You are on page 1of 8

2015

1) a) 20VP (z.B. ber dfGesamt


=n-1=20-1=19)
b) 4 gleich groe Gruppen
20/4 = 5 ->
5 Personen pro Gruppe
c) Hauptergebnis: Die
Lernmethode hat einen
signifikanten Einfluss auf den
Lernerfolg, da sich mindestens zwei
Gruppenmittelwerte signifikant voneinander
unterscheiden.
d) Effektstrke: 2 = -> starker Effekt
e) H0:1=2=3=4; H1: mind. 2 unterscheiden sich voneinander
f) notwendige Voraussetzung: Normalverteilung: Da n<30 ist, gilt der ZGWS nicht. Man kann also
nicht von einer approximativen NV ausgehen. berprfen kann man die NV mithilfe eines Tests auf
NV, z. B. dem Kolmogorow-Smirnow-Test oder dem Shapiro-Wilk-Test (Anmerkung: da die NV in jeder
Gruppe vorliegen muss, die Gruppengre aber sehr klein ist, drfte keine NV vorliegen)
(weitere Voraussetzung: Varianzhomogenitt -> Levene-Test zur berprfung)
g) H0: Varianzhomogenitt liegt vor; H1: Varianzhomogenitt liegt nicht vor
h) Das Ergebnis ist nicht signifikant, die H0 (Varianzhomogenitt liegt vor) wird beibehalten
i) 1-pf(0.464,3,16)
QSinnerhalb/dfinnerhalb 30/16=1.875
Alternativ: Szwischen2 /F = 23.333/12.444=1.875
j) Bei der Berechnung der Varianz innerhalb nutzt man einen Schtzer fr 2 (man fasst also die
Streuungen von allen Stichproben zusammen). Daher sollten die Stichprobenstreuungen sich nicht
signifikant unterschieden, was aber genau ein signifikanter Levene-Test anzeigt, daher ist die
Durchfhrung in diesem Fall problematisch
Kontraste: 1 0 0 -1
T (n-k)=t(20-4)=t(16)
SE des Kontrasts:

Ablehnungsbereich fr H1= Annahmebereich der H0: [t(16)0.01;] R-Befehl: 1-qt(0.01,16)


k) [t(8)0.01;); R-Befehl: 1-qt(0.01,8)
l) k-1=4-1=3 (k=Anzahl der Gruppen)
m) = 0.01, gerichtete H1 -> < p-Wert (0.01<0.0175) -> H0 beibehalten, da nicht signifikant
Kombination ohne Zurcklegen -> N ber n (Binomialkoeffizient) -> 4 ber 2 =6 versh. MW-Vergleiche.
Bonferronikorrektur immer zweiseitig -> 0.0175*2 = 0.035
pkorr = p*m = 0.035*6 = 0.216
da pkorr > H0 beibehalten, Test ist nicht signifikant
Zweck: Korrektur beim multiplen Testen wegen -Fehler-Kumulierung
n) Kruskal-Wallis-H-Test
4) 12 Kinder reicher un 12 armer Eltern aufgefordert, Durchmesser eines 1Euro zu schtzen.
a) metrische AV (Durchmesser = Verhltnisskala)
b) nominalskalierte UV
c) Ausprgungen: arm, reich
d) library(foreign) dat=read.spss(Dateiname.sav,to.data.frame=TRUE) Anmerkung: y=AV, x=UV
e) aggregate (y, by=list(x), FUN=summary)
f) Grafik: aggregate(y, by=list(x), FUN=hist) Test: aggregate(y, by=list(x), FUN=shapiro.test, simplify =
FALSE)
g) var.test(y~x) alternativ: bartlett.test(y~x) alternativ: fligner.test(y~x)
h) parametrisch: t-Test fr unabh. SP: t.test(y~x) nicht-parametrischer Test: Mann-Whitney-U-Test:
wilcox.test(y~x)
i) t.test(y~x,conf.level = 0.99

5) n= 2975
a) 240+808=1048 nderer;
362+1565=1927 Nicht-nderer
b) H0: p0=0.5 H1: p0 0.5 X"
~B(n=2975, p=0.5) ZGWS: n*p

5;

Teststatistik und Realisierung:


P(X 16.1) bzw. P(X-16.1) 0 -> p 0 < -> H0 verwerfen
c) Verbesserung: 808; Verschlechterung: 240
d) H0: nderer sind gleichverteilt (p0 = 0.5) vs. H1: nderer sind nicht gleichverteilt p0 0.5
Mc Nemar Test
Anmerkung: Nur nderer werden bercksichtigt bei Mc Nemar:
Zur Berechnung von 2 die beobachteten nderer und die erwartete HFK bei Gleichverteilung unter
den nderern einsetzen (es gibt hier 240+808=1048 nderer -> bei GV wrde man jeweils 524 nderer
erwarten)
2 (1) = 308, p<0.001 (vgl. Output)-> p<Alpha ->signifikant, H0 wird verworfen: nderer sind nicht
gleichverteilt
asympotithsche Signifikanz: Signifikanzaussage gilt nur fr groes n (die exakte Testung wre
binomial verteilt, daher muss der ZGWS gelten, um in die NV bzw. die 2 VT approximieren zu knnen.
Da der Mc Nemar Test sich auf eine 2 VT sttzt, muss das n ausreichend gro sein, damit der ZGWS
greift)
Kontinuitt korrigiert bedeutet, dass die Werte angepasst werden, aufgrund des Verteilungswechsels.
Die ursprnglichen Werte sind binomial verteilt (diskret), durch Approximation sind sie dann 2-Verteilt
(stetig). Durch die Kontinuittskorrektur bekommt man eine bessere Approximation beim Wechsel von
diskreten in stetige VT.
1-pchisq(308,1)
2 (1) = 306,764, p<0.001 (vg. Output) -> Ergebnis ist signifikant -> H0 wird verworfen; nderer sind
nicht gleichverteilt
e) Cochran-Q-Test; 2 (k-1) da k=4 (4 Messzeitpunkte) 2 (3)
6) In Stichprobe N=78 wurde multiple Korrelation des Kriteriums ngstlichkeit mit den Prdiktoren
Alter und Optimismus von R=0.27 gefunden
a) R2 = 0.272 = 0.0729 kleiner Effekt, nur 7.29% Varianzaufklrung
b) multiple Korrelation wird berechnet durch die Korrelation der vom Modell vorhergesagten Werte mit
den tatschlich beobachteten Werte -> Kor( ,y)
c)
p=Anzahl der Prdiktoren=2
AB bei = 0.05: [3.12; )
AB bei = 0.01: [4.9; )
-> die Testrealisierung 2.95 fllt in keinen der beiden
ABs, daher wird beide Male die H0 beibehalten
d) F(p;n-p-1) -> F(2;75) -> bei =0.05: qf(0.95,2,75) -> bei =0.01: qf(0.99,2,75)
Ergnzungen Fragen Zweittermin: Regressionsgleichung angeben
Welche Hypothesen werden geprft Darf Testung durchgefhrt werden, wenn keine NV vorliegt -> Ja,
n=78 -> ZGWS Beurteilung der Effektstrke nach Cohen (Anmerkung: nach Cohen Nach bedeutet
d=0.2 = kleiner Effekt, d=0.5 = mittlerer Effekt und d=0.8=starker Effekt.
7)

8) Wenn wir in Gruppe 1 einen Mittelwert von 30 und in Gruppe 2 einen Mittelwert von 40 haben und
dieser Unterschied nicht signifikant wird bedeutet das, dass (1 zutreffende Antwort)
die entsprechenden Wette in der Population und in der Stichprobe unterschiedlich sind.
wir keinen Unterschied der entsprechenden Werte in der Population nachweisen konnten,
obwohl ein Unterschied in den Stichproben besteht.
wir keinen Unterschied der entsprechenden Werte in der Stichprobe nachweisen konnten, obwohl ein
Unterschied in der Population besteht.
die entsprechenden Werte in der Population und in der Stichprobe nicht unterschiedlich
Wozu wird die z-Transformation nach Fisher bentigt (1 zutreffende Antwort)
Zur Transformation von ursprnglich nicht normalverteilten Korrelationskoeffizienten in
eine Normalverteilung.
Zur Transformation von ursprnglich normalverteilten Korrelationskoeffizienten in eine Ordinalskala.
Zum Vergleich zweier Teststrken. Als Vorrechnung fr statistische Tests mit Korrelationskoeffizienten.
Eigentlich gar nicht, Ergebnisse werden generell dadurch nur geringfgig genauer.
Falls eine Nullhypothese bei einem Hypothesentest zum Signifikanzniveau 0.01 verworfen wird (1
zutreffende Antwort)
dann wird die Nullhypothese auch zu jedem anderen Signifikanzniveau verworfen.
dann wird die Nullhypothese auch zu einem Signifikanzniveau von .025 verworfen.
dann wird die Nullhypothese zu einem Signifikanzniveau von.025 nicht verworfen.
kann man ohne Kenntnis ber den Wert der Testgre nicht sagen, ob die Nullhypothese 0 auch zu
einem Signifikanzniveau von .025 verworfen wird.
Eine Abfllanlage soll im Mittel Flaschen mit 0,2 Liter Bier abfllen. Es wurde ein Hypothesentest
durchgefhrt, um zu untersuchen, ob die Abfllanlage die Flaschen im Mittel berfllt oder unterfllt.
Dafr wurde eine Stichprobe entnommen. Aufgrund eines festgelegten Signifikanzniveaus wurde bei
diesem zweiseitigen Test die Nullhypothese H0: = 0,2 [lit] abgelehnt. Anschlieend wurde die
Abfllanlage inspiziert. Die Inspektion zeigte aber, dass die Anlage den Sollwert von 0,2 Liter einhlt.
Bei dem Hypothesentest wurde statistisch (1 zutreffende Antwort)
eine richtige Entscheidung getroffen.
ein Fehler I . Art mit dem Risiko begangen.
ein Fehler 2. Art mit dem Risiko begangen.
ein Fehler 2. Art mit dem Risiko a begangen.
Es stellt sich heraus, dass der Unterschied in einem t-Test auf dem 1 %-Niveau signifikant ist. Welche
der folgenden Aussagen lassen sich aus dieser Tatsache folgern? (1 zutreffende Antwort)
Es ist mit der Wahrscheinlichkeit von 99% bewiesen, dass die Nu1lhypthese H0 falsch ist.
Man kann nun die Wahrscheinlichkeit ableiten, dass die Alternativhypothese H1 richtig ist.
Wenn man das Experiment sehr oft wiederholen wrde, wrde man in 99% der Flle ein signifikantes
Ergebnis bekommen. Wenn die Nullhypothese richtig wre, wrde man erwarten, dass
maximal 10 von 1000 unabhngigen t-Tests signifikant werden.
In der Untersuchung A wird das folgende Ergebnis beobachtet: MEG=40, MKG=30, d=l. Die
Untersuchung B ergab: MEG=40, MKG=30, d=0.5, p<0.01 . Es ist bekannt, dass die Stichproben der
beiden Untersuchungen gleich gro waren. Welche der folgenden Angaben sind korrekt? (2 zutreffende
Aussagen)
Beide Untersuchungen haben die gleiche Teststrke.
Die Untersuchung A hat die grere Teststrke als die Untersuchung B
Die Untersuchung B hat die grere Teststrke als die Untersuchung A
Beide Untersuchungen haben die gleiche Effektstrke. 0
In dem Test A ist der p-Wert grer 01 (p>0.01).
In dem Test A ist der p-Wert kleiner .01 (p<0.01)
Keine Aussage bezglich des p-Wertes in dem Test A kann getroffen werden
Welche Aussagen ber den -Fehler sind falsch (2 zutreffende Antworten)?
Es ist die Wahrscheinlichkeit zu unrecht die Nullhypothese beizubehalten.
Es ist die Wahrscheinlichkeit zu recht die Nullhypothese beizubehalten.
Es heit auch Fehler 2. Art
Die komplementre Wahrscheinlichkeit ist
Man kann damit die Teststrke berechnen.

Seine Gre hngt von der Alternativhypothese ab.


Es handelt sich um eine bedingte Wahrscheinlichkeit

2016
1)
a) Faktor der Emotionale Erschpfung beeinflusst:
durch Neurotizismus: = 0.6, p<0.001, Starke Korrelation
.95-Konfidenzintervall: SchtzerSE*Quantil = 0.590.09*t(n-p-1)0.95 = 0.590.09*1.66 = [0.44;0.74]
b) nicht standardisierten (B) und standardisierten Beta Koeffizienten sind hnlich: Welche
Schlussfolgerung
Standardabweichung der Beta Merkmale ist annhernd 1
c) Welche Persnlichkeitsvariablen durch Leistungsmangelwahrnehmung besonders relevant?
Wie viel Varianz in LeistungsmangelWhh wird durch Persnlichkeitsfaktor und
Zielorientierungsvariablen erklrt
Vertrglichkeit korreliert am strksten mit AV
29% Varianz durch 5 PK-Faktoren erklrt
29%+12%=41% Varianzaufklrung bei Modell 2
d) Testergebnis fr Hypothese Leistungsmangelwahrnehmung hngt mit 5 PK-Faktoren zusammen
Relevante Stichprobengre:
Nullhypothese: H0: b1 = b2 =... b5 = 0,

R2 / p
Teststatistik: V= (1R2 )/(n p1) F ( p ; n p1)
Testergebnis: (0.29/5)/((1-0.29)/(83-5-1))= 6.3
F(5; 77)= 6.3, p<0.001
Testrealisierung -> H0 verwerfen, mind. 1 Prdiktor sig. Einfluss auf die AV
e) Verbesserung des Regressionsmodells fr LeistungsmangelWhn durch Hinzunahme 3
Zielorientierungskraft
2

R =

0.29

H0: Delta

R2 =0

Verteilung Teststatistik: F(5,77)


Da Delta R2 =0.12, p<0.01 wird H0 bei

=0.05

abgelehnt, bei 0.001 beibehalten

f) Einfluss von Extraversion auf Leistungsmangelwahrnehmung ist in Modell 1 signifikant, in Modell 2


nicht mehr.
Ges: Nullhypothese.
H0: b=0 (Prdiktor sagt nichts voraus)
Modell1: Realisierung: (-0.023-0) /0.09 =-2.56, -> t(77)=-2.56, p>0.05
Modell2: (-0.16-0)/0.09 =-1.78,-> t(77)= -1.78, p>0.05
g) Vergleich Einfluss von Extraversion & Vertrglichkeit auf Depersonalisierung in Modell 1. Welche
hngt strker mit AV zusammen.
Vergleich von standardisierten Koeffizienten zeigt keinen Unterschied: = -0.38, p<0.001.
Betrachtung der nichtstandardisierten Koeffizienten (Annahme, dass beiden Variablen dieselbe Einheit
zugrunde liegt): Vertrglichkeit weist etwas hheren Zusammenhang auf.
2) a) Analysieren sie Stichprobenergebnis
% der Personen mit Vernderung
Vernderung: (240+808)/2975= 35%
keine Vernderung (362+1565)/2975 = 65%
Verbesserung:808/2975 = 27%
Verschlechterung: 240/2975 = 8.1%

Zahnfleisch bei beiden gesund:1565/2975


b) Anteil mit Vernderung > Anteil ohne Vernderung. Prfen mit Test, ob Unterschied zufallig ist
(Alpha=0.05)
rel. Stichprobenerg.:
H0: p0=0.5
H1: p0 0.5
Verteilung: X- ~B(n=2975, p=0.5), ZGWS: n*p 5; n(1-p) 5->
AB: (-;-1.96] [1.96;)
Da Realisierung im AB enthalten ist H0 verwerfen
c) SPSS Output Mc Nermar Test
Wie viele & welche Beobachtungen zur Berechnung der Teststatistik ntig
Statistische Hypothesen, Erwartungswert unter H0, Realisierung Teststatistik nachrechnen,
Ablehnungsbereich fr H0 =.01, R-Befehl fr p Wert, Testentscheidung, was ist Asymptotische
Signifikanz, Zweck Kontinuittskorrektur
Nur nderer relevant 808 Verbesserungen & 240 Verschlechterungen = 1048 Beobachtungen
H0: nderer sind gleichverteilt statistische H0: 2 = 0 Erwartungswert unter H0=0
bei Gleichverteilung wrde man jeweils (bei der Verbesserungsgruppe und der
Verschlechterungsgruppe) 524 nderer erwarten,

AB: 2(1)0.99 = 6.63 [6.63;)


Befehl: 1-pchisq(308,1)
Da Realisierung im AB H0 verwerfen
asympotithsche Signifikanz: Signifikanzaussage gilt nur fr groes n (die exakte Testung wre binomial
verteilt, daher muss der ZGWS gelten, um in die NV bzw. die 2 VT approximieren zu knnen. Da der
Mc Nemar Test sich auf eine 2 VT sttzt, muss das n ausreichend gro sein, damit der ZGWS greift)
Kontinuitt korrigiert bedeutet, dass die Werte angepasst werden, aufgrund des Verteilungswechsels.
Die ursprnglichen Werte sind binomial verteilt (diskret), durch Approximation sind sie dann 2-Verteilt
(stetig). Durch die Kontinuittskorrektur bekommt man eine bessere Approximation beim Wechsel von
diskrete in stetige VT.
d) Welcher Test Hypothesen aus c wenn 4 X untersucht
Name & Verteilung Teststatistik, Erwartungswert unter H0, Varianz Teststatistik, Ablehnungsbereich fr
H0 bei =.05
Cochran-Q-Test; 2 (k-1) da k=4 (4 Messzeitpunkte) 2 (3)
Erwartungswert unter H0 : 2 = 0
AB: 2(3)0.95 = 7.81 [7.81;)

3) a) Wie viele Personen befragt: df gesamt korrigiert = n-1 n = 54


b)Vergleich Einstellung Mnner und Frauen, Unterschied?
Deskriptiv unterscheiden sich Mnner und Frauen hinsichtlich ihrer Einstellung im Durchschnitt: vgl. die
beiden rechten Grafiken... in den Geschlechtergruppen zeigt sich, dass Frauen eine etwas hhere
Einstellung aufweisen im Schnitt als Mnner, dieser Unterschied nicht signifikant:
F(1,36)=3.556, p = 0.067 (getestete Nullhypothese: 1=2)
Effektstrke: 2 = QSzwischen/QSgesamt = 1.185/30.815 = 0.039 schwacher bis mittlerer Effekt
nach Cohen
c) Vergleich Einstellung der Altersgruppen, Unterschied?
F(2,36) = 17.389, p<0.001
(Alternativhypothese: mind. zwei unterscheiden sich)
Effektstrke: 2 = QSzwischen/QSgesamt = 11.593/30.815 = 0.376
-> gem Cohen ein starker Effekt Testverteilung: F(2,36)

d) Vergleich Einstellungen der Schichten. Unterschied?


Welcher Ablehnungsbereich wird H0 mOber=mMittel =mUnter bei Alpha=0.05
SPSS Output: Interaktion Alter x Schicht fr Alpha=0.05 signifikant. Zustandekommen der Interaktion?
Beschreibung Interaktion?
AB: [F(2,36)0.95;) = [3.25;)
IA: F(4,36)=3.889, p=0.01 -> da p<Alpha H0 verwerfen
Beschreibung IA: vgl. rechte Grafiken: z. B. junge Leute der Unterschicht weisen geringere
Einstellungswerte im Schnitt auf als die jungen Leute der beiden anderen Schichten. Im Vgl. hierzu
zeigt sich, dass bei den mittelalten die Unterschicht die grten Einstellungswerte aufweist...
e) SPSS- Output zeigt Ergebnis einer dreifaktoriellen ANOVA mit AV= Einstellung und dem UV=
Geschlecht, Alter, soziale Schicht.
Gte des Modells?
Gte des Gesamtmodells: R2 = 0.611 -> groe Gte, 61.1% Varianzaufklrung
Einflussfaktoren: Alter, Geschlecht, IA Alter x Schicht
Ergebnis: Insbesondere Alter kann Varianz in Einstellung aufklren. Schicht alleine betrachtet klrt
kaum Varianz auf, jedoch die Interaktion von Schicht und Alter.
Getestete Hypothesen: 3 Haupteffektshypothesen und 4 Interaktionshypothesen
Voraussetzungen: NV: aus Output nicht ersichtlich,
ZGWS greift nicht, da insgesamt n=40, somit knnen nicht in jeder Gruppe mind. 30 Personen sein.
Varianzhomo: aus Output nicht ersichtlich. Bei Verletzung: Reduzierung der df
Untersuchungstyp: Korrelative Studie
g) Effekte kausal interpretierbar? Welche?
Nein, keine Randomisierung, (nur Organismusvariablen) keine Kausalinterpretation zulssig
4) berprfung, Einkommen gleich ausgeben. 1000 Ehepaare befragt. Ergebnisse in geld.sav
a) Datei in R einlesen
b) Deskriptive Statistik (relevante) fr AEF berechnen
c) Vergleiche Boxplots beider Variablen in 1 Grafik
d) Erzeugen Streudiagramm mit Variablen AEF & AEM
e) Korrelation zwischen AEF & AEM f) D=AEF-AEM Histogramm fr D
g) Normalverteilungstest fr Variable D
h) Testen H0: D=0 mit Einstichproben T-Test (Variable D)
i) Testen H0: D=0 (AEF=AEM) T-Test Abhngige Stichproben (Variablen AEM AEF)
j) H0: D=0 Nichtparametrischer Test
MC- Teil:
Aufgabe 5) 2 richtig
Kovarianzanalyse ist im Prinzip Varianzanalyse mit den Regressionsresiduen
Vorteil Kovarianzanalyse: durch Bercksichtigung der Kovariaten Varianz innerhalb Gruppen
vergrert
Mgl., dass Koravianzanalyse sign. Ergebnnisse, auch wenn entsprechende
Varianzanalyse ohne Kovariate nicht sign
Kovarianzanalyse hat hhere Teststrke, weil sich Zahl der Freiheitsgrade reduziert
Ancova stets hhere Teststrke als Anova
Aufgabe 6) Wie verndert sich Teststrke (grer, kleiner, nicht)
Wenn sich Stichproben vergrern wird grer
Fehler verkleinern wird kleiner
z-Transformation der AV kein Unterschied
Merkmalsvarianz vergrert (gr Streuung kleinere Effektstrke kleinere Teststrke)?
Zweiseitig statt einseitig Testen kleiner
U-Test statt t-Test (Vorausstetzungen fr t-Test sind erfllt) kleiner
Aufgabe 7 (2richtig)
SE des Mittelwerts wird grer wenn Stichprobe vergrert
SE des Mittelwerts wird keiner wenn Stichprobe vergrert
SE des Mittelwerts ndert sich nicht wenn Stichprobe vergrert
SE des Mittelwerts wird grer wenn Merkmal reliabler erfasst

SE des Mittelwerts wird kleiner wenn Merkmal reliabler erfasst


SE des Mittelwerts ndert sich nicht wenn Merkmal reliabler erfasst
Aufgabe 8) (1 richtig)
Falls eine H0 bei Hypothesentest zu =.05 verworfen
H0 auch zu jedem anderen Signifikanzniveau verworfen
Auch zu =.01 verworfen
zu =.01 nicht verworfen
kann man ohne Kenntnis ber Wert Testgre nicht sagen ob H0 auch zu =.01 verworfen

Aufgabe 9) (1 richtig)
Abfllanlage fllt 0,2 Liter Bier ab, Hypothesentest gemacht ob im Schnitt ber oder unterfllt Bei
2seitigen Test H0: =0,2 nicht abgelehnt
Sollwert von Anlage aber nicht erfllt Bei Hypothesentest wurde Statistisch:
richtige Entscheidung getroffen
Fehler 1. Art mit Risiko gemacht
Fehler 2. Art mit
Fehler 2. Art mit
Fehler 1. Art mit
Aufgabe 10) 1 richtig
Welche Aussage fr H1 bei einseitigem Test mit unterer Grenze (linksseitiger Test) geeignet?
Mittelwert Stichprobe =5
Mittelwert Grundgesamtheit =5
Mittelwert Stichprobe < 5
Mittelwert Grundgesamtheit <5
Mittelwert Stichprobe 5
Mittelwert Grundgesamtheit 5
Mittelwert Stichprobe >5
Aufgabe 11) 2 richtig
Einfaktorielle Varianzanalyse: Gedchtnisleistung zwischen 3 Gruppen verglichen
Ergebnis ist signifikant Quadratsummenzerlegung von Typ 1&3 gleiches Ergebnis
Welche Aussagen knnen angenommen werden?
3 Mittelwerte gleich
Mittelwerte erster Gruppe muss sich sign. von einem der Mittelwerte der anderen Gruppen
unterscheiden
Varianz Mittelwerte >0
Varianz Mittelwerte <0
3 Mittelwerte verschieden
Varianz innerhalb grer als Varianz zwischen
Varianz innerhalb kleiner als Varianz zwischen
3 Gruppen sind gleich gro
Aufgabe 12) 3 richtig
Untersuchung A Ergebnis: MEG=40; MKG=30; d=1
Untersuchung B Ergebnis: MEG=40; MKG=30; d=0,5
p<0.01 Teststrke gleich
A & B gleiche Stichprobengren
A mehr Personen als in B
A weniger Personen als in B
Merkmalsvariabilitt A grer als in B
Merkmalsvariabilitt A kleiner als in B
Merkmalsvariabilitt A gleich wie in B
A & B gleiche Effektstrke
Test A p-Wert >0.01
Test A p-Wert <0.05
Kann keine Aussage bezglich p-Wert Test A kann getroffen werden
Aufgabe 13) 2 richtig
Aussagen zu Einzelvergleichen treffen zu

Nach Varianzanalyse sollten Einzelvergleiche in jedem Fall erfolgen auch wenn F-Test nicht
signifikant
Nur wenn a priori konkrete Hypothesen Scheffe Test
Nur wenn a priori konkrete Hypothesen Kontraste
Scheffe Test Tukeys Test vorzuziehen weil grere Power
A priori konkrete Hypotesen Kontraste bevorzugen da hhere Power als Scheffe oder
Tukeys Test
Bei Verwendung Kontraste: darauf achten, dass bei k Gruppen immer nur k+1 Kontraste voneinander
unabhngig
Aufgabe 14) 2 richtig
Unterschied in t-Test auf 1%-Niveau sign. Aussagen folgern?
P-Wert aus t-Test <0.05
Wre H0 richtig, wrde man in 99% der Flle nicht sign. Erg. Bekommen
Experiment sehr oft wiederholen 99% der Flle sign. Erg.
Annahme H0 richtig erwarten, dass max. 10 von 100 unabh. t-Tests sign. wren