REPETITORIUM METHODEN II (Subject) / REPETITORIUM METHODEN II (Lesson)

This lesson was created by VIELWEIBEREI.

Learn lesson

back  |  next 2 / 3

• Was ist deskriptiv an der EDA? graphische Darstellung der Stichprobendaten (beschreibend)
• Was ist ansatzweise inferenzstatistisch an der EDA? bei geeigneter Darstellung kann man erkennen, ob Hypothesen zutreffen könnten also ansatzweise Rückschlüsse = Inferenzen auf Population ziehen
• Wie unterscheiden sich deskriptive Statistik und Inferenzstatistik? Deskriptive Statistik Ziel: Beschreiben der Stichprobendaten nutzt dazu: Kennwerte der Stichprobe (Lagemaße/Streuungsmaße) Inferenzstatistik Ziel: Rückschlüsse auf die Population ziehen nutzt dazu: Signifikanztests (statistische Testverfahren) ⇒ Hypothesentesten anhand der Stichprobenkennwerte
• Was ist explorativ an der explorativen Datenanalyse? es kann erkundend nach unvermuteten Mustern oder Auffäligkeiten in den Daten gesucht werden
• Warum ist die EDA für Deskriptive- und Inferenzstatistik wichtig? Sinnhaftigkeit der ... Berechnung von Kennwerten bzw ... Anwendung statistischer Tests ermitteln!
• Womit befasst sich die explorative Datenanalyse? Was ist deskriptiv, was eher inferenzstatistisch, was explorativ? Explorative Datenanalyse als Verbundungsglied zwischen deskriptiver und inferenzstatistik deskriptiv:graphische Darstellung der Stichprobendaten gesamte Verteilung der Daten wird dargestellt (nicht nur Kennwerte) (ansatzweise) inferenzstatistisch:Vermutungen darüber ob Hypothesen zutreffen könnten,also ansatzweise Rückschlüsse auf PopulationVoraussetzung: geeignete Darstellung  explorativ: suchen nach unvermuteten Mustern oder Auffäligkeiten
• Sie haben folgende multiple Regressionsgleichung vorhergesagt: y(geschätzt)i = 42 + 12 * x1i - 5 * x2i - 3,5 * x3i Was ist hier: Kriterium, Prädiktor, Konstante, Standardschätzfehler? y(geschätzt)i = 42 + 12 * x1i - 5 * x2i - 3,5 * x3iKriterium = y(geschätzt)i Prädiktoren:x1ix2ix31Konstante = 42 Standardfehler: nicht enthalten
• Welche der folgenden Aussagen trifft sowohl auf die einfache lineare als auch auf die multiple lineare Regression zu? a) Der vorhergesagte Wert setzt sich aus dem tatsächlichen Wert und dem Fehler zusammen. b) Die Vorhersagekraft der einfachen linearen Regression ist genauso hoch wie die der multiplen linearen Regression. c) Das Ziel beider Verfahren ist die Vorhersage des Kriteriums. d) Für einfache und multiple Regression benötigt man mindestens zwei Prädiktoren. a) Der vorhergesagte Wert setzt sich aus dem tatsächlichen Wert und dem Fehlerzusammen. c) Das Ziel beider Verfahren ist die Vorhersage des Kriteriums.
• Worin unterscheidet sich die Partialkorrelation vom Pearson-Korrelationskoeffizienten? Pearson-Korrelationskoeffizient: gibt die Stärke eines Zusammenhangs zweier Variablen an, ohne Rücksicht, auf weitere Variablen zu nehmen Partialkorrelation Stärke des Zusammenhangs wird bestimmt, wobei der Einfluss einer Drittvariablen herausgerechnet wird
• Welcher Zusammenhang besteht zwischen Partialkorrelation und den Residualwerten der linearen Regression? Zusammenhang zwischen Partialkorrelation und den Residualwerten der linearen Regression Partialkorrelation kann auch als Pearson-Korrelation der Residualwerte berechnet werden
• Advertisement
• Wozu dient das Lowess-Verfahren? Visualisierung eines nichtlinearen Zusammenhangs zweier Variablen
• Was ist der erste Schritt bei der Konstruktion einer Lowess-Kurve? erster Schritt: Auswahl von Datenpunkten um einen x-Wert
• Was ist der zweite Schritt bei der Konstruktion einer Lowess-Kurve? zweiter Schritt: Gewichtung der ausgewählten Datenpunkte anhand des Abstandes zum Ausgangswert
• Was ist der dritte Schritt bei der Konstruktion einer Lowess-Kurve? dritter Schritt: Berechnung einer Regressionsgeraden, für die ausgewählten, gewichteten Punkte
• Was ist der vierte Schritt bei der Konstruktion einer Lowess-Kurve? vierter Schritt: Einzeichnen, der durch die Regressionsgerade vorhergesagten Punkte
• Bescheiben sie das Vorgehen bei der Konstruktion einer Lowess-Kurve! Vorgehen bei der Konstruktion einer Lowess-Kurve Auswahl von Datenpunkten um einen x-Wert Gewichtung der ausgewählten Datenpunkte anhand des Abstandes zum Ausgangswert Berechnung einer Regressionsgeraden für die ausgewählten, gewichteten Punkte Einzeichnen, des durch die Regressionsgerade vorhergesagten Punktes⇒ Wiederholung für alle Datenpunkte
• Welche Bedeutung hat der Glättungsparameter f bei der Berechnung einer Lowess-Kurve? Welche Werte kan er annehmen und was bedeuten sie? Anteil der in der Lowess-Prozedur einbezogenen Punkte an der Gesamtzahl der Punkte kann Werte zwischen 0 und 1 annehmen f = 0 ⇒ es erfolgt keine Glättung f = 1 ⇒ maximale Glättung der Lowess-Kurve
• Wozu dient die Potenzleiter? Potenzleiter⇒ ermöglicht es Rechenverfahren für lineare Zusammenhänge auch auf nichtlineare Zusammenhänge anzuwenden indem: nichtlinearer Zusammenhang durch Änderung der Potenz transformiert wird ("gerade biegen")
• Was sagt der p-Wert beim Signifikanztesten aus? p-Wert beimSignifikanztesten: Wahrscheinlichkeit, dass das Ergebnis einer Studie (oder ein noch extremeres) gefunden werden konnte, wenn die Nullhypothese zutrifft p(Daten|H0)
• Was sagt die Power über einen Test aus? Power = "Signifikanz Wahrscheinlichkeit" Wahrscheinlichkeit einen vorhandenen Effekt zu finden
• Welche Faktoren haben Einfluss auf die Power? drei große Faktoren, die Teststärke beeinflussen: Effekt in der Population Stichprobengröße Abwägung von α und β
• Welche Faktoren haben Einfluss auf die Power und wie genau äußern sich deren Ausprägungen auf die Beeinflussung der Power? drei große Faktoren, die Einfluss auf Teststärke haben: Effekt in der Population Je größer der Effekt, desto eher wird das Testergebnis signifikant Stichprobengröße Je größer die Stichprobe, desto eher signifikant (bei konstantem Effekt) Abwägung von α und β Je größer α, desto eher signifikant Je kleiner β, desto eher signifikant α und β sind komplementär
• Welchen Einfluss hat die Größe des Effekts in der Population auf die Power? Je größer der Effekt in der Population, desto eher wird das Testergebnis signifikant
• Welchen Einfluss hat die Stichprobengröße auf die Power? Je größer die Stichprobe, desto eher wird ein Testergebnis signifikant
• Welchen Einfluss hat die Abwägung von α und β auf die Power? Je größer α, desto eher signifikant (also desto höher die Power) Je kleiner β, desto eher signifikant⇒ α und β sind komplementär
• Wieso ist die ist die folgende Interpretation von p‐Werten eine Fehlannahme und was ist mit ihr wirklich umschrieben? Falschaussage A: p‐Werte sind Indikatoren für die Größe des Effekts Größe des vorliegenden Effekts ist nur einer von mehreren Faktoren, die den p-Wert beeinflussen p-Wert allein sagt nichts über die Größe des gefundenen Effektes ausRichtig wäre: Effektgrößen sind Indikatoren für die Größe des Effekts
• Wieso ist die ist die folgende Interpretation von p‐Werten eine Fehlannahme? Falschaussage B: p‐Werte erlauben eine Abschätzung der Wahrscheinlichkeit, dass die Nullhypothese bzw. die Alternativhypothese zutrifft Wahrscheinlichkeitsaussage von p-Werten betrifft das Testergebnis unter der Annahme, dass eine Hypothese zutrifft, nicht die Hypothese selbst (Nur Aussage über Wahrscheinlichkeit von Daten) p-Wert:bedingte Wahrscheinlichkeit, dass ein Ergebnis gefunden werden konnte, unter der Annahme, dass die Nullhypothese zutrifft
• Wieso ist die ist die folgende Interpretation von p‐Werten eine Fehlannahme? Falschaussage C: p‐Wert: Wahrscheinlichkeit, mit der man sich hinsichtlich seiner Schlussfolgerung (H0 ist falsch) geirrt hat p-Wert erlaubt kein Wahrscheinlichkeitsaussagen über die Hypothesen, sondern nur über die Daten das wäre die Irrtumswahrscheinlichkeit von:Nullhypothese verwerfen, obwohl sie zutrifft
• Wieso ist die ist die folgende Interpretation von p-Werten eine Fehlannahme und was ist mit ihr wirklich umschrieben? Falschaussage D: p‐Werte erlauben eine Abschätzung der Wahrscheinlichkeit, dass ein Ergebnis replizierbar ist Replizierbarkeit eines (signifikanten) Ergebnisses hängt von der Teststärke ab, und die wiederum von n, Effektgröße, und α unterschiedliche Ergebnisse führen zu unterschiedlichen p-Werten Richtig Wäre: Power erlaubt eine Abschätzung der Wahrscheinlichkeit, das ein Ergebnis replizierbar ist
• Welche Verbesserungsvorschlage machten Neyman und Pearson zum Signifikanztesten? Wie wurde vorher getestet? vorher:Chance Effekt zu entdecken und Aussagen bei nicht signifikantem Ergebnis Verbesserungsvorschlag 1⇒ Hinzufügen einer Alternativhypothese!Verbesserungsvorschlag 2:Interpretation des Testergebnisses⇒ Ergebnis signifikant ⇒ Verhalte dich so als ob die H1 zuträfe⇒ Ergebnis nicht signifikant ⇒ Verhalte dich so als ob die H0 zuträfe
• Advertisement
• Welche Vorteile bieten Konfidenzintervalle gegenüber Signifikanztests? enthalten selbe Information wie Signifikanztests ⇒ signifikant/nicht signifikant bieten Schätzungen des entsprechenden Populationsparamters⇒ Mittelwert des Intervalls machen zusätzlich Aussagen über Genauigkeit der Schätzung⇒ Länge des Intervalls
• Wozu werden zusätzlich zu verschiedenen Signifikanztests Efektgrößen verwendet? Effektgrößen ermöglichen den Vergleich unterschiedlich skalierter Messwerte ermöglichen genaue Schätzung von Populationsparametern durch Aggregation ⇒ Metaanalysen
• Unterscheide interne und externe Validität! interne Validität inwiefern mögliche Störvariablen ausgeschlossen werden können inwieweit Ergebnisse einer Untersuchung auf die Manipulation der UV zurückgeführt bzw. da selten, bis nie alle Störvariablen bekannt sind, ist vollständige interne Validität ein schweres bis unerreichbares Ziel externe Validität Generalisierbarkeit und Repräsentativität von Untersuchungsergebnissen⇒ Generalisierbarkeit von Untersuchungsergebnissen über Untersuchungssituation, die Versuchspersonen und den Untersuchungszeitraum hinaus
• Nennen sie die Nachteile nonparametrischer Verfahren! Nachteile nonparametrischer Verfahren geringere Teststärke großer Aufwand bei der Berechnung exakter Wahrscheinlichkeiten für große Stichproben teilweise fehlen einheitliche Effektgrößen kaum multivariate Verfahren
• Es soll ein Training für Elfmeterschießen evaluiert werden. Dazu werden 10 Elfmeter von 7 Spielern vor dem Training und 10 Elfmeter nach dem Training geschossen und die Anzahl der Treffer gezählt. Untersuchen Sie mit einem geeigneten nonparametrischen Testverfahren, ob das Training erfolgreich war. a) Formulieren Sie hierzu die Hypothesen. c) Unter welchen Voraussetzungen könnten Sie für diese Fragestellung ein parametrisches Testverfahren anwenden? a)H0: T- = T+H1: T- > T+ (bei vorher nachher) c) Normalverteilung (doppelter t-Test für abhängige Stichproben)
• Was bedeutet die Effektgröße r(effectsize) für unabhängige Stichproben bei einer Kontrastanalyse inhaltlich? reffectsize gibt die Korrelation zwischen den Werten der abhängigen Variablen und den Kontrastgewichten an
• Worin unterscheidet sich die Kontrastanalyse von anderen Varianzanalysen? Was ist der Vorteil? Vorteile der Kontrastanalyse (gegeüber bspw. ANOVA): präzise, gerichtete Alternativhypothesen können getestet werden(statt Ominbushypothese) höhere Teststärke Vergleich der Güte zweier Hypothesen möglich
• In einer Untersuchung soll geprüft werden, ob Ratten unterschiedliche Mengen trinken, wenn das Wasser verschieden schmeckt. Die Tabelle zeigt die Trinkmenge in ml für 4 Ratten jeweils beim Trinken des verschiedenen Wassers. a) Stellen Sie eine statistische Hypothese auf! H0: μWasserA = μWasserB = μWasserH1: ¬(μWasserA = μWasserB = μWasserC)
• Tragen Sie α‐Fehler, β‐Fehler und Power gedanklich in "die Tabelle" ein! α-Fehler ⇒ unten links β-Fehler⇒ oben rechts Power⇒ unten rechts
• Wie groß ist die Wahrscheinlichkeit, dass man sich für die H0 entscheidet unter der Annahme, dass die H0 auch gilt? Alpha – 1
• Nennen und erklären sie die verschiedenen Skalenniveaus! Nominal: Ungleichheit/Gleichheit zwischen Objekten Lagemaß: Modus Bsp.: Studiengang Ordinal: Rangreihe (größer, kleiner, gleich), keine Aussage über Größe der Abstände Lagemaß: Modus, Median Bsp.: Rang beim Militär Intervall: Gleichheit von Differenzen kein natürlicher Nullpunkt Lagemaß: Modus, Median, arithm. Mittelwert Bsp.: Temperatur in °C Verhältnis: Gleichheit von Verhältnissen (Gleichheit von Differenzen, natürlicher Nullpunkt) Lagemaß: wie Intervallskala Bsp.: Temperatur in Kelvin Absolut: natürliche Maßeinheit Bsp.: Häufigkeiten
• Wie definiert Zimbardo, 1970 Deinindividuation? Deindividuation = Zustand verminderter Selbstaufmerksamkeit und Inividualität. Selbstkontrolle und normative Regulation des Verhaltens entfallen ⇒ Anonymität schafft Deindividuation⇒ Individualität/Identifizierbarkeit hält von anti-sozialem Verhalten ab ⇒ Einhaltung     sozialer Normen
• Was fördert Deindividuattion, was hält von anti-sozialem Verhalten ab? ⇒ Anonymität schafft Deindividuation ⇒ Individualität/Identifizierbarkeit hält von anti-sozialem Verhalten ab ⇒ Einhaltung sozialer Normen
• Was war der Versuchsaufbau in Zimbardos klassischer Untersuchung, 1970 zu Deindividuation? Zimbardos klassischer Untersuchung, 1970 zu Deindividuation Kontrollgruppe: identifizierbar ⇔ Experimentalgruppe: Kapuzen, Kittel Gabe von Elektroschocks an Versuchsperson (Konditionierungsexperiment)⇒ Dauer der Elektroschocks in der deindividuierten Bedingung hält      länger, als in der Kontrollgruppe
• Was waren Fragestellung, Ablauf und Ergebnisse des Stanford Prison Experiments von Zimbardo et al, 1974? Stanford Prison Experiment,  Zimbardo et al, 1974 Einfluss von Deindividuation auf Aggressionen in Gefängnissen Simulation eines Gefängnisses (Ablauf): 24 männliche Studenten 15$ pro Tag Zufällige Aufteilung in Rolle von Gefangenem oder Wärter Anrede der Gefangenen nur mit Nummer (Anonymität) Wächter tragen: Uniform Sonnenbrille Schlagstock Gefangene tragen Kittel Fußkette Nulonstrumpf über dem Kopf Ergebnisse: zunehmende Brutalität der Wächter Rauchverbot Aufwecken der Gefangenen in der Nacht Liegestütze als Bestrafung Stressreaktionen bei Gefangenen Psychosomatische Störungen bspw. Schlaflosigkeit ⇒ Abbruch des Experiments nach 6 Tagen
• Welche Kritik kann an Deindividuationsansätzen geübt werden? Kritik an Deindividuationsansätzen Fokus liegt auf dem Verlust von Individualität, Identität, Kontrolle etc. Social Identity Ansatz:  Massenverhalten ist Intergruppenphänomen(Demonstranten gegen Polizisten, rivalisierende Gangs etc.)
• Welche Kritik übt der der Social Identity Ansatz an Deindividuationsansätzen? Social Identity Ansatz Massenverhalten ist Intergruppenphänomen(Demonstranten gegen Polizisten, rivalisierende Gangs etc.)
• Was war der Versuchsaufbau im "Minimal Group Paradigma" (MGP) von Tajfel et al., 1971? Was waren Ergebnisse? Minimal Group Paradigma, Tajfel et al., 1971 Zufällige Zuweisung von Personen zu zwei Gruppen:Klee / Kandinsky ansonsten keine Interaktion Zuteilung von Gelfbeträgen zu anderen Versuchsteilnehmern(keine Möglichkeit sich selbst Geldbeträge zuzuteilen) einzige Information: deren Gruppenmitgliedschaft Ergebnisse:⇒ Bevorzugung der Mitglieder der Ingroup vor denen der Outgroup⇒ Maximierung der positiven Differenz zwischen Eigengruppe und     Fremdgruppe wichtiger als absolute Gewinne
• Was waren Verteilungsstrategien im Minimal Group Paradigma? Verteilungsstrategien im Minimal Group Paradigma Fairness (F) Minimierung der Differenz zwischen den Gruppen Maximum Joint Profit (MJP) Maximierung des gemeinsamen Nutzens beider Gruppen Maximum Ingroup Profit (MIP) Maximierung des Nutzens für die eigene Gruppe Maximale Differenz Maximierung der Differenz zwischen Eigengruppe und Fremdgruppe, auf Kosten des Nutzens für die eigene Gruppe
• Was sind Kernannahmen der Theorie der sozialen Identität (Social Identity Theorie) von Tajfel und Turner, 1979? Kernannahmen der Social Identity Theorie (SIT) Menschen streben nach positiver Selbsteinschätzung Ein Teil dieser Selbsteinschätzung wird aus Gruppenzugehörigkeiten und den Bewertungen dieser Gruppen abgeleitet ⇒ soziale Identität Bewertung einer Gruppe ergibt sich aus dem Vergleich dieser Gruppe mit relevanten anderen Gruppen

back  |  next 2 / 3