Skip to main content
SpringerLink
Log in

Einstichprobenprobleme

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

  • 5231 Accesses

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.

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. Arens, T., Hettlich, F., Karpfinger, C., Kockelkorn, U., Lichtenegger, K., Stachel, H.: Ergänzungen und Vertiefungen zu Mathematik. Springer, Berlin (2017)

    Book  Google Scholar 

  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. 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. Brown, L., Cai, T., DasGupta, A.: Interval estimation for a binomial proportion. Stat. Sci. 16(2), 101–117 (2001)

    MathSciNet  MATH  Google Scholar 

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

    Book  Google Scholar 

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

    Google Scholar 

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

    MATH  Google Scholar 

  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)

    Article  Google Scholar 

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

    Google Scholar 

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

    MATH  Google Scholar 

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

    Book  Google Scholar 

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

    Book  Google Scholar 

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

    Book  Google Scholar 

  18. Efron, B.: Better bootstrap confidence intervals (with Discussion). J. Am. Stat. Assoc. 82, 171–200 (1987)

    Article  Google Scholar 

  19. Efron, B., Tibshirani, R.J.: An Introduction to the Bootstrap. Chapman & Hall, New York (1993)

    Book  Google Scholar 

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

    MATH  Google Scholar 

  22. Gross, J., Ligges, U.: nortest: Tests for Normality. R Package Version 1.0-4. https://CRAN.R-project.org/package=nortest (2015)

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

    MATH  Google Scholar 

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

    MATH  Google Scholar 

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

    MATH  Google Scholar 

  26. Kendall, M.G., Stuart, A.: The Advanced Theory of Statistics, Volume II: Inference and Relationsship. Griffin, London (1979)

    Google Scholar 

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

    MATH  Google Scholar 

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

    MATH  Google Scholar 

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

    Article  MathSciNet  Google Scholar 

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

    MATH  Google Scholar 

  31. Qiu, D.: snpar: Supplementary Non-parametric Statistics Methods. R Package Version 1.0. https://CRAN.R-project.org/package=snpar (2014)

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

    Article  MathSciNet  Google Scholar 

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

    MATH  Google Scholar 

  35. Witting, H.: Mathematische Statistik. Teubner, Stuttgart (1974)

    MATH  Google Scholar 

  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)

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). Einstichprobenprobleme. 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_3

Download citation

Publish with us

Policies and ethics

Search

Navigation