Sie sind auf Seite 1von 18

Binomialvereilung

Binomialverteilungen sind unimodale Verteilungen, die nur für &  1/2 (oder n → ∞) symmetrisch
sind.
Wahrscheinlichkeit bei einer Normalverteilung zwischen x1 und x2?

Einfache z-Transformation

Nachgucken des z-Wertes in z-Tabelle

Gesucht wird x um zum p prozent zu gehören:


Der Erwartungswert der Mittelwerteverteilung ist mit dem Erwartungswert der
Populationsverteilung identisch.

Der Mittelwert ist ein erwartungstreuer Schätzer des Populationsmittelwerts.

die Stichprobenkennwerteverteilung ist auch dann normalverteilt, wenn das zugrundeliegende


Merkmal in der Population nicht normalverteilt ist, in diesem Fall aber nur wenn die Stichprobe n
groß genug ist.  Grund dafür ist der zentrale Grenzwertsatz:

Die Summe einer großen Anzahl unabhängiger, identisch verteilter 1 und nicht übermächtiger 2
Zufallsvariablen ist normalverteilt.

1Unabhängig und identisch verteilt wird in der Statistik häufig als i.i.d. abgekürzt (independent and
identically distributed). Unter bestimmten Bedingungen kann auf die Annahme der gleiche Verteilung
sogar verzichtet werden. 2Nicht übermächtig bedeutet, dass Erwartungswert und Varianz endlich
sind.
In der Praxis geht man [zu Recht oder Unrecht] oft davon aus, dass ab n  30 die
Stichprobenkennwerteverteilung approximativ normalverteilt ist.
Hypothesentest

z-Test

Gerichtete Hypothese: Einseitiger Test

Vorgegeben: Signifikanzniveau

1) Berechnung der Prüfgröße

2) die Prüfgröße im Ablehnungsbereich (Psignifikanzniveau)?  H0 verwerfen.

Ungerichtete Hypothese: Zweiseitiger Test

Für a  0.05 umfasst der Ablehnungsbereich Werte der Prüfgröße, die größer als 1.96
( z97.5%) oder kleiner als 1.96 ( z2.5%) sind.

1) z > z1– a/2?  H0 verwerfen

Alternative: p-Wert

p-Wert kleiner als das gewählte Signifikanzniveau?  H0 verwerfen


Teststärke

z.B. wird ein Effekt bei Einführung einer neuen Hypothese relativ zur H0 gefordert

alpha und Strichprobenumfang bekannt?  ja  Teststärke kann bestimmt werden

Es wird also ermittelt, welche Chance ein existierender Effekt hat, entdeckt zu werden.

Berechnung des kritischen Wertes bei H0

Stichprobenmittelwerte> xkrit?  ja, H0 verwerfen.

Wie wahrscheinlich ist es, einen Stichprobenmittelwert kleiner als xkrit zu beobachten, wenn
tatsächlich die die Alternativhypothese einen gewissen Effekt haben soll?

z-wert unter H1

krit alternativH

1-beta= 1 – F(z)

Effektrgröße wird vereinfacht:

Somit ergibt sich:


1) Effekgröße für alt. Hypothese

2) Berechnung von zbeta

3) Berechnung von beta

4) Berechnung der Teststärke 1- beta


t-Test
Berechnung der Prüfgröße (empirischer t-Wert):

Kritischer t-Wert: tdf=n-1; 1-alpha/2


empirischer t-Wert über kritischem t-Wert?  ja, H0 verwerfen

Konfidenzintervall: df= n-1


Vergleich 2 Stichproben:
t-Test für abhängige Stichproben

Statt unmittelbar mit den Rohdaten, rechnen wir nun mit den Differenzwerten di. Für jedes Paar i = 1,
…, n.

Somit:
Woher weiß ich jedoch, ob Abweichungen in den Stichprobenvarianzen zweier Gruppen nur
zufallsbedingt sind, oder auf echte Varianzunterschiede in der Population zurückzuführen sind?

F-Test und Levene-Test

Mit dem F-Test und dem Levene-Test wird die Nullhypothese überprüft, dass die Varianzen homogen
sind.
Levene-Test

Statt der Varianzen werden für jede Gruppe die Beträge der Abweichungen vom Mittelwert
berechnet.

Berechnung der Mittelwerte und Varianz der Abweichungsbeträge

Prüfgröße t-Test