SsS - Beschreibung
SsS enthält Verfahren zur Lösung der unterschiedlichsten statistischen Probleme in verschiedenen Bereichen:
- Beschreibung von Daten
- Beschreibung von Daten (deskriptive Statistik) mit Hilfe von Kennwerten und zugehörigen Diagrammen
- Darstellung von Daten in einfachen Diagrammen
- Anpassung der Daten einer Stichprobe an eine Normalverteilung
- Aufspüren von Ausreißern in einem Datensatz
- Testen auf Unterschiede
- Tests, mit denen sich kontrollieren läßt, ob die Daten einer Stichprobe normalverteilt sind
- Anpassungstests, mit denen sich feststellen läßt, ob eine Stichprobe von einer theoretischen oder einer vorgegebenen Verteilung abweicht
- Binomialtest für eine Stichprobe zum Prüfen, ob dichotome Nominaldaten von einer erwarteten Häufigkeitsverteilung abweichen
- Wilcoxon-Test für eine Stichprobe zum Testen, ob eine aus Ordinal- oder Intervalldaten bestehende Stichprobe von einem vorgegebenen Vergleichswert abweicht
- t-Test für eine Stichprobe, mit dem sich testen lässt, ob sich der Mittelwert einer aus Intervalldaten bestehenden Stichprobe von einem vorgegebenen Vergleichswert unterscheidet
- Tests zum Vergleich von zwei Prozentwerten
- Extension des Fisher-Tests zur exakten Auswertung einer kx2-Felder-Tafel mit geringem Stichprobenumfang
- Tests zur Auswertung einer Mehrfeldertafel (Kontingenztafel)
- Robuster Rangtest, mit dem sich untersuchen lässt, ob sich zwei ungepaarte Stichproben mit Ordinaldaten in ihrer zentralen Tendenz unterscheiden - auch wenn sie sich gleichzeitig in der Streuung unterscheiden
- U-Test zum Testen, ob zwei ungepaarte Stichproben mit Ordinaldaten denselben Median haben
- Randomisierungstests, bzw. exakte Permutationstests, mit denen sich ermitteln läßt, ob sich zwei ungepaarte Stichproben in der zentralen Lage oder in der Streuung unterscheiden
- t-Test, mit dem sich untersuchen lässt, ob sich die Mittelwerte von zwei ungepaarten Stichproben mit Intervalldaten unterscheiden
- McNemar-Test zum Überprüfen, ob sich zwei gepaarte Stichproben mit dichotomen Nominaldaten voneinander unterscheiden. Diese Fragestellung tritt häufig bei einem „vorher-nachher” Versuchsdesign auf
- Wilcoxon-Test zum Überprüfen, ob sich zwei gepaarte Stichproben, die mindesten Ordinaldatenniveau besitzen, in ihrem Median unterscheiden
- Randomisierungstests, bzw. exakte Permutationstests, mit denen sich ermitteln läßt, ob sich zwei gepaarte Stichproben in der zentralen Lage oder in der Streuung unterscheiden
- t-Test, mit dem sich untersuchen lässt, ob sich die Mittelwerte von zwei gepaarten Stichproben mit Intervalldaten unterscheiden
- Kruskal-Wallis-Test mit nachfolgenden Einzelvergleichen zur Überprüfung, welche von mehr als zwei ungepaarten Stichproben mit Ordinaldaten sich von den übrigen unterscheiden
- Einfaktorielle ANOVA mit nachfolgenden Einzelvergleichen zum Testen, ob sich von mehr als zwei ungepaarten Stichproben mit Intervalldaten mindestens eine in ihrem Mittelwert von den übrigen unterscheidet
- Cochrans Q-Test mit nachfolgenden Einzelvergleichen zur Überprüfung, welche von mehr als zwei gepaarten Stichproben mit dichotomen Nominaldaten sich von den übrigen unterscheiden
- Friedman-Test mit nachfolgenden Einzelvergleichen zur Überprüfung, welche von mehr als zwei gepaarten Stichproben mit Ordinaldaten sich von den übrigen unterscheiden
- Einfaktorielle ANOVA mit nachfolgenden Einzelvergleichen zum Testen, ob sich von mehr als zwei gepaarten Stichproben mit Intervalldaten mindestens eine in ihrem Mittelwert von den übrigen unterscheidet
- Beschreibung von Zusammenhängen
- Korrelationskoeffizienten zur Beschreibung von Je-Desto-Beziehungen zwischen jeweils zwei Stichproben
- Tests, mit denen sich die Korrelation zwischen zwei Matrizen untersuchen lässt
- Einfache Regressionsanalyse zur Untersuchung einer linearen Beziehung zwischen einer unabhängigen und einer abhängigen Variable
- Berechnung und Vergleich von zwei linearen Regressionsgeraden
- Geometric Mean Regression, mit der sich mathematisch korrekt eine lineare Regressionsgerade für zwei gleichberechtigte Variablen oder zwei Variablen mit Messfehlern berechnen lässt
- Median Regression zur Untersuchung einer linearen Beziehung zwischen einer unabhängigen und einer abhängigen Variable; dabei dürfen auch Ausreißer in den Stichproben vorliegen
Folgende Systemvoraussetzungen sind für das Arbeiten mit SsS erforderlich:
- Betriebssystem von Windows XP bis Windows 10
- Mindestens 7,5 MB freie Speicherkapazität
- Bildschirmauflösung mindestens 640 x 480 Pixel