Details

Statistik ohne Albträume


Statistik ohne Albträume

Eine Einführung für Biowissenschaftler
Verdammt clever! 1. Aufl.

von: Helmut van Emden

25,99 €

Verlag: Wiley-Blackwell
Format: PDF
Veröffentl.: 13.11.2014
ISBN/EAN: 9783527688029
Sprache: deutsch
Anzahl Seiten: 353

DRM-geschütztes eBook, Sie benötigen z.B. Adobe Digital Editions und eine Adobe ID zum Lesen.

Beschreibungen

Endlich keine schlaflosen Nächte mehr für alle Studenten der Bio- und Umweltwissenschaften, die genau wissen, dass ihr Studium ohne fundierte Statistikkenntnisse undenkbar ist. Als hilfreiches Mittel gegen das ?Angstfach? Statistik ist der internationale Bestseller ?Statistics for Terrified Biologists? endlich ins Deutsche übersetzt worden. Der Autoren Helmut van Emden gelingt es, eine leicht verdauliche und doch fundierte Grundlage der Statistik für die Biowissenschaften zu kreieren. Michael Knorrenschild, ein Mathematiker mit viel Lehrerfahrung übersetzte und adaptierte das Buch für die deutsche Studienrealität.
Vorwort XI 1 Zum Gebrauch dieses Buches 1 1.1 Einführung 1 1.2 Der Text in den Kapiteln 1 1.3 Was Sie bei auftretenden Problemen tun sollten 2 1.4 Wichtig zu wissen 3 1.5 Zahlenbeispiele im Text 3 1.6 Die Kästen 3 1.7 Wissen testen 4 1.8 Noch einmal in Kürze 4 1.9 Warum überhaupt das Ganze? 4 1.10 Mehr zumThema 6 2 Einführung 7 2.1 Was ist Statistik? 7 2.2 Schreibweisen 8 2.3 Schreibweisen für die Mittelwertberechnung 10 3 Streuung zusammengefasst 11 3.1 Einführung 11 3.2 Verschiedene Größen für Streuung 12 3.2.1 Wertebereich 12 3.2.2 Gesamtabweichung 12 3.2.3 Mittlere Abweichung 13 3.2.4 Varianz 14 3.3 Warum n ? 1? 15 3.4 Warum quadrierte Abweichungen? 16 3.5 Die Standardabweichung 17 3.6 Das nächste Kapitel 19 3.7 Wissen testen 19 4 Summen von verschiedenen Quadraten 21 4.1 Einführung 21 4.2 Mit Rechenmaschinen geht die Berechnung der Summen von Quadraten schneller 22 4.2.1 Addierte Quadrate 22 4.2.2 Der Korrekturfaktor 22 4.3 Vorsicht vor Verwirrung mit dem Ausdruck „Summe der Quadrate“ 23 4.4 Wissen testen 24 5 Die Normalverteilung 25 5.1 Einführung 25 5.2 Häufigkeitsverteilungen 25 5.3 Die Normalverteilung 26 5.4 Wie viel Prozent entsprechen einer Standardabweichungseinheit? 28 5.5 Sind die Prozentwerte immer die gleichen? 28 5.6 Andere vergleichbare Skalen aus dem Alltag 30 5.7 Die Standardabweichung als Schätzung der Häufigkeit des Auftretens einer Zahl in einer Stichprobe 30 5.8 Von Prozenten zuWahrscheinlichkeiten 31 6 Die Relevanz der Normalverteilung bei biologischen Daten 35 6.1 Wiederholung 35 6.2 Ist unsere beobachtete Verteilung normal? 36 6.3 Was kann man tun, wenn die Verteilung zweifellos nicht normal ist? 38 6.3.1 Transformation 38 6.3.2 Gruppieren von Stichproben 40 6.3.3 Einfach nichts tun! 40 6.4 Wie viele Stichproben brauchen wir? 40 6.4.1 Faktoren, die die Anzahl der nötigen Stichproben beeinflussen 41 6.4.2 Die Berechnung der nötigen Stichprobenanzahl 41 7 Weitere Berechnungen zur Normalverteilung 43 7.1 Einführung 43 7.2 Ist „A“ größer als „B“? 44 7.3 Die Messlatte für die Entscheidung 44 7.4 Herleitung des Standardfehlers einer Differenz zweier Mittelwerte 46 7.4.1 Schritt 1: Von der Varianz der Einzelwerte zur Varianz der Mittelwerte 47 7.4.2 Schritt 2: Von der Varianz der Einzelwerte zur Varianz der Differenzen 49 7.4.3 Schritt 3: Kombination von Schritt 1 und Schritt 2; der Standardfehler der Differenz der Mittelwerte (SFDM) 51 Helmut F. van Emden: Statistik ohne Albträume — 2014/10/8 — page VII — le-tex 7.4.4 Zusammenfassung der Berechnung des SFDM aus der Varianz der Einzelwerte 52 7.5 Die Bedeutung des Standardfehlers der Differenz zweier Mittelwerte 53 7.6 Zusammenfassung 53 7.7 Wissen testen 57 8 Dert-Test 59 8.1 Einführung 59 8.2 Das Prinzip des t-Tests 60 8.3 Der t-Test in statistischen Begriffen 61 8.4 Warum t? 61 8.5 Tabellen für die t-Verteilung 62 8.6 Der Standard-t-Test 65 8.7 Der t-Test für Mittelwerte bei ungleichen Varianzen 70 8.8 Der gepaarte t-Test 76 8.9 Wissen testen 82 9 Einseitig oder zweiseitig? 83 9.1 Einführung 83 9.2 Warum ist die Varianzanalyse mit dem F-Test zweiseitig? 83 9.3 Der zweiseitige F-Test 84 9.4 Wievielseitig ist nun der t-Test? 85 9.5 Fazit zur Frage einseitig oder zweiseitig 86 10 Varianzanalyse –Was ist das?Wie geht das? 87 10.1 Einführung 87 10.2 Summen derAbweichungsquadrate in derVarianzanalyse 88 10.3 Ein fiktives Zahlenbeispiel zur Analyse mit Anova 88 10.4 Die Tabelle für die Summe der Abweichungsquadrate 90 10.5 Die Aufteilung der Streuung in Tabelle C mit Anova 90 10.6 Die Beziehung zwischen t undF 99 10.7 Einschränkungen bei der Varianzanalyse 101 10.8 Vergleich zwischen Gruppenmittelwerten in der Varianzanalyse 104 10.9 Der kleinste signifikante Unterschied (LSD) 106 10.10 EineWarnung zum Gebrauch des kleinsten signifikanten Unterschieds 108 11 Versuchsplanung zur Varianzanalyse 113 11.1 Einführung 113 11.2 Volle Randomisierung 114 11.3 Randomisierte Blöcke 118 11.4 Unvollständige Blöcke 124 11.5 Lateinische Quadrate 126 11.6 Split-Plot-Pläne 135 11.7 Wissen testen 136 12 Einführung in die faktorielle Versuchsplanung 139 12.1 Was ist ein faktorieller Versuch? 139 12.2 Interaktion 141 12.3 Wie verändert ein faktorieller Versuch die Form der Varianzanalyse? 145 12.4 Summen der Abweichungsquadrate für Interaktionen 147 13 Zweifaktorielle Versuche 149 13.1 Einführung 149 13.2 Ein Beispiel für einen 2-Faktor-Versuch 149 13.3 Analyse des 2-Faktor-Versuchs 150 13.4 Zwei wichtige Punkte zur Erinnerung, bevor es ans nächste Kapitel geht 157 13.5 Analyse von faktoriellen Versuchen mit uneinheitlicher Anzahl Wiederholungen 157 13.6 Wissen testen 161 14 Faktorielle Versuche mitmehr als zwei Faktoren (kann bei Bedarf übersprungenwerden) 163 14.1 Einführung 163 14.2 Verschiedene „Ordnungen“ von Interaktion 164 14.3 Beispiel für einen 4-Faktor-Versuch 165 14.4 Wissen testen 184 15 Faktorielle Versuchemit Split-Plots 187 15.1 Einführung 187 15.2 Herleitung des Split-Plot-Plans aus dem randomisierten Versuchsplan 188 15.3 Freiheitsgrade in der Split-Plot-Analyse 191 15.4 Ein Zahlenbeispiel für einen Split-Plot-Versuch mitsamt Analyse 194 15.5 Vergleich von Split-Plot- und randomisierten Block-Plan 199 15.6 Anwendungen von Split-Plot-Plänen 202 15.7 Wissen testen 204 16 Der t-Test in der Varianzanalyse 205 16.1 Einführung 205 16.2 KurzeWiederholung aus relevanten früheren Abschnitten 206 16.3 Test auf kleinsten signifikanten Unterschied 207 16.4 Mehrfachreihentests 208 16.5 Das Testen von Differenzen zwischen Mittelwerten 213 16.6 Darstellung der Testergebnisse auf Unterschiede zwischen Mittelwerten 215 16.7 Die Analyse der Versuchsergebnisse mit Varianzanalyse in den Kapiteln 11 bis 15 216 16.8 Wissen testen 226 17 Lineare Regression und Korrelation 229 17.1 Einführung 229 17.2 Ursache undWirkung 230 17.3 Weitere Fallstricke, die nur auf Sie warten 230 17.4 Regression 235 17.5 Unabhängige und abhängige Variablen 236 17.6 Der Regressionskoeffizient b 236 17.7 Berechnung des Regressionskoeffizienten b 238 17.8 Die Regressionsgleichung 244 17.9 Ein durchgerechnetes Beispiel mit realen Daten 245 17.10 Korrelation 253 17.11 Verallgemeinerungen der Regressionsanalyse 256 17.11.1 Nichtlineare Regression 258 17.11.2 Mehrfache lineare Regression 260 17.11.3 Mehrfache nichtlineare Regression 261 17.11.4 Kovarianzanalyse 262 17.12 Wissen testen 265 18 Chi-Quadrat-Tests 267 18.1 Einführung 267 18.2 Wann ?2 und wann nicht 268 18.3 Das Problem niedriger Häufigkeiten 269 18.4 Yates’ Kontinuitätskorrektur 269 18.5 Der ?2-Anpassungstest 270 18.6 Der ?2-Unabhängigkeitstest 279 18.7 Wissen testen 284 19 Nichtparametrische Methoden – was ist das? 287 19.1 Klarstellung 287 19.2 Einführung 288 19.3 Vor- und Nachteile der beiden Varianten 289 19.4 Einige Beispiele für die Datenorganisation in nichtparametrischen Tests 291 19.5 Die wesentlichen verfügbaren nichtparametrischen Methoden 294 Anhang A Wie vieleWiederholungen? 297 A.1 In diesem Kapitel 297 A.2 Die Konzepte dahinter 297 A.3 „Simple“ Berechnung der Anzahl der notwendigen Wiederholungen 301 A.4 Genauere Berechnung der Anzahl der notwendigen Wiederholungen 302 A.5 Wie man das Gegenteil beweist 304 Anhang B Statistische Tabellen 305 Richtig gelöst 315 Mehr zum Thema 333 Stichwortverzeichnis 335
Helmut van Emden ist emeritierter Professor fur Gartenbau und Entomologie an der University of Reading, Gro?britannien. Er zahlt zu den fuhrenden Entomologen seiner Generation und wurde fur seine Leistungen auf diesem Gebiet auch in Deutschland geehrt. Helmut van Emden wurde sich zwar nicht als Statistiker bezeichnen, doch entwickelte er in 30 Jahren Lehrtatigkeit einige neue und uberaus erfolgreiche Lehrmethoden im Bereich der Statistik, die er in diesem Buch zusammenfasst. Mit seinem flotten und gleichzeitig verbindlichen Stil und einem Schuss Humor gelingt es ihm von der ersten Seite an, Biologie-Studenten den alptraumhaften Schrecken der Statistik zu nehmen. Michael Knorrenschild studierte Mathematik an der RWTH Aachen. Nach Auslandsaufenthalten und einem Abstecher in die Umweltforschung ist er seit 1996 Professor an der Hochschule Bochum. Dort lehrt er Mathematik fur Ingenieure und Informatiker und ist au?erdem Autor mehrerer Lehrbucher. Vor diesem Hintergrund gelang ihm mit viel sprachlichem und didaktischem Gespur eine Ubersetzung von ?Statistics for Terrified Biologists?, die der englischen Vorlage in ihrer Originalitat in nichts nachsteht.

Diese Produkte könnten Sie auch interessieren:

Nonparametric Statistical Process Control
Nonparametric Statistical Process Control
von: Subhabrata Chakraborti, Marien Graham
EPUB ebook
71,99 €
Nonparametric Statistical Process Control
Nonparametric Statistical Process Control
von: Subhabrata Chakraborti, Marien Graham
PDF ebook
71,99 €