Zusammenhangsanalyse: Chancen und relative Chancen

Question 1

Beschreib die empirische Chance (odds) einer Teilstichprobe

Answer 1

Question 2

Beschrieb die empirische relative Chance (Odds Ratio)

Answer 2

Question 3

Was gilt wenn zwei Merkmale einer Stichprobe empirisch unabhängig voneinander sind?

Answer 3

Question 4

Wie berechnet man?

Answer 4

Question 5

Was gilt für?

Answer 5

Merkmale hängen voneinander ab

Question 6

Was gilt für?

Answer 6

Merkmale hängen nicht/kaum voneinander ab

Question 7

Was ist das Problem von?

Answer 7

hängt von der Dimension der Kontingenztabelle ab; ab wann ist der Zusammenhang zw. X und Y eng?

Question 8

Wie berechnet man den Kontingenzkoeffizienten?

Answer 8

k,m -> Spalten und Zeilen

Question 9

Wie berechnet man den korrigierten Kontingenzkoeffizienten?

Answer 9

Question 10

Wie löst man das Problem, dass X^2 von der Dimension der Kontingenztabelle abhängt?

Answer 10

Berechnung des korrigierten Kontingenzkoeffizienten

Question 11

Welches Skalenniveau setzt X^2 voraus?

Answer 11

Nominalskalenniveau

Question 12

Treffen die Kennwerte (χ^2, K, K^∗) eine Aussage über die Richtung des Zusammenhangs?

Answer 12

Nein, dies hängt damit zusammen, dass lediglich Nominalskalenniveau gefordert wird, wodurch bei gleichen Werten für χ^2 Zeilen bzw. Spalten vertauschbar sind

Question 13

Welchen Wert sollte man verwenden für den Vergleich des Zusammenhangs von Merkmalen über mehrere Teilstichproben hinweg?

Answer 13

den korrigierten Kontingenzkoeffzient

Question 14

Wie berechnet man bei gegebener Kontingenztabelle die unter Unabhängigkeit erwartete Häufigkeiten?

Answer 14

Question 15

Wie berechnet man bei gegebener Kontingenztabelle die unter Unabhängigkeit erwartete Häufigkeiten?

Answer 15

Question 16

Worauf deutet folgendes hin?

Answer 16

Es besteht ein mittlerer (empirischer) Zusammenhang.

Question 17

Wann ist in einer quadratischen Kontingenztabelle K^∗ = 1?

Answer 17

K^∗ ist in einer quadratischen Kontingenztabelle genau dann maximal, wenn in jeder Zeile und jeder Spalte genau eine Zelle besetzt ist.

Question 18

Wie berechnet man die empirische Kovarianz?

Answer 18

Question 19

Für was ist die empirische Kovarianz ein Maß?

Answer 19

ist ein Maß für die Gleich- bzw. Gegenläufigkeit der beiden Merkmale (genauer: für die lineare Abhängigkeit)

Question 20

Wann nimmt die empirische Kovarianz höhere positive Werte an?

Answer 20

wenn mit großen Differenzen (xi − x_m) auch große Differenzen (yi − y_m) einhergehen

Question 21

Wann nimmt die empirische Kovarianz höhere negative Werte an?

Answer 21

wenn mit großen Differenzen (xi − x_m) kleine Differenzen (yi − y_m) (und umgekehrt) einhergehen

Question 22

Welches Skalenniveau setzt die empirische Kovarianz voraus?

Answer 22

metrische Skala

Question 23

Was ist das Problem der empirischen Kovarianz?

Answer 23

Ist abhängig vom Maßstab

Question 24

Wie berechnet man die Stichprobenkovarianz?

Answer 24

Question 25

Wie berechnet man die empirische Korrelation zweier Merkmale?

Answer 25

Question 26

Was löst das Problem der Maßstabsabhängigkeit der Kovarianz?

Answer 26

die empirische Korrelation, da maßstabsunabhängig

Question 27

Was bedeutet es für zwei Merkmale, wenn dessen empirische Korrelation 1 oder -1 ergibt?

Answer 27

Wenn die Kovarianz zwischen zwei Merkmalen 1 ist, bedeutet dies, dass es eine perfekte positive lineare Beziehung zwischen den beiden Merkmalen gibt. Das heißt, wenn der Wert eines Merkmals zunimmt, nimmt der Wert des anderen Merkmals in genau dem gleichen Verhältnis zu. Diese Art der Beziehung wird als direkte proportionale Beziehung bezeichnet. Zum Beispiel, wenn die Werte des einen Merkmals um 1 Einheit steigen, steigen die Werte des anderen Merkmals ebenfalls um 1 Einheit.

Question 28

Welche Werte kann die empirische Korrelation annhemen?

Answer 28

Question 29

Was gilt für die empirische Korrelation, wenn a_1 und b_1 das gleiche Vorzeichen haben?

Answer 29

Question 30

Beschreib die Vereinfachte Berechnung der Produkt-Moment-Korrelation

Answer 30

Question 31

Was ist eine Scheinkorrelationen?

Answer 31

Korrelationen, die aufgrund eines weiteren Hintergrundmerkmals zustande kommen. Beispiel: Korrelation zwischen Wortschatz bei Kindern und Körpergröße. Zugrunde liegendes Merkmal: Alter.

Question 32

Ist Hohe Korrelation ein ausreichender Beweis für einen ursächlichen Zusammenhang?

Answer 32

Nein, Kausalität nicht gezeigt

Question 33

Was ist eine Verdeckte Korrelation?

Answer 33

Gegenläufige Korrelationen in zwei Teilstichproben, aber keine Korrelation über die Gesamtstichprobe

Question 34

Für welche Art von Zusammenhängen ist die Korrelation (Kovarianz) ein Maß?

Answer 34

für positive und negative lineare Zusammenhänge

Question 35

Wann ist der phi-Koeffizienz anwendbar?

Answer 35

Wenn anstatt metrischer Merkmale zwei binäre Merkmale vorliegen.

Question 36

wie berechnet man den phi-Koeffizienten?

Answer 36

Question 37

was ergibt?

Answer 37

Question 38

Was ist der Spearmans Korrelationskoeffzient?

Answer 38

Zusammenhangsmaß für zwei ordinalskalierte Merkmale

Question 39

Wie bestimmt man den Spearmans Korrelationskoeffzient?

Answer 39

1. Rangplätze ermitteln (aufsteigend) 2. Berechnung

Question 40

Wie ermittelt man die Rangplätze (asufsteigend) für den Spearmans Korrelationskoeffzienten?

Answer 40

Question 41

Wie berechnet man den Spearmans Korrelationskoeffzienten?

Answer 41

Question 42

Ist der Spearmans Korrelationskoeffzient ein Maß für den linearen Zusammenhang der Merkmalsausprägungen?

Answer 42

Nein, Spearmans Korrelationskoeffizient ist ein Maß für den linearen Zusammenhang der Ränge der beiden Merkmale - nicht der Merkmalsausprägungen selbst!

Question 43

Wie berechnet man den Spearmans Korrelationskoeffzienten einfacher, wenn keine Bindungen vorliegen?

Answer 43