Statistics Done Wrong
Statistik richtig anwenden und gängige Fehler vermeiden – Deutsche Ausgabe
Diese Publikation zitieren
Statistics Done Wrong (2016), mitp-Verlag, Frechen, ISBN: 9783958452534
1075
Accesses
Accesses
2
Quotes
Quotes
Beschreibung / Abstract
Daten sinnvoll auswerten – mit den geeigneten Verfahren
Die richtigen Fragen stellen und passende Experimente durchführen
Die häufigsten Fehler kennen und Fallstricke umgehen
Statistische Datenanalysen sind ein Grundpfeiler der Wissenschaft. Die Vielfalt der zur Verfügung stehenden Verfahren und Methoden lässt Forschern jedoch einen enormen Spielraum bei der Analyse ihrer Daten. Leider fehlt vielen Wissenschaftlern das fundierte Fachwissen, statistische Verfahren korrekt anzuwenden. Deshalb werden häufig nicht die richtigen Analysen vorgenommen, die zu zahlreichen falschen Ergebnisse führen.
Mit diesem Buch erhalten Wissenschaftler und Studenten einen kompakten Leitfaden für die korrekte Anwendung statistischer Verfahren. Gängige Fehler und Missstände bei der Erstellung von Statistiken werden anhand konkreter Fallbeispiele aufgedeckt und dafür praktische Lösungen angeboten.
Der Autor gibt zahlreiche Hinweise u.a. zu folgenden Themen:
Die richtigen Fragen stellen, geeignete Experimente entwerfen und korrekte statistische Analysemethoden auswählen
p-Werte, Signifikanz, Nicht-Signifikanz, Konfidenzintervalle und Regression
Auswahl einer geeigneten Stichprobengröße und Vermeidung falscher Positiver
Am Ende der Kapitel finden Sie Tipps, die Aufschluss darüber geben, welche statistischen Verfahren Sie anwenden können, um die häufigsten Fallstricke zu umgehen. So werden Sie auf die verbreitetsten Probleme hingewiesen und in die Lage versetzt, das für eine gegebene Aufgabe am besten geeignete statistische Verfahren auszuwählen.
Dieses Buch ist ein kompakter und praktischer Ratgeber, der Ihnen dabei hilft, Forschung zu betreiben, deren Statistik Hand und Fuß hat.
Aus dem Inhalt:
Interpretation von Signifikanzwerten (p-Wert und t-Test)
Hypothesentests
Konfidenzintervalle
Falsche Positive und falsche Negative
Neyman-Pearson-System
Statistische Teststärke und Sicherheitsgrad
Prävalenzfehler vermeiden
Bonferroni-Korrektur
Benjamini-Hochberg-Verfahren
Standardabweichung und Standardfehler
Regression
Medianwertaufteilung
ANOVA-Verfahren
Einflussvariablen, Zielvariablen, Störvariablen
Leave-one-out-Kreuzvalidierung
Simpsons Paradoxon
Statistische Irrtümer
Die richtigen Fragen stellen und passende Experimente durchführen
Die häufigsten Fehler kennen und Fallstricke umgehen
Statistische Datenanalysen sind ein Grundpfeiler der Wissenschaft. Die Vielfalt der zur Verfügung stehenden Verfahren und Methoden lässt Forschern jedoch einen enormen Spielraum bei der Analyse ihrer Daten. Leider fehlt vielen Wissenschaftlern das fundierte Fachwissen, statistische Verfahren korrekt anzuwenden. Deshalb werden häufig nicht die richtigen Analysen vorgenommen, die zu zahlreichen falschen Ergebnisse führen.
Mit diesem Buch erhalten Wissenschaftler und Studenten einen kompakten Leitfaden für die korrekte Anwendung statistischer Verfahren. Gängige Fehler und Missstände bei der Erstellung von Statistiken werden anhand konkreter Fallbeispiele aufgedeckt und dafür praktische Lösungen angeboten.
Der Autor gibt zahlreiche Hinweise u.a. zu folgenden Themen:
Die richtigen Fragen stellen, geeignete Experimente entwerfen und korrekte statistische Analysemethoden auswählen
p-Werte, Signifikanz, Nicht-Signifikanz, Konfidenzintervalle und Regression
Auswahl einer geeigneten Stichprobengröße und Vermeidung falscher Positiver
Am Ende der Kapitel finden Sie Tipps, die Aufschluss darüber geben, welche statistischen Verfahren Sie anwenden können, um die häufigsten Fallstricke zu umgehen. So werden Sie auf die verbreitetsten Probleme hingewiesen und in die Lage versetzt, das für eine gegebene Aufgabe am besten geeignete statistische Verfahren auszuwählen.
Dieses Buch ist ein kompakter und praktischer Ratgeber, der Ihnen dabei hilft, Forschung zu betreiben, deren Statistik Hand und Fuß hat.
Aus dem Inhalt:
Interpretation von Signifikanzwerten (p-Wert und t-Test)
Hypothesentests
Konfidenzintervalle
Falsche Positive und falsche Negative
Neyman-Pearson-System
Statistische Teststärke und Sicherheitsgrad
Prävalenzfehler vermeiden
Bonferroni-Korrektur
Benjamini-Hochberg-Verfahren
Standardabweichung und Standardfehler
Regression
Medianwertaufteilung
ANOVA-Verfahren
Einflussvariablen, Zielvariablen, Störvariablen
Leave-one-out-Kreuzvalidierung
Simpsons Paradoxon
Statistische Irrtümer
Beschreibung
Alex Reinhart ist Doktorand an der Carnegie Mellon University in Pittsburgh, Pennsylvania, und unterrichtet dort Statistik. Seinen Bachelor of Science in Physik erlangte er an der University of Texas in Austin. Er befasst sich mit Forschungsarbeiten zum Aufspüren radioaktiver Objekte unter Zugrundelegung physikalischer und statistischer Gesetzmäßigkeiten.
Inhaltsverzeichnis
- Cover
- Rezensionen
- Titel
- Impressum
- Inhaltsverzeichnis
- Über den Autor
- Vorwort
- Einleitung
- Kapitel 1: Eine Einführung in die statistische Signifikanz
- 1.1 p-Werte
- 1.2 Intervallen vertrauen
- Kapitel 2: Teststärke und Stichprobenumfang
- 2.1 Die Gütefunktion
- 2.2 Risiken unzureichender Teststärke
- 2.3 Beeinflussung des Konfidenzintervalls
- 2.4 Überbewertung der Tatsachen
- 2.5 Tipps
- Kapitel 3: Pseudoreplikation: Datenauswahl
- 3.1 Pseudoreplikation in Aktion
- 3.2 Pseudoreplikation berücksichtigen
- 3.3 Biologie wie am Fließband
- 3.4 Synchronisierte Pseudoreplikation
- 3.5 Tipps
- Kapitel 4: p-Wert und Prävalenzfehler
- 4.1 Prävalenzfehler
- 4.2 Wenn es nicht sofort klappt, immer wieder probieren
- 4.3 Falsche Fährten bei Kernspintomografien des Gehirns
- 4.4 Erkennung fehlerhafter Zuordnungen
- 4.5 Tipps
- Kapitel 5: Unzureichende Beurteilung der Signifikanz
- 5.1 Nicht signifikante Unterschiede der Signifikanz
- 5.2 Visueller Vergleich der Signifikanzen
- 5.3 Tipps
- Kapitel 6: Doppelte Datennutzung
- 6.1 Zirkuläre Analysen
- 6.2 Regression zur Mitte
- 6.3 Abbruchregeln
- 6.4 Tipps
- Kapitel 7: Fortbestehende Fehler
- 7.1 Überflüssige Zweiteilung
- 7.2 Statistische Verdunkelung
- 7.3 Verwirrende Störfaktoren
- 7.4 Tipps
- Kapitel 8: Modellmissbrauch
- 8.1 Wassermelonen
- 8.2 Korrelation und Kausalität
- 8.3 Simpsons Paradoxon
- 8.4 Tipps
- Kapitel 9: Forschungsfreiheit: Alles in Butter?
- 9.1 Ein wenig Spielraum kann gefährlich sein
- 9.2 Voreingenommenheit vermeiden
- 9.3 Tipps
- Kapitel 10: Fehler begeht jeder
- 10.1 Unreproduzierbare Genetik
- 10.2 Reproduzierbarkeit erleichtern
- 10.3 Experimentieren, aufräumen, wiederholen
- 10.4 Tipps
- Kapitel 11: Daten verbergen
- 11.1 Eingesperrte Daten
- 11.2 Einzelheiten weglassen
- 11.3 Wissenschaft im Aktenschrank
- 11.4 Tipps
- Kapitel 12: Was ist zu tun?
- 12.1 Statistikausbildung
- 12.2 Veröffentlichung wissenschaftlicher Arbeiten
- 12.3 Ihre Aufgaben
- Anmerkungen
- Stichwortverzeichnis