Skip to main content
SpringerLink
Log in

Zweistichprobenprobleme für unabhängige Stichproben

  • Chapter
  • First Online:
Einführung in die nichtparametrische Statistik mit SAS, R und SPSS

  • 5229 Accesses

Zusammenfassung

Ausgangspunkt sind zwei unabhängige Stichprobenvariablen \(X_1, \ldots , X_m\) und \(Y_1, \ldots , Y_n\) mit unbekannten stetigen Verteilungsfunktionen F und G. In diesem Kapitel werden Tests vorgestellt, die überprüfen, ob diese beiden Verteilungsfunktionen gleich sind oder nicht. Die allgemeinen Fragestellungen können genauer spezifiziert werden, je nach dem, was genau verglichen wird: Die Verteilungsfunktionen insgesamt – so genannte Omnibus-Tests – (Iterationstest von Wald-Wolfowitz, Kolmogorov-Smirnov-Test, Cramér-von-Mises-Test), die Lageparameter (Wilcoxon-Rangsummen test, Mann-Whitney-U-Test, van der Waerden \(X_N\)-Test, Median-Test) oder die Variabilitätsparameter (Siegel-Tukey-Test, Mood-Test, Ansari-Bradley-Test, Moses-Test). Abschließend werden Möglichkeiten gezeigt um Konfidenzintervalle für Lageunterschiede bzw. Variabilitätsunterschiede zu konstruieren.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 29.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 39.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Literatur

  1. Ansari, A.R., Bradley, R.A.: Rank-sum tests for dispersion. Ann. Math. Stat. 31(4), 1174–1189 (1960)

    Article  MathSciNet  Google Scholar 

  2. Baringhaus, L., Franz, C.: On a new multivariate two-sample test. J. Multivar. Anal. 88, 190–206 (2004)

    Article  MathSciNet  Google Scholar 

  3. Behr, A., Pötter, U.: Einführung in die Statistik mit R. Vahlen, München (2010)

    Book  Google Scholar 

  4. Bortz, J., Lienert, G.A.: Kurzgefasste Statistik für die klinische Forschung. Springer, Berlin (2008)

    Google Scholar 

  5. Bortz, J., Lienert, G.A., Boehnke, K.: Verteilungsfreie Methoden in der Biostatistik. Springer, Berlin (2008)

    Google Scholar 

  6. Brosius, F.: SPSS. Umfassendes Handbuch zu Statistik und Datenanalyse. mitp, Frechen (2018)

    Google Scholar 

  7. Brunner, E., Munzel, U.: Nichtparametrische Datenanalyse. Springer, Berlin (2013)

    Book  Google Scholar 

  8. Bühl, A.: SPSS 23. Einführung in die moderne Datenanalyse. Pearson, München (2016)

    Google Scholar 

  9. Büning, H., Trenkler, G.: Nichtparametrische statistische Methoden. De Gruyter, Berlin (1998)

    MATH  Google Scholar 

  10. Chang, D.K.: A note on the distribution of the Wilcoxon rank sum statistic. Stat. Probab. Lett. 13, 343–349 (1992)

    Article  MathSciNet  Google Scholar 

  11. Cody, R.: An Introduction to SAS University Edition. SAS Institute, Cary (2018)

    Google Scholar 

  12. D’Agostino, R.B.: Goodness-of-Fit Techniques. Dekker, New York (1986)

    MATH  Google Scholar 

  13. Dalgaard, P.: Introductory Statistics with R. Springer, New York (2008)

    Book  Google Scholar 

  14. Dolic, D.: Statistik mit R. Einführung für Wirtschafts- und Sozialwissenschaftler. Oldenbourg, München (2004)

    Book  Google Scholar 

  15. Dufner, J., Jensen, U., Schumacher, E.: Statistik mit SAS. Teubner, Wiesbaden (2004)

    Book  Google Scholar 

  16. Franz, C.: cramer: Multivariate Nonparametric Cramer-Test for the Two-Sample-Problem. R Package Version 0.9-1. https://CRAN.R-project.org/package=cramer (2014)

  17. Garren, S.T.: jmuOutlier: Permutation Tests for Nonparametric Statistics. R Package Version 1.4. https://CRAN.R-project.org/package=jmuOutlier (2018)

  18. Gibbons, J.D., Chakraborti, S.: Nonparametric Statistical Inference. Dekker, New York (1992)

    MATH  Google Scholar 

  19. Hald, A.: Statistical Tables and Formulas. Wiley, New York (1952)

    MATH  Google Scholar 

  20. Hedderich, J., Sachs, L.: Angewandte Statistik. Methodensammlung mit R. Springer, Berlin (2018)

    Book  Google Scholar 

  21. Hettmansperger, T.P.: Statistical Inference Based on Ranks. Krieger, Malabar (1991)

    MATH  Google Scholar 

  22. Hollander, M., Wolfe, D.A., Chicken, E.: Nonparametric Statistical Methods. Wiley, New York (2014)

    MATH  Google Scholar 

  23. Hothorn, T., Hornik, K.: exactRankTests: Exact Distributions for Rank and Permutation Tests. R Package Version 0.8-29. https://CRAN.R-project.org/package=exactRankTests (2017)

  24. Hothorn, T., Hornik, K., Wiel, M.A. van de, Zeileis, A.: A lego system for conditional inference. Am. Stat. 60(3), 257–263 (2006)

    Article  MathSciNet  Google Scholar 

  25. Hothorn, T., Hornik, K., Wiel, M.A. van de, Zeileis, A.: Implementing a class of permutation tests: the coin package. J. Stat. Softw. 28(8), 1–23 (2008)

    Google Scholar 

  26. Krämer, W., Schoffer, O., Tschiersch, L.: Datenanalyse mit SAS. Statistische Verfahren und ihre Aspekte. Springer, Berlin (2014)

    MATH  Google Scholar 

  27. Lehmann, E.L.: Nonparametrics. Statistical Methods Based on Ranks. Springer, New York (2006)

    Google Scholar 

  28. Lewis, P.A.W.: Distribution of the Anderson-Darling statistic. Ann. Math. Stat. 32(4), 1118–1124 (1961)

    Article  MathSciNet  Google Scholar 

  29. Milton, R.C.: An extended table of critical values for the Mann-Whitney (Wilcoxon) two-sample statistic. J. Am. Stat. Assoc. 59, 925–934 (1964)

    Article  MathSciNet  Google Scholar 

  30. Noether, G.E.: Elements of Nonparametric Statistics. Wiley, New York (1967)

    MATH  Google Scholar 

  31. R Core Team: R: A Language and Environment for Statistical Computing: A Graduate Course in Probability. R Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org/ (2018)

  32. Shapiro, S.S., Wilk, M.B.: An analysis of variance test for normality (complete samples). Biometrika 52, 591–611 (1965)

    Article  MathSciNet  Google Scholar 

  33. Sheskin, D.J.: Handbook of Parametric and Nonparametric Statistical Procedures. Chapman & Hall, Boca Raton (2011)

    MATH  Google Scholar 

  34. Signorell, A., et al.: DescTools: Tools for Descriptive Statistics. R Package Version 0.99.24 https://cran.r-project.org/package=DescTools (2018)

  35. Wald, A., Wolfowitz, J.: On a test whether two samples are from the same population. Ann. Math. Stat. 11(2), 147–162 (1940)

    Article  MathSciNet  Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Institut für Angewandte Statistik, Universität Linz, Linz, Österreich

    Christine Duller

Authors
  1. Christine Duller
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Christine Duller .

Rights and permissions

Reprints and permissions

Copyright information

© 2018 Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Duller, C. (2018). Zweistichprobenprobleme für unabhängige Stichproben. In: Einführung in die nichtparametrische Statistik mit SAS, R und SPSS. Springer Gabler, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-57678-6_5

Download citation

Publish with us

Policies and ethics

Search

Navigation