{"id":1009242,"date":"2023-03-27T11:00:00","date_gmt":"2023-03-27T18:00:00","guid":{"rendered":"https:\/\/www.questionpro.com\/blog\/inferentielle-statistik-definition-typen-formeln-beispiele\/"},"modified":"2025-02-13T04:19:58","modified_gmt":"2025-02-13T11:19:58","slug":"inferentielle-statistik-definition-typen-formeln-beispiele","status":"publish","type":"post","link":"https:\/\/www.questionpro.com\/blog\/de\/inferentielle-statistik-definition-typen-formeln-beispiele\/","title":{"rendered":"Inferentielle Statistik: Definition, Typen, Formeln, Beispiele"},"content":{"rendered":"\n
Als Student in einem Statistikkurs oder als professioneller Forscher m\u00fcssen Sie wissen, wie man Inferenzstatistiken verwendet, um Daten zu analysieren und intelligente Entscheidungen zu treffen. Im Zeitalter von „Big Data“, in dem wir Zugang zu einer Vielzahl von Informationen haben, ist die F\u00e4higkeit, aus Stichproben korrekte R\u00fcckschl\u00fcsse auf die Grundgesamtheit zu ziehen, entscheidend. <\/p>\n\n
Mit Hilfe der Inferenzstatistik k\u00f6nnen Sie auf der Grundlage Ihrer Daten R\u00fcckschl\u00fcsse ziehen und Vorhersagen treffen, w\u00e4hrend die deskriptive Statistik die Eigenschaften einer Datensammlung zusammenfasst. Die deskriptive Statistik ist ein Bereich der Mathematik, der es uns erm\u00f6glicht, Trends und Muster in einer gro\u00dfen Anzahl von numerischen Daten zu erkennen. <\/p>\n\n
In diesem Beitrag werden wir uns mit der Inferenzstatistik befassen, einschlie\u00dflich der Frage, was sie ist, wie sie funktioniert und einiger Beispiele.<\/p>\n\n
In der Inferenzstatistik werden statistische Verfahren eingesetzt, um Informationen aus einer kleineren Stichprobe zu extrapolieren und daraus Vorhersagen und Schlussfolgerungen f\u00fcr eine gr\u00f6\u00dfere Grundgesamtheit zu ziehen.<\/p>\n\n
Sie nutzt die Wahrscheinlichkeitstheorie und statistische Modelle zur Sch\u00e4tzung von Bev\u00f6lkerungsparametern und zur Pr\u00fcfung von Bev\u00f6lkerungshypothesen auf der Grundlage von Stichprobendaten. Das Hauptziel der Inferenzstatistik besteht darin, anhand von Stichprobendaten Informationen \u00fcber die gesamte Population zu liefern, um die gezogenen Schlussfolgerungen so genau und zuverl\u00e4ssig wie m\u00f6glich zu machen. <\/p>\n\n
Es gibt zwei Hauptanwendungen f\u00fcr die Inferenzstatistik:<\/p>\n\n
Forscher k\u00f6nnen eine Population verallgemeinern, indem sie inferentielle Statistiken und eine repr\u00e4sentative Stichprobe verwenden. Sie erfordert logisches Denken, um zu Schlussfolgerungen zu gelangen. Im Folgenden wird die Methode beschrieben, mit der man zu den Ergebnissen gelangt: <\/p>\n\n
Inferenzstatistiken werden in zwei Kategorien unterteilt:<\/p>\n\n
Forscher setzen diese Methoden h\u00e4ufig ein, um auf der Grundlage kleiner Stichproben Ergebnisse auf gr\u00f6\u00dfere Populationen zu verallgemeinern. Schauen wir uns einige der in der Inferenzstatistik verf\u00fcgbaren Methoden an. <\/p>\n\n
Das Testen von Hypothesen und das Ziehen von Verallgemeinerungen \u00fcber die Grundgesamtheit aus den Stichprobendaten sind Beispiele f\u00fcr die Inferenzstatistik. Es m\u00fcssen eine Nullhypothese und eine Alternativhypothese aufgestellt und dann ein statistischer Signifikanztest durchgef\u00fchrt werden. <\/p>\n\n
Ein Hypothesentest kann links-, rechts- oder zweiseitige Verteilungen haben. Der Wert der Teststatistik, der kritische Wert und die Konfidenzintervalle werden f\u00fcr die Schlussfolgerung verwendet. Im Folgenden sind einige wichtige Hypothesentests aufgef\u00fchrt, die in der Inferenzstatistik verwendet werden. <\/p>\n\n
Wenn die Daten normalverteilt sind und der Stichprobenumfang mindestens 30 betr\u00e4gt, wird der z-Test<\/strong> auf die Daten angewendet. Wenn die Varianz der Grundgesamtheit bekannt ist, bestimmt er, ob die Mittelwerte der Stichprobe und der Grundgesamtheit gleich sind. Der folgende Aufbau kann verwendet werden, um die rechtsschiefe Hypothese zu testen: <\/p>\n\n Nullhypothese: <\/strong>H0<\/sub>: \u03bc=\u03bc0<\/sub><\/p>\n\n Alternativhypothese:<\/strong> H1<\/sub>: \u03bc>\u03bc0<\/sub><\/p>\n\n Teststatistik: <\/strong>Z-Test = (x\u0304 – \u03bc) \/ (\u03c3 \/ \u221an)<\/p>\n\n wo,<\/p>\n\n x\u0304 = Mittelwert der Stichprobe<\/p>\n\n \u03bc = Mittelwert der Bev\u00f6lkerung<\/p>\n\n \u03c3 = Standardabweichung der Grundgesamtheit<\/p>\n\n n = Stichprobenumfang<\/p>\n\n Entscheidungskriterien:<\/strong> Wenn die z-Statistik > z kritischer Wert, verwerfen Sie die Nullhypothese.<\/p>\n\n Wenn der Stichprobenumfang weniger als 30 betr\u00e4gt und die Daten eine Student-t-Verteilung aufweisen, wird ein t-Test<\/strong> verwendet. Der Stichproben- und der Populationsmittelwert werden verglichen, wenn die Populationsvarianz unbekannt ist. Der inferentielle statistische Hypothesentest lautet wie folgt: <\/p>\n\n Nullhypothese:<\/strong>H0<\/sub>: \u03bc=\u03bc0<\/sub><\/p>\n\n Alternativhypothese:<\/strong> H1<\/sub>: \u03bc>\u03bc0<\/sub><\/p>\n\n Teststatistik: <\/strong>t = x\u0304-\u03bc \/ s\u221an<\/p>\n\n Die Darstellungen x\u0304, \u03bc und n sind die gleichen wie f\u00fcr den z-Test angegeben. Der Buchstabe „s“ steht f\u00fcr die Standardabweichung der Stichprobe. <\/p>\n\n Entscheidungskriterien:<\/strong> Wenn die t-Statistik > t kritischer Wert, verwerfen Sie die Nullhypothese.<\/p>\n\n Wenn Sie die Varianzen zweier Stichproben oder Populationen vergleichen, wird ein f-Test<\/strong> verwendet, um festzustellen, ob ein Unterschied besteht. Der rechtsb\u00fcndige f-Test kann wie folgt konfiguriert werden: <\/p>\n\n Null-Hypothese:<\/strong>H0<\/sub>:\u03c321<\/sup>=\u03c322<\/sub><\/p>\n\n Alternativhypothese:<\/strong> H1<\/sub>:\u03c321<\/sub>> \u03c322<\/sub><\/p>\n\n Teststatistik: <\/strong>f = \u03c321<\/sup>\/ <\/sub> <\/sub>\u03c322<\/sub>, wobei \u03c321<\/sub> die Varianz der ersten Population und \u03c322<\/sub> die Varianz der zweiten Population ist.<\/p>\n\n Entscheidungskriterien: <\/strong>Entscheidungskriterien: Verwerfen Sie die Nullhypothese, wenn die f-Teststatistik > kritischer Wert.<\/p>\n\n Ein Konfidenzintervall hilft bei der Sch\u00e4tzung der Parameter einer Population. Ein Konfidenzintervall von 95 % bedeutet beispielsweise, dass 95 von 100 Tests mit frischen Proben, die unter identischen Bedingungen durchgef\u00fchrt werden, dazu f\u00fchren, dass der Sch\u00e4tzwert innerhalb des angegebenen Bereichs liegt. Eine Konfidenzintervallformel<\/a> kann auch verwendet werden, um den entscheidenden Wert bei Hypothesentests zu bestimmen. <\/em><\/p>\n\n Zus\u00e4tzlich zu diesen Tests werden in der Inferenzstatistik auch die Tests ANOVA, Wilcoxon signed-rank, Mann-Whitney U, Kruskal-Wallis und H verwendet.<\/p>\n LERNEN SIE MEHR: <\/strong>ANOVA-Tests<\/a><\/p>\n<\/blockquote>\n\n Die Regressionsanalyse berechnet, wie sich eine Variable auf eine andere auswirkt. Es k\u00f6nnen zahlreiche Regressionsmodelle verwendet werden, darunter einfache lineare, multiple lineare, nominale, logistische und ordinale Regression. <\/p>\n\n In der Inferenzstatistik ist die lineare Regression die am h\u00e4ufigsten verwendete Art der Regression. Mit Hilfe der linearen Regression wird die Reaktion der abh\u00e4ngigen Variable auf eine Einheits\u00e4nderung der unabh\u00e4ngigen Variable untersucht. Dies sind einige wichtige Gleichungen f\u00fcr die Regressionsanalyse in der Inferenzstatistik: <\/p>\n\n Regressionskoeffizienten:<\/strong><\/p>\n\n Die Geradengleichung ist gegeben als y = \u03b1 + \u03b2x, wobei \u03b1 und \u03b2 Regressionskoeffizienten sind.<\/p>\n\n \u03b2=\u2211n1<\/sub>(xi<\/sub> – x\u0304)(yi<\/sub> -y) \/ \u2211n1<\/sub>(xi-x<\/sub>)2<\/sup><\/p>\n\n \u03b2=rxy <\/sub>\u03c3y<\/sub> \/ <\/sub>\u03c3x<\/sub><\/p>\n\n \u03b1=y-\u03b2x <\/p>\n\n Dabei ist x der Mittelwert und \u03c3x<\/sub> die Standardabweichung des ersten Datensatzes. Analog dazu ist y der Mittelwert und \u03c3y die Standardabweichung des zweiten Datensatzes. <\/p>\n\n Nehmen wir f\u00fcr dieses Beispiel an, dass Sie Ihre Untersuchung auf die Testergebnisse f\u00fcr eine bestimmte Klasse gest\u00fctzt haben, wie im Abschnitt \u00fcber deskriptive Statistik beschrieben. Sie m\u00f6chten nun eine inferenzstatistische Untersuchung f\u00fcr denselben Test durchf\u00fchren. <\/p>\n\n Nehmen wir an, es handelt sich um eine standardisierte landesweite Pr\u00fcfung. Sie k\u00f6nnen demonstrieren, wie dies die Durchf\u00fchrung der Studie und die von Ihnen berichteten Ergebnisse ver\u00e4ndert, indem Sie denselben Test verwenden, aber dieses Mal, um R\u00fcckschl\u00fcsse auf eine Gemeinschaft zu ziehen. <\/p>\n\n W\u00e4hlen Sie die Klasse aus, die Sie in der deskriptiven Statistik beschreiben m\u00f6chten, und geben Sie dann alle Testergebnisse f\u00fcr diese Klasse ein. Gut und einfach. F\u00fcr die Inferenzstatistik m\u00fcssen Sie zun\u00e4chst die Grundgesamtheit definieren, bevor Sie eine Zufallsstichprobe aus ihr ausw\u00e4hlen. <\/p>\n\n Um eine repr\u00e4sentative Stichprobe zu gew\u00e4hrleisten, m\u00fcssen Sie eine Stichprobenstrategie entwickeln. Dieses Verfahren kann einige Zeit in Anspruch nehmen. Nehmen wir als Definition der Grundgesamtheit F\u00fcnftkl\u00e4ssler, die eine \u00f6ffentliche Schule im US-Bundesstaat Kalifornien besuchen. <\/p>\n\n Nehmen Sie f\u00fcr dieses Beispiel an, dass Sie der gesamten Bev\u00f6lkerung eine Namensliste gegeben haben, dann 100 Sch\u00fcler nach dem Zufallsprinzip aus dieser Liste ausgew\u00e4hlt und deren Testergebnisse ermittelt haben. Beachten Sie, dass diese Sch\u00fcler nicht aus einer einzigen Klasse stammen, sondern aus einer Vielzahl von Klassen verschiedener Schulen im ganzen Bundesstaat. <\/p>\n\n Der Mittelwert, die Standardabweichung und der Anteil f\u00fcr Ihre Stichprobe k\u00f6nnen mit Hilfe der Inferenzstatistik als Punktsch\u00e4tzung berechnet werden. Es gibt keine M\u00f6glichkeit, das zu wissen, aber es ist unwahrscheinlich, dass eine dieser Punktsch\u00e4tzungen exakt ist. Diese Zahlen weisen eine Fehlerspanne auf, da es unm\u00f6glich ist, jedes Subjekt in dieser Population zu messen. <\/p>\n\n Geben Sie die Konfidenzintervalle f\u00fcr den Mittelwert, die Standardabweichung und den Prozentsatz der zufriedenstellenden Ergebnisse (>=70) an. Die CSV-Datendatei enth\u00e4lt inferentielle Statistiken. <\/p>\n\n\n
T-Test<\/h4><\/li>\n<\/ul>\n\n
\n
F Test<\/h4><\/li>\n<\/ul>\n\n
<\/ul>\n\n
\n
<\/figure>\n\n02. Regressionsanalyse<\/h3>\n\n
Beispiel f\u00fcr Inferenzstatistiken<\/h2>\n\n
Inferentielle Statistik ergibt<\/h2>\n\n