Zusammenhangsmessung von Ute S. Hoffmann

(1)

video locked

Über den Vortrag

Der Vortrag „Zusammenhangsmessung“ von Ute S. Hoffmann ist Bestandteil des Kurses „Statistik I - Deskriptive Statistik“. Der Vortrag ist dabei in folgende Kapitel unterteilt:

  • Zusammenhangsmessung
  • CHI - Quadrat
  • Rangkorrelation Spearman
  • Korrelationskoeffizient Bravais - Pearson

Quiz zum Vortrag

  1. Phi-Koeffizient
  2. Cramer's T
  3. Rangkorrelationskoeffizient nach Spearman
  4. Rangkorrelationskoeffizient nach Bravais-Pearson
  5. Chini-Quadrat-Koeffizient
  1. Chi-Quadrat ist abhängig von der Stichprobengröße.
  2. Phi ist abhängig von der Stichprobengröße.
  3. Cramer's V ist abhängig von der Stichprobengröße.
  4. Cramer's V ist abhängig von der Kontigenztafelgröße.
  5. CHi-Quadrat ist unabhängig von der Kontigenztafelgröße.
  1. CHI-Quadrat-Maximum ist abhängig von dem Maximum der Kontigenztabellenangabe.
  2. Der CHI-Quadrat-Koeffizient ist abhängig von der Stichprobengröße.
  3. Zum Berechnen des CHI-Quadrat-Koeffizienten müssen die erwarteten Häufigkeiten bei Unabhängigkeit der Merkmale berechnet werden.
  4. Zur Berechnung des CHI-Quadrat-Koeffizienten werden sowohl Zeilen- als auch Spaltensummen benötigt.
  5. Zum Berechnen des CHI-Quadrat-Koeffizienten müssen die beobachteten absoluten Häufigkeiten einbezogen werden.
  1. Der Phi-Koeffizient ist abhängig von der Größe der Kontigenztafel.
  2. Der Phi-Koeffizient ist abhängig von Stichprobengröße.
  3. Der Phi-Koeffizient ist unabhängig von der Spaltenanzahl der Kontigenztafel.
  4. Der Phi-Koeffizient ist abhängig von der Standardabweichung.
  5. Zum darstellen von Zusammenhängen ist der CHI-Quadrat-Koeffizient besser geeignet als der Phi-Koeffizient.
  1. Ergibt Cramer's V 1, sind die untersuchten Merkmale vollständig abhängig.
  2. Cramer's V ist abhängig von der Stichprobengröße.
  3. Cramer's V ist abhängig von der Größe der Kontigenztafel.
  4. Cramer's V ist unabhängig von CHI-Quadrat.
  5. Cramer's V unterscheidet sich immer vom Phi-Koeffizienten.
  1. Der Datensatz wird sortiert und es werden Ränge vergeben.
  2. Man kann ihn auch ohne Rangfestlegung berechnen.
  3. Die Besonderheit ist, dass man auch Verhältnisskalierte Daten ohne Informationsverlust berechnen kann.
  4. Je mehr sich r der Zahl +1 oder -1 nähert, umso stärker ist der Zusammenhang der Merkmale.
  5. r = - 1 ist folgender Zusammenhang : Je mehr desto mehr ...
  1. Der Korrelationskoeffizient ist unabhängig von der Probengröße.
  2. Für die Berechnung der Rangkorrelation müssen die jeweiligen Ränge der zu untersuchenden Werte von einander abgezogen werden.
  3. Die Korrelation kann zwischen 0 und 1 liegen.
  4. Für die Berechnung der Rangkorrelation müssen die zu vergleichenden Werte sortiert vorliegen.
  5. Er ist ein Maß für die Korrelation, das heißt er misst wie gut eine Funktion den Zusammenhang zwischen zwei Variablen beschreibt.
  1. Der hier errechnete Korrelationskoeffizient nach Bravais-Pearson kann Werte annehmen, die zwischen -1 und +1 liegen.
  2. r = 0 bedeutet, dass es keine Abweichung im Zusammenhang gibt, und somit der beste Zusammenhang vorliegt.
  3. r = 1 ist folgender Zusammenhang: Je mehr desto weniger.....
  4. r = - 1 ist folgender Zusammenhang : Je mehr desto mehr ...
  5. Keine Aussage ist richtig.
  1. Sind die Merkmale voneinander unabhängig, so gilt r = 0.
  2. Erhält man r = 0 so besteht grundsätzlich kein Zusammenhang zwischen den Merkmalen.
  3. Je mehr sich r der Zahl +1 oder -1 nähert, umso kleiner ist der Zusammenhang der Merkmale.
  4. Das Vorzeichen "-" entspricht einer positiven Korrelation, da die umgekehrte Proportionalität in der Streuung vorliegt.
  5. Je weiter die Beochbachtungswerte von der Geraden abweichen, desto stärker nähert sich der Koeffizient dem Wert l 1 l.

Dozent des Vortrages Zusammenhangsmessung

 Ute S. Hoffmann

Ute S. Hoffmann

Ute S. Hoffmann studierte Mathematik und Deutsch (gymnasiales Lehramt) an der Eberhard-Karls Universität in Tübingen. Sie spezialisierte sich durch eine Weiterbildung im Bereich Lernblockaden, LRS und Dyskalkulie und ist damit im freiberuflichen Kontext für schulische und universitäre Träger tätig. Ein besonderer Schwerpunkt ihrer Arbeit ist es, gerade mathematische Themen so einfach wie möglich erscheinen zu lassen. Aktuell erweitert sie ihren Kompetenzen anhand eines Doppelstudiums der Psychologie (Fernuni Hagen) und der Statistik (LMU München).

Kundenrezensionen

(1)
5,0 von 5 Sternen
5 Sterne
5
4 Sterne
0
3 Sterne
0
2 Sterne
0
1  Stern
0