- Broschiertes Buch
- Merkliste
- Auf die Merkliste
- Bewerten Bewerten
- Teilen
- Produkt teilen
- Produkterinnerung
- Produkterinnerung
Gute Daten + gute Statistik = gute Ergebnisse!
Mit diesem Buch haben falsche Statistiken keine Chance mehr. Übersichtlich gegliedert in 6 Teile mit zusammen 20 Kapiteln werden hier alle wichtigen Typen von Daten und die Verfahren zu deren Auswertung erklärt. Die erklärte Maxime des Autors ist es, dass sich eine statistische Auswertung immer an der Art und Qualität der Daten orientieren muss, damit diese nicht fehl- oder überinterpretiert werden. Komplizierte Mathematik ist dabei weder nötig noch erwünscht, denn meistens sind die einfachsten Verfahren die aussagekräftigsten. Ein positiver…mehr
Andere Kunden interessierten sich auch für
- Helmut van Van EmdenStatistik ohne Albträume29,90 €
- Michael O'KellyClinical Trials with Missing D112,99 €
- Guosheng YinClinical Trial Design152,99 €
- Gilberto LevyThe Biostatistics of Aging136,99 €
- Analyzing and Modeling Spatial and Temporal Dynamics of Infectious Diseases167,99 €
- Hans-Peter KinderStatistik für Biologen und Mediziner54,99 €
- Christopher J. L. CunninghamUnderstanding and Conducting R162,99 €
-
-
-
Gute Daten + gute Statistik = gute Ergebnisse!
Mit diesem Buch haben falsche Statistiken keine Chance mehr. Übersichtlich gegliedert in 6 Teile mit zusammen 20 Kapiteln werden hier
alle wichtigen Typen von Daten und die Verfahren zu deren Auswertung erklärt. Die erklärte Maxime des Autors ist es, dass sich eine statistische Auswertung immer an der Art und Qualität der Daten orientieren muss, damit diese nicht fehl- oder überinterpretiert werden. Komplizierte Mathematik ist dabei weder nötig noch erwünscht, denn meistens sind die einfachsten Verfahren die aussagekräftigsten.
Ein positiver Lerneffekt stellt sich bereits nach wenigen Seiten ein, denn hier werden genau die Fragen gestellt (und beantwortet!), mit denen ein angehender Mediziner oder Pharmazeut während der Ausbildung konfrontiert wird. Mit seinem ungezwungenen und direkten Stil gelingt
es dem Autor, dass die Statistik vom ungeliebten Kind zum effizienten Werkzeug wird, auch ohne mathematische Begabung beim Leser.
Leicht verständliche Texte (fast) ohne Formeln
Alle Beispiele kommen aus der Medizin oder der Pharmazie
Warnhinweise auf häufi ge Fehler und auf den unsachgemäßen Einsatz von Statistiken
Als leicht verständliche Einführung in die statistischen Grundlagen und Verfahren, die in der Medizin und in der Pharmazie eingesetzt werden, ist dieses Buch bestens geeignet für alle, die eine Ausbildung im medizinischpharmazeutischen Bereich absolvieren.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Mit diesem Buch haben falsche Statistiken keine Chance mehr. Übersichtlich gegliedert in 6 Teile mit zusammen 20 Kapiteln werden hier
alle wichtigen Typen von Daten und die Verfahren zu deren Auswertung erklärt. Die erklärte Maxime des Autors ist es, dass sich eine statistische Auswertung immer an der Art und Qualität der Daten orientieren muss, damit diese nicht fehl- oder überinterpretiert werden. Komplizierte Mathematik ist dabei weder nötig noch erwünscht, denn meistens sind die einfachsten Verfahren die aussagekräftigsten.
Ein positiver Lerneffekt stellt sich bereits nach wenigen Seiten ein, denn hier werden genau die Fragen gestellt (und beantwortet!), mit denen ein angehender Mediziner oder Pharmazeut während der Ausbildung konfrontiert wird. Mit seinem ungezwungenen und direkten Stil gelingt
es dem Autor, dass die Statistik vom ungeliebten Kind zum effizienten Werkzeug wird, auch ohne mathematische Begabung beim Leser.
Leicht verständliche Texte (fast) ohne Formeln
Alle Beispiele kommen aus der Medizin oder der Pharmazie
Warnhinweise auf häufi ge Fehler und auf den unsachgemäßen Einsatz von Statistiken
Als leicht verständliche Einführung in die statistischen Grundlagen und Verfahren, die in der Medizin und in der Pharmazie eingesetzt werden, ist dieses Buch bestens geeignet für alle, die eine Ausbildung im medizinischpharmazeutischen Bereich absolvieren.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Produktdetails
- Produktdetails
- Verdammt clever!
- Verlag: Wiley-VCH
- Artikelnr. des Verlages: 1133119 000
- 1. Auflage
- Seitenzahl: 287
- Erscheinungstermin: 22. August 2012
- Deutsch
- Abmessung: 241mm x 172mm x 18mm
- Gewicht: 596g
- ISBN-13: 9783527331192
- ISBN-10: 3527331190
- Artikelnr.: 34821443
- Herstellerkennzeichnung
- Wiley-VCH GmbH
- Boschstr. 12
- 69469 Weinheim
- wiley.buha@zeitfracht.de
- www.wiley-vch.de
- +49 (06201) 606-0 (AB ab 18.00 Uhr)
- Verdammt clever!
- Verlag: Wiley-VCH
- Artikelnr. des Verlages: 1133119 000
- 1. Auflage
- Seitenzahl: 287
- Erscheinungstermin: 22. August 2012
- Deutsch
- Abmessung: 241mm x 172mm x 18mm
- Gewicht: 596g
- ISBN-13: 9783527331192
- ISBN-10: 3527331190
- Artikelnr.: 34821443
- Herstellerkennzeichnung
- Wiley-VCH GmbH
- Boschstr. 12
- 69469 Weinheim
- wiley.buha@zeitfracht.de
- www.wiley-vch.de
- +49 (06201) 606-0 (AB ab 18.00 Uhr)
Philip Rowe lehrt an der School of Pharmacy and Chemistry der John Moores Universität in Liverpool (UK). Neben seiner Lehr- und Forschungstätigkeit ist er als freiberuflicher Berater für Pharmaunternehmen sowie immer häufiger als Trainer in Kliniken und Forschungsinstituten unterwegs. Sein Credo lautet, dass man kein Statistiker sein muss, um Daten und Messergebnisse sinnvoll auszuwerten. Man sollte aber wissen, welche Auswertung für welche Art von Daten sinnvoll ist und wann man die Statistik als Methode "ausgereizt" hat.
VORWORT
TEIL1: Datentypen
DATENTYPEN
Kommt es wirklich darauf an?
Daten auf einer Intervallskala
Daten auf einer Ordinalskala
Daten auf einer Nominalskala
Aufbau dieses Buchs
Kapitelzusammenfassung
TEIL2: Daten auf Intervallskalen
BESCHREIBENDE STATISTIK
Zusammenfassung von Datensätzen
Zentrale Lagemaße - der Mittelwert, der Median und der Modalwert
Beschreibung der Spannweite - die Standardabweichung und die relative
Standardabweichung
Quartile - eine andere Möglichkeit, Daten zu beschreiben
Verwendung von Software für die beschreibende Statistik
Kapitelzusammenfassung
DIE NORMALVERTEILUNG
Was ist eine Normalverteilung?
Wie erkennt man normalverteilte Daten?
Anteile von Einzelwerten innerhalb von einer oder zwei Standardabweichungen
vom Mittelwert
Kapitelzusammenfassung
STICHPROBEN AUS EINER GRUNDGESAMTHEIT UND DER STANDARDFEHLER DES
MITTELWERTS
Stichproben und Grundgesamtheiten
Von der Stichprobe zur Grundgesamtheit
Verschiedene Stichprobenfehler
Welche Faktoren bestimmen die Höhe des zufälligen Stichprobenfehlers?
Abschätzung des wahrscheinlichen Stichprobenfehlers und der Standardfehler
Aufrechnung von Stichprobengröße und Standardabweichung
Kapitelzusammenfassung
DAS 95 %-KONFIDENZINTERVALL FÜR DEN MITTELWERT
Was ist ein Konfidenzintervall?
Wie breit sollte das Intervall sein?
Was meinen wir mit ''95 %''-Konfidenz?
Berechnung der Intervallbreite
Eine Reihe von Stichproben und 95 %-Konfidenzintervallen
Wie stark hängt die Breite des Konfidenzintervalls von Änderungen der
Standardabweichung, des Stichprobenumfangs und des gewünschten
Konfidenzniveaus ab?
Zwei Aussagen
Einseitige 95 %-Konfidenzintervalle
Das 95 %-Konfidenzintervall für den Unterschied zweier Behandlungen
Über die Notwendigkeit, dass die Daten einer Normalverteilung folgen und
Datentransformation
Kapitelzusammenfassung
DER DOPPELTE T-TEST (1). EINFÜHRUNG IN HYPOTHESENTESTS
Der doppelte t-Test - ein Beispiel für einen Hypothesentest
Signifikanz
Das Risiko eines falsch-positiven Ergebnisses
Von welchen Faktoren hängt es ab, ob wir ein signifikantes oder ein nicht
signifikantes Ergebnis erhalten?
Voraussetzungen für einen doppelten t-Test
Kapitelzusammenfassung
DER DOPPELTE T-TEST (2): DER BERÜCHTIGTE P-WERT
Wie kann man die Signifikanz eines Ergebnisses beziffern?
p-Werte
Gibt es zwei Arten, Signifikanz zu definieren?
Bestimmung des p-Wertes
p-Werte oder 95 %-Konfidenzintervalle?
Kapitelzusammenfassung
DER DOPPELTE T-TEST (3). FALSCH-NEGATIVE BEFUNDE, GÜTE UND NOTWENDIGE
STICHPROBENUMFÄNGE
Was könnte sonst noch schief gehen?
Die Güte
Berechnung des notwendigen Stichprobenumfangs
Kapitelzusammenfassung
DER DOPPELTE T-TEST (4). STATISTISCHE SIGNIFIKANZ, PRAKTISCHE BEDEUTUNG UND
ÄQUIVALENZ
Praktische Bedeutung - ist die Differenz so groß, dass sie eine Rolle
spielt?
Äquivalenztests
Tests auf Nicht-Unterlegenheit
p-Werte sind weniger aussagekräftig und können förmlich in die Irre führen
Setzen von Äquivalenzgrenzen vor dem eigentlichen Versuch
Kapitelzusammenfassung
DER DOPPELTE T-TEST (5). EINSEITIGE TESTS
Suche nach einer Veränderung in einer bestimmten Richtung
Schutz vor falsch-positiven Befunden
Versuchung
Einsatz eines Softwarepakets bei einem einseitigen Test
Sollte man häufiger einseitige Tests einsetzen?
Kapitelzusammenfassung
WAS SAGT UNS EIN STATISTISCH SIGNIFIKANTES ERGEBNIS WIRKLICH?
Wie interpretiert man statistische Signifikanz?
Am Anfang steht äußerste Skepsis
Kapitelzusammenfassung
DER GEPAARTE T-TEST - VERGLEICH VON ZWEI ZUSAMMENHÄNGENDEN DATENSÄTZEN
Gepaarte Datensätze
Untersuchung der Daten mithilfe eines doppelten t-Tests
Alternative Anwendung eines gepaarten t-Tests
Durchführung eines gepaarten t-Tests
Wodurch ist bestimmt, ob ein gepaarter t-Test signifikant ist?
Größere Teststärke beim gepaarten t-Test
Der gepaarte t-Test ist nur auf natürliche Paare von Daten anwendbar
Auswahl des passenden Versuchsaufbaus
Voraussetzungen für das Anwenden eines gepaarten t-Tests
Stichprobenumfänge, praktische Bedeutung und einseitige Tests
Zusammenfassung der Unterschiede zwischen dem gepaarten und dem doppelten
t-Test
VARIANZANALYSE - ÜBER T-TESTS HINAUS
Erweiterung zu komplexen Versuchsdesigns
Einfache Varianzanalyse
Zweifache Varianzanalyse
Multifaktorenversuche
Einfache Form - starke Aussage
Kapitelzusammenfassung
KORRELATION UND REGRESSION - ZUSAMMENHÄNGE ZWISCHEN MESSWERTEN
Korrelationsanalyse
Regressionsanalyse
Mehrfache Regression
Kapitelzusammenfassung
TEIL3: Daten auf Nominalskalen
BESCHREIBUNG VON KATEGORISIERTEN DATEN
Beschreibende Statistik
Tests, ob der wahre Anteil möglicherweise einen vorbestimmten Wert hat
Kapitelzusammenfassung
VERGLEICH BEOBACHTETER ANTEILE - DER CHI-QUADRAT-KONTINGENZTEST
Anwendung des Chi-Quadrat-Kontingenztests für den Vergleich von
beobachteten Anteilen
Ein 95 %-Konfidenzintervall für die Änderung der Ausstoßquote - ist die
Änderung von praktischer Bedeutung?
Größere Kontingenztafeln - Nutzung der Diabetes-Sprechstunde
Planung der Versuchsgröße
Kapitelzusammenfassung
TEIL4: Daten auf Ordinalskalen
ORDINALSKALIERTE, NICHT NORMALVERTEILTE DATEN. TRANSFORMATIONEN UND
PARAMETERFREIE TESTS
Transformation auf eine Normalverteilung
Der Mann-Whitney-Test - ein nicht parametrisches Verfahren
Umgang mit Daten auf Ordinalskalen
Andere nicht parametrische Verfahren
Kapitelzusammenfassung
Anhang zu Kapitel 17
TEIL5: Reale Herausforderungen
MEHRFACHTESTS
Was ist ein Mehrfachtest und warum ist er problematisch?
Wo treten Mehrfachtests auf?
Verfahren zur Vermeidung von Falsch-positiven
Die Rolle der wissenschaftlichen Zeitschriften
Kapitelzusammenfassung
FRAGEBÖGEN
Gibt es Besonderheiten bei Fragebögen?
Arten von Fragen
Entwurf eines Fragebogens
Stichprobenumfang und Rücklaufquoten
Untersuchung der Ergebnisse
Verquickte epidemiologische Daten
Mehrfachtests bei Fragebogendaten
Kapitelzusammenfassung
TEIL6: Fazit
SCHLUSSFOLGERUNGEN
Machen Sie sich das Ziel des Versuchs klar
Bauen Sie den Versuch einfach und damit klar und aussagekräftig auf
Planen Sie die statistischen Analysen schon als Teil des Versuchsdesigns
und nicht erst auf den letzten Drücker
Untersuchen Sie die Daten visuell, bevor Sie in die statistischen Tests
einsteigen
Hüten Sie sich vor Mehrfachtests
Interpretieren Sie sowohl Signifikanz als auch Nicht-Signifikanz mit
gebührender Sorgfalt
TEIL1: Datentypen
DATENTYPEN
Kommt es wirklich darauf an?
Daten auf einer Intervallskala
Daten auf einer Ordinalskala
Daten auf einer Nominalskala
Aufbau dieses Buchs
Kapitelzusammenfassung
TEIL2: Daten auf Intervallskalen
BESCHREIBENDE STATISTIK
Zusammenfassung von Datensätzen
Zentrale Lagemaße - der Mittelwert, der Median und der Modalwert
Beschreibung der Spannweite - die Standardabweichung und die relative
Standardabweichung
Quartile - eine andere Möglichkeit, Daten zu beschreiben
Verwendung von Software für die beschreibende Statistik
Kapitelzusammenfassung
DIE NORMALVERTEILUNG
Was ist eine Normalverteilung?
Wie erkennt man normalverteilte Daten?
Anteile von Einzelwerten innerhalb von einer oder zwei Standardabweichungen
vom Mittelwert
Kapitelzusammenfassung
STICHPROBEN AUS EINER GRUNDGESAMTHEIT UND DER STANDARDFEHLER DES
MITTELWERTS
Stichproben und Grundgesamtheiten
Von der Stichprobe zur Grundgesamtheit
Verschiedene Stichprobenfehler
Welche Faktoren bestimmen die Höhe des zufälligen Stichprobenfehlers?
Abschätzung des wahrscheinlichen Stichprobenfehlers und der Standardfehler
Aufrechnung von Stichprobengröße und Standardabweichung
Kapitelzusammenfassung
DAS 95 %-KONFIDENZINTERVALL FÜR DEN MITTELWERT
Was ist ein Konfidenzintervall?
Wie breit sollte das Intervall sein?
Was meinen wir mit ''95 %''-Konfidenz?
Berechnung der Intervallbreite
Eine Reihe von Stichproben und 95 %-Konfidenzintervallen
Wie stark hängt die Breite des Konfidenzintervalls von Änderungen der
Standardabweichung, des Stichprobenumfangs und des gewünschten
Konfidenzniveaus ab?
Zwei Aussagen
Einseitige 95 %-Konfidenzintervalle
Das 95 %-Konfidenzintervall für den Unterschied zweier Behandlungen
Über die Notwendigkeit, dass die Daten einer Normalverteilung folgen und
Datentransformation
Kapitelzusammenfassung
DER DOPPELTE T-TEST (1). EINFÜHRUNG IN HYPOTHESENTESTS
Der doppelte t-Test - ein Beispiel für einen Hypothesentest
Signifikanz
Das Risiko eines falsch-positiven Ergebnisses
Von welchen Faktoren hängt es ab, ob wir ein signifikantes oder ein nicht
signifikantes Ergebnis erhalten?
Voraussetzungen für einen doppelten t-Test
Kapitelzusammenfassung
DER DOPPELTE T-TEST (2): DER BERÜCHTIGTE P-WERT
Wie kann man die Signifikanz eines Ergebnisses beziffern?
p-Werte
Gibt es zwei Arten, Signifikanz zu definieren?
Bestimmung des p-Wertes
p-Werte oder 95 %-Konfidenzintervalle?
Kapitelzusammenfassung
DER DOPPELTE T-TEST (3). FALSCH-NEGATIVE BEFUNDE, GÜTE UND NOTWENDIGE
STICHPROBENUMFÄNGE
Was könnte sonst noch schief gehen?
Die Güte
Berechnung des notwendigen Stichprobenumfangs
Kapitelzusammenfassung
DER DOPPELTE T-TEST (4). STATISTISCHE SIGNIFIKANZ, PRAKTISCHE BEDEUTUNG UND
ÄQUIVALENZ
Praktische Bedeutung - ist die Differenz so groß, dass sie eine Rolle
spielt?
Äquivalenztests
Tests auf Nicht-Unterlegenheit
p-Werte sind weniger aussagekräftig und können förmlich in die Irre führen
Setzen von Äquivalenzgrenzen vor dem eigentlichen Versuch
Kapitelzusammenfassung
DER DOPPELTE T-TEST (5). EINSEITIGE TESTS
Suche nach einer Veränderung in einer bestimmten Richtung
Schutz vor falsch-positiven Befunden
Versuchung
Einsatz eines Softwarepakets bei einem einseitigen Test
Sollte man häufiger einseitige Tests einsetzen?
Kapitelzusammenfassung
WAS SAGT UNS EIN STATISTISCH SIGNIFIKANTES ERGEBNIS WIRKLICH?
Wie interpretiert man statistische Signifikanz?
Am Anfang steht äußerste Skepsis
Kapitelzusammenfassung
DER GEPAARTE T-TEST - VERGLEICH VON ZWEI ZUSAMMENHÄNGENDEN DATENSÄTZEN
Gepaarte Datensätze
Untersuchung der Daten mithilfe eines doppelten t-Tests
Alternative Anwendung eines gepaarten t-Tests
Durchführung eines gepaarten t-Tests
Wodurch ist bestimmt, ob ein gepaarter t-Test signifikant ist?
Größere Teststärke beim gepaarten t-Test
Der gepaarte t-Test ist nur auf natürliche Paare von Daten anwendbar
Auswahl des passenden Versuchsaufbaus
Voraussetzungen für das Anwenden eines gepaarten t-Tests
Stichprobenumfänge, praktische Bedeutung und einseitige Tests
Zusammenfassung der Unterschiede zwischen dem gepaarten und dem doppelten
t-Test
VARIANZANALYSE - ÜBER T-TESTS HINAUS
Erweiterung zu komplexen Versuchsdesigns
Einfache Varianzanalyse
Zweifache Varianzanalyse
Multifaktorenversuche
Einfache Form - starke Aussage
Kapitelzusammenfassung
KORRELATION UND REGRESSION - ZUSAMMENHÄNGE ZWISCHEN MESSWERTEN
Korrelationsanalyse
Regressionsanalyse
Mehrfache Regression
Kapitelzusammenfassung
TEIL3: Daten auf Nominalskalen
BESCHREIBUNG VON KATEGORISIERTEN DATEN
Beschreibende Statistik
Tests, ob der wahre Anteil möglicherweise einen vorbestimmten Wert hat
Kapitelzusammenfassung
VERGLEICH BEOBACHTETER ANTEILE - DER CHI-QUADRAT-KONTINGENZTEST
Anwendung des Chi-Quadrat-Kontingenztests für den Vergleich von
beobachteten Anteilen
Ein 95 %-Konfidenzintervall für die Änderung der Ausstoßquote - ist die
Änderung von praktischer Bedeutung?
Größere Kontingenztafeln - Nutzung der Diabetes-Sprechstunde
Planung der Versuchsgröße
Kapitelzusammenfassung
TEIL4: Daten auf Ordinalskalen
ORDINALSKALIERTE, NICHT NORMALVERTEILTE DATEN. TRANSFORMATIONEN UND
PARAMETERFREIE TESTS
Transformation auf eine Normalverteilung
Der Mann-Whitney-Test - ein nicht parametrisches Verfahren
Umgang mit Daten auf Ordinalskalen
Andere nicht parametrische Verfahren
Kapitelzusammenfassung
Anhang zu Kapitel 17
TEIL5: Reale Herausforderungen
MEHRFACHTESTS
Was ist ein Mehrfachtest und warum ist er problematisch?
Wo treten Mehrfachtests auf?
Verfahren zur Vermeidung von Falsch-positiven
Die Rolle der wissenschaftlichen Zeitschriften
Kapitelzusammenfassung
FRAGEBÖGEN
Gibt es Besonderheiten bei Fragebögen?
Arten von Fragen
Entwurf eines Fragebogens
Stichprobenumfang und Rücklaufquoten
Untersuchung der Ergebnisse
Verquickte epidemiologische Daten
Mehrfachtests bei Fragebogendaten
Kapitelzusammenfassung
TEIL6: Fazit
SCHLUSSFOLGERUNGEN
Machen Sie sich das Ziel des Versuchs klar
Bauen Sie den Versuch einfach und damit klar und aussagekräftig auf
Planen Sie die statistischen Analysen schon als Teil des Versuchsdesigns
und nicht erst auf den letzten Drücker
Untersuchen Sie die Daten visuell, bevor Sie in die statistischen Tests
einsteigen
Hüten Sie sich vor Mehrfachtests
Interpretieren Sie sowohl Signifikanz als auch Nicht-Signifikanz mit
gebührender Sorgfalt
VORWORT
TEIL1: Datentypen
DATENTYPEN
Kommt es wirklich darauf an?
Daten auf einer Intervallskala
Daten auf einer Ordinalskala
Daten auf einer Nominalskala
Aufbau dieses Buchs
Kapitelzusammenfassung
TEIL2: Daten auf Intervallskalen
BESCHREIBENDE STATISTIK
Zusammenfassung von Datensätzen
Zentrale Lagemaße - der Mittelwert, der Median und der Modalwert
Beschreibung der Spannweite - die Standardabweichung und die relative
Standardabweichung
Quartile - eine andere Möglichkeit, Daten zu beschreiben
Verwendung von Software für die beschreibende Statistik
Kapitelzusammenfassung
DIE NORMALVERTEILUNG
Was ist eine Normalverteilung?
Wie erkennt man normalverteilte Daten?
Anteile von Einzelwerten innerhalb von einer oder zwei Standardabweichungen
vom Mittelwert
Kapitelzusammenfassung
STICHPROBEN AUS EINER GRUNDGESAMTHEIT UND DER STANDARDFEHLER DES
MITTELWERTS
Stichproben und Grundgesamtheiten
Von der Stichprobe zur Grundgesamtheit
Verschiedene Stichprobenfehler
Welche Faktoren bestimmen die Höhe des zufälligen Stichprobenfehlers?
Abschätzung des wahrscheinlichen Stichprobenfehlers und der Standardfehler
Aufrechnung von Stichprobengröße und Standardabweichung
Kapitelzusammenfassung
DAS 95 %-KONFIDENZINTERVALL FÜR DEN MITTELWERT
Was ist ein Konfidenzintervall?
Wie breit sollte das Intervall sein?
Was meinen wir mit ''95 %''-Konfidenz?
Berechnung der Intervallbreite
Eine Reihe von Stichproben und 95 %-Konfidenzintervallen
Wie stark hängt die Breite des Konfidenzintervalls von Änderungen der
Standardabweichung, des Stichprobenumfangs und des gewünschten
Konfidenzniveaus ab?
Zwei Aussagen
Einseitige 95 %-Konfidenzintervalle
Das 95 %-Konfidenzintervall für den Unterschied zweier Behandlungen
Über die Notwendigkeit, dass die Daten einer Normalverteilung folgen und
Datentransformation
Kapitelzusammenfassung
DER DOPPELTE T-TEST (1). EINFÜHRUNG IN HYPOTHESENTESTS
Der doppelte t-Test - ein Beispiel für einen Hypothesentest
Signifikanz
Das Risiko eines falsch-positiven Ergebnisses
Von welchen Faktoren hängt es ab, ob wir ein signifikantes oder ein nicht
signifikantes Ergebnis erhalten?
Voraussetzungen für einen doppelten t-Test
Kapitelzusammenfassung
DER DOPPELTE T-TEST (2): DER BERÜCHTIGTE P-WERT
Wie kann man die Signifikanz eines Ergebnisses beziffern?
p-Werte
Gibt es zwei Arten, Signifikanz zu definieren?
Bestimmung des p-Wertes
p-Werte oder 95 %-Konfidenzintervalle?
Kapitelzusammenfassung
DER DOPPELTE T-TEST (3). FALSCH-NEGATIVE BEFUNDE, GÜTE UND NOTWENDIGE
STICHPROBENUMFÄNGE
Was könnte sonst noch schief gehen?
Die Güte
Berechnung des notwendigen Stichprobenumfangs
Kapitelzusammenfassung
DER DOPPELTE T-TEST (4). STATISTISCHE SIGNIFIKANZ, PRAKTISCHE BEDEUTUNG UND
ÄQUIVALENZ
Praktische Bedeutung - ist die Differenz so groß, dass sie eine Rolle
spielt?
Äquivalenztests
Tests auf Nicht-Unterlegenheit
p-Werte sind weniger aussagekräftig und können förmlich in die Irre führen
Setzen von Äquivalenzgrenzen vor dem eigentlichen Versuch
Kapitelzusammenfassung
DER DOPPELTE T-TEST (5). EINSEITIGE TESTS
Suche nach einer Veränderung in einer bestimmten Richtung
Schutz vor falsch-positiven Befunden
Versuchung
Einsatz eines Softwarepakets bei einem einseitigen Test
Sollte man häufiger einseitige Tests einsetzen?
Kapitelzusammenfassung
WAS SAGT UNS EIN STATISTISCH SIGNIFIKANTES ERGEBNIS WIRKLICH?
Wie interpretiert man statistische Signifikanz?
Am Anfang steht äußerste Skepsis
Kapitelzusammenfassung
DER GEPAARTE T-TEST - VERGLEICH VON ZWEI ZUSAMMENHÄNGENDEN DATENSÄTZEN
Gepaarte Datensätze
Untersuchung der Daten mithilfe eines doppelten t-Tests
Alternative Anwendung eines gepaarten t-Tests
Durchführung eines gepaarten t-Tests
Wodurch ist bestimmt, ob ein gepaarter t-Test signifikant ist?
Größere Teststärke beim gepaarten t-Test
Der gepaarte t-Test ist nur auf natürliche Paare von Daten anwendbar
Auswahl des passenden Versuchsaufbaus
Voraussetzungen für das Anwenden eines gepaarten t-Tests
Stichprobenumfänge, praktische Bedeutung und einseitige Tests
Zusammenfassung der Unterschiede zwischen dem gepaarten und dem doppelten
t-Test
VARIANZANALYSE - ÜBER T-TESTS HINAUS
Erweiterung zu komplexen Versuchsdesigns
Einfache Varianzanalyse
Zweifache Varianzanalyse
Multifaktorenversuche
Einfache Form - starke Aussage
Kapitelzusammenfassung
KORRELATION UND REGRESSION - ZUSAMMENHÄNGE ZWISCHEN MESSWERTEN
Korrelationsanalyse
Regressionsanalyse
Mehrfache Regression
Kapitelzusammenfassung
TEIL3: Daten auf Nominalskalen
BESCHREIBUNG VON KATEGORISIERTEN DATEN
Beschreibende Statistik
Tests, ob der wahre Anteil möglicherweise einen vorbestimmten Wert hat
Kapitelzusammenfassung
VERGLEICH BEOBACHTETER ANTEILE - DER CHI-QUADRAT-KONTINGENZTEST
Anwendung des Chi-Quadrat-Kontingenztests für den Vergleich von
beobachteten Anteilen
Ein 95 %-Konfidenzintervall für die Änderung der Ausstoßquote - ist die
Änderung von praktischer Bedeutung?
Größere Kontingenztafeln - Nutzung der Diabetes-Sprechstunde
Planung der Versuchsgröße
Kapitelzusammenfassung
TEIL4: Daten auf Ordinalskalen
ORDINALSKALIERTE, NICHT NORMALVERTEILTE DATEN. TRANSFORMATIONEN UND
PARAMETERFREIE TESTS
Transformation auf eine Normalverteilung
Der Mann-Whitney-Test - ein nicht parametrisches Verfahren
Umgang mit Daten auf Ordinalskalen
Andere nicht parametrische Verfahren
Kapitelzusammenfassung
Anhang zu Kapitel 17
TEIL5: Reale Herausforderungen
MEHRFACHTESTS
Was ist ein Mehrfachtest und warum ist er problematisch?
Wo treten Mehrfachtests auf?
Verfahren zur Vermeidung von Falsch-positiven
Die Rolle der wissenschaftlichen Zeitschriften
Kapitelzusammenfassung
FRAGEBÖGEN
Gibt es Besonderheiten bei Fragebögen?
Arten von Fragen
Entwurf eines Fragebogens
Stichprobenumfang und Rücklaufquoten
Untersuchung der Ergebnisse
Verquickte epidemiologische Daten
Mehrfachtests bei Fragebogendaten
Kapitelzusammenfassung
TEIL6: Fazit
SCHLUSSFOLGERUNGEN
Machen Sie sich das Ziel des Versuchs klar
Bauen Sie den Versuch einfach und damit klar und aussagekräftig auf
Planen Sie die statistischen Analysen schon als Teil des Versuchsdesigns
und nicht erst auf den letzten Drücker
Untersuchen Sie die Daten visuell, bevor Sie in die statistischen Tests
einsteigen
Hüten Sie sich vor Mehrfachtests
Interpretieren Sie sowohl Signifikanz als auch Nicht-Signifikanz mit
gebührender Sorgfalt
TEIL1: Datentypen
DATENTYPEN
Kommt es wirklich darauf an?
Daten auf einer Intervallskala
Daten auf einer Ordinalskala
Daten auf einer Nominalskala
Aufbau dieses Buchs
Kapitelzusammenfassung
TEIL2: Daten auf Intervallskalen
BESCHREIBENDE STATISTIK
Zusammenfassung von Datensätzen
Zentrale Lagemaße - der Mittelwert, der Median und der Modalwert
Beschreibung der Spannweite - die Standardabweichung und die relative
Standardabweichung
Quartile - eine andere Möglichkeit, Daten zu beschreiben
Verwendung von Software für die beschreibende Statistik
Kapitelzusammenfassung
DIE NORMALVERTEILUNG
Was ist eine Normalverteilung?
Wie erkennt man normalverteilte Daten?
Anteile von Einzelwerten innerhalb von einer oder zwei Standardabweichungen
vom Mittelwert
Kapitelzusammenfassung
STICHPROBEN AUS EINER GRUNDGESAMTHEIT UND DER STANDARDFEHLER DES
MITTELWERTS
Stichproben und Grundgesamtheiten
Von der Stichprobe zur Grundgesamtheit
Verschiedene Stichprobenfehler
Welche Faktoren bestimmen die Höhe des zufälligen Stichprobenfehlers?
Abschätzung des wahrscheinlichen Stichprobenfehlers und der Standardfehler
Aufrechnung von Stichprobengröße und Standardabweichung
Kapitelzusammenfassung
DAS 95 %-KONFIDENZINTERVALL FÜR DEN MITTELWERT
Was ist ein Konfidenzintervall?
Wie breit sollte das Intervall sein?
Was meinen wir mit ''95 %''-Konfidenz?
Berechnung der Intervallbreite
Eine Reihe von Stichproben und 95 %-Konfidenzintervallen
Wie stark hängt die Breite des Konfidenzintervalls von Änderungen der
Standardabweichung, des Stichprobenumfangs und des gewünschten
Konfidenzniveaus ab?
Zwei Aussagen
Einseitige 95 %-Konfidenzintervalle
Das 95 %-Konfidenzintervall für den Unterschied zweier Behandlungen
Über die Notwendigkeit, dass die Daten einer Normalverteilung folgen und
Datentransformation
Kapitelzusammenfassung
DER DOPPELTE T-TEST (1). EINFÜHRUNG IN HYPOTHESENTESTS
Der doppelte t-Test - ein Beispiel für einen Hypothesentest
Signifikanz
Das Risiko eines falsch-positiven Ergebnisses
Von welchen Faktoren hängt es ab, ob wir ein signifikantes oder ein nicht
signifikantes Ergebnis erhalten?
Voraussetzungen für einen doppelten t-Test
Kapitelzusammenfassung
DER DOPPELTE T-TEST (2): DER BERÜCHTIGTE P-WERT
Wie kann man die Signifikanz eines Ergebnisses beziffern?
p-Werte
Gibt es zwei Arten, Signifikanz zu definieren?
Bestimmung des p-Wertes
p-Werte oder 95 %-Konfidenzintervalle?
Kapitelzusammenfassung
DER DOPPELTE T-TEST (3). FALSCH-NEGATIVE BEFUNDE, GÜTE UND NOTWENDIGE
STICHPROBENUMFÄNGE
Was könnte sonst noch schief gehen?
Die Güte
Berechnung des notwendigen Stichprobenumfangs
Kapitelzusammenfassung
DER DOPPELTE T-TEST (4). STATISTISCHE SIGNIFIKANZ, PRAKTISCHE BEDEUTUNG UND
ÄQUIVALENZ
Praktische Bedeutung - ist die Differenz so groß, dass sie eine Rolle
spielt?
Äquivalenztests
Tests auf Nicht-Unterlegenheit
p-Werte sind weniger aussagekräftig und können förmlich in die Irre führen
Setzen von Äquivalenzgrenzen vor dem eigentlichen Versuch
Kapitelzusammenfassung
DER DOPPELTE T-TEST (5). EINSEITIGE TESTS
Suche nach einer Veränderung in einer bestimmten Richtung
Schutz vor falsch-positiven Befunden
Versuchung
Einsatz eines Softwarepakets bei einem einseitigen Test
Sollte man häufiger einseitige Tests einsetzen?
Kapitelzusammenfassung
WAS SAGT UNS EIN STATISTISCH SIGNIFIKANTES ERGEBNIS WIRKLICH?
Wie interpretiert man statistische Signifikanz?
Am Anfang steht äußerste Skepsis
Kapitelzusammenfassung
DER GEPAARTE T-TEST - VERGLEICH VON ZWEI ZUSAMMENHÄNGENDEN DATENSÄTZEN
Gepaarte Datensätze
Untersuchung der Daten mithilfe eines doppelten t-Tests
Alternative Anwendung eines gepaarten t-Tests
Durchführung eines gepaarten t-Tests
Wodurch ist bestimmt, ob ein gepaarter t-Test signifikant ist?
Größere Teststärke beim gepaarten t-Test
Der gepaarte t-Test ist nur auf natürliche Paare von Daten anwendbar
Auswahl des passenden Versuchsaufbaus
Voraussetzungen für das Anwenden eines gepaarten t-Tests
Stichprobenumfänge, praktische Bedeutung und einseitige Tests
Zusammenfassung der Unterschiede zwischen dem gepaarten und dem doppelten
t-Test
VARIANZANALYSE - ÜBER T-TESTS HINAUS
Erweiterung zu komplexen Versuchsdesigns
Einfache Varianzanalyse
Zweifache Varianzanalyse
Multifaktorenversuche
Einfache Form - starke Aussage
Kapitelzusammenfassung
KORRELATION UND REGRESSION - ZUSAMMENHÄNGE ZWISCHEN MESSWERTEN
Korrelationsanalyse
Regressionsanalyse
Mehrfache Regression
Kapitelzusammenfassung
TEIL3: Daten auf Nominalskalen
BESCHREIBUNG VON KATEGORISIERTEN DATEN
Beschreibende Statistik
Tests, ob der wahre Anteil möglicherweise einen vorbestimmten Wert hat
Kapitelzusammenfassung
VERGLEICH BEOBACHTETER ANTEILE - DER CHI-QUADRAT-KONTINGENZTEST
Anwendung des Chi-Quadrat-Kontingenztests für den Vergleich von
beobachteten Anteilen
Ein 95 %-Konfidenzintervall für die Änderung der Ausstoßquote - ist die
Änderung von praktischer Bedeutung?
Größere Kontingenztafeln - Nutzung der Diabetes-Sprechstunde
Planung der Versuchsgröße
Kapitelzusammenfassung
TEIL4: Daten auf Ordinalskalen
ORDINALSKALIERTE, NICHT NORMALVERTEILTE DATEN. TRANSFORMATIONEN UND
PARAMETERFREIE TESTS
Transformation auf eine Normalverteilung
Der Mann-Whitney-Test - ein nicht parametrisches Verfahren
Umgang mit Daten auf Ordinalskalen
Andere nicht parametrische Verfahren
Kapitelzusammenfassung
Anhang zu Kapitel 17
TEIL5: Reale Herausforderungen
MEHRFACHTESTS
Was ist ein Mehrfachtest und warum ist er problematisch?
Wo treten Mehrfachtests auf?
Verfahren zur Vermeidung von Falsch-positiven
Die Rolle der wissenschaftlichen Zeitschriften
Kapitelzusammenfassung
FRAGEBÖGEN
Gibt es Besonderheiten bei Fragebögen?
Arten von Fragen
Entwurf eines Fragebogens
Stichprobenumfang und Rücklaufquoten
Untersuchung der Ergebnisse
Verquickte epidemiologische Daten
Mehrfachtests bei Fragebogendaten
Kapitelzusammenfassung
TEIL6: Fazit
SCHLUSSFOLGERUNGEN
Machen Sie sich das Ziel des Versuchs klar
Bauen Sie den Versuch einfach und damit klar und aussagekräftig auf
Planen Sie die statistischen Analysen schon als Teil des Versuchsdesigns
und nicht erst auf den letzten Drücker
Untersuchen Sie die Daten visuell, bevor Sie in die statistischen Tests
einsteigen
Hüten Sie sich vor Mehrfachtests
Interpretieren Sie sowohl Signifikanz als auch Nicht-Signifikanz mit
gebührender Sorgfalt