Professionelle Videokamera im Studio des Multimediazentrums der Universität Jena

Kurse: Kursinformationen

Professionelle Videokamera im Studio des Multimediazentrums der Universität Jena
Foto: Jan-Peter Kasper/FSU
Zurück zur Übersicht
DVD / Online-Zugang zu den Materialien anfordern
Login (Online-Zugang)
de  Regression

Kursleitung: Prof. Dr. Rolf Steyer

Wintersemester 2019/2020, Kurs, Sprache: Deutsch, Thema: Wahrscheinlichkeit und Regression

Um die Videos anzuschauen, benötigen Sie den VLC Player VLC media player, den Sie hier herunterladen können. Die Videos werden bereitgestellt über die Digitale Bibliothek Thüringen Digitale Bibliothek Thüringen (dbt). Die grün verlinkten Videos und Materialien sind kostenfrei abrufbar. Klicken Sie auf den grünen Link, um das Video zu sehen oder die Datei herunterzuladen! Um alle Materialien und Videos abrufen zu können, müssen Sie sich einloggen.

 

Zur Live-Übertragung (dort bitte den Livestream aus Hörsaal E028 auswählen)



Datum Thema Video Material
15.10.2019
  1. Bedingter Erwartungswert
  2. Rechenregeln für bedingte Erwartungswerte
  3. Bedingte Erwartung
  4. Regression
  5. Joe-Ann-Beispiel
 Video (Stream)

Video (Download; VLC Player) 		Folien

Tafelbilder
22.10.2019
  1. Joe-Ann-Beispiel mit Selbstselektion mit Anmerkungen zur kausalen Interpretierbarkeit von bedingten Erwartungen
  2. Rechenregeln für bedingte Erwartungen
  3. Residuum und seine Eigenschaften
  4. Determinationskoeffizient
  5. Multiple Korrelation
  6. Mathematische Definition einer diskreten bedingten Erwartung
 Video (Stream)

Video (Download; VLC Player) 		Tafelbilder
29.10.2019
  1. Lineare Parametrisierung einer bedingten Erwartung
  2. Regressive Unabhängigkeit
  3. Identifikation von Achsenabschnitt und Steigung
  4. Determinationskoeffizient
  5. Interpretation der Regressionsparameter in Abhängigkeit der Wahl des Regressors (Werte 0 und 1 versus Werte -1 und 1)
  6. Lineare Quasi-Regression definiert über die Eigenschaften der Residualvariablen
  7. Lineare Quasi-Regression definiert über die Mean-Square-Error-Funktion
  8. Lineare Quasi-Regression bei umgekehrt U-förmiger regressiver Abhängigkeit
  9. Prüfung der Linearität einer Regression
  10. Polynomiale Parametrisierung einer bedingten Erwartung
  11. Zellenmittelwert-Parametrisierung Parametrisierung mit einer Referenzbedingung Determinationskoeffizient einer linearen Quasi-Regression
  12. Grundidee und F-Testformel für den R^2-Differenzentest
 Video (Stream)

Video (Download; VLC Player) 		Folien 1
Folien 2

Tafelbilder
12.11.2019
  1. Logit-Transformation von Wahrscheinlichkeiten
  2. Logistische lineare Regression
  3. Logistische nicht-lineare Regression
  4. Analyse der bedingten Erwartung E(Y|X) mit den XYZ-Daten
  5. Analyse der bedingten Erwartung E(Y|Z)
  6. Streudiagramm von Z und Y
  7. Analyse einer polynomialen Parametrizsierung der bedingten Erwartung E(Y|Z)
  8. Streudiagramme von Z und Y in beiden Treatmentbedingungen
  9. Analyse der bedingten bedingten Erwartungen E(Y|X=x, Z) in beiden Treatmentbedingungen
  10. Logistische lineare Regression der Treatmentvariablen X auf Z
  11. Graphik der bedingten Wahrscheinlichkeit P(X=1|Z)
  12. Analyse der bedingten Erwartung E(Y - Z|X)
  13. Streudiagramm von Y - Z und X
  14. Analyse der bedingten Erwartung E(Y|X, Z) mit einer bedingten linearen Parametrisierung
 Video (Stream)

Video (Download; VLC Player) 		Datensatz

Tafelbilder
19.11.2019
  1. Graph für die bedingte Wahrscheinlichkeit P(X=1|Z) (Wiederholung)
  2. Unter welchen Voraussetzungen ist es sinnvoll, den Erwartungswert E[g1(Z)] zu betrachten?
  3. Berechnung der Schätzungen der bedingten Erwartungswerte E[g1(Z)|X=0] und E[g1(Z)|X=1]
  4. Berechnung der 10000 Werte der Schätzungen der Zufallsvariablen E(Y|X=0, Z) und E(Y|X=1, Z)
  5. Interpretation der Werte der Schätzungen der Zufallsvariablen E(Y|X=0, Z) und E(Y|X=1, Z)
  6. Prüfung der Linearität der Parametrisierungen von E(Y|X=0, Z) und E(Y|X=1, Z) mit Streudiagrammen
  7. Prüfung der Linearität der Parametrisierungen von E(Y|X=0, Z) und E(Y|X=1, Z) durch eine quadratische Parametrisierungen
 Video (Stream)

Video (Download; VLC Player) 		Datensatz

Tafelbilder
26.11.2019
  1. Zweifache lineare Regression
  2. Zweifache lineare regressive Abhängigkeit
  3. Partielle bedingte Erwartung
  4. Eigenschaften des Residuums
  5. Identifikation der Regressionskoeffizienten
  6. Spezielle Bedeutung der Regressionskoeffizienten bei binären Regressoren
  7. Bedingungen für die Invarianz des Regressionskoeffizienten
  8. Zweifache lineare Quasi-Regression
  9. Beispiel: Treatment und Vortest beim Kirchmann-Datensatz
 Video (Stream)

Video (Download; VLC Player) 		Folien
Datensatz

Tafelbilder
03.12.2019
  1. Bedingte lineare Regression
  2. Beispiel: Baldwin-Täuschung und die das Stevenssche Potenzgesetz
  3. Hypothese: Das Potenzgesetz gilt bei konstantem Kontext-Serienreiz-Verhältnis
  4. Diese Hypothese als bedingte lineare Regression und als lineare multiple Regression
  5. Spezifikation der g-Funktionen mit Indikatorvariablen
  6. Saturiertes Modell via Einfaktorielle Anova
  7. R-Quadrat-Differenzentest
 Video (Stream)

Video (Download; VLC Player) 		Folien
SPSS-Output

Tafelbild 01
Tafelbild 02
10.12.2019
  1. g-Funktionen im 3 x 3-Nonortho-Beispiel
  2. Parametrisierung der g-Funktionen mit Indikatorvariablen
  3. Bedeutung der Parameter in dieser Parametrisierung
  4. Bedingte und durchschnittliche Effekte im Nonortho-Beispiel
  5. Nonorthogonale ANOVA nach Typ I, II, und III mit den aus diesem Beispiel erzeugten Daten
  6. Lineare Regressionsanalyse der Nonortho-Daten
  7. Test der Hypothese: Es gibt gar keinen Treatment-Effekt als R-Quadrat-Differenzen-Test
 Video (Stream)

Video (Download; VLC Player) 		Datensatz
(aktualisiert am 20.12.2019)

Tafelbild
17.12.2019
  1. Bedingte Kovarianz
  2. Bedingte Varianz
  3. Rechenregeln für bedingte Varianzen und Kovarianzen
  4. Bedingte Korrelation
  5. Partialkorrelation
  6. Joe-Ann-Beispiel
 Video (Stream)

Video (Download; VLC Player) 		Datensatz

Tafelbild
(aktualisiert am 20.12.2019)
07.01.2020
  1. Matrizenrechnung
  2. Arten von Matrizen (Symmetrische Matrix, Diagonalmatrix, etc.)
  3. Matrizenoperationen (Addieren, Multiplizieren, etc.)
  4. Inverse einer Matrix
  5. Rang einer Matrix
  6. Rang und Invertierbarkeit einer Matrix
  7. Rechenregeln für Matrizen
  8. Erwartungswertvektoren und Rechenregeln
  9. Kovarianzmatrix
 Video (Stream)

Video (Download; VLC Player) 		Folien

Tafelbild 01
Tafelbild 02
14.01.2020
  1. Rechenregeln für Kovarianzmatrizen
  2. Multiple lineare Regression: Allgemeine Definition
  3. Einige Spezialfälle
  4. Eigenschaften des Residuums
  5. Darstellung in Vektornotation
  6. Identifikation des Achsenabschnitts
  7. Identifikation der partiellen Regressionskoeffizienten
  8. Multipler Determinationskoeffizient
  9. Multiple lineare Quasi-Regression: Zwei äquivalente Definitionen
  10. Multipler Determinationskoeffizient einer multiplen linearen Quasi-Regression
  11. Statistische Regressionsmodelle mit stochastischen Regressoren
  12. Das Allgemeine Lineare Modell
  13. Modellannahmen
 Video (Stream)

Video (Download; VLC Player) 		Folien

Tafelbilder
21.01.2020
  1. Das Allgemeine Lineare Modell
  2. Modellannahmen
  3. Schätzer der Regressionskoeffizienten
  4. Kovarianzmatrix der Schätzer der Regressionskoeffizienten
  5. Die Allgemeine Lineare Hypothese (ALH)
  6. F-Wert für die ALH
  7. Die wichtigsten Formeln zum ALM
  8. Beispiel: Einfaktorielle ANOVA mit drei Gruppen und Referenzgruppen-Kodierung
  9. Interpretation der beta-Parameter in diesem Fall
  10. Orthogonale Kontrastkodierung
  11. Effektkodierung
  12. Zellenmittelwertmodell
  13. Schätzung der Parameter im Zellenmittelwertmodell
 Video (Stream)

Video (Download; VLC Player) 		Folien

Tafelbilder
28.01.2020
  1. Hypothese: Keine Interaktion im Zellenmittelwertmodell und als Allgemeine Lineare Hypothese.
  2. Hypothese: Kein Haupteffekt des Treatmentfaktors im Zellenmittelwertmodell und als Allgemeine Lineare Hypothese.
  3. Die Formulierung dieser Hypothesen in Termini der bedingten Effektfunktion g1
  4. EffectLiteR-Analyse mit Klauer-Datensatz mit kontinuierlichem Vortest, Nachtest und Treatmentvariable
  5. Die Standardhypothesen in Termini der g1-Funktion und der gamma-Parameter
 Video (Stream)

Video (Download; VLC Player) 		EffectLiteR-Output
04.04.2020
  1. Zusammenfassung der gesamten Vorlesung
  2. W-Raum und Zufallsvariablen
  3. Über welche Art von empirischen Phänomenen wir in der empirischen Forschung sprechen
  4. Bedingte Erwartung
  5. Fragen der Studierenden
  6. Unabhängigkeit vs. Interaktion
  7. Unabhängigkeit, regressive Unabhängigkeit und Unkorreliertheit
  8. EffectLiteR-Analyse der Nonortho-Daten (2x3-Design) und Besprechung des Outputs
 Video (Stream)

Video (Download; VLC Player) 		EffectLiteR-Output

Tafelbilder
Die Uni Jena in den sozialen Medien:
Ausgezeichnet studieren:
Zurück zum Seitenanfang