1,154 matches
-
Versuch mit Waynes Erfindung stattfindet, die aber fehlschlägt. Dr. Hendrickson ist nicht begeistert vom Ergebnis und stellt Szalinski zur Rede, der sich zu erklären versucht. An einem Samstag fährt Wayne mit Nick und Adam ins Labor, um ohne Erlaubnis einen Test mit seiner Maschine durchzuführen. Dazu braucht er ein Versuchsobjekt und nimmt dazu den Stoffhasen des kleinen Adam. Zudem will er noch die Intensität des Strahls verändern, was schließlich zur Löschung der Datenbank führt. Als der Versuch beginnt, achtet niemand auf
Liebling, jetzt haben wir ein Riesenbaby by JobuBot, u.a. () [WPD17/L37/72462]
-
ISBN 3826681886. Weblinks Offizielle Website (engl.) Microsoft Small Basic 1.1 Release Notes (engl.) Microsoft Small Basic 1.2 Release Notes (engl.) Download-Seite für die dt. Einsteigerdokumentation (International Small Basic Getting Started Guide) Download-Seite für den dt. Lehrplan (International Small Basic Curriculum) Test und Beschreibung von Small Basic (engl.) Interview von 2010 mit Vijaye Raji (engl.) LitDev - die bekannteste und umfangreichste Erweiterung für Small Basic (engl.)
Small Basic by Aka, u.a. () [WPD17/S39/97239]
-
Jean Dalibard (* 8. Dezember 1958) ist ein französischer Physiker. Leben Dalibard arbeitete gemeinsam mit Alain Aspect und Gérard Roger am Laboratoire Charles Fabry in Orsay. 1982 wiesen sie zusammen in einem experimentellen Test des EPR-Effekts nach, dass die Bellschen Ungleichungen verletzt werden. 1986 promovierte er unter der Anleitung von Claude Cohen-Tannoudji über die Manipulation von Atomen durch Laserstrahlen. Dalibard arbeitet am CNRS an der Untersuchung von Bose-Einstein-Kondensaten und ist gleichzeitig Professor an der
Jean Dalibard by Alpinu, u.a. () [WPD17/J05/86704]
-
College in Cambridge. 1991 war er am NIST bei William D. Phillips. Bibliographie Experimental Realization of Einstein-Podolsky-Rosen-Bohm Gedankenexperiment: A New Violation of Bell's Inequalities, A. Aspect, P. Grangier, G. Roger, Physical Review Letters, Vol. 49, Iss. 2, pp.91-94 (1982) Experimental Test of Bell's Inequalities Using Time-Varying Analyzers, A. Aspect, J. Dalibard, G. Roger, Physical Review Letters, Vol. 49, Iss. 25, pp. 1804–1807 (1982) Vorlesungen Weblinks Webpräsenz an der , Paris Laudatio Davisson Germer Preis
Jean Dalibard by Alpinu, u.a. () [WPD17/J05/86704]
-
ältesten Raketentypen sind feststoffbasiert. Es wurden lange Zeit überhaupt nur Feststoffraketen gebaut. Obwohl sie gegenüber moderneren Raketentypen einige Nachteile haben, sind sie aufgrund wichtiger Vorteile bis heute weit verbreitet im Einsatz. Geschichte Früher Einsatz [[Datei:Pad Abort Launch.jpg|mini|Test der Apollo-Rettungsrakete]] Die ältesten Raketen waren Feststoffraketen. Sie wurden vermutlich von den Byzantinern im siebten nachchristlichen Jahrhundert gebaut, bestanden aus Bambus als Raketenkörper und einer Mischung aus Salpeter und Schwefel als Treibstoff. Vermutlich unabhängig davon wurden von den Chinesen im
Feststoffraketentriebwerk by Raumbrükke 2, u.a. () [WPD17/F02/71740]
-
quae de λογῳ υπνοςτατιϰῳ agere videntur, quam defendit Sam. Conr. de Bruine, West Phal. Utrecht 1721 Disput. Theol. eruens Mysterium λογου ὑποστατιϰου ex Ps. XXXIII:6, quam publice defendit Berd. Fred. Dachs Bernensis. Utrecht 1722 Disput. Theol. de locis vet. Test. quae de λογῳ ὑποςτατιϰῳ agere dubitatur, quam defendit Nie. Engelhardt Bernensis. Utrecht 1722 Disput. Theol. de verae fidei actu formali, quam publice defendit Jo. Helfericus Beek, Isenburgensis. Utrecht 1722 Dissert. Theot. de verae fidei actu formali, quam publice defendit Franc
Friedrich Adolf Lampe by Zweioeltanks, u.a. () [WPD17/F02/67485]
-
Als F -Test wird eine Gruppe von statistischen Tests bezeichnet, bei denen die Teststatistik unter der Nullhypothese einer F-Verteilung folgt. Im Kontext der Regressionsanalyse wird mit dem F-Test eine Kombination von linearen (Gleichungs-)Hypothesen untersucht. Beim Spezialfall der Varianzanalyse ist mit F-Test ein
F-Test by JonskiC, u.a. () [WPD17/F02/61573]
-
wird eine Gruppe von statistischen Tests bezeichnet, bei denen die Teststatistik unter der Nullhypothese einer F-Verteilung folgt. Im Kontext der Regressionsanalyse wird mit dem F-Test eine Kombination von linearen (Gleichungs-)Hypothesen untersucht. Beim Spezialfall der Varianzanalyse ist mit F-Test ein Test gemeint, mithilfe dessen mit einer gewissen Konfidenz entschieden werden kann, ob zwei Stichproben aus unterschiedlichen, normalverteilten Populationen sich hinsichtlich ihrer Varianz wesentlich unterscheiden. Er dient damit unter anderem zur generellen Überprüfung von Unterschieden zwischen zwei statistischen Populationen. Der Test geht
F-Test by JonskiC, u.a. () [WPD17/F02/61573]
-
ein Test gemeint, mithilfe dessen mit einer gewissen Konfidenz entschieden werden kann, ob zwei Stichproben aus unterschiedlichen, normalverteilten Populationen sich hinsichtlich ihrer Varianz wesentlich unterscheiden. Er dient damit unter anderem zur generellen Überprüfung von Unterschieden zwischen zwei statistischen Populationen. Der Test geht zurück auf einen der bekanntesten Statistiker, Ronald Aylmer Fisher (1890–1962). F-Test für zwei Stichproben Der F-Test ist ein Begriff aus der mathematischen Statistik, er bezeichnet eine Gruppe von Hypothesentests mit F-verteilter Teststatistik. Bei der Varianzanalyse ist mit dem F-Test
F-Test by JonskiC, u.a. () [WPD17/F02/61573]
-
zurück auf einen der bekanntesten Statistiker, Ronald Aylmer Fisher (1890–1962). F-Test für zwei Stichproben Der F-Test ist ein Begriff aus der mathematischen Statistik, er bezeichnet eine Gruppe von Hypothesentests mit F-verteilter Teststatistik. Bei der Varianzanalyse ist mit dem F-Test der Test gemeint, der für zwei Stichproben aus unterschiedlichen, normalverteilten Grundgesamtheiten die Unterschiede in den Varianzen prüft. Der F-Test setzt voraus, dass zwei unterschiedliche normalverteilte Grundgesamtheiten (Gruppen) gegeben sind, mit den Parametern und bzw. und . Es wird vermutet, dass die Varianz in
F-Test by JonskiC, u.a. () [WPD17/F02/61573]
-
dies zu prüfen, wird aus jeder Grundgesamtheit eine Zufallsstichprobe gezogen, wobei die Stichprobenumfänge und auch unterschiedlich sein dürfen. Die Stichprobenvariablen der ersten Grundgesamtheit und der zweiten Grundgesamtheit müssen dabei unabhängig sowohl innerhalb einer Gruppe als auch untereinander sein. Für den Test der: eignet sich der F-Test, dessen Teststatistik der Quotient der geschätzten Varianzen der beiden Stichproben ist: Dabei sind , die Stichprobenvarianzen und , die Stichprobenmittel innerhalb der beiden Gruppen. Unter der Gültigkeit der Nullhypothese ist die Teststatistik F-verteilt mit Freiheitsgraden im Zähler
F-Test by JonskiC, u.a. () [WPD17/F02/61573]
-
ihren Varianzen unterscheiden, dann unterscheiden sie sich allgemein natürlich auch. Beispiel Ein Unternehmen will die Herstellung eines seiner Produkte auf ein Verfahren umstellen, das bessere Qualität verspricht. Das neue Verfahren wäre zwar teurer, aber sollte eine kleinere Streuung aufweisen. Als Test werden 100 Produkte, hergestellt mit dem neuen Verfahren B, verglichen mit 120 Produkten, die mit der alten Methode A produziert worden sind. Die Produkte B weisen eine Varianz von 80 auf, und die Produkte A eine Varianz von 95. Getestet
F-Test by JonskiC, u.a. () [WPD17/F02/61573]
-
der Stichprobe ist dies unentdeckt geblieben? Aber auch wenn die Nullhypothese abgelehnt worden wäre, also ein signifikanter Unterschied zwischen den Varianzen aufgefunden worden wäre, hätte doch der Unterschied unbedeutend klein sein können. Zuerst stellt sich natürlich die Frage, ob der Test im Stande wäre, den Unterschied zu entdecken. Dazu betrachtet man die Teststärke. Das Signifikanzniveau ist auch der Minimalwert der Teststärke. Das führt also nicht weiter. In der Praxis aber würde die Produktion natürlich nur dann umgestellt, wenn eine erhebliche Verbesserung
F-Test by JonskiC, u.a. () [WPD17/F02/61573]
-
Minimalwert der Teststärke. Das führt also nicht weiter. In der Praxis aber würde die Produktion natürlich nur dann umgestellt, wenn eine erhebliche Verbesserung zu erwarten wäre, z. B. eine Abnahme der Standardabweichung um 25 %. Wie wahrscheinlich ist es, dass der Test einen solchen Unterschied entdeckt? Das ist genau der Wert der Teststärke für . Die Berechnung erfordert zuerst die Berechnung des kritischen Werts . Dazu unterstellen wir , und lesen aus einer Tabelle ab: Es gilt also: Der gesuchte Wert der Teststärke ist die
F-Test by JonskiC, u.a. () [WPD17/F02/61573]
-
Scott Fellows (* 28. September 1965 in New Haven, Connecticut) ist ein amerikanischer Fernsehproduzent und Drehbuchautor. Er ist der Schöpfer der Serien Neds ultimativer Schulwahnsinn , Johnny Test , Big Time Rush und 100 Dinge bis zur Highschool . Karriere Fellows wirkte zuerst bei der Zeichentrickserie Cosmo & Wanda – Wenn Elfen helfen mit und wurde dafür für den Emmy Award nominiert, 2004 erdachte er die Fernsehserie Neds ultimativer Schulwahnsinn. Seit 2005
Scott Fellows by Trustable, u.a. () [WPD17/S41/07364]
-
bis zur Highschool . Karriere Fellows wirkte zuerst bei der Zeichentrickserie Cosmo & Wanda – Wenn Elfen helfen mit und wurde dafür für den Emmy Award nominiert, 2004 erdachte er die Fernsehserie Neds ultimativer Schulwahnsinn. Seit 2005 arbeitet Fellows an seiner Zeichentrickserie Johnny Test mit. Weblinks
Scott Fellows by Trustable, u.a. () [WPD17/S41/07364]
-
Der McNemar-Test ist ein statistischer Test für verbundene Stichproben, bei denen ein dichotomes Merkmal betrachtet wird, wie es z. B. bei einer Vierfeldertafel vorkommen kann. Verbundene Stichproben liegen dann vor, wenn zwischen den Beobachtungen ein Zusammenhang besteht, man z. B. im Rahmen der medizinischen Statistik an
McNemar-Test by NikelsenH, u.a. () [WPD17/M12/49359]
-
einer Vierfeldertafel vorkommen kann. Verbundene Stichproben liegen dann vor, wenn zwischen den Beobachtungen ein Zusammenhang besteht, man z. B. im Rahmen der medizinischen Statistik an Patienten einen Vorher-Nachher-Vergleich vornimmt. Da die Prüfgröße des McNemar-Tests einfach zu berechnen ist, wird der Test scherzhaft auch als "sparsamer Schotte" bezeichnet. Mathematische Formulierung Der McNemar-Test prüft bei einer verbundenen Stichprobe, ob eine Veränderung eingetreten ist. Die Nullhypothese ist, dass es keine Veränderung gab, und demzufolge die Alternativhypothese, dass es eine Veränderung gab. Wenn es keine
McNemar-Test by NikelsenH, u.a. () [WPD17/M12/49359]
-
Veränderung gab, und demzufolge die Alternativhypothese, dass es eine Veränderung gab. Wenn es keine Veränderungen gab, dann müssten bzw. sein. Für die Wahrscheinlichkeiten des Auftretens von etc. ergibt sich folgende mathematischen Formulierung der Hypothesen: bzw. auf die äquivalenten Hypothesen Exakter Test Für den exakten Test werden die Beobachtungen "links unten" und "rechts oben" in der Kontingenztabelle als zufällige Ziehungen betrachtet mit den beiden möglichen Ergebnissen "links unten" und "rechts oben". Wenn die Wahrscheinlichkeit ist, dass eine Beobachtung "links unten" landet, dann
McNemar-Test by NikelsenH, u.a. () [WPD17/M12/49359]
-
die Alternativhypothese, dass es eine Veränderung gab. Wenn es keine Veränderungen gab, dann müssten bzw. sein. Für die Wahrscheinlichkeiten des Auftretens von etc. ergibt sich folgende mathematischen Formulierung der Hypothesen: bzw. auf die äquivalenten Hypothesen Exakter Test Für den exakten Test werden die Beobachtungen "links unten" und "rechts oben" in der Kontingenztabelle als zufällige Ziehungen betrachtet mit den beiden möglichen Ergebnissen "links unten" und "rechts oben". Wenn die Wahrscheinlichkeit ist, dass eine Beobachtung "links unten" landet, dann übersetzen sich die Hypothesen
McNemar-Test by NikelsenH, u.a. () [WPD17/M12/49359]
-
rechts oben". Wenn die Wahrscheinlichkeit ist, dass eine Beobachtung "links unten" landet, dann übersetzen sich die Hypothesen des McNemar-Tests in die Hypothesen eines Binomialtests Die Teststatistik : "Anzahl der Beobachtung rechts oben" ist dann binomial verteilt mit (analog für ). Der exakte Test wird z. B. in SPSS bei Aufruf des McNemar-Tests verwendet, wenn ist. χ 2-Teststatistiken McNemar (1947) benutzte einen -Test, um das Testproblem zu lösen. Unter Gültigkeit der Nullhypothese sind die erwarteten Zellhäufigkeiten gerade , also ergibt sich die Teststatistik . Diese Teststatistik
McNemar-Test by NikelsenH, u.a. () [WPD17/M12/49359]
-
in die Hypothesen eines Binomialtests Die Teststatistik : "Anzahl der Beobachtung rechts oben" ist dann binomial verteilt mit (analog für ). Der exakte Test wird z. B. in SPSS bei Aufruf des McNemar-Tests verwendet, wenn ist. χ 2-Teststatistiken McNemar (1947) benutzte einen -Test, um das Testproblem zu lösen. Unter Gültigkeit der Nullhypothese sind die erwarteten Zellhäufigkeiten gerade , also ergibt sich die Teststatistik . Diese Teststatistik ist approximativ verteilt mit einem Freiheitsgrad. Yates-Korrektur Da die Häufigkeiten diskret sind, ist auch die Teststatistik diskret verteilt. Da
McNemar-Test by NikelsenH, u.a. () [WPD17/M12/49359]
-
gehäuft eintritt, dass ein rein zufälliger Unterschied mit großer Sicherheit (bei 95%-Konfidenzniveau stimmt die erhaltene Aussage z. B. in 95 % der Fälle mit der Wirklichkeit überein) ausgeschlossen werden kann. Ob diese Signifikanz eine Verbesserung oder Verschlechterung bedeutet, sagt der Test an sich nicht aus. Denn der McNemar-Test kann nur zweiseitig durchgeführt werden (er überprüft, ob Veränderungen bestehen - nicht, ob Erhöhung oder Reduzierung der Häufigkeiten auftreten). Die Richtung der Veränderung kann jedoch leicht aus den Daten erschlossen werden, je nachdem, ob
McNemar-Test by NikelsenH, u.a. () [WPD17/M12/49359]
-
bzw. . Für ein Signifikanzniveau von ergibt sich ein kritischer Wert von . Da beide Prüfwerte, und , größer als der kritische Wert sind, wird die Nullhypothese in beiden Fällen abgelehnt. D.h., es gibt eine signifikante Veränderung in den Auffassungen. Beim exakten Test ist "Anzahl der geänderten Meinungen von dafür nach dagegen" unter der obigen Nullhypothese binomial verteilt, folgt also einer Binomialverteilung (analog für ). Die kritischen Werte ergeben sich hier zu 6 und 15, d. h., liegt oder im Intervall , dann kann die
McNemar-Test by NikelsenH, u.a. () [WPD17/M12/49359]
-
dagegen" unter der obigen Nullhypothese binomial verteilt, folgt also einer Binomialverteilung (analog für ). Die kritischen Werte ergeben sich hier zu 6 und 15, d. h., liegt oder im Intervall , dann kann die Nullhypothese nicht verworfen werden. Auch mit dem exakten Test wird also die Nullhypothese verworfen. Siehe auch Vierfeldertest Literatur Christel Weiß: Basiswissen Medizinische Statistik, 3. Aufl. Springer, Berlin 2005, ISBN 3-540-24072-1 Einzelnachweise Yates, F. (1934). Contingency tables involving small numbers and theχ² test.Journal of the Royal Statistical Society, 1, 217-235
McNemar-Test by NikelsenH, u.a. () [WPD17/M12/49359]