Quiz
PTE Fragenkatalog 8-9
Create a free account to finish this quiz
Save your progress and see your final score.
Already have an account? Sign in
Questions in this quiz (153)
1Die interne Validität bezieht sich auch konkurrierende Erklärungen jedes beobachteten Effekts bei einer Einzelfalluntersuchung
- ATrue
- BFalse
2Die interne Validität sollte garantieren, dass mittels einer Zufallsstichprobe aus einer Population generalisierbare Ergebnisse erzielt werden
- ATrue
- BFalse
3Externe Validität kann bei einzelfallprüfenden Untersuchungen nur durch Wiederholungen in anderen Kontexten erreicht werden
- ATrue
- BFalse
4Kategoriengrenzen können breiter definiert werden, um größere (klinische) Studien zu ermöglichen (large-n-studies)
- ATrue
- BFalse
5Studien mit kleinen Stichproben (intensive designs) und Einzelfälle (single case studies) sind häufig Alltag im klinischen Bereich, z.B. bei Betrachtung Fokus auf Veränderungen über die Zeit oder bei vielen Patientengruppen mit selektiven Beeinträchtigungen
- ATrue
- BFalse
6Parametrische Tests lassen bei small-n-Designs bzw. single-case studies keine validen Schlussfolgerungen über Treatments zu
- ATrue
- BFalse
7Non-parametrische Tests sind ab n < 10 sinnvoll
- ATrue
- BFalse
8Rangtests besitzen nur eine reduzierte Sensitivität gegenüber realen Treatmenteffekten
- ATrue
- BFalse
9Der U-Test kann als Alternative für den t-Test für unabhängige Stichproben verwendet
werden- ATrue
- BFalse
10Die Grenze zwischen kleinen und sehr kleinen Stichproben ist unscharf, bei sehr kleinen
Stichproben liegt meist eine bestimmte Zahl von Beobachtungen pro Treatmentbedingung
vor- ATrue
- BFalse
11Eine Alternative für sehr kleine Stichproben liefern Randomisierungstests (n < 10) oder
Permutationstests (n = 1)- ATrue
- BFalse
12Das Prinzip der Randomisierung wird auch bei non-parametrischen Tests unter dem
Stichwort Bootstrapping angewendet- ATrue
- BFalse
13 Die zufällige Zuweisung (random allocation) ist eine formale Voraussetzung für die
Interpretation parametrischer Statistiken- ATrue
- BFalse
14Bei der Zufallsziehung wird die Begründung der Generalisierbarkeit bzw. der externen
Validität gesehen- ATrue
- BFalse
15Die Randomisierung bezieht sich eher auf die interne als auf die externe Validität bei
experimentellen Studien- ATrue
- BFalse
16Mit Anwendung der zufälligen Zuweisung erfordert ein angemessener Test die wiederholte
Zuweisung der beobachteten Werte von Treatment- bzw. Kontrollgruppe auf die zwei Urnen- ATrue
- BFalse
17Bei der zufallskritischen Beurteilung sollte eine erwartungsgetreue Schätzung der
Fehlervarianz bei zeitabhängigen Messungen angegeben werden- ATrue
- BFalse
18Für den Einsatz von Zeitreihenanalysen bei Einzelfallstudien wird eine ausreichende Anzahl
von Beobachtungen (50 bis 100) benötigt- ATrue
- BFalse
19Varianz- und Regressionsanalysen haben sich gegenüber der Verletzung multipler
Voraussetzungen und kleiner Gruppengröße als relativ robust erwiesen- ATrue
- BFalse
20Die Unkorreliertheit der Residuen ist eine wesentliche Voraussetzung für die Anwendung von
Randomisierungstests- ATrue
- BFalse
21Die Residuen zeitlich entfernter Beobachtungen sind sich ähnlicher als bei zeitlich nahen
- ATrue
- BFalse
22Autokorrelationen sind serielle Abhängigkeiten, die sich vor allem bei Einzelfalldesigns
ergeben- ATrue
- BFalse
23Die Nutzung parametrischer Tests ist aufgrund der Problematik von Autokorrelationen in
Einzelfall- und Stichprobendesigns nicht angeraten- ATrue
- BFalse
24Rangtests sind bei multipler Verletzung parametrischer Voraussetzungen indiziert
- ATrue
- BFalse
25Standardrangtests liefern nur Annäherungen der exakten Wahrscheinlichkeiten, da mit den
untransformierten Originaldaten gearbeitet wird- ATrue
- BFalse
26Bei verbundenen Rängen sind non-parametrische Tests nur teilweise valide
- ATrue
- BFalse
27Randomisierungstests basieren auf dem Prinzip der Zufallsziehung
- ATrue
- BFalse
28Die Datenpermutationen, die das beobachtete Ergebnis einschließen, konstituieren die
Referenzgröße zur Bestimmung der Signifikanz- ATrue
- BFalse
29Der Anteil der Datenpermutationen in der Referenz, der eine Teststatistik größer/ gleich
empirisch beobachteter Teststatistik erzeugt, ergibt den p-Wert der Signifikanz- ATrue
- BFalse
30Randomisierungstests eignen sich auch für anfallende Stichproben-Designs
- ATrue
- BFalse
31Die Relevanz von Zufallsstichproben in experimentellen Designs sollte überdacht werden, da
statistische Tests zwar als Inferenzen über Populationen interpretiert werden, Untersucher jedoch nicht zwangsläufig per Zufall Stichproben aus der Population ziehen, auf die
geschlossen werden soll- ATrue
- BFalse
32Inferenzen über eine Grundgesamtheit sind durch Randomisierungstests aufgrund der
Neuanordnung der Rohdaten möglich- ATrue
- BFalse
33Randomisierungstests sind besonders gut bei Designs mit Phasenübergängen geeignet, für
die keine äquivalenten Rangtests existieren- ATrue
- BFalse
34Bei großen Stichproben besteht kein Anlass, von parametrischen Tests Abstand zu nehmen
- ATrue
- BFalse
35Rangtests sollten vor allem bei large-n-Designs eingesetzt werden, bei denen multiple
Voraussetzungen für verteilungsgebundene Verfahren verletzt sind- ATrue
- BFalse
36Einzelfall-Designs sollten nur bei nachweislicher Unkorreliertheit der Residuen mit nicht-
parametrischen Tests überprüft werden, ansonsten sollten Randomisierungstests verwendet
werden- ATrue
- BFalse
37Einzelfalldesigns mit einer großen Zahl von Beobachtungen können mit ARIMA-Modellen
geprüft werden- ATrue
- BFalse
38Die operante Sichtweise richtet sich gegen die Anwendung von Inferenzstatistik bei
Einzelfällen und hin zu einer visuellen Prüfung der sich verändernden Rohdaten- ATrue
- BFalse
39Die ökologische Validität soll vor allem bei Interventionen gesteigert werden, die nicht nur in
einer Laborsituation, sondern auch in einer realweltlichen Umgebung einen robusten Effekt
zeigen sollen- ATrue
- BFalse
40Nur durch Randomisierung der Treatments kann eine ausreichende externe Validität und damit
Kontrolle über potentielle Störvariablen erreicht werden- ATrue
- BFalse
41Die interne Validität hängt von der Eliminierung umgebender Faktoren mit verzerrendem
oder konfundierendem Effekt ab- ATrue
- BFalse
42Werden potentiell systematische Störvariablen in zufällige Störvariablen durch eine
Zufallszuweisung konvertiert, dann bleibt die Störung in der Untersuchung, mindert jedoch
nicht die interne Validität- ATrue
- BFalse
43Durch das Konvertieren von Störvariablen erschwert sich die (eindeutige) Entdeckung von
Effekten bei abhängigen Variablen- ATrue
- BFalse
44Durch Randomisierung werden bei Einzelfallstudien valide statistische Inferenzen möglich
- ATrue
- BFalse
45Nach der operanten Sichtweise sollte eine ausreichende Kontrolle über zufällige
Störvariablen angestrebt werden, um statistische Analysen überflüssig zu machen- ATrue
- BFalse
46Reaktionsgeleitetes Experimentieren wird vor allem bei operanter Forschung angewendet,
bei dem das Tempo der Untersuchung durch den Probanden bestimmt wird- ATrue
- BFalse
47Besonders bei Phasen-Designs findet reaktionsgeleitetes Experimentieren Anwendung, dies
ist jedoch problematisch, da Entscheidungen sehr intuitiv sind und die interne Validität nicht
etabliert werden kann- ATrue
- BFalse
48Zufallsgesteuertes Experimentieren bei Einzelfällen kann beispielsweise durch Festlegen der
Anzahl der Sitzungen und zufälliger Zuweisung des Beginns der Baseline geschehen- ATrue
- BFalse
49Um nicht im Voraus die Anzahl der Baseline-Messungen festlegen zu müssen, können Pre-
Baseline-Sitzungen durchlaufen werden, bis ein Stabilitätskriterium erreicht ist und erst
anschließend Baseline- und Treatment-Sitzungen- ATrue
- BFalse
50Durch Hinzunahme von Pre-Baseline-Messungen entsteht ein Zugewinn an interner Validität,
der den Mehraufwand für weitere Messungen rechtfertigt- ATrue
- BFalse
51Bei Nutzung von Pre-Baseline-Sitzungen erhöht sich der Fehler 1. Art, also die Wahrscheinlichkeit, keinen Effekt zu finden, obwohl einer vorhanden ist
- ATrue
- BFalse
52Die visuelle Analyse zeigt einen substantiellen Anteil falsch positiver Entscheidungen, der stark abhängig von Autokorrelationen, charakteristischen Merkmalen oder Lerneffekten abhängig ist
- ATrue
- BFalse
53Bei reaktionsgeleitetem Experimentieren werden Übungseffekte durch die visuelle Analyse häufig als Trends fehlinterpretiert
- ATrue
- BFalse
54Reliabilität (bei Replikationen) bezeichnet die Zuverlässigkeit einer beständigen Differenz zwischen Treatments
- ATrue
- BFalse
55Reliabilität erlaubt die Schlussfolgerung, dass eine systematische Variable wahrscheinlich die beobachtete Differenz zwischen Treatments beeinflusst, ist jedoch keine notwendige Bedingung für interne Validität
- ATrue
- BFalse
56Die Sensitivität visueller Verfahren ist eher gering, weshalb es häufig zu Fehlentscheidungen hinsichtlich eines Effektes kommt
- ATrue
- BFalse
57Bei Stichprobendesigns besteht ein grundsätzliches Bedürfnis nach direkter Replikation, bei der eine geplante Bedingungsvariation in einer Folge von Experimenten durchgeführt wird
- ATrue
- BFalse
58Für Einzelfalldesigns besteht keine Notwendigkeit einer Replikation für die Absicherung von Reliabilität und Generalisierbarkeit
- ATrue
- BFalse
59Kontrolle kann statistische Analysen nur bei großen, klinisch signifikanten Effekten als exklusives Ziel ersetzen
- ATrue
- BFalse
60Klinische Signifikanz wird nach der Wichtigkeit einer Veränderung bewertet und führt zur Fokussierung wirkungsvoller Variablen mit möglichst großen, robusten Effekten
- ATrue
- BFalse
61Das experimentelle Kriterium bezeichnet die Notwendigkeit für objektive Daten, die eine Veränderung belegen, und zeigt die Reliabilität einer Veränderung an, die durch eine Intervention hervorgerufen wird
- ATrue
- BFalse
62Die externe Validität ist Teil des experimentellen Kriteriums
- ATrue
- BFalse
63Bei Abwesenheit einer zufälligen Zuweisungsprozedur kann die interne Validität weder bei
visueller, noch bei statistischer Analyse garantiert werden- ATrue
- BFalse
64Große Variabilität in den Daten deutet auf eine geringe experimentelle Kontrolle hin
- ATrue
- BFalse
65Kleine Effekte und starke Kontrolle sind häufig mit neuen Variablen assoziiert
- ATrue
- BFalse
66Die interne Validität ist bei zufallsgesteuertem Experimentieren generell gefährdet, weshalb
ausgeschlossen werden muss, dass Effekte durch einen Bias fälschlicherweise entdeckt
werden- ATrue
- BFalse
67Das fundamentale Problem statistischer Inferenz besteht in der Aufgabe, einzelne Befunde
zu gewichten, was mit deduktiver Logik nicht gelöst werden kann- ATrue
- BFalse
68Randomisierungstests bieten sich an, da keine Annahmen hinsichtlich der Datenverteilung
gemacht werden, bei zufälliger Zuweisung können sie also stets verwendet werden- ATrue
- BFalse
69Aus Daten wird mithilfe von Randomisierungstests die Verteilung der Statistik unter der
Nullhypothese generiert, wodurch sie näher an der Hypothese bleibt als klassische Ansätze- ATrue
- BFalse
70Zur Entscheidung über eine aufgestellte Hypothese wird geprüft, wo die empirische
Teststatistik in der zugehörigen Verteilung liegt, liegt sie am Rand, scheint ein Zufallseffekt
keine adäquate Erklärung zu liefern- ATrue
- BFalse
71Randomisierungstests betrachtet jede Differenz zwischen Verteilung ebenso wie die
Differenzen, die nach der Hypothese von Interesse sind, da keine Annahmen über die Form der Verteilung erwartet werden- ATrue
- BFalse
72Je näher eine Beobachtung an einer Nachfolgenden liegt, umso höher ist die Wahrscheinlichkeit der Korreliertheit der Fehlerresiduen und somit einer Autokorrelation
- ATrue
- BFalse
73In der Regel tendieren Autokorrelationen dazu, bei geringen lags auch kleiner zu werden
- ATrue
- BFalse
74Die Präsenz einer positiven Autokorrelation führt bei parametrischen Tests zu einer
Unterschätzung von Wahrscheinlichkeiten, es werden also weniger Effekte gefunden, als
tatsächlich vorhanden sind- ATrue
- BFalse
75Eine unvollständige Randomisierungsprozedur schützt nicht vor dem Effekt einer
Autokorrelation in einem Phasendesign- ATrue
- BFalse
76Bei Vorliegen einer positiven Autokorrelation wird der Verlauf ähnlicher Messungen in der
Baseline-Phase wahrscheinlicher, dies zeigt möglicherweise eher die Nicht-Unabhängigkeit
der Beobachtungen als eine tatsächliche Nichtvariabilität- ATrue
- BFalse
77Je größer die 1-lag-Residual-Autokorrelation, desto größer ist der Fehler 1. Art, es entstehen
also weniger verwertbare Daten- ATrue
- BFalse
78In Designs mit wechselnden Treatments können Autokorrelationen ausgeschlossen werden
- ATrue
- BFalse
79Randomisierungstests ersetzen computationale Power durch analytische
- ATrue
- BFalse
80Analytische Power wird benötigt, wenn keine computationale Power (zur Erzeugung
empirischer Verteilungen) vorhanden ist- ATrue
- BFalse
81Randomisierungstests fokussieren exakt auf die gestellte Hypothese, ohne dabei die Kriterien
einer Zufallsziehung erfüllen zu müssen- ATrue
- BFalse
82Bei large-n-Studien sind Approximationen an die exakten Wahrscheinlichkeiten ausreichend,
bei kleinen Stichproben sollten (durch Randomisierungstests ermittelte) exakte
Wahrscheinlichkeiten bevorzugt werden- ATrue
- BFalse
83Den besten Schutz gegen Autokorrelationen stellen ausreichende Abstände zwischen
Messungen dar- ATrue
- BFalse
84Das Lady Tasting Tea Experiment (Fisher) folgt demselben Prinzip wie Randomisierungstests
bei alternierenden Treatments- ATrue
- BFalse
85Bei Sets mit vielen Anordnungen werden nicht die einzelnen Auftretenswahrscheinlichkeiten
gebildet, sondern Ergebnisklassen, die aus Sets von Anordnungen bestehen- ATrue
- BFalse
86B-A-B-Pläne sind klinisch günstig, sie erlauben eine Aussage über die Wirkungsdauer der
Intervention- ATrue
- BFalse
87Beim multiplen Baseline-Design handelt es sich um einen zeitversetzten Plan für mehrere
Variablen, die einzeln in die Behandlung einbezogen werden- ATrue
- BFalse
88A-B-Pläne sind für eine einfache Hypothesentestung geeignet
- ATrue
- BFalse
89Die Art und Weise, mit der die zufällige Zuweisung vorgenommen wird, bestimmt die
Präzision des angestrebten Randomisierungstests- ATrue
- BFalse
90Die Teststatistik für einen Randomisierungstest wird auch aus den beobachteten Daten
ermittelt- ATrue
- BFalse
91Trends in den Daten machen die absolute Differenz zwischen Mittelwerten insensitiv für
einen Treatmenteffekt, dann sollte auf F-Statistiken oder QS zurückgegriffen werden- ATrue
- BFalse
92Für Einzelfall-Designs mit A-B-A-Design existieren keine parametrischen Tests, in diesen
Fällen sind t-/F-Statistiken nicht äquivalent zu alternativen Statistiken (Differenz zwischen
Mittelwerten)- ATrue
- BFalse
93Die Wahl der passenden Teststatistik sollte sich nach Überlegungen bezüglich der möglichen
Varianzen von Treatment- und Kontrollgruppen und Unterschieden in den Mittelwerten richten- ATrue
- BFalse
94Eine Teststatistik kann aus der Verteilung aller Anordnung berechnet werden oder bei einer großen Zahl von Anordnungen durch zufällige Stichproben von Anordnungen in den Daten
- ATrue
- BFalse
95Durch das Prinzip der Zufallsziehung aus allen möglichen Datenanordnungen resultieren wie beim exakten Test ein approximativer Test
- ATrue
- BFalse
96Je größer die Stichprobe an verwendeten Daten, desto größer ist die Power des Tests, einen Effekt zu erkennen, der bei Betrachtung aller Anordnungen signifikant würde
- ATrue
- BFalse
97Wie viele Stichproben aus der Verteilung aller möglichen Anordnungen gezogen werden müssen, muss nach Wünschenswertem und Machbarem abgewogen werden, übliche Zufallsziehungen liegen zwischen 1000 und 2000
- ATrue
- BFalse
98Die Randomisierungstests sollten in Publikationen so berichtet werden, dass klar wird, wie die Entscheidung gefällt wurde (Neuanordnung der Daten)
- ATrue
- BFalse
99Wahrscheinlichkeitsaussagen beziehen sich stets auf Klassen von Elementen eines bestimmten Umfangs, Aussagen von Kennwerten für den Einzelfall sind daher unzulässig
- ATrue
- BFalse
100Bei mehrfacher Signifikanztestung im Rahmen einer Untersuchung sollte das alpha-Niveau angepasst werden, um die Wahrscheinlichkeit für das Signifikantwerden mindestens eines Tests zu erhöhen
- ATrue
- BFalse
101A-priori- und a-posteriori-Untersuchungen erfordern gleichermaßen eine alpha-Fehler- Adjustierung
- ATrue
- BFalse
102Alpha-Fehler-Adjustierungen können bei verteilungsfreien und -gebundenen Verfahren vorgenommen werden
- ATrue
- BFalse
103A-priori spezifizierte Einzelhypothesen sollten abhängig und dadurch frei von Redundanzen sein
- ATrue
- BFalse
104Abhängigkeit von Testergebnissen besteht, wenn über mehrere gleichartige Indikatoren multiple Signifikanztests berechnet werden
- ATrue
- BFalse
105Die globale Nullhypothese ist nach konservativen Entscheidungsregeln zu verwerfen, wenn mindestens ein einzelner Test signifikant wird
- ATrue
- BFalse
106Die Bonferroni-Korrektur ist für simultane Einzeltests, die nur gering die alpha-Grenze unterscheiden, unnötig konservativ
- ATrue
- BFalse
107Der binomiale Ansatz berücksichtigt keine alpha-Fehler-Adjustierung
- ATrue
- BFalse
108Abhängige Tests sollten generell vermieden werden, indem möglichst eine geringere Anzahl
unabhängiger Tests geprüft wird- ATrue
- BFalse
109Abhängige Tests gehen von einer normalverteilten Grundgesamtheit aus
- ATrue
- BFalse
110Nur Korrelationen von +/- 1 sind eindeutig interpretierbar, Korrelationen von r = 0 erlauben verschiedene Interpretationen
- ATrue
- BFalse
111Der Grad der Vorhersagegenauigkeit bzw. der Vorhersagefehler lassen sich für den Einzelfall nicht voraussagen, da statistische Maße immer auf Aggregatdaten basieren
- ATrue
- BFalse
112Je höher die Reliabilität der Messwerte, desto höher ist die Wahrscheinlichkeit, dass der wahren Wert einer Person nahe an dem beobachteten Wert liegt
- ATrue
- BFalse
113Konfidenzintervalle (Vertrauens-/Sicherheitsintervalle) bestimmen den Bereich um den wahren Wert einer Person, der mit einer gewissen Wahrscheinlichkeit die Lage des beobachteten Wertes überdeckt)
- ATrue
- BFalse
114Der Standardmessfehler wird nach der Regressionshypothese gebildet und nimmt an, dass der beobachtete Wert eine gute Schätzung für den wahren Wert darstellt
- ATrue
- BFalse
115Der Standardmessfehler gibt den Anteil der Streuung eines Tests wieder, das auf seine Ungenauigkeit zurückzuführen ist und ermittelt sich aus der Standardabweichung der Messwerte multipliziert mit der Wurzel der Unreliabilität
- ATrue
- BFalse
116Der Standardschätzfehler nimmt an, dass der wahre Wert eine Schätzung aus dem beobachteten Wert ist und liefert ein Maß für die Vorhersagegenauigkeit des geschätzten wahren Wertes
- ATrue
- BFalse
117Konfidenzintervalle, die nach der Äquivalenzhypothese errechnet wurden, bewegen sich in breiteren Grenzen als solche, die nach der Regressionshypothese gebildet wurden
- ATrue
- BFalse
118Bei einseitiger Testung fällt das Konfidenzintervall größer aus als bei ungerichteter
- ATrue
- BFalse
119Für Einzelfälle wird der Reliabilitätskoeffizient benötigt, um die Breite des
Konfidenzintervalls zu bestimmen- ATrue
- BFalse
120Bei Verwendung des Standardmessfehlers kann der Normwert als Punktschätzung für
das Konfidenzintervall verwendet werden- ATrue
- BFalse
121Für den Standardmessfehler muss die bivariate Normalverteilung der Messfehler und
wahren Werte geprüft werden, beide Größen müssen unkorreliert sein- ATrue
- BFalse
122Für die Nutzung des Standardschätzfehlers muss die Unreliabilität des beobachteten
Wertes korrigiert werden, je unreliabler der Messwert ausfällt, desto stärker ist die Korrektur- ATrue
- BFalse
123Da die Voraussetzungsprüfung für Einzelfälle schwierig ist, beschränken sich
Prüfungen meist auf die Normalverteilungsannahme des Testkennwertes- ATrue
- BFalse
124Die kritische Differenz beantwortet die Frage, ob gefundene Messwertdifferenzen
ggf. nur auf Messfehler zurückgehen- ATrue
- BFalse
125Die diagnostische Valenz bewertet die kritische Differenz in Abhängigkeit ihrer Auftretenshäufigkeit in der Normstichprobe
- ATrue
- BFalse
126Der Abstand zweier Testwerte x1 und x2 wird als signifikant betrachtet, wenn dieser kleiner ist als Diffkrit
- ATrue
- BFalse
127Eine kritische Differenz darf nur bei Unkorreliertheit der der Messfehler berechnet werden
- ATrue
- BFalse
128Im Fall einer hohen Korrelation von Testverfahren ist die Wahrscheinlichkeit für die Beobachtung von Merkmalsunterschieden eher gering, eine Abweichung wäre also als „auffällig“ zu beurteilen
- ATrue
- BFalse
129Aufgrund der Tatsache, dass Messfehler zweier Testwerte immer fehlerbehaftet sind, empfiehlt sich die statistische Absicherung immer mithilfe von kritischer Differenz und diagnostischer Valenz
- ATrue
- BFalse
130Die tau-Normierung orientiert sich an der Verteilung der wahren Testwerte in der Population, für die eine ähnliche Verteilung wie die beobachteten Werte angenommen wird
- ATrue
- BFalse
131Die Differenz bei (korrelierten) Subtest- und Gesamttestwerten sollte aufgrund der nicht bestimmbaren kritischen Differenz gesondert betrachtet werden
- ATrue
- BFalse
132Der Reliable Change Index (RCI) kann bei Pre-Posttest-Untersuchungen verwendet werden, um zu klären, ob beobachtete Veränderungen nur durch Messfehler zustande kamen
- ATrue
- BFalse
133In den Nenner des RCI gehen die Standardschätzfehler aus Prä- und Posttest ein
- ATrue
- BFalse
134Ist der z-Wert des RCI größer als der kritische z-Wert, so ist die Veränderung auf
Messfehler zurückzuführen- ATrue
- BFalse
135Veränderungen in Messwerten aufgrund von Übungseffekten sollten durch Pre-
Baseline-Messungen kontrolliert oder als Korrekturgröße berücksichtigt werden- ATrue
- BFalse
136Kritische Differenzen sind nicht auf Einzelpersonen beschränkt, sondern können auch
für den Vergleich zwischen zwei Einzelfällen verwendet werden- ATrue
- BFalse
137Unterdurchschnittlich bis durchschnittlich sind Leistungen, wenn das
Konfidenzintervall eines Einzelfalls vollständig unterhalb einer SD des Mittelwertes der
Normstichprobe entfernt liegt- ATrue
- BFalse
138Mit Normtabellen können qualitative Abweichungen quantifiziert werden
- ATrue
- BFalse
139Die Breite des Konfidenzintervalls entscheidet über die Prozentangabe, mit der die
Sicherheit einer Angabe festgelegt wird- ATrue
- BFalse
140Der Fehler 1. Art liegt bei Grundlagenforschung etwa viermal so schwer wie der
Fehler 2. Art, während in der Diagnostik das Übersehen von möglichen Symptomen
möglichst geringgehalten werden sollte- ATrue
- BFalse
141Testverfahren, die nach der Klassischen Testtheorie konstruiert wurden, sind vor
allem im mittleren Merkmalsbereich messgenau mit abnehmender Genauigkeit zu den
Extrembereichen- ATrue
- BFalse
142Bei mittleren Messresultaten sollte die Sicherheitswahrscheinlichkeit höher
angesetzt werden, um die geringere Messgenauigkeit zu kompensieren- ATrue
- BFalse
143Bei Einzelfalldiagnosen sind Angaben zur Reliabilität Präkursorgrößen zur Herleitung
des Stichprobenfehlers individueller Testwerte- ATrue
- BFalse
144Prinzipiell ist jeder Reliabilitätskoeffizient zur Schätzung des Standardmessfehlers
geeignet, der sich als Schätzung aus dem Quotienten aus wahrer Merkmalsvarianz und beobachteter Varianz interpretieren lässt- ATrue
- BFalse
145Testprofile ergeben sich aus der Kombination von Tests aus mehreren Einzeltests/ Testskalen zu einem Testsystem
- ATrue
- BFalse
146Bei hoher Variabilität der Einzeltestwerte spiegelt der Gesamttestwert keine Einzelleistung angemessen wider
- ATrue
- BFalse
147Die Skalen eines Testprofils sollten hinreichend reliabel sein und möglichst hoch interkorrelieren
- ATrue
- BFalse
148Bei einer ad-hoc-Kombination von Einzeltests kann ein Individualprofil, die Profilhöhe, ermittelt werden
- ATrue
- BFalse
149Mit der Profilstreuung kann geprüft werden, ob Schwankungen in Untertestwerten tatsächlich vorhandene Merkmalsunterschiede darstellen oder zufällig entstanden sind
- ATrue
- BFalse
150Die Profilveränderung kann angewendet werden, wenn Merkmalsveränderungen mehrere Untertests beinhalten
- ATrue
- BFalse
151Die Profildeckung ist der Vergleich eines Individualprofils mit einem Referenzprofil um festzustellen, ob eine Person zur Referenzpopulation gehört
- ATrue
- BFalse
152Die statistische Prüfgröße schätzt meist nur, ob das Einzelprofil vom Referenzprofil abweicht, kann aber keine Aussagen darüber treffen, mit welcher Wahrscheinlichkeit die Person zur Referenzpopulation gehört
- ATrue
- BFalse
153Einzelfälle können keine repräsentative Funktion einnehmen, da das beobachtete Verhalten einer Einzelperson keine Verallgemeinerungen erlaubt
- ATrue
- BFalse
Information
- Description
- Psychologie Quiz on PTE Fragenkatalog 8-9, created by Jonas Hinze on 23/02/2018.
- Author
- Jonas Hinze
- Language
- Deutsch
- Views
- 11
- Tags
- Rating
- No ratings yet Rate this quiz