Um einen Wilcoxon-Rang-Test mit Vorzeichen bei einer Stichprobe durchzuführen:
Wählen Sie Statistik: Nicht-parametrische Tests: Wilcoxon-Rangtest mit Vorzeichen bei einer Stichprobe. Legen Sie Spalte A als Datenbereich fest. Geben Sie 166 im Textfeld Testmedian ein. Gemäß dem Ergebnis wird die Nullhypothese bei einem Niveau von 0, 05 zurückwiesen und geschlussfolgert, dass der Median gleich 166 ist. Tests bei zwei unabhängigen Stichproben
Origin bietet zwei Tests für nicht-parametrische Statistiken von zwei unabhängigen Stichprobensystemen: den Mann-Whitney-Test und den Kolmogorov-Smirnov-Test bei zwei Stichproben. Dieses folgende Beispiel zeigt die praktische Verwendung des Mann-Whitney-Tests. Die Abriebfestigkeit (in mg) wird für zwei Reifentypen (A und B) gemessen, wobei 8 Versuche für jeden Reifentypen durchgeführt werden. Die Daten sind indiziert und werden in der Datei gespeichert. Grundlagen von nichtparametrischen Methoden - Minitab. Importieren Sie die Datei aus \Samples\Statistics\. Wählen Sie Statistik: Nicht-parametrische Tests: Mann-Whitney-Test, um das Dialogfeld zu öffnen.
Nichtparametrische Tests Normalverteilung
Verwenden Sie den Vorzeichentest bei einer Stichprobe. Ist der Median der Gehälter in der Filiale einer Bank in der Stadt größer als der Median der Gehälter in einer Filiale derselben Bank auf dem Land? Verwenden Sie den Mann-Whitney-Test oder den Kruskal-Wallis-Test. Sind die Mediane der Gehälter in Bankfilialen auf dem Land, in der Stadt und in der Vorstadt unterschiedlich? Nichtparametrische tests normalverteilung. Verwenden Sie den Mood-Median-Test. Auf welche Weise beeinflusst das Bildungsniveau die Gehälter in Filialen auf dem Land und in der Stadt? Verwenden Sie den Friedman-Test.
Nicht Parametrische Tests Die
Ausreißer können Sie dann gegebenenfalls von der weiteren Analyse ausschließen. Wie Sie Ihre Daten korrekt auf Ausreißer überprüfen können Sie in unserem Artikel über Boxplots nachlesen. In diesem Boxplot könnte Fall 30 einen Ausreißer darstellen
2 – Verteilung überprüfen
Nun sind Sie bereit die Verteilung Ihrer Daten zu überprüfen. Die überwiegende Mehrheit parametrischer Tests geht von einer Normalverteilung aus. Daher zeigen wir Ihnen in diesem Artikel, wie Sie Ihre Daten auf die Normalverteilung prüfen. Einen ersten Eindruck über die Verteilung der Daten kann Ihnen natürlich ein Histogramm liefern. Ein Histogramm kann aber je nach Breite der Balken schnell einen verfälschten Eindruck liefern. Nichtparametrische Statistik – Wikipedia. Für eine korrekte Überprüfung verlassen Sie sich daher am Besten auf spezialisierte Methoden: Wenn Sie für den Test auf Normalverteilung SPSS verwenden gehören dazu vor allem der QQ-Plot, der Shapiro-Wilk Test und der Kolmogorov-Smirnov Test. Beide Verfahren können Sie in SPSS über den Menüpunkt "Deskriptive Statistiken Explorative Datenanalyse" anfordern.
Diese Tests werden daher auch verteilungsfreie Tests genannt. Parametrische Test: Vorsprung durch Power
Nicht-parametrische Tests sind also in mehr Situationen zulässig als parametrische Tests. Daher werden nicht-parametrische Tests auch als robuste Tests bezeichnet. Warum sollten Sie dann überhaupt parametrische Tests einsetzen? Schließlich sind diese ja in weniger Situationen zulässig. Parametrische Tests gleichen diesen Nachteil allerdings dadurch aus, dass Sie eine größere Teststärke oder auch Power als nicht-parametrische Tests haben. Nicht parametrische tests psychotechniques. Mit anderen Worten: Wenn tatsächlich ein Effekt in der Population vorliegt, haben Sie mit einem parametrischen Test bessere Chancen diesen Effekt auch nachzuweisen. Im Zweifel gilt deshalb: Wenn es die Verteilung der Daten zulässt, verwenden Sie einen parametrischen Test. Wenn die Verteilung der Daten aber den Annahmen eines parametrischen Tests widerspricht weichen Sie auf nicht-parametrische Tests aus. Vorteil
Nachteil
Parametrische Tests
Größere Teststärke – wenn Annahmen erfüllt
Geht von bestimmter Verteilung der Daten aus (meist Normalverteilung)
Nicht-parametrische Tests
Keine Annahmen über Verteilungen
Wenn Annahmen für parametrischen Test erfüllt: Geringere Teststärke
Welcher statistische Test für welche Situation?