Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

12Statistik > ZUSAMMENFASSUNG WICHTIG > Flashcards

ZUSAMMENFASSUNG WICHTIG Flashcards

1
Q

Was machen Kennwerte?

A

stellen die wichtigsten Daten der Stichprobe dar.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Lagemaße (Maße der zentralen Tendenz)

A

geben durchschnittliche, mittlere oder besonders typische Messwerte einer Verteilung an.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Dispersionsmaße (auch Streuungsmaße

A

zeigen an, wie gleichmäßig oder ungleichmäßig die Werte der Skala vorkommen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Was bedeutet eine große Dispersion?

A

Werte der Personen unterscheiden sich stark

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

minimale Dispersion?

A

Werte sind sehr ähnlich

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Was ist wenn die Dispersion 0 ist ?

A

alle Personen haben den gleichen Wert.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Was versteht man unter Messen in der Psychologie?

A

Zuordnen von Zahlen zu Objekten nach bestimmten Regeln, die gewährleisten dass bestimmt Relationen erhalte bleiben.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Nominalskala

A

erlaubt Aussagen über die Gleichheit oder Verschiedenheit von
Merkmalsträgern.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Ordinalskala

A

erlaubt zusätzlich die Merkmalsträger in eine Rangordnung zu bringen.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Intervallskala:

A

erlaubt zusätzlich Aussagen über die Größe der Verschiedenheit zwischen den Merkmalsträgern (also die Intervalle zwischen ihnen).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Verhältnisskala

A

erlaubt zusätzlich Aussagen über das Verhältnis von Merkmalsausprägungen (z.B. „doppelt so groß“)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Absolutskala

A

besitzt zusätzlich eine natürliche Maßeinheit.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

empirischen Relativ.

A

empirischen Objekten,

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

numerischen Relativ

A

Nummern die zugeteilt werden, sodass die Relationen erhalten bleiben.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Homomorphismus h./strukturerhaltende Abbildung

A

Zuordnung von Zahlen zu Objekten derart, dass die Relationen im empirischen Relativ im numerischen Relativ erhalten bleiben.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Nominalskala

A

unterscheidet Objekte danach, ob sie gleich oder ungleich sind.
Merkmalsträger werden in Kategorien eingeteilt. Merkmalsträger überlappen nicht. (disjunkte Menge)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Was für eine Relation muss es in der Nominalskala sein?

A

Äquvalenrelation

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Wann ist eine Relation eine Äquivalenrelation?

A

Wenn sie reflexiv ist
symmetrisch
transitiv

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Welche Transformationen sind in der Nominalskala zugelassen?

A

alle eindeutigen Transformationen (Konstante addieren, multiplizieren) WICHTIG: nach der Transformation müssen die Gleichheit und Ungleichheitsverhältnisse noch die gleichen sein.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Wann ist eine Aussage in der Nominalskala bedeutsam?

A

Nur wenn sie über Gleichheit und Verschiedenheit aussagt.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

Wan sollte ein Kreisdiagramm gewählt werden?

A

Nur wenn es nicht so viele Kategorien sind.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

Was ist der Modalwert?

A

entspricht dem Wert derjenigen Kategorie, welcher die meisten Merkmalsträger angehören.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

Wann kann der Modus nicht bestimmt werden?

A

wenn mehrere Kategorien gleich häufig und zugleich am häufigsten besetzt sind.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

Was bedeutet der Wert des Relativen Informationsgehalts?

A

Er drückt die Dispersion in einem Wert aus.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
Q

Wie berechnet man den Relativen Informationsgehalt am besten?

A

Tabelle: Relative Häufigkeit, lnhj, hj*lnhj

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
26
Q

Welchen Wertebereich hat der Relative Informationsgehalt?

A

0-1

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
27
Q

Was sind Dichotomie Variablen?

A

Variablen mit genau 2 Ausprägungen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
28
Q

Ordinalskala

A

Zusätzlich zur Äquivalenzrelation der Nominalskala wird bei der Ordinalskala noch eine strenge Ordnungsrelation benötigt. Diese Relation ermöglicht es, die Personen in eine Rangordnung zu bringen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
29
Q

Was für eine Relation muss es in der Ordinalskala sein?

A

Eine strenge Ordnungsrelation

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
30
Q

Wann ist eine Relation eine strenge Ordnungsrelation?

A

wenn die Relation asymmetrisch ist und transitiv

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
31
Q

Welche Transformationen sind in der Ordinalskala zulässig?

A

Alle monotonen Transformationen (addition/multiplikstion mit einer Konstante) WICHTIG: Reihenfolge der Kategorien muss erhalten bleiben.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
32
Q

Welche Arten von Ordinalskalen gibt es?

A
  1. Singuläre Daten

2. Kategoriale Daten mit geordneten Kategorien

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
33
Q
  1. Kategoriale Daten mit geordneten Kategorien
A

geordnete Rangklassen, wobei auch viele Personen in die gleich Kategorie fallen können.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
34
Q
  1. Singuläre Daten
A

jeder Person ein Rangplatz zugewiesen, dabei können Rangbindungen zulässig sein

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
35
Q

Was ist eine Rangbindung ?

A

Wenn sich Personen einen Rangplatz teilen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
36
Q

Welche Aussagen sind in der Ordinalskala bedeutsam?

A

Aussagen über größer und kleiner

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
37
Q

Was sind kumulierte Häufigkeiten?

A

zeigen an wie viele Personen sich in dieser Kategorie oder einer niedrigeren befinden.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
38
Q

Was ist der Median?

A

ist der Wert, für den gilt:

  1. Mindestens 50% der Daten sind kleiner oder gleich dem Median.
  2. Mindestens 50% der Daten sind größer oder gleich dem Median.
    - Wert der mittleren Person
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
39
Q

Wann ist es sinnvoll den Median zu berechnen?

A

bei kategorialen Daten mit geordneten Kategorien

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
40
Q

Q1

A

ist der Wert, der von mindestens 25% der Merkmalträger erreicht oder unterschritten wird und der von mindestens 75% der Merkmalsträger erreicht oder überschritten wird.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
41
Q

Q2

A

ist der Wert, der von mindestens 50% der Merkmalsträger
erreicht oder unterschritten wird und von mindestens 50% der Merkmalsträger erreicht oder überschritten wird, d.h. das zweite Quartil ist der Median.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
42
Q

Q3

A

ist der Wert, der von mindestens 75% der Merkmalsträger erreicht oder unterschritten wird und von mindestens 25% der Merkmalsträger erreicht oder überschritten wird.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
43
Q

IQB

A

Der empirische Interquartilsbereich (IQB) ist der Bereich der Werte zwischen dem ersten und dem dritten Quartil.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
44
Q

wie berechne ich Q1 wenn n/4 keine ganze Zahl ergibt?

A

die nächste ganze Zahl die auf n*0,25 folgt

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
45
Q

wie berechne ich Q3 wenn n/4 keine ganze Zahl ergibt?

A

die nächste ganze Zahl die auf n*0,75 folgt

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
46
Q

Kardinalskala (metrische Variablen)

A

Intervall-, Verhältnis-, und Absolutskala

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
47
Q

Intervallskala

A

beschreiben, wie stark sich Personen in einem
Merkmal unterscheiden.
Merkmalsträgern Zahlen zugeordnet und zwar derart, dass die Verhältnisse der Zahlendifferenzen zwischen je zwei Objekten den Verhältnissen der Merkmalsunterschiede zwischen diesen zwei Objekten entsprechen.
KEOIN ABSOLUTER NULLPUNKT

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
48
Q

Welche Transformationen sind in der Intervallskala zulässig?

A

alle positiv linearen Transformationen zulässig. Dies bedeutet die Addition mit einer Konstanten und/oder die Multiplikation mit einer positiven Konstanten.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
49
Q

Welche Aussagen sind in der Intervallskala bedeutsam?

A

Aussagen über das Verhältnis der Differenzen einzelner Werte bedeutsam, ebenso wie Aussagen über die Gleichheit und Verschiedenheit und
die Rangordnung der Werte.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
50
Q

Verhältnisskala

A

entscheidenden Unterschied, dass es einen absoluten Nullpunkt gibt. Dadurch können auch Verhältnisse zwischen Merkmalsausprägungen direkt interpretiert werden
(RZ, Einkommen, Alter)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
51
Q

Welche Aussagen sind in der Verhältnisskala bedeutsam?

A

Verhältnisse von Skalenwerten bedeutsam und alle Aussagen, die auch bei einer Intervallskala bedeutsam wären. Nicht bedeutsam sind Aussagen über die absoluten Werte.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
52
Q

Absolutskala

A

natürliche Maßeinheit des Merkmals

Anzahl an richtigen Antworten

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
53
Q

Wann ist es sinnvoll den Modus zu interpretieren (metrische Variablen)?

A

nur bei unimodalen (also eingipfligen) Verteilungen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
54
Q

Was ist eine Eigenschaft des Median bei kardinalskalierten Werten?

A

Die Summe der absoluten Abweichungen aller Messwerte vom Median ist kleiner als die Summe der absoluten Abweichungen von irgendeinem anderen Wert.
summe xm - MD = min

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
55
Q

Wann wird der Mittelwert meist berechnet?

A

Bei mindestens intervallskalierten Werten

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
56
Q

Definition Mittelwert?

A

Der Mittelwert ist die Summe aller Werte geteilt durch ihre Anzahl:

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
57
Q

Eigenschaften des Mittelwerts?

A
  • Summe der Abweichungen aller Messwerte vom Mittelwert =0
  • Summe der quadrierten Abweichungen der Messwerte vom Mittelwert < als bei der Summe der quadriere´ten Abweichungen der Messwerte von einem anderen Wert
  • wird zu jedem Messwert eine Konstante xm addiert, verändert sich der Mittelwert additiv umgenau diese konstante
  • Wird jeder Messwert mit einer Konstanten 𝑏 multipliziert, verändert sich der Mittelwert multiplikativ um eben diese Konstante 𝑏
  • -> lineare Transformation von metrischen Skalen in gleicher Weise auf den Mittelwert auswirkt wie auf jeden einzelnen Messwert
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
58
Q

Wie kontrollieren wir Ausreißer?

A

Durch Robuste Kennwerte

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
59
Q

Was sind Robuste Kennwerte

A
  • getrimmte Mittel:Prozentsatz der kleinstem&größten Werte ignoriert
  • winsorisiertes Mittel: extremen Werte durch nähst annehmbares ersetzt.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
60
Q

Quantile metrische Variablen

A

Ein p-Quantil ist derjenige Wert 𝑥𝑝(0 < 𝑝 < 1) , für den gilt, dass mindestens 𝑝 ∗ 100% der Daten kleiner oder gleich 𝑥𝑝 und mindestens (1 − 𝑝) ∗ 100% der Daten größer oder gleich 𝑥𝑝 sind.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
61
Q

Definition Varianz

A

Die (empirische) Varianz 𝑠𝑋2 ist die mittlere quadrierte Abweichung aller Einzelwerte vom Mittelwert

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
62
Q

Definition Standardabweichung

A

Die (empirische) Standardabweichung 𝑠𝑋 ist die (positive) Quadratsumme aus der Varianz

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
63
Q

Eigenschaften der Varianz und der Standardabweichung

A
  1. V&SD seh sensibel für Ausreißer-> Quadrieren der Abweichungen vom Mittelwert : große abweichungenfallen stark ins Gewicht, mehr als kleine
  2. Varianz ändert sich nicht wenn eine Konstante addiert wird
  3. Wird jeder Messwert mit einer Konstante multipliziert, verändert sich die Varianz um dem´n Faktor b”hoch 2& SD um den Faktor b
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
64
Q

IQA

A

Der Interquartilsabstand (IQA) ist die Differenz zwischen dem dritten und ersten Quartil:

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
65
Q

Diskrete Variablen

A

können nur endlich viele oder abzählbar unendlich viele Ausprägungen annehmen (wie bei einer Anzahl). Sie können nominal-, ordinal- oder
kardinalskaliert sein.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
66
Q

Stetige Variab

A

haben überabzählbar unendlich viele Ausprägungen, d.h. zwischen zwei unterschiedlichen Werten einer stetigen Variablen gibt es immer noch einen weiteren Wert. Streng genommen erreicht fast keine psychologische Variable Stetigkeit, man spricht daher auch von quasi-stetig. Stetige Variablen sind typischerweise kardinalskaliert.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
67
Q

Qualitative Variablen

A

haben eine beschränkte Zahl von Kategorien, sie sind nominal- oder ordinalskaliert.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
68
Q

Quantitative Variablen

A

können im Sinne eines Ausmaßes oder einer Intensität interpretiert werden. Sie sind kardinalskaliert

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
69
Q

Verteilungsformen

A 
Schmalgipflig, symmetrisch
breitgipflig,rechtsgipflig
Bimodal,asymmetrisch
Unförmig
Lförmig
Jförmig
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
70
Q

Was gilt Bei rechtsgipfligen Verteilungen ?

A

𝑥strich < 𝑀𝑑 < 𝑀𝑜

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
71
Q

Was gilt Bei symmetrischen Verteilungen?

A

xstrich=MD=Mo

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
72
Q

Was ist die Schiefe von symmetrischen Verteilungen?

A

0

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
73
Q

Was für Schieferte haben linksgipflige Verteilungen?

A

positive

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
74
Q

Was für Schieferte haben rechtsgipflige Verteilungen?

A

negative

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
75
Q

Warum ist die Normalverteilung so wichtig?

A

Die Normalverteilung lässt sich durch zwei Parameter eindeutig
beschreiben. (Erwartungswert & Varianz)
Viele psychologische Variablen (und auch andere) sind normalverteilt.
Zwischen normalverteilten Variablen können Werte leicht verglichen und
transformiert werden.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
76
Q

Was für ein Kurdosis Wert hat die Normalverteilung

A

0

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
77
Q

Was bedeuten positive Kurtosis Werte ?

A 
dass die
Verteilung schmalgipfliger (auch: steilgipflig) ist als die Normalverteilung
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
78
Q

Was bedeuten negative Kurtosis Werte ?

A

breitgipfligere Verteilung

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
79
Q

Zentrierung

A

von jedem Wert der Mittelwert abgezogen.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
80
Q

z-standardisierung

A

zentrierte Wert zusätzlich noch durch die Standardabweichung geteilt.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
81
Q

Was ist der Mittelwert und die Standardabweichung aller z standardisieren Variablen?

A

Mittelwert von 0 und eine Standardabweichung von 1:

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
82
Q

Tschebyscheff‘sche Ungleichung

A

Anzahl der Standardabweichungen schon etwas über die Seltenheit der Werte ausgesagt.
maximal ein
Anteil von 1/khoch 2 der Werte in einem Abstand von mehr als k
Standardabweichungen vom Mittelwert entfernt.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
83
Q

Standardnormalverteilung

A

normalverteilte Variablen standardisiert, ergibt sich die Standardnormalverteilung. Das ist eine Normalverteilung mit einem Mittelwert von 0 und einer Varianz von 1. In

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
84
Q

Wieviele Werte liegen max 1 Sd bei der Standardnormalverteilung vom Mittelwert entfernt?

A

68,3%

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
85
Q

Wieviele Werte liegen max 2 Sd bei der Standardnormalverteilung vom Mittelwert entfernt?

A

95,5%

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
86
Q

Wieviele Werte liegen max 3 Sd bei der Standardnormalverteilung vom Mittelwert entfernt?

A

99,7%

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
87
Q

Was ist der Prozentrang?

A

Die Angabe, wie viele Personen der Vergleichsgruppe die gleiche oder eine geringere Merkmalsausprägung haben,

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
88
Q

IQ Skala

A

Mittelwert 100 SD 15

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
89
Q

Z Skala

A

Mittelwert 100 SD 10

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
90
Q

T skala

A

Mittelwert 50 SD 10

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
91
Q

Statine

A

Mittelwert 5 SD 2

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
92
Q

wann entsteht normalverteilung?

A

Normalverteilungen entstehen dann, wenn ein Merkmal von vielen unabhängigen Faktoren beeinflusst wird ohne das ein Faktor alle anderen dominiert.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
93
Q

Bivariate deskriptive Statistik

A

Zusammenhang zwischen zwei Variablen mit Assoziationsmaßen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
94
Q

Arten von Zusammenhängen

A

Positiv
Negativ
Bei Zusammenhang
nicht linear

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
95
Q

Klovarianz Definition?

A

Wenn zwei Variablen X und Y einen (linearen) Zusammenhang haben, so
variieren sie gemeinsam.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
96
Q

Klovarianz von 0?

A

Variablen keinen Zusammenhang haben

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
97
Q

Werte über 0 in der Klovarianz?

A

positiver Zusammenhang

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
98
Q

Werte unter 0 kovarianz?

A

negativer Zusammenhang

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
99
Q

Was ist die Klovarianz einer Variable mit sich selber ?

A

Ihre Varianz

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
100
Q

Was ergibt die (Produkt-Moment) Korrelation 𝑟𝑋𝑌 der Variablen X und Y.

A

Kovarianz geteilt durchProdukt der Standardabweichungen geteilt werden.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
101
Q

Welche werte kann die Korrelation annehmen?

A

zwischen +1 und -1

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
102
Q

Wann ist die Korrelation am schwächsten?

A

bei 0

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
103
Q

Was entspricht die Korrelation

A

Kovarianz z-transformierter Variablen

104
Q

Eigenschaften der Korrelation?

A
  1. ist eine Variable eine Konstante ist die Korrelation nicht definiert
  2. rxy = ryx
  3. K. reagiert sensibel auf Ausreißer
  4. Bei K von 1 haben alle Personen auf beiden Variablen die gleichen z Werte
  5. Korrelationskoeffizient ist invariant gegenüber linearen Transformationen der beteiligten Variablen (nur das Vorzeichen kann sich umkehren.)
  6. K. nur für lineare Zusammenhänge
105
Q

Interpretationsgrenzen der Korrelation?

A

𝑟𝑋𝑌 ≈ 0.10 → schwacher Zusammenhang 𝑟𝑋𝑌 ≈ 0.30 → mittlerer Zusammenhang 𝑟𝑋𝑌 ≈ 0.50 → starker Zusammenhang

106
Q

Wann wird der Gamma Koeffizient berechnet?

A

Für zwei kategoriale Variablen mit geordneten Antwortkategorien

107
Q

Konkordate Paare

A

sind Paare bei der eine der beiden Personen auf beiden Variablen
einen höheren Wert hat als die andere Person.

108
Q

Diskonnkordante Paare

A

sind Paare bei denen eine Person auf der einen Variable einen höheren Wert hat als die andere Person und auf der anderen Variable einen
niedrigeren Wert.

109
Q

Was bedeutet Ein Wert von -1 ? (gamma Koeffizient)

A

dass es nur diskordante Paare gibt,

110
Q

bei 0 gibt es ? (gamma)

A

genauso viele diskordante wie konkordante Paare

111
Q

Wert von +1 (gamma)

A

nur konkordante Paare

112
Q

Wann verwendet man Yules Q?

A

nominalskalierten Variablen mit jeweils genau zwei Ausprägungen

113
Q

Welche Möglichkeiten gibt es, wenn Korrelationen auf kausale Einflüsse zurückgehen?

A

Die Variable X ist (direkt oder indirekt) die Ursache von Y
Die Variable Y ist (direkt oder indirekt) die Ursache von X
Es gibt eine weitere Variable Z, die sowohl X als auch Y beeinflusst.

114
Q

Wozu nutzt man Regression?

A

Wenn zwei Variablen korreliert sind, kann der Wert einer Person auf der einen Variablen dazu genutzt werden, den Wert auf der anderen Variablen vorherzusagen

115
Q

Was nutzen wir zur Vorhersage, wenn der Prädiktor mit dem Kriterium unkorreliert ist,

A

Mittelwert

116
Q

Was ist b0

A

y Achsenabschnitt

117
Q

was ist b1

A

Steigung

118
Q

Von Was ist die Interpretation der Steigung abhängig?

A

metrik der variabeln

119
Q

Was sind die Eigenschaften von Residualwerten?

A

1) Die Summe aller Regressionsresiduen sind gleich
2) Die summe aller quadrierten Regressionresiduen ist minimal
3) Korrelation zwischen X & E =0
4) Die Korrelation zwischen Y geschätzt und E =0

120
Q

Was ist der Determinationskoeffizient?

A

Der Anteil an der Gesamtvarianz von Y, der durch 𝑌෠ erklärt wird,

121
Q

Welche Werte kann der Determinationskoeffizient annehmen?

A

Werte zwischen 0 & 1

122
Q

was bedeutet ein Determinationkoeffiziet von 1

A

dass die gesamte

Varianz im Kriterium vom Prädiktor erklärt werden kann.

123
Q

Wozu wird linker Regression verwendet?

A

Prädiktion: Falls ein Zusammenhang zwischen einem Prädiktor und einem Kriterium gut belegt ist, kann ein Prädiktor genutzt werden um ein Kriterium vorherzusagen (sehr nützlich, wenn das Kriterium nur schwer zu erfassen ist oder in der Zukunft liegt).
Erklärung: Mit dem Determinationskoeffizient kann dargestellt werden, wie sehr ein Prädiktor Merkmalsunterschiede auf der Kriteriumsvariablen „erklären“ kann.

124
Q

Subgruppen

A

wenn es mehrere subgruppen in der Stichprobe gibt ,kann es sein das Zusammenhänge zwischen 2 Variablen unterschiedlich stark in den Subgruppen ausgeprägt sind

125
Q

simpson Paradox

A

In jeder subgruppe gibt es einen Positiven ZSMH zwischen Prädiktor & Kriterium aber wenn alle Gruppen zusammengefasst werden, dann ergibt sich ein negativer Zusammenhang.

126
Q

partialkorrelation

A

Einfluss einer drittvariable auf eine Korrelation rxy zu kontrollieren.

127
Q

Partialkorrelation def.

A

Die Partialkorrelation ist die bivariate Korrelation zwischen zwei
alisiot
Residualvariablen

128
Q

Wie kann sich die partialkorrelation zur ursprünglichen Korrelation verhalten?

A

rxy. z =rxy PK & KNO sind gleich, wenn die Drittvariable mit beiden Variablen unkorreliert ist
rxy. z< rxy Betrag der PK ist kleiner, wenn die Drittvariable den ZSMH der Variablen teilweise oder ganz erklärt
rxy. z > rxy Betrag der PK ist größer, wenn die Drittvariable eine supressorvariable ist.

129
Q

Zufallsvorgänge

A

Vorgänge mit nicht vorhersehbaren und sich gegenseitig ausschließenden Ergebnissen

130
Q

Zufallsexperimente

A

unter kontrollierten Bedingungen

131
Q

Verschiedenen Ereignisse eines Zufallsvorgangs

A

Ergebnisraum

132
Q

Arten von Ereignissen?

A

Elementarereignisse enthalten als Element nur ein einziges Ergebnis

Die leere Menge {} oder ∅ repräsentiert ein unmögliches Ereignis, da bei
einem Zufallsvorgang immer ein Ereignis eintreten muss.
Die Ergebnismenge ist ein sicheres Ereignis, da eines der Ergebnisse ja
eintreten wird.
Disjunkte Ereignisse schließen sich gegenseitig aus, das heißt sie haben keine überschneidenden Ergebnisse. Ihre Schnittmenge ist eine leere Menge: 𝐴 ∩ 𝐵 = ∅
Schnitt- und
Vereinigungsmengen gebildet werden, die dann wiederum Ereignisse sind.

133
Q

Laplace Wahrscheinlichkeit

A

Wenn alle Elementereignisse gleich Wahrscheinlich sind & die Anzahl der möglichen Ereignisse endlich ist, dann gilt für die WSK P eine Ereignis A:
Anzahl für A günstige Ergebnisse / Anzahl K aller möglichen Ergebnisse

134
Q

Wann Kombinatorik?

A

Um die Anzahl möglicher Ereignisse zu bestimmen

135
Q

Modelle mit Berücksichtigung der Reihenfolge k & n?

A

k: Anzahl der möglichen Einzelereignisse n: Anzahl der Ziehungen

136
Q

Modelle ohne Berücksichtigung der Reihenfolge K&N?

A

k: Anzahl der Elemente der Grundgesamtheit n: Anzahl der Ziehungen

137
Q

Wann verwendet man die Binomialverteilung?

A

für einen wiederholten Zufallsvorgang mit zwei möglichen Ausgängen. Wenn die Wahrscheinlichkeit für einen einzelnen Zufallsvorgang bekannt ist, kann durch die Binomialverteilung leicht geschätzt werden, wie groß die Wahrscheinlichkeit für eine bestimmte Anzahl ist.

138
Q

Durch was lässt sich die Binomialverteilung beschreiben?

A

Erwartungswert und Varianz

139
Q

WSK nach Kolmogorov

A

3 Axiome, die für endliche Mengen möglicher Ergebnisse gelten.
Die WSK P ist eine Funktion, die jedem Ereignis eine reale Zahl zuordnet.

140
Q

Axiome von Kolmogorov ?

A
  1. Nichtnegativität (WSK kann nicht negativ sein)
  2. Normiertheit (WSK dass irgendein Ereignis eintritt)
  3. Additivität: Für alle disjunkten Teilmengen A und B gilt
141
Q

Rechenregeln für die WSK?

A
  1. WSK eines Ereignisses B größer gleich der WSK eines Ereignisses A, wenn A eine Teilmenge von B ist.
  2. Gegenereignis A enthält alle Ergebnisse der Menge, die nicht in A enthalten sind. (1- p(a))
  3. WSK von Vereinigungsmengen von nicht disjunkten Mengen gilt: P(A) +P(B)-P(A_B) (überlappungsbereich)
  4. Für mehr als “ paar disjunkte Ereignisse gilt, dassdie WSK der Vereinigungsmengen, den addierten WSK entspricht
142
Q

Gesetz der großen Zahlen

A

Die relative Häufigkeit stabilisiert sich. Diese nähert sich bei steigendem n der Wahrscheinlichkeit an. Dies ist das schwache Gesetz der großen Zahl. Wenn n gegen unendlich geht, wir der Abstand zwischen relativer Häufigkeit und Wahrscheinlichkeit beliebig klein.
Aus diesem Grund kann eine unbekannte Wahrscheinlichkeit auch aus einer relativen Häufigkeit geschätzt werden (umso besser, je größer n ist).

143
Q

Frequentistische Interpretation der WSK

A

Wahrscheinlichkeit ist dabei nichts anderes als die relative Häufigkeit eines Ereignisses, wenn das Zufallsexperiment immer wieder (theoretisch sogar unendlich häufig) wiederholt wird

144
Q

OR

A

Darstellung der WSK als Chance.

145
Q

Was gilt bei der Interpretation von Chancen?

A

Chance < 1 ist das Ereignis unwahrscheinlicher als das Gegenereignis.
Chance = 1 so sind Ereignis und Gegenereignis gleich wahrscheinlich. Chance> 1 ist das Ereignis wahrscheinlicher als das Gegenereignis.

146
Q

Wettquotientenverhältnis?

A

Wenn 2 Chancen zueinander in Relation gesetzt werden

147
Q

Eigenschaften des OR?

A

OR mind. 0.
Dieser Wert entsteht, wenn eine der Häufigkeiten 0 ist. Dann muss die Tabelle so angeordnet werden, dass die 0 im Zähler steht.
OR hat keine Obergrenze.
OR < 1, so ist die Chance in der ersten Gruppe
kleiner.
OR = 1, so sind die Chancen gleich groß.
OR > 1, so ist die Chance in der ersten Gruppe größer.
Multipliziert man eine Zeile oder Spalte mit einem positiven Wert, ändert sich das OR nicht.

148
Q

Was ist die Bedingte Wahrscheinlichkeit?

A

WSK für ein Ereignis , wenn eine bestimmte Bedingung vorliegt (Einschränkung des Ergebnisraums)

149
Q

Wann sind 2 Ereignisse stochastisch unabhängig?

A

P(A/B)= P(A)
P(B/A)=P(B)
P(A_B)=P(A)*P(B)

150
Q

Bayes-Theorem

A

bedingte Wahrscheinlichkeit 𝑃 (𝐴 /𝐵) mittels der Wahrscheinlichkeit 𝑃 (𝐵 /𝐴) zu berechnen

151
Q

Welche Arten von Fehlerschlüssen sind möglich in der Diagnostik?

A

falsch positiven Diagnosen wird fälschlicherweise das Vorliegen eines Syndroms angenommen, obwohl die Person gesund ist.
falsch negativen Diagnosen wird ein tatsächlich vorhandenes Syndrom nicht erkannt und die Person wird als gesund eingestuft.

152
Q

Wie nennt man die Fähigkeiten eines diagnostischen Tests Fehlerschlüsse zu vermeiden?

A

Spezifität ist die Wahrscheinlichkeit, dass eine gesunde Person auch tatsächliche eine negative Diagnose bekommt (also als gesund erkannt wird).
Sensitivität ist die Wahrscheinlichkeit, dass eine kranke Person auch tatsächlich eine positive Diagnose bekommt (also als krank erkannt wird).

153
Q

hohe Spezifität =

A

weniger falsch positive Diagnosen

154
Q

hohe Sensitivität =

A

weniger falsch negative Diagnosen

155
Q

Lösungsstrategien zum Vorhersagen von Zufallsereignissen

A

Maximieren wird immer die wahrscheinlichere Lösung genommen (hier also grün).
Matching werden Lösungen entsprechend ihrer Wahrscheinlichkeit vorhergesagt (also in 75% der Fälle grün, in den anderen Fällen rot).

156
Q

Nullhypothesentest nach Fischer Ablauf?

A
  1. Formulierung einer Nullhypothese
  2. Festlegen des Signifikanzniveaus a (häufig 0,05)
  3. Erheben der Daten
  4. Feststellen der Wahrscheinlichkeit eines solchen (oder extremeren) Ergebnisses unter Annahme der Nullhypothese (der p-Wert)
  5. Statistische Entscheidung:
    𝑝 < 𝛼: Die Nullhypothese wird verworfen. 𝑝 > 𝛼: Die Nullhypothese wird beibehalten.
157
Q

Induktion?

A

Vielzahl von speziellen Sätzen (also einzelnen Beobachtungen) auf allgemeine Sätze (also Theorien) geschlossen.

158
Q

Problem der Induktion?

A

auch bei sehr vielen Beobachtungen nie sicher sein können, ob eine Theorie richtig ist.

159
Q

Deduktives Prüfen von wem erfunden?

A

Karl Popper

160
Q

Deduktion?

A

aus Theorien spezielle Sätze abzuleiten (das können dann einzelne Hypothesen sein) und diese dann an der Wirklichkeit zu überprüfen.
Wenn der spezielle Satz tatsächlich so beobachtet wird, hat sich die Theorie bewährt.
Wenn der spezielle Satz so nicht eintritt, so ist die Theorie widerlegt.
Es ist also nicht möglich, Theorien zu verifizieren (also ihre Wahrheit zu beweisen). Es ist aber möglich, diese zu falsifizieren.

161
Q

Population?

A

Grundgesamtheit

162
Q

Stichprobe?

A

Teilmenge der Grundgesamtheit

163
Q

Endliche (finite) Population

A

Umfang ist bekannt und endlich

▪ Zusammensetzung ändert sich durch das Ziehen eines Elements

164
Q

Unendliche (infinite) Population

A

▪ Zusammensetzung ändert sich durch das Ziehen eines Elementes nicht (z. B. Ziehen mit
Zurücklegen)

165
Q

Wann ist es unproblematisch statistische Verfahren für unendliche Populationen zu verwenden, obwohl wir keine haben?

A

sofern die Stichprobe maximal 5% der Population umfasst,

166
Q

Konkrete Population

A

Elemente sind klar identifizierbar.

▪ Beispiel: Population der an deutschen Hochschulen tätigen Professoren

167
Q

Fiktive Populationen

A

Elemente sind nicht eindeutig identifizierbar.
▪ Beispiel: Vergleich der Depressivität von Personen, die sich zwei verschiedenen
Behandlungsmethoden unterzogen haben

168
Q

Einfache Zufallsstichprobe

A

Alle möglichen Stichproben der Größe n haben die gleiche Wahrscheinlichkeit, gezogen zu werden

169
Q

Geschichtete Zufallsstichproben

A

Disjunkte und exhaustive Zerlegung einer Population in unterschiedliche Schichten
▪ Zufallsstichprobe aus jede

170
Q

Klumpenstichprobe

A

Umfasst alle Elemente zufällig ausgewählter Klumpen einer Population

171
Q

Mehrstufige Auswahlverfahren

A

Schachtelung der Populationselemente in verschiedene Ebenen ▪ Sukzessive Stichprobenziehung aus verschiedenen Ebenen

172
Q

Einzelfall

A

mehrfache Befragung

173
Q

Was bedeutet Repräsentativität?

A

bedeutet „durch Zufallsauswahl aus der Grundgesamtheit entstanden“. Bei einer repräsentativen Stichprobe gibt es dennoch einen Stichprobenfehler:

174
Q

Stichprobenfehler (sampling error)

A

Stichprobenkennwerte weichen von Populationsparametern trotz zufälliger Ziehung ab.

175
Q

Systematischer Fehler (nonsampling error)

A

Keine Zufallsauswahl, Stichprobe liegt andere Population als die intendierte Population
zugrunde (nichtrepräsentative Stichprobe)
▪ Beispielsweise durch Teilnahmeverweigerung

176
Q

Parameterschätzung

A

ein Populationsparameter anhand eines Stichprobenkennwerts geschätzt.

177
Q

Was ist die Stichprobenkennwertverteilung?

A

die Verteilung der Kennwerte von wiederholten Stichprobenziehungen aus der gleichen Population)

178
Q

Was ist der Standardfehler?

A

Die Streuung der Mittelwerte (Standardabweichung der Stichprobenkennwertverteilung)

179
Q

Je größer die Stichprobe desto…

A

kleiner der Standardfehler

180
Q

Zentrale Grenzwertsatz besagt ws?

A

Die Stichprobenkennwerteverteilung nähert sich mit größerem n einer Normalverteilung an. Unabhängig davon, wie das Merkmal in der Population verteilt ist. Voraussetzung: Stichproben unabhängig gezogen und die Population muss im Gegensatz zur Stichprobe relativ groß sein.

181
Q

Was sind die Qualitätskriterien der Parameterschätzung?

A

Erwartungstreue
Konsistenz
Effizienz
Suffizienz

182
Q

Erwartungstreue

A

Eine Statistik schätzt einen Parameter (Populationskennwert) erwartungsgetreu, wenn der Erwartungswert der Stichprobenkennwerteverteilung der Statistik mit dem Parameter identisch ist .
( Stichprobenmittelwert ist ein erwartungstreuer Schätzer des Populationsmittelwerts.
Empirische Varianz ist kein erwartungstreuer Schätzer der Populationsvarianz.)

183
Q

Konsistenz

A

Eine Statistik heißt konsistent, wenn sie mit wachsender Stichprobengröße gegen den Parameter konvergiert. WSK dass die Statistik beliebig nahe an dem Parameter liegt, strebt mit wachsender Stichprobengröße gegen 1
(Stichprobenmittelwert ist ein konsistenter (und erwartungstreuer) Schätzer des Populationsmittelwerts).

184
Q

Effizienz

A

Eine Statistik ist als Populationsparameters effizient, wenn sie gengeringsten Standardfehler aller erwartungstreuen schätzen aufweist.
(Bei normalverteilten Variablen kann der Populationsmittelwert mit dem Stand Stichprobenmittelwert oder dem Stichprobenmedian erwartungstreu und konsistent
geschätzt werden.
• Die Schätzung mittels des Stichprobenmittelwerts ist effizienter.)

185
Q

Suffizienz

A

Eine Statistik ist suffizient, wen sie alle in den dauen enthaltenen Informationen nutzt, sodass die Berechnung einer weiteren Statistik keine zusätzlichen Informationen über den Parameter enthält.

186
Q

Intervallschätzung?

A

Bestimmung des Bereichs (Intervalls)
um den geschätzten Populationsparameter, in dem
der wahre
Populationsparameter mit hoher Sicherheit liegt.

187
Q

1-alpha KI

A

bezeichnet den Bereich um einen geschätzten Populationsparameter, für den gilt, dass er mit einer WSK von 1-0,05 (0,95) den Populationparameter überdeckt.

188
Q

KI bei bekannter Populationsvarianz?

A

Im Bereich von ±1,96 ∗ 𝜎 xstrich
herum liegen 95% der Werte.
(

189
Q

Eigenschaften des KI

A 
Konfidenzintervall enthält entweder den unbekannten Populationsparameter oder nicht.
Wir wissen nicht, ob ein bestimmtes Konfidenzintervall den Parameter enthält oder nicht.
Der Konfidenzkoeffizient (Überdeckungswahrscheinlichkeit) ist die Wahrscheinlichkeit, dass ein beliebiges Intervall zu denjenigen zählt, die den wahren Populationsparameter enthalten („überdecken“).
190
Q

Ws best das 95% KI

A 
wenn man (unendlich) viele Zufallsstichproben gleicher Größe aus der Population ziehen würde und
▪ für jede Stichprobe das Konfidenzintervall berechnen würde,
▪ in 95 % aller Konfidenzintervalle der unbekannte Populationsparameter zu
 finden ist,
▪ in 5 % der Konfidenzintervalle hingegen nicht.
191
Q

Wer entwickelt die T Verteilung

A

Englischer Chemiker der Guinness- Brauerei.

Er entwickelte die t-Verteilung, die er unter dem Pseudonym “Student” veröffentlichte.

192
Q

Was sind Freiheitsgrade?

A

Freiheitsgrade sind die Anzahl der Komponenten bei der Schätzung eines Parameters, die frei variieren können

193
Q

Wann ist etwas signifikant?

A

Ergebnis ist signifikant, wenn der Wert der statistischen Kenngröße in einen vorher festgelegten Bereich fällt, der am stärksten gegen die Nullhypothese
spricht.
Die Wahrscheinlichkeit, dass der Wert in diesen Bereich fällt, ist unter der
Nullhypothese gering (wird vorher festgelegt)

194
Q

Was ist der P Wert?

A

Wahrscheinlichkeit, das gefundene Ergebnis oder noch ein stärker gegen die
Nullhypothese sprechendes Ergebnis unter Gültigkeit der Nullhypothese zu finden

195
Q

Falsifikationismus

A

Mit dieser Konzeption ist es nicht möglich zu zeigen, dass die Nullhypothese selbst gilt. Die Nullhypothese kann nur verworfen oder nicht verworfen werden. -> vgl. Popper

196
Q

Inhaltsarmut

A

Eine Kritik am Hypothesentest ist, dass dieser Test dazu führt, dass sich Forscher zu
wenig Gedanken über die inhaltlich interessanten Hypothesen machen.

197
Q

Binäres Entscheidungskonzept nach Neyman und Pearson

A

Null- und Alternativhypothese
Alternativhypothese ist in den meisten Anwendungen die Forschungshypothese, die von Interesse ist.
Nullhypothese ist der Gegenpart zur Alternativhypothese
Null- und Alternativhypothese schließen sich gegenseitig aus

198
Q

Binäre Entscheidung?

A

H0 oder H1

199
Q

Fehler erster Art?

A

H0 in der Realität wahr, aber H1 angenommen

200
Q

richtige Entscheidung 1-alpha

A

H0 ist in der Realität wahr & H0 wird beibehalten

201
Q

richtige Entscheidung (1-ß)

A

HO ist in der Realität wahr & H0 wird beibehalten

202
Q

Fehler zweiter Art (ß)

A

H0 ist in der Realität falsch & Ho wird beibehalten

203
Q

Unterschied zwischen Überschreitungswsk p Wert und Irrtumswsk alpha?

A

p ist ein empirisches Ergebnis

alpha wird vor der Untersuchung festgestellt

204
Q

Was ist die teststarke?

A

1-ß

205
Q

Wovon hängen β und (1 — β) ab?

A

Größe des Effekts
Signifikanzniveau α
Streuung der Populationsmerkmalsverteilung Stichprobengröße
Art des Tests (einseitig vs. zweiseitig)

206
Q

Je größer der Effekt desto

A

KLEINER ß

207
Q

Wenn ein kleineres a gewählt wird,

A

wird damit größer.

208
Q

Je kleiner die Populationsstandardabweichung, desto

A

kleiner ß

209
Q

Was untersucht der Einstichproben Gauß Test?

A

vergleichen wir den Mittelwert einer Stichprobe mit einem festen Wert bei gegebener Populationsstandardabweichung.

210
Q

wenn temp> tkit

A

H0 verworfen

211
Q

Je größere Stichprobe desto

A

kleiner ß

212
Q

Warum ist ein einseitiger test besser?

A

hat eine größere teststarke und ist klarer interpretierbar

213
Q

Die Teststärke ist umso höher,

A

je größer die Stärke des Effekts ist,
je größer der Stichprobenumfang ist,
je geringer die Merkmalsstreuung ist,
je größer a ist.

214
Q

Interpretation von Cohen d (Einstichproben Gauß test)

A

0,14
0,35
0,57

215
Q

P Wert

A

Die Wahrscheinlichkeit für ein solches oder extremes Ergebnis unter Gültigkeit der Nullhypothese = p-Wert

216
Q

Bestimmung des optimalen Stichprobenumfangs um eine gute Teststärke zu erhalten

A

Größe des Effekts und Populationsstandardabweichungen müssen bekannt sein bzw. festgelegt werden.
Rückgriff auf standardisierte Effektgrößen.
Festlegung des Minimaleffekts, den es aufzudecken gilt, da wahrer Effekt häufig nicht präzise festgelegt werden kann.

217
Q

was wird beim Einstichproben T Test geprüft?

A

b sich ein Stichprobenmittelwert von einem Populationsmittelwert unterscheidet.

218
Q

Vorraussetzungen Einstichproben T Test?

A

Zufallsstichprobe vom Umfang n
Normalverteilung der Variablen in der Population
Standardabweichung der Variablen in der Population unbekannt

219
Q

Umgang mitVerletzungen der Normalverteilungsannahme

Einstichproben-t-Test

A

bei symmetrischer Merkmalsverteilung und n ≥ 30
bei moderat schiefer Verteilung und n ≥ 50;
bei schiefer Verteilung und n ≥ 80

220
Q

Interpretation von Cohen δ

Einstichproben t Test

A

0,14
0,35
0,57

221
Q

Testplanung:„optimaler“ Stichprobenumfang für

Einstichproben-t-Test

A

Gerichtete Alternativhypothese H1: > 0
Vorherige Setzungen/Annahmen: α = 0,05 β = 0,10 δ1 = 0,5
Dazu muss der Nonzentralitätsparameter λ der nonzentralen t-Verteilung unter der H1
gesucht werden.

222
Q

zweiseitiges KI

A

0,975

223
Q

einseitiges KI

A

0,95

224
Q

Was untersucht der T Test für abhängige Stichproben?

A

Es geht um die Frage, ob sich zwei Gruppen in einem metrischen Merkmal unterschieden
.Unterschiede in einer metrischen Variablen werden auf Unterschiede in einer nominalskalierten Variablen mit zwei Merkmalsausprägungen (zwei Gruppen) zurückgeführt

225
Q

Voraussetzungen des t-Tests für unabhängige Stichproben

A

” unabhängige Stichproben
Normalverteilte Variablen in den zugrundeliegenden Populationen
Varianzen der Variablen innerhalb der beiden Populationen sind gleich (Homoskedastizität)

226
Q

Interpretation der Affektgröße T test unabhängige Stichproben

A

‘| ≥ .20: „kleiner“ Effekt
| ‘| ≥ .50: „mittelgroßer“ Effekt | ‘|
≥ .80: „großer“ Effekt

227
Q

Optimale Stichprobenumfänge: t-Test für unabhängige Stichproben

A

Wenn a, b, die erwartete Effektgröße d2 )und das Verhältnis der Gruppengrößen bekannt ist, kann diese Information genutzt werden, um schon im Vorfeld einer Studie ein optimaler Stichprobenumfang berechnet werden.

228
Q

Umgang mit Verletzung der NV in der Population?

A

Entweder Große Stichprobe n1,n2 >gleich 30 symmetrische Verteilung
ODER
Transformation

229
Q

Umgang mit verletzender Homosekdastizität

A

Robust, wenn bleichgroße

230
Q

Ist (der Betrag der) Prüfgröße größer als der kritische Wert

A

wird die Nullhypothese verworfen.

231
Q

Ist der p-Wert kleiner als a (also meist 0,05

A

wird die Nullhypothese verworfen.

232
Q

Levene Test nicht signifikant dann…

A

Varianzen gleich

233
Q

Ist der p Wert kleiner als 0,05…

A

wird die H0 verworfen

234
Q

enthält dass KI keine 0 dann

A

unterscheiden sich die Gruppen signifikant H0 verworfen

235
Q

Was untersucht der T test für abhängige Stichproben?

A

kann nun genutzt werden, um zu untersuchen, ob sich die Messwerte der Personen zu den unterschiedlichen Messzeitpunkten unterscheiden. Der Vorteil ist, dass die Unterschiede zwischen den Personen zum ersten Messzeitpunkt ignoriert werden und der Test nur die Veränderung zwischen den beiden Messzeitpunkten untersucht.

236
Q

Voraussetzung des t-Tests für abhängige Stichproben

A

Innerhalb der Stichproben müssen die Messwerte unabhängig sein (also müssen die Messwertpaare zufällig aus einer Population von Paaren gezogen sein)
Normalverteilung der Differenzvariablen

237
Q

Wann ist der test Robust gegen Verletzung der Normalverteilungsannahmen?

A

Bei größeren Stichproben ist der Test robust gegen Verletzungen der Normalverteilungsannahme (n=30 bei symmetrischen Verteilungen der Differenzvariablen, n=50 bei moderat schiefer Verteilung und n=80 bei sehr schiefer Verteilung

238
Q

Effektgröße Cohens d ‘‘

T Testfür abhängige Stichproben?

A

𝛿′′ ≥ 0,14 „kleiner“ Effekt
𝛿′′ ≥ 0,35 „mittlerer“ Effekt
𝛿′′ ≥ 0,57 „großer“ Effekt

239
Q

Optimale Stichprobenbestimmung

A

Irrtumswahrscheinlichkeit a
Irrtumswahrscheinlichkeit b
Der Populationseffekt unter der Alternativhypothese 𝛿1′′
Die Stichprobengröße n

240
Q

abhängige Stichproben Kovarianz

A

ungleich 0

241
Q

unabhängigen Stichproben ist die Kovarianz

A

=0

242
Q

Je größer die Kovarianz der beiden Stichproben ist,

A

desto kleiner wird der Standardfehler. (Test wird leichter signifikant)

243
Q

chi quadrar Test ?

A

nominalskalierte unabhängige wie abhängige Variablen.

244
Q

Hypothesen Einstichproben chi Quadrat Test

A

𝐻0:𝜋𝑗 =𝜋𝑗0(füralle𝑗)

𝐻1: 𝜋𝑗 ≠ 𝜋𝑗0 (für mindestens ein

245
Q

Wie testet der Beinstichproben Schi Quadrat test immer?

A

angerichtet 0,95

246
Q

Effektstärke Interpretation? Einstichproben Chi Quadrat Test

A

𝜔 ≈ 0,10: “kleiner” Effekt
𝜔 ≈ 0,30: “mittlerer” Effekt
𝜔 ≈ 0,50: “großer” Effekt

247
Q

Vorraussetzungen Chi Quadrat test?

A 
Jedes Untersuchungsobjekt (meist also jede Person) muss eindeutig einer Kategorie zugeordnet werden können. 
Die erwartete Häufigkeit in jeder Zelle muss mindestens 1 sein.                                 In mindestens 80% der Zellen muss die erwartete Häufigkeit mindestens 5 sein.
248
Q

Wozu wird der 4 Felder Chi Quadrat test genutzt?

A

Zusammenhang von zwei
kategorialen Variablen zu untersuchen.
Der Test untersucht, ob die beiden Variablen unabhängig sind

249
Q

Hypothesen 4 Felder Chi Quadrat test?

A

𝐻0: 𝜋𝑖𝑗 = 𝜋𝑖∙ ∗ 𝜋∙𝑗 (für alle i, j)

𝐻1: 𝜋𝑖𝑗 ≠ 𝜋𝑖∙ ∗ 𝜋∙𝑗 (für mindestens ein Paar i, j)

250
Q

Gerichteter 4 Felder Chi Quadrat Test Hypothesen?

A

𝐻0: 𝜋11 ≤ 𝜋1∙ ∗ 𝜋∙1

𝐻1: 𝜋11 > 𝜋1∙ ∗ 𝜋∙1

251
Q

kritischer Wert gerichteter 4 Felder Chi Quadrat?

A

0,90

252
Q

Hypothesen großer Chi Quadrat test?

A

Ho:…

H1 nicht H0

253
Q

Wozu wird der Mc Neymar test genutzt?

A

dichotome Variablen bei abhängigen Stichproben zu untersuchen.

254
Q

Die Idee Mc Nemar?

A

Unter Gültigkeit der Nullhypothese sollten die Wahrscheinlichkeiten für die beiden Zellen mit den Wechslern gleich groß sein

255
Q

Hypothesen Mc Nemar?

A

𝐻0:𝜋12 =𝜋21

𝐻1:𝜋12 ≠𝜋21

256
Q

effektgröße mc Neymar?

A

Chancen

257
Q

Def Partialkorrelation

A

Die Partialkorrelation ist die bivariate Korrelation zwischen zwei
Residualvariablen

12Statistik (17 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2024 Bold Learning Solutions. Terms and Conditions