Advertisement

Einstichprobenprobleme

  • Christine DullerEmail author
Chapter

Zusammenfassung

In diesem Kapitel werden wesentliche Tests beschrieben, die auf Informationen über ein einziges Merkmal beruhen. Ein wichtiger Bereich bilden dabei die Tests auf Verteilungsanpassung (Goodness-of-fit-Test), mit denen man überprüfen kann, ob Daten einer gewünschten Verteilung entsprechen. Ein zweiter Bereich beschäftigt sich mit dem Testen von Hypothesen über einen Anteil (Binomialtest). Der Anwendungsbereich für Binomialtests ist sehr umfassend, beispielsweise können damit auch Quantile getestet werden. Nichtparametrische Tests für Lageparameter bilden die verteilungsfreie Ergänzung zum t-Test und basieren auf Rangstatistiken. Neben dem allgemeinen Prinzip der Rangstatistiken werden in diesem Kapitel auch einige spezielle Tests beschrieben. Ein Zufälligkeitstest überprüft, ob eine Stichprobe tatsächlich voneinander unabhängige Ziehungen enthält. Nachdem diese Zufälligkeit bei vielen Verfahren vorausgesetzt wird rundet dieser Test die wesentlichen Tests zu eindimensionalen Fragestellungen ab. Abgeschlossen wird das Kapitel mit den Themen Konfidenzbereiche für Verteilungsfunktionen und Konfidenzintervalle für Anteile.

Literatur

  1. 1.
    Arens, T., Hettlich, F., Karpfinger, C., Kockelkorn, U., Lichtenegger, K., Stachel, H.: Ergänzungen und Vertiefungen zu Mathematik. Springer, Berlin (2017)CrossRefGoogle Scholar
  2. 2.
    Arnholt, A.T., Evans, B.: BSDA: Basic Statistics and Data Analysis. R Package Version 1.2.0. https://CRAN.R-project.org/package=BSDA (2015)
  3. 3.
    Behr, A., Pötter, U.: Einführung in die Statistik mit R. Vahlen, München (2010)CrossRefGoogle Scholar
  4. 4.
    Bortz, J., Lienert, G.A.: Kurzgefasste Statistik für die klinische Forschung. Springer, Berlin (2008)Google Scholar
  5. 5.
    Bortz, J., Lienert, G.A., Boehnke, K.: Verteilungsfreie Methoden in der Biostatistik. Springer, Berlin (2008)Google Scholar
  6. 6.
    Brosius, F.: SPSS. Umfassendes Handbuch zu Statistik und Datenanalyse. mitp, Frechen (2018)Google Scholar
  7. 7.
    Brown, L., Cai, T., DasGupta, A.: Interval estimation for a binomial proportion. Stat. Sci. 16(2), 101–117 (2001)MathSciNetzbMATHGoogle Scholar
  8. 8.
    Brunner, E., Munzel, U.: Nichtparametrische Datenanalyse. Springer, Berlin (2013)CrossRefGoogle Scholar
  9. 9.
    Bühl, A.: SPSS 23. Einführung in die moderne Datenanalyse. Pearson, München (2016)Google Scholar
  10. 10.
    Büning, H., Trenkler, G.: Nichtparametrische statistische Methoden. De Gruyter, Berlin (1998)zbMATHGoogle Scholar
  11. 11.
    Clopper, C.J., Pearson, E.S.: The use of confidence or fiducial limits illustrated in the case of the binomial. Biometrika 26(4), 404–413 (1934)CrossRefGoogle Scholar
  12. 12.
    Cody, R.: An Introduction to SAS University Edition. SAS Institute, Cary (2018)Google Scholar
  13. 13.
    D’Agostino, R.B.: Goodness-of-Fit Techniques. Dekker, New York (1986)zbMATHGoogle Scholar
  14. 14.
    Dalgaard, P.: Introductory Statistics with R. Springer, New York (2008)CrossRefGoogle Scholar
  15. 15.
    Dolic, D.: Statistik mit R. Einführung für Wirtschafts- und Sozialwissenschaftler. Oldenbourg, München (2004)CrossRefGoogle Scholar
  16. 16.
    Dorai-Raj, S.: binom: Binomial Confidence Intervals For Several Parameterizations. R Package Version 1.1-1. https://CRAN.R-project.org/package=binom (2014)
  17. 17.
    Dufner, J., Jensen, U., Schumacher, E.: Statistik mit SAS. Teubner, Wiesbaden (2004)CrossRefGoogle Scholar
  18. 18.
    Efron, B.: Better bootstrap confidence intervals (with Discussion). J. Am. Stat. Assoc. 82, 171–200 (1987)CrossRefGoogle Scholar
  19. 19.
    Efron, B., Tibshirani, R.J.: An Introduction to the Bootstrap. Chapman & Hall, New York (1993)CrossRefGoogle Scholar
  20. 20.
    Faraway, J., Marsaglia, G., Marsaglia, J., Baddeley, A.: goftest: Classical Goodness-of-Fit Tests for Univariate Distributions. R Package Version 1.1-1. https://CRAN.R-project.org/package=goftest (2017)
  21. 21.
    Gibbons, J.D., Chakraborti, S.: Nonparametric Statistical Inference. Dekker, New York (1992)zbMATHGoogle Scholar
  22. 22.
    Gross, J., Ligges, U.: nortest: Tests for Normality. R Package Version 1.0-4. https://CRAN.R-project.org/package=nortest (2015)
  23. 23.
    Hedderich, J., Sachs, L.: Angewandte Statistik. Methodensammlung mit R. Springer, Berlin (2018)zbMATHGoogle Scholar
  24. 24.
    Hettmansperger, T.P.: Statistical Inference Based on Ranks. Krieger, Malabar (1991)zbMATHGoogle Scholar
  25. 25.
    Hollander, M., Wolfe, D.A., Chicken, E.: Nonparametric Statistical Methods. Wiley, New York (2014)zbMATHGoogle Scholar
  26. 26.
    Kendall, M.G., Stuart, A.: The Advanced Theory of Statistics, Volume II: Inference and Relationsship. Griffin, London (1979)Google Scholar
  27. 27.
    Krämer, W., Schoffer, O., Tschiersch, L.: Datenanalyse mit SAS. Statistische Verfahren und ihre Aspekte. Springer, Berlin (2014)zbMATHGoogle Scholar
  28. 28.
    Lehmann, E.L.: Nonparametrics. Statistical Methods Based on Ranks. Springer, New York (2006)zbMATHGoogle Scholar
  29. 29.
    Lewis, P.A.W.: Distribution of the Anderson-Darling Statistic. Ann. Math. Stat. 32(4), 1118–1124 (1961)MathSciNetCrossRefGoogle Scholar
  30. 30.
    Noether, G.E.: Elements of Nonparametric Statistics. Wiley, New York (1967)zbMATHGoogle Scholar
  31. 31.
    Qiu, D.: snpar: Supplementary Non-parametric Statistics Methods. R Package Version 1.0. https://CRAN.R-project.org/package=snpar (2014)
  32. 32.
    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)
  33. 33.
    Shapiro, S.S., Wilk, M.B.: An analysis of variance test for normality (Complete samples). Biometrika 52, 591–611 (1965)MathSciNetCrossRefGoogle Scholar
  34. 34.
    Sheskin, D.J.: Handbook of Parametric and Nonparametric Statistical Procedures. Chapman & Hall, Boca Raton (2011)zbMATHGoogle Scholar
  35. 35.
    Witting, H.: Mathematische Statistik. Teubner, Stuttgart (1974)zbMATHGoogle Scholar
  36. 36.
    Yu, Y., Yang, T.: signmedian.test: Perform Exact Sign Test and Asymptotic Sign Test in Large Samples. R Package Version 1.5.1. https://CRAN.R-project.org/package=signmedian.test (2015)

Copyright information

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

Authors and Affiliations

  1. 1.Institut für Angewandte StatistikUniversität LinzLinzÖsterreich

Personalised recommendations