Quanti II (SS22) at Universität Göttingen | Flashcards & Summaries

Select your language

Suggested languages for you:
Log In Start studying!

Lernmaterialien für Quanti II (SS22) an der Universität Göttingen

Greife auf kostenlose Karteikarten, Zusammenfassungen, Übungsaufgaben und Altklausuren für deinen Quanti II (SS22) Kurs an der Universität Göttingen zu.

TESTE DEIN WISSEN

Beispiel VL: 

Konkurrierende Hypothesen


Physiologische Hypothese:

  • Einnahme von Viagra führt zu Vasodilatation und erhöht damit die männliche Libido


Psychologische Hypothese:

  • Die wahrgenommene Einnahme von Viagra führt zu erhöhtem sexuellen Selbstbewusstsein und damit zu einer erhöhten Libido 
Lösung anzeigen
TESTE DEIN WISSEN

Variablen und Operationalisierung

  • Prädiktorvariable Viagra = kategoriale Variable = Faktor
    • Ausprägung 1: Placebo
    • Ausprägung 2: Sildenafil
    • Ausprägung 3: Sildenafil plus Arginin
  • Jede Person wird genau einer Bedingung zugeordnet
    • between subjects design
  • Kriteriumsvariable Libido (kontinuierlich):
    • Selbstberichtete Dauer von Erektionen in den 24 Stunden nach Einnahme 
Lösung ausblenden
TESTE DEIN WISSEN

Dummycodierung - Grundidee 

Lösung anzeigen
TESTE DEIN WISSEN
  • Definition von mehreren dichotomen Dummyvariablen, welche die verschiedenen Ausprägungen des Faktors codieren
  • Bei k Ausprägungen werden k-1 Dummyvariablen benötigt
  • Jede Dummyvariable encodiert das Vorliegen einer zweiten Kategorie (Ausprägung) anstelle einer Referenzkategorie
  • R führt Dummycodierung bei Faktoren automatisch durch, wenn man R sagt, dass eine Variable ein Faktor ist 
Lösung ausblenden
TESTE DEIN WISSEN

Faktor

Lösung anzeigen
TESTE DEIN WISSEN

kategoriale Variable mit qualitativ oder wenigen quantitativ unterschiedlichen Ausprägungen 

Lösung ausblenden
TESTE DEIN WISSEN

Was macht man, wenn die Prädiktorvariable ein Faktor ist, der mehr als zwei Ausprägungen hat? 

Lösung anzeigen
TESTE DEIN WISSEN
  • Aus der einen Prädiktorvariablen mit k Ausprägungen werden k-1 dichotome Dummyvariablen gemacht
  • Aus der einen Prädiktorvariablen mit k Ausprägungen werden k-1 orthogonale Kontraste gemacht
    • (siehe Vorlesung zu Kontrasten) 
Lösung ausblenden
TESTE DEIN WISSEN

Dummyvariablen und Regressionskoeffizienten

Lösung anzeigen
TESTE DEIN WISSEN

Jede Dummyvariable hat einen eigenen beta-Koeffizienten / Regressionskoeffizienten (Steigung)

Lösung ausblenden
TESTE DEIN WISSEN

Fehlerniveaus

Lösung anzeigen
TESTE DEIN WISSEN

alpha-Fehlerniveau

  • Das akzeptierte Risiko (=Wahrscheinlichkeit) für einen alpha-Fehler (H0 fälschlicherweise abzulehnen)
  • meistens bei 5%


beta-Fehlerniveau

  • Das akzeptierte Risiko (=Wahrscheinlichkeit) für einen beta-Fehler (H1 fälschlicherweise abzulehnen)
  • meistens bei 20%


Lösung ausblenden
TESTE DEIN WISSEN

Teststärke

Lösung anzeigen
TESTE DEIN WISSEN
  • Teststärke = Power
  • 1-beta
  • Die Wahrscheinlichkeit, die Alternativhypothese anzunehmen, wenn diese auch zutrifft
  • Die Wahrscheinlichkeit den Effekt zu finden, wenn dieser auch vorliegt
Lösung ausblenden
TESTE DEIN WISSEN

AIC - Akaike Information Criterion

Lösung anzeigen
TESTE DEIN WISSEN

Fehler für beide Modelle bei Kontrolle der Prädiktorenzahl

  • Maß dafür, wie weit die vorhergesagten Werte von den tatsächlich beobachteten entfernt liegen
    • höhere Werte schlecht, niedrige besser
  • berücksichtigt die Prädiktorenzahl 
Lösung ausblenden
TESTE DEIN WISSEN

Vanrianzanalyse und Modellvergleich

Lösung anzeigen
TESTE DEIN WISSEN

eine einfaktorielle Varianzanalyse ist ein Modellvergleich

  • bei dem ein Nullmodell mit einem Modell, das den Faktor einschließt, verglichen wird
Lösung ausblenden
TESTE DEIN WISSEN

Normalerweise sind die Prädiktorvariablen beim ALM...

Lösung anzeigen
TESTE DEIN WISSEN
  • kontinuierlich
  • oder dichotom
    • Die Ausprägungen der dichotomen Variablen sind mit 0 und 1 codiert
    • Der Regressionskoeffizient beta gibt an, wie sich der Mittelwert des Kriteriums von Gruppe 0 zu Gruppe 1 verändert 
Lösung ausblenden
TESTE DEIN WISSEN

Von den Rohdaten zur konkreten Gleichung => Ziel und Methode

Lösung anzeigen
TESTE DEIN WISSEN
  • Obwohl wir eine Gerade errechnen wollen, sehen unsere Daten meistens nicht danach aus
  • Unser Ziel: (nach der Erhebung) eine Gerade hineinlegen, die die Punkte bestmöglich beschreibt, die also im Schnitt am wenigsten von unseren gefundenen, wahren Werten abweicht 
  • dazu benutzen wir die Methode des kleinsten Quadrat
Lösung ausblenden
TESTE DEIN WISSEN

alpha-Fehler und beta-Fehler

Lösung anzeigen
TESTE DEIN WISSEN

alpha-Fehler

  • H0 wird fälschlicherweise abgelehnt
  • Fehler 1. Art


beta-Fehler

  • H1 fälschlicherweise abgelehnt
  • Fehler 2. Art
Lösung ausblenden
  • 216092 Karteikarten
  • 3306 Studierende
  • 99 Lernmaterialien

Beispielhafte Karteikarten für deinen Quanti II (SS22) Kurs an der Universität Göttingen - von Kommilitonen auf StudySmarter erstellt!

Q:

Beispiel VL: 

Konkurrierende Hypothesen


Physiologische Hypothese:

  • Einnahme von Viagra führt zu Vasodilatation und erhöht damit die männliche Libido


Psychologische Hypothese:

  • Die wahrgenommene Einnahme von Viagra führt zu erhöhtem sexuellen Selbstbewusstsein und damit zu einer erhöhten Libido 
A:

Variablen und Operationalisierung

  • Prädiktorvariable Viagra = kategoriale Variable = Faktor
    • Ausprägung 1: Placebo
    • Ausprägung 2: Sildenafil
    • Ausprägung 3: Sildenafil plus Arginin
  • Jede Person wird genau einer Bedingung zugeordnet
    • between subjects design
  • Kriteriumsvariable Libido (kontinuierlich):
    • Selbstberichtete Dauer von Erektionen in den 24 Stunden nach Einnahme 
Q:

Dummycodierung - Grundidee 

A:
  • Definition von mehreren dichotomen Dummyvariablen, welche die verschiedenen Ausprägungen des Faktors codieren
  • Bei k Ausprägungen werden k-1 Dummyvariablen benötigt
  • Jede Dummyvariable encodiert das Vorliegen einer zweiten Kategorie (Ausprägung) anstelle einer Referenzkategorie
  • R führt Dummycodierung bei Faktoren automatisch durch, wenn man R sagt, dass eine Variable ein Faktor ist 
Q:

Faktor

A:

kategoriale Variable mit qualitativ oder wenigen quantitativ unterschiedlichen Ausprägungen 

Q:

Was macht man, wenn die Prädiktorvariable ein Faktor ist, der mehr als zwei Ausprägungen hat? 

A:
  • Aus der einen Prädiktorvariablen mit k Ausprägungen werden k-1 dichotome Dummyvariablen gemacht
  • Aus der einen Prädiktorvariablen mit k Ausprägungen werden k-1 orthogonale Kontraste gemacht
    • (siehe Vorlesung zu Kontrasten) 
Q:

Dummyvariablen und Regressionskoeffizienten

A:

Jede Dummyvariable hat einen eigenen beta-Koeffizienten / Regressionskoeffizienten (Steigung)

Mehr Karteikarten anzeigen
Q:

Fehlerniveaus

A:

alpha-Fehlerniveau

  • Das akzeptierte Risiko (=Wahrscheinlichkeit) für einen alpha-Fehler (H0 fälschlicherweise abzulehnen)
  • meistens bei 5%


beta-Fehlerniveau

  • Das akzeptierte Risiko (=Wahrscheinlichkeit) für einen beta-Fehler (H1 fälschlicherweise abzulehnen)
  • meistens bei 20%


Q:

Teststärke

A:
  • Teststärke = Power
  • 1-beta
  • Die Wahrscheinlichkeit, die Alternativhypothese anzunehmen, wenn diese auch zutrifft
  • Die Wahrscheinlichkeit den Effekt zu finden, wenn dieser auch vorliegt
Q:

AIC - Akaike Information Criterion

A:

Fehler für beide Modelle bei Kontrolle der Prädiktorenzahl

  • Maß dafür, wie weit die vorhergesagten Werte von den tatsächlich beobachteten entfernt liegen
    • höhere Werte schlecht, niedrige besser
  • berücksichtigt die Prädiktorenzahl 
Q:

Vanrianzanalyse und Modellvergleich

A:

eine einfaktorielle Varianzanalyse ist ein Modellvergleich

  • bei dem ein Nullmodell mit einem Modell, das den Faktor einschließt, verglichen wird
Q:

Normalerweise sind die Prädiktorvariablen beim ALM...

A:
  • kontinuierlich
  • oder dichotom
    • Die Ausprägungen der dichotomen Variablen sind mit 0 und 1 codiert
    • Der Regressionskoeffizient beta gibt an, wie sich der Mittelwert des Kriteriums von Gruppe 0 zu Gruppe 1 verändert 
Q:

Von den Rohdaten zur konkreten Gleichung => Ziel und Methode

A:
  • Obwohl wir eine Gerade errechnen wollen, sehen unsere Daten meistens nicht danach aus
  • Unser Ziel: (nach der Erhebung) eine Gerade hineinlegen, die die Punkte bestmöglich beschreibt, die also im Schnitt am wenigsten von unseren gefundenen, wahren Werten abweicht 
  • dazu benutzen wir die Methode des kleinsten Quadrat
Q:

alpha-Fehler und beta-Fehler

A:

alpha-Fehler

  • H0 wird fälschlicherweise abgelehnt
  • Fehler 1. Art


beta-Fehler

  • H1 fälschlicherweise abgelehnt
  • Fehler 2. Art
Quanti II (SS22)

Erstelle und finde Lernmaterialien auf StudySmarter.

Greife kostenlos auf tausende geteilte Karteikarten, Zusammenfassungen, Altklausuren und mehr zu.

Jetzt loslegen

Das sind die beliebtesten StudySmarter Kurse für deinen Studiengang Quanti II (SS22) an der Universität Göttingen

Für deinen Studiengang Quanti II (SS22) an der Universität Göttingen gibt es bereits viele Kurse, die von deinen Kommilitonen auf StudySmarter erstellt wurden. Karteikarten, Zusammenfassungen, Altklausuren, Übungsaufgaben und mehr warten auf dich!

Mehr Karteikarten anzeigen

Das sind die beliebtesten Quanti II (SS22) Kurse im gesamten StudySmarter Universum

Quanti

Universität Göttingen

Zum Kurs
Quanti

TU Dortmund

Zum Kurs

Die all-in-one Lernapp für Studierende

Greife auf Millionen geteilter Lernmaterialien der StudySmarter Community zu
Kostenlos anmelden Quanti II (SS22)
Erstelle Karteikarten und Zusammenfassungen mit den StudySmarter Tools
Kostenlos loslegen Quanti II (SS22)