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).
Teil 1·Erklärung
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.
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).
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:
In Klausuren oft gefragt: Führe eine einfaktorielle ANOVA durch mit 3 Gruppen. Pflicht.
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
Aktives Abrufen festigt Wissen schneller als nochmal lesen.
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:
In Klausuren oft gefragt: Führe eine einfaktorielle ANOVA durch mit 3 Gruppen. Pflicht.
| Anzahl Gruppen | Test |
|---|---|
| 2 Gruppen | t-Test |
| 3 oder mehr Gruppen | ANOVA (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.
ANOVA vergleicht Streuung zwischen den Gruppen mit Streuung innerhalb der Gruppen.
F-Statistik:
F = MS_B/MS_W = (Streuung zwischen Gruppen)/(Streuung innerhalb Gruppen)
Wenn F groß genug → mindestens ein Gruppen-Mittelwert weicht signifikant ab.
Die Gesamtstreuung lässt sich zerlegen:
SST = SSB + SSW
mit:
Σ_(i,j) (x_(ij) - x̄_(ges))², Streuung um den Gesamt-MittelwertΣ_i n_i · (x̄_i - x̄_(ges))², durch Gruppen erklärtΣ_(i,j) (x_(ij) - x̄_i)², Reststreuung innerhalb| Komponente | df |
|---|---|
| Zwischen-Gruppen | df₁ = k - 1 |
| Innerhalb-Gruppen | df₂ = n - k |
| Total | df_T = n - 1 |
mit k = Anzahl Gruppen, n = Gesamtanzahl Beobachtungen.
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.
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):
(8-10)² + (10-10)² + (9-10)² + (11-10)² + (12-10)² = 4+0+1+1+4 = 10(14-14)² + (15-14)² + (13-14)² + (16-14)² + (12-14)² = 0+1+1+4+4 = 10(18-20)² + (20-20)² + (19-20)² + (21-20)² + (22-20)² = 4+0+1+1+4 = 10Σ SSW = 30Schritt 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.
| df1 \ df2 | 5 | 10 | 20 | 30 | ∞ |
|---|---|---|---|---|---|
| 1 | 6,61 | 4,96 | 4,35 | 4,17 | 3,84 |
| 2 | 5,79 | 4,10 | 3,49 | 3,32 | 3,00 |
| 3 | 5,41 | 3,71 | 3,10 | 2,92 | 2,60 |
| 5 | 5,05 | 3,33 | 2,71 | 2,53 | 2,21 |
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:
- k ≥ 3 Gruppen → ANOVA, nicht mehrere t-Tests.
- F = MSB / MSW mit MSB im Zähler, MSW im Nenner.
- df1 = k−1, df2 = n−k, verwechseln ist Klausur-Falle.
- F-Tabelle braucht ZWEI df-Werte, kritischen Wert exakt aus df1, df2 ablesen.
- 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).
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.
Klausur-typische Aufgaben: ANOVA-Tabelle vervollständigen, F-Statistik berechnen, kritischen Wert ablesen, Entscheidung.
Klausurfragen mit Lösungen (6)
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.
Antwort: 36
Erklärung: df2 = n - k = 40 - 4 = 36. Klausur-Standard. df1 = k-1 = 3. F-Tabelle braucht beide Werte.
Typ: Zahlen-Eingabe
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
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
Zuordnungen:
Erklärung: Die zentrale Identität SST = SSB + SSW. F-Test fragt: ist SSB groß im Verhältnis zu SSW? Dann unterscheiden sich Mittelwerte.
Typ: Zuordnung
Lösungen pro Lücke:
Erklärung: Drei Standard-Voraussetzungen: Normal + gleiche Varianz + unabhängig. Bei Verletzung: Kruskal-Wallis (non-parametrisch) oder Welch's ANOVA (bei Heteroskedastizität).
Typ: Lückentext
Klausurfragen mit Lösungen (6)
Richtige Reihenfolge:
Erklärung: Standard-Workflow für ANOVA. Mittelwerte → Quadrat-Summen → MS-Werte → F → Entscheidung. Reihenfolge ist deterministisch, kein Schritt überspringbar.
Typ: Reihenfolge
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.
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
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
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
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).