Statistics Done Wrong - Statistik richtig anwenden und gängige Fehler vermeiden - Deutsche Ausgabe

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.