Eine zweifaktorielle ANOVA wird verwendet, um zu bestimmen, ob ein statistisch signifikanter Unterschied zwischen den Mittelwerten von drei oder mehr unabhängigen Gruppen besteht, die auf zwei Faktoren aufgeteilt wurden. Der Zweck einer zweifaktoriellen ANOVA besteht darin, den Einfluss zweier Faktoren auf...
Eine ANOVA mit wiederholten Messungen wird verwendet, um zu bestimmen, ob ein statistisch signifikanter Unterschied zwischen den Mittelwerten von drei oder mehr Gruppen besteht, in denen in jeder Gruppe dieselben Probanden vorkommen. In diesem Tutorial wird erläutert, wie Sie in Python...
Mithilfe eines Kruskal-Wallis-Tests wird ermittelt, ob ein statistisch signifikanter Unterschied zwischen den Medianwerten von drei oder mehr unabhängigen Gruppen besteht. Sie gilt als nichtparametrisches Äquivalent der einfaktoriellen ANOVA . In diesem Tutorial wird erläutert, wie Sie einen Kruskal-Wallis-Test in Python durchführen....
Der Friedman-Test ist eine nichtparametrische Alternative zur ANOVA mit wiederholten Messungen . Es wird verwendet, um zu bestimmen, ob ein statistisch signifikanter Unterschied zwischen den Mittelwerten von drei oder mehr Gruppen besteht, in denen in jeder Gruppe dieselben Probanden vorkommen. In...
Eine ANCOVA („Kovarianzanalyse“) wird verwendet, um zu bestimmen, ob ein statistisch signifikanter Unterschied zwischen den Mittelwerten von drei oder mehr unabhängigen Gruppen besteht, nachdem eine oder mehrere Kovariaten kontrolliert wurden. In diesem Tutorial wird erklärt, wie man eine ANCOVA in Python...
Ein gleitender Durchschnitt ist eine Technik, mit der Zeitreihendaten geglättet werden können, um „Rauschen“ in den Daten zu reduzieren und Muster und Trends leichter zu erkennen. Die Idee hinter einem gleitenden Durchschnitt besteht darin, den Durchschnitt mehrerer vorheriger Perioden zu verwenden,...
Wenn Sie einen F-Test durchführen, erhalten Sie eine F-Statistik. Um festzustellen, ob die F-Testergebnisse statistisch signifikant sind, können Sie die F-Statistik mit einem kritischen F-Wert vergleichen. Wenn die F-Statistik größer als der kritische F-Wert ist, sind die Testergebnisse statistisch signifikant. Der...
Ein F-Test wird verwendet, um zu testen, ob zwei Populationsvarianzen gleich sind. Die Null- und Alternativhypothese des Tests lauten wie folgt: H 0 : σ 1 2 = σ 2 2 (Populationsvarianzen sind gleich) H 1 : σ 1 2 ≠...
Jedes Mal, wenn Sie einen T-Test durchführen, erhalten Sie eine Teststatistik. Um festzustellen, ob die T-Testergebnisse statistisch signifikant sind, können Sie die Teststatistik mit einem kritischen Wert T vergleichen. Wenn der Absolutwert der Teststatistik größer als der kritische Wert T ist,...
Jedes Mal, wenn Sie einen Hypothesentest durchführen, erhalten Sie eine Teststatistik. Um festzustellen, ob die Ergebnisse des Hypothesentests statistisch signifikant sind, können Sie die Teststatistik mit einem kritischen Z-Wert vergleichen. Wenn der Absolutwert der Teststatistik größer als der kritische Z-Wert ist,...