Hallo!
Vorab mal Danke für eure Antworten! Wiso kann man den CHI_ Test nicht anwenden. Der geht ja ab einem Stichprobenumfang von 50.
mfg
Peter

Hallo Barbara!
Als unsystematischer Pfuscher mache ich normalerweise in Excel eine Häufigkeitsanalyse, spiele mit den Intervallen, bis das Ergebnis halbwegs vernünftig ausschaut und mache dann eine Balkengraphik. Normalerweise ist dabei zu sehen, ob die Verteilung einer Normalverteilung ähnlich sieht oder grob davon abweicht. Kleine Abweichungen haben bei mir in der Praxis einfach noch nie Folgen gehabt.
Schöne Grüße
Frank

:Danke euch beiden!
Hallo Sina,
: nö. SPSS ist zwar auf den ersten Blick deutlich anschaulicher als R (oder S-Plus oder SAS), aber dafür auch sehr viel begrenzter, was die angebotenen Testverfahren auf Verteilungen betrifft.
: Darüber hinaus verleitet SPSS dazu, nicht passende Verfahren anzuwenden (beispielsweise Hauptkomponenten-Analyse bei ordinal skalierten Merkmalen) und interpretiert Tests falsch. Bei SPSS wird der Größe des p-Wertes eine Signifikanz zugewiesen (*: signifikant, **: sehr siginifkant,...) und das stellt die statistische Testtheorie auf den Kopf. Das Signifikanzniveau wird auf Grund von fachlichen Überlegungen festgelegt und nicht auf Basis der Datenlage nach dem Motto: Glück gehabt, da ist etwas "sehr signifikant".
: SPSS hat auch keine Tools zur Prozess-Analyse wie QRK oder Cpk. In R gibt es das alles.
: Viele Grüße
: Barbara

Hallo Frank,
die Normalverteilung ist häufig zumindest näherungsweise gegeben. Die Frage ist für mich eher, ob ich eine Normalverteilung haben will oder ob ich den maximalen Informationsgehalt aus den Daten ziehen möchte.
Wenn ich die Werte wirklich analysiere, dann kriege ich viel mehr Informationen darüber, warum meine Werte so sind, wie sie sind, welche (systematishcen) Einflüsse es gibt und kann dann entsprechend den Prozess optimieren.
Die Normalverteilung anzunehmen heißt, diese ganzen Informationen zu ignorieren. Das funktioniert in der Praxis oft, weil Messwerte meistens näherungsweise normalverteilt sind. Eigentlich müssten Messwerte aber wirklich normalverteilt sein und eine Abweichung heißt, dass es systematische Einflüsse gibt. Wenn mir das nicht wichtig ist, dann reicht die Normalverteilungsannahme.
Ich hab meine Homepage im Punkt Verteilungsüberprüfung um ein Beispiel erweitert, dass zeigt, wie unterschiedlich Histogramme aussehen können:
www.bb-sbl.de/tutorial/verteilungen/uebe...ormalverteilung.html
Viele Grüße
Barbara



bb-sbl.de

Hallo Peter,
Du kannst den Chi_-Test anwenden, aber nicht als guten Test für die Entscheidung, ob die Daten aus einer Normalverteilung stammen (s. z. B. Groß [2004]: A Normal Distribution Course, S. 107ff.)
Nur weil ein Test anwendbar ist, heißt das noch nicht, dass er auch die gewünschten Ergebnisse bringt in der geforderten Qualität bringt.
Der Chi_-Test kann gut sein, wenn die Klassen gut gewählt werden, aber dafür gibt es ca. 1 Tonne verschiedene Kriterien mit unterschiedlichen Vor- und Nachteilen. Wenn die Werte schon klassiert sind, dann ist der Chi_-Test zwar anwendbar, aber als Überprüfungstest auf Normalverteilung immer noch unscharf.
Es ist einfacher, sofort gute (weil trennscharfe) Tests zu verwenden, als zu versuchen optimale Klassenaufteilungen zu finden und mit einem unscharfen Test zu arbeiten. Gute Tests sind: Cramer-von Mises, Anderson-Darling und Shapiro-Francia (oder Shapiro-Wilks).
Einen unscharfen Test zu verwenden ist ungefähr so, als würdest Du versuchen mit einem stumpfen Messer einen Fisch zu filetieren: Könnte mit viel Glück funktionieren, besser und einfacher ist es gleich ein scharfes Messer zu nehmen
Viele Grüße
Barbara



bb-sbl.de