Bei der Inferenzstatistik geht es darum, auf der Grundlage der in der Stichprobe gefundenen Beziehungen auf die Beziehungen in der Grundgesamtheit zu schlie脽en. Mit Hilfe der Inferenzstatistik k枚nnen wir beispielsweise entscheiden, ob die Unterschiede zwischen den Gruppen, die wir in unseren Daten feststellen, stark genug sind, um unsere Hypothese zu st眉tzen, dass Gruppenunterschiede generell in der gesamten Population bestehen. Zun盲chst werden wir die Grundprinzipien der Signifikanztests betrachten: die Verteilung der Stichproben- und Teststatistiken, den p-Wert, das Signifikanzniveau, die Trennsch盲rfe sowie Fehler vom Typ I und Typ II. Dann werden wir eine gro脽e Anzahl statistischer Tests und Techniken betrachten, die uns helfen, Schlussfolgerungen 蹿眉谤 verschiedene Datentypen und verschiedene Arten von Designforschungen zu ziehen. F眉r jeden einzelnen statistischen Test werden wir untersuchen, wie er funktioniert, 蹿眉谤 welche Daten und welches Design er geeignet ist und wie die Ergebnisse zu interpretieren sind.
Normalerweise w眉rden Sie auch lernen, wie man diese Tests mit der frei verf眉gbaren Software R durchf眉hrt. Aus technischen Gr眉nden k枚nnen wir dies leider nicht tun. Wir werden versuchen, dies bald wieder anzubieten. F眉r diejenigen, die bereits mit statistischen Tests vertraut sind: Wir werden uns z-Tests 蹿眉谤 1 und 2 Proportionen, McNemar's Test 蹿眉谤 abh盲ngige Proportionen, t-Tests 蹿眉谤 1 Mittelwert (gepaarte Unterschiede) und 2 Mittelwerte, den Chi-Quadrat-Test 蹿眉谤 Unabh盲ngigkeit, den exakten Test von Fisher, einfache Regression (linear und exponentiell) und multiple Regression (linear und logistisch), einseitige und faktorielle Varianzanalyse und nicht-parametrische Tests (Wilcoxon, Kruskal-Wallis, Vorzeichentest, Signed-Rank-Test, Runs-Test) ansehen.