Lösungen 09 / 2022 – Teil 3

ℹ️ Hinweis  ← (hier klicken)

Aufgabe 20

Bei dieser Aufgabe geht es wieder darum, ein paar Informationen aus einem umständlichen Text abzulesen.

Um diese Inhalte zu nutzen, musst du dich anmelden und den Zugriff auf die Klausurlösungen kostenpflichtig erwerben.

Lösungen:

  • 💡  A ist richtig:  Es werden zwei t-Tests für abhängige Stichproben berichtet: "paired t(17) = 1.20, p = .25" und "paired t(17) = 0.80, p = .44". Bei beiden t-Tests ging es um einen Vergleich der gesprochen "Pitches" mit den schriftlichen "Pitches". Dabei ging es jedoch nicht darum, wie die Pitches vom potentiellen Arbeitgeber bewertet wurden und die entsprechenden Einstellungschancen, sondern es ging um die von den Bewerbern erwarteten Bewertungen und Einstellungschancen. Die Wertepaare sind also die eigenen Erwartungen für den jeweils gesprochenen und geschriebenen Pitch.
  • 💡  B ist falsch:  "These participants did not predict that they would be evaluated differently … p = .25".
  • 💡  C ist falsch:  Erwartungen bezüglich der Evaluation: "… that they woud be evaluated differently … d = 0.45". Erwartungen bezüglich der Einstellungschancen: "… likelihood of getting hired … d = 0.29".
  • 💡  D ist falsch:  t(17) deutet daraufhin, dass es 17 Freiheitsgrade sind. Ergo sind es 18 Studierende.
  • 💡  E ist falsch:  "On average, they had already given their pitches 1.44 (SD = 1.58) times". Wenn es eine Standardabweichung gibt, die ungleich null ist, dann wurde der jeweilige Pitch auch nicht von allen gleich häufig gehalten.
Aufgabe 21

Lösungen:

  • 💡  A ist falsch:  Diese (unerwünschte) Praxis nennt man HARKing (Hypothesizing After Results are Known). Siehe Seldmeier S.636.
  • 💡  B ist richtig:  Es ist ok, eine neue Studie durchzuführen, weil man die Ergebnisse der neuen Daten ja noch nicht weiß. Woher man seine Hypothesen hat, spielt hier keine Rolle.
  • 💡  C ist richtig:  Nichts spricht dagegen, diese Daten weiter zu untersuchen. Man sollte sie nur nicht verwenden, um eine nachträglich konstruierte Hypothese zu bestätigen.
  • 💡  D ist falsch:  Warum der Lehrstuhl diese Aussage als falsch bewertet hat, ist nicht nachvollziehbar. Es ist unklar, gegen welche Regel hier verstoßen wurde. Und alles was nicht nicht gegen die Regeln verstößt, entspricht ihnen. Um diese Inhalte zu nutzen, musst du dich anmelden und den Zugriff auf die Klausurlösungen kostenpflichtig erwerben.
  • 💡  E ist falsch:  Das ist quasi das Gegenteil von Optional Stopping. Genauso wie es keine gute Praxis ist, die Stichprobe zu vergrößern, bis man das gewünschte Ergebnis erhält, so ist es auch keine gute Praxis, die Stichprobe zu verkleinern, bis man das gewünschte Ergebnis erhält.
Aufgabe 22

Lösungen:

  • 💡  A ist richtig:  Siehe Sedlmeier S.707 – "Klassisch vs. Bayesianisch".
  • 💡  B ist richtig:  Die Präzision ist der Kehrwert der Varianz der Priorverteilung. Das findet man in der ℹ️ Pflichtlektüre.
  • 💡  C ist falsch:  Die Likelihood wird aus den Daten berechnet. Siehe den obersten Abschnitt im Sedlmeier S.689.
  • 💡  D ist richtig:  Das Ergebnis bei Bayes sind die Posteriors. Das sind die WSKen für die einzelnen Hypothesen.
  • 💡  E ist richtig:  Das entspricht (mehr oder weniger) dem Wortlaut der ℹ️ Vorlesung.
Aufgabe 23

Lösungen:

  • 💡  A ist falsch:  Ein Cohens d von 0,5 gilt gemäß Cohen als mittlerer Effekt. Siehe Sedlmeier, S.304. Auch wenn die Konventionen von Cohen eigentlich nicht für Hedges g gelten (sondern für Cohens d) und wenn Hedges g tatsächlich immer etwas kleiner ausfällt als Cohens d, so wird ein Hegdes g von 0,41 mit einiger Sicherheit (sofern die beiden Stichproben nicht sehr sehr klein sind) nicht als großer Effekt gelten.
  • 💡  B ist richtig:  Das Vorzeichen der Effektgröße für die Mittelwert-Differenz ist genauso wie das Vorzeichen der Mittelwert-Differenz selbst. Das bedeutet, dass die Reihenfolge der beiden Gruppen bei der Berechnung eine Rolle spielt.
  • 💡  C ist richtig:  Nicht nur Cohens d kann man in r umrechnen, sondern auch Hedges g. Siehe die entsprechende Umrechnungsformel im Sedlmeier S.300.
  • 💡  E ist richtig:  Effektgrößen sind dazu geeignet, die Ergebnisse verschiedener Studien miteinander zu vergleichen.
  • 💡  D ist richtig:  Aus dem t-Wert kann man mithilfe der Stichproben-Größen und/oder der Freiheitsgrade die Effektgröße berechnen. ℹ️ Beispiel
Aufgabe 24

Lösungen:

  • 💡  A ist richtig:  Bei unabhängigen Ereignissen gilt: P(A ∩ B) = P(A) x P(B). Siehe auch die Bedingungen einer stochastischen Unabhängigkeit und/oder die Lernkarten WSK-Rechnung.
  • 💡  B ist falsch:  P(A | B) ist die WSK für A wenn B eingetreten ist.
  • 💡  C ist richtig:  Im Sedlmeier, S.313/314, Abschnitt "Was ist Wahrscheinlichkeit", wird ℹ️ der klassische Ansatz den ℹ️ frequentistischen WSKen sozusagen gegenübergestellt. Siehe auch Aufgabe 15A aus der Klausur 03/2022 und 5A aus 09/2021.
  • 💡  D ist richtig:  Die für einen Signifikanztest verwendete WSK-Verteilung (etwa um den p-Wert zu ermitteln) leitet sich aus der Häufigkeitsverteilung in der Stichprobe ab (Mittelwert, Varianz, etc.).
  • 💡  E ist richtig:  Die Bayes-Statistik stützt sich auf subjektive (sog. "Bayesianische") WSKen.
Aufgabe 25

Bei dieser Aufgabe soll eine Zahl aus einer Tabelle abgelesen werden.

☝️ Tipp: Bei dieser Art von Aufgaben ist es sinnvoll, immer zuerst die eigentliche Frage unter der Tabelle zu lesen.

Lösung: 27,31

Aufgabe 26

Bei dieser Aufgabe soll der Modalwert aus einer gegebenen Häufigkeitstabelle abgelesen werden. Der Modalwert ist der Wert mit der größten Häufigkeit.

Bei einer solchen Häufigkeitstabelle stehen die verschiedenen Ausprägungen oben und ihre Häufigkeiten unten:

Beispiel mit ROnline

Datenreihe anlegen und Häufigkeitstabelle anzeigen:

noten <- c(rep(1,8), rep(2,11), rep(3,14), rep(4,6), rep(5,2), rep(6,1))
table(noten)
noten
 1  2  3  4  5  6
 8 11 14  6  2  1

Den Modalwert kann man relativ einfach ablesen. Man kann ihn aber auch mithilfe der which.max()-Funktion ermitteln:

which.max( table(x) )
 3
 3
Um diese Inhalte zu nutzen, musst du dich anmelden und den Zugriff auf die Klausurlösungen kostenpflichtig erwerben.
Hinweis

Das Fenster mit dem  grünen Button  ist eine R Konsole. Es verhält sich im Prinzip genauso, wie die R Konsole in deinem RStudio. Du kannst damit "rumspielen", die Zahlen verändern und Dinge ausprobieren.

Du kannst nichts kaputt machen! Den Ausgangszustand kannst du jederzeit durch einen Seiten Reload wiederherstellen.


Der Modalwert ist der Wert mit der größten Häufigkeit.

Das ist die 3.

Ein Gedanke zu „Lösungen 09 / 2022 – Teil 3“

  1. Ich feiere deinen Kommentar zum „maximal unverständlichen Text mit einer bemerkenswerten Sprachakrobatik“ aus Aufgabe 20 sehr 😀 Bei diesen Aufgaben bin ich echt froh um mein Erststudium Anglistik … Und es stellt sich tatsächlich die Frage, warum es solche Fragen in einer ohnehin schon stressigen Prüfungssituation braucht.

Schreibe einen Kommentar