Inferenzstatistik Vortrag: Alpha und Beta Fehler

Ähnliche Dokumente
Methodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Stichprobenumfangsplanung

Methodenlehre. Vorlesung 11. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS

Methodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Methodenlehre. Vorlesung 13. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Methodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Statistische Überlegungen: Eine kleine Einführung in das 1 x 1

Einführung in Quantitative Methoden

Statistik III. Methodologie der Psychologie

Unterschiedshypothesen Vergleiche von Häufigkeiten bzw. Mittelwerten zwischen (mindestens) zwei Gruppen Zusammenhangshypothesen Korrelationsanalysen

Forschungsmethoden VORLESUNG SS 2017

Statistische Tests (Signifikanztests)

2 Wiederholung statistischer Grundlagen Schließende Statistik empirischen Information aus Stichprobenrealisation x von X

3. Das Prüfen von Hypothesen. Hypothese?! Stichprobe Signifikanztests in der Wirtschaft

Statistik III. Einfaktorielle Varianzanalyse (ANOVA), Regressionsanalyse und Verfahren bei Messwiederholung mit SPSS.

Forschungsmethoden VORLESUNG WS 2017/2018

Aufgaben zu Kapitel 3

Statistische Tests funktionieren generell nach obigem Schema; der einzige Unterschied besteht in der unterschiedlichen Berechnung der Testgröße.

Mathematik für Biologen

methodenlehre ll Grenzen des Signifikanztests methodenlehre ll Grenzen des Signifikanztests

Güteanalyse. Nochmal zur Erinnerung: Hypothesentest. Binominalverteilung für n=20 und p=0,5. Münzwurf-Beispiel genauer

2.4 Hypothesentests Grundprinzipien statistischer Hypothesentests. Hypothese:

Beispiel für Gütefunktionen Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = 0.10

Allgemeines zu Tests. Statistische Hypothesentests

Aussagen hierzu sind mit einer unvermeidbaren Unsicherheit behaftet, die statistisch über eine Irrtumswahrscheinlichkeit bewertet wird.

Grundlagen sportwissenschaftlicher Forschung Deskriptive Statistik 2 Inferenzstatistik 1

Pflichtlektüre: Kapitel 12 - Signifikanztest Wie funktioniert ein Signifikanztest? Vorgehensweise nach R. A. Fisher.

Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006

Statistische Methoden in der MMST: Schließende Statistik

Mögliche Fehler beim Testen

4.1. Nullhypothese, Gegenhypothese und Entscheidung

Hypothesen über die Grundgesamtheit. Aufgabenstellung der Testtheorie Hypothesen (Annahmen, Vermutungen oder

Statistik II. Statistische Tests. Statistik II

VS PLUS

Je genauer und sicherer, desto größer muss der Stichprobenumfang sein

Kapitel 3 Schließende Statistik

9 Prinzipien der statistischen Hypothesenprüfung

Statistik II für Betriebswirte Vorlesung 1

3 Grundlagen statistischer Tests (Kap. 8 IS)

Forschungsmethoden VORLESUNG WS 2016/17

Statistisches Testen: Signifikanz und Relevanz Christiane Spiel

Mathematik für Biologen

Schließende Statistik

Kapitel 3 Schließende Statistik

Empirische Methoden zur Analyse gesprochener Sprache

2. Formulieren von Hypothesen. Nullhypothese: H 0 : µ = 0 Gerät exakt geeicht

Vorlesung: Statistik II für Wirtschaftswissenschaft

Statistik I. Methodologie der Psychologie

Beurteilende Statistik

Mathematische und statistische Methoden I

T-Test für unabhängige Stichproben

Glossar. den man als mindesten oder interessanten Effekt für die Population annimmt. Anpassungstest; 148 f., 151: Der Anpassungstest

Statistische Methoden in den Umweltwissenschaften

Quantitative Methoden (Vertretung für Prof. Th. Pechmann)

Beurteilende Statistik

Stochastik in den Ingenieu rwissenschaften

Kapitel 4: Merkmalszusammenhänge

Hypothesentests. Hypothese Behauptung eines Sachverhalts, dessen Überprüfung noch aussteht.

9 Prinzipien der statistischen Hypothesenprüfung

Bereiche der Statistik

Statistik II. Statistische Tests. Statistik II

Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Hypothesenbewertung. Christoph Sawade/Niels Landwehr Tobias Scheffer

Forschungsmethoden VORLESUNG SS 2018

Einführung in die Induktive Statistik: Testen von Hypothesen

Methodenlehre. Vorlesung 13. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

GRUNDPRINZIPIEN statistischen Testens

Statistik II. Weitere Statistische Tests. Statistik II

Stoffverteilungsplan Mathematik Leistungskurs. Lambacher Schweizer Stochastik ISBN Klassenarbeit

in der Psychologie Experimentelle Hypothesenprüfung und Verlag für Psychologie von

Statistische Methoden in der MMST: Schließende Statistik

7. Hypothesentests. Ausgangssituation erneut: ZV X repräsentiere einen Zufallsvorgang. X habe die unbekannte VF F X (x)

STATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik

Einführung in die Statistik zur Tierversuchsplanung

Forschungsmethoden VORLESUNG WS 2017/2018

Testen von Hypothesen

Lösungen zu den Übungsaufgaben in Kapitel 10

Testen von Hypothesen, Beurteilende Statistik

Statistik im Klartext Für Psychologen, Wirtschaftsund Sozialwissenschaftler. Fabian Heimsch Rudolf Niederer Peter Zöfel

Biometrie und Methodik (Statistik) - WiSem08/09 Probeklausur 1

Inferenzstatistik verstehen

8. Konfidenzintervalle und Hypothesentests

Biometrische Planung von Versuchsvorhaben

Kapitel 13. Grundbegriffe statistischer Tests

Testen von Hypothesen

Aufgaben zu Kapitel 5:

Thema der Stunde. I. Die Form der Stichprobenkennwerteverteilung. II. Schlüsse von der Stichprobe auf die Population

SozialwissenschaftlerInnen II

Testen von Hypothesen

Statistik Prüfung 24. Jänner 2008

Jost Reinecke. 7. Juni 2005

Kapitel 5: Einfaktorielle Varianzanalyse

Grundgesamtheit, Merkmale, Stichprobe. Eigenschaften der Stichprobe. Klasseneinteilung, Histogramm. Arithmetisches Mittel, empirische Varianz

Inhaltsverzeichnis Einführung und deskriptive Statistik Grundlagen der Inferenzstatistik 1: Zufallsvariablen

Grundlagen der Statistik

Grundlagen der schließenden Statistik

Transkript:

Inferenzstatistik Vortrag: Alpha und Beta Fehler Dresden, 18.11.08

01 Fehlerquelle Hypothesen Unbekannte Wirklichkeit H0 ist richtig H0 ist falsch Schlussfolgerung aus dem Test unserer Stichprobe Ho annehmen richtig Fehler 2. Art, Beta- Fehler, keinen Unterschied feststellen, obwohl vorhanden H0 ablehnen Fehler 1. Art, Alpha- Fehler, Unterschied feststellen, obwohl keiner vorhanden richtig TU Dresden, 18.11.2008 Alpha- und Beta-Fehler, Chris Döring Folie 2

02 Alpha- Fehler - Wahrscheinlichkeit des Alpha- Fehlers entspricht dem gewählten Signifikanzniveaus (meist 95%) - Je nach Wichtigkeit der Konsequenzen sollte das Signifikanzniveau (und damit die Wahrscheinlichkeit des Fehlers) hoch oder tief gewählt werden TU Dresden, 18.11.2008 Alpha- und Beta-Fehler, Chris Döring Folie 3

03 Beta- Fehler - Wahrscheinlichkeit ist ohne Zusatzannahme i.d.r. nicht bekannt! - Faustregel: je größer n, desto geringer Beta (da Standardfehler kleiner) - Alpha und Beta indirekt proportional - Signifikanzniveau sollte niedrig gewählt werden (wenn H0 erwünscht), z.b. 10% TU Dresden, 18.11.2008 Alpha- und Beta-Fehler, Chris Döring Folie 4

04 TU Dresden, 18.11.2008 Alpha- und Beta-Fehler, Chris Döring Folie 5

04 Teststärke - Wahrscheinlichkeit, dass ein Unterschied, der vorhanden ist, auch wirklich gemessen wird Teststärke = 1-ß - Nur unter Zusatzannahme möglich: Vermutung (Wissen?) über reale Verteilung! - Teststärke dient der Präzision - Abhängig von: Fragestellung (einseitiger vs. zweiseitiger Test), wie wichtig ist der Unterschied (klinische Studie), Varianz des Merkmals (abhängige Stichproben haben höhere Teststärke als unabhängige) und Stichprobenumfang TU Dresden, 18.11.2008 Alpha- und Beta-Fehler, Chris Döring Folie 6

05 Entscheidungen - Zu Ungunsten der statistischen Nullhypothese, wenn die empirische Alpha- Fehlerwahrscheinlickeit kleiner als das festgelegte Signifikanzniveau ist (p<α) - Zu Gunsten der statistischen Nullhypothese, wenn die empirische Fehlerwahrscheinlichkeit kleiner als das vorher festgelegte Beta- Fehlerniveau ist (Cohen 69, d=0,2-> klein, d=0,5-> mittel, d=0,8->groß) TU Dresden, 18.11.2008 Alpha- und Beta-Fehler, Chris Döring Folie 7

05 Entscheidungen II - Daraus 2 Vorgehensvarianten: - A priori: Alpha, Beta und Eta festgelegt und n bestimmt -> Experiment - A posteriori: Alpha und n festlegen und nach Experiment Effektstärke, Beta und Teststärke bestimmen TU Dresden, 18.11.2008 Alpha- und Beta-Fehler, Chris Döring Folie 8

06 Probleme: Aussagekraft und Alpha- Akkumulation Woher wissen wir, wie sehr wir uns irren, wenn wir H0 nicht ablehnen? Wir machen (/können) keine Aussage über H1 (machen)!! Viele Signifikanztests erhöhen die Wahrscheinlichkeit des Alpha- Fehlers Beispiel: 2 Forscher -> F1 macht 4 t-tests und F2 20 t-tests Wer hat die größere Chance Alpha Fehler zu machen? TU Dresden, 18.11.2008 Alpha- und Beta-Fehler, Chris Döring Folie 9

TU Dresden, 18.11.2008 Alpha- und Beta-Fehler, Chris Döring Folie 10

07 Fazit - Man sollte nicht nur Alpha sondern auch Beta (oder Teststärke) berücksichtigen und bei eigenen Studien angeben - Es lohnt sich (wie mittlerweile üblich) mehrere Signifikanzniveaus zu testen und auszuwerten - Einflussgrößen beachten(!): - Streuung - Streuung kann je nach Versuchsdesign variieren (abhängige vs. Unabhängige Stichproben)! - Größe des Unterschieds - Gewähltes Signifikanzniveau - Stichprobenumfang TU Dresden, 18.11.2008 Alpha- und Beta-Fehler, Chris Döring Folie 11

N= 29 N=105 TU Dresden, 18.11.2008 Alpha- und Beta-Fehler, Chris Döring Folie 12

Quellenverzeichnis - Müller, Hans-Ottfried. (2008): Statistikunterlagen (I und II). TU Dresden - Rosemann, Gerald. (2003): Der Hypothesentest: Übersicht. Uni Oldenburg. (viles.zef.uni-oldenburg.de/viles2/hypothesen/hypothesen_5.php3 ) - Hussy, W. & Jain, A. (2002): Experimentelles Hypothesenprüfen in der Psychologie. Göttingen: Hogrefe - Bortz, Jürgen. (2004): Statistik für Sozialwissenschaftler. 6. Auflage. Berlin: Springer - Clemens, Zimmermann. (2007): Quantitative Methoden. Uni-Saarland. (www.uni-saarland.de/fak5/excops/download/qm1_13.pdf ) Grafiken: 1 (Folie 2): Exceltabelle. Selbsterstellt. 2 (Folie 5): www.uni-saarland.de/fak5/excops/download/qm1_13.pdf (Folie 4) 3 (Folie 10): www.uni-saarland.de/fak5/excops/download/qm1_13.pdf (Folie 14) 4 (Folie 12): Excelauswertung (referat_blutwerte.xls). Selbsterstellt. TU Dresden, 18.11.2008 Alpha- und Beta-Fehler, Chris Döring Folie 13