Tutorium 07.05.07.

Slides:



Advertisements
Ähnliche Präsentationen
Definition [1]: Sei S eine endliche Menge und sei p eine Abbildung von S in die positiven reellen Zahlen Für einen Teilmenge ES von S sei p definiert.
Advertisements

Seminar „Extrapolationsmethoden für zufällige Felder“
Physikalische Messgrößen
Theorie psychometrischer Tests, III
Klicke Dich mit der linken Maustaste durch das Übungsprogramm!
Entscheidungstheorie für Unentschlossene Indecision Theory.
Das ‚Perceptual Magnet Model‘ von Patricia Kuhl
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.
Datentyp- umwandlung. Literale sind: Bezeichner mit einem festen Wert wie z.B:
Computerkurs: Quantitative Auswertung biochemischer Experimente Guten Morgen.
Nicht-Lineare Regression
Mehrfachregressionen
Quantitative Methoden I
Hypothesen testen: Grundidee
Mehrdeutigkeit eines positiven Effekts bei Querschnittsdaten
Aufgabe Der Zusammenhang zwischen einem traumatischen Erlebnis und der Entstehung einer PTBS wird von mehreren Variablen …………….: Copingstrategien, Kontrollüberzeigung,
Fragen Was wird mit der Alphafehler-Kumulierung bzw. –inflation bezeichnet? Wie hoch ist die Wahrscheinlichkeit bei einer Untersuchung mit 4 Gruppen einen.
Allgemeine Literatur Fricke & Treinies (1985): Einführung in die Metaanalyse Schwarzer (1989): Meta-Analysis Programs Gutes Manual! Beelmann & Bliesener.
Tutorium
Tutorium Willkommen zurück, in der wunderbaren Welt der Statistik Teil II.
Tutorium
Tutorium
Unser letztes Tutorium
Tutorium
Tutorium Aufgabe 1 a) E(eIX)= 0 E(eIX)= E(Y-E(YIX)IX) = E(YIX)- E (E(YIX)IX) = E(YIX)- E(YIX) = 0 Im Mittel macht man mit seiner Schätzung keinen.
Unser neuntes Tutorium
Unser siebentes Tutorium
Unser zehntes Tutorium Materialien unter:
Tutorium Aufgabe 1 Informationen in Designmatrix in: - Darin sind die Prädiktoren enthalten - Aber sagt uns noch mehr! Untersuchungsdesign darin.
Unser sechstes Tutorium Materialien unter:
Wiederholung und Beispiele
Vorlesung: ANOVA I
Wahrscheinlichkeitsrechnung
Einführung in die Metaanalyse
Dummy-Variablen Gleicher Lohn bei gleicher Qualifikation: Frauen verdienen im Durchschnitt zwar weniger als Männer, aber ist die Ursache dafür in der Diskriminierung.
Eigenschaften der OLS-Schätzer
Histogramm/empirische Verteilung Verteilungen
Effiziente Algorithmen
Ausgleichungsrechnung I
Computational Thinking Online Algorithmen [Was ist es wert, die Zukunft zu kennen?] Kurt Mehlhorn Konstantinos Panagiotou.
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Beweissysteme Hartmut Klauck Universität Frankfurt WS 06/
Definitionen für Wahrscheinlichkeiten
Gleichungen und Gleichungssysteme
STATISIK LV Nr.: 1375 SS März 2005.
Kapitel 10 Multikollinearität
Wahrscheinlichkeitsrechnung
Wahrscheinlichkeitsrechnung
Idee: Maximum-Likelihood Schätzer
1. 2. Berechnen von Wahrscheinlichkeiten
Vorlage für ein Webquest mit PowerPoint deo, beringen, 2006
Bedingungen für Experimente nach Huber
Begriff der Zufallsgröße
Tutorium Statistik II Übung IV Philipp Schäpers Mi – 11.45
Messergebnis Das Messergebnis ist der Näherungswert für den wahren Wert der Messgröße, der durch Auswertung der mit einer Messeinrichtung gewonnenen Messwerte.
Stochastik Grundlagen
Die einfache/multiple lineare Regression
BESOFFENER VERGASER Also... Wer sagte, dass Frauen sich nicht mit dem Auto auskennen?
Entscheidungstheorie für Unentschlossene Indecision Theory.
Arzt-Patienten-Beziehung
Stochastik ganz kurz Beispiel diskret Würfelwurf Beispiel stetig
setzt Linearität des Zusammenhangs voraus
Die einfache/multiple lineare Regression
Varianzanalyse und Eta²
Statistiken je nach Messniveau
Folie 1 Stichwort „Informieren“ Henrike Hamelmann, FH München (heute als Azubi) Rainer Braml, Zentralfachausschuss Berufsbildung Druck + Medien (ZFA) qualifizieren.
Geoinformationssysteme
Lineare Optimierung Nakkiye Günay, Jennifer Kalywas & Corina Unger Jetzt erkläre ich euch die einzelnen Schritte und gebe Tipps!
 Präsentation transkript:

Tutorium 07.05.07

Organisatorisches Materialien: ( wie werden langsam richtig organisiert ) kussfisch.ku.funpic.de (ohne www.!!!) … dort gibt es die Präsentationen (nicht nur von mir! ) … außerdem ist ein Forum für Fragen und Diskussionen … und es gibt nützliche Links für Tipps & Tools

Aufgabe 1 lineare Regressionsgleichung & bedingte EW Achtung bedingte EW  sind also als solche nicht angebar!!! (können nur geschätzt werden aus MW der vorliegenden SP) das wären die wahren bedingten EW (siehe Wahrscheinlichkeitsrechnung) das sind die Schätzungen auf der Grundlage der SP Mittelwerte =1,612 = 1,816

Aufgabe 1 Parameter der linearen Regression können auch nur geschätzt werden … mit Hilfe der geschätzten EW berechnet werden lineare Regression: a) Referenzkodierung: = E(YIX=0) = = E(YIX=1) - E(YIX=0) = - b) Effektkodierung:  ungewichteter MW  Abweichung der Gruppen-MW vom ungewichteten MW

Aufgabe 1 Was passiert mit den EW wenn statt in m in cm gemessen würde? … x 100 Rechenregel:

Aufgabe 2 Lineare Quasiregression ist genaugenommen in diesem Kontext nicht definiert!!!  man benötigt immer einen numerischen Regressor Quasiregression wäre aber dann definiert, wenn die Filme als Zufallsvariable (somit als numerische Ausprägungen) definiert … Abbildung in neue Ergebnismenge

Aufgabe 3 Lineare Quasiregression saturierte Parametrisierung (verschiedene Mgl.) Indikatorvariablen- Referenzgruppenkodierung Indikatorvariablen- Zellenmittelwertsmodel Polynominales Model

Aufgabe 4 Wenn lineare Regression die echte ist, dann entsprechen die Werte der Regression den bedingten EW … der EW der Fehler ist dabei 0 (wir schätzen im Durchschnitt alles richtig) 

Aufgabe 5 Therapie evaluieren ( Hilft oder Nicht?!) Y= Symptombelastung (intervallskaliert) X= Therapieteilnahme (0=nein; 1=ja) Z= Geschlecht (0=m; 1=w)

Aufgabe 5 Man hat die bedingten EW gegeben und kann sich die Wahrscheinlichkeiten dazu herleiten Damit kann man die bezüglich X bedingten EW ausrechen Ergebnisse: - keine Teilnahme - Teilnahme (höhere Werte)  Das würde heißen die Therapie wirkt NICHT!

Aufgabe 5 faire Münze, die über Therapieteilnahme entscheidet  randomisierte (zufällige) Zuweisung zu den Bedingungen somit sind Z und X stochastisch unabhänig  somit ändert sich Formel  somit auch andere bedingte - Verbesserung

Aufgabe 5 Erklärung des Ergebnisses (unter a Therapie verschlechtert, unter b Therapie verbessert):  Abhängigkeit (Geschlecht und Therapie = Problem), dass die kranken Leute (hier Frauen) eher in der Therapiegruppe landen als die gesunden (hier Männer) muss im Versuchsdesign berücksichtigt werden  durch zufällige Zuweisung zur Therapie  Sonst bekommen wir falsche Ergebnisse, da dann die kränkeren in die Therapiegruppe kommen, und obwohl bei allen Verbesserung … die die vorher kränker waren haben auch nach der Therapie noch schlechte Werte… deshalb als Ergebnis Verschlechterung

Aufgabe 5 das Experiment: durch zufällige Zuweisung, sollen alle systematischen Effekte ausgeschaltet werden somit soll stochastische Abhängigkeit der UV zu anderen Variablen ausgeschallten werden  die Werte werden adjustiert Die Effekte auf der AV sind dann direkt auf das Treatment zurückzuführen

Zusammenfassung Ich hätte gern von 5 Leuten einen wichtigen Aspekt des heutigen Tutoriums kurz zusammengefasst 

Bis Bald!!! 