Artikel werden geladen
Autoren:
Verlag:
Wiley VCH Verlag Weitere Titel dieses Verlages anzeigen
| Einleitung | 1 | |
| Zu diesem Buch | 1 | |
| Konventionen in diesem Buch | 20 | |
| Was Sie nicht lesen müssen | 21 | |
| Törichte Annahmen über den Leser | 21 | |
| Wie dieses Buch aufgebaut ist | 21 | |
| Teil I; Datenanalyse und Grundlagen der Modellbildung | 22 | |
| Teil II: Vorhersagen unter Verwendung der Regression treffen | 22 | |
| Teil III: Vergleich vieler Mittelwerte mit der ANOVA | 22 | |
| Teil IV: Starke Verbindungen mit Chi-Quadrat-Tests aufbauen | 22 | |
| Teil V: Rebellen ohne Verteilung: Nichtparametrische Statistik | 22 | |
| Teil VI: Der Top-Ten-Teil | 23 | |
| Die Symbole in diesem Buch | 23 | |
| Wie es weitergeht | 24 | |
| Teil | I | |
| öatenanalgse und Modettbitdung - Grundtagen | 25 | |
| Kapitel | 1 | |
| Mehr als nur Zahlenderarbeitung: öatenanalyse als Kunst | ||
| und Wissenschaft 2 | 7 | |
| Datenanalyse: Nicht mehr nur für Statistiker | 27 | |
| Die gute alte Zeit | 28 | |
| Der Nachteil der heutigen Statistik-Software | 29 | |
| Regel Nr. 1: Informieren Sie sich VOR der Verarbeitung! | 29 | |
| Nichts ist ewig (nicht einmal eine Gerade) | 30 | |
| Datenschnüffeln ist nicht cool! | 31 | |
| (Daten-)Fischen verboten! | 32 | |
| Das große Ganze: Ein Überblick über weiterführende Statistik | 36 | |
| Populationsparameter | 37 | |
| Stichprobenkenngröße | 37 | |
| Vertrauensintervall | 38 | |
| Hypothesentest | 38 | |
| Varianzanalyse (ANOVA, Analysis of Variance) | 39 | |
| Multiple Vergleiche | 40 | |
| Interaktionseffekte | 41 | |
| Korrelation | 43 | |
| Lineare Regression | 44 | |
| Chi-Quadrat-Tests | 45 | |
| Nichtparametrische Statistik | 47 | |
| Statistik II für Dummies | ||
| Kapitel | 2 | |
| Orientierung innerhalb der statistischen Techniken h9 | ||
| Qualitative und quantitative Variablen in der statistischen Analyse | 49 | |
| Statistiken für qualitative Variablen | 51 | |
| Anteile vergleichen | 51 | |
| Einen Anteil abschätzen | 51 | |
| Nach Beziehungen zwischen qualitativen Variablen suchen | 52 | |
| Modelle für Vorhersagen erstellen | 53 | |
| Statistik für quantitative Variablen | 55 | |
| Vergleiche anstellen | 55 | |
| Verbindungen erkennen | 55 | |
| Vorhersagen treffen | 57 | |
| Verzerrung vermeiden | 58 | |
| Betrachtung der Verzerrung durch die Brille der Statistik | 58 | |
| Der Varianzstreitfall: der Kampf zwischen n - 1 und n | 59 | |
| Höchste Genauigkeit erzielen | 61 | |
| Genauigkeit aus statistischer Perspektive verstehen | 61 | |
| Genauigkeit mit dem Fehlerspielraum messen | 61 | |
| Schlussfolgerungen treffen und Grenzen erkennen | 65 | |
| Kapitel | 3 | |
| (/ertrauen aufbauen und Modelle testen | 67 | |
| Parameter anhand von Vertrauensintervallen schätzen | 68 | |
| Die Grundlagen: Die allgemeine Form eines Vertrauensintervalls | 68 | |
| Das Vertrauensintervall für einen Populationsmittelwert finden | 69 | |
| Was ändert den Fehlerspielraum? | 70 | |
| Ein Vertrauensintervall interpretieren | 73 | |
| Modelle aufstellen und testen | 74 | |
| Was sind Ho und Ha wirklich? | 75 | |
| Ihre Hinweise in einer Teststatistik zusammenfassen | 75 | |
| Die Stärke des Beweises mit einem p-Wert bestimmen | 76 | |
| Typ-I- und Typ-II-Fehler ausschließen | 77 | |
| Die Güte eines Hypothesentests | 79 | |
| Teil | II | |
| Mit Hilfe der Regression Vorhersagen treffen | 85 | |
| Kapitel h | ||
| Einfache lineare Regression 0erstehen | 87 | |
| Mit Streudiagrammen und Korrelationen Beziehungen untersuchen | 87 | |
| Mit Hilfe von Streudiagrammen Beziehungen untersuchen | 89 | |
| Informationen mit Hilfe des Korrelationskoeffizienten zuordnen | 90 | |
| Ein einfaches lineares Regressionsmodell erstellen | 91 | |
| Die beste Gerade für die Modellierung Ihrer Daten | 91 | |
| Der ¿/-Schnittpunkt der Regressionsgeraden | 92 | |
| Die Steigung der Regressionsgeraden | 93 | |
| Schätzungen anhand der Regressionsgeraden | 94 | |
| Prüfen, ob das Modell passt (Daten, nicht Kleider!) | 94 | |
| Definition der Bedingungen | 94 | |
| Die Residuen finden und untersuchen | 96 | |
| Mit r2 messen, ob das Modell geeignet ist | 99 | |
| Ausreißer | 100 | |
| Korrekte Schlüsse ziehen | 101 | |
| Vermeiden Sie, Ursache- und Wirkungsdiskussionen | 102 | |
| Extrapolation: No-No! | 102 | |
| Die Grenzen eines einfachen linearen Regressionsmodells kennen | 103 | |
| Kapitel | 5 | |
| Wenn zu/ei Variablen besser sind als eine: Multiple Regression | 105 | |
| Das multiple Regressionsmodell | 105 | |
| Die Verwendungszwecke der multiplen Regression erkennen | 105 | |
| Die allgemeine Form des multiplen Regressionsmodells | 106 | |
| Die Analyseschritte | 106 | |
| Alle x und y betrachten | 107 | |
| Daten sammeln | 108 | |
| Mögliche Beziehungen erkennen | 109 | |
| Streudiagramme erstellen | 109 | |
| Korrelationen: Untersuchung der Verbindung | 110 | |
| Auf Multikollinearität prüfen | 113 | |
| Das am besten angepasste Modell finden | 114 | |
| Die Koeffizienten des multiplen Regressionsmodells bestimmen | 114 | |
| Die Koeffizienten interpretieren | 115 | |
| Koeffizienten testen | 116 | |
| Vorhersage von y anhand der x-Variablen | 118 | |
| Prüfen, wie gut das Modell angepasst ist | 119 | |
| Die Voraussetzungen | 119 | |
| Ein Plan für die Prüfung der Voraussetzungen | 119 | |
| Kapitel | 6 | |
| Ein Schritt Vor und zu/ei zurück: AusvVahl des Regressionsmodelts | 125 | |
| Abstoßdistanzen schätzen - Der ultimative Kick | 125 | |
| Variablen-Brainstorming und -Datensammlung | 126 | |
| Streudiagramme und Korrelationen untersuchen | 127 | |
| Die Vorwärtsselektion | 130 | |
| Variablen hinzufügen - eine nach der anderen | 131 | |
| Wie gut passt das Modell? | 132 | |
| Die Vorwärtsselektion für die Abstoßdistanzen | 133 | |
| Statistik II für bummies | ||
| Und jetzt das Ganze von hinten: Die Rückwärtsselektion | 136 | |
| Variablen nacheinander eliminieren | 136 | |
| Passt das Modell? | 138 | |
| Variablen ausschließen, um die Abstoßdistanz zu bestimmen | 138 | |
| Das Verfahren der besten Teilmengen | 140 | |
| Alle Modelle erzeugen und dann das Beste davon auswählen | 140 | |
| Die besten Teilmengen für das Beispiel der Abstoßdistanz | 141 | |
| Vergleich der Modellauswahlverfahren | 143 | |
| Warum erzeugen nicht alle Verfahren dieselben Ergebnisse? | 143 | |
| Welche Vor- und Nachteile haben die einzelnen Verfahrensweisen? | 144 | |
| Kapitel | 7 | |
| Mit baten in die KurOe gehen: Nichtlineare Regression | 147 | |
| Am Anfang war das Streudiagramm | 147 | |
| Polynome für Kurven nutzen | 149 | |
| Zurück zu den Polynomen | 149 | |
| Suche nach dem besten Polynomialmodell | 151 | |
| Die Prüfung mit einem Polynom zweiten Grades bestehen | 152 | |
| Bewertung der Anpassung eines Polynomialmodells | 155 | |
| Vorhersagen treffen | 158 | |
| Nach oben? Nach unten? Exponentiell! | 159 | |
| Zurück zu den exponentiellen Modellen | 160 | |
| Die Suche nach dem besten exponentiellen Modell | 160 | |
| Geheimnisse in exponentieller Geschwindigkeit verbreiten | 162 | |
| Kapitel | 8 | |
| Ja, Nein, Vielleicht: Vorhersagen mit logistischer Regression | 167 | |
| Aufstellung des logistischen Regressionsmodells | 167 | |
| Definition eines logistischen Regressionsmodells | 167 | |
| Mit einer S-Kurve Wahrscheinlichkeiten abschätzen | 168 | |
| Interpretation der Koeffizienten des logistischen Regressionsmodells | 168 | |
| Abschätzen der Wahrscheinlichkeit, dass ein Film ein Kassenschlager wird - | ||
| mit der logistischen Regression | 169 | |
| Allgemeine Schritte für die logistische Regression | 170 | |
| Die Analyse in Minitab | 171 | |
| Die Koeffizienten finden und das Modell erstellen | 172 | |
| Schätzung von p | 173 | |
| Die Anpassung des Modells überprüfen | 174 | |
| Teil | III | |
| Viele Mittelwerte Vergleichen - mit der Varianzanalyse | 177 | |
| Kapitel | 9 | |
| Einfache Varianzanalyse | 119 | |
| Zwei Mittelwerte mit einem t-Test vergleichen | 179 | |
| Mehr Mittelwerte mit einer ANOVA vergleichen | 181 | |
| Kerne spucken: Eine Situation, die nach einer ANOVA schreit | 181 | |
| DieANOVA-Schritte | 182 | |
| Die Bedingungen prüfen | 183 | |
| Unabhängigkeit prüfen | 183 | |
| Was ist schon normal? | 183 | |
| Die Streuung | 185 | |
| Die Hypothesen aufstellen | 185 | |
| Der F-Test | 186 | |
| Die ANOVA in Minitab | 186 | |
| Die Varianz in Quadratsummen zerlegen | 187 | |
| Die mittleren Quadratsummen suchen | 188 | |
| Die F-Statistik bestimmen | 189 | |
| Schlüsse aus der ANOVA ziehen | 190 | |
| Was kommt als Nächstes? | 192 | |
| Die Anpassung des ANOVA-Modells überprüfen | 192 | |
| Kapitel | 10 | |
| Mit multiplen Vergleichen Paare finden | 195 | |
| Nach der ANOVA | 195 | |
| Mit Hilfe von Fisher und Tukey unterschiedliche Mittelwerte dingfest machen | 197 | |
| Mit Fisher's LSD Unterschiede erkennen | 198 | |
| Mit dem Tukey-Test vergleichen | 200 | |
| Kapitel | 11 | |
| Weiter mit der zweifachen ANOVA! | 203 | |
| Das Modell für die zweifache ANOVA aufstellen | 203 | |
| Die Behandlungen festlegen | 204 | |
| Die Quadratsummen | 204 | |
| Interaktionseffekte verstehen | 205 | |
| Was ist eine Interaktion überhaupt? | 206 | |
| Interaktion und Interaktionsdiagramme | 206 | |
| Die Terme in der zweifachen ANOVA testen | 209 | |
| Die zweifache ANOVA-Tafel erstellen | 210 | |
| Ergebnisse interpretieren: Zahlen und Grafiken | 210 | |
| Statistik II für Dummies | ||
| Kapitel | 12 | |
| Grenzenlos: Wie Regression und ANOVA zusammenhängen | 215 | |
| Regression in den Augen der Variation | 215 | |
| Variabilität in den y feststellen und nach x suchen, die sie erklären | 215 | |
| Die Variabilität in der Internet-Benutzung erkennen | 216 | |
| Eine Erklärung für die Internet-Nutzung suchen | 216 | |
| Ergebnisse durch Regression | 217 | |
| Bewertung der Anpassung des Regressionsmodells | 219 | |
| Regression und ANOVA: Treffen der Modelle | 220 | |
| Quadratsummen vergleichen | 220 | |
| Regression und die ANOVA-Tafel | 223 | |
| F- und t-Statistik: Die letzte Hürde | 224 | |
| Teil | IV | |
| Starke Verbindungen mit Chi-Quadrat-Tests her Stetten | 227 | |
| Kapitel | 13 | |
| Mit Kreuztabellen Assoziationen bilden | 229 | |
| Eine Kreuztabelle erstellen | 230 | |
| Daten in einer Kreuztabelle anordnen | 230 | |
| Die Zellenwerte eintragen | 231 | |
| Randsummen erstellen | 231 | |
| Die Wahrscheinlichkeiten zerlegen | 232 | |
| Randwahrscheinlichkeiten | 233 | |
| Gemeinsame Wahrscheinlichkeiten | 234 | |
| Bedingte Wahrscheinlichkeiten | 235 | |
| Unabhängigkeit anstreben | 240 | |
| Auf Unabhängigkeit zwischen zwei Kategorien prüfen | 241 | |
| Auf Unabhängigkeit zwischen zwei Variablen prüfen | 242 | |
| Das Simpson-Paradoxon - keine Zauberei | 243 | |
| Das Simpson-Paradoxon untersuchen | 243 | |
| Die Frage nach dem Warum: Simpson-Paradoxon | 246 | |
| Achten Sie immer auf das Simpson-Paradoxon! | 247 | |
| Kapitel | 14 | |
| Ausreichend unabhängig für den Chi-Quadrat-Test sein | 249 | |
| Ein Hypothesentest auf Unabhängigkeit | 250 | |
| Daten sammeln und anordnen | 251 | |
| Die Hypothesen festlegen | 252 | |
| Bestimmung der erwarteten Zellenwerte | 252 | |
| Die Bedingungen für den Test prüfen | 255 | |
| Die Chi-Quadrat-Teststatistik berechnen | 255 | |
| U | ||
| Ihre Ergebnisse in der Chi-Quadrat-Tabelle nachschlagen | 258 | |
| Ihre Schlüsse | 261 | |
| Zwei Tests für den Vergleich von zwei Anteilen vergleichen | 263 | |
| Zurück zum Z-Test für zwei Populationsanteile | 264 | |
| Chi-Quadrat-Tests und Z-Tests für eine 2 x 2-Tabelle gleichsetzen | 265 | |
| Kapitel | 15 | |
| Oer Chi-Ouadrat-Test auf Güte der Anpassung | 269 | |
| Die Teststatistik für die Güte der Anpassung bestimmen | 269 | |
| Beobachtetes mit Erwartetem vergleichen | 270 | |
| Die Statistik für die Güte der Anpassung berechnen | 272 | |
| Interpretation der Statistik für die Güte der Anpassung mit Hilfe | ||
| von Chi-Quadrat | 274 | |
| Als Erstes werden die Bedingungen geprüft | 275 | |
| Die Schritte für den Chi-Quadrat-Test auf Güte der Anpassung | 276 | |
| Teil | V | |
| Rebelten ohne Verteilung | 279 | |
| Kapitel | 16 | |
| Es Wird nich tparame tri sc h ! | 281 | |
| Argumente für die nichtparametrische Statistik | 281 | |
| Kein Problem, wenn Bedingungen nicht erfüllt sind | 281 | |
| Der Median | 282 | |
| Wo also liegt der Haken? | 284 | |
| Die Grundlagen der nichtparametrischen Statistik | 285 | |
| Vorzeichen (Signum) | 285 | |
| Rang | 287 | |
| Vorzeichen-Rang | 288 | |
| Rangsumme | 289 | |
| Kapitel | 17 | |
| Der Vorzeichentest und der Vorzeichen-Rangtest | 291 | |
| Die Vorzeichen erkennen: Der Vorzeichentest | 291 | |
| Den Median testen | 293 | |
| Den Median schätzen | 295 | |
| Tests für verbundene Stichproben | 297 | |
| Noch einen Schritt weiter: Mit dem Vorzeichen-Rangtest | 299 | |
| Eine Einschränkung des Vorzeichentests | 299 | |
| Die Schritte für einen Vorzeichen-Rangtest | 299 | |
| Gewichtsverlust mit Vorzeichen-Rängen | 301 | |
| Statistik II für bummies | ||
| Kapitel | 18 | |
| Der Rangsummentest | 305 | |
| Den Rangsummentest durchführen | 305 | |
| Die Bedingungen prüfen | 306 | |
| Der schrittweise Test | 306 | |
| Die Stichprobengröße heraufsetzen | 308 | |
| Einen Rangsummentest durchführen: Welcher Immobilienmakler verkauft | ||
| die Häuser schneller? | 309 | |
| Die Bedingungen für diesen Test überprüfen | 310 | |
| Die Hypothesen testen | 311 | |
| Kapitel | 19 | |
| Kmskat'Wattis und IVilcojc | 315 | |
| Mit dem Kruskal-Wallis-Test mehr als zwei Populationen vergleichen | 315 | |
| Die Bedingungen prüfen | 316 | |
| Aufstellung des Testproblems | 318 | |
| Den Test schrittweise durchführen | 319 | |
| Die Differenzen erkennen: Der Wilcoxon-Rangsummentest | 322 | |
| Paarweise Vergleiche | 322 | |
| Vergleichstest stellen fest, wer anders ist | 323 | |
| Die Mediane untersuchen, um festzustellen, wie sie sich unterscheiden | 324 | |
| Kapitel | 20 | |
| Korrelationen mit dem Spearman'schen Rang bestimmen | 327 | |
| Pearson und seine aufwändigen Bedingungen | 327 | |
| Bewertungen mit Hilfe der Spearman-Rangkorrelation | 329 | |
| Den Spearman-Rangkorrelationskoeffizienten bestimmen | 329 | |
| Spearman in der Praxis: Talent und Leistung in eine Beziehung bringen | 331 | |
| Teil l/l | ||
| Oer Top-Ten-Teil | 335 | |
| Kapitel | 21 | |
| Zehn Fehler in statistischen Schlüssen | 337 | |
| Diese Statistiken beweisen | 337 | |
| Es ist nicht technisch statistisch signifikant, aber | 337 | |
| Das bedeutet, x verursacht y | 338 | |
| Ich nahm an, die Daten seien normalverteilt | 339 | |
| Ich berichte nur über »wichtige« Ergebnisse | 340 | |
| Eine größere Stichprobe ist immer besser | 340 | |
| Es ist nicht technisch zufällig, aber | 341 | |
| 1.000 | Antworten sind 1.000 Antworten | 342 |
| Natürlich gelten diese Ergebnisse für die gesamte Population! | 343 | |
| Ich habe beschlossen, das wegzulassen! | 344 | |
| Kapitel | 22 | |
| Zehn Probleme aus der Praxis 34 | 7 | |
| Mittelwerte mit der einfachen ANOVA vergleichen | 347 | |
| Multiple Vergleiche | 348 | |
| Mit der zweifachen ANOVA zwei Faktoren betrachten | 349 | |
| Vorhersage einer quantitativen Variablen mit Hilfe der Regression | 350 | |
| Eine Wahrscheinlichkeit mit der logistischen Regression vorhersagen | 351 | |
| Nichtlineare Regression für gekrümmte Daten | 353 | |
| Mit Chi-Quadrat auf Unabhängigkeit testen | 354 | |
| Spezielle Modelle mit dem Test auf Güte der Anpassung testen | 355 | |
| Den Median mit dem Rangsummentest schätzen | 355 | |
| Die Modellanpassung mit R2 überprüfen | 356 | |
| Appendix | ||
| Tabellen zum Nachschlagen | 359 | |
| t-Tabelle | 359 | |
| Binomialtabelle | 361 | |
| Chi-Quadrat-Tabelle | 364 | |
| Rangsummentabelle | 366 | |
| F-Tabelle | 367 | |
| Stichwortverzeichnis | 369 | |
A
Absolutrang 288
Alternativhypothese 75
ANOVA 39, 55,179
Bedingungen 183
Freiheitsgrade 222
Hypothesen 185
Minitab 186
Normalverteilung 183
Regression 215
Streuung 185
zweifache 192,205
zweifache, Modell 203
ANOVA-Tafel 186
Regression 223
zweifache 210
Aufnahmeschwelle 131
Ausreißer 89,100, 284
Ausschlussschwelle 137
&
Bedingung 281
Behandlung 204
Variable 179,182
Beobachtungsreihenfolge 123
Beziehung 109
fallende 57
nichtlineare 45
steigende 57
Binomialverteilung 291
Boxplot 309
c
Chi-Quadrat-Test 46, 229
Statistik 256
Chi-Quadrat-Verteilung 249, 258, 269
Freiheitsgrade 259
Z)
Data Fishing 32,144, 295
DataSnooping 144
Daten
sammeln 108
Datenanalyse 27
Datenanalytiker 27
Degrees of Freedom 189
DF 189
Dunnett-Test 202
E
Extrapolation 58,102,119,159
E
Fehler-Quadratsumme 187
Fehlerspielraum 38, 52, 62, 69
Fisher-LSD 195,197
Fisher-Test 197
Freiheitsgrad 189,259
ANOVA 222
F-Statistik 40,189
F-Tabelle 191
F-Test 186
G
Genauigkeit 61
Gesamtquadratsumme 187
Gesamtvariabilität 40,187
Grenzwertig signifikant 76
Güte der Anpassung 269
H
Ha 75, 252
Häufigkeit 50
relative 50
Ho 75, 252
Hochsignifikant 76
Homoskedastizität 95
Hyperbel 160
Hypothese
alternative 252
Hypothesentest 38, 75, 250
Statistik II für Dummies
I
Interaktion 206
Diagramm 207
Effekt 41, 54, 205
Term 203
7
Ja/Nein-Daten 167
K
Kleinster signifikanter Unterschied 195,198
Koeffizient 149,172
Konfidenzniveau 72
Konsistenzgrad 61
Korrelation 32, 43, 53, 88,110,127,129, 327
pearsonsche 129
Korrelationskoeffizient 90, 110
pearsonscher 90
Korrelationsmatrix 110
Kreuztabelle 230
Kurve 149
L
Least Significant Difference 195,198
Logarithmus 161
LSD 41,195,198
M
Mallow's C-p 133
Mann-Whitney-Test 305
Matrix 127
Median 282, 283
schätzen 295
testen 286, 293
Mehrfachtabelle 243
Methode
parametrische 281
Mittlere Quadratsumme der Behandlungen 188
Modell 54, 74, 91, 94
Anpassung 174
erwartetes 270
Modellauswahl 132
MSE 188
MST 188
Multikollinearität 107, 113, 129
Multipler Vergleich 41,192,195, 322
Multiples Regressionsmodell 105,114
N
Nichtparametrisch 281
Normalverteilung 49, 67, 87, 105, 125,147, 167,179,183, 203, 215, 229, 249, 269, 281, 291, 305, 315, 327, 337, 347
Nullhypothese 75,252
P
Paar
konkordantes 171
Paarweiser Vergleich 322
Parameter 37
Pearsonsche Korrelation 129
Koeffizient 90
Polynom 149
zweiten Grades 149
Population 37
Parameter 67
Prüfen 119
Punktewolke 56
p-Wert 76
Q
Quadratsumme der Behandlungen 187
Quadratsummen Regression 221
Quadratsummen-Fehler mittlerer 188
R
W 133
korrigiertes 133
Randhäufigkeit 232
Randsumme 231
Randverteilung 232
Randwahrscheinlichkeit 233
Ränge 287
Rangkorrelationskoeffizient von Spearman 327
Rangsumme 289
Test 305, 322
Regel
empirische 63
Regression ANOVA 215
einfache lineare 45, 57
logistische 45,167
multiple lineare 45
nichtlineare 45,147
Quadratsummen 220
Regressionsanalyse logistische 172
Regressionsgerade 57, 92
Steigung 93
Regressionsmodell 125
logistisches 167
multiples 105,114
polynomiales 149
Residuendiagramm 96,119,157
Residuenfehler 223
Residuum 96,119,157
standardisieren 96
Rückwärtsselektion 136
5
Scatterplot 56
Signifikant 76
Signifikanzniveau 32
Simpson-Paradoxon 243
S-Kurve 168
Spaltenfaktor 205
Spaltensumme 232
SSE 40,187
SSR 221
SST 40,187
SSTO 40,187
Standardabweichung 216
Standardfehler 71
Statistik
nichtparametrische 35, 281
Statistik-Softwarepaket 27
Steigung 93
Stichproben 37
Anteil 37
Mittel 37
selbst gewählte 59
Verhältnis 51
Störvariable 102,244
Streudiagramm 56, 88,109,127, 219
Streuung 185
T
Teilmenge
beste 140
Test auf Güte der Anpassung 174
Teststatistik 39, 255
für die Güte der Anpassung 269
Tortendiagramm 238
t-Test 179
für unabhängige Stichproben 55
mit zwei Stichproben 179
paarweise Tests 41
Tukey's simultane Vertrauensintervalle 197
Tukey-Test 41,195,197, 200
Typ-I-Fehler 78
Typ-II-Fehler 78
u
Unabhängigkeit Variablen 242
v
Variabilität innerhalb der Behandlung 188
Variable
erklärende 54
kategorialkategoriale 50
qualitative 50, 230
quantitative 50
Varianz 60
Varianzanalyse 55,179,187
zweifache 203
Vergleich 55
multipler 192,195, 322
paarweiser 322
Verteilung binomiale 167
Normalverteilung 49, 67, 87,105,125,147, 167,179, 203, 215, 229, 249, 269, 281, 291, 305, 315, 327, 337, 347
symmetrische 35
Vertrauensintervall 38, 52, 74
Vertrauensniveau 68, 72
Verzerrung 58
Vorwärtsselektion 130
Vorzeichen 285
Vorzeichen-Rang 288
Test 299
Vorzeichen-Rangtest 299
Vorzeichentest 291
w
Wahrscheinlichkeit 232
bedingte 235
Statistik II für ùummies
Diagramme 238
gemeinsame 234
Wert
kritischer 191
Wilcoxon Vorzeichen-Rangtest 299
Wilcoxon-Rangsummentest 322
Wilcoxon-Rangsummentest für zwei (unabhängige) Stichproben 305
z
Zeilenfaktor 205
Zeilenhäufigkeit 231
Zeilensumme 231
Zellenwert 231
Zweifache ANOVA 192
Zweifach-Varianzanalysemodell 42
y
y-Schnittpunkt 93
