Reinhart Statistics Done Wrong

Statistik richtig anwenden und gängige Fehler vermeiden – Deutsche Ausgabe
1., 2015
ISBN: 978-3-95845-253-4
Verlag: mitp Verlags GmbH & Co.KG
Format: PDF
Kopierschutz: 1 - PDF Watermark

E-Book, Deutsch, 208 Seiten

Reihe: mitp Professional

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

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.

Zielgruppe

Studenten und Wissenschaftler aller Fachrichtungen, die mit Statistik arbeiten

Autoren/Hrsg.

Reinhart, Alex

Weitere Mitwirkende

Reinhart, Alex

Inhaltsverzeichnis

1;Cover;1
2;Rezensionen;3
3;Titel;7
4;Impressum;8
5;Inhaltsverzeichnis;9
6;Über den Autor;12
7;Vorwort;13
8;Einleitung;18
9;Kapitel 1: Eine Einführung in die statistische Signifikanz;25
9.1;1.1 p-Werte;25
9.1.1;1.1.1 »Übernatürliche« Statistik;29
9.1.2;1.1.2 Neyman-Pearson-Tests;30
9.2;1.2 Intervallen vertrauen;33
10;Kapitel 2: Teststärke und Stichprobenumfang;37
10.1;2.1 Die Gütefunktion;37
10.2;2.2 Risiken unzureichender Teststärke;41
10.2.1;2.2.1 Weshalb unzureichende Teststärke?;43
10.2.2;2.2.2 Abbiegen bei Rot;45
10.3;2.3 Beeinflussung des Konfidenzintervalls;48
10.4;2.4 Überbewertung der Tatsachen;49
10.4.1;2.4.1 Kleine Extrema;53
10.5;2.5 Tipps;56
11;Kapitel 3: Pseudoreplikation: Datenauswahl;59
11.1;3.1 Pseudoreplikation in Aktion;60
11.2;3.2 Pseudoreplikation berücksichtigen;62
11.3;3.3 Biologie wie am Fließband;63
11.4;3.4 Synchronisierte Pseudoreplikation;65
11.5;3.5 Tipps;68
12;Kapitel 4: p-Wert und Prävalenzfehler;71
12.1;4.1 Prävalenzfehler;73
12.1.1;4.1.1 Ein Kurztest;74
12.1.2;4.1.2 Prävalenzfehler bei medizinischen Untersuchungen;75
12.1.3;4.1.3 Wie man mit Raucherstatistiken lügt;76
12.1.4;4.1.4 Maßnahmen zur Vermeidung von Prävalenzfehlern;79
12.2;4.2 Wenn es nicht sofort klappt, immer wieder probieren;82
12.3;4.3 Falsche Fährten bei Kernspintomografien des Gehirns;87
12.4;4.4 Erkennung fehlerhafter Zuordnungen;88
12.5;4.5 Tipps;90
13;Kapitel 5: Unzureichende Beurteilung der Signifikanz;91
13.1;5.1 Nicht signifikante Unterschiede der Signifikanz;91
13.2;5.2 Visueller Vergleich der Signifikanzen;96
13.3;5.3 Tipps;100
14;Kapitel 6: Doppelte Datennutzung;101
14.1;6.1 Zirkuläre Analysen;102
14.2;6.2 Regression zur Mitte;106
14.3;6.3 Abbruchregeln;109
14.4;6.4 Tipps;113
15;Kapitel 7: Fortbestehende Fehler;115
15.1;7.1 Überflüssige Zweiteilung;116
15.2;7.2 Statistische Verdunkelung;118
15.3;7.3 Verwirrende Störfaktoren;119
15.4;7.4 Tipps;122
16;Kapitel 8: Modellmissbrauch;123
16.1;8.1 Wassermelonen;125
16.2;8.2 Korrelation und Kausalität;130
16.3;8.3 Simpsons Paradoxon;132
16.4;8.4 Tipps;136
17;Kapitel 9: Forschungsfreiheit: Alles in Butter?;137
17.1;9.1 Ein wenig Spielraum kann gefährlich sein;139
17.2;9.2 Voreingenommenheit vermeiden;142
17.3;9.3 Tipps;146
18;Kapitel 10: Fehler begeht jeder;147
18.1;10.1 Unreproduzierbare Genetik;148
18.2;10.2 Reproduzierbarkeit erleichtern;151
18.3;10.3 Experimentieren, aufräumen, wiederholen;154
18.4;10.4 Tipps;156
19;Kapitel 11: Daten verbergen;157
19.1;11.1 Eingesperrte Daten;158
19.1.1;11.1.1 Hindernisse für das Teilen der Daten;159
19.1.2;11.1.2 Datenverfall;161
19.2;11.2 Einzelheiten weglassen;164
19.2.1;11.2.1 Bekannte Unbekannte;164
19.2.2;11.2.2 Voreingenommene Berichterstattung;166
19.3;11.3 Wissenschaft im Aktenschrank;169
19.3.1;11.3.1 Unveröffentlichte klinische Studien;169
19.3.2;11.3.2 Voreingenommene Berichterstattung erkennen;171
19.3.3;11.3.3 Erzwungene Offenlegung;173
19.4;11.4 Tipps;175
20;Kapitel 12: Was ist zu tun?;177
20.1;12.1 Statistikausbildung;180
20.2;12.2 Veröffentlichung wissenschaftlicher Arbeiten;184
20.3;12.3 Ihre Aufgaben;187
21;Anmerkungen;191
22;Stichwortverzeichnis;209

Über Autor(innen)

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.