Tau-U ist ein nicht-parametrisches Maß, das in der Verhaltensanalyse verwendet wird, um die Effektstärke von Interventionen zu bewerten. Es kombiniert die Konzepte von Tau und U, um sowohl die Veränderung innerhalb einer Phase als auch die Veränderung zwischen Phasen zu berücksichtigen. Im Vergleich zu parametrischen Maßen wie dem t-Test oder der ANOVA, die auf Annahmen über die Verteilung der Daten (z.B. Normalverteilung) basieren, hat Tau-U einige Unterschiede: 1. **Verteilungsannahmen**: Tau-U erfordert keine Annahmen über die Verteilung der Daten. Das macht es besonders nützlich für Daten, die nicht normalverteilt sind oder bei denen die Varianz nicht homogen ist. 2. **Robustheit gegenüber Ausreißern**: Da Tau-U ein Rang-basiertes Maß ist, ist es weniger empfindlich gegenüber Ausreißern im Vergleich zu parametrischen Tests, die stark von extremen Werten beeinflusst werden können. 3. **Anwendung auf kleine Stichproben**: Tau-U kann auch bei kleinen Stichproben verwendet werden, während parametrische Tests oft größere Stichproben erfordern, um zuverlässige Ergebnisse zu liefern. 4. **Interpretation**: Die Interpretation von Tau-U ist anders als die von parametrischen Maßen. Tau-U gibt die Wahrscheinlichkeit an, dass ein Wert in einer Phase größer ist als ein Wert in einer anderen Phase, korrigiert um die Anzahl der Überlappungen. Insgesamt weicht Tau-U von parametrischen Maßen ab, indem es flexibler und robuster gegenüber bestimmten Datencharakteristika ist, was es zu einem wertvollen Werkzeug in der Verhaltensanalyse macht.