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

• 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