Ergebnisse VitA und VitVM
|
|
|
- Ewald Thomas
- vor 6 Jahren
- Abrufe
Transkript
1 Ergebnisse VitA und VitVM 1 Basisparameter n Alter Geschlecht Beobachtungszeitraum (von 1. Datum bis letzte in situ) Extraktion Extraktionsgründe Misserfolg Misserfolge in verschiedenen Zahnpositionen Kaplan-Meier-Analysen Misserfolg Kiefer Alter Behandler Alter in Dekaden Behandlungsdauer
2 1 Basisparameter 1.1 n Ausgewählt (zwischen ): Häufigkeit Prozent VitA ,5 VitVM ,5 Gesamt ,0 Filter: Nur mit Mi 2 + Rö oder Mi (mit und ohne Rö) Häufigkeit Prozent VitA ,3 VitVM ,7 Gesamt ,0 1.2 Alter Kolmogorov-Smirnov-Test a Alter VitA,000 VitVM,000 a korrektur nach Lilliefors Anmerkungen zum Kolmogorov-Smirnov-Test Normalverteilungstests überprüfen die Verteilungsform von stetigen Zahlen einer Stichprobe. Eine signifikante Abweichung von der Normalverteilung besteht bei p < 0,05; in diesem Falle sind für die betreffende Variablen nichtparametrische Tests zu benutzen. Die Durchführung von Normalverteilungstests erfolgt am häufigsten mit dem Kolmogorov-Smirnov-Test. Ist die Verteilungsfunktion unbekannt, sollte man die Lilliefors- Variante des Kolmogorov-Smirnov-Tests verwenden. Bei Analyse der Ergebnisse zeigt sich, dass alle en (p) < 0,05 sind, also die Stichproben somit nicht normalverteilt sind. 2
3 Bei den folgenden Mittelwertvergleichen der vorliegenden Stichproben liegen unabhängige Stichproben vor; d.h., dass die Werte in keinem direkten Zusammenhang stehen. Im Gegensatz dazu haben Messungen in einem Kollektiv, z.b. vor und nach Therapie, eine direkte Verbindung. Bei unabhängigen und verbundenen Stichproben kommen unterschiedliche Testverfahren zum Einsatz. Beim Vergleich von 2 unabhängigen, normalverteilten Stichproben wird der t-test verwendet, dagegen bei Vergleich von mehr als 2 Stichproben die einfaktorielle ANOVA. Beim Vergleich von 2 unabhängigen, nicht normalverteilten Stichproben wird der Mann-Whitney-U-Test und bei mehr als 2 unabhängigen, nicht normalverteilten Stichproben der H-Test nach Kruskal und Wallis angewendet Alter (Jahre) VitA Alter in den beiden n VitVM Alter in den beiden n Standardabweichung Mittelwert Median Minimum Maximum N VitA 36,469 15, ,634 6,0 78,3 708 VitVM 33,065 13, ,580 6,1 84,8 852 Insgesamt 34,610 14, ,081 6,0 84, Mann-Whitney-U-Test Asymptotische (2-seitig) Alter,000 3
4 nvariable: Die Patienten der VitA waren im Mittel mehr als 3 Jahre älter als die Patienten der VitVM (p<0,001). Mit Filter (1050 Fälle): Alter (Jahre) VitA Alter in den beiden n VitVM Alter in den beiden n Standardabweichung Mittelwert Median Minimum Maximum N VitA 37,071 15, ,343 6,0 78,3 507 VitVM 33,326 14, ,661 9,2 84,8 543 Insgesamt 35,134 14, ,995 6,0 84, Mann-Whitney-U-Test Asymptotische (2-seitig) Alter,000 4
5 1.3 Geschlecht Geschlechterverteilung in den beiden n VitA VitVM Gesamt Geschlecht männlich Anzahl Geschlecht 47,6% 52,4% 100,0% 57,1% 52,0% 54,3% weiblich Anzahl Geschlecht 42,6% 57,4% 100,0% 42,9% 48,0% 45,7% Gesamt Anzahl Geschlecht 45,3% 54,7% 100,0% 100,0% 100,0% 100,0% Chi-Quadrat-Test Asymptotische (2-seitig) Exakte (2-seitig) Exakte (1-seitig) Wert Chi-Quadrat nach Pearson 4,026,045 Exakter Test nach Fisher,046,025 Anzahl der gültigen Fälle Zellen (,0%) haben eine erwartete Häufigkeit kleiner 5. Die minimale erwartete Häufigkeit ist 322,64. Der Männeranteil war in der VitA- signifikant höher (57,1% vs. 52,0%; p=0,046). Chi-Quadrat Zur Berechnung des Chi-Quadrat-Wertes werden für jedes Feld der Tabelle die quadrierten Abweichungen der erwarteten von den tatsächlichen Häufigkeiten durch die erwarteten Häufigkeiten dividiert. Die Summe dieser Quotienten über alle Felder der Kreuztabelle bildet den Chi-Quadrat-Wert. Ein großer Chi-Quadrat-Wert korrespondiert mit großen Abweichungen der beobachteten von den erwarteten Häufigkeiten und deutet auf einen Zusammenhang zwischen den beiden Variablen hin. 5
6 Ein- und zweiseitige en Der einseitige Test überprüft, ob ein positiver/negativer Zusammenhang zwischen den Variablen besteht, der zweiseitige, ob überhaupt ein Zusammenhang nachweisbar ist. Beim einseitigen Test wird die Gegenhypothese nicht überprüft, so dass die Irrtumswahrscheinlichkeit des einseitigen Tests immer geringer ist. Wenn man nichts über die Variablen weiß, sollte immer eine zweiseitige überprüft werden. Erwartete Werte Sind die beiden kreuztabellierten Variablen vollkommen unabhängig voneinander verteilt, dürften die Verteilungen der einen Variablen innerhalb der verschiedenen Kategorien der jeweils anderen Variablen nicht wesentlich voneinander abweichen und müssten somit auch der Gesamtverteilung der Variablen entsprechen. SPSS berechnet erwartete Werte, die im Falle von gleich verteilten Variablen anzunehmen sind. Eine Grundvoraussetzung für einen zuverlässigen Chi-Quadrat-Test ist, dass die erwarteten Häufigkeiten in weniger als 20% < 5 sind, sonst ist die Zuverlässigkeit des Tests eingeschränkt. Fisher-Test Der Fisher-Test wird zum test bei einer Vierfeldertafel verwendet und ist demnach für eine Sonderform der Kreuztabelle bestimmt. Liegt eine Vierfeldertafel vor, ist der Fisher-Test exakter als der Chi-Quadrat-Test. 6
7 Mit Filter (1050 Fälle): (%) VitA VitVM 10 0 männlich weiblich Geschlecht Geschlechterverteilung in den beiden n Geschlechterverteilung in den beiden n VitA VitVM Gesamt Geschlecht männlich Anzahl Geschlecht 53,1% 46,9% 100,0% 61,1% 50,5% 55,6% weiblich Anzahl Geschlecht 42,3% 57,7% 100,0% 38,9% 49,5% 44,4% Gesamt Anzahl Geschlecht 48,3% 51,7% 100,0% 100,0% 100,0% 100,0% 7
8 Chi-Quadrat-Test Asymptotische (2-seitig) Exakte (2-seitig) Exakte (1-seitig) Wert Chi-Quadrat nach Pearson 12,124,000 Exakter Test nach Fisher,001,000 Anzahl der gültigen Fälle Zellen (,0%) haben eine erwartete Häufigkeit kleiner 5. Die minimale erwartete Häufigkeit ist 225,01. Die 4 fehlenden Geschlechtsangaben wurden ergänzt. 8
9 1.4 Beobachtungszeitraum (von 1. Datum bis letzte in situ) Kolmogorov-Smirnov-Test a Zeit vom Behandlungsbeginn bis letzte in situ (Monate) VitA VitVM,000,000 a korrektur nach Lilliefors Zeit vom Behandlungsbeginn bis letzte in situ (Monate) Standardabweichung Mittelwert Median Minimum Maximum N VitA 64,51 44,758 61, VitVM 63,81 47,728 60, Insgesamt 64,13 46,389 60, Mann-Whitney-U-Test Zeit vom Behandlungsbeginn bis letzte in situ (Monate) Asymptotische,526 (2-seitig) nvariable: annähernd gleiche Beobachtungszeiträume 9
10 Mit Filter (1050 Fälle): Zeit vom Behandlungsbeginn bis letzte in situ (Monate) Standardabweichung Mittelwert Median Minimum Maximum N VitA 78,54 40,041 78, VitVM 63,25 46,052 60, Insgesamt 70,62 43,910 70, Mann-Whitney-U-Test Zeit vom Behandlungsbeginn bis letzte in situ (Monate) Asymptotische (2-seitig),000 nvariable: 10
11 2 Extraktion (%) Extraktion nein ja 20 0 VitA Extraktion in den beiden n VitVM Extraktion in den beiden n VitA VitVM Gesamt Extraktion nein Anzahl Extraktion 41,0% 59,0% 100,0% 71,4% 85,8% 79,3% ja Anzahl Extraktion 62,7% 37,3% 100,0% 28,6% 14,2% 20,7% Gesamt Anzahl Extraktion 45,5% 54,5% 100,0% 100,0% 100,0% 100,0% 11
12 Chi-Quadrat-Test Asymptotische (2-seitig) Exakte (2-seitig) Exakte (1-seitig) Wert Chi-Quadrat nach Pearson 48,777,000 Exakter Test nach Fisher,000,000 Anzahl der gültigen Fälle Zellen (,0%) haben eine erwartete Häufigkeit kleiner 5. Die minimale erwartete Häufigkeit ist 147,27. Die Extraktionsrate ist in der VitA- ca. doppelt so hoch wie in der VitVM- (p<0,001). 12
13 Mit Filter (1050 Fälle): (%) VitA VitVM 20 0 nein Extraktion Extraktion in den beiden n ja Extraktion in den beiden n VitA VitVM Gesamt Extraktion keine Extraktion Anzahl Extraktion 42,5% 57,5% 100,0% 66,5% 84,0% 75,5% zerstört/ Anzahl frakturiert Extraktion 66,1% 33,9% 100,0% 33,5% 16,0% 24,5% Gesamt Anzahl Extraktion 48,3% 51,7% 100,0% 100,0% 100,0% 100,0% 13
14 Chi-Quadrat-Test Asymptotische (2-seitig) Exakte (2-seitig) Exakte (1-seitig) Wert Chi-Quadrat nach Pearson 43,480,000 Exakter Test nach Fisher,000,000 Anzahl der gültigen Fälle Zellen (,0%) haben eine erwartete Häufigkeit kleiner 5. Die minimale erwartete Häufigkeit ist 124,09. 14
15 3 Extraktionsgründe Extraktionsgründe in den beiden n Extraktion - Gründe Gesamt keine Extraktion zerstört/ frakturiert Parodontopathie ZE endodontischer Misserfolg unbekannt Schmerz VitA VitVM Gesamt Anzahl Extraktion - Gründe 40,9% 59,1% 100,0% 71,1% 85,8% 79,1% Anzahl Extraktion - Gründe 65,2% 34,8% 100,0% 15,1% 6,7% 10,5% Anzahl Extraktion - Gründe 71,4% 28,6% 100,0% 4,2% 1,4% 2,7% Anzahl Extraktion - Gründe 55,6% 44,4% 100,0%,7%,5%,6% Anzahl Extraktion - Gründe 33,3% 66,7% 100,0% 2,0% 3,3% 2,7% Anzahl Extraktion - Gründe 73,7% 26,3% 100,0% 2,0%,6% 1,2% Anzahl Extraktion - Gründe 70,0% 30,0% 100,0% 4,9% 1,8% 3,2% Anzahl Extraktion - Gründe 45,5% 54,5% 100,0% 100,0% 100,0% 100,0% 15
16 Chi-Quadrat-Test Wert df Asymptotische (2-seitig) Chi-Quadrat nach Pearson 68,984 6,000 Anzahl der gültigen Fälle Zellen (14,3%) haben eine erwartete Häufigkeit kleiner 5. Die minimale erwartete Häufigkeit ist 4,09. 16
17 Mit Filter (1050 Fälle): Extraktionsgründe in den beiden n Extraktion - Gründe Gesamt keine Extraktion zerstört/ frakturiert Parodontopathie ZE endodontischer Misserfolg unbekannt Schmerz VitA VitVM Gesamt Anzahl Extraktion - Gründe 42,5% 57,5% 100,0% 66,5% 84,0% 75,5% Anzahl Extraktion - Gründe 68,5% 31,5% 100,0% 17,6% 7,6% 12,4% Anzahl Extraktion - Gründe 70,6% 29,4% 100,0% 4,7% 1,8% 3,2% Anzahl Extraktion - Gründe 71,4% 28,6% 100,0% 1,0%,4%,7% Anzahl Extraktion - Gründe 38,7% 61,3% 100,0% 2,4% 3,5% 3,0% Anzahl Extraktion - Gründe 77,8% 22,2% 100,0% 1,4%,4%,9% Anzahl Extraktion - Gründe 71,7% 28,3% 100,0% 6,5% 2,4% 4,4% Anzahl Extraktion - Gründe 48,3% 51,7% 100,0% 100,0% 100,0% 100,0% 17
18 Chi-Quadrat-Test Asymptotische Wert (2-seitig) Chi-Quadrat nach Pearson 54,515,000 Anzahl der gültigen Fälle Zellen (28,6%) haben eine erwartete Häufigkeit kleiner 5. Die minimale erwartete Häufigkeit ist 3,38. 18
19 4 Misserfolg Kodiert mit 1 oder 2 in Spalte MI ; zusätzlich geröntgt (Datum bei Rö II 3); zusätzlich alle MI 1 (auch ohne Röntgen) Patienten, die im Verlauf geröntgt wurden Häufigkeit Prozent VitA ,5 VitVM ,5 Gesamt ,0 Misserfolg in den beiden n VitA VitVM Gesamt Misserfolg nein Anzahl Misserfolg 47,9% 52,1% 100,0% 88,8% 90,2% 89,5% ja Anzahl Misserfolg 51,8% 48,2% 100,0% 11,2% 9,8% 10,5% Gesamt Anzahl Misserfolg 48,3% 51,7% 100,0% 100,0% 100,0% 100,0% Chi-Quadrat-Test Asymptotische (2-seitig) Exakte (2-seitig) Exakte (1-seitig) Wert Chi-Quadrat nach Pearson,614,433 Exakter Test nach Fisher,481,247 Anzahl der gültigen Fälle Zellen (,0%) haben eine erwartete Häufigkeit kleiner 5. Die minimale erwartete Häufigkeit ist 53,11. 19
20 Die Misserfolge betrugen in der VitA- 11,2% und in der VitVM- 9,8%, wobei sich hinsichtlich dieses Unterschiedes keine statistische berechnen läßt (Chi-Quadrat-Test; p=0,481). Misserfolge, nach 1 und 2 getrennt VitA VitVM Gesamt Mi 0 Anzahl Mi 47,9% 52,1% 100,0% 88,8% 90,2% 89,5% 1 Anzahl Mi 26,1% 73,9% 100,0% 1,2% 3,1% 2,2% 2 Anzahl Mi 58,6% 41,4% 100,0% 10,1% 6,6% 8,3% Gesamt Anzahl Mi 48,3% 51,7% 100,0% 100,0% 100,0% 100,0% Chi-Quadrat-Test Asymptotische Wert (2-seitig) Chi-Quadrat nach Pearson 8,325,016 Anzahl der gültigen Fälle Zellen (,0%) haben eine erwartete Häufigkeit kleiner 5. Die minimale erwartete Häufigkeit ist 11,11. 20
21 5 Misserfolge in verschiedenen Zahnpositionen (%) Zahnposition nein ja Misserfolg Misserfolge bei verschiedenen Zahnpositionen 21
22 Misserfolge bei verschiedenen Zahnpositionen Misserfolg nein ja Gesamt ZA 16 Anzahl ZA 90,4% 9,6% 100,0% Misserfolg 12,9% 11,5% 12,8% 17 Anzahl ZA 92,2% 7,8% 100,0% Misserfolg 13,4% 9,4% 13,0% 26 Anzahl ZA 87,0% 13,0% 100,0% Misserfolg 12,5% 15,6% 12,9% 27 Anzahl ZA 93,5% 6,5% 100,0% Misserfolg 12,7% 7,3% 12,1% 36 Anzahl ZA 85,4% 14,6% 100,0% Misserfolg 13,2% 18,8% 13,8% 37 Anzahl ZA 86,0% 14,0% 100,0% Misserfolg 10,0% 13,5% 10,4% 46 Anzahl ZA 90,6% 9,4% 100,0% Misserfolg 13,3% 11,5% 13,1% 47 Anzahl ZA 88,9% 11,1% 100,0% Misserfolg 12,0% 12,5% 12,1% Gesamt Anzahl ZA 89,3% 10,7% 100,0% Misserfolg 100,0% 100,0% 100,0% Chi-Quadrat-Test Asymptotische Wert (2-seitig) Chi-Quadrat nach Pearson 7,095,419 Anzahl der gültigen Fälle Zellen (,0%) haben eine erwartete Häufigkeit kleiner 5. Die minimale erwartete Häufigkeit ist 9,99. 22
23 Hier nochmals mit den 8er Zähnen. Misserfolge bei verschiedenen Zahnpositionen Misserfolg nein ja Gesamt Za 16 Anzahl Za 90,4% 9,6% 100,0% Misserfolg 11,0% 10,0% 10,9% 17 Anzahl Za 92,2% 7,8% 100,0% Misserfolg 11,4% 8,2% 11,0% 18 Anzahl Za 82,1% 17,9% 100,0% Misserfolg 3,4% 6,4% 3,7% 26 Anzahl Za 87,0% 13,0% 100,0% Misserfolg 10,6% 13,6% 11,0% 27 Anzahl Za 93,5% 6,5% 100,0% Misserfolg 10,7% 6,4% 10,3% 28 Anzahl Za 89,2% 10,8% 100,0% Misserfolg 3,5% 3,6% 3,5% 36 Anzahl Za 85,4% 14,6% 100,0% Misserfolg 11,2% 16,4% 11,7% 37 Anzahl Za 86,0% 14,0% 100,0% Misserfolg 8,5% 11,8% 8,9% 38 Anzahl Za 95,1% 4,9% 100,0% Misserfolg 4,1% 1,8% 3,9% 46 Anzahl Za 90,6% 9,4% 100,0% Misserfolg 11,3% 10,0% 11,1% 47 Anzahl Za 88,9% 11,1% 100,0% Misserfolg 10,2% 10,9% 10,3% 48 Anzahl Za 97,4% 2,6% 100,0% Misserfolg 4,0%,9% 3,7% Gesamt Anzahl Za 89,5% 10,5% 100,0% Misserfolg 100,0% 100,0% 100,0% 23
24 Chi-Quadrat-Test Asymptotische Wert (2-seitig) Chi-Quadrat nach Pearson 13,616,255 Anzahl der gültigen Fälle Zellen (16,7%) haben eine erwartete Häufigkeit kleiner 5. Die minimale erwartete Häufigkeit ist 3,88. 24
25 6 Zahnposition nach n getrennt 6.1 VitA Mit 1562 Fällen (VitVM gefiltert) (%) ZA 16/26 17/27 18/28 36/46 37/47 38/48 0 nein Misserfolg Misserfolg bei verschiedenen Zahnpositionen ja 25
26 Misserfolg bei verschiedenen Zahnpositionen Misserfolg nein ja Gesamt 16/26 Anzahl ,8% 8,2% 100,0% Misserfolg 13,9% 13,1% 13,8% 17/27 Anzahl ,3% 6,7% 100,0% Misserfolg 25,7% 19,7% 25,2% 18/28 Anzahl ,0% 11,0% 100,0% Misserfolg 13,7% 18,0% 14,1% 36/46 Anzahl ,0% 9,0% 100,0% Misserfolg 15,6% 16,4% 15,6% 37/47 Anzahl ,2% 13,8% 100,0% Misserfolg 16,3% 27,9% 17,3% 38/48 Anzahl ,0% 3,0% 100,0% Misserfolg 14,8% 4,9% 13,9% Gesamt Anzahl ,4% 8,6% 100,0% Misserfolg 100,0% 100,0% 100,0% Chi-Quadrat-Test Asymptotische Wert (2-seitig) Chi-Quadrat nach Pearson 9,780,082 Anzahl der gültigen Fälle Zellen (,0%) haben eine erwartete Häufigkeit kleiner 5. Die minimale erwartete Häufigkeit ist 8,42. 26
27 Mit 1050 Fällen: (%) ZA 16/26 17/27 18/28 36/46 37/47 38/48 0 nein Misserfolg Misserfolg bei verschiedenen Zahnpositionen ja 27
28 Misserfolg bei verschiedenen Zahnpositionen Misserfolg nein ja Gesamt 16/26 Anzahl ,3% 9,7% 100,0% Misserfolg 14,4% 12,3% 14,2% 17/27 Anzahl ,2% 7,8% 100,0% Misserfolg 26,2% 17,5% 25,2% 18/28 Anzahl ,3% 14,7% 100,0% Misserfolg 14,2% 19,3% 14,8% 36/46 Anzahl ,2% 12,8% 100,0% Misserfolg 15,1% 17,5% 15,4% 37/47 Anzahl ,4% 17,6% 100,0% Misserfolg 16,7% 28,1% 17,9% 38/48 Anzahl ,2% 4,8% 100,0% Misserfolg 13,3% 5,3% 12,4% Gesamt Anzahl ,8% 11,2% 100,0% Misserfolg 100,0% 100,0% 100,0% Chi-Quadrat-Test Asymptotische Wert (2-seitig) Chi-Quadrat nach Pearson 9,069,106 Anzahl der gültigen Fälle Zellen (,0%) haben eine erwartete Häufigkeit kleiner 5. Die minimale erwartete Häufigkeit ist 7,08. 28
29 6.2 VitVM Mit 1562 Fällen (VitA gefiltert) (%) ZA 16/26 17/27 18/28 36/46 37/47 38/48 0 nein Misserfolg Misserfolg bei verschiedenen Zahnpositionen ja 29
30 Misserfolg bei verschiedenen Zahnpositionen Misserfolg nein ja Gesamt 16/26 Anzahl ,6% 10,4% 100,0% Misserfolg 27,9% 32,5% 28,3% 17/27 Anzahl ,7% 7,3% 100,0% Misserfolg 18,1% 14,3% 17,7% 18/28 Anzahl ,0%,0% 100,0% Misserfolg,6%,0%,6% 36/46 Anzahl ,4% 11,6% 100,0% Misserfolg 28,5% 37,7% 29,3% 37/47 Anzahl ,2% 6,8% 100,0% Misserfolg 21,3% 15,6% 20,8% 38/48 Anzahl ,0%,0% 100,0% Misserfolg 3,6%,0% 3,3% Gesamt Anzahl ,0% 9,0% 100,0% Misserfolg 100,0% 100,0% 100,0% 30
31 Mit 1050 Fällen (VitA gefiltert) (%) ZA 16/26 17/27 18/28 36/46 37/47 38/48 0 nein Misserfolg Misserfolg bei verschiedenen Zahnpositionen ja 31
32 Misserfolg bei verschiedenen Zahnpositionen Misserfolg nein ja Gesamt 16/26 Anzahl ,9% 12,1% 100,0% Misserfolg 28,2% 35,8% 28,9% 17/27 Anzahl ,8% 6,3% 100,0% Misserfolg 18,4% 11,3% 17,7% 18/28 Anzahl ,0%,0% 100,0% Misserfolg,2%,0%,2% 36/46 Anzahl ,3% 11,7% 100,0% Misserfolg 29,2% 35,8% 29,8% 37/47 Anzahl ,8% 8,2% 100,0% Misserfolg 20,6% 17,0% 20,3% 38/48 Anzahl ,0%,0% 100,0% Misserfolg 3,5%,0% 3,1% Gesamt Anzahl ,2% 9,8% 100,0% Misserfolg 100,0% 100,0% 100,0% Chi-Quadrat-Test Asymptotische Wert (2-seitig) Chi-Quadrat nach Pearson 5,291,381 Anzahl der gültigen Fälle Zellen (25,0%) haben eine erwartete Häufigkeit kleiner 5. Die minimale erwartete Häufigkeit ist,10. 32
33 7 Kaplan-Meier-Analysen 7.1 Misserfolg 100 ohne Misserfolg (%) VitA VitVM VitAzensiert Beobachtungszeitraum (Monate) Misserfolge in den beiden n 200 Zusammenfassung der Fallverarbeitung Gesamt Anzahl der Zensiert zahl Ereignisse N Prozent VitA ,7% VitVM ,2% Gesamt ,5% Mittelwerte für die Überlebenszeit Mittelwert 95%- Konfidenzintervall Schätzer Standardfehler Untere Grenze Obere Grenze VitA 146,040 2, , ,580 VitVM 148,151 2, , ,457 Gesamt 148,610 1, , ,229 33
34 Log Rank Log Rank (Mantel-Cox) Chi- Quadrat Freiheitsgrade Sig.,079 1,779 34
35 7.2 Kiefer Für VitVM und VitA getrennt 8 ist gestrichen VitA 100 ohne Misserfolg (%) Kiefer OK UK Beobachtungszeitraum (Monate) Misserfolge bei UK und OK 200 Zusammenfassung der Fallverarbeitung Gesamt Anzahl der Zensiert Kiefer zahl Ereignisse N Prozent OK ,4% UK ,6% Gesamt ,3% Die geringere Zahl ist dadurch zu erklären, dass die 8er nicht in die Analyse eingeschlossen wurden. 35
36 Mittelwerte für die Überlebenszeit Log Rank Log Rank (Mantel-Cox) Kiefer Mittelwert 95%- Konfidenzintervall Schätzer Standardfehler Untere Grenze Obere Grenze OK 147,358 2, , ,136 UK 137,855 4, , ,438 Gesamt 144,159 2, , ,433 Die Schätzung ist auf die längste Überlebenszeit begrenzt, wenn sie zensiert ist. Chi- Quadrat Freiheitsgrade Sig. 3,877 1,049 36
37 VitVM 100 ohne Misserfolg (%) Kiefer OK UK Beobachtungszeitraum (Monate) Misserfolge bei UK und OK 200 Zusammenfassung der Fallverarbeitung Gesamt Anzahl der Zensiert Kiefer zahl Ereignisse N Prozent OK ,1% UK ,7% Gesamt ,9% Mittelwerte für die Überlebenszeit Kiefer Mittelwert 95%- Konfidenzintervall Schätzer Standardfehler Untere Grenze Obere Grenze OK 145,741 3, , ,138 UK 147,012 3, , ,640 Gesamt 146,969 2, , ,678 37
38 Log Rank Log Rank (Mantel-Cox) Chi- Quadrat Freiheitsgrade Sig.,146 1,702 38
39 7.3 Alter Das mediane Alter beträgt 32 Jahre dies wird als Trennwert benutzt. VitA 100 ohne Misserfolg (%) Alter </= 32 Jahre > 32 Jahre Beobachtungszeitraum (Monate) Misserfolg bei einem Alter 32 vs. > 32 Jahren 200 Zusammenfassung der Fallverarbeitung Gesamt Anzahl der Zensiert Alter zahl Ereignisse N Prozent </= 32 Jahre ,5% > 32 Jahre ,4% Gesamt ,7% 39
40 Mittelwerte und Mediane für die Überlebenszeit Log Rank Log Rank (Mantel-Cox) Alter Mittelwert 95%- Konfidenzintervall Schätzer Standardfehler Untere Grenze Obere Grenze </= 32 Jahre 144,502 3, , ,918 > 32 Jahre 144,863 3, , ,758 Gesamt 146,023 2, , ,566 Chi- Quadrat Freiheitsgrade Sig.,441 1,507 VitVM 100 ohne Misserfolg (%) Alter </= 32 Jahre > 32 Jahre Beobachtungszeitraum (Monate) Misserfolg bei einem Alter 32 vs. > 32 Jahren
41 Zusammenfassung der Fallverarbeitung Gesamt Anzahl der Zensiert Alter zahl Ereignisse N Prozent </= 32 Jahre ,7% > 32 Jahre ,7% Gesamt ,2% Mittelwerte für die Überlebenszeit Log Rank Log Rank (Mantel-Cox) Alter Mittelwert 95%- Konfidenzintervall Schätzer Standardfehler Untere Grenze Obere Grenze </= 32 Jahre 146,392 4, , ,504 > 32 Jahre 148,452 3, , ,414 Gesamt 148,151 2, , ,457 Chi- Quadrat Freiheitsgrade Sig.,373 1,541 41
42 8 Behandler Behandler B Gesamt A T VitA VitVM Gesamt Anzahl B 32,8% 67,2% 100,0% 29,9% 50,9% 41,4% Anzahl B 54,4% 45,6% 100,0% 70,1% 49,1% 58,6% Anzahl B 45,5% 54,5% 100,0% 100,0% 100,0% 100,0% Chi-Quadrat-Test Asymptotis che (2-seitig) Exakte (2-seitig) Exakte (1-seitig) Wert Chi-Quadrat nach Pearson 70,955,000 Exakter Test nach Fisher,000,000 Anzahl der gültigen Fälle Zellen (,0%) haben eine erwartete Häufigkeit kleiner 5. Die minimale erwartete Häufigkeit ist 293,64. 42
43 Hier ist der Filter gesetzt, der nur die Patienten mit Misserfolg einschließt. Behandler B Gesamt A T VitA VitVM Gesamt Anzahl B 34,5% 65,5% 100,0% 28,8% 51,0% 40,3% Anzahl B 57,6% 42,4% 100,0% 71,2% 49,0% 59,7% Anzahl B 48,3% 51,7% 100,0% 100,0% 100,0% 100,0% Chi-Quadrat-Test Asymptotische (2-seitig) Exakte (2-seitig) Exakte (1-seitig) Wert Chi-Quadrat nach Pearson 53,793,000 Exakter Test nach Fisher,000,000 Anzahl der gültigen Fälle Zellen (,0%) haben eine erwartete Häufigkeit kleiner 5. Die minimale erwartete Häufigkeit ist 204,25. 43
44 9 Alter in Dekaden Im Gesamtkollektiv: Dekaden Häufigkeit Prozent Gültige Prozente Kumulierte Prozente < ,8 1,8 1, ,0 15,0 16,8 20, ,9 26,9 43,7 30, ,1 23,1 66,8 40, ,3 15,3 82,1 50, ,7 11,7 93,8 60, ,3 5,3 99,1 70, ,8,8 99,9 80,1-90 2,1,1 100,0 Gesamt ,9 100,0 Fehlend 1,1 Gesamt ,0 Im Kollektiv mit 1050 Patienten: Dekaden Häufigkeit Prozent Kumulierte Prozente < ,5 1, ,4 15,9 20, ,4 42,3 30, ,9 65,1 40, ,5 81,6 50, ,1 93,7 60, ,3 99,0 70,1-80 9,9 99,9 80,1-90 1,1 100,0 Gesamt ,0 44
45 10 Behandlungsdauer 100 Kumulative Prozent Beobachtungszeitraum (Monate) 100 Kumulative Prozent VitA VitVM Beobachtungszeitraum (Monate) Bezogen auf 1562 Fälle 45
46 100 Kumulative Prozent VitA VitVM Beobachtungszeitraum (Monate) Bezogen auf 1050 Fälle 46
Chi-Quadrat Verfahren
Chi-Quadrat Verfahren Chi-Quadrat Verfahren werden bei nominalskalierten Daten verwendet. Die einzige Information, die wir bei Nominalskalenniveau zur Verfügung haben, sind Häufigkeiten. Die Quintessenz
Einfache 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...
Häufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche
Lehrveranstaltung Empirische Forschung und Politikberatung der Universität Bonn, WS 2007/2008 Häufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche 30. November 2007 Michael
Statistik 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
Angewandte Statistik 3. Semester
Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen
Zusammenhangsanalyse mit SPSS. Messung der Intensität und/oder der Richtung des Zusammenhangs zwischen 2 oder mehr Variablen
- nominal, ordinal, metrisch In SPSS: - Einfache -> Mittelwerte vergleichen -> Einfaktorielle - Mehrfaktorielle -> Allgemeines lineares Modell -> Univariat In SPSS: -> Nichtparametrische Tests -> K unabhängige
Überblick 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
Inhaltsverzeichnis. 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
Tab. 4.1: Altersverteilung der Gesamtstichprobe BASG SASG BAS SAS UDS SCH AVP Mittelwert Median Standardabweichung 44,36 43,00 11,84
Im weiteren wird gemäß den allgemeinen statistischen Regeln zufolge bei Vorliegen von p=,5 und
Zwei kategoriale Merkmale. Homogenität Unabhängigkeit
121 Zwei kategoriale Merkmale Homogenität Unabhängigkeit 122 Beispiel Gründe für die Beliebtheit bei Klassenkameraden 478 neun- bis zwölfjährige Schulkinder in Michigan, USA Grund für Beliebtheit weiblich
Mathematische und statistische Methoden II
Statistik & Methodenlehre e e 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
Aufgaben 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
SPSS V Gruppenvergleiche ( 2 Gruppen) abhängige (verbundene) Stichproben
SPSS V Gruppenvergleiche ( 2 Gruppen) abhängige (verbundene) Stichproben ÜBERSICHT: Testverfahren bei abhängigen (verbundenen) Stichproben parametrisch nicht-parametrisch 2 Gruppen t-test bei verbundenen
Schließende 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.
Forschungsmethodik II Mag.rer.nat. M. Kickmeier-Rust Karl-Franzens-Universität Graz. Lisza Gaiswinkler, Daniela Gusel, Tanja Schlosser
Kolmogorov-Smirnov-Test Forschungsmethodik II Mag.rer.nat. M. Kickmeier-Rust Karl-Franzens-Universität Graz 1 Kolmogorov- Smirnov Test Andrei Nikolajewitsch Kolmogorov * 25.4.1903-20.10.1987 2 Kolmogorov-
Computergestützte Methoden. Master of Science Prof. Dr. G. H. Franke WS 07/08
Computergestützte Methoden Master of Science Prof. Dr. G. H. Franke WS 07/08 1 Seminarübersicht 1. Einführung 2. Recherchen mit Datenbanken 3. Erstellung eines Datenfeldes 4. Skalenniveau und Skalierung
Nicht-parametrische Statistik Eine kleine Einführung
Nicht-parametrische Statistik Eine kleine Einführung Überblick Anwendung nicht-parametrischer Statistik Behandelte Tests Mann-Whitney U Test Kolmogorov-Smirnov Test Wilcoxon Test Binomialtest Chi-squared
Anpassungstests VORGEHENSWEISE
Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel
Hypothesenprüfung. Darüber hinaus existieren zahlreiche andere Testverfahren, die alle auf der gleichen Logik basieren
Hypothesenprüfung Teil der Inferenzstatistik Befaßt sich mit der Frage, wie Hypothesen über eine (in der Regel unbekannte) Grundgesamtheit an einer Stichprobe überprüft werden können Behandelt werden drei
Analyse von Querschnittsdaten. Signifikanztests I Basics
Analyse von Querschnittsdaten Signifikanztests I Basics Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Generalisierung kategoriale Variablen Datum 13.10.2004 20.10.2004 27.10.2004
1. Erklären Sie den Unterschied zwischen einem einseitigen und zweiseitigen Hypothesentest.
Statistik II Übung 3: Hypothesentests Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier Stichproben). Verwenden
Willkommen 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
Kommentierter 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
2.1 Einführung in das Testen von Hypothesen
2.1 Einführung in das Testen von Hypothesen 1 Gliederung 2.1 Einführung in das Testen von Hypothesen 2.1.1 Typische Fragestellungen 2.1.2 Mittelwertvergleich 2.1.2.1 Einstichprobenproblem 2.1.2.2 Zweistichprobenproblem
Aufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97.
Aufgabenblock 4 Aufgabe ) Da s = 8. cm nur eine Schätzung für die Streuung der Population ist, müssen wir den geschätzten Standardfehler verwenden. Dieser berechnet sich als n s s 8. ˆ = = =.88. ( n )
Biomathematik für Mediziner, Klausur SS 2001 Seite 1
Biomathematik für Mediziner, Klausur SS 2001 Seite 1 Aufgabe 1: Von den Patienten einer Klinik geben 70% an, Masern gehabt zu haben, und 60% erinnerten sich an eine Windpockeninfektion. An mindestens einer
Statistische Tests zu ausgewählten Problemen
Einführung in die statistische Testtheorie Statistische Tests zu ausgewählten Problemen Teil 4: Nichtparametrische Tests Statistische Testtheorie IV Einführung Beschränkung auf nichtparametrische Testverfahren
Hypothesentests mit SPSS. Beispiel für einen t-test
Beispiel für einen t-test Daten: museum-f-v04.sav Hypothese: Als Gründe, in ein Museum zu gehen, geben mehr Frauen als Männer die Erweiterung der Bildung für Kinder an. Dies hängt mit der Geschlechtsrolle
SPSS III Mittelwerte vergleichen
SPSS III Mittelwerte vergleichen A Zwei Gruppen ------------ Zwei-Stichproben t-test Beispieldatei: Seegräser Fragestellung: Unterscheidet sich die Anzahl der Seegräser in Gebieten mit und ohne Seeigelvorkommen
Sozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS
Sommersemester 2009, Statistik mit SPSS 26. August 2009 26. August 2009 Statistik Dozentin: mit Anja SPSS Mays 1 Bivariate Datenanalyse, Überblick bis Freitag heute heute Donnerstag Donnerstag Freitag
1. Maße der zentralen Tendenz Beispiel: Variable Anzahl der Geschwister aus Jugend '92. Valid Cum Value Frequency Percent Percent Percent
Deskriptive Statistik 1. Verteilungsformen symmetrisch/asymmetrisch unimodal(eingipflig) / bimodal (zweigipflig schmalgipflig / breitgipflig linkssteil / rechtssteil U-förmig / abfallend Statistische Kennwerte
Projekt Kaffeemaschine Welche Faktoren beeinflussen das Geschmacksurteil?
AKULTÄT ANGEWANDTE SOZIALWISSENSCHATEN PRO. DR. SONJA HAUG Projekt Kaffeemaschine Welche aktoren beeinflussen das Geschmacksurteil? Ausgehend von der Verkostung an der Hochschule Regensburg und der dabei
Jost Reinecke. 7. Juni 2005
Universität Bielefeld 7. Juni 2005 Testtheorie Test für unabhängige Stichproben Test für abhängige Stichproben Testtheorie Die Testtheorie beinhaltet eine Reihe von Testverfahren, die sich mit der Überprüfung
Standardab 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
Kapitel 5: Einfaktorielle Varianzanalyse
Kapitel 5: Einfaktorielle Varianzanalyse Durchführung einer einfaktoriellen Varianzanalyse ohne Messwiederholung Dieser Abschnitt zeigt die Durchführung der in Kapitel 5 vorgestellten einfaktoriellen Varianzanalyse
Einfache Varianzanalyse für unabhängige Stichproben
Einfache Varianzanalyse für unabhängige Stichproben VARIANZANALYSE Die Varianzanalyse ist das dem t-test entsprechende Mittel zum Vergleich mehrerer (k 2) Stichprobenmittelwerte. Sie wird hier mit VA abgekürzt,
Statistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
Die ungeliebten Verwandten: nicht-parametrische Alternativen
1.1.1. Die ungeliebten Verwandten: nicht-parametrische Alternativen 1.1.1.1. Was zur Hölle? Ted richtet seine Waffe auf Dr. Bob Kelso: Nein, Bob! Das werde ich nicht tun! Nicht nach all dem, was ich durchmachen
Lösungen zu den Übungsaufgaben in Kapitel 10
Lösungen zu den Übungsaufgaben in Kapitel 10 (1) In einer Stichprobe mit n = 10 Personen werden für X folgende Werte beobachtet: {9; 96; 96; 106; 11; 114; 114; 118; 13; 14}. Sie gehen davon aus, dass Mittelwert
Anhang 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
Test auf den Erwartungswert
Test auf den Erwartungswert Wir interessieren uns für den Erwartungswert µ einer metrischen Zufallsgröße. Beispiele: Alter, Einkommen, Körpergröße, Scorewert... Wir können einseitige oder zweiseitige Hypothesen
Herzlich willkommen zum Thema SPSS
Herzlich willkommen zum Thema SPSS (SUPERIOR PERFORMING SOFTWARE SYSTEM) Qualitative und quantitative Forschungsmethoden Qualitative Methoden: Qualitative Verfahren werden oft benutzt, wenn der Forschungsgegenstand
I. Deskriptive Statistik 1
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Grundgesamtheit und Stichprobe.................. 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................
Hypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests
ue biostatistik: hypothesen, fehler 1. und. art, power 1/8 h. lettner / physik Hypothesen: Fehler 1. und. Art, Power eines statistischen Tests Die äußerst wichtige Tabelle über die Zusammenhänge zwischen
Kapitel 1: Deskriptive Statistik
Kapitel 1: Deskriptive Statistik Grafiken Mit Hilfe von SPSS lassen sich eine Vielzahl unterschiedlicher Grafiken für unterschiedliche Zwecke erstellen. Wir besprechen hier die zwei in Kapitel 1.1 thematisierten
1.8 Kolmogorov-Smirnov-Test auf Normalverteilung
1.8 Kolmogorov-Smirnov-Test auf Normalverteilung Der Kolmogorov-Smirnov-Test ist einer der klassischen Tests zum Überprüfen von Verteilungsvoraussetzungen. Der Test vergleicht die Abweichungen der empirischen
Diagnose und Prognose: Kurzfassung 4
Diagnose und Prognose: Kurzfassung 4 Ziele der 4. Vorlesung Inhaltliche Verbindung zwischen inhaltlicher Statistisches Konzept / Problemstellung Problemstellung und statistischem statistische Methode Konzept/Methode
Geschlecht + Anfangsgehalt. T-Test für das Anfangsgehalt Gruppenstatistiken. Der SPSS Output der aktuellen Computerübung zum Aufgabenblatt 3
Der SPSS Output der aktuellen Computerübung zum Aufgabenblatt 3 Geschlecht + Anfangsgehalt 14000 399 403 7000 12000 335 Anfangsgehalt 10000 8000 6000 4000 2000 N = 28 63 185 291 227 52 215 158 88 284 193
STATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG
STATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG Statistische Methoden In der vorliegenden fiktiven Musterstudie wurden X Patienten mit XY Syndrom (im folgenden: Gruppe XY) mit Y Patienten eines unauffälligem
Ergebnisse der empirischen Studie zum Thema Second Screen im Unterricht
Ergebnisse der empirischen Studie zum Thema Second Screen im Unterricht Befragungszeitraum: Marz 2016 bis Mai 2016 27.06.2016 Hon.-Prof. Dr. Christian Kreidl / Prof. Dr. Ulrich Dittler Inhaltsübersicht
Prüfung & Tutorium. Der 1. Prüfungstermin findet am 27. Juni 2011 um 10h im Audimaxstatt. Anmeldung in UNIVIS vom Juni
Prüfung & Tutorium Der 1. Prüfungstermin findet am 27. Juni 2011 um 10h im Audimaxstatt Anmeldung in UNIVIS vom 14.-22. Juni Die Prüfung wird aus 30 Multiple Choice Fragen(5 Antwortalternativen, 1-3 Richtige)
Ein- und Zweistichprobentests
(c) Projekt Neue Statistik 2003 - Lernmodul: Ein- Zweistichprobentests Ein- Zweistichprobentests Worum geht es in diesem Modul? Wiederholung: allgemeines Ablaufschema eines Tests Allgemeine Voraussetzungen
Kategorielle Daten. Seminar für Statistik Markus Kalisch
Kategorielle Daten Markus Kalisch 1 Phase 3 Studie: Wirksamer als Placebo? Medikament Placebo Total Geheilt 15 9 24 Nicht geheilt 10 11 21 Total 25 20 45 Grundfrage: Sind Heilung und Medikamentengabe unabhängig?
3. ZWEI KATEGORIALE MERKMALE (bivariate kategoriale Daten)
3. ZWEI KATEGORIALE MERKMALE (bivariate kategoriale Daten) Beispiel: Gründe für Beliebtheit bei Klassenkameraden 478 neun- bis zwölfjährigen Schulkinder in Michigan, USA warum ist man bei seinen Klassenkameraden
11. Nichtparametrische Tests
11. Nichtparametrische Tests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 In Kapitel 8 und 9 haben wir vorausgesetzt, daß die Beobachtungswerte normalverteilt sind. In diesem Fall kann
Statistik. 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
Statistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de
rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent
Statistische Auswertung in der Betriebsprüfung
Dr. Harald Krehl Der Einsatz verteilungsbezogener Verfahren Der Einsatz verteilungsbezogener Verfahren etwa des Benford- Newcomb Verfahrens oder der Normalverteilung bzw. der LogNormalverteilung in der
Statistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz 3., überarbeitete Auflage R.01denbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt
Chi Quadrat-Unabhängigkeitstest
Fragestellung 1: Untersuchung mit Hilfe des Chi-Quadrat-Unabhängigkeitstestes, ob zwischen dem Herkunftsland der Befragten und der Bewertung des Kontaktes zu den Nachbarn aus einem Anderen Herkunftsland
Kapitel 16 Kreuztabellen
Kapitel 16 Kreuztabellen Eine Kreuztabelle dient dazu, die kombinierte Häufigkeitsverteilung zweier Variablen darzustellen. Sie bildet somit das Pendant zu einer Häufigkeitstabelle für den 2-Variablen-Fall.
Zeit zum Kochen [in min] [10, 20[ [20, 30[ [30, 40[ [40, 50[ [50,60[ [60, 100] Hi
![Zeit zum Kochen [in min] [10, 20[ [20, 30[ [30, 40[ [40, 50[ [50,60[ [60, 100] Hi](/thumbs/48/24644287.jpg "Zeit zum Kochen [in min] [10, 20[ [20, 30[ [30, 40[ [40, 50[ [50,60[ [60, 100] Hi")
1. Susi und Fritzi bereiten ein Faschingsfest vor, dazu gehört natürlich ein Faschingsmenü. Ideen haben sie genug, aber sie möchten nicht zu viel Zeit fürs Kochen aufwenden. In einer Zeitschrift fanden
Mittelwertvergleiche, Teil I: Zwei Gruppen
FB W. Ludwig-Mayerhofer Statistik II Mittelwertvergleiche Herzlich willkommen zur Vorlesung Mittelwertvergleiche, Teil I: Zwei Gruppen FB W. Ludwig-Mayerhofer Statistik II Mittelwertvergleiche Mittelwertvergleiche:
Pflichtlektüre: Kapitel 12 - Signifikanztest Wie funktioniert ein Signifikanztest? Vorgehensweise nach R. A. Fisher.
Pflichtlektüre: Kapitel 12 - Signifikanztest Überblick Signifikanztest Populationsparameter Ein Verfahren zur Überprüfung von Hypothesen, Grundlage bilden auch hier Stichprobenverteilungen, das Ergebnis
Klausur Statistik I. Dr. Andreas Voß Wintersemester 2005/06
Klausur Statistik I Dr. Andreas Voß Wintersemester 2005/06 Hiermit versichere ich, dass ich an der Universität Freiburg mit dem Hauptfach Psychologie eingeschrieben bin. Name: Mat.Nr.: Unterschrift: Bearbeitungshinweise:
Brückenkurs Statistik für Wirtschaftswissenschaften
Peter von der Lippe Brückenkurs Statistik für Wirtschaftswissenschaften Weitere Übungsfragen UVK Verlagsgesellschaft mbh Konstanz Mit UVK/Lucius München UVK Verlagsgesellschaft mbh Konstanz und München
Willkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Punkt- und Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr.
Statistik 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
Kapitel 1: Deskriptive Statistik
Kapitel 1: Deskriptive Statistik Grafiken 1 Statistische Kennwerte 5 z-standardisierung 7 Grafiken Mit Hilfe von SPSS lassen sich eine Vielzahl unterschiedlicher Grafiken für unterschiedliche Zwecke erstellen.
Sitzung 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
Analytische 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,
Übungsklausur zur Vorlesung "Statistik I" (WiSe 2003/2004)
Universität Siegen, FB 1 Prof. W. Ludwig-Mayerhofer/ Dipl.Soz. Uta Liebeskind Übungsklausur zur Vorlesung "Statistik I" (WiSe 2003/2004) 1. Bitte vermerken Sie hinter dem jeweiligen Merkmal das Skalenniveau.
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
Multivariate Analyse: Einführung in das COX-Modell
Auswertung Multivariate Analyse: Einführung in das COX-Modell Deskriptive Statistik Häufigkeiten, Univariate Statistiken, Explorative Datenanalyse, Kreuztabellen) Induktive Statistik, Vergleich von Mittelwerten
VU Testtheorie und Testkonstruktion WS 08/09; Lengenfelder, Fritz, Moser, Kogler
VU Testtheorie und Testkonstruktion WS 08/09; Lengenfelder, Fritz, Moser, Kogler Hausübung In der Übung Übungsblatt 06 1. Gegeben: Skala zur Messung der Gesundheitssorge mit 20 Items (dichotomes Antwortformat).
Statistische Grundlagen I
Statistische Grundlagen I Arten der Statistik Zusammenfassung und Darstellung von Daten Beschäftigt sich mit der Untersuchung u. Beschreibung von Gesamtheiten oder Teilmengen von Gesamtheiten durch z.b.
Kapitel 10 Mittelwert-Tests Einstichproben-Mittelwert-Tests 10.2 Zweistichproben Mittelwert-Tests
Kapitel 10 Mittelwert-Tests 10.1 Einstichproben-Mittelwert-Tests 10.2 Zweistichproben Mittelwert-Tests 10.1 Einstichproben- Mittelwert-Tests 10.1.1 Einstichproben- Gauß-Test Dichtefunktion der Standard-Normalverteilung
SPSS IV Gruppenvergleiche (>2 Gruppen) A priori & post hoc-tests. H0: Die mittlere Anzahl der Seegräser (µ) hängt nicht von der Seeigel menge ab.
SPSS IV Gruppenvergleiche (>2 Gruppen) A priori & post hoc-tests A parametrisch -- ANOVA Beispieldatei: Seegräser_ANOVA H0: Die mittlere Anzahl der Seegräser (µ) hängt nicht von der Seeigel menge ab. µ
Mittelwert und Standardabweichung
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Mittelwert und Standardabweichung Überblick Mittelwert Standardabweichung Weitere Maße
Inhaltsverzeichnis. 2 Kurzbeschreibung von SPSS Der SPSS-Dateneditor Statistische Analysen mit SPSS DieDaten...
Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R... 3 1.1 Installieren und Starten von R... 3 1.2 R-Befehleausführen... 3 1.3 R-Workspace speichern... 4 1.4 R-History sichern........ 4 1.5
1.6 Der Vorzeichentest
.6 Der Vorzeichentest In diesem Kapitel soll der Vorzeichentest bzw. Zeichentest vorgestellt werden, mit dem man Hypothesen bezüglich des Medians der unabhängig und identisch stetig verteilten Zufallsvariablen
(VU) Übungen zur Einführung in die statistische Datenanalyse II. Inhalte Statistik I. Inhalte Statistik I Deskriptive Statistik
II Übungen zur II Organisatorische Hinweise Keine Anwesenheitspflicht (aber empfehlenswert) Einführung in die statistische Datenanalyse II (VU) Lehrinhalte (.ppt Folien): elearning.univie.ac.at 3 Prüfungstermine:
Sonderanhang: Manuelle Berechnungen der Statistikaufgaben
Albert/Marx 04: Empirisches Arbeiten Sonderanhang: Manuelle Berechnungen der Statistikaufgaben Kaum jemand führt heutzutage statistische Berechnungen noch von Hand durch, weil es sehr viele Computerprogramme
Sozialer Abstieg und Konsum
Sozialer Abstieg und Konsum Auswirkungen finanzieller Verknappung auf das Konsumverhalten Inaugural-Dissertation zur Erlangung des akademischen Grades einer Doktorin der Wirtschaftswissenschaft des Fachbereichs
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
Bivariate Kreuztabellen
Bivariate Kreuztabellen Kühnel, Krebs 2001 S. 307-342 Gabriele Doblhammer: Empirische Sozialforschung Teil II, SS 2004 1/33 Häufigkeit in Zelle y 1 x 1 Kreuztabellen Randverteilung x 1... x j... x J Σ
8.2 Nicht parametrische Tests Vergleich CT/2D/3D. Abb. 28 Mann-Whitney-U-Test
41 8. Interpretationen der Studienergebnisse Im vorliegenden Kapitel werden die Studienergebnisse mit Hilfe des Mann-Whitney-U-Tests auf signifikante Unterschiede untersucht. Hierfür wurden die vorliegenden
Schätzen und Testen von Populationsparametern im linearen Regressionsmodell PE ΣO
Schätzen und Testen von Populationsparametern im linearen Regressionsmodell PE ΣO 4. Dezember 2001 Generalisierung der aus Stichprobendaten berechneten Regressionsgeraden Voraussetzungen für die Generalisierung
Auswertung und Darstellung wissenschaftlicher Daten (1)
Auswertung und Darstellung wissenschaftlicher Daten () Mag. Dr. Andrea Payrhuber Zwei Schritte der Auswertung. Deskriptive Darstellung aller Daten 2. analytische Darstellung (Gruppenvergleiche) SPSS-Andrea