Power-Vergleiche - Versionsgeschichte

Nadia1 am 28. Februar 2023 um 09:29 Uhr

2023-02-28T09:29:41Z

← Nächstältere Version		Version vom 28. Februar 2023, 11:29 Uhr
Zeile 27:		Zeile 27:
	Cohen, J. (1988). ''Statistical power analysis for the behavioral sciences''. Hillsdale, NY: Erlbaum.		Cohen, J. (1988). ''Statistical power analysis for the behavioral sciences''. Hillsdale, NY: Erlbaum.

	Rudolf, M. & Kuhlisch, W. (2020). Biostatistik. Eine Eine Einführung für Bio- und Umweltwissenschaftler (2. Aufl.). München: Pearson Studium. (Kapitel 6.5)		Rudolf, M. & Kuhlisch, W. (2020). ''Biostatistik. Eine Eine Einführung für Bio- und Umweltwissenschaftler'' (2. Aufl.). München: Pearson Studium. (Kapitel 6.5)

Nadia1 am 28. Februar 2023 um 09:18 Uhr

2023-02-28T09:18:57Z

← Nächstältere Version		Version vom 28. Februar 2023, 11:18 Uhr
Zeile 26:		Zeile 26:

	Cohen, J. (1988). ''Statistical power analysis for the behavioral sciences''. Hillsdale, NY: Erlbaum.		Cohen, J. (1988). ''Statistical power analysis for the behavioral sciences''. Hillsdale, NY: Erlbaum.

			Rudolf, M. & Kuhlisch, W. (2020). Biostatistik. Eine Eine Einführung für Bio- und Umweltwissenschaftler (2. Aufl.). München: Pearson Studium. (Kapitel 6.5)

Elisa am 5. Februar 2022 um 13:04 Uhr

2022-02-05T13:04:54Z

← Nächstältere Version		Version vom 5. Februar 2022, 15:04 Uhr
Zeile 8:		Zeile 8:


	[[File:1_10_Power_Vergleiche.PNG\|800px\|Abbildung 1: Darstellung der Power anhand von Monte-Carlo Simulationen des t- und U-Tests]]		[[File:1_10_Power_Vergleiche.PNG\|800px\|Abbildung 1: Darstellung der Power anhand von Monte-Carlo Simulationen des t- und U-Tests\|link=Ausgelagerte_Bildbeschreibungen#Power_Vergleiche\|Ausgelagerte Bildbeschreibung von Power Vergleiche]]

Wehner am 18. März 2020 um 14:45 Uhr

2020-03-18T14:45:50Z

← Nächstältere Version		Version vom 18. März 2020, 16:45 Uhr
Zeile 1:		Zeile 1:
	{{Nav\|Navigation\|~~Statistik~~\|Hauptseite}}		{{Nav\|Navigation\|Statistik_Grundbegriffe\|Hauptseite}}

	Power-Untersuchungen ermöglichen auf der Basis von Simulationen Einschätzungen über die Wahrscheinlichkeit, dass bestimmte statistische Tests unter gegebenen Parametern die Nullhypothese korrekterweise ablehnen (vgl. [[Teststärke]]).		Power-Untersuchungen ermöglichen auf der Basis von Simulationen Einschätzungen über die Wahrscheinlichkeit, dass bestimmte statistische Tests unter gegebenen Parametern die Nullhypothese korrekterweise ablehnen (vgl. [[Teststärke]]).

Wehner am 16. März 2020 um 08:56 Uhr

2020-03-16T08:56:16Z

← Nächstältere Version		Version vom 16. März 2020, 10:56 Uhr
Zeile 15:		Zeile 15:


	[[Datei:Videolink_neu.PNG\|link=http://141.76.19.82:3838/mediawiki/~~konfidenzintervall_link~~.html		[[Datei:Videolink_neu.PNG\|link=http://141.76.19.82:3838/mediawiki/MUVE_STAT/Videolinks/1_10_Power_Vergleiche_Link.html
	\|120px]] <span style="color: white"> kkk </span> Im [http://141.76.19.82:3838/mediawiki/~~pwertlink~~.html Video] werden Power-Vergleiche näher erläutert.		\|120px]] <span style="color: white"> kkk </span> Im [http://141.76.19.82:3838/mediawiki/MUVE_STAT/Videolinks/1_10_Power_Vergleiche_Link.html Video] werden Power-Vergleiche näher erläutert.

	[[Datei:Simulationslink_neu2.PNG\|link=http://141.76.19.82:3838/mediawiki/~~1_1_p-Wert~~/~~App_Version~~/		[[Datei:Simulationslink_neu2.PNG\|link=http://141.76.19.82:3838/mediawiki/MUVE_STAT/Apps/1_10_Power_Vergleiche/
	\|120px]] <span style="color: white"> kkk </span> In der [http://141.76.19.82:3838/mediawiki/~~1_1_p-Wert~~/~~App_Version~~/ interaktiven Simulation] lassen sich Power-Vergleiche anhand von Monte-Carlo Simulationen für t-Tests und U-Tests bei verschiedenen Parameterwerten durchführen.		\|120px]] <span style="color: white"> kkk </span> In der [http://141.76.19.82:3838/mediawiki/MUVE_STAT/Apps/1_10_Power_Vergleiche/ interaktiven Simulation] lassen sich Power-Vergleiche anhand von Monte-Carlo Simulationen für t-Tests und U-Tests bei verschiedenen Parameterwerten durchführen.

Wehner am 5. März 2020 um 22:59 Uhr

2020-03-05T22:59:02Z

← Nächstältere Version		Version vom 6. März 2020, 00:59 Uhr
Zeile 1:		Zeile 1:
	{{Nav\|Navigation\|Statistik\|Hauptseite}}		{{Nav\|Navigation\|Statistik\|Hauptseite}}

	Power-Untersuchungen ermöglichen auf der Basis von Simulationen Einschätzungen über die Wahrscheinlichkeit, dass bestimmte statistische Tests unter gegebenen Parametern die ~~Null-hypothese~~ korrekterweise ablehnen (vgl. [[Teststärke]]).		Power-Untersuchungen ermöglichen auf der Basis von Simulationen Einschätzungen über die Wahrscheinlichkeit, dass bestimmte statistische Tests unter gegebenen Parametern die Nullhypothese korrekterweise ablehnen (vgl. [[Teststärke]]).

	Um die Power eines Tests zu schätzen, können z.B. Monte-Carlo Simulationen durchgeführt werden (vgl. [[Robustheitsuntersuchungen]]). Am Beispiel des Mittelwertsvergleichs von zwei Stichproben werden dafür aus zwei Grundgesamtheiten mit unterschiedlichen Mittelwerten und gleichen Standardabweichungen jeweils eine große Menge an Stichproben der Größe n gezogen. Für jedes Stichprobenpaar wird dann die Teststatistik berechnet. Der Anteil aller Vergleiche, welche die Nullhypothese bei vorher festgelegtem α signifikant ablehnen, ~~ent-spricht~~ in diesem Fall der Teststärke, da allen berechneten Teststatistiken ein realer ~~Mittel-wertsunterschied~~ der Grundgesamtheiten zugrunde liegt.		Um die Power eines Tests zu schätzen, können z.B. Monte-Carlo Simulationen durchgeführt werden (vgl. [[Robustheitsuntersuchungen]]). Am Beispiel des Mittelwertsvergleichs von zwei Stichproben werden dafür aus zwei Grundgesamtheiten mit unterschiedlichen Mittelwerten und gleichen Standardabweichungen jeweils eine große Menge an Stichproben der Größe n gezogen. Für jedes Stichprobenpaar wird dann die Teststatistik berechnet. Der Anteil aller Vergleiche, welche die Nullhypothese bei vorher festgelegtem α signifikant ablehnen, entspricht in diesem Fall der Teststärke, da allen berechneten Teststatistiken ein realer Mittelwertsunterschied der Grundgesamtheiten zugrunde liegt.

	Ein Power-Vergleich vergleicht die Wahrscheinlichkeiten verschiedener statistischer Tests, unter gegebenen Parametern signifikante Ergebnisse zu erzielen. In Abbildung 1 wird z.B. der Vergleich zwischen t-Test und U-Test dargestellt. Dafür wurden aus zwei Grundgesamtheiten mit einem Mittelwertsunterschied von 1 und Standardabweichungen von σ = 1 jeweils 2000 Stichproben der Größe n = 10 gezogen. Die Voraussetzungen des t-Tests und des U-Tests seien erfüllt.		Ein Power-Vergleich vergleicht die Wahrscheinlichkeiten verschiedener statistischer Tests, unter gegebenen Parametern signifikante Ergebnisse zu erzielen. In Abbildung 1 wird z.B. der Vergleich zwischen t-Test und U-Test dargestellt. Dafür wurden aus zwei Grundgesamtheiten mit einem Mittelwertsunterschied von 1 und Standardabweichungen von σ = 1 jeweils 2000 Stichproben der Größe n = 10 gezogen. Die Voraussetzungen des t-Tests und des U-Tests seien erfüllt.




Zeile 13:		Zeile 11:


	Über jedes dieser 2000 Stichprobenpaare werden ein t-Test und ein U-Test gerechnet. Die Anteile der signifikanten Mittelwertsunterschiede (Power) werden im rechten Teil der Abbil-dung dargestellt. Bei gleichen Voraussetzungen werden beim t-Test etwa 4-5 % mehr ~~Mittel-wertsunterschiede~~ signifikant (66.7 %) als beim U-Test (62.15 %). Bei erfüllten ~~Voraussetzun-gen~~ sollte der t-Test dem U-Test dementsprechend vorgezogen werden.		Über jedes dieser 2000 Stichprobenpaare werden ein t-Test und ein U-Test gerechnet. Die Anteile der signifikanten Mittelwertsunterschiede (Power) werden im rechten Teil der Abbil-dung dargestellt. Bei gleichen Voraussetzungen werden beim t-Test etwa 4-5 % mehr Mittelwertsunterschiede signifikant (66.7 %) als beim U-Test (62.15 %). Bei erfüllten Voraussetzungen sollte der t-Test dem U-Test dementsprechend vorgezogen werden.


Zeile 27:		Zeile 25:
	'''''Weiterführende Literatur'''''		'''''Weiterführende Literatur'''''

	~~Rudolf~~, ~~M., & Kuhlisch, W~~. (~~2008~~). ''~~Biostatistik: Eine Einführung für Biowissenschaftler~~'' ~~(Kapitel 5~~.~~5). München~~: ~~Pearson Studium~~.		Cohen, J. (1988). ''Statistical power analysis for the behavioral sciences''. Hillsdale, NY: Erlbaum.

Wehner am 5. März 2020 um 22:57 Uhr

2020-03-05T22:57:48Z

← Nächstältere Version		Version vom 6. März 2020, 00:57 Uhr
Zeile 1:		Zeile 1:
	{{Nav\|Navigation\|Statistik\|Hauptseite}}		{{Nav\|Navigation\|Statistik\|Hauptseite}}

			Power-Untersuchungen ermöglichen auf der Basis von Simulationen Einschätzungen über die Wahrscheinlichkeit, dass bestimmte statistische Tests unter gegebenen Parametern die Null-hypothese korrekterweise ablehnen (vgl. [[Teststärke]]).

			Um die Power eines Tests zu schätzen, können z.B. Monte-Carlo Simulationen durchgeführt werden (vgl. [[Robustheitsuntersuchungen]]). Am Beispiel des Mittelwertsvergleichs von zwei Stichproben werden dafür aus zwei Grundgesamtheiten mit unterschiedlichen Mittelwerten und gleichen Standardabweichungen jeweils eine große Menge an Stichproben der Größe n gezogen. Für jedes Stichprobenpaar wird dann die Teststatistik berechnet. Der Anteil aller Vergleiche, welche die Nullhypothese bei vorher festgelegtem α signifikant ablehnen, ent-spricht in diesem Fall der Teststärke, da allen berechneten Teststatistiken ein realer Mittel-wertsunterschied der Grundgesamtheiten zugrunde liegt.

			Ein Power-Vergleich vergleicht die Wahrscheinlichkeiten verschiedener statistischer Tests, unter gegebenen Parametern signifikante Ergebnisse zu erzielen. In Abbildung 1 wird z.B. der Vergleich zwischen t-Test und U-Test dargestellt. Dafür wurden aus zwei Grundgesamtheiten mit einem Mittelwertsunterschied von 1 und Standardabweichungen von σ = 1 jeweils 2000 Stichproben der Größe n = 10 gezogen. Die Voraussetzungen des t-Tests und des U-Tests seien erfüllt.




			[[File:1_10_Power_Vergleiche.PNG\|800px\|Abbildung 1: Darstellung der Power anhand von Monte-Carlo Simulationen des t- und U-Tests]]


			Über jedes dieser 2000 Stichprobenpaare werden ein t-Test und ein U-Test gerechnet. Die Anteile der signifikanten Mittelwertsunterschiede (Power) werden im rechten Teil der Abbil-dung dargestellt. Bei gleichen Voraussetzungen werden beim t-Test etwa 4-5 % mehr Mittel-wertsunterschiede signifikant (66.7 %) als beim U-Test (62.15 %). Bei erfüllten Voraussetzun-gen sollte der t-Test dem U-Test dementsprechend vorgezogen werden.



			[[Datei:Videolink_neu.PNG\|link=http://141.76.19.82:3838/mediawiki/konfidenzintervall_link.html
			\|120px]] <span style="color: white"> kkk </span> Im [http://141.76.19.82:3838/mediawiki/pwertlink.html Video] werden Power-Vergleiche näher erläutert.

			[[Datei:Simulationslink_neu2.PNG\|link=http://141.76.19.82:3838/mediawiki/1_1_p-Wert/App_Version/
			\|120px]] <span style="color: white"> kkk </span> In der [http://141.76.19.82:3838/mediawiki/1_1_p-Wert/App_Version/ interaktiven Simulation] lassen sich Power-Vergleiche anhand von Monte-Carlo Simulationen für t-Tests und U-Tests bei verschiedenen Parameterwerten durchführen.



			'''''Weiterführende Literatur'''''

			Rudolf, M., & Kuhlisch, W. (2008). ''Biostatistik: Eine Einführung für Biowissenschaftler'' (Kapitel 5.5). München: Pearson Studium.

Wehner: Die Seite wurde neu angelegt: „{{Nav|Navigation|Statistik|Hauptseite}}“

2020-01-30T16:26:25Z

Die Seite wurde neu angelegt: „{{Nav|Navigation|Statistik|Hauptseite}}“

Neue Seite