Methoden der Psychologie Evaluation & Forschungsstrategien WS2011/12 Prof. Dr. G. Meinhardt Johannes Gutenberg Universität Mainz Methoden der Psychologie Prinzipien des statistischen Schliessens Sampling - Modellvorstellung Population Kennwerte Sampling Theoretische Statistik Stichprobe x Welche Verteilung von Kennwerten wird sich ergeben, Wenn man den Sampling Vorgang unendlich oft wiederholt? • Herleitung der Kennwerte-Verteilung (Sampling – Distribution) und Beschreibung ihrer Parameter. • Methoden zur Schätzung der Parameter aus Stichprobendaten • sowohl für univariate, als auch für multivariate Kennwerteverteilungen Methoden der Psychologie Sampling Distribution (1D) Univariate - Verteilung der Stichprobenmittelwerte Sampling - Modellvorstellung Population Bilde Mittelwert Stichprobe des Umfangs n 1. - mal: 2. - mal: k. - mal: x1 x1 xk x x1 x2 xk k- maliges Samplen von Stichproben derselben Größe n und Berechnen der Stichprobenmittelwerte führt auf eine Verteilung von Stichprobenmittelwerten (Sampling – Distribution) Methoden der Psychologie Mittelwerte Univariate - Verteilung der Stichprobenmittelwerte Sampling - Modellvorstellung Population k - Stichproben des Umfangs n x Verteilung von Stichprobenmitteln x1 x1 xk „Sampling Distribution“ Erwartungstreue Erwartungswert Erwartungswert E x E x Die Sampling Distribution hat denselben Erwartungswert wie die Population, aus der die Stichproben gezogen wurden. Schätzstatistiken, die denselben Erwartungswert haben wie die Population, heissen erwartungstreu. Stichprobenmittelwerte sind erwartungstreue Schätzungen des Populationsparameters Methoden der Psychologie Univariate - Verteilung der Stichprobenmittelwerte Sampling - Modellvorstellung Varianz Population k - Stichproben des Umfangs n 2 s Varianz 2 Erwartungstreue: Bias E s 2 2 1 2 n Verteilung von Stichprobenvarianzen s 2 1 sk2 s22 n 1 2 n 1 2 2 n E s 2 Die Stichprobenvarianz unterschätzt die Populationsvarianz tendenziell: Stichprobenvarianzen sind keine erwartungstreuen Schätzungen des Populationsvarianz 2 Methoden der Psychologie Univariate - Verteilung der Stichprobenmittelwerte Sampling - Modellvorstellung Bias-Faktor 1 E s 2 2 2 2 x2 n Der Bias bei der Schätzung der Pop.Varianz aus der Stichprobenvarianz ist die Varianz der Stichprobenmittelwerte. 1 n 1 2 E s 2 2 2 n n n 1 n 2 2 ˆ s x x i n 1 n 1 i 1 2 Erwartungstreue: Die Stichprobenvarianz berechnet aus korrigiertem Umfang n-1 ist eine erwartungstreue Schätzung der Populationsvarianz Methoden der Psychologie Central Limit Theorem Univariate - Verteilung der Stichprobenmittelwerte Die Verteilung von Sampling-Mittelwerten nähern sich mit wachsendem Umfang der Sample-Stichproben einer Normalverteilung an. Für n > 30 ist die Approximation schon gut. Wahrscheinlichkeitsdichte f x 1. E x E x 0.10 x 0.05 0.00 Theoretische Sampling Distribution Es gilt: 2 x x 2. + x +2 x x pop n x Die theoretische Sampling Distribution ist die Grundlage des statistischen Schliessens. Aussagen über den Zusammenhang von Stichprobenmittelwerten und Populationen werden mithilfe dieser Verteilung gewonnen (Inferenzstatistischer Schluss). Methoden der Psychologie Univariate - Verteilung der Stichprobenmittelwerte Anwendung KonfidenzIntervalle WKAussagen z- Verteilung 1. P x z1 / 2 x x + z1 / 2 x 1 2. P z1 / 2 x x + z1 / 2 x 1 1. Man habe einen Mittelwert aus einer Stichprobe der Größe n vorliegen. In welchem Bereich um den Mittelwert kann man den Populationsparameter mit der Wahrscheinlichkeit 1- erwarten? 2. Der Populationsparameter sei bekannt. In welchem Bereich um ihn liegen Mittelwerte mit der Wahrscheinlichkeit 1-? z0 x x P z z0 1 z0 Mit der Verteilungsfunktion der Standardnormalverteilung. Für n < 50 sollte die t- Verteilung mit df = n – 1 verwendet werden. Methoden der Psychologie Univariate - Verteilung der Stichprobenmittelwerte Hypothesen t - und F-Test H0: 0 t H1: 0 x 0 ˆ / n P t t 2 1 t ;df t mit df n 1 Es gilt t2 – FÄquivalenz tdf2 F1;df Äquivalenz von t- und F- Test TestÄquivalenz: Eine zweiseitige Wahrscheinlichkeitsbestimmung auf der t – Verteilung ist der (grundsätzlich einseitigen) Wahrscheinlichkeitsbestimmung auf der F - Verteilung äquivalent. x 0 2 1 t n x 0 ˆ x 0 ˆ / n 2 Bemerke: 2 Methoden der Psychologie Univariate Mittelwertevergleiche t- Test für unabhängige Stichproben H 0 : 1 0 H1 : 1 0 Hypothese (ungerichtet) x 0 H0: Der Erwartungswert der Differenzen von Mittelwerten ist Null f x Wahrscheinlichkeitsdichte Sampling Distribution 1. 2. 0.10 2 x x 0 x 0 x wird geschätzt aus beiden Stichproben 3. x ist t- verteilt. x 0.05 0.00 [t-Test ausführlich?] Es gilt: x 2 x x Methoden der Psychologie Univariate Mittelwertevergleiche t- Test für unabhängige Stichproben Statistik Entscheidung: a) Krit. t-Wert b) Überschreitungs-WK Voraussetzung t x x ˆ x 2 pooled 1 1 + n0 n1 Prüfgrösse t- verteilt mit n0 + n1 – 2 Freiheitsgraden t t df ;1 / 2 P t t Ablehnung von H0, sonst Beibehaltung oder Ablehnung von H0, sonst Beibehaltung 1. Für n0 + n1 < 50 normalverteilte Stichprobendaten 2. Homogene Stichprobenvarianzen 3. Unabhängige Messeinheiten innerhalb und zwischen den Samples. Methoden der Psychologie Univariate Mittelwertevergleiche t- Test für abhängige Stichproben H 0 : 1 0 H1 : 1 0 Hypothese (ungerichtet) 0 H0: Der Erwartungswert der Mittelwerte von Differenzen ist Null f Wahrscheinlichkeitsdichte Sampling Distribution Es gilt: 1. 2. 0.10 0.00 Differenzenstichprobe 3. ist t- verteilt. 0.05 2 0 0 wird geschätzt aus 2 Methoden der Psychologie Univariate Mittelwertevergleiche t- Test für abhängige Stichproben Statistik Entscheidung: a) Krit. t-Wert b) Überschreitungs-WK Voraussetzung t 1 s02 + s12 2Cov( x0 , x1 ) n 1 Prüfgrösse t- verteilt mit n – 1 Freiheitsgraden (n = Anzahl Paare) t t df ;1 / 2 P t t Ablehnung von H0, sonst Beibehaltung oder Ablehnung von H0, sonst Beibehaltung 1. Für n < 30 normalverteilte Stichprobendaten 2. Homogene Stichprobenvarianzen müssen nicht vorliegen 3. Korrelation der Meßreihen erhöht die Teststärke. Methoden der Psychologie Univariate und multivariate Mittelwertevergleiche Sample Meßeinheiten SamplingDistribution Test-Statistik univariat multivariat unabhängig abhängig unabhängig Differenzen von Mittelwerten gepoolte Varianzen Mittelwerte von Differenzen Differenzvektor von Centroiden Gepoolte Var-Covar Mat. t t T2 abhängig Centroide von Differenzvektoren T2 Multivariate Mittelwertsvergleiche sind die direkte Entsprechung zu univariaten Vergleichen. Es gelten dieselben Prinzipien, lediglich angewendet auf mehrstellige Mittelwerte-Vektoren und VarianzCovarianz Matrizen statt Varianzen.