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.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
Arens, T., Hettlich, F., Karpfinger, C., Kockelkorn, U., Lichtenegger, K., Stachel, H.: Ergänzungen und Vertiefungen zu Mathematik. Springer, Berlin (2017)
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)
Behr, A., Pötter, U.: Einführung in die Statistik mit R. Vahlen, München (2010)
Bortz, J., Lienert, G.A.: Kurzgefasste Statistik für die klinische Forschung. Springer, Berlin (2008)
Bortz, J., Lienert, G.A., Boehnke, K.: Verteilungsfreie Methoden in der Biostatistik. Springer, Berlin (2008)
Brosius, F.: SPSS. Umfassendes Handbuch zu Statistik und Datenanalyse. mitp, Frechen (2018)
Brown, L., Cai, T., DasGupta, A.: Interval estimation for a binomial proportion. Stat. Sci. 16(2), 101–117 (2001)
Brunner, E., Munzel, U.: Nichtparametrische Datenanalyse. Springer, Berlin (2013)
Bühl, A.: SPSS 23. Einführung in die moderne Datenanalyse. Pearson, München (2016)
Büning, H., Trenkler, G.: Nichtparametrische statistische Methoden. De Gruyter, Berlin (1998)
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)
Cody, R.: An Introduction to SAS University Edition. SAS Institute, Cary (2018)
D’Agostino, R.B.: Goodness-of-Fit Techniques. Dekker, New York (1986)
Dalgaard, P.: Introductory Statistics with R. Springer, New York (2008)
Dolic, D.: Statistik mit R. Einführung für Wirtschafts- und Sozialwissenschaftler. Oldenbourg, München (2004)
Dorai-Raj, S.: binom: Binomial Confidence Intervals For Several Parameterizations. R Package Version 1.1-1. https://CRAN.R-project.org/package=binom (2014)
Dufner, J., Jensen, U., Schumacher, E.: Statistik mit SAS. Teubner, Wiesbaden (2004)
Efron, B.: Better bootstrap confidence intervals (with Discussion). J. Am. Stat. Assoc. 82, 171–200 (1987)
Efron, B., Tibshirani, R.J.: An Introduction to the Bootstrap. Chapman & Hall, New York (1993)
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)
Gibbons, J.D., Chakraborti, S.: Nonparametric Statistical Inference. Dekker, New York (1992)
Gross, J., Ligges, U.: nortest: Tests for Normality. R Package Version 1.0-4. https://CRAN.R-project.org/package=nortest (2015)
Hedderich, J., Sachs, L.: Angewandte Statistik. Methodensammlung mit R. Springer, Berlin (2018)
Hettmansperger, T.P.: Statistical Inference Based on Ranks. Krieger, Malabar (1991)
Hollander, M., Wolfe, D.A., Chicken, E.: Nonparametric Statistical Methods. Wiley, New York (2014)
Kendall, M.G., Stuart, A.: The Advanced Theory of Statistics, Volume II: Inference and Relationsship. Griffin, London (1979)
Krämer, W., Schoffer, O., Tschiersch, L.: Datenanalyse mit SAS. Statistische Verfahren und ihre Aspekte. Springer, Berlin (2014)
Lehmann, E.L.: Nonparametrics. Statistical Methods Based on Ranks. Springer, New York (2006)
Lewis, P.A.W.: Distribution of the Anderson-Darling Statistic. Ann. Math. Stat. 32(4), 1118–1124 (1961)
Noether, G.E.: Elements of Nonparametric Statistics. Wiley, New York (1967)
Qiu, D.: snpar: Supplementary Non-parametric Statistics Methods. R Package Version 1.0. https://CRAN.R-project.org/package=snpar (2014)
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)
Shapiro, S.S., Wilk, M.B.: An analysis of variance test for normality (Complete samples). Biometrika 52, 591–611 (1965)
Sheskin, D.J.: Handbook of Parametric and Nonparametric Statistical Procedures. Chapman & Hall, Boca Raton (2011)
Witting, H.: Mathematische Statistik. Teubner, Stuttgart (1974)
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)
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2018 Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature
About this chapter
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
DOI: https://doi.org/10.1007/978-3-662-57678-6_3
Published:
Publisher Name: Springer Gabler, Berlin, Heidelberg
Print ISBN: 978-3-662-57677-9
Online ISBN: 978-3-662-57678-6
eBook Packages: Life Science and Basic Disciplines (German Language)