Nachtrag Residuenanalyse

Slides:



Advertisements
Ähnliche Präsentationen
Mit dem Computer kann man ganz toll präsentieren
Advertisements

Aufgabe Analyse (Friedman-Test) von letzter Stunde wiederholen
Aufgabe Analyse (Friedman-Test) von letzter Stunde wiederholen
Forschungsstrategien Johannes Gutenberg Universität Mainz
Die t-Verteilung Jonathan Harrington.
Die t-Verteilung (fortgesetzt)
Forschungsstatistik II
Forschungsstatistik II Prof. Dr. G. Meinhardt SS 2005 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz KLW-24.
Forschungsstatistik II Prof. Dr. G. Meinhardt SS 2006 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz KLW-18.
Forschungsstatistik II Prof. Dr. G. Meinhardt SS 2006 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz KLW-18.
Nicht-Lineare Regression
2D-Visualisierung von Daten
Der exakte Test von Fisher
Tutorat IV: Diagramme, Datenkontrolle, Wahrscheinlichkeitsrechnung
Aufgabe Der Zusammenhang zwischen einem traumatischen Erlebnis und der Entstehung einer PTBS wird von mehreren Variablen …………….: Copingstrategien, Kontrollüberzeigung,
TESTS. Worum es geht Man möchte testen, ob eine bestimmte Annahme (Hypothese) über Parameter der Realität entspricht oder nicht. Beobachtung (Stichprobe)
Test auf Normalverteilung
Struktur-Funktions-Modelle von Pflanzen - Sommersemester Winfried Kurth Universität Göttingen, Lehrstuhl Computergrafik und Ökologische Informatik.
Struktur-Funktions-Modelle von Pflanzen - Sommersemester Winfried Kurth Universität Göttingen, Lehrstuhl Computergrafik und Ökologische Informatik.
(Un-)sicherheiten in der Ökosystemmodellierung
Überblick Statistik Deskriptive Statistik=beschreibende Statistik
Überblick Statistik Deskriptive Statistik=beschreibende Statistik
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Das Allgemeine Lineare Modell (ALM)
Überblick Statistik Deskriptive Statistik=beschreibende Statistik
Wiederholung BSP 2.1.
SStotal SStotal SStreat SSerror SStreat SSerror Biomasse (g) wenig
Konfidenzintervall und Testen für den Mittelwert und Anteile
Arbeiten mit der Normalverteilung
Arbeiten mit der Normalverteilung
Linking and Brushing on ODBC Basis
Wie würden Sie die abgebildete Aufgabe lösen? Müssen Sie bestimmte Rechenoperationen zuerst durchführen? Gehört ein Rechenzeichen zur vorhergehenden oder.
Thema der Stunde I. Die Form der Stichprobenkennwerteverteilung
Der Wiener Prozess und seltene Ereignisse
Auswertung analytischer Daten - Auswertungsziele.
Beispiel 1: Schüler eines bestimmten Alters benötigen für einen Hindernislauf im Mittel 23 Sekunden, die Zeiten können als normalverteilt angenommen werden.
Test 1 Test 2 Test 3. Test 4 Test 5 Test 6 Test 7 Test 8 Test 9.
Statistik im Labor BFB-tech Workshop Eugen Lounkine.
 Gegenstandsbereich der Testtheorie: Analyse der Charakteristika von Tests:  Güte von Tests.  Struktur von Tests.  Schwierigkeit von Tests.  Gruppenunterschiede.
Universität des Saarlandes WS 2010/2011 StR’in Pia Scherer Didaktik III: Der GTR im Mathematikunterricht – Sitzung am Reflexion der behandelten.
Normale zur Gerade g durch den Punkt A. A A.
Kapitel 2: Testtheorie / Testmodelle  Multivariate (p-variate) Normalverteil- ung :  Mittelwertstruktur: p Mittelwerte  Kovarianzstruktur: p·(p+1)/2.
Seminarvortrag Statistische und numerische Auswertung von Schwingfestigkeits- und Ermüdungsversuchen mit SAFD Lan Tran Aachen,
Universität des Saarlandes WS 2010/2011 StR’in Pia Scherer Didaktik III: Der GTR im Mathematikunterricht – Sitzung am
SPSS – Kurs Lösungen. Lösung 1 2) z.B. über Transformieren  Werte in Fällen zählen dann noch bei der Schalt- fläche „Werte definieren“ die „1“ angeben.
Exkurs: Chi-quadrat und Modellgüte 1. ist ein Distanzmaß, welches die Distanz zwischen Modellvorhersage und Daten misst.  Je kleiner desto besser ist.
Projekttitel Gib hier den Projekttitel ein. Gib hier deinen Namen ein. Gib hier den Namen deines Lehrers ein. Name deiner Schule.
/ SES.125 Parameterschätzung
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Titel des wissenschaftlichen Projekts
Analysen univariater Stichproben
Kovarianz, Korrelation, (lineare) Regression
Test.
Ökonometrie und Statistik Mehrfachregression
Kapitel 2: Testtheorie / Testmodelle
10 Statistisches Schätzen
Forschungsstrategien Johannes Gutenberg Universität Mainz
Titel des Wissenschaftsprojekts
Ökonometrie und Statistik Einfach Regression
Titel des wissenschaftlichen Projekts
Kovarianz, Korrelation, (lineare) Regression
Zufallsgrößen und Zufallsprozesse
Konfidenzintervalle und Tests auf Normalverteilung
0-1 normierte ECA-Basiswerte (oben) –
Kovarianz, Korrelation, (lineare) Regression
Ökonometrie und Statistik Mehrfachregression
Fortgeschrittene Statistische Methoden Cordula Hunt
ANOVA für unabhängige Daten.
Digitales Management Trends
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
 Präsentation transkript:

Nachtrag Residuenanalyse 08.11.2007 Nachtrag Residuenanalyse

FITS: ŷi = âi + mû = Stichprobenmittelwert Was sind Residuen? FITS: ŷi = âi + mû = Stichprobenmittelwert FITS (=Fitted Values) sind also die Daten, die das Modell voraussagen würde. RESI: yi – ŷi RESI (=Residuen) sind also die Abweichungen der beobachteten Daten von den modellierten Daten.

Was sind Residuen? RESI1 FITS1 276 -13.8 289.8 338 48.2 289.8 276 -13.8 289.8 338 48.2 289.8 334 44.2 289.8 198 -91.8 289.8 303 13.2 289.8

Voraussetzungen für parametrische Tests Residuen sind normalverteilt UND Residuen sind unabhängig von der Datenaufnahme

Normalverteilung der Residuen Normal Probability Plot = Q-Q Plot

Residuen unabhängig von der Datenaufnahme Scatterplot RESI vs. Stichprobe Residuen sind also unabhängig von ihrer Stichprobenzugehörigkeit.

Residuen unabhängig von der Datenaufnahme Scatterplot RESI vs. FITS Residuen sind also unabhängig von den Stichprobenmittelwerten (=FITS).

Residuen unabhängig von der Datenaufnahme Scatterplot RESI vs. Order of the data Residuen sind also unabhängig von der Reihenfolge der Datenauflistung.

Was gehört nun zu einer Residuenanalyse Graph, der Normalverteilung der Residuen zeigt (Probability Plot, am besten mit Konfidenz- intervallen, GRAPH >> Probability Plot... Graph, der zeigt, dass Residuen unabhängig von der Datenaufnahme sind (am besten Scatterplot RESI vs. Stichprobe, GRAPH >> Scatterplot...) kurzer Kommentar zu den beiden Graphen