Sprache des Artikels ändern
Last updated on 7. Juni 2024
- Alle
- Ingenieurwesen
- Statistik
Bereitgestellt von KI und der LinkedIn Community
1
Die Glockenkurve
2
Zentraler Grenzwertsatz
3
Signifikanzstufen
4
Z-Werte und P-Werte
Fügen Sie als Erste:r Ihre persönliche Berufserfahrung hinzu
5
Praktische Anwendungen
Fügen Sie als Erste:r Ihre persönliche Berufserfahrung hinzu
6
Hier ist, was Sie sonst noch beachten sollten
Hypothesentests, ein Eckpfeiler der statistischen Analyse, beruhen häufig auf der Normalverteilung, auch bekannt als Gaußsche Verteilung. Diese glockenförmige Kurve ist von grundlegender Bedeutung, da sie beschreibt, wie sich die Datenpunkte voraussichtlich um einen Mittelwert verteilen (Durchschnitt) Wert. Die meisten Naturphänomene folgen diesem Muster und gehen von einer symmetrischen Verteilung der Daten aus. Beim Testen von Hypothesen gehen Sie häufig davon aus, dass Ihre Stichprobendaten einer Normalverteilung folgen, insbesondere wenn Sie mit großen Stichprobengrößen arbeiten, da der Mittelwert von Stichproben aus einer Grundgesamtheit unabhängig von der Verteilung der Grundgesamtheit einer Normalverteilung entspricht.
Top-Expert:innen in diesem Artikel
Von der Community unter 5 Beiträgen ausgewählt. Mehr erfahren
Community Top Voice-Badge verdienen
Ergänzen Sie gemeinsame Artikel, um in Ihrem Profil für Ihre Expertise anerkannt zu werden. Mehr erfahren
- Amr ElFeky Management Information System Supervisor Analyst at Banque du Caire
1
1 Die Glockenkurve
Die Glockenkurve der Normalverteilung ist wichtig, um zu bestimmen, wie weit Ihre Stichprobendaten von dem abweichen, was unter der Nullhypothese erwartet wird – der Annahme, dass es keinen Effekt oder Unterschied gibt. Durch den Vergleich der Daten mit der Standardnormalverteilung können Sie einen Z-Wert berechnen, der angibt, wie viele Standardabweichungen der Datenpunkt vom Mittelwert beträgt. Wenn Ihr Z-Wert in die extremen Enden der Verteilung fällt, deutet dies darauf hin, dass Ihr beobachteter Effekt statistisch signifikant ist, und Sie können die Nullhypothese ablehnen.
Helfen Sie anderen, indem Sie mehr teilen (min. 125 Zeichen)
- Amr ElFeky Management Information System Supervisor Analyst at Banque du Caire
- Beitrag melden
Danke, dass Sie uns informiert haben. Dieser Beitrag wird Ihnen nicht mehr angezeigt.
We use the bell curve as it represents the normal pattern of our live, Assume that you have 20 students as example you'll find two of them an unique students the other two will require some effort to modify there performance because they under a good performance while others have an a good performance, So this pattern can well represented using a bell curve
Übersetzt
Gefällt mirGefällt mir
Applaus
Unterstütze ich
Wunderbar
Inspirierend
Lustig
2 Zentraler Grenzwertsatz
Der zentrale Grenzwertsatz (CLT) ist beim Testen von Hypothesen von entscheidender Bedeutung, da sie die Verwendung der Normalverteilung beim Umgang mit Stichprobenmittelwerten rechtfertigt. Sie besagt, dass die Verteilung der Stichprobenmittelwerte einer Normalverteilung entspricht, wenn die Stichprobengröße groß wird, unabhängig von der ursprünglichen Verteilung der Grundgesamtheit. Auf diese Weise können Sie normalverteilungsbasierte Methoden wie z-Tests verwenden, um auf die Grundgesamtheit zu schließen, auch wenn die ursprünglichen Daten nicht normalverteilt erscheinen.
Helfen Sie anderen, indem Sie mehr teilen (min. 125 Zeichen)
- Amr ElFeky Management Information System Supervisor Analyst at Banque du Caire
- Beitrag melden
Danke, dass Sie uns informiert haben. Dieser Beitrag wird Ihnen nicht mehr angezeigt.
In my experience if you have selected a randomly sample it will have the same characteristics of the population but you have select your random sample under the same role , for example if you analyse the difference between men and women in a school performance you must select them under the same category (age).
Übersetzt
Gefällt mirGefällt mir
Applaus
Unterstütze ich
Wunderbar
Inspirierend
Lustig
1
3 Signifikanzstufen
Beim Testen von Hypothesen sind Signifikanzniveaus vorgegebene Schwellenwerte für die Entscheidung, ob die Nullhypothese abgelehnt werden soll. Typischerweise auf 0,05 oder 5 % festgelegt, entspricht dieser Wert den Enden der Normalverteilungskurve. Datenpunkte, die über diesen Schwellenwert hinausgehen, werden als statistisch signifikant angesehen. Die Normalverteilung hilft Ihnen, den kritischen Wert zu bestimmen, d. h. den Z-Wert, der die Grenze dieses Signifikanzniveaus markiert.
Helfen Sie anderen, indem Sie mehr teilen (min. 125 Zeichen)
- Amr ElFeky Management Information System Supervisor Analyst at Banque du Caire
- Beitrag melden
Danke, dass Sie uns informiert haben. Dieser Beitrag wird Ihnen nicht mehr angezeigt.
Most of all applications and industries mentioned that significant levels 5% on other some industries like medicine you'll find it 1% ,it's very important to understand the reason of significant level or alpha because it'll lead you to reject or accept the Hypothesis test and will help you to avoid errors like error number 1 or error numbers 2
Übersetzt
Gefällt mirGefällt mir
Applaus
Unterstütze ich
Wunderbar
Inspirierend
Lustig
4 Z-Werte und P-Werte
Z-Scores sind ein Maß dafür, wie viele Standardabweichungen ein Element vom Mittelwert hat. P-Werte hingegen geben die Wahrscheinlichkeit an, Ihre Daten zu beobachten, oder etwas Extremeres, wenn die Nullhypothese wahr ist. Beide Statistiken basieren auf der Standardnormalverteilung. Ein kleiner p-Wert, der in der Regel kleiner als das Signifikanzniveau ist, weist darauf hin, dass Ihre Ergebnisse unter der Nullhypothese ungewöhnlich sind, und kann dazu führen, dass Sie sie ablehnen.
Helfen Sie anderen, indem Sie mehr teilen (min. 125 Zeichen)
5 Praktische Anwendungen
In der Praxis hilft Ihnen das Verständnis der Rolle der Normalverteilung beim Testen von Hypothesen, fundierte Entscheidungen zu treffen. Bei der Analyse von Umfragedaten oder Qualitätskontrollmessungen können Sie beispielsweise anhand von Normalverteilungsprinzipien beurteilen, ob beobachtete Variationen zufällig sind oder ob sie echte Unterschiede oder Änderungen in Ihrem Datensatz widerspiegeln. Dieses Verständnis ist entscheidend für Bereiche wie Medizin, Wirtschaft und Ingenieurwesen, in denen datengesteuerte Entscheidungen erhebliche Folgen haben können.
Helfen Sie anderen, indem Sie mehr teilen (min. 125 Zeichen)
6 Hier ist, was Sie sonst noch beachten sollten
Dies ist ein Ort, an dem Sie Beispiele, Geschichten oder Erkenntnisse austauschen können, die in keinen der vorherigen Abschnitte passen. Was möchten Sie noch hinzufügen?
Helfen Sie anderen, indem Sie mehr teilen (min. 125 Zeichen)
- Scott Burk Data and Analytics Doctor. 5X Author, AI/Data/Analytics Architect
- Beitrag melden
Danke, dass Sie uns informiert haben. Dieser Beitrag wird Ihnen nicht mehr angezeigt.
These answers are great for learning and understanding the power of parametric statistics. Traditionally, these were needed and still powerful when assumptions are satisfied. However, with computational power, simulation is a great way to solve. Generate an empirical distribution. Let me know if you have questions.
Übersetzt
Gefällt mirGefällt mir
Applaus
Unterstütze ich
Wunderbar
Inspirierend
Lustig
- Amr ElFeky Management Information System Supervisor Analyst at Banque du Caire
- Beitrag melden
Danke, dass Sie uns informiert haben. Dieser Beitrag wird Ihnen nicht mehr angezeigt.
In Hypothesis test Most of business statistics applications will use the t test cause simply you'll not find the population standard deviation so you'll sampling your data randomly according to the central limit theory then making a Hypothesis test depending on this sampling
Übersetzt
Gefällt mirGefällt mir
Applaus
Unterstütze ich
Wunderbar
Inspirierend
Lustig
Statistik
Statistik
+ Folgen
Diesen Artikel bewerten
Wir haben diesen Artikel mithilfe von KI erstellt. Wie finden Sie ihn?
Sehr gut Geht so
Vielen Dank für Ihr Feedback
Ihr Feedback ist privat. Mit „Gefällt mir“ oder durch Reagieren können Sie die Unterhaltung in Ihr Netzwerk bringen.
Feedback geben
Sagen Sie uns, warum Ihnen dieser Artikel nicht gefallen hat.
Wenn Sie der Meinung sind, dass etwas in diesem Artikel gegen unsere Community-Richtlinien verstößt, lassen Sie es uns wissen.
Diesen Artikel meldenVielen Dank, dass Sie uns informiert haben. Leider können wir nicht direkt antworten. Ihr Feedback trägt aber dazu bei, diese Erfahrung für alle Mitglieder zu verbessern.
Wenn Sie der Meinung sind, dass der Beitrag gegen unsere Community-Richtlinien verstößt, lassen Sie es uns wissen.
Diesen Artikel meldenWeitere Artikel zu Statistik
Keine weiteren vorherigen Inhalte
- Hier erfahren Sie, wie Sie Arbeitgeber beeindrucken und als Statistiker befördert werden können.
- Hier erfahren Sie, wie Sie das Wachstum und Lernen in einem statistischen Team durch Feedback-Techniken fördern können.
- Hier erfahren Sie, wie Sie die wichtigsten Eigenschaften eines selbstbewussten und durchsetzungsfähigen Statistikers verkörpern können. 1 Beitrag
- Hier erfahren Sie, wie Sie ein robustes professionelles Netzwerk in der Statistik aufbauen können.
- Hier erfahren Sie, wie Sie die Datenanalyse mit neuer Technologie verbessern können.
Keine weiteren nächsten Inhalte
Andere Kenntnisse ansehen
- Webentwicklung
- Programmieren
- Maschinelles Lernen
- Softwareentwicklung
- Informatik
- Data Engineering
- Datenanalytik
- Data Science
- Künstliche Intelligenz (KI)
- Cloud-Computing
Relevantere Lektüre
- Statistik Wie wählen Sie den richtigen statistischen Test für Ihre Hypothese aus?
- Statistik Wie wählen Sie den richtigen statistischen Test für Ihre Hypothesentests aus?
- Kritisches Denken Wie können fehlende Daten beim Testen von Hypothesen behoben werden?
- Statistik Wie unterscheidet sich der Standardfehler von der Standardabweichung in der Regression?
Helfen Sie mit, Beiträge zu verbessern.
Markieren Sie Beiträge als nicht hilfreich, wenn Sie sie für den Artikel irrelevant oder nicht nützlich finden. Dieses Feedback ist nur für Sie sichtbar und ist nicht öffentlich.
Beitrag für Sie ausgeblendet
Dieses Feedback wird niemals öffentlich zugänglich gemacht. Wir verwenden es dazu, bessere Beiträge für alle anzuzeigen.