STATISTIK-FORUM.de

[stumper77]

Ja, ich hab es probiert und diese Tests sind ziemlich stabil gegenüber Ausreißern.

Ist es möglich den Kruskal-Wallis Test auch auf, nach Shapiro-Wilks normalverteilten Stichproben anzuwenden?

Nochmal zu dem Wilcox-Test, damit kann ich nur 2 Samples mit einander vergleichen? Und wenn da der p-Wert unter 0,05 ist kann man von einer signifikanten Abweichung sprechen?

Jein. Kann man. Aber wenn die Daten keine echten Größenunterschiede enthalten, dann wird trotzdem in jedem 20. Fall ein signifikantes Ergebnis herauskommen. Wenn Du also viele Tests durchführst, dann wirst Du auch viele falsch als signifikant finden. Also ja: In diesem Fall weichen die Daten deutlich von "gleich groß" ab. Das kann aber immer noch Zufall sein. Wenn Du sehr viele Tests durchführst, kommen sicher zufällig-signifikante Ergebnisse heraus. Wie schlimm wäre es, falsch-signifikante Ergebnisse zu haben? Wenn es schlimm wäre, solltest Du die Versuchsreihen, die signifikante Unterschiede zeigen, im Zweifel wiederholen und schauen, ob sie bei einem zweiten Durchgang auch noch so deutliche Ergebnisse zeigen.
[/quote]

Ich dachte mir das so, dass ich mit der grafischen BEtrachtung (Boxplots) eine Auswahl treffen kann. Daraus erkennt man ja wie sich einzelne Konfigurationen verhalten. Und dann kann man dies ja rechnerisch unterlegen mit dem Wilcox Test.
Weiterführende Untersuchungen mit den herausgefunden Konfigs müssten dann später gemacht werden. Aber um diese erstmal zu finden wäre diese Variante ja ok???

LG
Tim

[bele]

Ja, ich hab es probiert und diese Tests sind ziemlich stabil gegenüber Ausreißern.

Ist es möglich den Kruskal-Wallis Test auch auf, nach Shapiro-Wilks normalverteilten Stichproben anzuwenden?

Ja, Du kannst den Kruskal-Test auch auf normalverteilte Stichproben anwenden. Normalverteilung kann die Tür zu weiteren Tests öffnen, die vielleicht etwas schneller Unterschiede erkennen (höhere Power), aber wenn Dir die Power von Kruskal-Wallis und Wilcoxon reicht, dann kannst Du die anwenden.
Wenn Du Dein Methodenspektrum erweitern willst, dann bist Du mit R gut bedient, aber eher nicht mit dem Forum. Dann solltest Du vielleicht erst mal mit einem guten Buch mehr über Statistik lernen. Deine Grundlagenkenntnisse scheinen noch nicht besonders ausgeprägt zu sein.

Ich dachte mir das so, dass ich mit der grafischen BeEtrachtung (Boxplots) eine Auswahl treffen kann. Daraus erkennt man ja wie sich einzelne Konfigurationen verhalten. Und dann kann man dies ja rechnerisch unterlegen mit dem Wilcox Test.

Das ändert nichts am Grundproblem: Wenn Du häufig misst, dann können ziemlich unwahrscheinliche Dinge auftreten. Wenn Du oft genug Lotto spielst, dann hast Du auch irgendwann einen Sechser im Lotto. Ob Du im Boxplot guckst oder in der Teststatistik ändert daran nichts.

Weiterführende Untersuchungen mit den herausgefunden Konfigs müssten dann später gemacht werden. Aber um diese erstmal zu finden wäre diese Variante ja ok???

Klar. Du kannst am großen Kuchen mit Boxplot und/oder mit multiplen Tests die Kandidaten heraus suchen, die Du dann später nochmal untersuchst. Nur der reproduzierbare Effekt zählt dann wirklich. Wenn es zu viele signifikante werden kannst Du notfalls die Grenze für den p-Wert herab setzen. Es wäre nicht ungewöhnlich, die Grenze bei p=0.01 statt 0.05 zu ziehen. Dann sind von eigentlich zufälligen Verteilungen nicht mehr 5% falsch signifikant sondern nur noch 1%.


LG,
Bernhard


PS: Du kannst den Shapiro-Wilk-Test natürlich auch in R machen. Die zugehörige Funktion in R heißt shapiro.test().

[stumper77]

Vielen Dank für deine Hilfe!

[stumper77]

Hallo bele,

ich hab noch eine Frage

Wenn ich 2 Samples mit dem Wilcoxon Test vergleiche, wie muss ich die Hypothesen in meinem Fall wählen ist das einseitig oder zweiseitig?

Wie es mit R funktioniert weiß ich, nur hab ich einige Bücher gelesen und da ist de Wilcoxon Test ziemlich kompliziert erklärt... Ich will nur wissen wie er funktioniert.

Viele Grüße
Tim

[bele]

Hallo Tim,

unabhängig davon, ob Du den Wilcoxon-Test oder einen anderen nimmst gibt es fast keine Situation, in der 1-seitiges Testen angebracht wäre. Ok, es gibt sicher Situationen, in denen man verschiedener Meinung sein kann, aber ich empfehle Dir zweiseitiges Testen.

Wenn Du die Tests für jemand anderen machst oder jemand anderem vorstellen musst, dann musst Du bei einseitigem Testen mit unangenehmen Rückfragen rechnen, auf die Du derzeit keine gute Antwort hast. Wenn Du für Dich selbst testest, dann kannst Du den Test strenger oder weniger streng gestalten, indem Du die Grenze für den p-Wert anpasst.

Es ist kein Zufall, dass zweiseitiges Testen die Voreinstellung in R ist.

LG,
Bernhard

[stumper77]

Vielen Dank!

Bele ich hab im R ein Shapiro Test gemacht und im Netz nochmal mit anderen "online Tests" verglichen und bekommen unterschiedliche Ergebnisse raus? Im R sagt gibt er mir einen P-Wert = 0,04335 somit Normalverteilung. und im Netz (http://sdittami.altervista.org/shapirot ... oTest.html) lehnt die Normalverteilung ab? Weißt du warum?

[bele]

Ein kleiner p-Wert im Shapiro-Wilk-Test spricht gegen eine Normalverteilung. Wenn man also, wie üblich, als Grenze p=0,05 annimmt, dann lehnen sowohl R als auch der online-Rechner die Normalverteilungshypothese ab.


Im Übrigen herrscht bei R absolute Klarheit, wie der Test gerechnet/genähert wird. Wenn Du in der R-Konsole help(shapiro.test) eingibst, dann findest Du den Verweis zum genauen Algorithmus.

LG,
Bernhard

[stumper77]

Ich bin in meinen Hypothesen in der Theorie verrutscht. sorry! Danke, due gute alte Statistik. Da ist man dankbar für dieses Forum und helfende Menschen!

Viele Grüße
Tim

[bele]

Das passiert. Denk dran, dass Du bei Methoden die Normalverteilung voraussetzen in der Regel auch den schönen Schutz gegen Ausreißer los bist.

Eine graphische Prüfung auf Normalverteilung erlaubt ein Q-Q-Plot
http://www.bb-sbl.de/tutorial/verteilungen/qqplot.html
http://de.wikipedia.org/wiki/Quantile-Quantile-Plot

In R bekommst Du den für die Frage nach Normalverteilung wie folgt:

Code: Alles auswählen

qqplot(Sample1)
qqline(Sample1)


im lauffähigen Beispiel

Code: Alles auswählen

Sample <- rt(30,2)

qqnorm(Sample)
qqline(Sample)


LG,
Bernhard