STATISTIK-FORUM.de

[marioalt]

Hallo Zusammen,

mit Statistik stehe ich so ein bisschen auf Kriegsfuß. Mein Prof bräuchte nicht unbedingt eine ausführliche statistische Auswertung, das Unternehmen bei dem ich meine Thesis verfasse hätte aber gerne eine. Hier im Haus ist leider niemand, der mir meine Fragen beantworten
könnte....Deshalb wende ich mich Mal an euch.

Grundsätzlich werte ich mikrobiologische Abklatschproben aus zwei unterschiedlichen Testphasen aus (Vergleich: mit Behandlung/ohne Behandlung bzw. Vorher-nachher-Effekt).
- Pro Testphase werden zufällig 40 Stichproben genommen.
- Normalverteilung liegt keine vor (laut Kolmogorow-Smirnow-Test).
- Zur graphischen Darstellung eignen sich dann meiner Meinung nach am Besten Boxplots oder?

Nun zu meiner Frage:

- wie kann ich statistisch belegen, dass sich meine Stichproben auf die jeweilige Grundgesamtheit übertragen lassen?
- Mit welchem Test könnte ich den Unterschied zwischen beiden Testphasen gut beschreiben?

Wäre super, wenn mir jemand ein paar Tipps geben könnte:)

Liebe Grüße

Mario

[PonderStibbons]

- Normalverteilung liegt keine vor (laut Kolmogorow-Smirnow-Test).

Das ist irrelevant.

- wie kann ich statistisch belegen, dass sich meine Stichproben auf die jeweilige Grundgesamtheit übertragen lassen?

Gar nicht.

- Mit welchem Test könnte ich den Unterschied zwischen beiden Testphasen gut beschreiben?

Das kommt auf das Skalenniveau an. Was wurde denn gemessen?
Wenn es eine intervallskalierte Messung ist, kommt ein
Mittelwertvergleich mittels t-Test in Frage.

Mit freundlichen Grüßen

PonderStibbons

[bele]

Hallo Mario,

die Beschreibung Deines Versuchs ist völlig unzureichend: Wie sollen wir zum Beispiel erkennen, ob Du verbundene oder unverbundene Stichproben hast? Wenn Deine Zielvariable colony forming units sind, dann könnten Boxplots passen, wenn die Zielvariable "pathogene Keime enthalten: Ja/Nein" lautet, dann wären Boxplots großer Quatsch. Ist 40 die Zahl aller je abgenommenen Nährböden oder ist es die Zahl der Vorher-Nachher-Paare? Bei n=20 pro Gruppe könnte ich mir gut vorstellen, dass man anstelle eines Boxplots die Messwerte selbst als Punktwolke darstellt, je größer die Zahl wird, umso eher kommt ein Kerndichteschätzer/Violinplot anstelle eines Boxplots in Frage.

nutzung-des-forums-f44/das-musste-mal-gepostet-werden-t6682.html

LG,
Bernhard

[marioalt]

@PonderStibbons

Wenn die Daten nicht Normalverteilt sind, dann ist ein t-test ja nicht möglich. Deshalb die Prüfung mit dem Kolmogorow-Smirnow-Test.
Es handelt sich um ordinalskalierte Daten.

@Bernhard

Es handelt sich um nicht parametrische, unabhängige Stichproben. Von jeweils 40 Objekten pro Testphase wurden Abklatschproben genommen um die cfu´s zu bestimmen

[PonderStibbons]

Wenn die Daten nicht Normalverteilt sind, dann ist ein t-test ja nicht möglich.

Das ist schlicht falsch. Es geht (bei t-Tests für unabhängige Stichproben) um die Verteilung innerhalb der Gruppen, nicht um die Verteilung in der gesamtstichprobe. Und selbst das ist nur bei kleinen Stichproben (n < 30) relevant.

Es handelt sich um ordinalskalierte Daten.

Dann ist die Normalverteilungsprüfung von vornherein unsinnig, weil ordinale Daten weder normalverteilt nicht-normalverteilt sein können, es betrifft Daten auf diesem Niveau nicht. Und ein Mittelwertvergleich ist ohnedies nicht möglich, weil ordinale Daten keine Mittelwerte haben können. Das Maß der zentralen Tendenz für ordinale Daten ist der Median. Zum Gruppenvergleich für ordinale Daten ist der U-Test geeignet oder der Mediantest.

Mit freundlichen Grüßen

PonderStibbons

[bele]

Hallo Marioalt,

Es handelt sich um ordinalskalierte Daten.
[...] um die cfu´s zu bestimmen

CFUs werden normalerweise gezählt und damit sind sie nicht nur ordinal, sondern das Addieren und Subtrahieren und Mittelwertebilden sind sinnvolle Rechenoperationen. Wir dürfen also von metrischem Skalenniveau ausgehen. Außer bei Sterilitätskontrollen sind die Zahlen meist sehr groß, dann werden sie gerne logarithmisch dargestellt. Wenn Du Dir um die Normalverteilung trotz PonderStibbons' berechtigten Argumenten Sorgen machst, kannst Du ja mal die Logarithmen Deiner CFUs anschauen. Würde keinen wundern, wenn die "normaler" aussähen. Dann würde ich mit denen weiter machen.

Es handelt sich um nicht parametrische, unabhängige Stichproben.

Stichproben sind ohnehin nicht parametrisch, aber es macht einen großen Unterschied, ob es verbundene oder unverbundene Stichproben sind. Wenn Du Dir nicht sicher bist, frag bitte nochmal nach.

Wenn es sich tatsächlich um unverbundene Stichproben handelt, kannst Du die Vorher- und Nachher-Werte (oder deren Logarithmen) mit einem t-Test, einem Rangsummentest oder einem BEST (oder einem Permutationstest, um noch was abgefahrenes zu nennen) vergleichen. Das alles geht und wenn Du es versuchst, wirst Du wahrscheinlich ähnliche Ergebnisse bekommen. Wenn die Ergebnisse grob voneinander abweichen sollten, dann wäre etwas ganz komisches passiert, und die Sache wäre nicht mit ein paar Forumsposts zu klären.

Ich schlage vor: Kopier die Sachen in die folgende Webseite: http://www.sumsar.net/best_online/
und lass Deinen Browser einen BEST rechnen. Dann hast Du keinen Aufwand mit einem Statistikprogramm, bist mit Bayes-Statistik ganz modern und erhälst gleich ein paar schicke Grafiken, mit denen Du den Report für das Unternehmen aufhübschen kannst.

Wenn es wirklich unverbundene Stichproben sind, und es sich nicht um eine Sterilitätskontrolle mit einer enormen Häufung von Nullen handelt, dann sind Boxplots geeignete Darstellungsformen. Auch hier wieder prüfen, ob nicht die Logarithmen der Zähldaten aussagekräftigere Grafiken liefern als die Rohwerte.

LG,
Bernhard