Sie sind auf Seite 1von 307

hange E hange E

XC di XC di
F- t F- t
PD

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Herzlich willkommen zur Vorlesung

Statistik 1 (Teil 1)

Marina Haller

HS 2020
Organisatorisches
F-
PD XC
hange E
di
t F-
XC
hange E
di
t
2

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
I Vorlesungsfolien, Formelsammlung und Übungsblätter im
B

B
to

to
ww

ww
om

om
k

k
lic

lic
OLAT Kurs
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a
I Vorlesung + Tutorate + Vor- und Nachbereitung zuhause
= gute Prüfungsvorbereitung

I Beispiele für einführende Statistik-Lehrbücher

Bortz & Schuster Agresti & Finlay

nur wenn Sie wollen! prüfungsrelevant sind ausschliesslich die


Materialien im OLAT Kurs
Vorlesung
F-
PD XC
hange E
di
t F-
XC
hange E
di
t
3

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr e tr re
ar
.

.
k e r - s o f t wFolien (ausgedruckt/elektronisch) + selber schreiben und a c k e r - s o f t w a
ac I
zeichnen → Papier und Buntstifte mitbringen!
(elektronisch nur wenn schnell genug)

I Podcast im OLAT → keine anderen Aufzeichnungen!

I nach der Pause pünktlich zurück

I Ruhe!

I Fragen: jederzeit zwischendurch melden oder nach der


Vorlesung  aber aufgrund der hohen Teilnehmerzahl
nicht per email

I ab einem gewissen Zeitpunkt: Nachbereitung zuhause nötig!


Verpassen Sie den Anschluss nicht!
Tutorate
F-
PD XC
hange E
di
t F-
XC
hange E
di
t
4

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I bei jedem der vier Termine gleicher Sto

I Aufgaben vorher zuhause versuchen zu lösen!


(Übungsblätter im OLAT zum selber Ausdrucken)

I es werden keine oziellen Musterlösungen herausgegeben


(Diskussion zwecklos)

I es zwingt Sie niemand hinzugehen - aber wenn Sie hingehen


verhalten Sie sich kollegial!

I mehrmals pro Semester Übungs-Quiz mit prüfungsähnlichen


Multiple-Choice Fragen
Propädeutikums-Prüfung
F-
PD XC
hange E
di
t F-
XC
hange E
di
t
5

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
UI zu Teil 1 und Teil 2 jeweils 10 Fragen

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
I d.h. pro Frage durchschnittlich 2 Minuten Zeit (für manche
C

C
.c

.c
w

w
tr re tr e
ar
.

.
ac a
k e r- s o ft w a cke
r- s o ft w
braucht man nur 30 Sekunden, für manche über 3 Minuten)

I Multiple-Choice mit Partial-Credit-Bewertung


z.B. Kreuzen Sie zwei richtige/alle richtigen Antworten an.

I zugelassene Hilfsmittel
I Formelsammlung (wie im OLAT, wird ausgegeben)
I Taschenrechner (nur die zugelassenen Modelle!)
http://www.psychologie.uzh.ch/de/studium/bscmsc/
studium/pruefungen/rundum.html

I verbale Aufgaben und Rechenaufgaben (vgl. Quizze)


I bei Rechenaufgaben:
I in jedem Rechenschritt auf mind. 3 Stellen runden
I Zahlen sind so gewählt, dass Ergebnisse eindeutig
I ggf. die Antwort ankreuzen, die am nächsten dran
Soll
F-
PD XC man
hange E
di
t
in der Propädeutikums-Prüfung raten? F-
XC
hange E
di
t
6

PD
or

or
!

!
W

W
O

O
N

N
Multiple-Choice mit Partial-Credit-Bewertung, d.h.
Y

Y
U

U
B

B
to

to
I innerhalb einer Aufgabe Punktabzug wenn (zusätzlich zu
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr e tr re
ar
.

.
ac ac
k e r - s o f t wden richtigen) falsche Antworten angekreuzt k e r- s o ft w a

I aber pro Aufgabe nie unter 0 Punkte

Aber Ihr Ziel sollte sein, nicht raten zu müssen, denn:

⇒ nicht die Ratestrategie entscheidet, sondern Ihre Vorbereitung!


Propädeutikums-Prüfung
F-
PD XC
hange E
di
t F-
XC
hange E
di
t
7

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
Vorbereitung: Materialien aus dieser Veranstaltung
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr e tr re
ar
.

.
ac ac
k e r - s o f t wÜbungsaufgaben
I aus den Tutoraten k e r- s o ft w a

I Quizze aus den Tutoraten

I Aufgaben aus den Folien nachrechnen

I alte Propädeutikums (früher Assessment) Aufgaben ab 2012


(viele davon sind bereits in unsere Quizze integriert)

I nicht sinnvoll, z.T. sogar irreführend und fehlerhaft:


Aufgaben von früheren Dozenten vor 2012, aus anderen Unis,
Aufgaben aus Büchern, alte oder kommerziell angebotene
Skripte, Webseiten, Karteikarten o.ä.

I sinnvoll: Lerngruppen bilden, Lernplan machen

I entscheidend sind: Sto-Menge und Rechen-Routine


Sprachliches
F-
PD XC
hange E
di
t F-
XC
hange E
di
t
8

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Sie dürfen Fragen gerne auf Schweizerdeutsch stellen,


betreende Folie/Blatt mitbringen hilft beim Erklären

I Beispiele sind aus didaktischen Gründen inhaltlich und


sprachlich vereinfacht
hange E hange E
XC di XC di
F- t F- t
PD

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Statistik  Warum tun wir Ihnen das an?!?


Inhalte
F-
PD XC
hange E
d
it Statistik 1, Teil 1 F-
XC
hange E
di 10
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
1. Deskriptive Statistik
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

2. Wahrscheinlichkeitstheorie

3. Tests und Kondenzintervalle

4. Kovarianz und Korrelation


hange E hange E
XC di XC di
F- t F- t
PD

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Emprirische Forschung und Skalenniveaus


Phasen
F-
PD XC
hange E
dider empirischen Forschung
t F-
XC
hange E
di 12
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a


Erkundungsphase 

Theoretische Phase

Vorlesung Forschungsmethoden
Planungsphase 


Untersuchungsphase

Auswertungsphase
Vorlesung Statistik
Entscheidungsphase

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Skalenniveaus
F-
PD XC
hange E
di
t F-
XC
hange E
di 13
t

PD
or

or
!

!
W

W
O

O
N

N
Wir haben eine interessante wissenschaftliche Studie durchgeführt
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
und folgende Daten erhoben:
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Person Alter Geschlecht Lieblingsfarbe Begeisterung für Sport


1 22 m grün mittel
2 53 w gelb hoch
3 37 x grün niedrig
4 31 w rot mittel
. . . . .
. . . . .
. . . . .

Welche Auswertungen machen Sinn?

I mittleres Alter der Befragten

I mittlere Lieblingsfarbe der Befragten

I am häugsten genannte Lieblingsfarbe der Befragten


Skalenniveaus
F-
PD XC
hange E
di
t F-
XC
hange E
di 14
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Das Prinzip der Skalenniveaus wurde von dem Psychophysiker


S. S. Stevens in einem Artikel von 1946 (On the Theory of
Scales of Measurement) explizit formuliert.

I Für Statistik von sehr groÿer Bedeutung: Je nach Skalenniveau


sind nur bestimmte Auswertungsmethoden sinnvoll.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Skalenniveaus
F-
PD XC
hange E
di
t F-
XC
hange E
di 15
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to

Absolutskala
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c

w

w
tr re
 tr re
.

.
ac ac
k e r- s o ft w a Identität k e r- s o ft w a








Dierenzenskala Verhältnisskala



a+x b·x metrische Skalen





Intervallskala



a+b·x





Ordinalskala
streng monotone Transformationen

Nominalskala
eineindeutige Transformationen
Nominalskala
F-
PD XC
hange E
di
t F-
XC
hange E
di 16
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Niedrigstes Skalenniveau.

I Messen auf Nominalskalenniveau ist Klassikation.

I Grundlegende Operation ist die Feststellung der Gleichheit


oder Ungleichheit.

I Beispiele: Farbe, Geschlecht, Nationalität,


Religionszugehörigkeit, usw.

I Alle eineindeutigen Transformationen sind zulässig:


rot → 1, blau → 2, grün → 3
aber nicht: rot →1 und blau → 1, grün → 2

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Ordinalskala
F-
PD XC
hange E
di
t F-
XC
hange E
di 17
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
I Objekte können in eine Rangreihe gebracht werden, aber die
B

B
to

to
ww

ww
om

om
k

k
lic

lic
Abstände zwischen den Kategorien sind nicht gleich bzw.t r nicht
C

C
.c

.c
w

w
tr re re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a
bedeutsam.

I Grundlegende Operationen: >, <, =


I Beispiele: Rangordnung von Bewerbenden, Ränge beim Militär,
Schulabschlüsse, Grad der Zustimmung.

I Alle streng monotonen (also ordnungserhaltenden)


Transformationen sind zulässig:
gut → 1, mittel→ 2, schlecht →3
aber auch: gut → 42, mittel → 17, schlecht → 3
Kodierung oft durch Zahlen, aber Abstände nicht
interpretieren!

I häuger Streitpunkt: ist eine psychologische Skala ordinal oder


metrisch zu interpretieren? (vgl. spätere Vorlesungen zu
Testtheorie und Skalierungsverfahren)

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Intervallskala
F-
PD XC
hange E
di
t F-
XC
hange E
di 18
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
UI Erste metrische Skala, d.h. die Skala besteht aus gleich groÿen

U
B

B
to

to
ww

ww
om

om
k

k
Intervallen, den Einheiten.
lic

lic
C

C
.c

.c
w

w
tr re tr e
ar
.

.
ac ac
k e r- s o ft w a
I Beispiele: Temperatur, psychologische Messungen wie z.B. k e r - s o f t w
IQ-Werte.
I Zulässige Transformationen für Intervallskalen sind

a+b·x (mit b > 0)


Verschiebung des Nullpunktes und Stauchung/Streckung der
Einheiten (d.h. Nullpunkt und Einheit können willkürlich
festgelegt werden).
I Umrechnungsformeln zwischen Grad Celsius ◦ C und Grad

Fahrenheit F :
5
C = (F − 32)
9
9
F = 32 + ·C
5

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Intervallskala
F-
PD XC
hange E
di
t F-
XC
hange E
di 19
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Quelle: http://www.mathsisfun.com
Beispiel
F-
PD XC
hange E
di
t F-
XC
hange E
di 20
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Die Temperatur gestern war 5◦ C und heute haben wir 10◦ C .

I Ist die Aussage Heute ist es doppelt so warm wie gestern


sinnvoll?

I Umrechnen von 5◦ C und 10◦ C zur Fahrenheit-Skala ergibt:


◦ ◦
41 F und 50 F .

I 50◦ F ist nicht doppelt so hoch wie 41◦ F . Die Aussage ist auf
Intervallskalenniveau nicht sinnvoll.

I Anstatt nicht sinnvoll sagt man auch nicht bedeutsam.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Verhältnisskala
F-
PD XC
hange E
di
t F-
XC
hange E
di 21
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
I Zulässige Transformationen für Verhältnisskalen sind
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

b·x (mit b > 0)

Verhältnisskalen haben einen festen Nullpunkt, aber die Gröÿe


der Einheiten kann durch Stauchung/Streckung verändert
werden (d.h. die Einheit kann willkürlich festgelegt werden).

I Beispiele: Länge (in cm oder in m), Alter (in Jahren oder in


Monaten), monatliches Nettoeinkommen (in CHF oder in
EUR).

I Umrechnungsformeln zwischen Länge in cm und Länge in m:

cm = 100 · m

I Aussagen über Verhältnisse bleiben unverändert.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Absolutskala
F-
PD XC
hange E
di
t F-
XC
hange E
di 22
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Zulässige Transformation für die Absolutskala ist nur die


Identität (also keine Veränderung).

I Beispiele: Anzahl gekaufter Produkte, Anzahl Kinder,


Wahrscheinlichkeiten

I Höchstes Skalenniveau ⇔ strengste Transformation.


hange E hange E
XC di XC di
F- t F- t
PD

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Deskriptive Statistik
Wo
F-
PD XC sind
hange E
di wir?
t F-
XC
hange E
di 24
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
1. Deskriptive Statistik
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr tr
k1.1 Maÿe der zentralen Tendenz (Lagemaÿe)
e re
ar
.

.
ac ac
e r- s o ft w k e r- s o ft w a

1.2 Maÿe der Variabilität (Streuungsmaÿe)


1.3 Lineare Transformationen
1.4 Diagramme

2. Wahrscheinlichkeitstheorie

3. Tests und Kondenzintervalle

4. Kovarianz und Korrelation

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Maÿe
F-
PD XC der
hange E
di
t
zentralen Tendenz (Lagemaÿe) F-
XC
hange E
di 25
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Mittelwert (arithmetisches Mittel)


ab metrischem Skalenniveau

I Median (50%-Quantil)
ab Ordinalskala

I Modalwert (Modus)
ab Nominalskala

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Mittelwert
F-
PD XC
hange E
di
t F-
XC
hange E
di 26
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
I Für .c n Werte berechnet man:

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

n
1 X
x̄ = xi
n
i= 1
I Numerisches Beispiel: Fünf Werte: 3, 5, 6, 8, 14

I Man errechnet

n
1 X 1
x̄ = xi = (3 + 5 + 6 + 8 + 14)
n
i= 1 5

= 36/5 = 7,2.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Eigenschaften
F-
PD XC
hange E
di
t
des Mittelwerts F-
XC
hange E
di 27
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Die Summe der Abweichungen vom Mittelwert ist null, d. h.

n
X
(xi − x̄ ) = 0.
i= 1
I Der Mittelwert ist sensitiv gegenüber Ausreiÿern.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de

Der
F-
PD XC Mittelwert
hange E
di
t
ist sensitiv gegenüber Ausreiÿern F-
XC
hange E
di 28
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Angenommen aufgrund eines Tippfehlers erhällt man:


3, 5, 6, 8, und 144.

I Die letzte Zahl sollte eigentlich 14 sein.

I Als Mittelwert ergibt sich 33,2 anstatt 7,2.

I Oensichtlich ist 33,2 keine gute Repräsentation der zentralen


Lage der Daten.
∗ unter Ausreiÿern versteht man extreme Werte (das können

Tippfehler sein, aber auch echte Werte von einzelnen Personen


mit extremen Ausprägungen eines Merkmals)

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Mitdenk-Frage
F-
PD XC
hange E
di
t F-
XC
hange E
di 29
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Sie wollen auf die Geldknappheit unter Zürcher Studierenden


aufmerksam machen. Dazu befragen Sie die Teilnehmenden Ihres
Statistik I Tutoriums, wie viel Geld sie monatlich zur Verfügung
haben, und berechnen daraus den Mittelwert.
Am Tag ihrer Umfrage ist auch ein Millionärs-Sohn anwesend.

I Was passiert?

I Macht es einen Unterschied, ob in Ihrer Tutoriums-Gruppe 20


oder 200 Leute sind?
Median
F-
PD XC
hange E
di
t F-
XC
hange E
di 30
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Der Median halbiert die Häugkeitsverteilung.

I Mindestens 50% aller Werte sind ≤ der Median und


mindestens 50% aller Werte sind ≥ der Median.
I Der Median ist das 50%-Quantil.

I Der Median setzt mindestens ordinales Skalenniveau voraus.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Berechnung
F-
PD XC
hange E
di
t
des Medians F-
XC
hange E
di 31
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr tr
k e r - s o f t wSortiere die Daten. (Nicht vergessen!)
I ar
e re
.

.
ac ac
k e r- s o ft w a

I Sortierte Daten bezeichnet man oft durch: x(1) ,x(2) , . . . ,x(n) .


I Falls n ungerade:
Median = x( n+1 )
2
I Falls n gerade:

x( 2n ) + x( 2n +1)
Median =
2

(bei ordinalen Daten ist diese Denition  die üblicherweise


auch von Statistik-Programmen verwendet wird  nicht ideal;
per Denition ist sowohl x( 2n ) als auch x( 2n +1) Median)
Beispiel
F-
PD XC
hange E
di
t F-
XC
hange E
di 32
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr e tr re
ar
.

.
ac ac
k e r - s o f t wUngerader
I Stichprobenumfang, n = 5: k e r- s o ft w a

I Unsortierte Werte: 5, 2, 3, 7, 8
I Sortierte Werte: 2, 3, 5, 7, 8
I Median = x( n+21 ) = x( 5+2 1 ) = x(3) = 5.

I Gerader Stichprobenumfang, n = 6:
I Unsortierte Werte: 2, 8, 6, 4, 12, 10
I Sortierte Werte: 2, 4, 6, 8, 10, 12
x( n ) + x( 2n +1) x( 6 ) + x( 62 +1) x(3) + x(4)
I Median = 2 = 2 = =
2 2 2
6+8
=7
2

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Eigenschaften
F-
PD XC
hange E
di
t
des Median F-
XC
hange E
di 33
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Der Median ist nicht so sensitiv gegenüber Ausreiÿern wie der


Mittelwert.

I Illustration mit vorherigem Beispiel: 3, 5, 6, 8, und 144 anstatt


14.

I Der Median (6) verändert sich hier nicht.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Modalwert
F-
PD XC
hange E
di
t
(Modus) F-
XC
hange E
di 34
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Der Modalwert ist der am häugsten vorkommende Wert (d.h.


das Maximum der Häugkeitsverteilung).

I Der Modalwert ist per Denition nicht notwendigerweise


eindeutig.

I Üblicherweise spricht man aber nur bei solchen Verteilungen


von einem Modalwert, die ein eindeutiges Maximum besitzen.

I Beispiel: 2, 1, 3, 5, 2, 4, 3, 2
Der Wert 2 kommt am häugsten vor und ist daher Modalwert.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Maÿe
F-
PD XC der
hange E
di
t
Variabilität (Streuungsmaÿe) F-
XC
hange E
di 35
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Varianz

I Standardabweichung

I Variationsbreite (Range)

I Interquartilbereich

ab metrischem Skalenniveau

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Varianz
F-
PD XC
hange E
di und Standardabweichung
t F-
XC
hange E
di 36
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
I Die Varianz ist deniert als
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a
n
s2 = (xi − x̄ )2
1 X
n−1
i= 1
(durchschnittliche quadrierte Abweichung vom Mittelwert).

I Die Wurzel der Varianz bezeichnet man als



Standardabweichung, d. h. s= s 2.
I Die Standardabweichung hat die gleiche Einheit wie die
Rohwerte.

I Oft wird Streuung synonym für Standardabweichung


verwendet. Andere Quellen verwenden Streuung allgemeiner
als Bezeichnung für die Variabilität der Daten.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Beispiel
F-
PD XC
hange E
di
t F-
XC
hange E
di 37
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
Reaktionszeiten von Versuchspersonen in Sekunden:
to

to
(xi − x̄ )2
ww

ww
om

om
k

k
lic

lic
C

C
.c xi − x̄

.c
xi r e
w

w
tr tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

3,3 0,8 0,64 Mittelwert


1,7 −0,8 0,64
2,0 −0,5 0,25 x̄ = 2,5.
4,0 1,5 2,25
1,3 −1,2 1,44 Varianz:

(xi − x̄ )2
2,0 −0,5 0,25 Pn
3,0 0,5 0,25
2
s = i=1 =
7,92
= 0,720
n−1 11
2,7 0,2 0,04
3,7 1,2 1,44 Standardabweichung:
2,3 −0,2 0,04 p
1,7 −0,8 0,64 s = 0,72 = 0,849
2,3 −0,2 0,04
7,92

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Variationsbreite
F-
PD XC
hange E
di
t F-
XC
hange E
di 38
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
xr(1) =
tr e tr re
.

.
ac ac
I
k e r- s o ft w a kleinster Wert, Minimum k e r- s o ft w a

x(n) = gröÿter Wert, Maximum


Variationsbreite = x(n) − x(1)
I Die Variationsbreite wird auch Range genannt.

I Die Variationsbreite ist sensitiv gegenüber Ausreiÿern.

I Die Variationsbreite ist kein sehr nützliches Maÿ zur


Charakterisierung der Variabilität.

I Kontrolle von Minimum und Maximum kann aber hilfreich


sein, um unplausible Werte zu entdecken, z.B.:
Alter von Studierenden reicht von 11 bis 317 Jahren?!? →
vermutlich Tippfehler im Datensatz.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Interquartilbereich
F-
PD XC
hange E
di
t F-
XC
hange E
di 39
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
I Weniger ausreiÿeranfällig: Bereich der mittleren 50% aller
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a
Werte.

I Dieser Bereich ist durch Werte (sog. Angelpunkte) begrenzt,


die die unteren 25% bzw. die oberen 25% der Verteilung
abschneiden.

I Der untere Angelpunkt, der die unteren 25% abschneidet, wird


als erstes Quartil Q1 (oder 25%-Quantil) bezeichnet.

I Der obere Angelpunkt, der die oberen 25% abschneidet, wird


als drittes Quartil Q3 (oder 75%-Quantil) bezeichnet.

I Interquartilbereich IQR = Q3 − Q1
I Der IQR drückt die Länge des Bereichs aus, über den die
mittleren 50% einer Rohwerteverteilung streuen.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Quantile
F-
PD XC
hange E
di
t
(Perzentile) F-
XC
hange E
di 40
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Quantile sind Kennwerte, die die relative Position eines


Messwertes innerhalb der Stichprobe zum Ausdruck bringen.

I Ein Quantil bezieht sich immer auf einen vorgegebenen


Prozentsatz.

I Das Quantil xp ist der Messwert, der p -Prozent der Werte


abschneidet.

I Vgl. Denition Median:


Mindestens 50% aller Werte sind ≤ der Median und
mindestens 50% aller Werte sind ≥ der Median.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Spezielle
F-
PD XC
hange E
di
t
Quantile (Perzentile) F-
XC
hange E
di 41
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I x25 , x50 , x75 : Quartile

I x50 : Median

I x25 : 1. Quartil Q1 , x75 : 3. Quartil Q3


I x10 , x20 , . . . , x90 : Dezile

I Auÿer für den Median ist die Bestimmung von Quantilen per
Hand nicht praktikabel.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Lineare
F-
PD XC
hange E
diTransformationen
t F-
XC
hange E
di 42
t

PD
or

or
!

!
W

W
O

O
N

N
Bei intervall- und verhätltnisskalierten Daten sind sog. lineare
Y

Y
U

U
B

B
◦ C in ◦ F
to

to
Transformationen zulässig, z.B. Umrechnung von
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr e tr re
a + b · x) ar · x ):
.

.
oder von CHF in EUR (b
ac ac
k(
e r- s o ft w k e r- s o ft w a

CHF EUR
0 0
1 0,96
2 1,92
3 2,88
4 3,84
.. ..
. .
10 9,60

Quelle: http://www.mathsisfun.com; Wechselkurs: April 2015


Lineare
F-
PD XC
hange E
diTransformationen
t F-
XC
hange E
di 43
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Wie verändern sich Mittelwert und Varianz/Standardabweichung


dadurch? Muÿ man Mittelwert und Varianz/Standardabweichung
nochmal komplett neu berechnen?

I Erhobene Werte: x
I Transformierte Werte: y
I Transformation: y =a+b·x

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Beispiele
F-
PD XC
hange E
di
t F-
XC
hange E
di 44
t

PD
or

or
!

!
W

W
O

O
N

N
Y x -Werte:

Y
UI Fünf

U
B

B
to

to
ww

ww
om

om
k

k
2, 3, 4, 5, 6.
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a
I Für diese Werte ermittelt man: x̄ = 4 und sx = 1,581
I Für die lineare Transformation y = 2 + x ergeben sich die
Werte:
4, 5, 6, 7, 8

I Mittelwert und Standardabweichung nochmals neu berechnen:


I ȳ = 6 und sy = 1,581
I Für die lineare Transformation y =3·x ergeben sich die
Werte:
6, 9, 12, 15, 18

I Mittelwert und Standardabweichung nochmals neu berechnen:


I ȳ = 12 und sy = 4,743
I Gibt es allgemeine Regeln, was sich als neuer Mittelwert und
Varianz/Standardabweichung ergibt?

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Allgemeine
F-
PD XC
hange E
di
t
Regeln F-
XC
hange E
di 45
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a
I Mittelwert: ȳ = a + b · x̄
I Varianz: sy 2 = b2 · sx2
Standardabweichung: sy = |b| · sx
I Beispiel: Für die lineare Transformation y =2+3·x ergeben
sich:
8, 11, 14, 17, 20

I Mittelwert und Standardabweichung nochmals neu berechnen:

I ȳ = 14 und sy = 4,743
I ergibt sich auch durch: ȳ = 2 + 3 · 4 und sy = |3| · 1,581

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Spezielle
F-
PD XC
hange E
di
t
lineare Transformation: z -Transformation F-
XC
hange E
di 46
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
I z -Wert = Abweichung vom Mittelwert im Verhältnis zur
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr e tr re
ar
.

.
ac ac
k e r - s o f t wStandardabweichung: k e r- s o ft w a

x − x̄
z =
s

= a + b · x
= − s + 1s · x

I Der z -Wert gibt damit an, um wieviele Standardabweichungen


ein Wert über dem Mittelwert liegt.

I Für z -transformierte Werte gilt: z̄ = 0 und sz2 = 1.


I z -Werte sind dimensionslose Zahlen. Vorteil: sie sind direkt
vergleichbar, egal welche Einheit die ursprünglichen Werte
haben.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Beispiel
F-
PD XC
hange E
di
t F-
XC
hange E
di 47
t

PD
or

or
!

!
W

W
O

O
N

N
I Vergleich zweier Personen aus zwei Ländern mit
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
unterschiedlichen Tests zur beruichen Eignung.
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac a
k e r- s o ft w a cke
I Person A hat 150 Punkte in einem Test mit Mittelwert 100 r- s o ft w
a

und Standardabweichung 50 (bestimmt an einer groÿen


Stichprobe aus diesem Land).
I Person B hat 20 Punkte in einem Test mit Mittelwert 10 und
Standardabweichung 5.
I Wen soll man z.B. für einen Job auswählen? Person A weil sie
mehr Punkte hat?
150 − 100
zA = =1
50

20 − 10
zB = =2
5

I Person A liegt nur eine Standardabweichung über dem


Landesmittel, Person B hingegen 2 Standardabweichungen.
I Ich würde Person B auswählen.
hange E hange E
XC di XC di
F- t F- t
PD

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Diagramme
Diagramme
F-
PD XC
hange E
di
t
zur graschen Darstellung von Daten F-
XC
hange E
di 49
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a
I für nominalskalierte Merkmale
I Kreisdiagramm
I Balkendiagramm
I ...
I für ordinalskalierte Merkmale
I Balkendiagramm
I ...
I für metrische Merkmale
I Boxplot
I Histogramm
I ...
Kreisdiagramm
F-
PD XC
hange E
di
t
(alias Tortendiagramm) F-
XC
hange E
di 50
t

PD
or

or
!

!
W

W
O

O
N

N
C
Y

Y
U

U
D
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac B ac
k e r- s o ft w a k e r- s o ft w a

Winkel/Fläche entspricht Häugkeit, aber schwer zu vergleichen.


Welches Stück ist gröÿer: B oder C?
Balkendiagramm
F-
PD XC
hange E
di
t F-
XC
hange E
di 51
t

PD
or

or
!

!
W

W
250
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

200
150
100
50
0

A B C D E

Höhe entspricht Häugkeit, viel leichter zu vergleichen.


Zur
F-
PD XC Unterhaltung
hange E
di
t F-
XC
hange E
di 52
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Quelle: http://www.phdcomics.com
Zur
F-
PD XC Unterhaltung
hange E
di
t F-
XC
hange E
di 53
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Quelle: Katja Berlin & Peter Grünlich: Was wir tun, wenn der
Aufzug nicht kommt.
Zur
F-
PD XC Unterhaltung
hange E
di
t F-
XC
hange E
di 54
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Quelle: Katja Berlin & Peter Grünlich: Was wir tun, wenn der
Aufzug nicht kommt.
Boxplot
F-
PD XC
hange E
di
t F-
XC
hange E
di 55
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Eine Möglichkeit zur gleichzeitigen Veranschaulichung von


Lage und Streuung einer Verteilung bietet der Boxplot.

I Die grundlegende Idee ist dabei, die mittleren 50% einer


Verteilung durch eine Box zu repräsentieren, in die auch der
Median eingezeichnet wird.

I Insofern kann man an der Box den Abstand der drei Quartile
zueinander erkennen.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Beispiel
F-
PD XC
hange E
di
t F-
XC
hange E
di 56
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
I Gegeben sind folgende zehn Testergebnisse eines
lic

lic
C

C
.c

.c
w

w
tr re tr e
ar
.

.
ac ac
k e r- s o ft w a k e r- s o ft w
psychologischen Tests, wobei die Werte bereits nach der Gröÿe
sortiert wurden:

56, 57, 65, 66, 67, 69,72,75, 89 und 92.

I Für die Box des Boxplots werden folgende Gröÿen benötigt:

Q1 = x(3) = 65
Median = (x(5) + x(6) )/2 = 68
Q3 = x(8) = 75
IQR = Q3 − Q1 = 10

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Boxplot
F-
PD XC
hange E
di
t F-
XC
hange E
di 57
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

IQR

Median

56 65 68 75 89 92

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Ränder
F-
PD XC
hange E
dider Verteilung
t F-
XC
hange E
di 58
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Die Werte an den Rändern der Verteilung werden ebenfalls in


dem Boxplot repräsentiert.

I Dazu werden Striche eingezeichnet, die jeweils von einem Ende


der Box ausgehen.

I Diese Striche werden Whiskers (Schnurrhaare) genannt.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Länge
F-
PD XC der
hange E
di
t
Whiskers F-
XC
hange E
di 59
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Wir betrachten z.B. den Whisker für den oberen Rand der
Verteilung:

I Zunächst wird der IQR bestimmt und dann das 1,5-fache des
IQR zu dem oberen Angelpunkt Q3 addiert: Q3 + 1,5 · IQR
I Dieser Wert ist die Obergrenze für die Länge des Whiskers.

I Beobachtungen, deren Werte diese Grenze überschreiten,


werden als Ausreiÿer betrachtet und als zusätzliche Punkte
eingezeichnet.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Beispiel
F-
PD XC
hange E
di
t F-
XC
hange E
di 60
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
I Um die Länge des unteren Whiskers zu bestimmen, berechnen
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
Q1 − 1,5 · IQR = 50.
tr e tr re
ar
.

.
ac ac
k e r - s o f t wwir die untere Grenze k e r- s o ft w a

I Die kleinste Beobachtung, die diese Grenze nicht


unterschreitet, ist x(1) = 56.
I Der Whisker endet deshalb bei diesem Wert.

I Die entsprechende Grenze, um den oberen Whisker zu


bestimmen, ist Q3 + 1,5 · IQR = 90.
I Der gröÿte beobachtete Wert, der diese Grenze nicht
überschreitet, ist x(9) = 89.
I Deshalb wird der obere Whisker bis zu dieser Stelle gezogen.

I Da die Beobachtung x(10) = 92 die Grenze von 90 aber


überschreitet, wird dieser Wert zusätzlich in den Plot
eingezeichnet.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Boxplot
F-
PD XC
hange E
di
t F-
XC
hange E
di 61
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

IQR

max. bis Q1 − 1.5 · IQR max. bis Q3 + 1.5 · IQR


Median

56 65 68 75 89 92

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Boxplot
F-
PD XC
hange E
di
t F-
XC
hange E
62
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
An der Form des Boxplots sieht man die Verteilung der Werte:
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

●● ●

−1.5 −1.0 −0.5 0.0 0.5 1.0 1.5 0.0 0.5 1.0 1.5 2.0 2.5 3.0

● ●● ● ●●● ●●● ● ● ● ● ● ● ●
● ●●● ●● ● ● ●●● ●
● ● ●● ● ● ●
●● ●● ●●
● ●
●● ● ● ● ●●● ● ●

● ● ● ● ● ● ●
● ● ● ● ● ● ● ● ● ● ● ● ●● ● ● ● ● ● ●
● ● ●● ● ● ● ● ●● ●● ●
● ●● ● ●

−1.5 −1.0 −0.5 0.0 0.5 1.0 1.5 0.0 0.5 1.0 1.5 2.0 2.5 3.0
Histogramm
F-
PD XC
hange E
di
t F-
XC
hange E
di 63
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
Zur graschen Veranschaulichung der Verteilung eines metrischen
B

B
to

to
ww

ww
om

om
k

k
lic

lic
Merkmals kann auch ein Histogramm angefertigt werden. Diet r a
C

C
.c

.c
w

w
tr re e
ar
.

.
ac
k e r- s o ft w a cke
r- s o ft w
Messwerte werden dazu in Kategorien eingeteilt.

0.015
0.010
Density

0.005
0.000

40 60 80 100 120 140 160


Beispiel
F-
PD XC
hange E
di
t F-
XC
hange E
di 64
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
Kategorie Anzahl Anteil Breite Höhe =
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Anteil/Breite
[60; 70[ 5 0.055̄ 10 0.0055̄
[70; 80[ 7 0.077̄ 10 0.0077̄
[80; 90[ 8 0.088̄ 10 0.0088̄
[90; 100[ 12 0.13̄ 10 0.013̄
[100; 110[ 17 0.18̄ 10 0.018̄
[110; 120[ 15 0.16̄ 10 0.016̄
[120; 130[ 13 0.14̄ 10 0.014̄
[130; 140[ 7 0.077̄ 10 0.0077̄
[140; 150[ 6 0.066̄ 10 0.0066̄
90 1
Histogramm
F-
PD XC
hange E
di
t
 Anzahl/Breite der Kategorien F-
XC
hange E
di 65
t

PD
or

or
!

!
W

W
O

O
N

N
Anzahl und Breite der Kategorien sind nicht eindeutig festgelegt, es
Y

Y
U

U
B

B
to

to
ww

ww
om

om
gibt nur einige Faustregeln. Je nach Anzahl der Kategorien sieht
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a
das Histogramm optisch anders aus:

0.012
0.025

0.010
0.020

0.008
0.015
Density

Density

0.006
0.010

0.004
0.005

0.002
0.000

0.000
40 60 80 100 120 140 160 40 60 80 100 120 140 160

Zu viele Kategorien → sehr wackelig, zu wenige → sehr grob.


Empfehlung: Anzahl der Kategorien so wählen, daÿ die Form der
Verteilung noch erkennbar ist (bei SPSS, R etc. automatisch).
Histogramm
F-
PD XC
hange E
di
t
 Flächentreue F-
XC
hange E
di 66
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
Beim Histogramm handelt es sich um einen Schätzer für die sog.
U

U
B

B
to

to
ww

ww
om

om
k

k
Dichte (vgl. spätere Kapitel). Dabei ist die Fläche proportional zur
lic

lic
C

C
.c

.c
w

w
tr re t ra e
ar
.

.
ac
k e r- s o ft w a cke
r- s o ft w
Häugkeit einer Kategorie (Flächentreue).
→ Wenn man z.B. eine Kategorie breiter macht, ohne dass dadurch
mehr Beobachtungen hinzukommen, wird der zugehörige Balken
acher.
0.015

0.015
0.010

0.010
Density

Density
0.005

0.005
0.000

0.000

40 60 80 100 120 140 160 40 60 80 100 120 140 160


Beispiel
F-
PD XC
hange E
di
t F-
XC
hange E
di 67
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
Kategorie Anzahl Anteil Breite Höhe =
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Anteil/Breite
[60; 70[ 5 0.055̄ 10 0.0055̄
[70; 80[ 7 0.077̄ 10 0.0077̄
[80; 90[ 8 0.088̄ 10 0.0088̄
[90; 100[ 12 0.13̄ 10 0.013̄
[100; 110[ 17 0.18̄ 10 0.018̄
[110; 120[ 15 0.16̄ 10 0.016̄
[120; 130[ 13 0.14̄ 10 0.014̄
[130; 140[ 7 0.077̄ 10 0.0077̄
[140; 150[ 6 0.066̄ 10 0.0066̄
90 1
Beispiel
F-
PD XC
hange E
di
t F-
XC
hange E
di 68
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
Kategorie Anzahl Anteil Breite Höhe =
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Anteil/Breite
[40; 70[ 5 0.055̄ 30 0.00185
[70; 80[ 7 0.077̄ 10 0.0077̄
[80; 90[ 8 0.088̄ 10 0.0088̄
[90; 100[ 12 0.13̄ 10 0.013̄
[100; 110[ 17 0.18̄ 10 0.018̄
[110; 120[ 15 0.16̄ 10 0.016̄
[120; 130[ 13 0.14̄ 10 0.014̄
[130; 140[ 7 0.077̄ 10 0.0077̄
[140; 150[ 6 0.066̄ 10 0.0066̄
90 1
Histogramm
F-
PD XC
hange E
di
t F-
XC
hange E
di 69
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Wegen Flächentreue: Histogramme mit unterschiedlich groÿen


Kategorien sind sehr schwer zu interpretieren → besser gleich
groÿe Kategorien, dann ist die Höhe wieder proportional zur
Häugkeit, wie beim Balkendiagramm.

I Anzahl der Kategorien wird so gewählt, daÿ die Form der


Verteilung gut erkennbar ist.
Verteilungsformen
F-
PD XC
hange E
di
t F-
XC
hange E
di 70
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Suggestive
F-
PD XC
hange E
di
t
Graken F-
XC
hange E
di 71
t

PD
or

or
!

!
W

W
O

O
N

N
z.B. durch Skalierung und Abschneiden der Achsen den Eindruck
Y

Y
U

U
B

B
to

to
erwecken, es gäbe einen steilen Anstieg
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Buchtipp: Walter Krämer: So lügt man mit Statistik


Webtipp: www.stat4u.at → Lehrmaterial → Fehlerquellen
Suggestive
F-
PD XC
hange E
di
t
Graken F-
XC
hange E
di 72
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a
Suggestive
F-
PD XC
hange E
di
t
Prozentangaben F-
XC
hange E
di 73
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a
Suggestive
F-
PD XC
hange E
di
t
Prozentangaben F-
XC
hange E
di 74
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr e
ar
.

.
ac ac
Sehr geehrte Frau Strobl,
k e r- s o ft w a k e r- s o ft w

vielen Dank für Ihre E-Mail und Ihre Anfrage bezüglich


unseres OPTISCHEN 5 SEKUNDEN REDUZIERERS.
Der von Ihnen angefragte Wert - 38 % (verringerte
Sichtbarkeit von Falten und Poren) ist der Prozentsatz
der Selbstbewertung von 51 Frauen unseres Produktes.
Wir hoffen das wir Ihnen weiterhelfen konnten, und
senden viele Grüÿe aus Düsseldorf,
L'Oréal Deutschland GmbH

19/51 = 0.3725 20/51 = 0.3921 19.5/51 = 0.3824


PD
F-
XC
hange E
di
t F-
XC
hange E
di 75
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

d.h. auch Männer sind teilbar...


hange E hange E
XC di XC di
F- t F- t
PD

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Wahrscheinlichkeitstheorie
Wo
F-
PD XC sind
hange E
di wir?
t F-
XC
hange E
di 77
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
1. Deskriptive Statistik
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

2. Wahrscheinlichkeitstheorie
2.1 Begrie und Rechenregeln
2.2 Wahrscheinlichkeitsverteilungen
2.3 Stichprobenverteilung des Mittelwerts

3. Tests und Kondenzintervalle

4. Kovarianz und Korrelation

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Wahrscheinlichkeit
F-
PD XC
hange E
di
t F-
XC
hange E
di 78
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Frage: Wer oder was kann eine Wahrscheinlichkeit haben?

I Antwort: Ein Ereignis. Ereignisse werden üblicherweise mit


Groÿbuchstaben, A,B,C , . . ., bezeichnet.

I Die Wahrscheinlichkeit, dass das Ereignis A eintritt, bezeichnet


man als P(A).

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Terminologie
F-
PD XC
hange E
di
t F-
XC
hange E
di 79
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Elementarereignis: Ergebnis eines Zufallsexperimentes.

I Ereignismenge Ω: Menge der Elementarereignisse.

I Ereignis: Teilmenge von Ω.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Beispiele
F-
PD XC
hange E
di
t
für Elementarereignisse F-
XC
hange E
di 80
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Münze: Kopf, Zahl.

I Würfel: Sechs Seiten des Würfels.

I Reiÿnagelspitze zeigt nach oben: ja, nein

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Ereignisse
F-
PD XC
hange E
di
t F-
XC
hange E
di 81
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a
I Sei Ω = {1, 2, 3, . . . , 10}
I Einige mögliche Ereignisse:
I A = {1, 2, 3}
I B = {4, 5, 6, 7}
I C = {8, 9, 10}
I D = {2, 3, 7}
I E = {4, 5, 8}
I Bezeichnungen:
I Vereinigung: A ∪ D = {1, 2, 3, 7}
I Schnitt: A ∩ D = {2, 3}
I Komplement: A = {4, 5, 6, 7, 8, 9, 10}
I Leere Menge: A ∩ B = ∅

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Veranschaulichung
-X
Change Ed von Ereignissen durch Venn-Diagramme82
-X
Change Ed
PD
F it F it

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

(Ω)

(D)
2 3 7 9 10
6
(A) (B) (C)
1 4 5 8

(E)

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Zur
F-
PD XC Unterhaltung:
hange E
di
t
Schnittmenge F-
XC
hange E
di 83
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Quelle: Katja Berlin & Peter Grünlich: Was wir tun, wenn der
Aufzug nicht kommt.
Zur
F-
PD XC Unterhaltung:
hange E
di
t
Schnittmenge F-
XC
hange E
di 84
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Quelle: Brigitte MOM, 1/2013


Additionstheorem
F-
PD XC
hange E
di
t
allgemein F-
XC
hange E
di 85
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a
I Die Wahrscheinlichkeit des Eintretens von A oder B
(oder beiden gemeinsam) ergibt sich als die Summe der
Wahrscheinlichkeiten von A und B abzüglich der
Wahrscheinlichkeit, dass beide Ereignisse gemeinsam eintreten.

I Warum muÿ man die gemeinsame Wahrscheinlichkeit einmal


abziehen? → Wird im Venn-Diagramm klar!

I Als Formel ergibt sich:

P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Additionstheorem
F-
PD XC
hange E
di
t
für disjunkte Ereignisse F-
XC
hange E
di 86
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Ein wichtiger Spezialfall des Additionstheorems ergibt sich,


falls sich beide Ereignisse wechselseitig ausschlieÿen.

I In diesem Fall:

P(A ∪ B) = P(A) + P(B)

da in diesem Fall: P(A ∩ B) = 0


I Sich wechselseitig ausschlieÿende Ereignisse werden auch
disjunkt genannt.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Zur
F-
PD XC Unterhaltung:
hange E
di
t
disjunkte Ereignisse F-
XC
hange E
di 87
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Quelle: Katja Berlin & Peter Grünlich: Was wir tun, wenn der
Aufzug nicht kommt.
Mehr
F-
PD XC als
hange E
di
t
zwei disjunkte Ereignisse F-
XC
hange E
di 88
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Die Wahrscheinlichkeit, dass eines von k disjunkten


Ereignissen eintritt, entspricht der Summe der
Wahrscheinlichkeiten für die k Ereignisse.

I Als Formel:

P(A1 ∪ A2 ∪ · · · ∪ Ak ) = P(A1 ) + P(A2 ) + · · · + P(Ak )

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Wahrscheinlichkeit
F-
PD XC
hange E
di
t
des Komplements F-
XC
hange E
di 89
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Das zu A komplementäre Ereignis ist Nicht A und wird mit


A bezeichnet.

I Die Wahrscheinlichkeit von A kann mit Hilfe von P(A)


bestimmt werden:
P(A) = 1 − P(A)

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Multiplikationstheorem
F-
PD XC
hange E
di
t
für unabhängige Ereignisse F-
XC
hange E
di 90
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Ist das Eintreten zweier Ereignisse voneinander unabhängig


ergibt sich die Wahrscheinlichkeit des gemeinsamen Auftretens
von A und B als das Produkt der beiden
Einzelwahrscheinlichkeiten:

I P(A ∩ B) = P(A) · P(B)

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Multiplikationstheorem
F-
PD XC
hange E
di
t
allgemein F-
XC
hange E
di 91
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Die Wahrscheinlichkeit des gemeinsamen Auftretens von A und


B ist gleich der Wahrscheinlichkeit für das Auftreten von A,
multipliziert mit der bedingten Wahrscheinlichkeit des
Auftretens von B, wenn A schon aufgetreten ist.

I Als Formel: P(A ∩ B) = P(A) · P(B|A)

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Verallgemeinerung
F-
PD XC
hange E
di
t
des Multiplikationstheorems F-
XC
hange E
di 92
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Die Verallgemeinerung lautet:

P(A ∩ B ∩ C ∩ . . . ∩ Z) =
P(A) · P(B|A) · P(C |AB) · . . . · P(Z |AB . . . )

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Bedingte
F-
PD XC
hange E
di
t
Wahrscheinlichkeit F-
XC
hange E
di 93
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
I Häug tritt die Situation auf, dass wir uns für die
B

B
to

to
ww

ww
om

om
k

k
lic

lic
Wahrscheinlichkeit des Ereignisses B interessieren, wobeit r wir
C

C
.c

.c
w

w
tr e r re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a
aber bereits wissen, dass ein anderes Ereignis A eingetreten ist.

I Nutzen wir diese Kenntnis bei der Bestimmung der


Wahrscheinlichkeit von B aus, so sprechen wir von der
bedingten Wahrscheinlichkeit, welche mit P(B|A) bezeichnet
wird.

I P(B|A) bezeichnet also die Wahrscheinlichkeit für B , falls A


schon eingetreten ist.

I Wenn die Wahrscheinlichkeiten P(A ∩ B) und P(A) bekannt


sind, kann die bedingte Wahrscheinlichkeit P(B|A) mit
folgender Formel berechnet werden:

P(B|A) = P(A ∩ B)/P(A),

wobei P(A) > 0 gelten muss.


c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).
Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Unabhängige
F-
PD XC
hange E
di
t
Ereignisse F-
XC
hange E
di 94
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Zwei Ereignisse sind unabhängig, falls das Eintreten des einen


Ereignisses keinerlei Eekt auf die Wahrscheinlichkeit für das
Eintreten des anderen Ereignisses hat.

I Die Ereignisse A und B sind unabhängig, falls


P(B|A) = P(B|A) = P(B) und umgekehrt.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Frei
F-
PD XC erfundenes
hange E
di
t
Beispiel: Studierende F-
XC
hange E
di 95
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac a
kDie
e r - s o f t besprochenen
wa Rechenregeln für Wahrscheinlichkeiten kann cman
k e r- s o ft w a

sich i.W. analog an Zufallsvariablen veranschaulichen:

Stellen Sie sich vor, aus einem Hörsaal mit 100 Studierenden ziehe
ich zufällig eine Person (mit verbundenen Augen).

Zur Illustration der Rechenregeln für Wahrscheinlichkeiten


interessieren uns folgende Ereignisse:

I Frau: ich erwische eine Frau

I lang: ich erwische eine Person mit langen Haaren

I Shirt: ich erwische eine Person mit schwarzem T-Shirt

I Gel: ich erwische eine Person mit Haargel


Frei
F-
PD XC erfundenes
hange E
di
t
Beispiel: Studierende F-
XC
hange E
di 96
t

PD
or

or
!

!
W

W
O

O
Zum Rechnen brauchen wir einige Wahrscheinlichkeiten, die sich aus der
N

N
Y

Y
U

U
B

B
Verteilung in der Grundgesamtheit ergeben:
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
P(Frau) = 50/100 = 0.5
tr re tr re
.

.
Frau
ac ac
k e r- s o ft w a k e r- s o ft w a

ja nein P(lang) = 45/100 = 0.45


lang
ja 40 5 45 P(Frau ∩ lang) = 40/100 = 0.4
nein 10 45 55 P(lang|Frau) = 40/50 = 0.8
50 50 100 P(lang|Frau) = 5/50 = 0.1
Haargel
ja nein
lang
ja 0 45 45 P(Gel) = 15/100 = 0.15
nein 15 40 55
15 85 100
Frau
ja nein P(Shirt|Frau) = 10/50 = 0.2
Shirt
ja 10 10 20 P(Shirt|Frau) = 10/50 = 0.2
nein 40 40 80 P(Shirt) = 20/100 = 0.2
50 50 100
Bedingte
F-
PD XC
hange E
di
t
Wahrscheinlichkeit F-
XC
hange E
di 97
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
I direkt aus Tabelle ablesen wenn angegeben:
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac

P(lang|Frau) = 40/50 = 0.8


k e r- s o ft w a k e r- s o ft w a

von den 50 Frauen haben 40 lange Haare

I mit der Formel:

P(lang|Frau) = P(Frau ∩ P(Frau) =


lang)/

40/100 0.4
= = 0.8
50/100 0.5

von allen 100 Personen sind 40 Frauen und haben lange Haare
von allen 100 Personen sind 50 Frauen

(aus Tabelle bzw. aus angegebenen Wahrscheinlichkeiten)


Wahrscheinlichkeit
F-
PD XC
hange E
di
t
des Komplements F-
XC
hange E
di 98
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr e tr re
ar
.

.
khier
e r - s o f t wjeweils zwei sich ausschlieÿende Möglichkeiten:
ac ac
k e r- s o ft w a

Frau vs. Frau, lang vs. lang

I bei normalen Wahrscheinlichkeiten:

P(Frau) = 1 − P(Frau) = 1 − 0.5 = 0.5


I bei bedingten Wahrscheinlichkeiten (gleiche Bedingung!):

P(lang|Frau) = 1 − P(lang|Frau) = 1 − 0.8 = 0.2

(lassen sich auch direkt aus Tabelle ablesen wenn angegeben)


Additionstheorem
F-
PD XC
hange E
di
t
allgemein F-
XC
hange E
di 99
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
Wie hoch ist die Wahrscheinlichkeit, dass die Person, die ich ziehe,
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr e tr re
ar
.

.
ac ac
keine
e r - s o f t wFrau ist oder lange Haare hat (oder beides)? k e r- s o ft w a

P(Frau ∪ lang) = P(Frau) + P(lang) − P(Frau ∩ lang)


= 0.5 + 0.45 − 0.4
= 0.55

Frau
ja nein
ja 40 5 45
lang
nein 10 45 55
50 50 100
Additionstheorem
F-
PD XC
hange E
di
t
für disjunkte Ereignisse F-
XC
hange E
100
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
Wie hoch ist die Wahrscheinlichkeit, dass die Person, die ich ziehe,
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
lange Haare hat oder Haargel im Wet-Look trägt (oder beides)?
C

C
.c

.c
w

w
tr e r t ra e
ar
.

.
ac
k e r- s o ft w a cke
r- s o ft w

Es gibt keine Personen, die sowohl lange Haare als auch Haargel im
Wet-Look tragen, d.h. lang ∩ Gel = ∅ und P(lang ∩ Gel) = 0.
P(lang ∪ Gel) = P(lang) + P(Gel) − P(lang ∩ Gel)
= 0.45 + 0.15 − 0
= 0.60

Haargel
ja nein
ja 0 45 45
lang
nein 15 40 55
15 85 100
Multiplikationstheorem
F-
PD XC
hange E
di
t
für unabhängige Ereignisse F-
XC
hange E
101
di
t

PD
or

or
!

!
W

W
O

O
N

N
Wie hoch ist die Wahrscheinlichkeit, dass die Person, die ich ziehe,
Y

Y
U

U
B

B
to

to
eine Frau ist und ein schwarzes T-Shirt trägt?
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Das Tragen von schwarzen T-Shirts ist unabhängig vom


Geschlecht: P(Shirt|Frau) = P(Shirt|Frau) = P(Shirt) = 0.2
P(Frau ∩ Shirt) = P(Frau) · P(Shirt)
= 0.5 · 0.2
= 0.1

Frau
ja nein
ja 10 10 20
Shirt
nein 40 40 80
50 50 100
Multiplikationstheorem
F-
PD XC
hange E
di
t
allgemein F-
XC
hange E
102
di
t

PD
or

or
!

!
W

W
O

O
N

N
Wie hoch ist die Wahrscheinlichkeit, dass die Person, die ich ziehe,
Y

Y
U

U
B

B
to

to
eine Frau ist und lange Haare hat?
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Das Tragen von langen Haaren ist nicht unabhängig vom


Geschlecht: P(lang|Frau) = 0.8 6= P(lang|Frau) = 0.1.
P(Frau ∩ lang) = P(Frau) · P(lang|Frau)
= 0.5 · 0.8
= 0.4

Frau
ja nein
ja 40 5 45
lang
nein 10 45 55
50 50 100
Disjunktheit
F-
PD XC
hange E
di
t
vs. Unabhängigkeit F-
XC
hange E
103
di
t

PD
or

or
!

!
W

W
Disjunktheit
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
Ist diee Schnittmenge aus Frau und lang leer?
C

C
.c

.c
w

w
tr r tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a
nein ⇒ nicht disjunkt

Unabhängigkeit
Ist P(lang|Frau) gleich P(lang|Frau)?
nein ⇒ nicht unabhängig

Frau
ja nein
ja 40 5 45
lang
nein 10 45 55
50 50 100
Multiplikationstheorem
F-
PD XC
hange E
di
t
aus psychologischer Sicht F-
XC
hange E
104
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Was ist gröÿer: Die Wahrscheinlichkeit. . .

I . . . dass die Person, die ich ziehe, eine Frau ist.

I . . . dass die Person, die ich ziehe, eine Frau ist und
lange Haare hat.

Wir haben gesehen: Frauen mit langen Haaren sind nur eine
Teilmenge aller Frauen ⇒ Wahrscheinlichkeit für verbundenes
Ereignis ist kleiner (Multiplizieren zweier Wahrscheinlichkeiten
ergibt geringere Wahrscheinlichkeit).
Multiplikationstheorem
F-
PD XC
hange E
di
t
aus psychologischer Sicht F-
XC
hange E
105
di
t

PD
or

or
!

!
W

W
O

O
N

N
Berühmtes Experiment von Amos Tversky und Daniel Kahneman:
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
Versuchspersonen lasen einen Text über eine junge, intelligente
C

C
.c

.c
w

w
tr e r tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a
Frau namens Linda, die Philosophie studiert hat, für soziale
Gerechtigkeit eintritt und zu anti-Atomkraft-Demos geht. Danach
wurden Sie gefragt:

Was ist gröÿer: Die Wahrscheinlichkeit. . .

I . . . dass Linda eine Bankangestellte ist.


I . . . dass Linda eine Bankangestellte und in der
Frauenrechtsbewegung aktiv ist.

Die meisten Versuchspersonen lieÿen sich aufgrund der sog.


Repräsentativitäts-Heuristik verleiten, die zweite Antwort
anzukreuzen. (Das Experiment wurde später aber oft kritisiert.)

Originalartikel: Tversky, A., & Kahneman, D. (1983). Psychological


Review, 90, 293-315.
vieldiskutiertes Buch: Daniel Kahneman: Thinking, Fast and Slow.
Satz
F-
PD XC von
hange E
di
t
Bayes F-
XC
hange E
106
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
I Satz von Bayes:
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

P(B|A) · P(A)
P(A|B) =
P(B)
I Der Nenner ist (Satz von der totalen Wahrscheinlichkeit):

P(B) = P(B|A) · P(A) + P(B|A) · P(A)


I Daraus ergibt sich:

P(B|A) · P(A)
P(A|B) =
P(B|A) · P(A) + P(B|A) · P(A)

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Motivation
F-
PD XC
hange E
di
t F-
XC
hange E
107
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Notation:
I K Krankheit vorhanden
I T Test positiv
I Terminologie:
I P(K ) Prävalenz
I P(T |K ) Sensitivität des Tests
I P(T |K ) Spezität des Tests

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Motivation
F-
PD XC
hange E
di
t F-
XC
hange E
108
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Quelle: Blick am Abend, 2012


Motivation
F-
PD XC
hange E
di
t F-
XC
hange E
109
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Angenommen bekannt sind:


I P(K ) Prävalenz
I P(T |K ) Sensitivität des Tests
I P(T |K ) Spezität des Tests
I Dann lässt sich mit dem Satz von Bayes P(K |T ) und P(K |T )
ermitteln.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Motivation
F-
PD XC
hange E
di
t F-
XC
hange E
110
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Satz von Bayes:

P(T |K ) · P(K )
P(K |T ) =
P(T |K ) · P(K ) + P(T |K ) · P(K )
I Aus der Prävalenz folgt: P(K ) = 1 − P(K )
I Aus der Spezität folgt: P(T |K ) = 1 − P(T |K )

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Beispiel
F-
PD XC
hange E
di
t F-
XC
hange E
111
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Kennwerte eines diagnostischen Tests:


I Prävalenz: 0,001
I Sensitivität: 0,98
I Spezität: 0,995
I Mit Hilfe des Satz von Bayes folgt:

0,001 · 0,98
P(K |T ) = = 0,164
0,001 · 0,98 + 0,005 · 0,999

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
hange E hange E
XC di XC di
F- t F- t
PD

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Wahrscheinlichkeitsverteilungen
Wo
F-
PD XC sind
hange E
di wir?
t F-
XC
hange E
113
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
1. Deskriptive Statistik
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

2. Wahrscheinlichkeitstheorie
2.1 Begrie und Rechenregeln
2.2 Wahrscheinlichkeitsverteilungen
2.3 Stichprobenverteilung des Mittelwerts

3. Tests und Kondenzintervalle

4. Kovarianz und Korrelation

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Zufallsvariablen
F-
PD XC
hange E
di
t F-
XC
hange E
114
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Eine Zufallsvariable ist eine Funktion, die Ereignissen reelle


Zahlen zuordnet.
I Beispiele:
I Würfel: Jeder Seite wird ihre Punkteanzahl zugeordnet.
I Münze: Kopf wird als 1, Zahl als 0 kodiert.
I Studierende: Ziehe eine Person und notiere deren Alter in
Jahren.
I Zufallsvariablen können diskret oder stetig sein.
I Diskret: Ergebnisse fallen in Kategorien.
I Stetig: Werte können beliebig genau sein.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Zufallsvariablen
F-
PD XC
hange E
di
t
besitzen eine Verteilung F-
XC
hange E
115
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Hier besprochene Beispiele für


I diskrete Zufallsvariable: Binomialverteilung
I stetige Zufallsvariable: Normalverteilung
I Es existieren noch zahlreiche andere Verteilungen.

I Wahrscheinlichkeitsverteilungen sind idealisierte statistische


Modelle, die die echten Daten mehr oder weniger realistisch
beschreiben.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Diskrete
F-
PD XC
hange E
di Zufallsvariable
t F-
XC
hange E
116
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Nur bestimmte Werte können auftreten.

I Jeder Wert hat eine gewisse Wahrscheinlichkeit.

I Die Wahrscheinlichkeiten addieren sich zu 1 auf.


Diskrete
F-
PD XC
hange E
di Zufallsvariable
t F-
XC
hange E
117
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
9
k e r- s o ft w a k e r- s o ft w a

36

6
36
P (x)

3
36
1
36
2 4 6 8 10 12
x

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Zweimaliges
F-
PD XC
hange E
di
t
Würfeln F-
XC
hange E
118
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Quelle: Walter Fuchs: Knaurs Buch der modernen Mathematik.


Erwartungswert,
F-
PD XC
hange E
di
t
Varianz, Verteilungsfunktion F-
XC
hange E
119
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
I Erwartungswert
B

B
to

to
ww

ww
om

om
k

k
N
lic

lic
C

C
xi · P(xi )
.c

.c
w

w
tr re
X tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a
µ=
i= 1
I Varianz
N
σ2 = (xi − µ)2 · P(xi )
X

i=1
I Wahrscheinlichkeitsfunktion

P(xi )
I Verteilungsfunktion

P(xj )
X
F (xi ) =
j≤i

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Binomialverteilung
F-
PD XC
hange E
di
t F-
XC
hange E
120
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Wir betrachten eine Zufallsvariable, die nur zwei Werte


annehmen kann.

I Solche Variablen bezeichnet man auch als binäre oder


dichotome Variablen.
I Beispiele für dichotome Variablen sind:
I Kopf versus Zahl beim Münzwurf
I Hat eine Person ein Haustier? (ja/nein)

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Notation
F-
PD XC
hange E
di
t F-
XC
hange E
121
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I x Anzahl der Erfolge in n Versuchen.

I π Erfolgswahrscheinlichkeit pro Versuch.

I P(x) Wahrscheinlichkeit von x Erfolgen in n Versuchen.

I Kurzbezeichnung für Binomialverteilung: B(n; π)

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Beispiel:
F-
PD XC
hange E
di Münzwurf
t F-
XC
hange E
122
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Disjunkte Ereignisse: Kopf, Zahl

I n=1
I π = 0,5
I Kopf zählt als Erfolg

I x = Anzahl von Würfen bei denen Kopf oben lag

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Münze
F-
PD XC
hange E
deinmal
it werfen F-
XC
hange E
123
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Mögliche Werte für x: 0, 1


I Wahrscheinlichkeiten für x:
I P(0) = 0,5
I P(1) = 0,5
I = B(1; 0,5) Verteilung

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Münze
F-
PD XC
hange E
dzweimal
it werfen F-
XC
hange E
124
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Mögliche Werte für x: 0, 1, 2


I Wahrscheinlichkeiten für x:
I P(0) = 0,25 (Zahl,Zahl)
I P(1) = 0,5 (Kopf,Zahl oder Zahl,Kopf)
I P(2) = 0,25 (Kopf,Kopf)
I = B(2; 0,5) Verteilung

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Münze
F-
PD XC
hange E
ddreimal
it werfen F-
XC
hange E
125
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
I Mögliche Werte für x: 0, 1, 2, 3
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a
I Wahrscheinlichkeiten für x:
I P(0) = 0,125 (Zahl,Zahl,Zahl)
I P(1) = 0,375 (Kopf,Zahl,Zahl oder Zahl,Kopf,Zahl oder
Zahl,Zahl,Kopf)
I P(2) = 0,375 (Kopf,Kopf,Zahl oder Kopf,Zahl,Kopf oder
Zahl,Kopf,Kopf)
I P(3) = 0,125 (Kopf,Kopf,Kopf)
I = B(3; 0,5) Verteilung

Im Prinzip ist es nicht schwierig, mit Hilfe des Multiplikations-


und Additionstheorems beliebige Binomialverteilungen zu
bestimmen, aber das Vorgehen ist nur praktikabel solange n
klein ist.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Formel
F-
PD XC
hange E
dder
it Binomialverteilung F-
XC
hange E
126
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
P(x) =
tr re tr re
.

.
ac n ac
k e r- s o ft w a
π x (1 − π)n−x k e r- s o ft w a

I Binomialverteilung:
x
I Binomial-Koezient (sprich: x aus n)
 
n n!
=
x x!(n − x)!
I x! wird als  x Fakultät bezeichnet.

I Die Fakultät einer positiven ganzen Zahl x ist deniert als

x! = 1 · 2 · · · (x − 1) · x

I Auÿerdem deniert man: 0! =1

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Beispiel:
F-
PD XC
hange E
di Würfeln
t F-
XC
hange E
127
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Wahrscheinlichkeit, genau einmal die Sechs zu werfen wenn


man viermal würfelt?

I Man berechnet
   1  3
4 1 5
P(1) =
1 6 6
= 0,3858

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Beispiel:
F-
PD XC
hange E
di Multiple-Choice Klausur
t F-
XC
hange E
128
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Eine Multiple-Choice Klausur enthält 15 Fragen von denen


jede fünf Antwortmöglichkeiten besitzt (d.h. die
1
Ratewahrscheinlichkeit ist = 0,2).
5
I Man kreuzt rein zufällig irgendwelche Antworten an.

I Die Klausur gilt als bestanden, falls neun oder mehr der
Antworten richtig sind.

I Wie wahrscheinlich ist das Bestehen der Klausur?

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Beispiel:
F-
PD XC
hange E
di Multiple-Choice Klausur
t F-
XC
hange E
129
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c n = 15, π = 0,2

.c
I Parameter der Binomialverteilung:
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Berechne

P(9) + P(10) + P(11) + P(12) + P(13) + P(14) + P(15)


jeweils mithilfe der Binomialverteilungsformel

·(0,2)9 ·(0,8)15−9 = 5005·(0,2)9 ·(0,8)6 ≈ 0.000672


 
15
P(9) =
9

I Die Summe beträgt ≈ 0,000785 (d.h. man sollte bei


Multiple-Choice Klausuren also wirklich besser lernen, als
zufällig irgendwelche Antworten anzukreuzen...)

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Erwartungswert
F-
PD XC
hange E
di
t
und Varianz der BinominalverteilungF-XChange130
Ed
it

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Binomialverteilungen sind unimodale Verteilungen, die nur für


π = 1/2 symmetrisch sind.

I Erwartungswert:
µ=n·π
I Varianz:
σ 2 = n · π(1 − π)

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Beispiel:
F-
PD XC
hange E
di 10x Münze werfen
t F-
XC
hange E
131
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I n = 10 und π = 0,5
I Erwartungswert: µ = 10 · 0,5 = 5 Erfolge

I 2
Varianz: σ = 10 · 0,5 · 0,5 = 2,5

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Stetige
F-
PD XC
hange E
diZufallsvariablen
t F-
XC
hange E
132
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr e tr re
ar
.

.
ac ac
k e r - s o f t wFür
I stetige Zufallsvariablen wird die k e r- s o ft w a

Wahrscheinlichkeitsverteilung durch die Dichtefunktion f (x)


beschrieben.

I Mit Hilfe der Dichte kann die Wahrscheinlichkeit von


Intervallen bestimmt werden, also

Z b
P(a < x ≤ b) = f (x) dx.
a

I Dabei gilt
Z +∞
f (x) dx = 1.
−∞

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Stetige
F-
PD XC
hange E
diZufallsvariablen
t F-
XC
hange E
133
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Kurve der Dichte f (x)


f (x)

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Stetige
F-
PD XC
hange E
diZufallsvariablen
t F-
XC
hange E
134
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Da stetige Variablen überabzählbar viele Werte annehmen


können, kann einzelnen Werten keine positive
Wahrscheinlichkeit zugeordnet werden.

I Genauer gesagt geht die Wahrscheinlichkeit eines einzelnen


reellen Wertes gegen Null.

I Für stetige Zufallsvariablen kann man deshalb nur Intervallen


mit Hilfe der Dichtefunktion Wahrscheinlichkeiten zuzuordnen.
Wahrscheinlichkeit
F-
PD XC
hange E
di
t F-
XC
hange E
135
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Erwartungswert,
F-
PD XC
hange E
di
t
Varianz, Verteilungsfunktion F-
XC
hange E
136
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
I Erwartungswert
k

k
lic

lic
C

C
.c

.c

w

w
tr re
Z tr re

x f (x) dx.
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a
µ=
−∞
I Varianz

σ2 = (x − µ)2 f (x) dx.


Z ∞

−∞
I Dichtefunktion f (x).
I Verteilungsfunktion F (xp ) gibt an, wie viel Prozent der
Verteilung kleiner oder gleich einem bestimmten Wert xp sind:

F (xp ) = P(x ≤ xp ).

I Vergleiche Quantile in der deskriptiven Statistik: z.B. 25% der


Werte sind kleiner oder gleich Q1 .

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Carl-Friedrich
F-
PD XC
hange E
di
t
Gauÿ (1777-1855) F-
XC
hange E
137
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Dichte der Normalverteilung:

2
1 e− 12 ( x−µ
σ )
f (x) =
2πσ

2

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Normalverteilung
F-
PD XC
hange E
di
t F-
XC
hange E
138
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

µ − 2σ µ−σ µ µ+σ µ + 2σ

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Verteilungsfunktion
F-
PD XC
hange E
di
t
der Normalverteilung F-
XC
hange E
139
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Die Verteilungsfunktion der Normalverteilung kann nicht als


einfache Formel ausgedrückt werden.

I Deshalb werden die Flächenanteile der


Standardnormalverteilung tabelliert.

I Flächenanteile unter Normalverteilungen mit beliebigen Werten


für µ und σ2, können mit Hilfe der z -Transformation auf die
tabellierten Flächenanteile der Standardnormalverteilung
zurückgeführt werden ⇒ nur eine Tabelle nötig.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
z -Transformation
PD
F-
XC
hange E
di
t F-
XC
hange E
140
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I z -Transformation (Daten)

x − x̄
z=
s
I z -Transformation (Verteilung)

x −µ
z=
σ

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Eigenschaften
F-
PD XC
hange E
di
t
von z -Werten F-
XC
hange E
141
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Die z -Transformation ändert den Verteilungstyp nicht.

I z -Werte haben einen Mittelwert von 0 und eine


Standardabweichung von 1.

I Wenn die Rohwerte normalverteilt sind, folgen die z -Werte


einer Standardnormalverteilung.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Notation
F-
PD XC
hange E
di
t F-
XC
hange E
142
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I N(µ, σ 2 ) für beliebige Normalverteilung, z.B.

N(1, 4), N(3, 4), N(3, 25) etc.

I N(0, 1) für Standardnormalverteilung

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Fragetyp
F-
PD XC
hange E
di
t
1: F-
XC
hange E
143
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Bestimmung der Wahrscheinlichkeit = Fläche unter der


Normalverteilungsdichte bis zu einem bestimmten Wert.

I IQ-Werte in der Gesamtbevölkerung sind normalverteilt mit


µ = 100, σ = 15.
I Frage: Welcher Prozentsatz der Gesamtbevölkerung hat einen
IQ-Wert bis x = 110?
Lösung
F-
PD XC
hange E
di
t F-
XC
hange E
144
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
I Bestimme
U z -Wert.

U
B

B
to

to
ww

ww
om

om
k

k
− 100)/15 ≈ 0,67.
lic

lic
I z = (110
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a
I Verwende die vereinfachte N(0, 1)-Tabelle aus der
Formelsammlung:

zp F (zp )
0 0.50
0.68 0.75
1.28 0.90
1.65 0.95
1.96 0.975
2.33 0.99
2.58 0.995

I Nächster z-Wert ist 0,68, d.h. der Flächenanteil beträgt ca.


0,75.
I Ca. 75% der Gesamtbevölkerung haben einen IQ-Wert bis
x = 110.
Fragetyp
F-
PD XC
hange E
di
t
2: F-
XC
hange E
145
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Bestimmung des Quantils = Wert, der bestimmte Fläche


abschneidet.

I IQ-Werte in der Gesamtbevölkerung sind normalverteilt mit


µ = 100, σ = 15.
I Frage: Bis zu welchem Wert liegen die IQ-Werte von 99% der
Gesamtbevölkerung?
Lösung
F-
PD XC
hange E
di
t F-
XC
hange E
146
di
t

PD
or

or
!

!
W

W
O

O
N

N
I Bestimme
Y z -Wert des 99%-Quantils von N(0, 1) aus der

Y
U

U
B

B
to

to
ww

ww
om

om
vereinfachten N(0, 1)-Tabelle in der Formelsammlung:
k

k
lic

lic
C

C
.c

.c
w

w
tr e r t ra e
ar
.

.
ac
k e r- s o ft w a cke
r- s o ft w
zp F (zp )
0 0.50
0.68 0.75
1.28 0.90
1.65 0.95
1.96 0.975
2.33 0.99
2.58 0.995

I Man erhält: z = 2,33.


I z -Transformation rückwärts um den Wert auf der
ursprünglichen Skala zu nden:

x − 100
2,33 =
15
I Also x = 100 + 2,33 · 15 = 134,95.
I 99% der Gesamtbevölkerung haben einen IQ-Wert bis ca. 135.
Umgekehrte
F-
PD XC
hange E
di
t
Frage F-
XC
hange E
147
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Bisher: von links kommend = Wahrscheinlichkeit bis zu


einem bestimmten Wert.

Fragetyp 1b:

I Frage: Welcher Prozentsatz der Gesamtbevölkerung hat einen


IQ-Wert über x = 110?
Lösung
F-
PD XC
hange E
di
t F-
XC
hange E
148
di
t

PD
or

or
!

!
W

W
O

O
N

N
I Bestimme
Y z -Wert.

Y
U

U
B

B
to

to
ww

ww
om

om
z e = (110 − 100)/15 ≈ 0,67.
k

k
I
lic

lic
C

C
.c

.c
w

w
tr tr re
ar
.

.
ac ac
o f t wVerwende die vereinfachte N(0, 1)-Tabelle k e r- s o ft w a
k e r - sI
aus der
Formelsammlung:

zp F (zp )
0 0.50
0.68 0.75
1.28 0.90
1.65 0.95
1.96 0.975
2.33 0.99
2.58 0.995

I Nächster z-Wert ist 0,68, d.h. der Flächenanteil


von links kommend bis zum Wert 110 beträgt ca. 0,75.
I Auf der anderen Seite, d.h. über 110 bleibt dann übrig: 1-0,75
= 0,25.
I Ca. 25% der Gesamtbevölkerung haben einen IQ-Wert über
x = 110.
Frage
F-
PD XC zu
hange E
di
t
Intervall F-
XC
hange E
149
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Von links kommend = Wahrscheinlichkeit bis zu einem


bestimmten Wert.

I Für Wahrscheinlichkeit eines Werte-Intervalls:


Wahrscheinlichkeit bis zum rechten Rand −
Wahrscheinlichkeit bis zum linken Rand.

Fragetyp 1c:

I Frage: Welcher Prozentsatz der Gesamtbevölkerung hat einen


IQ-Wert zwischen x = 100 und x = 110?
Lösung
F-
PD XC
hange E
di
t F-
XC
hange E
150
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a
I Bestimme z -Werte und Wahrscheinlichkeiten:

I z = (110 − 100)/15 ≈ 0,67.


I Nächster z-Wert ist 0,68, d.h. der Flächenanteil
von links kommend bis zum Wert 110 beträgt ca. 0,75.

I z = (100 − 100)/15 = 0.
I Der Flächenanteil von links kommend bis zum Wert 100
beträgt 0,5.

I 0,75 - 0,5 = 0,25.

I Ca. 25% der Gesamtbevölkerung haben einen IQ-Wert


zwischen x = 100 und x = 110.
hange E hange E
XC di XC di
F- t F- t
PD

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Stichprobe und Grundgesamtheit


Grundgesamtheit
F-
PD XC
hange E
di
t F-
XC
hange E
152
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Die Grundgesamtheit (Population) umfasst alle potenziell


untersuchbaren Einheiten, die ein gemeinsames Merkmal
aufweisen.

I Eine Stichprobe ist eine Teilmenge der Grundgesamtheit.

I Für statistische Überlegungen werden praktisch immer


unendlich groÿe Grundgesamtheiten vorausgesetzt (dadurch
bleiben die Wahrscheinlichkeiten auch nach dem Ziehen
gleich).

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Einfache
F-
PD XC
hange E
di
t
Zufallsstichprobe F-
XC
hange E
153
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Die Bezeichnung einfache Zufallsstichprobe  besagt, dass alle


Mitglieder der Grundgesamtheit mit gleicher
Wahrscheinlichkeit gezogen werden können.

I Sind alle Mitglieder der Grundgesamtheit bekannt, kann man


leicht eine Zufallsstichprobe bestimmen, z. B. Urne mit Losen,
Zufallszahlen am Computer generieren o.ä.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Stichprobenverteilung
F-
PD XC
hange E
di
t F-
XC
hange E
154
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Denition: Die Stichprobenverteilung ist eine theoretische


Verteilung, die die möglichen Ausprägungen eines statistischen
Kennwertes (z. B. x̄ ) und deren Auftretenswahrscheinlichkeit
beim Ziehen von ganz vielen Zufallsstichproben des Umfanges
n beschreibt.

I Der englische Ausdruck für Stichprobenverteilung lautet


Sampling Distribution.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Kennwert
F-
PD XC
hange E
di
t
und Stichprobenverteilung F-
XC
hange E
155
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Eine Stichprobenverteilung lässt sich für einen beliebigen


Kennwert ermitteln.

I Beispiele für Kennwerte: Anzahl der Erfolge, Median,


Mittelwert, Varianz, Standardabweichung, Interquartilbereich
etc.

I Jeder dieser Kennwerte besitzt seine eigene


Stichprobenverteilung.

I Im Folgenden wird die Stichprobenverteilung des Mittelwerts


betrachtet.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Stichprobenverteilung
F-
PD XC
hange E
di
t
des Mittelwerts F-
XC
hange E
156
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Man bezeichnet Erwartungswert und Standardabweichung der


Stichprobenverteilung des Mittels mit µx̄ und σx̄ .
I σx̄ wird als Standardfehler des Mittels bezeichnet.
I µx̄ = µ.
σx2̄ = σ 2 /n.

I σx̄ = σ/ n bzw.

I Der Standardfehler des Mittels verändert sich also proportional


zur Standardabweichung des Merkmals in der Population und
verringert sich mit zunehmendem Stichprobenumfang.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Stichprobenverteilungen
F-
PD XC
hange E
di
t
bei normalverteilter Population
F-
XC 157
hange E
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
I Falls es sich bei der Populationsverteilung um eine
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a
Normalverteilung handelt, so ist auch die
Stichprobenverteilung des Mittelwerts eine Normalverteilung.

I Diese Aussage gilt für beliebig kleinen Stichprobenumfang n,


auf dem die Berechnung des Mittelwertes basiert.

I Da Normalverteilungen durch ihren Erwartungswert sowie ihre


Varianz eindeutig festgelegt sind, ist damit die
Stichprobenverteilung des Mittelwerts vollständig bekannt.

I Wir können diese Aussage auch folgendermaÿen ausdrücken:

x̄ ∼ N(µ, σx2̄ )

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Stichprobenverteilungen
F-
PD XC
hange E
di
t
bei normalverteilter Population
F-
XC 158
hange E
di
t

PD
or

or
!

!
Verteilung der Werte Stichprobenverteilung des Mittelwerts
W

W
50 60 70 80 90 100

O
N

N
Y

Y
U

U
in der Grundgesamtheit
B

B
n =2
to

to
ww

ww
om

om
μ = 75
k

k
lic

lic
C

C
.c

.c
σ = 16 2
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

50 60 70 80 90 100

Population n=4
μ = 75 μ = 75
σ = 16 σ = 16 4

50 60 70 80 90 100
50 60 70 80 90 100
n=9
n =2 μ = 75
μ = 75 σ = 16 9
σ = 16 2

50 60 70 80 90 100

c 2010,80Springer-Verlag
Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).
Statistik
50 60 für70
Human- und90Sozialwissenschaftler.
100 Springer: Heidelberg. www.lehrbuch-psychologie.de
Nicht-normalverteilte
F-
PD XC
hange E
di
t
Populationen F-
XC
hange E
159
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr e t e
k e r - s o f t wAufgrund des zentralen Grenzwertsatzes sind wir in der Lage,
I ar
ra
ar
.

.
ac cke
r - s o ft w
auch dann Aussagen über die Form der Stichprobenverteilung
des Mittelwerts zu machen, wenn wir keine normalverteilte
Population vorauszusetzen können  in diesem Fall aber nur,
wenn der Stichprobenumfang groÿ ist.

I Zentraler Grenzwertsatz: Die Verteilung einer Summe (und


damit auch eines Mittelwertes) von n unabhängig und
identisch verteilten Zufallsvariablen geht mit wachsendem
Stichprobenumfang n in eine Normalverteilung über.

I Mit anderen Worten: Für groÿes n ist die Stichprobenverteilung


des Mittelwerts wieder eine Normalverteilung, auch wenn die
einzelnen Werte nicht aus einer Normalverteilung stammen.
Wie
F-
PD XC groÿ
hange E
di
t
muss n sein, damit x̄ approx. normalverteiltF-Xist?160
Change Ed
it

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Auf diese Frage gibt es keine einfache Antwort, denn der


erforderliche Stichprobenumfang n hängt von der
Rohwertverteilung ab.

I Je stärker die Rohwerteverteilung von einer Normalverteilung


abweicht  insbesondere je schiefer die Rohwerteverteilung 
umso gröÿer muss n sein.

I Für praktische Zwecke werden wir davon ausgehen, dass ab


n > 30 die Stichprobenverteilung des Mittelwerts approximativ
normalverteilt ist.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Rohwerte
F-
PD XC
hange E
di
t
gleichverteilt F-
XC
hange E
161
di
t

PD
Verteilung der Werte Stichprobenverteilung des Mittelwerts

or

or
Gleichverteilung

!
W

W
O

O
Gleichverteilung

N
Population n=2
Y

Y
in der Grundgesamtheit
U

U
B

B
Population
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Gleichverteilung Gleichverteilung

Population n=2
Population n=2
n=4 nn
==4 10 n

n=4 n = 10

n=4 n = 10

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Schiefe
F-
PD XC
hange E
diRohwerteverteilung
t F-
XC
hange E
162
di
t

PD
or

or
!

!
Verteilung der Werte Stichprobenverteilung des Mittelwerts
W

W
Schiefe Verteilung

O
Schiefe Verteilung

N
Y

Y
U

U
Population n=2

in der Grundgesamtheit
B

B
Population
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Schiefe Verteilung

Schiefe Verteilung
Population n=2
Population n=2
n=4 n
n=4 n = 10

n=4 n = 10
n=4 n = 10

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Schätzung
F-
PD XC
hange E
di
t
von Erwartungswert und Varianz F-
XC
hange E
163
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
x̄r e und s 2
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr I sind statistische Kennwerte, die aus den für eine
tr
ar
e
.

.
ac ac
k e r- s o ft w a k e r- s o ft w
Stichprobe erhobenen Werten berechnet werden.

I µ und σ2 sind unbekannte Parameter, die die Verteilung der


Werte in der Grundgesamtheit (die aber zu groÿ ist, um alle
Werte zu erheben) beschreiben.
I Statistische Kennwerte werden verwendet zur
1. Beschreibung der Stichprobe,
2. Schätzung von Populationsparametern.
I Wie wir anhand der Stichprobenverteilung des Mittelwerts
gesehen haben ist x̄ ein guter Schätzer für den wahren
Mittelwert µ.
I Auch s2 ist ein guter Schätzer für die wahre Varianz σ2.

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Schätzung
F-
PD XC
hange E
di
t
des Standardfehlers F-
XC
hange E
164
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
I Wenn die wahre Varianz bekannt ist (z.B. aus einer früheren
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr
Erhebung
re für die gesamte Population) kann man den tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Standardfehler des Mittelwerts direkt ausrechnen.

I Ist aber (realistischer) die wahre Varianz nicht bekannt


sondern muÿ geschätzt werden, liegt es nahe, den
Standardfehler des Mittelwerts

σ2
r
σ
σx̄ = =√
n n

dadurch zu schätzen, dass man den Schätzer s2 für σ2 in die


Formel einsetzt (sog. Plug-in Schätzer):

s2
r
s
sx̄ = =√
n n

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Kondenzintervall
F-
PD XC
hange E
di
t F-
XC
hange E
165
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Man unterscheidet zwischen Punkt- und Intervallschätzung.

I Beispiele für Punktschätzer sind x̄ für µ und s2 für σ2.


I Zu jedem Punktschätzer kann man ein Kondenzintervall
kostruieren, um einen Eindruck von der Unsicherheit der
Schätzung zu erhalten.
Kondenzintervall
F-
PD XC
hange E
di
t F-
XC
hange E
166
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr I Beispiel:
re 95%-Kondenzintervall für den Mittelwert. tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Die Wahrscheinlichkeit 95% nennt man auch


Überdeckungswahrscheinlichkeit oder Sicherheitsgrad.

I Ein 95%-Kondenzintervall wird so konstruiert, dass es mit


95-prozentiger Wahrscheinlichkeit den wahren Wert des
Parameters überdeckt.

I Vorstellung: Wenn man sehr viele Stichproben aus derselben


Grundgesamtheit mit Mittelwert µ zieht, und aus jeder
Stichprobe den Mittelwert x̄ sowie das entsprechende
Kondenzintervall um x̄ berechnet, dann überdecken 95% der
Intervalle den wahren Mittelwert in der Grundgesamtheit µ, die
restlichen 5% liegen daneben.
Kondenzintervall
F-
PD XC
hange E
di
t
für den Mittelwert F-
XC
hange E
167
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
I Kondenzintervall:
C

C
.c

.c
w

w
tr e r tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

untere Grenze = x̄ − z1−α/2 · σx̄


obere Grenze = x̄ + z1−α/2 · σx̄

I α bezeichnet die Wahrscheinlichkeit dafür, dass das Intervall


daneben liegt.

I Die Überdeckungswahrscheinlichkeit ist entsprechend 1 − α.


I Als Überdeckungswahrscheinlichkeit (Sicherheitsgrad) wählt
man üblicherweise 95% oder 99%.

I Die Breite des Kondenzintervalls hängt vom Sicherheitsgrad


(1 − α), 2
von der Varianz der einzelnen Werte (σ ) und vom
Stichprobemumfang (n) ab.
Beispiel
F-
PD XC
hange E
di
t F-
XC
hange E
168
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
I Gesucht wird das 95% Kondenzintervall für die
to

to
ww

ww
om

om
k

k
lic

lic
C

C
durchschnittliche
.c Klassengröÿe an schweizer Sekundarschulen.

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

I Rohwerte aus einer Stichprobe von 11 Schulklassen:

18, 17, 19, 21, 23, 25, 27, 29, 31, 33 und 32

I Daten: n = 11, x̄ = 25, Annahme: σ = 6 bekannt



I Also σx̄ = 6/ 11 = 1,809
I 95%-KI:
z1−α/2 = z1−0,05/2 = z1−0,025 = z0,975 = 1,96

untere Grenze = 25 − 1,96 · 1,809 = 21,454

obere Grenze = 25 + 1,96 · 1,809 = 28,546


KI ≈ [21,454; 28,546]
Was
F-
PD XC sagt
hange E
di
t
das Kondenzintervall aus? F-
XC
hange E
169
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
I Das Kondenzintervall gibt durch seine Lage und Breite teinen
C

C
.c

.c
w

w
tr re ra e
ar
.

.
ac
k e r- s o ft w a cke
r- s o ft w
Eindruck über den Wert und die Unsicherheit der Schätzung.

I Stellen Sie sich vor, Sie lesen in der Zeitung: Schweizer


Psychologie-Studierende sind überdurchschnittlich neurotisch

Hintergrund: Mittelwert aus einer Stichprobe von Studierenden


x̄ = 61,5 auf einer Neurotizismus-Skala mit Mittelwert 50 in
der Allgemeinbevölkerung.

I Szenario 1: KI ≈ [47,64; 75,36]

Was denken Sie jetzt über die Schlagzeile?

I Szenario 2: KI ≈ [60,11; 62,89]

Und jetzt?
hange E hange E
XC di XC di
F- t F- t
PD

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

Tests und Kondenzintervalle


Wo
F-
PD XC sind
hange E
di wir?
t F-
XC
hange E
171
di
t

PD
or

or
!

!
W

W
O

O
N

N
Y

Y
U

U
B

B
1. Deskriptive Statistik
to

to
ww

ww
om

om
k

k
lic

lic
C

C
.c

.c
w

w
tr re tr re
.

.
ac ac
k e r- s o ft w a k e r- s o ft w a

2. Wahrscheinlichkeitstheorie

3. Tests und Kondenzintervalle


3.1 Einführung
3.2 Power und Eektstärke
3.3 Tests und Kondenzintervalle für Mittelwerte
Ein-Stichproben t -Test
t -Test für zwei unabhängige Stichproben
t -Test für zwei verbundene Stichproben
3.4 Nicht-parametrische Tests
3.5 χ2 -Unabhängigkeitstest

4. Kovarianz und Korrelation

c 2010, Springer-Verlag Berlin Heidelberg. Aus J. Bortz & C. Schuster (2010).


Statistik für Human- und Sozialwissenschaftler. Springer: Heidelberg. www.lehrbuch-psychologie.de
Inhaltliche
F-
PD XC
hange E
di
t
Hypothesen F-
XC
hange E
172
di
t