STATISTIK-FORUM.de

[Tel96]

Guten Morgen zusammen!

Ich habe mich soeben hier im Forum registriert, weil ich eine Frage zur Darstellung des p-Wertes in einem Diagramm habe.

Das Diagramm hat eine X und eine Y Achse. Es sind fünf Versuchsreihen in das Diagramm eingetragen. Diese resultieren aus derselben Messmethode bei differeneten Parametern. Jede Messreihe besteht aus 10 Messpunkten, somit hat das Diagramm 50 Punkte, wovon jeweils zehn zu einer Messreihe gehören.
In jeder Einzenlnen Messreihe soll ein Signifikanztest auf Gleichheit der Mittelwerte durchgeführt werden. Diesbezüglich habe ich nach einiger Recherche den Kruskall-Wallis Test durchgeführt, da ich nicht parametrische Daten habe, welche nach KS-Test nicht normalverteilt sind. Bis hierher ist alles okay.

Meine Frage:

Die Messreihen werden im Diagramm mit unterschiedlichen Symbolen (x;*;+;...) gekennzeichnet. Deswegen ist eine Legende im Diagramm enthalten. Ist es möglich (oder besser "erlaubt") den p-wert für die Signifikanz differenter Mittelwerte hinter die Legendenelemente jeder Kurve zu schreiben? Oder sollte ich die Werte besser gesondert in einer Tabelle listen bzw. im Text niederschreiben ? Ich würde ungern fünf Diagramme einfügen, da die Informationen recht gut in einem Diagramm zu verpacken sind (Außer der p-Wert) .

Ich hoffe, das ist alles verständlich. Ich darf kein Diagramm hochladen. Da dieses der Geheimhaltung unterliegt. Ich denke aber, dass das Grund"problem" klar wird.

Ich danke euch und wünsche eine gute Woche.

Mfg
Tel96

[PonderStibbons]

In jeder Einzenlnen Messreihe soll ein Signifikanztest auf Gleichheit der Mittelwerte durchgeführt werden. Diesbezüglich habe ich nach einiger Recherche den Kruskall-Wallis Test durchgeführt, da ich nicht parametrische Daten habe, welche nach KS-Test nicht normalverteilt sind. Bis hierher ist alles okay.

Nicht so ganz. Der K-S-Test vergleicht keine Mittelwerte, weil er auf Rängen beruht. Es gibt übrigens keine "nichtparametrischen Daten",
sondern parametriische und nichtparametrische Tests (Tests, die auf bestimmten Verteilungsvoraussetzungen beruhen oder eben
nicht). "Daten" an sich müssen auch nicht aus einer Normalverteillung stammen, sondern die Daten in Subgruppen bzw. die Vorhersagefehler
des Modells. Bei Verfahren wie t-Test oder linearer Regression oder Varianzanalyse ist das aber zu vernachlässigen, wenn die
Gesamtstichprobe groß genug ist (ab ca. n > 30). Dein Desgin habe ich nicht ganz verstanden, wmöglich ist das kein Test für
5 unabhängige Gruppen, sondern ein Test für 5 abhängige Messungen, das wäre eine Varianzanalyse für Messwiederholungen
oder wegen der dann kleinen Stichprobe von n=10 vielleicht besser ein Friedman-Test.

Was die Auszeichnung mit p-Werten angeht, kann ich persönliich leider nicht helfen, das ist immer eine Sache der
Konvention im jeweiligen Bereich und muss dementsprechend Deinen Abnehmer zufriedenstellen.

Mit freundlichen Grüüßen

PonderStibbons

[Tel96]

Danke @PonderStibbons.
Ich muss mich in der Ausdrucksweise korrigieren. Ich habe einen KS-Test zur Prüfung auf Normalverteilung durchgeführt. Dieser ergibt, dass die Daten nicht NV sind. Diesbezüglich habe ich den Kruskall Wallis Test zur Prüfung auf Gleichheit der Mittelwerte genutzt (nicht parametrischer Test).

n ist bei den Tests jeweils 100 , da die 10 Messwerte im Diagramm aus den Mittelwerten von 10 Messungen je Parameter gemacht werden. (Wie dem auch sei.)

Ich denke, dass ich da dann mal mit meinem Betreuer sprechen muss, inwiefern die Angabe des p-werts so legitim ist. Vielen Dank. Ich dachte , dass es da ggf. Vorgaben oder ähnliches gibt. Bin aber selber nicht fündig geworden.

Lg

[PonderStibbons]

Ich muss mich in der Ausdrucksweise korrigieren. Ich habe einen KS-Test zur Prüfung auf Normalverteilung durchgeführt. Dieser ergibt, dass die Daten nicht NV sind. Diesbezüglich habe ich den Kruskall Wallis Test zur Prüfung auf Gleichheit der Mittelwerte genutzt (nicht parametrischer Test).

Der Kruskal-Wallis-Test vergleicht keine Mittelwerte.

n ist bei den Tests jeweils 100 , da die 10 Messwerte im Diagramm aus den Mittelwerten von 10 Messungen je Parameter gemacht werden. (Wie dem auch sei.)

Das verstehe ich leider nicht. Wenn je 10 Werte aggregiert werden, dann sind es nicht mehr 10 Beobachtungen in der Analyse, sondern halt nur noch eine.