sie das Untersuchungsdesign festlegen, planen und bestimmen Sie:
MehrV A R I A N Z A N A L Y S E
V A R I A N Z A N A L Y S E Ziel / Funktion: statistische Beurteilung des Einflusses von nominal skalierten (kategorialen) Faktoren auf intervallskalierte abhängige Variablen Vorteil: die Wirkung von mehreren,
MehrInhaltsverzeichnis TABELLENVERZEICHNIS. Nagengast, Liane Kunden erfolgreich binden 2011
V Inhaltsverzeichnis VORWORT III INHALTSVERZEICHNIS V ABBILDUNGSVERZEICHNIS XI TABELLENVERZEICHNIS XIII ABKÜRZUNGSVERZEICHNIS XVI TEIL A EINLEITUNG 1 1. EINFÜHRUNG IN DIE PROBLEMSTELLUNG 1 1.1 Hohe Investitionen
Mehr1.4.1 Lernen mit Podcasts
20 Die Bachelorarbeit er gut gefallen hat oder auch nicht). Hier nun kurz skizziert die drei Beispiele, die wir im Verlauf dieses Buchs immer wieder heranziehen werden: Waltraud und Valerie 1.4.1 Lernen
MehrKapitel 3: Interpretationen
Kapitel 3: 1. Interpretation von Outputs allgemein... 1 2. Interpretation von Signifikanzen... 1 2.1. Signifikanztests / Punktschätzer... 1 2.2. Konfidenzintervalle... 2 3. Interpretation von Parametern...
MehrVersuch 3: Säure-Base Titrationen Chemieteil, Herbstsemester 2008
Versuch 3: Säure-Base Titrationen Chemieteil, Herbstsemester 2008 Verfasser: Zihlmann Claudio Teammitglied: Knüsel Philippe Datum: 29.10.08 Assistent: David Weibel E-Mail: zclaudio@student.ethz.ch 1. Abstract
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
MehrDIE FILES DÜRFEN NUR FÜR DEN EIGENEN GEBRAUCH BENUTZT WERDEN. DAS COPYRIGHT LIEGT BEIM JEWEILIGEN AUTOR.
Weitere Files findest du auf www.semestra.ch/files DIE FILES DÜRFEN NUR FÜR DEN EIGENEN GEBRAUCH BENUTZT WERDEN. DAS COPYRIGHT LIEGT BEIM JEWEILIGEN AUTOR. Rahel Clemenz; rahel.clemenz@unifr.ch 1 Einzelfallforschung
MehrPfadanalyse. 1. Grundlegende Verfahren. Bacher, SoSe2007
Pfadanalyse Bacher, SoSe2007 1. Grundlegende Verfahren Explorative Pfadanalyse: Kausale Beziehungen zwischen Variablen werden aufgedeckt, erforderlich ist eine kausale Anordnung der Variablen. Konfirmatorische
MehrEinfache statistische Testverfahren
Einfache statistische Testverfahren Johannes Hain Lehrstuhl für Mathematik VIII (Statistik) 1/29 Hypothesentesten: Allgemeine Situation Im Folgenden wird die statistische Vorgehensweise zur Durchführung
Mehr6.2 Regressionsanalyse
c-kennzahlensystem (ROCI) 6. Regressionsanalyse Die Regressionsanalyse zählt zu den wichtigsten Analysemethoden des Kommunikationscontrollings und hat ihre tiefen Wurzeln in der Statistik. Im Rahmen des
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
MehrStatische Versuchsplanung (DoE - Design of Experiments)
Statische Versuchsplanung (DoE - Design of Experiments) Übersicht Bei der statistischen Versuchsplanung wird die Wirkung von Steuerparametern unter dem Einfluss von Störparametern untersucht. Mit Hilfe
Mehr1. Biometrische Planung
1. Biometrische Planung Die biometrische Planung ist Teil der Studienplanung für wissenschaftliche Studien, in denen eine statistische Bewertung von Daten erfolgen soll. Sie stellt alle erforderlichen
MehrGrundlagen der evidenzbasierten neurologischen Rehabilitation
Grundlagen der evidenzbasierten neurologischen Rehabilitation Prof. Dr. phil. Helmut Hildebrandt Klinikum Bremen-Ost, Neurologie Universität Oldenburg, Psychologie email: helmut.hildebrandt@uni-oldenburg.de
MehrDie Provokationstechnik
Die Provokationstechnik Ideenfindung durch Infragestellen von Wissen und Annahmen Prof. Dr.-Ing. Graham Horton Einführung: Provokationen Die Grundgedanken der Provokationstechnik: Wissen und Erfahrung
Mehr1.1 Studientitel: XY 1.2 Studienleiter: XY 1.3 Medizinischer Hintergrund
1.1 Studientitel: XY 1.2 Studienleiter: XY 1.3 Medizinischer Hintergrund Patienten, welche unter chronischer Herzinsuffizienz leiden erleben häufig Rückfälle nach einem klinischen Aufenthalt. Die Ursache
MehrBeispiel 4. Beispiel 5
Bearbeitungsstand:01.01.2007 11:31, Seite 1 von 10 (Positives Erkennen) Das Umformulieren in der Mediation Positiv Umformulieren bedeutet nicht das Negative schön zu färben. Es bedeutet auch nicht, das
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,
MehrGrundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel
Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel 16.11.01 MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 1 Gliederung Datenanalyse (inferenzstatistisch)
MehrGrundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt!
Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! 1 Einführung 2 Wahrscheinlichkeiten kurz gefasst 3 Zufallsvariablen und Verteilungen 4 Theoretische Verteilungen (Wahrscheinlichkeitsfunktion)
MehrVersuchsplanung Tutorat
Versuchsplanung Tutorat Im folgenden findet ihr die Fragen der letzten beiden Wochen, nach Thema (Vorlesung) sortiert und jeweils passenden Folien zugeordnet. Ich hoffe, dass das die Arbeit möglichst einfach
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
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
MehrVarianzanalytische Methoden Zweifaktorielle Versuchspläne 4/13. Durchführung in SPSS (File Trait Angst.sav)
Zweifaktorielle Versuchspläne 4/13 Durchführung in SPSS (File Trait Angst.sav) Analysieren > Allgemeines Lineares Modell > Univariat Zweifaktorielle Versuchspläne 5/13 Haupteffekte Geschlecht und Gruppe
MehrEmpirische Softwaretechnik
Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006 1 Organisatorisches prüfbar im Vertiefungsfach Softwaretechnik und Übersetzerbau Folien und Material unter http://www.ipd.uni-karlsruhe.de/tichy
MehrEinleitung 19. Teil I Datenanalyse und Modellbildung Grundlagen 25
Inhaltsverzeichnis Einleitung 19 Zu diesem Buch 19 Konventionen in diesem Buch 20 Was Sie nicht lesen müssen 21 Falsche Voraussetzungen 21 Wie dieses Buch aufgebaut ist 21 Teil I: Datenanalyse und Grundlagen
MehrNichtparametrische statistische Verfahren
Nichtparametrische statistische Verfahren (im Wesentlichen Analyse von Abhängigkeiten) Kategorien von nichtparametrischen Methoden Beispiel für Rangsummentests: Wilcoxon-Test / U-Test Varianzanalysen 1-faktorielle
MehrGestaltungsempfehlungen
Gestaltungsempfehlungen Prof. Dr. Günter Daniel Rey 1 Überblick Auswahl der Empfehlungen Gestaltungseffekte Empirische Überprüfung Variablenarten Versuchspläne Beispiel eines Experimentes Statistische
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
MehrLaser in situ keratomileusis ohne und unter Verwendung persönlicher Nomogramme
Laser in situ keratomileusis ohne und unter Verwendung persönlicher Nomogramme Auswertung von Zweimonats-Daten Dr. med. Dominik J. Annen, Vedis Augenlaser Zentrum Winterthur Matthias Wottke, Carl Zeiss
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
MehrIntrinsisch motivierte Mitarbeiter als Erfolgsfaktor für das Ideenmanagement: Eine empirische Untersuchung
Intrinsisch motivierte Mitarbeiter als Erfolgsfaktor für das Ideenmanagement: Eine empirische Untersuchung Bearbeitet von Martina Sümnig Erstauflage 2015. Taschenbuch. 176 S. Paperback ISBN 978 3 95485
MehrUnivariate/ multivariate Ansätze. Klaus D. Kubinger. Test- und Beratungsstelle. Effektgrößen
Univariate/ multivariate Ansätze Klaus D. Kubinger Effektgrößen Rasch, D. & Kubinger, K.D. (2006). Statistik für das Psychologiestudium Mit Softwareunter-stützung zur Planung und Auswertung von Untersuchungen
MehrTranscriptomics: Analysis of Microarrays
Transcriptomics: Analysis of Microarrays Dion Whitehead dion@uni-muenster.de Division of Bioinformatics, Westfälische Wilhelms Universität Münster Microarrays Vorlesungsüberblick : 1. Überblick von Microarray
MehrAlkohol am Arbeitsplatz in Europa 2. Fragebogen
Alkohol am Arbeitsplatz in Europa 2. Fragebogen Seit Mai 2013 nimmt Ihr Betrieb an dem Projekt Alkohol am Arbeitsplatz in Europa teil. Sowohl Führungskräfte als auch die Belegschaft beschäftigten sich
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/
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
MehrSoftwareentwicklung Allgemeines und prozedurale Konstrukte
Mag. iur. Dr. techn. Michael Sonntag Softwareentwicklung Allgemeines und prozedurale Konstrukte E-Mail: sonntag@fim.uni-linz.ac.at http://www.fim.uni-linz.ac.at/staff/sonntag.htm Institut für Informationsverarbeitung
MehrAnalyse von Querschnittsdaten. Regression mit Dummy-Variablen
Analyse von Querschnittsdaten Regression mit Dummy-Variablen Warum geht es in den folgenden Sitzungen? Datum Vorlesung 9.0.05 Einführung 26.0.05 Beispiele 02..05 Forschungsdesigns & Datenstrukturen 09..05
Mehr8. Grundlagen der empirischen Sozialforschung
Einführung in das Studium der Management- und Wirtschaftswissenschaften WS 2013/14 8. Grundlagen der empirischen Sozialforschung Internationales Institut für Management und ökonomische Bildung Professur
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
MehrDie Analyse sozialen Wandels auf Basis wiederholter Querschnittserhebungen
Die Analyse sozialen Wandels auf Basis wiederholter Querschnittserhebungen Beitrag für den RatSWD-Nachwuchsworkshop: Längsschnittanalysen auf der Basis amtlicher Sozial- und Wirtschaftsdaten, Berlin, 25.-26.
MehrEin möglicher Unterrichtsgang
Ein möglicher Unterrichtsgang. Wiederholung: Bernoulli Experiment und Binomialverteilung Da der sichere Umgang mit der Binomialverteilung, auch der Umgang mit dem GTR und den Diagrammen, eine notwendige
MehrEine Studie was ist das? Grundlagen klinischer Studien
Eine Studie was ist das? Grundlagen klinischer Studien Grundlagen klinischer Studien Eine Studie ist eine systematische Sammlung von Daten, die dazu dient, eine oder mehrere Fragen zu beantworten. Eine
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
MehrZufriedenheitsforschung
Zufriedenheitsforschung Seminarvortrag im Rahmen des Seminars: Statistische Herausforderungen sozialwissenschaftlicher Studien (Vorbereitungsmaterial) Joachim Copony Betreuerin: Andrea Wiencierz Institut
MehrMotivation. Jede Messung ist mit einem sogenannten Fehler behaftet, d.h. einer Messungenauigkeit
Fehlerrechnung Inhalt: 1. Motivation 2. Was sind Messfehler, statistische und systematische 3. Verteilung statistischer Fehler 4. Fehlerfortpflanzung 5. Graphische Auswertung und lineare Regression 6.
MehrMethodenkoffer handlungsorientierter Aufgabenstellung zur Erreichung der Ziele der Demokratieinitiative Entscheidend bist du
Methodenkoffer handlungsorientierter Aufgabenstellung zur Erreichung der Ziele der Demokratieinitiative Entscheidend bist du Bei den angeführten Übungen handelt es sich um Aufgabenstellungen die mit einer
MehrAktive Patientengewinnung durch Klinikmarketing
sananet GmbH Breite Str. 6-8 23562 Lübeck Telefon : 0451 400 8300 Telefax : 0451 400 8302 E-Mail : info@sananet.com Internet : www.sananet.com Aktive Patientengewinnung durch Klinikmarketing Modul II Einweiserbefragung
MehrWie funktioniert ein Heißluftballon? Einen Mini-Heißluftballon aufsteigen lassen
Wie funktioniert ein Heißluftballon? Einen Mini-Heißluftballon aufsteigen lassen In aller Kürze Hast du schon mal einen Heißluftballon am Himmel beobachtet? Wie kommt es eigentlich, dass er fliegen kann?
MehrAccess [basics] Gruppierungen in Abfragen. Beispieldatenbank. Abfragen gruppieren. Artikel pro Kategorie zählen
Abfragen lassen sich längst nicht nur dazu benutzen, die gewünschten Felder oder Datensätze einer oder mehrerer Tabellen darzustellen. Sie können Daten auch nach bestimmten Kriterien zu Gruppen zusammenfassen
MehrKapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung
Kapitel 3 Zufallsvariable Josef Leydold c 2006 Mathematische Methoden III Zufallsvariable 1 / 43 Lernziele Diskrete und stetige Zufallsvariable Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion
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
MehrOnline-Fragebögen und andere Internet-Erhebungen im Vergleich zu herkömmlichen Befragungsformen. vorgetragen von Dijana Djerkovic
Online-Fragebögen und andere Internet-Erhebungen im Vergleich zu herkömmlichen Befragungsformen vorgetragen von Dijana Djerkovic Inhalt 1. Definition von Befragung 2. Befragungsformen 3. Merkmale von Fragebogenuntersuchungen
MehrBraucht es ein schnelleres Bezahlsystem?
Zahlungsverhalten in der Schweiz Braucht es ein schnelleres Bezahlsystem? Building Competence. Crossing Borders. Swiss Banking Operations Forum 2015 Sandro Graf, Corinne Scherrer 5. Mai 2015 Fragestellungen
Mehr