T- Test Interpretation

[NVB]

Hallo Leute!
habe gerade mal ein Brett vor dem Kopf. Habe einen T - Test vor mir liegen in dem zwei Aufgabensets auf gleiche Schwierigkeit hin untersucht werden sollen. Dabei kommt heraus dass der Mittelwert für Gruppe 1 m=-8.00 und für Gruppe 2 m=-7.93 ist. Der F Test ist größer als .05 d.h. ich muss in der Zeile Varianzen sind gleich weiterlesen und erhalte da "Sig. (2-seitig)" von .976 ...Das bedeutet doch jetzt, dass die beiden Sets zu 97.6% Sicherheit gleichschwierig sind, oder? (entspräche in meinen Augen 1- alpha)
Denn sonst steht unter "Sig. (2-seitig)", wenn es signifikant unterschiedlich ist ein Wert <.05 was ja der Irrtumswahrscheinlichkeit alpha und nicht der Sicherheit 1-alpha entspricht. Dann müsste ich ja hier sagen, dass mit einer Irrtumswahrscheinlichkeit von 97.6% ein Wert außerhalb des gesuchten Bereiches der H0 liegt, was dann in meiner Logik wieder meinem Satz oben zur "Sicherheit" enspricht, oder bin ich komplett auf dem Holzweg?
mfG Nick!

[drfg2008]

http://www.youtube.com/watch?v=kp6TZMyC5SY

http://www.youtube.com/watch?v=Ua0neCKSauw

Gruß

[NVB]

Die Videos sind echt super!
Allerdings weiß ich zwar nach wie vor, dass meine Ergebnisse dazu führen, dass die H0 (sprich Set1 und Set2 sind gleich schwer) nicht abgelehnt wird. Aber wie verarbeite ich nun diese 97,6 % in einen sinnvollen Satz? Wäre es richtig zu sagen: "Es wäre zu 97,6% die falsche Entscheidung die H0 abzulehnen? Und somit zu 97,6% die richtige Entscheidung sie anzunehmen?"

[Generalist]

Du fasst dieWahrscheinlichkeitswerte falsch auf. Sie erzählen nichts darüber, wie wahrscheinlich die Hypothesen sind. Sondern sie erzählen, wie gut oder schlecht Deine Stichprobendaten mit der Nullhypothese (hier: die Daten stammen aus 2 Grundgesamtheiten mit EXAKT demselben Mittelwert) vereinbar sind.

p=2,4% heißt: sollte die Nullyhpothese gültig sein, dann würden Deine Stichprobendaten (oder extremere) in 2,4% aller mit Deiner vergleichbaren Studien auftreten. Das "vergleichbar" betrifft vor allem die Fallzahl. Man entscheidet gewöhnlich, dass eine so geringe Wahrscheinlichkeit nicht dafür spricht, dass die Nullhypothese stimmt und hier bloß ein seltener Zufall aufgetreten ist. Sondern nimmt es stattdessen zum Anlass anzunehmen, dass die Nullhypothese nicht stimmt.

Der übliche Satz ist, dass sich die Mittelwerte [inferenzstatistisch] signifikant [sofern man die Schwelle < 5% benutzt] unterscheiden. Bitte als relativer Laie niemals mit Wahrscheinlichkeiten für Hypothesen hantieren. Inferenzstatistik ist alles andere als intuitiv erfassbar, das ist nunmal leider so.

[NVB]

Alles klar! Vielen lieben Dank, jetzt hab ichs durchschaut! Das war in der Tat so, dass ich das falsch aufgefasst habe!
mfG Nick!

[drfg2008]

jetzt hab ichs durchschaut

also mir geht das genau umgekehrt


Gruß

[NVB]

Naja ich hätte das jetzt so verstanden: Der T-Test testet eine H0 Mittelwertsgleichheit) gegen eine H1 (Mittelwertsungleichheit) beidseitig. Dafür steht das Signifikanzniveau p.

Sei p < .05 so sind die Mittelwerte signifikant unterschiedlich und die H0 (Mittelwertsgleichheit) müsste abgelehnt werden

Sei p > .05 oder wie in diesem Fall p = .976 so würde ich, wenn ich behaupten würde die Mittelwerte wären unterschiedlich in 97.6% aller Fälle einen Fehler machen und die H1 fälschlicherweise annehmen. Somit muss die H0 (Mittelwertsgleichheit) angenommen werden.

[Generalist]

Ach, nu gugge, der hatte ich den Eingangstext schlampig gelesen, Dein p ist 0,976 und nicht 0,024. Deine Entscheidung hinsichtlich H0 ist richtig. Die Wahrscheinlichkeitsdiskussion ist es nicht so ganz, da fehlt das eine oder andere "unter der hypothetischen Voraussetzung, dass...". Aber ausser der Aussage, dass ein Unterschied als signifikant beurteilt wird (oder auch nicht), brauchst Du normalerweise sowieso nichts zu schreiben.

[drfg2008]

Sei p > .05 oder wie in diesem Fall p = .976 so würde ich, wenn ich behaupten würde die Mittelwerte wären unterschiedlich in 97.6% aller Fälle einen Fehler machen

Und was ist der Unterschied von p und alpha-Fehler?

Und was ist dann der Unterschied von 1-p und beta-Fehler?


Gruß

[Generalist]

p ist ein Ergebnis beim Fisherschen Signifikanztest, alpha ist der a priori Ablehnungsbereich beim Neyman-Pearsonschen Hypothesentesten.
1-p ist eine bedeutungslose Zahl, beta ist eine konditionale Wahrscheinlichkeit.

[drfg2008]

naja, die Frage war an NVB gerichtet, mit etwas Ironie. Hätte vielleicht besser @NVB schreiben sollen.

jetzt hab ichs durchschaut

Gruß

[Generalist]

naja, die Frage war an NVB gerichtet, mit etwas Ironie. Hätte vielleicht besser @NVB schreiben sollen.
Achso.

jetzt hab ichs durchschaut

Ich hatte ja ausdrücklich geschrieben, als relativer Laie solle man sich von Wahrscheinlichkeitsaussagen in Bezug aufs inferenzstatistische Testen tunlichst fernhalten, aber die jungen Leute achten auf nix mehr.

[NVB]

Naja dafür kann mans ja noch lernen wie das alles funktioniert. Ihr wart sicher auch mal jung und unschuldig was die liebe Statistik anbetrifft ;-P Und ich muss gestehen, zwischen Theorie in einer Statistik VL ("Was ist ein T-Test?") und dem praktischen Arbeiten mit SPSS ("Wie interpretiere meine eigenen Ergebnisse, die mir SPSS ausspuckt?") in der Bachelor-Arbeit liegen wirklich nochmal Welten. Vielen Dank nochmal fürs Weiterhelfen!

[drfg2008]

Hallo NVB,

das war eigentlich anders gemeint. Deine Frage zielt nämlich auf ein Problem ab, für das in der Statistik eigentlich keine Lösung gibt. Daher ist die Reaktion auf dein "jetzt ist mir alles klar" -> "mir eher nicht" zu erklären.


Falls du dich wirklich vollständig verwirren willst, dann lies mal:

http://ftp.isds.duke.edu/WorkingPapers/03-26.pdf

oder

http://library.mpib-berlin.mpg.de/ft/gg ... l_2004.pdf

(Lit. Hinweis von Generalist)

Das Problem ist nämlich, dass zwei Modelle verbunden wurden, die nicht zusammenpassen (Fisher / Neyman-Pearson). Und die Wissenschaft folgt dem "p-Ritual" (Gigerenzer).

Gruß