/
/
·
·
/
/
·
·
  • Einführung
  • Wann ANOVA?
  • Die Idee
  • Quadrat-Summen-Zerlegung
  • Freiheitsgrade
  • Mittlere Quadrate
  • Beispiel
  • Klassische F-Tabellenwerte (α = 5 %)
  • Voraussetzungen
  • Was nach dem F-Test?
  • Klausur-Faustregeln
  • Typischer Stolperstein
ThemenStatistikANOVA, Varianzanalyse
Statistik·4Lerneinheiten·21min·Stand02.08.2026

ANOVA, Varianzanalyse.

ANOVA (Analysis of Variance) testet, ob sich Mittelwerte mehrerer Gruppen signifikant unterscheiden, der "Multi-Gruppen-t-Test". Klausur-Pflicht in Psychologie, BWL, VWL, Marktforschung. Voraussetzung für jede Experimente-Klausur mit mehreren Bedingungen.

Was du in der Klausur können musst:

  • Wann ANOVA statt t-Test (3 oder mehr Gruppen)
  • F-Statistik als Verhältnis Zwischen-/Innerhalb-Streuung verstehen
  • SST = SSB + SSW Zerlegung der Gesamtvarianz
  • Freiheitsgrade df1 = k−1, df2 = n−k
  • Voraussetzungen (Normalverteilung, Homoskedastizität, Unabhängigkeit)

In Klausuren oft gefragt: Führe eine einfaktorielle ANOVA durch mit 3 Gruppen. Pflicht.

Anzahl GruppenTest
2 Gruppent-Test
3 oder mehr GruppenANOVA (F-Test)

Warum nicht mehrere t-Tests? Bei 3 Gruppen wären 3 paarweise t-Tests nötig. Jeder hat 5 % Fehlerrate → Familien-Fehlerrate steigt auf ~14 %. Die ANOVA prüft die globale Nullhypothese "alle Mittelwerte gleich" als Omnibus-Test auf Niveau α\alphaα. Für anschließende paarweise Vergleiche braucht es weiterhin Post-hoc-Korrekturen wie Tukey HSD oder Bonferroni, die ANOVA selbst kontrolliert nur das globale Niveau, nicht automatisch alle paarweisen Tests.

ANOVA vergleicht Streuung zwischen den Gruppen mit Streuung innerhalb der Gruppen.

  • Wenn Gruppen-Mittelwerte sehr verschieden sind → Zwischen-Gruppen-Streuung groß
  • Wenn sich die Werte innerhalb einer Gruppe sehr ähnlich sind → Innerhalb-Streuung klein
  • → großer Quotient = Mittelwerte unterscheiden sich signifikant

F-Statistik:

F=MSBMSW=Streuung zwischen GruppenStreuung innerhalb GruppenF = \frac{MS_B}{MS_W} = \frac{\text{Streuung zwischen Gruppen}}{\text{Streuung innerhalb Gruppen}}F=MSW​MSB​​=Streuung innerhalb GruppenStreuung zwischen Gruppen​

Wenn FFF groß genug → mindestens ein Gruppen-Mittelwert weicht signifikant ab.

Die Gesamtstreuung lässt sich zerlegen:

SST=SSB+SSW\text{SST} = \text{SSB} + \text{SSW}SST=SSB+SSW

mit:

  • SST (Total Sum of Squares): ∑i,j(xij−xˉges)2\sum_{i,j} (x_{ij} - \bar{x}_{\text{ges}})^2∑i,j​(xij​−xˉges​)2, Streuung um den Gesamt-Mittelwert
  • SSB (Between-Group SS): ∑ini⋅(xˉi−xˉges)2\sum_i n_i \cdot (\bar{x}_i - \bar{x}_{\text{ges}})^2∑i​ni​⋅(xˉi​−xˉges​)2, durch Gruppen erklärt
  • SSW (Within-Group SS): ∑i,j(xij−xˉi)2\sum_{i,j} (x_{ij} - \bar{x}_i)^2∑i,j​(xij​−xˉi​)2, Reststreuung innerhalb
Komponentedf
Zwischen-Gruppendf1=k−1df_1 = k - 1df1​=k−1
Innerhalb-Gruppendf2=n−kdf_2 = n - kdf2​=n−k
TotaldfT=n−1df_T = n - 1dfT​=n−1

mit kkk = Anzahl Gruppen, nnn = Gesamtanzahl Beobachtungen.

MSB=SSBk−1,MSW=SSWn−kMS_B = \frac{SSB}{k-1}, \qquad MS_W = \frac{SSW}{n-k}MSB​=k−1SSB​,MSW​=n−kSSW​

F=MSBMSWF = \frac{MS_B}{MS_W}F=MSW​MSB​​

Unter H0H_0H0​ (alle Mittelwerte gleich) ist E[F]≈1E[F] \approx 1E[F]≈1. Unter H1H_1H1​ wird FFF deutlich größer als 111.

3 Marketing-Kampagnen, je 5 Probanden, gemessener Umsatz:

Gruppe A: 8, 10, 9, 11, 12 (xˉA\bar{x}_AxˉA​ = 10) Gruppe B: 14, 15, 13, 16, 12 (xˉB\bar{x}_BxˉB​ = 14) Gruppe C: 18, 20, 19, 21, 22 (xˉC\bar{x}_CxˉC​ = 20)

Schritt 1, Gesamt-Mittelwert: xˉges=(10+14+20)/3=44/3≈14,667\bar{x}_{\text{ges}} = (10+14+20)/3 = 44/3 \approx 14{,}667xˉges​=(10+14+20)/3=44/3≈14,667.

Schritt 2, SSB (mit exaktem Gesamt-Mittel 44/344/344/3): 5⋅(10−443)2+5⋅(14−443)2+5⋅(20−443)2=980+20+12809=22809≈253,335 \cdot \bigl(10 - \tfrac{44}{3}\bigr)^2 + 5 \cdot \bigl(14 - \tfrac{44}{3}\bigr)^2 + 5 \cdot \bigl(20 - \tfrac{44}{3}\bigr)^2 = \tfrac{980 + 20 + 1280}{9} = \tfrac{2280}{9} \approx 253{,}335⋅(10−344​)2+5⋅(14−344​)2+5⋅(20−344​)2=9980+20+1280​=92280​≈253,33

Schritt 3, SSW (Summe der Abweichungs-Quadrate je Gruppe):

  • A: (8−10)2+(10−10)2+(9−10)2+(11−10)2+(12−10)2=4+0+1+1+4=10(8-10)^2 + (10-10)^2 + (9-10)^2 + (11-10)^2 + (12-10)^2 = 4+0+1+1+4 = 10(8−10)2+(10−10)2+(9−10)2+(11−10)2+(12−10)2=4+0+1+1+4=10
  • B: (14−14)2+(15−14)2+(13−14)2+(16−14)2+(12−14)2=0+1+1+4+4=10(14-14)^2 + (15-14)^2 + (13-14)^2 + (16-14)^2 + (12-14)^2 = 0+1+1+4+4 = 10(14−14)2+(15−14)2+(13−14)2+(16−14)2+(12−14)2=0+1+1+4+4=10
  • C: (18−20)2+(20−20)2+(19−20)2+(21−20)2+(22−20)2=4+0+1+1+4=10(18-20)^2 + (20-20)^2 + (19-20)^2 + (21-20)^2 + (22-20)^2 = 4+0+1+1+4 = 10(18−20)2+(20−20)2+(19−20)2+(21−20)2+(22−20)2=4+0+1+1+4=10
  • Σ SSW=30\Sigma\, SSW = 30ΣSSW=30

Schritt 4, Freiheitsgrade: df1=3−1=2df_1 = 3-1 = 2df1​=3−1=2, df2=15−3=12df_2 = 15-3 = 12df2​=15−3=12.

Schritt 5, F-Statistik: MSB=253,33/2≈126,67,MSW=30/12=2,5MS_B = 253{,}33 / 2 \approx 126{,}67, \qquad MS_W = 30 / 12 = 2{,}5MSB​=253,33/2≈126,67,MSW​=30/12=2,5 F=126,67/2,5≈50,67F = 126{,}67 / 2{,}5 \approx \mathbf{50{,}67}F=126,67/2,5≈50,67

Schritt 6, Kritisch F0,05;2;12≈3,89F_{0{,}05; 2; 12} \approx 3{,}89F0,05;2;12​≈3,89. 50,67≫3,8950{,}67 \gg 3{,}8950,67≫3,89 → H0H_0H0​ verwerfen, mindestens eine Kampagne unterscheidet sich.

df1 \ df25102030∞
16,614,964,354,173,84
25,794,103,493,323,00
35,413,713,102,922,60
55,053,332,712,532,21
  1. Normalverteilung der Werte in jeder Gruppe
  2. Homoskedastizität, gleiche Varianz in allen Gruppen
  3. Unabhängigkeit der Beobachtungen

Bei Verletzung von 1: Kruskal-Wallis-Test (non-parametrisch). Bei Verletzung von 2: Welch's ANOVA.

Wenn ANOVA signifikant ist, weiß man nur, dass mindestens eine Gruppe abweicht, nicht welche. Für Detail-Vergleiche:

  • Tukey's HSD (Honest Significant Difference)
  • Bonferroni-Korrektur für multiple paarweise t-Tests
  • Scheffé-Methode
  1. k ≥ 3 Gruppen → ANOVA, nicht mehrere t-Tests.
  2. F = MSB / MSW mit MSB im Zähler, MSW im Nenner.
  3. df1 = k−1, df2 = n−k, verwechseln ist Klausur-Falle.
  4. F-Tabelle braucht ZWEI df-Werte, kritischen Wert exakt aus df1, df2 ablesen.
  5. F-Test ist immer rechtsseitig (große F-Werte → ablehnen).

df-Reihenfolge verwechselt. F-Tabellen haben df1 (Zähler) horizontal, df2 (Nenner) vertikal. Beim Lookup auf die Reihenfolge achten, F_{2;12} ≠ F_{12;2}.

SSB und SSW verwechseln. Im Zähler steht die ZWISCHEN-Gruppen-Streuung (durch Gruppenzugehörigkeit erklärt), im Nenner die INNERHALB-Streuung (Rauschen). Verwechseln führt zu falschem F.

ANOVA bei nur 2 Gruppen. Funktioniert mathematisch, aber dann ist F = t², der gleiche Test, nur als F formuliert. Bei Klausur: 2 Gruppen → t-Test, 3+ → ANOVA.

3 Gruppen mit je 5 Datenpunkten. Verschiebe die Gruppen-Mittelwerte mit den Slidern, beobachte wie die F-Statistik reagiert: bei deutlich verschiedenen Mittelwerten steigt F stark, bei nahem Beieinander geht F gegen 1 (≈ H₀).

Lade Visualisierung...

Klausur-Tipp: F = 1 bedeutet "MSB = MSW", die Streuung zwischen den Gruppen ist genauso groß wie das Rauschen → kein Signal. Erst wenn F deutlich über dem kritischen Wert liegt, ist ein echter Effekt belegbar.

Anmelden, um den Fortschritt zu speichern.

Nächster Schritt

Wenn du fertig bist: jetzt üben.

Aktives Abrufen festigt Wissen schneller als nochmal lesen.

War das hilfreich?

Verwandte Themen

  • Normalverteilung
  • Datenarten und Skalenniveaus
  • Poisson-Verteilung & Binomialverteilung Formel (Statistik)
  • Lage- und Streuungsmaße
  • Konfidenzintervall

Tools

Bald: Karteikarten · Spaced-Repetition · Mind-Map-Export

Fachliche Qualität
Noch nicht klassifiziertZuletzt geprüft am 05.05.2026

Diese Lerneinheit wurde für typische Bachelor-Klausuren konzipiert. So prüfen wir · Fehler entdeckt? Melde ihn uns oder markiere die fragliche Stelle direkt im Text oben.

Klausur-ÜbersichtKomplette Übersicht: alle Tabs als linearer Text zum Lernen
▾

Alle Tabs der Lerneinheit (Erklärung · Interaktiv verstehen · Praxis-Übung · Klausur-Quiz) als durchgehender Text. Ideal zum Wiederholen vor der Klausur, und für Suchmaschinen wie Google, Bing und KI-Suche (ChatGPT, Perplexity).

Inhalt dieser Übersicht

  1. Erklärung(Erklärung)
  2. Interaktiv verstehen(Visualisierung / Interaktiv)
  3. Praxis-Übung(Quiz / Klausurfragen)
  4. Klausur-Quiz(Quiz / Klausurfragen)
Teil 1·Erklärung

Erklärung

ANOVA (Analysis of Variance) testet, ob sich Mittelwerte mehrerer Gruppen signifikant unterscheiden, der "Multi-Gruppen-t-Test". Klausur-Pflicht in Psychologie, BWL, VWL, Marktforschung. Voraussetzung für jede Experimente-Klausur mit mehreren Bedingungen.

Was du in der Klausur können musst:

  • Wann ANOVA statt t-Test (3 oder mehr Gruppen)
  • F-Statistik als Verhältnis Zwischen-/Innerhalb-Streuung verstehen
  • SST = SSB + SSW Zerlegung der Gesamtvarianz
  • Freiheitsgrade df1 = k−1, df2 = n−k
  • Voraussetzungen (Normalverteilung, Homoskedastizität, Unabhängigkeit)

In Klausuren oft gefragt: Führe eine einfaktorielle ANOVA durch mit 3 Gruppen. Pflicht.

Wann ANOVA?

Anzahl GruppenTest
2 Gruppent-Test
3 oder mehr GruppenANOVA (F-Test)

Warum nicht mehrere t-Tests? Bei 3 Gruppen wären 3 paarweise t-Tests nötig. Jeder hat 5 % Fehlerrate → Familien-Fehlerrate steigt auf ~14 %. Die ANOVA prüft die globale Nullhypothese "alle Mittelwerte gleich" als Omnibus-Test auf Niveau α. Für anschließende paarweise Vergleiche braucht es weiterhin Post-hoc-Korrekturen wie Tukey HSD oder Bonferroni, die ANOVA selbst kontrolliert nur das globale Niveau, nicht automatisch alle paarweisen Tests.

Die Idee

ANOVA vergleicht Streuung zwischen den Gruppen mit Streuung innerhalb der Gruppen.

  • Wenn Gruppen-Mittelwerte sehr verschieden sind → Zwischen-Gruppen-Streuung groß
  • Wenn sich die Werte innerhalb einer Gruppe sehr ähnlich sind → Innerhalb-Streuung klein
  • → großer Quotient = Mittelwerte unterscheiden sich signifikant

F-Statistik:

F = MS_B/MS_W = (Streuung zwischen Gruppen)/(Streuung innerhalb Gruppen)

Wenn F groß genug → mindestens ein Gruppen-Mittelwert weicht signifikant ab.

Quadrat-Summen-Zerlegung

Die Gesamtstreuung lässt sich zerlegen:

SST = SSB + SSW

mit:

  • SST (Total Sum of Squares): Σ_(i,j) (x_(ij) - x̄_(ges))², Streuung um den Gesamt-Mittelwert
  • SSB (Between-Group SS): Σ_i n_i · (x̄_i - x̄_(ges))², durch Gruppen erklärt
  • SSW (Within-Group SS): Σ_(i,j) (x_(ij) - x̄_i)², Reststreuung innerhalb

Freiheitsgrade

Komponentedf
Zwischen-Gruppendf₁ = k - 1
Innerhalb-Gruppendf₂ = n - k
Totaldf_T = n - 1

mit k = Anzahl Gruppen, n = Gesamtanzahl Beobachtungen.

Mittlere Quadrate

MS_B = SSB/(k-1), MS_W = SSW/(n-k)

F = MS_B/MS_W

Unter H₀ (alle Mittelwerte gleich) ist E[F] ≈ 1. Unter H₁ wird F deutlich größer als 1.

Beispiel

3 Marketing-Kampagnen, je 5 Probanden, gemessener Umsatz:

Gruppe A: 8, 10, 9, 11, 12 (x̄_A = 10) Gruppe B: 14, 15, 13, 16, 12 (x̄_B = 14) Gruppe C: 18, 20, 19, 21, 22 (x̄_C = 20)

Schritt 1, Gesamt-Mittelwert: x̄_(ges) = (10+14+20)/3 = 44/3 ≈ 14,667.

Schritt 2, SSB (mit exaktem Gesamt-Mittel 44/3): 5 · (10 - 44/3)² + 5 · (14 - 44/3)² + 5 · (20 - 44/3)² = (980 + 20 + 1280)/9 = 2280/9 ≈ 253,33

Schritt 3, SSW (Summe der Abweichungs-Quadrate je Gruppe):

  • A: (8-10)² + (10-10)² + (9-10)² + (11-10)² + (12-10)² = 4+0+1+1+4 = 10
  • B: (14-14)² + (15-14)² + (13-14)² + (16-14)² + (12-14)² = 0+1+1+4+4 = 10
  • C: (18-20)² + (20-20)² + (19-20)² + (21-20)² + (22-20)² = 4+0+1+1+4 = 10
  • Σ SSW = 30

Schritt 4, Freiheitsgrade: df₁ = 3-1 = 2, df₂ = 15-3 = 12.

Schritt 5, F-Statistik: MS_B = 253,33 / 2 ≈ 126,67, MS_W = 30 / 12 = 2,5 F = 126,67 / 2,5 ≈ mathbf{50,67}

Schritt 6, Kritisch F_{0,05; 2; 12} ≈ 3,89. 50,67 gg 3,89 → H₀ verwerfen, mindestens eine Kampagne unterscheidet sich.

Klassische F-Tabellenwerte (α = 5 %)

df1 \ df25102030∞
16,614,964,354,173,84
25,794,103,493,323,00
35,413,713,102,922,60
55,053,332,712,532,21

Voraussetzungen

  1. Normalverteilung der Werte in jeder Gruppe
  2. Homoskedastizität, gleiche Varianz in allen Gruppen
  3. Unabhängigkeit der Beobachtungen

Bei Verletzung von 1: Kruskal-Wallis-Test (non-parametrisch). Bei Verletzung von 2: Welch's ANOVA.

Was nach dem F-Test?

Wenn ANOVA signifikant ist, weiß man nur, dass mindestens eine Gruppe abweicht, nicht welche. Für Detail-Vergleiche:

  • Tukey's HSD (Honest Significant Difference)
  • Bonferroni-Korrektur für multiple paarweise t-Tests
  • Scheffé-Methode

Klausur-Faustregeln

  1. k ≥ 3 Gruppen → ANOVA, nicht mehrere t-Tests.
  2. F = MSB / MSW mit MSB im Zähler, MSW im Nenner.
  3. df1 = k−1, df2 = n−k, verwechseln ist Klausur-Falle.
  4. F-Tabelle braucht ZWEI df-Werte, kritischen Wert exakt aus df1, df2 ablesen.
  5. F-Test ist immer rechtsseitig (große F-Werte → ablehnen).

Typischer Stolperstein

df-Reihenfolge verwechselt. F-Tabellen haben df1 (Zähler) horizontal, df2 (Nenner) vertikal. Beim Lookup auf die Reihenfolge achten, F_{2;12} ≠ F_{12;2}.

SSB und SSW verwechseln. Im Zähler steht die ZWISCHEN-Gruppen-Streuung (durch Gruppenzugehörigkeit erklärt), im Nenner die INNERHALB-Streuung (Rauschen). Verwechseln führt zu falschem F.

ANOVA bei nur 2 Gruppen. Funktioniert mathematisch, aber dann ist F = t², der gleiche Test, nur als F formuliert. Bei Klausur: 2 Gruppen → t-Test, 3+ → ANOVA.

Teil 2·Visualisierung / Interaktiv

Interaktiv verstehen

ANOVA-Lab

3 Gruppen mit je 5 Datenpunkten. Verschiebe die Gruppen-Mittelwerte mit den Slidern, beobachte wie die F-Statistik reagiert: bei deutlich verschiedenen Mittelwerten steigt F stark, bei nahem Beieinander geht F gegen 1 (≈ H₀).

Interaktive Visualisierung

Einfaktorielle Varianzanalyse (ANOVA) mit F-Statistik und p-Wert.

Klausur-Tipp: F = 1 bedeutet "MSB = MSW", die Streuung zwischen den Gruppen ist genauso groß wie das Rauschen → kein Signal. Erst wenn F deutlich über dem kritischen Wert liegt, ist ein echter Effekt belegbar.

Teil 3·Quiz / Klausurfragen

Praxis-Übung

ANOVA-Praxis

Klausur-typische Aufgaben: ANOVA-Tabelle vervollständigen, F-Statistik berechnen, kritischen Wert ablesen, Entscheidung.

Klausurfragen mit Lösungen (6)

F1.Wann verwendet man ANOVA statt t-Tests?

Antwort: Wenn 3 oder mehr Gruppen verglichen werden

Erklärung: ANOVA für 3+ Gruppen. Bei 2 Gruppen reicht t-Test. Mehrere paarweise t-Tests führen zu Mehrfach-Vergleichs-Problem (α-Inflation), das ANOVA umgeht.

F2.ANOVA mit 4 Gruppen und n = 40 Gesamtbeobachtungen. Wie groß ist df_innerhalb (df2)?

Antwort: 36

Erklärung: df2 = n - k = 40 - 4 = 36. Klausur-Standard. df1 = k-1 = 3. F-Tabelle braucht beide Werte.

Typ: Zahlen-Eingabe

F3.SSB = 200, SSW = 300, k = 3, n = 30. Berechne die F-Statistik. (auf 2 Nachkommastellen)

Antwort: 9 (Toleranz ±0.05)

Erklärung: MSB = SSB/(k-1) = 200/2 = 100. MSW = SSW/(n-k) = 300/27 ≈ 11,11. F = 100/11,11 ≈ 9,00. Klausur-Standard: erst MS, dann F.

Typ: Zahlen-Eingabe

F4.Bei H₀ (alle Gruppen-Mittelwerte gleich) ist die erwartete F-Statistik etwa 1.

Antwort: Wahr

Erklärung: Korrekt. Bei H₀ schätzen MSB und MSW beide die gleiche Varianz → ihr Verhältnis ist ungefähr 1. F ≫ 1 → H₀ ablehnen. F-Test ist immer rechtsseitig.

Typ: Wahr/Falsch

F5.Ordne der Quadrat-Summe die Beschreibung zu:

Zuordnungen:

  • SST → Σ(xij − x̄ges)², Gesamt-Streuung
  • SSB → Σ ni·(x̄i − x̄ges)², durch Gruppen erklärt
  • SSW → Σ(xij − x̄i)², Reststreuung innerhalb Gruppen
  • Zerlegung → SST = SSB + SSW

Erklärung: Die zentrale Identität SST = SSB + SSW. F-Test fragt: ist SSB groß im Verhältnis zu SSW? Dann unterscheiden sich Mittelwerte.

Typ: Zuordnung

F6.Voraussetzungen der einfaktoriellen ANOVA: {{1}}-Verteilung der Werte je Gruppe, {{2}} (gleiche Varianz aller Gruppen), und {{3}} der Beobachtungen.

Lösungen pro Lücke:

  • {{1}}: Normal / normal
  • {{2}}: Homoskedastizität / Homogenität / Varianzhomogenität
  • {{3}}: Unabhängigkeit / Unabhaengigkeit

Erklärung: Drei Standard-Voraussetzungen: Normal + gleiche Varianz + unabhängig. Bei Verletzung: Kruskal-Wallis (non-parametrisch) oder Welch's ANOVA (bei Heteroskedastizität).

Typ: Lückentext

Teil 4·Quiz / Klausurfragen

Klausur-Quiz

Klausurfragen mit Lösungen (6)

F1.Sortiere die Schritte einer einfaktoriellen ANOVA:

Richtige Reihenfolge:

  1. Gesamt-Mittelwert $\bar{x}_{\text{ges}}$ und Gruppen-Mittelwerte $\bar{x}_i$ berechnen
  2. SSB = Σ ni·(x̄i − x̄ges)² aufsummieren
  3. SSW = Σ(xij − x̄i)² über alle Gruppen
  4. MSB = SSB/(k-1), MSW = SSW/(n-k) bilden
  5. F-Statistik = MSB / MSW
  6. Vergleich mit F_krit (df1, df2, α) → Entscheidung

Erklärung: Standard-Workflow für ANOVA. Mittelwerte → Quadrat-Summen → MS-Werte → F → Entscheidung. Reihenfolge ist deterministisch, kein Schritt überspringbar.

Typ: Reihenfolge

F2.Eine ANOVA mit F = 1,2 bei kritischem F = 3,49. Welche Entscheidung?

Antwort: H₀ beibehalten, denn F < F_krit

Erklärung: F = 1,2 < F_krit = 3,49 → H₀ NICHT ablehnen. F nahe 1 ist sogar genau das, was bei H₀ erwartet wird. Klausur-Klassiker zur Entscheidungsfindung.

F3.3 Gruppen mit je 5 Werten. Gruppen-Mittelwerte 10, 14, 20. Gesamt-Mittelwert exakt 44/3 ≈ 14,667. Berechne SSB. (auf 1 Nachkommastelle)

Antwort: 253.3 (Toleranz ±0.5)

Erklärung: Mit exaktem Gesamt-Mittel 44/3: SSB = 5·(10−44/3)² + 5·(14−44/3)² + 5·(20−44/3)² = (5·196 + 5·4 + 5·256)/9 = 2280/9 ≈ 253,33. Daraus MSB ≈ 126,67, mit MSW = 2,5 folgt F ≈ 50,67. Wer mit gerundetem 14,67 rechnet, kommt auf ≈ 252,3, der saubere Wert ist 253,33.

Typ: Zahlen-Eingabe

F4.Bei nur 2 Gruppen liefert die ANOVA dasselbe Ergebnis wie ein zweiseitiger t-Test (F = t²).

Antwort: Wahr

Erklärung: Korrekt. Bei k=2 ist die ANOVA mathematisch äquivalent zum zweiseitigen t-Test. F-Statistik ist exakt das Quadrat des t-Wertes. In Klausur trotzdem t-Test bei 2 Gruppen anwenden, kompakter und Standard.

Typ: Wahr/Falsch

F5.Welche Aussagen über ANOVA sind RICHTIG?

Richtige Antworten: F-Test ist immer rechtsseitig; df1 = k-1, df2 = n-k; MSB im Zähler, MSW im Nenner; SST = SSB + SSW

Erklärung: Korrekt: rechtsseitig, df1/df2-Definitionen, MSB/MSW, Zerlegung. Falsch: F ist immer ≥ 0 (Quadrat-Verhältnis); ANOVA sagt nur 'mind. eine Gruppe weicht ab', Detail-Vergleiche brauchen Post-hoc-Tests (Tukey, Bonferroni).

Typ: Multi-Select

F6.Eine signifikante ANOVA. Wie findest du heraus WELCHE Gruppen sich unterscheiden?

Antwort: Post-hoc-Tests wie Tukey HSD oder Bonferroni-Korrektur

Erklärung: Post-hoc-Tests sind speziell für Multi-Gruppen-Vergleiche nach signifikanter ANOVA gedacht. Tukey HSD ist Standard. Bonferroni teilt α durch Anzahl Vergleiche. Mehrere t-Tests ohne Korrektur ist FALSCH (α-Inflation).

Zur KategorieStatistik.Mehr Themen entdeckenZum Themen-Hub.

UniProMax ist eine themenbasierte Lernplattform für Studierende an deutschen Unis.

Wir glauben, dass Verstehen besser ist als Auswendiglernen. Wir bauen Lerneinheiten die zeigen statt erzählen. Code, Visualisierung, Quiz. Auf Deutsch.

Marke

UniProMaxUniProMax

Themenbasiert, visuell, interaktiv.

Inhalte

  • Alle Themen (Hub)
  • Programmiergrundlagen
  • Algorithmen
  • Mathematik
  • Statistik
  • Datenbanken
  • Rechnungswesen
  • VWL

Studiengang-Filter

  • Informatik
  • Wirtschaftsinformatik
  • BWL
  • Data Science
  • VWL
  • Wirtschaftsingenieurwesen
  • Mathe
  • Psychologie
  • weitere Studiengänge folgen

Plattform

  • Mein Fortschritt
  • Impressum
  • Datenschutz
© 2026 UniProMaxAlle Systeme onlinev0.2 / Sommersemester 2026
UniProMaxUniProMaxUniProMaxUniProMax