a) Man bestimme ein 95%-Konfidenzintervall für den Anteil der Wahlberechtigten, die gegen die Einführung dieses generellen
|
|
- Karola Haupt
- vor 6 Jahren
- Abrufe
Transkript
1
2 2) Bei einer Stichprobe unter n=800 Wahlberechtigten gaben 440 an, dass Sie gegen die Einführung eines generellen Tempolimits von 100km/h auf Österreichs Autobahnen sind. a) Man bestimme ein 95%-Konfidenzintervall für den Anteil der Wahlberechtigten, die gegen die Einführung dieses generellen Tempolimits sind. (6 Punkte) n= 800 X= 440 p= 55,00% (1-p)= 0,4500 var(p)= 0,0003 sigma(p)= 0,0176 = 0,05 Tab= 1,9600 Tab*sigma= 3,45% =emax UG 51,55% 412,4 OG 58,45% 467,6 l= 6,89% =Länge des Konfidenzintervalls b) Kann man bei einer Irrtumswahrscheinlichkeit = 0,05, davon ausgehen, dass die Behauptung Mehr als die Hälfte aller Wahlberechtigten sind gegen die Einführung eines generellen Tempolimits von 100km/h auf Österreichs Autobahnen durch die empirischen Daten bestätigt wird? (insgesamt 7 Punkte) p= 55% Ho <= 50% = 50% H A > 50% s 0,0177 einseitiger Test Tab= 1,6449 Teststatistik 2,83 signifikant Prüfung - Statistik 2 für SoziologInnen 2 von 9
3 3) Im Zuge einer Erhebung wurde eine Stichprobe von n=64 Angestellten nach Ihrer Zufriedenheit im Beruf befragt und ein Zufriedenheits-Score pro Angestellten (Werte zwischen 0-100) ermittelt. Der Durchschnittswert in der Stichprobe lag bei 70 die Standardabweichung betrug in der Stichprobe 20. Mittelwert: x 70 Standardabweichung: ˆ 20 Kann man aufgrund des empirischen Ergebnisses der Stichprobe behaupten, dass die Zufriedenheit im Beruf signifikant unter dem Wert von 75 liegt? Teste diese Hypothese mit = 0,05! (Insgesamt 8 Punkte) Stichprobenergebnisse Legende: n= 64 xq...arithmetisches Mittel (x-quer) xq= 70 s...standardabweichung der Stichprobenwerte s²= 400 s(xq)...standardabweichung des Stichprobenmittels s= 20 s(xq)= 2,5 nur bei großem n anzuwenden Irrtumswahrscheinlichkeit alpha= 0,05 t-wert= 1,6694 z-wert 1,6449 Einseitiger Test Ha: MW < 75 Testwert -2 signifikant Prüfung - Statistik 2 für SoziologInnen 3 von 9
4 4) Bei einem Didaktik-Experiment soll die Auswirkung von 4 verschiedenen Unterrichtsmethoden auf den Lernerfolg überprüft werden. Folgende Daten wurden dabei an jeweils 6 Lernenden erhoben: Methode Methode Methode Methode Ergänzen Sie in der nachfolgenden varianzanalytischen Auswertung die fehlenden Werte (6 Punkte) ANOVA Streuungsursache Freiheitsgrade (df) Quadratsummen (SS) Mittlere Quadratsumme (MS) Prüfgröße (F) P Wert Zwischen den Gruppen ,33 1,61 0,35 Innerhalb der Gruppen ,10 Gesamt Formulieren Sie eine Zusammenfassung des Ergebnisses der Analyse unter Angabe der Null- und Alternativhypothese sowie Ihre Entscheidung bei einem Signifikanzniveau von =0.05 (2 Punkte) Bei Vorgabe einer Irrtumswahrscheinlichkeit von 5% kann die Nullhypothese, dass der Erwartungswert der 4 Gruppen identisch ist, nicht zurückgewiesen werden. Prüfung - Statistik 2 für SoziologInnen 4 von 9
5 5) Bei einer Umfrage unter 600 Wahlberechtigten werden folgende Daten erhoben: Von 350 Befragten männlichen Geschlechts gaben 175 an bei einer bevorstehenden Wahlentscheidung mit JA zu stimmen. Von 250 Befragten weiblichen Geschlechts gaben 150 an bei einer bevorstehenden Wahlentscheidung mit JA zu stimmen. Wenden Sie einen geeigneten Test an, um zu überprüfen, ob die Zustimmung bei Männern signifikant unterschiedlich von jener der Frauen ist und testen Sie mit = Formulieren Sie die Null- und Alternativhypothese und interpretieren Sie die Ergebnisse! (Insgesamt 8 Punkte) Dafür Dagegen Total MANN FRAU Total ,8% 63,6% 58,3% Dafür Dagegen Total MANN 189,6 160,4 350 FRAU 135,4 114,6 250 Total Ohne Yates Mit YATES Korrektur 1,12 1,33 1,05 1,24 1,57 1,86 1,46 1,73 5,87 5,48 Kritischer Wert 3,84 Teststatistik 5,87 0,0154 Teststatistik 5,48 p value 0,0193 signifikante Abweichung bei 5% Prüfung - Statistik 2 für SoziologInnen 5 von 9
6 6) In zwei unabhängigen Stichproben wurde für jede Personen ein Score-Wert Zufriedenheit im Berufsleben (Wertebereich 0 bis 100) erhoben: Die Ergebnisse liegen wie folgt zusammengefasst vor: n 169 x 59 s n 225 x 55 s 36, Kann man aufgrund dieser Daten von einem signifikanten ( =0,05) Unterschied zwischen den beiden Gruppen ausgehen? Wenden Sie ein geeignetes Testverfahren an! Begründen Sie die Wahl der Methode und geben Sie die verwendeten Berechnungsformeln an! Interpretieren Sie die Ergebnisse und diskutieren Sie die Modellannahmen! (Insgesamt 8 Punkte) Annahme homogene Varianzen xq 1 59 n s 1 36,0 xq 2 55 n s 2 36,0 = 0,05 DF 392 S²= 1296 Zweiseitig t krit = 1,966 t-wert 1,09 p-value 0,276 Nicht signifikant Welche anderen Testverfahren zum Vergleich zweier Mittelwerte von 2 unabhängigen Stichproben kennen Sie, und in welchen Situationen würden Sie diese anwenden? (2 Punkte) t-test mit Welch-Korrektur bei Vorliegen ungleicher Varianzen Mann-Whitney U-Test bei Zweifel am Vorliegen der Normalverteilung Prüfung - Statistik 2 für SoziologInnen 6 von 9
7 7) Wie viele Antworten muss eine Umfrage enthalten, wenn folgende Information daraus abgeleitet werden soll: Ein 99%-Konfidenzintervall für den unbekannten Anteil soll mit einer Genauigkeit von plus/minus 5 Prozentpunkten angegeben werden. Sie können dabei davon ausgehen, dass der wahre Anteil in der Größenordnung von ca. 30% zu erwarten ist? (6 Punkte) Länge 0,10 emax 0,05 Tab 2,5758 Annahme p ~ 0,30 4 z n p * (1-p) 0,21 Wurzel(p*(1-p)) 0, Wurzel(n) 23, n 557, Aufgerundet , , / 2 p( 1 2 n L z p) 2 1 / 2 2 L Prüfung - Statistik 2 für SoziologInnen 7 von 9
8 8) Die folgenden Daten zeigen den Zusammenhang zwischen Ticketpreis und Distanz in Flugmeilen für 10 unterschiedliche Städteflüge. Stadt Preis Distanz Ein lineares Regressionsmodell zur Analyse des Preises in Abhängigkeit von der Distanz ergibt folgendes Ergebnis: Koeffizienten Standardfehler t Statistik P Wert Schnittpunkt 50, , , ,05958 Distanz 0, , , ,00003 Ergänzen Sie in der folgenden Tabelle die fehlenden Werte in den grauen Feldern! (7 Punkte) Regressions Statistik Korrelationskoeffizient 0,95 Bestimmtheitsmaß 0,90 Standardfehler 35,20 Beobachtungen 10 ANOVA Freiheitsgrade (df) Quadratsummen (SS) Mittlere Quadratsumme Prüfgröße (F) P Wert Regression , ,41 74,51 0,00003 Residuen , ,07 Gesamt , ,00 Prüfung - Statistik 2 für SoziologInnen 8 von 9
9 Tabellenwerte Normalverteilung: X~N(0,1) P(X < 1,6449) = 0,95 P(X < 1,9600) = 0,975 P(X < 2,3263) = 0,99 P(X < 2,5758) = 0,995 Tabellenwerte Chi²-Verteilung: X~Chi²(df) df=1: P(X < 3,8415 ) = 0,95 P(X < 5,9165 ) = 0,99 df=2: P(X < 5,9915) = 0,95 P(X < 8,3994 ) = 0,99 df=3: P(X < 7,8147 ) = 0,95 P(X < 10,4650 ) = 0,99 Tabellenwerte t-verteilung Quantile der t Verteilung df 0,95 0,975 0,99 0,995 5 P(X < 2,0150) = 0,95 P(X < 2,5706) = 0,975 P(X < 3,3649) = 0,99 P(X < 4,0321) = 0,995 6 P(X < 1,9432) = 0,95 P(X < 2,4469) = 0,975 P(X < 3,1427) = 0,99 P(X < 3,7074) = 0,995 7 P(X < 1,8946) = 0,95 P(X < 2,3646) = 0,975 P(X < 2,9980) = 0,99 P(X < 3,4995) = 0,995 8 P(X < 1,8595) = 0,95 P(X < 2,3060) = 0,975 P(X < 2,8965) = 0,99 P(X < 3,3554) = 0,995 9 P(X < 1,8331) = 0,95 P(X < 2,2622) = 0,975 P(X < 2,8214) = 0,99 P(X < 3,2498) = 0, P(X < 1,8125) = 0,95 P(X < 2,2281) = 0,975 P(X < 2,7638) = 0,99 P(X < 3,1693) = 0, P(X < 1,7959) = 0,95 P(X < 2,2010) = 0,975 P(X < 2,7181) = 0,99 P(X < 3,1058) = 0, P(X < 1,7823) = 0,95 P(X < 2,1788) = 0,975 P(X < 2,6810) = 0,99 P(X < 3,0545) = 0, P(X < 1,7709) = 0,95 P(X < 2,1604) = 0,975 P(X < 2,6503) = 0,99 P(X < 3,0123) = 0, P(X < 1,7613) = 0,95 P(X < 2,1448) = 0,975 P(X < 2,6245) = 0,99 P(X < 2,9768) = 0, P(X < 1,7531) = 0,95 P(X < 2,1314) = 0,975 P(X < 2,6025) = 0,99 P(X < 2,9467) = 0, P(X < 1,7459) = 0,95 P(X < 2,1199) = 0,975 P(X < 2,5835) = 0,99 P(X < 2,9208) = 0, P(X < 1,7396) = 0,95 P(X < 2,1098) = 0,975 P(X < 2,5669) = 0,99 P(X < 2,8982) = 0, P(X < 1,7341) = 0,95 P(X < 2,1009) = 0,975 P(X < 2,5524) = 0,99 P(X < 2,8784) = 0, P(X < 1,7291) = 0,95 P(X < 2,0930) = 0,975 P(X < 2,5395) = 0,99 P(X < 2,8609) = 0, P(X < 1,7247) = 0,95 P(X < 2,0860) = 0,975 P(X < 2,5280) = 0,99 P(X < 2,8453) = 0, P(X < 1,7207) = 0,95 P(X < 2,0796) = 0,975 P(X < 2,5176) = 0,99 P(X < 2,8314) = 0, P(X < 1,7171) = 0,95 P(X < 2,0739) = 0,975 P(X < 2,5083) = 0,99 P(X < 2,8188) = 0, P(X < 1,7139) = 0,95 P(X < 2,0687) = 0,975 P(X < 2,4999) = 0,99 P(X < 2,8073) = 0, P(X < 1,7109) = 0,95 P(X < 2,0639) = 0,975 P(X < 2,4922) = 0,99 P(X < 2,7969) = 0, P(X < 1,7081) = 0,95 P(X < 2,0595) = 0,975 P(X < 2,4851) = 0,99 P(X < 2,7874) = 0, P(X < 1,7056) = 0,95 P(X < 2,0555) = 0,975 P(X < 2,4786) = 0,99 P(X < 2,7787) = 0, P(X < 1,7033) = 0,95 P(X < 2,0518) = 0,975 P(X < 2,4727) = 0,99 P(X < 2,7707) = 0, P(X < 1,7011) = 0,95 P(X < 2,0484) = 0,975 P(X < 2,4671) = 0,99 P(X < 2,7633) = 0, P(X < 1,6991) = 0,95 P(X < 2,0452) = 0,975 P(X < 2,4620) = 0,99 P(X < 2,7564) = 0, P(X < 1,6973) = 0,95 P(X < 2,0423) = 0,975 P(X < 2,4573) = 0,99 P(X < 2,7500) = 0,995 Prüfung - Statistik 2 für SoziologInnen 9 von 9
90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft
Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte
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,
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
MehrStandardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14.
Aufgabe : einfacher T-Test Statistik bei einer Stichprobe Standardfehl Standardab er des Mittelwert weichung Mittelwertes 699 39.68 76.59 2.894 Test bei einer Sichprobe Testwert = 45.5 95% Konfidenzintervall
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
MehrDIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 2006/07 28.02.2007
Wirtschaftswissenschaftliches Prüfungsamt DIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 006/07 8.0.007 Lösung Prof. Dr. R Friedmann / Dr. R. Hauser Hinweise für die Klausurteilnehmer
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...
MehrKlausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik
Ludwig Fahrmeir, Nora Fenske Institut für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik 29. März 21 Hinweise:
MehrBachelorprüfung. Praxis der empirischen Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Name, Vorname. Matrikelnr. E-Mail. Studiengang.
Lehrstuhl für Statistik und empirische Wirtschaftsforschung Fach: Prüfer: Bachelorprüfung Praxis der empirischen Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Name, Vorname Matrikelnr. E-Mail Studiengang
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)
MehrÜberblick über die Verfahren für Ordinaldaten
Verfahren zur Analyse ordinalskalierten Daten 1 Überblick über die Verfahren für Ordinaldaten Unterschiede bei unabhängigen Stichproben Test U Test nach Mann & Whitney H Test nach Kruskal & Wallis parametrische
Mehr9. StatistischeTests. 9.1 Konzeption
9. StatistischeTests 9.1 Konzeption Statistische Tests dienen zur Überprüfung von Hypothesen über einen Parameter der Grundgesamtheit (bei einem Ein-Stichproben-Test) oder über die Verteilung einer Zufallsvariablen
MehrBiostatistik, WS 2015/2016 Der zwei-stichproben-t-test
1/29 Biostatistik, WS 2015/2016 Der zwei-stichproben-t-test (t-test für ungepaarte Stichproben) Matthias Birkner http://www.staff.uni-mainz.de/birkner/biostatistik1516/ 11.12.2015 2/29 Inhalt 1 t-test
MehrName (in Druckbuchstaben): Matrikelnummer: Unterschrift:
20-minütige Klausur zur Vorlesung Lineare Modelle im Sommersemester 20 PD Dr. Christian Heumann Ludwig-Maximilians-Universität München, Institut für Statistik 2. Oktober 20, 4:5 6:5 Uhr Überprüfen Sie
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2010/2011. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2010/2011 Aufgabe 1 Nach einer
Mehr1 Von den Ereignissen U und V eines Zufallsexperiments kennt man die Eigenschaften (1) bis (3) :
Prof. Dr. E. Mammen SEMINAR FÜR STATISTIK Prof. Dr. H. Stenger UNIVERSITÄT MANNHEIM Vierstündige Klausur in statistischer Methodenlehre 9. Juli 003; 8:30 - :30 Zulässige Hilfsmittel: keine, insbesondere
Mehr8. Februar 2007. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt.
L. Fahrmeir, C. Belitz Department für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit Wahlfach Statistik 8. Februar 2007 Hinweise:
MehrEinführung in statistische Testmethoden
Einführung in statistische Testmethoden und die Bearbeitung von Messdaten mit Excel 1. Beispielhafte Einführung in den Gebrauch von Testmethoden 2. Typen von Messwerten, Verteilungen 3. Mittelwert, Varianz,
Mehr7. Mai 2010. Ruhr-Universität Bochum. Methodenlehre II, SS 2009. Prof. Dr. Holger Dette
Ruhr-Universität Bochum 7. Mai 2010 1 / 95 Methodenlehre II NA 3/73 Telefon: 0234 322 8284 Email: holger.dette@rub.de Internet: www.ruhr-uni-bochum.de/mathematik3/index.html Vorlesung: Montag, 8.30-10.00
MehrMarktforschung I. Marktforschung I 2
Marktforschung I Marktforschung I Einführung in die Testtheorie (Toporowski) Mathematische Grundlagen (Toporowski) Varianzanalyse (Toporowski) Regressionsanalyse (Boztuğ) Diskriminanzanalyse (Hammerschmidt)
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
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
MehrKlausur: Einführung in die Statistik
1 Lösungen immer unter die jeweiligen Aufgaben schreiben. Bei Platzmangel auf die Rückseite schreiben (dann Nummer der bearbeiteten Aufgabe mit anmerken!!!). Lösungen, die nicht auf den Aufgabenblättern
MehrEinfache Varianzanalyse für abhängige
Einfache Varianzanalyse für abhängige Stichproben Wie beim t-test gibt es auch bei der VA eine Alternative für abhängige Stichproben. Anmerkung: Was man unter abhängigen Stichproben versteht und wie diese
MehrInhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1
Inhaltsverzeichnis Regressionsanalyse... 2 Lernhinweise... 2 Einführung... 2 Theorie (1-8)... 2 1. Allgemeine Beziehungen... 3 2. 'Best Fit'... 3 3. 'Ordinary Least Squares'... 4 4. Formel der Regressionskoeffizienten...
MehrPrüfen von Mittelwertsunterschieden: t-test
Prüfen von Mittelwertsunterschieden: t-test Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) t-test
Mehr8. Methoden der klassischen multivariaten Statistik
8. Methoden der klassischen multivariaten Statistik 8.1. Darstellung von Daten Voraussetzungen auch in diesem Kapitel: Grundgesamtheit (Datenraum) Ω von Objekten (Fällen, Instanzen), denen J-Tupel von
MehrÜbungsaufgaben zu Kapitel 5. Aufgabe 101. Inhaltsverzeichnis:
Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 5... 1 Aufgabe 101... 1 Aufgabe 102... 2 Aufgabe 103... 2 Aufgabe 104... 2 Aufgabe 105... 3 Aufgabe 106... 3 Aufgabe 107... 3 Aufgabe 108... 4 Aufgabe 109...
Mehr27. Statistische Tests für Parameter. Was ist ein statistischer Test?
27. Statistische Tests für Parameter Wenn du eine weise Antwort verlangst, musst du vernünftig fragen Was ist ein statistischer Test? Ein statistischen Test ist ein Verfahren, welches ausgehend von Stichproben
MehrJ. Bortz/N. Döring: Forschungsmethoden und Evaluation (jeweils neueste Auflage) Springer, Berlin S. 463ff
J. Bortz/N. Döring: Forschungsmethoden und Evaluation (jeweils neueste Auflage) Springer, Berlin S. 463ff Signifikanztests Zur Logik des Signifikanztests Tests zur statistischen Überprüfung von Hypothesen
Mehr12.1 Wie funktioniert ein Signifikanztest?
Sedlmeier & Renkewitz Kapitel 12 Signifikanztests 12.1 Wie funktioniert ein Signifikanztest? Zentrales Ergebnis eine Signifikanztests: Wie wahrscheinlich war es unter der Bedingung dass H0 gilt, diesen
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
MehrMultivariate Verfahren
Selbstkontrollarbeit 2 Multivariate Verfahren Musterlösung Aufgabe 1 (28 Punkte) Der Marketing-Leiter einer Lebensmittelherstellers möchte herausfinden, mit welchem Richtpreis eine neue Joghurt-Marke auf
MehrBitte schreiben Sie in Druckbuchstaben und vergessen Sie nicht zu unterschreiben. Name, Vorname:. Studiengang/ Semester:. Matrikelnummer:..
Institut für Erziehungswissenschaft der Philipps-Universität Marburg Prof. Dr. Udo Kuckartz Arbeitsbereich Empirische Pädagogik/Methoden der Sozialforschung Wintersemester 004/005 KLAUSUR FEBRUAR 005 /
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
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungsfreie Verfahren Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrProfil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8
1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen
MehrAuswertung mit dem Statistikprogramm SPSS: 30.11.05
Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Seite 1 Einführung SPSS Was ist eine Fragestellung? Beispiel Welche statistische Prozedur gehört zu welcher Hypothese? Statistische Berechnungen mit
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:
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
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
MehrTeil I Beschreibende Statistik 29
Vorwort zur 2. Auflage 15 Vorwort 15 Kapitel 0 Einführung 19 0.1 Methoden und Aufgaben der Statistik............................. 20 0.2 Ablauf statistischer Untersuchungen..............................
Mehr2. Korrelation, lineare Regression und multiple Regression
multiple 2.2 Lineare 2.2 Lineare 1 / 130 2.2 Lineare 2 / 130 2.1 Beispiel: Arbeitsmotivation Untersuchung zur Motivation am Arbeitsplatz in einem Chemie-Konzern 25 Personen werden durch Arbeitsplatz zufällig
MehrWillkommen zur Vorlesung Statistik
Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Varianzanalyse Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr. Wolfgang
MehrKlausur Statistik Lösungshinweise
Klausur Statistik Lösungshinweise Prüfungsdatum: 1. Juli 2015 Prüfer: Etschberger, Heiden, Jansen Studiengang: IM und BW Aufgabe 1 14 Punkte Ein Freund von Ihnen hat über einen Teil seiner Daten, die er
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,
MehrWeitere Fragestellungen im Zusammenhang mit einer linearen Einfachregression
Weitere Fragestellungen im Zusammenhang mit einer linearen Einfachregression Speziell im Zusammenhang mit der Ablehnung der Globalhypothese werden bei einer linearen Einfachregression weitere Fragestellungen
MehrStatistik Musterlösungen
Statistik Musterlösungen Regina Tüchler & Achim Zeileis Institut für Statistik & Mathematik Wirtschaftsuniversität Wien 1 Grundbegriffe (1.23) Skript Reaktionen auf Videofilm. Aussagen M, E, P, S h(m)
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/
Mehr3.3 Das allgemeine lineare Modell (ALM), Methode der kleinsten Quadrate
31 und 31 und (), Methode der 33 Das allgemeine (), Methode der kleinsten Quadrate 37 Modelle mit Messwiederholungen 1 / 113 Eine grundsätzliche Bemerkung zu Beginn Es bestehen viele Ähnlichkeiten zwischen
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2008/2009. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2008/2009 Aufgabe 1 Im Rahmen
MehrMultinomiale logistische Regression
Multinomiale logistische Regression Die multinomiale logistische Regression dient zur Schätzung von Gruppenzugehörigkeiten bzw. einer entsprechenden Wahrscheinlichkeit hierfür, wobei als abhänginge Variable
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 9B a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Man kann erwarten, dass der Absatz mit steigendem Preis abnimmt, mit höherer Anzahl der Außendienstmitarbeiter sowie mit erhöhten
MehrAufgabe 1 10 ECTS. y i x j gering mittel hoch n i Hausrat 200 25 0 225 KFZ 0 10 75 85 Unfall 20 35 90 145 Reiserücktritt 40 5 0 45 n j 260 75 165 500
Aufgabe 1 Für die Securance-Versicherung liegen Ihnen die gemeinsamen absoluten Häugkeiten der Merkmale X: Schadenshöhe und Y : Versicherungsart für die letzten 500 gemeldeten Schäden vor. 1. Interpretieren
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
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.
MehrÜbungen zur Veranstaltung Statistik 2 mit SPSS
Raum 22, Tel. 39 4 Aufgabe 5. Wird der neue Film MatchPoint von Woody Allen von weiblichen und männlichen Zuschauern gleich bewertet? Eine Umfrage unter 00 Kinobesuchern ergab folgende Daten: Altersgruppe
MehrAnalytische Statistik I. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2009/10
Analytische Statistik I Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2009/10 Testen Anpassungstests (goodness of fit) Weicht eine gegebene Verteilung signifikant von einer bekannten
MehrStudiendesign/ Evaluierungsdesign
Jennifer Ziegert Studiendesign/ Evaluierungsdesign Praxisprojekt: Nutzerorientierte Evaluierung von Visualisierungen in Daffodil mittels Eyetracker Warum Studien /Evaluierungsdesign Das Design einer Untersuchung
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
MehrStatistik im Versicherungs- und Finanzwesen
Springer Gabler PLUS Zusatzinformationen zu Medien von Springer Gabler Grimmer Statistik im Versicherungs- und Finanzwesen Eine anwendungsorientierte Einführung 2014 1. Auflage Übungsaufgaben zu Kapitel
MehrR-WORKSHOP II. Inferenzstatistik. Johannes Pfeffer
R-WORKSHOP II Inferenzstatistik Johannes Pfeffer Dresden, 25.1.2011 01 Outline Lösung der Übungsaufgabe Selbstdefinierte Funktionen Inferenzstatistik t-test Kruskal-Wallis Test Übungsaufgabe TU Dresden,
MehrDSR Daten, Statistik, Risikobewertung AUSWERTUNG GAHS. Intervention + BMI
DSR Daten, Statistik, Risikobewertung AUSWERTUNG GAHS + BMI Sophie-Helene Narath Klemens Fuchs Günter Polt Bericht Nr.: B09_003_DSR Freigegeben im April 09 Österreichische Agentur für Gesundheit und Ernährungssicherheit
MehrAnalog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table("c:\\compaufg\\kredit.
Lösung 16.3 Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit
Mehr3. Der t-test. Der t-test
Der t-test 3 3. Der t-test Dieses Kapitel beschäftigt sich mit einem grundlegenden statistischen Verfahren zur Auswertung erhobener Daten: dem t-test. Der t-test untersucht, ob sich zwei empirisch gefundene
MehrStatistik Einführung // Lineare Regression 9 p.2/72
Statistik Einführung Lineare Regression Kapitel 9 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Ledold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // Lineare Regression
MehrAusgewählte Kapitel der Statistik: Regressions- u. varianzanalytische Modelle Lösung von Grundaufgaben mit SPSS (ab V. 11.0)
Ausgewählte Kapitel der Statistik: Regressions- u. varianzanalytische e Lösung von Grundaufgaben mit SPSS (ab V..0) Text: akmv_v.doc Daten: akmv??.sav Lehrbuch: W. Timischl, Biostatistik. Wien - New York:
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
MehrAbschlussklausur (60 Minuten), 15. Juli 2014
Prof. Dr. Amelie Wuppermann Volkswirtschaftliche Fakultät Universität München Sommersemester 2014 Empirische Ökonomie 1 Abschlussklausur (60 Minuten), 15. Juli 2014 Bearbeitungshinweise Die Bearbeitungszeit
MehrKategoriale abhängige Variablen:
Kategoriale abhängige Variablen: Logit- und Probit -Modelle Statistik II Literatur Annahmen und Annahmeverletzungen Funktionen Exponenten, Wurzeln usw. Das Problem Das binäre Logit-Modell Statistik II
MehrEinführung in die Geostatistik (2) Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam.
Einführung in die Geostatistik () Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam.de Gliederung Allgemeine Statistik. Deskriptive Statistik. Wahrscheinlichkeitstheorie.3
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,
Mehr1 Statistische Grundlagen
Konzepte in Empirische Ökonomie 1 (Winter) Hier findest Du ein paar Tipps zu den Konzepten in Empirische 1. Wenn Du aber noch etwas Unterstützung kurz vor der Klausur brauchst, schreib uns eine kurze Email.
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
MehrStatistische Analyse von hochdimensionalen Daten in der Bioinformatik
Statistische Analyse von hochdimensionalen Daten in der Bioinformatik Florian Frommlet Institut für medizinische Statistik, Medizinische Universität Wien Wien, November 2013 Einführung DNA Molekül Zwei
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
MehrStatistik im Bachelor-Studium der BWL und VWL
Max C. Wewel Statistik im Bachelor-Studium der BWL und VWL Methoden, Anwendung, Interpretation Mit herausnehmbarer Formelsammlung ein Imprint von Pearson Education München Boston San Francisco Harlow,
MehrWelch-Test. Welch-Test
Welch-Test Welch-Test Test auf Lageunterschied zweier normalverteilter Grundgesamtheiten mit unbekannten Varianzen durch Vergleich der Mittelwerte zweier unabhängiger Zufallsstichproben. Beispiel Im Labor
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...
MehrT-TEST BEI EINER STICHPROBE:
Kapitel 19 T-Test Mit Hilfe der T-TEST-Prozeduren werden Aussagen über Mittelwerte getroffen. Dabei wird versucht, aus den Beobachtungen einer Stichprobe Rückschlüsse auf die Grundgesamtheit zu ziehen.
MehrBachelorprüfung. Praxis der empirischen Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Name, Vorname. Matrikelnr. E-Mail. Studiengang.
Lehrstuhl für Statistik und empirische irtschaftsforschung, SS 2009 ach: Prüfer: Bachelorprüfung Praxis der empirischen irtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Name, Vorname Matrikelnr. E-Mail
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
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,
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
MehrUniversität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B
Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip Sommersemester 2010 KLAUSUR Statistik B Hinweise zur Bearbeitung: Bei allen Teilaufgaben
Mehr1 Interaktion von zwei Dummyvariablen. 2 Interaktion einer Dummyvariablen mit einer kardinalskalierten Variablen
Modelle mit Interationsvariablen I Modelle mit Interationsvariablen II In der beim White-Test verwendeten Regressionsfuntion y = β 0 + β 1 x 1 + β 2 x 2 + β 3 x 2 1 + β 4 x 2 2 + β 5 x 1 x 2, ist anders
MehrStochastische Eingangsprüfung, 17.05.2008
Stochastische Eingangsprüfung, 17.5.8 Wir gehen stets von einem Wahrscheinlichkeitsraum (Ω, A, P) aus. Aufgabe 1 ( Punkte) Sei X : Ω [, ) eine integrierbare Zufallsvariable mit XdP = 1. Sei Q : A R, Q(A)
MehrStatistik im Versicherungs- und Finanzwesen
Springer Gabler PLUS Zusatzinformationen zu Medien von Springer Gabler Grimmer Statistik im Versicherungs- und Finanzwesen Eine anwendungsorientierte Einführung 2014 1. Auflage Übungsaufgaben zu Kapitel
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
MehrKommentierter SPSS-Ausdruck zur logistischen Regression
Daten: POK V AG 3 (POKV_AG3_V07.SAV) Kommentierter SPSS-Ausdruck zur logistischen Regression Fragestellung: Welchen Einfluss hat die Fachnähe und das Geschlecht auf die interpersonale Attraktion einer
MehrVarianzanalyse ANOVA
Varianzanalyse ANOVA Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/23 Einfaktorielle Varianzanalyse (ANOVA) Bisher war man lediglich in der Lage, mit dem t-test einen Mittelwertsvergleich für
MehrLehrstuhl für Statistik und empirische Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Prüfung im Fach Ökonometrie im WS 2011/12 Lösungsskizze
Lehrstuhl für Statistik und empirische irtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Prüfung im ach Ökonometrie im S 20/2 Lösungsskizze Aufgabe (.5 Punkte) Sie verfügen über einen Datensatz, der Informationen
Mehr