Kurstag 7

1. Es besteht ein kausaler Zusammenhang zwischen den Variablen

2. eine dritte Variable beeinflusst die betrachteten Variablen

3. Zufall

Die Verteilung ist wichtig für die Interpretation der Daten

Levene Test

p<0,05 -> Abweichung von der Varianzhomogenität/Varianzen sind nicht gleich

- Durchschnitte der Datensätze untescheiden sich stark

- geringe Varianz der Daten

- große Stichproben

= niedriger P-Wert

ähliche Durchschnitte und starke Streuung der Daten = hoher P-Wert

Nominaldaten: sind kategorial, qualitativ, ohne Reihenfolge/Rang

-> Blutgruppen, Geschlecht

Ordinaldaten: kategorial, qualitativ, mit Reihenfolge

-> Note, Rang

Intervallskaliert: numerisch, quantitativ, mit Reihenfolge

-> Größe, Alter

1. Art: falsch positiv (Verwerfung der Nullhypothese, obwohl sie richtig ist)

2. Art: falsch negativ (Annahme der Nullhypothese, obwohl sie falsch ist)

r gibt die Stärke der Beziehung zwischen zwei kontinuierlichen Variablen an

-> liegt zwischen -1 und 1

1 = starke positive Beziehung

0 = keine Beziehung

-1 = starke negative Beziehung

eine hohe Signifikanz bedeutet nicht unbedingt dass ein Zusammenhang biologisch relevant ist. Vor allem bei großen Stichproben können leicht signifikante Efffekte gefunden werden.

Der P-Wert muss also zusammen mit anderen Werten (zB Korrelationskoeffizient) betrachtet werden

Kolmogorow-Smirnow-Anpassungstest

p<0,05 -> Abweichung von der Normalverteilung

Wird auch Irrtumswahrscheinlichkeit genannt

Es handelt sich um die Grenze (P=0,05) an der die Nullhypothese verworfen wird und man von einem signifikanten Ergebnis spricht (P<0,05)

1. Daten auf wichtige Werte reduzieren und visualisieren

2. Muster und Trends erkennen

3. Hypothesen testen