Musterprüfung 2 lösungen

Nehmen wir an, dieser herrliche Tag ist gekommen. Meine erste Studie ist einfach, in der ich versuchen werde zu testen, ob Hellsichtigkeit existiert. Jeder Teilnehmer setzt sich an einen Tisch und wird von einem Experimentator mit einer Karte angezeigt. Die Karte ist auf der einen Seite schwarz und auf der anderen weiß. Der Experimentator nimmt die Karte weg und legt sie auf einen Tisch in einem angrenzenden Raum. Die Karte wird nach dem Zufallsprinzip ganz nach oben oder weiß nach oben gelegt, wobei die Randomisierung erst erfolgt, nachdem der Experimentator den Raum mit dem Teilnehmer verlassen hat. Ein zweiter Experimentator kommt herein und fragt den Teilnehmer, auf welche Seite der Karte nun nach oben zeigt. Es ist ein reines One-Shot-Experiment. Jede Person sieht nur eine Karte und gibt nur eine Antwort; und zu keinem Zeitpunkt steht der Teilnehmer tatsächlich in Kontakt mit jemandem, der die richtige Antwort kennt. Mein Datensatz ist daher sehr einfach.

Ich habe die Frage der Personen gestellt, und einige dieser Personen haben die richtige Antwort gegeben. Um die Dinge konkret zu machen, nehmen wir an, dass ich die Leute von “(N = 100)” getestet habe, und von diesen hat (X = 62) die richtige Antwort bekommen… eine überraschend große Zahl, sicher, aber ist es groß genug für mich, um sicher zu fühlen, wenn ich behaupte, dass ich Beweise für ESP gefunden habe? Dies ist die Situation, in der Hypothesentests nützlich sind. Bevor wir jedoch darüber sprechen, wie Hypothesen getestet werden können, müssen wir uns darüber im Klaren sein, was wir unter Hypothesen meinen. Angesichts all dessen fragen Sie sich vielleicht genau, was Sie tun sollten. Es gibt eine Menge widersprüchlicher Ratschläge zu diesem Thema, wobei einige Leute argumentieren, dass Sie den genauen Wert von “p” melden sollten, und andere Personen, die argumentieren, dass Sie den in Tabelle 11.1 dargestellten mehrstufigen Ansatz verwenden sollten. Daher kann ich Ihnen am besten vorschlagen, dass Sie sich die in Ihrem Bereich verfassten Papiere/Berichte ansehen und sehen, was die Konvention zu sein scheint. Wenn es kein konsistentes Muster zu geben scheint, verwenden Sie die Methode, die Sie bevorzugen. Wie Sie sehen können, ist die Theorie hinter Hypothesentests ein Durcheinander, und auch jetzt gibt es Argumente in statistiken, wie es “sollte” funktionieren. Meinungsverschiedenheiten unter den Statistikern sind hier jedoch nicht unsere eigentliche Sorge.

Unser eigentliches Anliegen ist die praktische Datenanalyse. Und während der “orthodoxe” Ansatz zur Nullhypothese Signifikanztests viele Nachteile hat, würde selbst ein reueloser Bayesianer wie ich zustimmen, dass sie nützlich sein können, wenn sie verantwortungsvoll verwendet werden. Meistens geben sie vernünftige Antworten, und Sie können sie nutzen, um interessante Dinge zu lernen.

No tags for this post.

Published by kimberly

I am Kimberly Reynolds and the author of Fundraising Success, first published in 2002. I've been writing about fundraising ideas for schools. churches and youth sports groups since 1999. You can find the latest version of Fundraising Success on Amazon.com. I also have some free reports about getting publicity for your next fundraiser event and how to recruit more volunteers available for you to download at http://www.scribd.com/fundraiserhelp