STATISTIK-FORUM.de

[hamschda]

Hallo,
stimmt, das ist alles etwas unklar..ich hoffe der Nebel legt sich bald etwas..ich bin leider auch total überfordert damit, deshalb ist alles so chaotisch :/

Zur Fragestellung: Es geht generell um das Konzept der "animal personalities". Darunter versteht man den Zusammenhang verschiedener Charaktereigenschaften. Zum Beispiel hat man herausgefunden, dass Tiere, die Feinden gegenüber aggressiver sind, generell auch mutiger sind im Erschließen neuer Nahrungsquellen und aber auch schlechter in der Brutpflege sind.
In meinem Projekt geht es um die Zusammenhänge weiterer dieser einzelnen Ausprägungen. Beispielsweise wie oder ob das Verhalten in einer neuen Umgebung mit der genauen Untersuchung einer Futterquelle zusammenhängt. Später soll das ganze noch mit der Kondition (state) des Tiers (Gewicht und / oder BMR) verbunden werden, da man erwarten kann, dass ausgehungerte Tiere anders Futterquellen benutzen (also zb auch schlechtere Futterquellen benutzen, Hauptsache sie bekommen irgendwas) als richtig fette.

@ Bernhard:
Das klingt interessant. Nur habe ich leider noch nie etwas von einem "Quasi-Histogramm" gehört und kann auch über Google nichts konkretes finden. Was ist das?
qqplot habe ich mal mit jeweils 2 Eigenschaften gemacht..sieht dann so aus:




Wenn es normalverteilt wär müsste es ungefähr eine Gerade mit Steigung +1 sein, oder? Aber wie würde ich eine Poisson-Verteilung erkennen?
Gibt es denn für die Poisson-Verteilung keinen Test, wie zb den Shapiro Wilk für Normalverteilung?

Viele Grüße,
hamschda

[bele]

@hamschda: "Quasi-Histogramm" ist nicht definiert. Ich wollte eigentlich damit spitzfindige Diskussionen vermeiden. Hier ein Beispiel wie ich es meine gefolgt vom dazugehörigen Histogramm:

Code: Alles auswählen

beispiel <- rpois(50, 15)
plot(table(beispiel))
hist(beispiel)

Spielt, wie gesagt, keine Rolle.
Deine Bilder kann ich leider nicht sehen. Im QQ-Plot kannst Du beliebige Verteilungen gegeneinander auftragen, ggf. lässt Du Dir von R einfach eine große Zahl von Poisson-verteilten Daten zum Vergleich vorschlagen. Ich weiß gerade nicht, ob Du Dich vorher auf ein Lambda festlegen musst, denke es nach kurzem Ausprobieren eher nicht:

Code: Alles auswählen

beispiel <- rpois(500, 15)
qqplot(beispiel, rpois(10000, 20)) # ergibt eine Gerade, auch wenn man anstelle der 20 ein anderes Lamda eingibt.


Entscheidender ist nach der Regression die Analyse der Residuen, aber ich denke, dass Deine Betreuerin das Inspizieren der Daten mit den Augen vor dem Rechnen der Regression gemeint hat.

Viel Spaß weiter mit der Arbeit,
Bernhard