WS Vorlesung 10 Flashcards
Wozu braucht man überhaupt Inferenzstatistik und von welchen Wortstämmen leitet sich der Begriff ab?
Von in-ferre also hineintragen. Heute bedeutet es schlussfolgern (zweiwertiges Prädikat: von… auf…). Eigenschaften von
Stichproben vs. Population.
Was ist der Unterschied zwischen Statistik und Stochastik?
Stochastik umfasst die Wahrscheinlichkeitstheorien, Kombinatorik und Statistik
Erläutern Sie das Prinzip statistischen Testens in einem Satz unter Verwendung der Begriffe H0 (bzw.
Zufallsannahme) und Stichprobenkennwerte.
Wie wahrscheinlich ist das zufällige Zustandekommen eines Stichprobenkennwerts? Ist er wahrscheinlich handelt es
sich um eine Zufallsannahme, ist er weniger wahrscheinlich kann die Zufallsannahme verworfen werden und die
Gegenhypothese angenommen werden.
Geben Sie ein psychologisches Beispiel, wann die Binomialverteilung als Stichprobenkennwertverteilung
genutzt werden kann.
Wie wahrscheinlich ist es, dass bei zufälliger Betrachtung von 100 Studenten 10 depressiv sind. (Wenn man nun die
Depressionsrate der Population kennt, kann man mit der Binomialverteilung arbeiten).
Was besagt der p-Wert genau?
Wenn ich n mal mit einer Münze werfe, ist die Wahrscheinlichkeit, dass k mal „Kopf“ fällt gleich p. Er besagt, wie
wahrscheinlich unter Zufallsannahme das Auftreten eines Stichprobenkennwertes ist oder ein extremerer Wert zu
erwarten wäre.
Wie funktioniert Bootstraping / Resampling? Erläutern Sie dies anhand eines Beispiels
Bootstrapping heißt aus den eigenen Stichprobendaten durch künstliche, immer neu gezogene
Stichprobenzusammenstellungen (Resampling) eine Testverteilung basteln.
Wie funktioniert Bayesianisches Testen als Alternative zum NHST (null hypothesis significance testing)
Wie wahrscheinlich ist eine konkrete Hypothese wahr auf der Basis eines Datenmusters? (bei NHST: Wie wahrscheinlich
ist das Auftreten eines Stichprobenkennwerts unter Zufallsannahme?)
- Typischerweise hat eine Hypothese eine bestimmte Wahrscheinlichkeit bereits vor der Untersuchung, die sich
dann angesichts der Daten eines Experiments verändert.
- Auch geeignet, um zwei konkurrierende Modelle / Hypothesen gegeneinander „antreten“ zu lassen.
Aufgrund welcher prinzipieller Entscheidungen können Sie bestimmen, welcher Test für Ihre Studie der
Richtige ist?
x
Wozu sind Metaanalysen gut und welche Schritte muss man dabei beachten?
Um gesichertes Wissen über Studien hinweg zu erreichen, sind statistische Metaanalysen sinnvoll.
- Sammeln und Kategorisieren von unabhängigen Experimenten / Studien
- Bestimmung von Stichprobengröße und Effektgröße
- Einbezug von Studien, die keinen Effekt gefunden haben
- Errechnung einer „Über-Alles“-Effektgröße (inkl. Signifikanztest)
Was sind Grenzen von Metaanalysen?
File-drawer-Problem / Publication Bias: Signifikante Studien werden oft selektiv berichtet, nicht-signifikante
Befunde fallen unter den Tisch
- Garbage-in-garbage-out-Problem (Wieviel taugen die einzelnen Studien?)
- Apple-pears-Problem (Vergleichbarkeit der Studien gegeben?)
