Sie sind auf Seite 1von 2

- wie bekommt man Daten von mehreren Vpn ins R rein?

- pro Versuchsperson (bzw. Pro Experiment) gibt’s eine csv-Datei

- diese Tabellen kann man per Hand zusammenkleben (untereinander)

- Man kann das aber auch von R machen lassen (besonders sinnvoll bei vielen Vpn)

- Voraussetzung für gutes und einfaches Gelingen: zusammenzufügende csv-Dateien liegen in


einem Ordner auf dem Rechner (ohne weitere Dateien)

- csv-Dateien, die man zusammenkleben will (Experimente verschiedener Vpn) also in einen
Ordner packen

- setwd(„Ordner-Pfad“)

Ergebnisdateien<-list- les(path = „.“, pattern = „.csv“, full.names = TRUE, recursive = F)

- Dann wird Vektor mit Namen der Ergebnisdateien erzeugt, die nur .csv im Namen haben und
auf die auch sonst alle weiteren Bedingungen zutre en (man gibt R das Kommando, die
richtigen Dateien selbst reinzuladen)

- Punkt . ist das aktuelle Verzeichnis / der aktuelle Ordner, mit dem man sich gerade befasst hat

- .. wäre das darüber liegende Verzeichnis des aktuellen Verzeichnisses

- Ergebnisdaten einlesen und untereinander zusammenfügen:



rohdaten<-data.frame()

for(i in ergebnisdateien){

vpdaten<-read_csv(i) 

rohdaten<-rbind(rohdaten,vpdaten)}

- Dann kommen rechts bei Data Rohdaten sowie Vpdaten reinge ogen (inkl Variablen, Werte und
alles)

- rohdaten$Helligkeit<-as.factor(rohdaten$Helligkeit)

- Damit macht man eine Variable (also Helligkeit) zum Faktor und soll der Variable Helligkeit in
Rohdaten überschrieben werden → macht augenscheinlich erst mal keinen Unterschied

- Jetzt kann man diese Variable als Gruppierungsvariable benutzen um sie statistisch auswerten
zu können

- T-Test rechnen z.B. bei redundant-signals-E ekt: prüfen ob ein signi kanter Zusammenhang/
Unterschied besteht

- Einstichproben-t-Test und t-Test für abhängige Messungen:



z1 <- rnorm(10, 0, 1)

z2 <- rnorm(10, 0, 1)

x1 <- z1

r <- 0.5

a <- r/(sqrt(1-(r^2)))

x2 <- (a*z1*z2)/sqrt(a^2+1)

x <- x2 + 1


d <- x1 - x2


t.test(x1, y = x2, paired = T)

t.test(x2, y = x1, paired = T)

t.test (d)


x <- c(x1, x2)

bedingung <- rep(c(1,2), times = 1, each = 10)

t.test(x - Bedingung, paired = T)


- Voraussetzungen: 

Population, aus der man UV gezogen hat, muss normalverteilt sein (nicht so wichtig, wenn
Stichprobe groß genug ist)

Unabhängigkeit der Messwerte zueinander (Werte der einzelnen Personen müssen unabhängig
voneinander sein)

Varianzenhomogenität (Stichproben sind in Varianzen gleich und lassen sich theoretisch in
mehrere Stichproben zerteilen)

- Varianzgleichheit ndet man heraus, indem

fi
fi
ff
ff
fl
fi
- Unabhängigkeit auch bei abhängigen Zwei-Stichproben nötig: z.B. Intelligenz: Person A wird
vor und nach der Lernmethode trotzdem durchschnittlich intelligenter sein als Person B (die
einfach generell dümmer ist) -> das ist mit Unabhängigkeit der Messwerte gemeint


- Zweistichproben t-Test:

x1<-rnorm(10, mean=0, sd=1)

x2<-rnorm(10,mean=1), sd=1)

x<- c(x1, x2)

gruppe<-bedingung

t.test(x-gruppe, paired=F, var.equal=F)

- Normalverteilung mit schra erten Bereichen:


ffi