Wann Nichtparametrische Tests?
Nichtparametrische Tests kommen dann zum Einsatz, wenn Du kein metrisches Skalenniveau vorliegen hast, die wahre Verteilung Deiner Zufallsvariablen nicht kennst und Deine Stichprobe nicht groß genug ist, um mithilfe des Zentralen Grenzwertsatzes Normalverteilung anzunehmen.
Welche Tests setzen Normalverteilung voraus?
Viele statistische Tests setzen die Normalverteilung voraus. Im Einzelfall muss bei einer Auswertung mit SPSS, Stata oder RStudio auf andere Verfahren der Statistik ausgewichen werden. Viele parametrische Tests (bspw. t-Test oder Pearson-Korrelation) fordern eine Normalverteilung der Daten.
Woher weiß ich ob meine Daten normalverteilt sind?
Q-Q-Diagramm/Normalverteilungsdiagramm/Quantil-Plot. Liegen die Punkte in diesem Diagramm gut entlang der Diagonalen, wie zum Beispiel in Abbildung 2, so sind die Daten normalverteilt. Vorteil: Du siehst Deine Daten, kannst sie so besser einschätzen und die Einschätzung ist unabhängig von der Stichprobengröße.
Woher weiß man ob Normalverteilt?
Der Shapiro-Wilk-Test ist ein statistischer Signifikanztest, der die Hypothese überprüft, dass die zugrunde liegende Grundgesamtheit einer Stichprobe normalverteilt ist. Der Test kann zum Überprüfen von univariaten Stichproben mit 3 bis 5000 Beobachtungen eingesetzt werden.
Wie prüfe ich auf Normalverteilung?
Die Tests auf Normalverteilung vergleichen die Werte in der Stichprobe mit einem normalverteilten Satz von Werten mit dem gleichen Mittelwert und der gleichen Standardabweichung; die Nullhypothese ist, dass die Stichprobenverteilung normal ist. Wenn der Test signifikant ist, ist die Verteilung nicht normal.
Wann sind Daten Parametrisch?
Parametrisch bedeutet, dass der Test an Voraussetzungen gekoppelt ist. Die Formeln, die zur Berechnung der statistischen Signifikanz eingesetzt werden, „greifen“ nur, wenn die Daten eine bestimmte Form haben (meist ist hiermit die Form einer symmetrischen Normalverteilung gemeint).