Statistik II f¨ ur Betriebswirte Vorlesung 5
Dr. Andreas W¨ unsche
TU Bergakademie Freiberg Institut f¨ur Stochastik
11. November 2019
Dr. Andreas W¨unsche Statistik II f¨ur Betriebswirte Vorlesung 5 Version: 23. Oktober 2019 1
Beispiel 5.3: Jahreseinkommen
I
Jahreseinkommen in 1000 Dollar in Abh¨ angigkeit vom Typ der T¨ atigkeit und der Region der USA.
Quelle: A. D. Aczel, J. Sounderpandian : Complete Business Statistics, McGraw Hill, 2006, Aufgabe 9-42 .
I
T¨ atigkeit
Region Typ I Typ II Typ III
54, 61, 59, 48, 50, 49, 71, 76, 65,
Ost 56, 70, 62, 60, 54, 52, 70, 68, 62,
63, 57, 68 49, 55, 53 73, 60, 79
52, 50, 58, 44, 49, 54, 61, 64, 69,
Zentral 59, 62, 57, 53, 51, 60, 58, 57, 63,
58, 64, 61 55, 47, 50 65, 63, 50
63, 67, 68, 65, 58, 62, 82, 75, 79,
West 72, 68, 75, 70, 57, 61, 77, 80, 69,
62, 65, 70 68, 65, 73 84, 83, 76
Box-Plots nach Region f¨ ur Beispiel 5.3
Ost
West
Zentral
Box-and-Whisker Plot
44 54 64 74 84
Jahreseinkommen
Region
Dr. Andreas W¨unsche Statistik II f¨ur Betriebswirte Vorlesung 5 Version: 23. Oktober 2019 3
ANOVA-Tabelle nach Region f¨ ur Beispiel 5.3
Statgraphics:
ANOVA Table for Jahreseinkommen by Region
Source Sum of Squares Df Mean Square F-Ratio P-Value Between groups 2520,99 2 1260,49 21,83 0,0000 Within groups 4504,15 78 57,7455
Total (Corr.) 7025,14 80
Box-Plots nach T¨ atigkeitstyp f¨ ur Beispiel 5.3
1
2
3
Box-and-Whisker Plot
44 54 64 74 84
Jahreseinkommen
Tätigkeitstyp
Dr. Andreas W¨unsche Statistik II f¨ur Betriebswirte Vorlesung 5 Version: 23. Oktober 2019 5
ANOVA-Tabelle nach T¨ atigkeitstyp f¨ ur Beispiel 5.3
Statgraphics:
ANOVA Table for Jahreseinkommen by Tätigkeitstyp
Source Sum of Squares Df Mean Square F-Ratio P-Value Between groups 2499,43 2 1249,72 21,54 0,0000 Within groups 4525,7 78 58,0218
Total (Corr.) 7025,14 80
5.2 Zweifache Varianzanalyse (Zweifache Klassifikation)
I
Bei einer zweifachen Varianzanalyse wird die Abh¨ angigkeit eines Merkmals X von zwei Faktoren A und B , die jeweils p bzw. q Stufen annehmen k¨ onnen, untersucht.
I
Beispiele:
X A B
Jahreseinkommen Region Typ der T¨ atigkeit
Ertrag Weizensorte Bodentyp
Produktionsleistung Maschinentyp Bediener
I
Die Kombination jeder Stufe des Faktors A mit jeder Stufe des Faktors B ergibt p · q Unterklassen oder Zellen.
I
F¨ ur die Stufenkombination (i , j ) (Stufe i f¨ ur Faktor A und Stufe j f¨ ur den Faktor B) gibt es jeweils n
ijMesswerte:
x
ijk, i = 1, . . . , p , j = 1, . . . , q, k = 1, . . . , n
ij.
Dr. Andreas W¨unsche Statistik II f¨ur Betriebswirte Vorlesung 5 Version: 23. Oktober 2019 7
Zweifache Varianzanalyse
I
Stimmen alle Anzahlen n
ij¨ uberein, n
ij= n , dann spricht man von einem balancierten Fall (”balanced design”; dann gibt es N = n p q Beobachtungen), im anderen Fall vom unbalancierten Fall
(”unbalanced design”).
I
Sind f¨ ur gewisse Stufenkombinationen keine Beobachtungswerte vorhanden, d.h. n
ij= 0 f¨ ur gewisse (i , j ) , dann spricht man von einem unvollst¨ andigen Fall (”incomplete design”) .
I
Liegen f¨ ur die Unterklassen n
ij(> 1) Wiederholungsmessungen vor, kommt man zu einer zweifachen Klassifikation mit mehrfacher Besetzung (oder mit Wiederholung).
I
Liegen f¨ ur die Unterklassen keine Wiederholungsmessungen vor, d.h.
gilt n ≡ n
ij= 1 , liegt eine zweifache Klassifikation mit einfacher
Besetzung (oder ohne Wiederholung) vor.
Zweifache Varianzanalyse, ohne Wechselwirkung, balanciert
I
Modellgleichung:
X
ijk= µ + α
i+ β
j+ ε
ijk, i = 1, . . . , p, j = 1, . . . , q , k = 1, . . . , n , mit µ allgemeiner Mittelwert (Erwartungswert);
α
iEffekte der Stufen von A ; β
jEffekte der Stufen von B ; ε
ijkzuf¨ allige Fehler .
I
Es gelten die Reparametrisierungsbedingungen
α
1+ . . . + α
p= 0 ; β
1+ . . . + β
q= 0 .
I
Voraussetzung: Die Zufallsgr¨ oßen ε
ijksind unabh¨ angig und identisch verteilt nach N(0, σ
2) mit unbekanntem σ
2.
I
Hypothesen:
H
0A: α
1= . . . = α
p= 0 gegen H
AA: α
i6= 0 f¨ ur mind. ein i ; H
0B: β
1= . . . = β
q= 0 gegen H
AB: β
j6= 0 f¨ ur mind. ein j .
Dr. Andreas W¨unsche Statistik II f¨ur Betriebswirte Vorlesung 5 Version: 23. Oktober 2019 9
Mittelwerte zum F-Test (balancierter Fall)
I
Gesamt-Mittelwert:
X
•••= 1 N
q
X
j=1 p
X
i=1 n
X
k=1
X
ijk, N = n p q .
I
Mittelwert in der i-ten Stufe des Faktors A:
X
i••= 1 nq
q
X
j=1 n
X
k=1
X
ijk, i = 1, . . . , p .
I
Mittelwert in der j -ten Stufe des Faktors B:
X
•j•= 1 np
p
X
i=1 n
X
k=1
X
ijk, j = 1, . . . , q .
Mittelwerte f¨ ur Beispiel 5.3 Jahreseinkommen
Statgraphics:
Analysis of Variance for Jahreseinkommen - Type I Sums of Squares Source Sum of Squares Df Mean Square F-Ratio P-Value MAIN EFFECTS
A:Region 2520,99 2 1260,49 47,79 0,0000 B:Tätigkeitstyp 2499,43 2 1249,72 47,38 0,0000 RESIDUAL 2004,72 76 26,3778
TOTAL (CORRECTED)
7025,14 80
All F-ratios are based on the residual mean square error.
Table of Least Squares Means for Jahreseinkommen with 95,0% Confidence Intervals
Stnd. Lower Upper Level Count Mean Error Limit Limit GRAND MEAN 81 62,6173
Region
Ost 27 60,8889 0,988411 58,9203 62,8575 West 27 70,1481 0,988411 68,1796 72,1167 Zentral 27 56,8148 0,988411 54,8462 58,7834 Tätigkeitstyp
1 27 62,2593 0,988411 60,2907 64,2279
2 27 56,0 0,988411 54,0314 57,9686
3 27 69,5926 0,988411 67,624 71,5612
Dr. Andreas W¨unsche Statistik II f¨ur Betriebswirte Vorlesung 5 Version: 23. Oktober 2019 11
Streuungszerlegung beim F-Test (balancierter Fall)
I
Gesamt-Streuung (Totale Quadratsumme):
SST = SSA + SSB + SSR
I
Quadratsummen der Faktoren:
SSA = nq
p
X
i=1
(X
i••− X
•••)
2(Unterschiede zw. den Stufen von A)
SSB = np
q
X
j=1
(X
•j•− X
•••)
2(Unterschiede zw. den Stufen von B)
I
Totale Quadratsumme und Restquadratsumme:
SST =
p
X
i=1 q
X
j=1 n
X
k=1
(X
ijk− X
•••)
2(Totale Quadratsumme)
SSR =
p
X
i=1 q
X
j=1 n
X
k=1
(X
ijk− X
i••− X
•j•+ X
•••)
2(Restquadratsumme)
F-Test (balancierter Fall)
I
Hypothesen:
H
0A: α
1= . . . = α
p= 0 gegen H
AA: α
i6= 0 f¨ ur mind. ein i und
H
0B: β
1= . . . = β
q= 0 gegen H
AB: β
j6= 0 f¨ ur mind. ein j .
I
Gemittelte Quadratsummen:
MSA = SSA
p − 1 , MSB = SSB
q − 1 und MSR = SSR N − p − q + 1 .
I
Testgr¨ oßen: T
A= MSA
MSR und T
B= MSB MSR .
I
Kritische Bereiche:
K
A= {t ∈ R : t > F
p−1;N−p−q+1;1−α} f¨ ur T
Aund K
B= {t ∈ R : t > F
q−1;N−p−q+1;1−α} f¨ ur T
B.
Dr. Andreas W¨unsche Statistik II f¨ur Betriebswirte Vorlesung 5 Version: 23. Oktober 2019 13
ANOVA-Tabelle (ANOVA-Tafel) (balancierter Fall)
Quelle der Summe der Freiheits- Mittlere
Variation Quadrate grade Quadrate Testgr¨ oße Zwischen
Stufen SSA p − 1 MSA T
A= MSA
MSR von A
Zwischen
Stufen SSB q − 1 MSB T
B= MSB
von B MSR
Rest SSR N − p − q + 1 MSR
Gesamt-
streuung SST N − 1
Dabei gilt N = n · p · q .
ANOVA-Tafel f¨ ur Beispiel 5.3 Jahreseinkommen
Statgraphics:
Analysis of Variance for Jahreseinkommen - Type I Sums of Squares Source Sum of Squares Df Mean Square F-Ratio P-Value MAIN EFFECTS
A:Region 2520,99 2 1260,49 47,79 0,0000 B:Tätigkeitstyp 2499,43 2 1249,72 47,38 0,0000 RESIDUAL 2004,72 76 26,3778
TOTAL (CORRECTED)
7025,14 80
All F-ratios are based on the residual mean square error.
Table of Least Squares Means for Jahreseinkommen with 95,0% Confidence Intervals
Stnd. Lower Upper
Level Count Mean Error Limit Limit
GRAND MEAN 81 62,6173 Region
Ost 27 60,8889 0,988411 58,9203 62,8575
West 27 70,1481 0,988411 68,1796 72,1167 Zentral 27 56,8148 0,988411 54,8462 58,7834 Tätigkeitstyp
1 27 62,2593 0,988411 60,2907 64,2279
2 27 56,0 0,988411 54,0314 57,9686
3 27 69,5926 0,988411 67,624 71,5612
Dr. Andreas W¨unsche Statistik II f¨ur Betriebswirte Vorlesung 5 Version: 23. Oktober 2019 15
Sch¨ atzungen: Gesamterwartungswert und Effekte (balancierter Fall)
I
Gesamterwartungswert:
ˆ
µ = X
•••.
I
Effekt vom Faktor A auf Stufe i : ˆ
α
i= X
i••− X
•••.
I
Effekt vom Faktor B auf Stufe j :
β ˆ
j= X
•j•− X
•••.
I
Im Beispiel 5.3:
ˆ
µ = 62.6173 , ˆ
α
1= −1.7284 , α ˆ
2= 7.5308 , α ˆ
3= −5.8025 ,
β ˆ
1= −0.358 , β ˆ
2= −6.6173 , β ˆ
3= 6.9753 .
Modell der zweifachen Varianzanalyse mit Wechselwirkung, balanciert
I
Modellgleichung:
X
ijk= µ + α
i+ β
j+ γ
ij+ ε
ijk,
(i = 1, . . . , p, j = 1, . . . , q, k = 1, . . . , n) µ allgemeiner Mittelwert (Erwartungswert);
α
iEffekte der Stufen von A ; β
jEffekte der Stufen von B ;
γ
ijEffekt durch Wechselwirkung von A und B ; ε
ijkzuf¨ allige Fehler .
I
Es gelten die Reparametrisierungsbedingungen
α
1+ . . . + α
p= 0 ; β
1+ . . . + β
q= 0 ; γ
i1+ . . . + γ
iq= 0 f¨ ur i = 1, . . . , p ; γ
1j+ . . . + γ
pj= 0 f¨ ur j = 1, . . . , q .
Dr. Andreas W¨unsche Statistik II f¨ur Betriebswirte Vorlesung 5 Version: 23. Oktober 2019 17
Voraussetzung, Hypothesen F −Test (balancierter Fall)
I
Voraussetzung: Die Zufallsgr¨ oßen
ε
ijk, i = 1, . . . , p , j = 1, . . . , q , k = 1, . . . , n
sind unabh¨ angig und normalverteilt mit Erwartungswert 0 und einer
¨ ubereinstimmenden Varianz σ
2(die unbekannt ist).
I
Hypothesen:
H
0A: α
1= . . . = α
p= 0 gegen H
AA: α
i6= 0 f¨ ur mind. ein i und
H
0B: β
1= . . . = β
q= 0 gegen H
AB: β
j6= 0 f¨ ur mind. ein j und
H
0AB: γ
11= . . . = γ
pq= 0 gegen H
AAB: γ
ij6= 0
f¨ ur mind. ein (i , j ) .
Mittelwerte zum F-Test (balancierter Fall)
I
Gesamt-Mittelwert:
X
•••= 1 N
q
X
j=1 p
X
i=1 n
X
k=1
X
ijk, N = n · p · q .
I
Mittelwerte der Stufen der Faktoren:
Faktor A : X
i••= 1 nq
q
X
j=1 n
X
k=1
X
ijk,
Faktor B : X
•j•= 1 np
p
X
i=1 n
X
k=1
X
ijk.
I
Mittelwert in der i-ten Sufe des Faktors A und der j -ten Stufe des Faktors B :
X
ij•= 1 n
n
X
k=1
X
ijk.
Dr. Andreas W¨unsche Statistik II f¨ur Betriebswirte Vorlesung 5 Version: 23. Oktober 2019 19
Mittelwerte f¨ ur Beispiel 5.3 (Statgraphics)
Analysis of Variance for Jahreseinkommen - Type I Sums of Squares Source Sum of Squares Df Mean Square F-Ratio P-Value MAIN EFFECTS
A:Region 2520,99 2 1260,49 50,64 0,0000 B:Tätigkeitstyp 2499,43 2 1249,72 50,21 0,0000 INTERACTION
S
AB 212,716 4 53,179 2,14 0,0850
RESIDUAL 1792,0 72 24,8889
TOTAL (CORRECTED)
7025,14 80
All F-ratios are based on the residual mean square error.
Table of Least Squares Means for Jahreseinkommen with 95,0% Confidence Intervals
Stnd. Lower Upper
Level Count Mean Error Limit Limit
GRAND MEAN 81 62,6173 Region
Ost 27 60,8889 0,96011 58,9749 62,8028
West 27 70,1481 0,96011 68,2342 72,0621
Zentral 27 56,8148 0,96011 54,9009 58,7288 Tätigkeitstyp
1 27 62,2593 0,96011 60,3453 64,1732
2 27 56,0 0,96011 54,0861 57,9139
3 27 69,5926 0,96011 67,6786 71,5065
Region by Tätigkeitstyp
Ost,1 9 61,1111 1,66296 57,7961 64,4262
Ost,2 9 52,2222 1,66296 48,9072 55,5373
Ost,3 9 69,3333 1,66296 66,0183 72,6484
West,1 9 67,7778 1,66296 64,4627 71,0928 West,2 9 64,3333 1,66296 61,0183 67,6484 West,3 9 78,3333 1,66296 75,0183 81,6484 Zentral,1 9 57,8889 1,66296 54,5738 61,2039 Zentral,2 9 51,4444 1,66296 48,1294 54,7595 Zentral,3 9 61,1111 1,66296 57,7961 64,4262
Streuungszerlegung beim F-Test (balancierter Fall)
I
Gesamt-Streuung (Totale Quadratsumme):
SST = SSA + SSB + SS(AB) + SSR .
I
Totale Quadratsumme und Quadratsummen der Faktoren:
SST , SSA und SSB wie im Modell ohne Wechselwirkung, balanciert (siehe Folie 12).
I
Quadratsumme der Wechselwirkungen:
SS(AB) = n
p
X
i=1 q
X
j=1
(X
ij•− X
i••− X
•j•+ X
•••)
2.
I
Rest Quadratsumme:
SSR =
p
X
i=1 q
X
j=1 n
X
k=1
(X
ijk− X
ij•)
2.
Dr. Andreas W¨unsche Statistik II f¨ur Betriebswirte Vorlesung 5 Version: 23. Oktober 2019 21
Testgr¨ oßen und kritische Bereiche (balancierter Fall)
I
Gemittelte Quadratsummen:
MSA = SSA
p − 1 , MSB = SSB
q − 1 , MS(AB) = SS(AB) (p − 1)(q − 1)
und MSR = SSR
N − pq .
I
Testgr¨ oßen:
T
A= MSA
MSR , T
B= MSB
MSR und T
AB= MS(AB) MSR .
I
Kritische Bereiche:
K
A= {t ∈ R : t > F
p−1;N−pq;1−α} f¨ ur T
Aund
K
B= {t ∈ R : t > F
q−1;N−pq;1−α} f¨ ur T
Bund
K
AB= {t ∈ R : t > F
(p−1)(q−1);N−pq;1−α} f¨ ur T
AB.
ANOVA-Tabelle (balancierter Fall)
Quelle der Summe der Freiheits- Mittlere
Variation Quadrate grade Quadrate Testgr¨ oße Zwischen
Stufen SSA p − 1 MSA T
A= MSA
MSR von A
Zwischen
Stufen SSB q − 1 MSB T
B= MSB
von B MSR Wechsel-
wirkung SS(AB) (p − 1)(q − 1) MS(AB) T
AB= MS(AB) zw. A, B MSR
Rest SSR N − pq MSR
Gesamt-
streuung SST N − 1
Dr. Andreas W¨unsche Statistik II f¨ur Betriebswirte Vorlesung 5 Version: 23. Oktober 2019 23
ANOVA-Tafel f¨ ur Beispiel 5.3 Jahreseinkommen
Statgraphics:
Analysis of Variance for Jahreseinkommen - Type I Sums of Squares Source Sum of Squares Df Mean Square F-Ratio P-Value MAIN EFFECTS
A:Region 2520,99 2 1260,49 50,64 0,0000 B:Tätigkeitstyp 2499,43 2 1249,72 50,21 0,0000 INTERACTION
S
AB 212,716 4 53,179 2,14 0,0850
RESIDUAL 1792,0 72 24,8889
TOTAL (CORRECTED)
7025,14 80
All F-ratios are based on the residual mean square error.
Table of Least Squares Means for Jahreseinkommen with 95,0% Confidence Intervals
Stnd. Lower Upper
Level Count Mean Error Limit Limit
GRAND MEAN 81 62,6173 Region
Ost 27 60,8889 0,96011 58,9749 62,8028
West 27 70,1481 0,96011 68,2342 72,0621
Zentral 27 56,8148 0,96011 54,9009 58,7288 Tätigkeitstyp
1 27 62,2593 0,96011 60,3453 64,1732
2 27 56,0 0,96011 54,0861 57,9139
3 27 69,5926 0,96011 67,6786 71,5065
Region by Tätigkeitstyp
Ost,1 9 61,1111 1,66296 57,7961 64,4262
Ost,2 9 52,2222 1,66296 48,9072 55,5373
Ost,3 9 69,3333 1,66296 66,0183 72,6484
West,1 9 67,7778 1,66296 64,4627 71,0928
West,2 9 64,3333 1,66296 61,0183 67,6484
West,3 9 78,3333 1,66296 75,0183 81,6484
Zentral,1 9 57,8889 1,66296 54,5738 61,2039 Zentral,2 9 51,4444 1,66296 48,1294 54,7595 Zentral,3 9 61,1111 1,66296 57,7961 64,4262
Dr. Andreas W¨unsche Statistik II f¨ur Betriebswirte Vorlesung 5 Version: 23. Oktober 2019 24
Wechselwirkungs-Diagramm (Interaction Plot) Beispiel 5.3 Jahreseinkommen (Statgraphics)
Dr. Andreas W¨unsche Statistik II f¨ur Betriebswirte Vorlesung 5 Version: 23. Oktober 2019 25
Sch¨ atzung der Wechselwirkungseffekte (balancierter Fall)
I
Wechselwirkungseffekt Faktor A auf Stufe i und Faktor B auf Stufe j :
ˆ
γ
ij= X
ij•− X
i••− X
•j•+ X
•••.
I
Im Beispiel 5.3:
ˆ
γ
11= 0.5802 , ˆ γ
12= −2.0494 , ˆ γ
13= 1.4691, ˆ
γ
21= −2.0123 , ˆ γ
22= 0.8025 , ˆ γ
23= 1.2099 , ˆ
γ
31= 1.4321 , ˆ γ
32= 1.2469 , ˆ γ
33= −2.679 .
Friedman-Test
I
Ausgangspunkt:
Stichprobe i Block j 1 2 3 . . . c
1 x
11x
21x
31. . . x
c12 x
12x
22x
32. . . x
c23 x
13x
23x
33. . . x
c3.. . .. . .. . .. . . .. .. .
n x
1nx
2nx
3n. . . x
cnI
Es liegen c verbundene ( abh¨ angige ) Stichproben vom Umfang n vor. Die Daten werden in n Bl¨ ocken (Objekte, Individuen) erfasst und jeder Block umfasst f¨ ur jede der c Stichproben einen
Stichprobenwert. Damit liegen die Daten wie bei der zweifachen Klassifikation mit einfacher Besetzung vor.
Dr. Andreas W¨unsche Statistik II f¨ur Betriebswirte Vorlesung 5 Version: 23. Oktober 2019 27
Modell und Hypothesen f¨ ur den Friedman-Test
I
Modell:
X
ij= µ + α
i+ β
j+ ε
ij, i = 1, . . . , c , j = 1, . . . , n ; α
iist der zu untersuchende Stichprobeneffekt und β
jein unbekannter Blockeffekt.
I
Es wird jetzt nur vorausgesetzt, dass die Zufallsgr¨ oßen ε
ijunabh¨ angig und identisch verteilt mit stetiger Verteilung sind.
I
Hypothesen:
H
0: α
1= . . . = α
c= 0 gegen H
A: α
i6= 0 f¨ ur mind. ein i .
I
Unterschied zum Kruskal-Wallis-Test:
Im zugrunde liegenden Modell des Kruskal-Wallis-Tests X
ij= µ + α
i+ ε
ij, i = 1, . . . , p , j = 1, . . . , n , werden die zeilenweisen Unterschiede allein durch zuf¨ allige
Schwankungen erkl¨ art, w¨ ahrend im Modell f¨ ur den Friedman-Test
noch ein Block-Effekt ber¨ ucksichtigt wird.
Testgr¨ oße und kritischer Bereich f¨ ur den Friedman-Test
I
Zum Test werden Rangzahlen in jedem Block (Zeile) nach den
¨ ublichen Regeln vergeben. Diese werden mit r
ijbezeichnet, d.h. f¨ ur den Block j erh¨ alt man die Werte r
1j, . . . , r
cj, die alle im Bereich von 1 bis c liegen.
I
Dann werden die Rangzahlensummen in jeder Stichprobe berechnet, R
i=
n
X
j=1
r
ij, j = 1, . . . , c .
I
Testgr¨ oße ohne Bindungen:
T = 12 nc(c + 1)
c
X
i=1
R
i2− 3n(c + 1) .
I
Gibt es in den beobachteten Daten Bindungen, so ist die Testgr¨ oße durch einen Korrekturfaktor zu modifizieren.
I
Kritischer Bereich: (asympt.) K = {t ∈ R : t > χ
2c−1;1−α} .
Dr. Andreas W¨unsche Statistik II f¨ur Betriebswirte Vorlesung 5 Version: 23. Oktober 2019 29
Beispiel 5.4 Krebs erzeugende Substanz in Zigarettensorten
Quelle: J. Hartung : Statistik, Oldenbourg Verlag 2009, Kap. XI , Abschnitt 2.1 .
Gehalt in Zigarettensorte i
1 2 3 4
Labor j x
1jr
1jx
2jr
2jx
3jr
3jx
4jr
4j1 3 2 6 4 5 3 1 1
2 7 2 21 4 12 3 5 1
3 5 2 17 4 8 3 3 1
4 24 4 14 3 4 2 1 1
5 6 1 19 4 13 3 7 2
6 3 2 13 4 6 3 1 1
R
i13 23 17 7
T = 12
6 · 4 · 5 13
2+ 23
2+ 17
2+ 7
2− 3 · 6 · 5 = 13.6 > 7.81 = χ
23;0.95Friedman-Test (Statgraphics in deutsch) f¨ ur Beispiel 5.4
Friedman-Test in Statgraphics:
Vergleichen → Mehrere Stichproben → Vergleich mehrerer Stichproben...
F¨ ur den Friedman-Test m¨ ussen die Daten in mehrere Datenspalten aufgeteilt sein.
Im Auswahlfenster f¨ ur Tabellen und Grafiken unter TABELLEN Kruskal-Wallis- und Friedman-Test aktivieren
Rechtsklick ins Ergebnisfenster ”Kruskal-Wallis-Test” → unter Ergebnisfenster-Optionen... Friedman-Test ausw¨ ahlen
Friedman-Test
St.pr.umfang Mittlerer Rang
Sorte1 6 2,16667
Sorte2 6 3,83333
Sorte3 6 2,83333
Sorte4 6 1,16667
Teststatistik = 13,6 p-Wert = 0,00350325
Der StatAdvisor
Der Friedman-Test überprüft die Null-Hypothese, dass die Mediane innerhalb der 4 Spalten alle gleich sind. Die Daten in jeder Zeile werden in eine Rangfolge vom kleinsten zum größten Wert gebracht. Anschließend wird für jede Spalte die mittlere Rangzahl berechnet. Da der p-Wert kleiner ist als 0,05, existiert ein statistisch signifikanter Unterschied zwischen den Medianen bei einem 95,0%-Konfidenzniveau. Um herauszufinden, welcher der Mediane sich signifikant von anderen unterscheidet, wählen Sie das Box-Whisker-Plot aus der Liste der Grafiken und verwenden die Option
"Median-Kerbe".
Dr. Andreas W¨unsche Statistik II f¨ur Betriebswirte Vorlesung 5 Version: 23. Oktober 2019 31