Streuspanne – Statistik und ihre Kuriositäten

By Fraunhofer ITWMScience Mathematics

Streuspanne – Statistik und ihre Kuriositäten episodes

September 30, 2024 Künstliche Intelligenz und Statistik – Erster Teil: Ist KI nur glorifizierte Statistik? KI hieß mal ML
In dieser ersten Episode unserer neuen Mini-Serie zu »Künstlicher Intelligenz (KI) und Statistik« gehen wir
der Frage nach, ob KI wirklich nur »glorifizierte Statistik« ist – und damit »alter Wein in neuen Schläuchen«.
Gemeinsam werfen wir einen Blick auf die Begriffe KI und Machine Learning (ML). Wir zeigen anhand von
greifbaren Beispielen, wie Datenwolken und Algorithmen zusammenhängen. Wie unterscheidet ein Algorithmus Kinder von Erwachsenen? Was hat es mit Random
Forests und Entscheidungsbäumen auf sich hat – und warum ist das Ganze ziemlich komplex und auch mehr ist als nur einfache Statistik? Hört selbst!

Eine Aufgabe gibt es diesmal für Euch:
Stellt Euch ein kariertes DIN-A4-Blatt vor. Manche
Kästchen sind schwarz angemalt, andere bleiben weiß. Auf diese Weise entsteht ein verpixeltes Schwarz-Weiß-Bild. Jetzt malt auf diese Art und Weise auf dem
Blatt ein einfaches Rechteck und stellt Euch vor, Ihr müsst einer KI erklären, wie sie dieses Rechteck erkennen kann.
Welche Regeln oder Algorithmen könnten verwendet werden, um die Konturen des Rechtecks zu identifizieren?
Wie würdet Ihr einem Computer diese Wenn-Dann-Regel erklären, mit der er ein Rechteck auf diesem Papier finden soll?
Schreibt uns Eure Ideen und Lösungen per E-Mail an presse(at)itwm.fraunhofer.de oder in Social Media per
Direkter Nachricht oder Kommentar. Wir sind gespannt auf Eure Antworten, die wir in der nächsten Folge dann gerne aufgreifen.
Teil Eins ist ein grundlegender Einstieg ins Thema
und eine gute Basis, um in einer nächsten Folge mit Neuronalen Netzen und »Künstlichen Gehirne« weiterzumachen. Mit dieser Episode legen wir die Grundlagen für weitere spannende Diskussionen rund Deep Learning und die Zukunft der KI –
bleibt also dran und freut Euch auf die nächste Streuspanne!

29 min
August 12, 2024 Statistiken mit Links – Happy Weltlinkshänder:innentag (Folge 23)
Was haben Julius Caesar, Albert Einstein, Goethe, Marie Curie, Isaac Newton, Beethoven, Charlie Chaplin und Marilyn Monroe gemeinsam? Sie alle waren nicht nur berühmte Persönlichkeiten, sondern auch Linkshänder:innen. Heute, am 13. August, feiern wir den internationalen Tag der Linkshänder:innen – mit unserer neuen Podcast-Episode und natürlich mit kuriosen Statistiken rund um dieses Thema.
Habt Ihr schon einmal darüber nachgedacht, warum nur etwa zehn bis 15 Prozent der Menschen linkshändig sind? Wie entsteht Linkshändigkeit? Oder warum bleibt diese Quote seit etwa 500.000 Jahren nahezu konstant? Unser Team – Sascha Feth, Jochen Fiedler und Esther Packullat – geht in dieser Folge den faszinierenden Fragen und Mythen rund um die Linkshändigkeit nach. Dabei schauen wir uns mögliche biologische Erklärungen, aber auch archäologische Untersuchungen genauer an. Gibt es genetische Gründe? Was hat die rechte Gehirnhälfte damit zu tun? Gibt es Vorteile oder Nachteile im Sport oder gar Statistiken in der Gesundheit? Was hat es mit dem mathematischen Modell zum Thema Linkshändigkeit auf sich?
https://s.fhg.de/mathe-modell-links

Vom Überraschungsvorteil im Boxring bis hin zu den Vor- und Nachteilen – All das gibt es in der neuen Streuspanne-Folge. Wenn Ihr nach dem Hören der neuen Folge noch unsicher seid, ob ihr ihr rechts- oder linkshändig seid, könnt Ihr mit dem »Edinburgh Handedness Inventory« Test (https://s.fhg.de/EHI-Test) 20 Fragen rund um Eure Tätigkeiten mit den Händen beantworten.
Klingt spannend? Reinhören lohnt sich – egal mit welcher Hand Ihr schreibt!

Gestaltet unseren Podcast mit und meldet Euch!
Ihr habt ein Zahlenphänomen entdeckt, das wir besprechen sollen oder eine Statistik in den Medien gelesen und wollt, dass wir sie in der »Streuspanne« zum Thema machen? Dann meldet Euch gerne bei uns.

19 min
July 09, 2024 Kann das Benfordsche Gesetz Bielefeld widerlegen? (Folge 22)
Traue keiner Statistik, die Du nicht selbst gefälscht hast.
Eigentlich zucken wir immer innerlich zusammen, wenn jemand dieses Zitat in die Runde wirft.
Das ändert jedoch leider nichts daran, dass in Statistiken
gelegentlich betrogen wird. Es wäre doch großartig, wenn Statistik wiederrum in der Lage wäre, Betrug in der Statistik aufzudecken. Die Schlange, die sich hier
selbst in den Schwanz beißen kann, heißt: Benfordsches Gesetz.
Es regelt auf scheinbar mystische Weise die
Auftretenswahrscheinlichkeiten der ersten Ziffer von Zahlen in einem Datensatz. So soll nicht nur Wirtschaftsbetrug und Wahlmanipulation aufgedeckt werden, nein es soll sogar die Bielefeld-Verschwörung befeuern.
Unser Streuspanne-Team Sascha Feth, Jochen Fiedler und Esther Packullat gehen diesem ominösen Gesetz nach und klären, ob Finanzfahnder:innen jetzt arbeitslos werden, ob wir doch von einem zahnlosen Tiger sprechen. Wenn
der sich dann selbst in den Schwanz beißt, tut es wenigstens nicht weh.
Klingt spannend? Reinhören lohnt sich signifikant!
Wir erwähnen folgende Links, Artikel und Podcasts in der aktuellen Folge:
Bei der Wirtschaftsprüfung:
Tarek el Sehity, Erik Hoelzl, Erich Kirchler: Price developments after a nominal shock, Benford’s Law and psychological pricing after the euro introduction.
In: International Journal of Research in
Marketing, 22, Amsterdam 2005, Nr. 4, Dezember 2005, S. 471–480
Zur Wahlmanipulation:
Christian Breunig, Achim Goerres: Searching for electoral irregularities in an established democracy: Applying Benford’s Law tests to Bundestag elections in Unified
Germany. In: Electoral Studies (= Special Symposium on the Politics of Economic Crisis). Band 30, Nr. 3, 1. September 2011, S. 534–545

Boudewijn F. Roukema: Benford’s
Law anomalies in the 2009 Iranian presidential election
Joseph Deckert, Mikhail Myagkov und Peter C. Ordeshook: The Irrelevance of Benford’s Law for Detecting Fraud in Elections. (PDF) Caltech/MIT Voting Technology Project Working Paper No. 9, 2010

Zur Bielefeldverschwörung
Patrick Winter: Reply to the Comments by Peter
Winkler to “Bielefeld May in Fact Not Exist – Empirical Evidence From Official Population Data”. In: Jahrbücher für Nationalökonomie und Statistik. Band 243, Nr. 1,
2023, ISSN 2366-049X, S. 43–44,

Gestaltet unseren Podcast mit und meldet Euch!

Ihr habt ein Zahlenphänomen entdeckt, das wir besprechen sollen oder eine Statistik in den Medien gelesen und wollt, dass wir sie in der »Streuspanne« zum Thema machen? Dann meldet Euch gerne bei uns.
35 min
June 14, 2024 Special: Es gibt keinen Rechtsruck. Leider. Die AfD in der Europawahl seit 2014
Die heutige Kurzfolge des Streuspanne-Podcasts
thematisiert die Wahl zum Europäischen Parlament. Das Special steht unter der steilen Aussage: »Es gibt keinen Rechtsruck. Leider. Die AfD in der Europawahl
seit 2014«. Im Mittelpunkt des Gesprächs steht – anknüpfend an die letzte Folge – u.a. das Wording von Medien in Zusammenhang mit Statistik und warum wir einen echten positiven Ruck brauchen.
Der »Rechtsruck« ist einer der am häufigsten verwendeten Begriffe rund um so ziemlich jedes Wahlergebnis der letzten Jahre, in dem auch die AfD als Partei vertreten war. So zuletzt auch bei der Europawahl. Doch stimmt das
überhaupt? Gab es diesen viel beschworenen Rechtsruck?
Unser Streuspanne-Team Sascha Feth, Jochen Fiedler und
Esther Packullat schaut sich das genauer an und blickt auf die deutschen Wahlergebnisse der Europawahlen 2009, 2014, 2019 und 2024.
Das Ergebnis ist leider besorgniserregend.
In diesem Kontext könnte Dich auch unsere Folge zum Thema »Wie
funktionieren Wahlprognosen?« interessieren: www.itwm.fraunhofer.de/wahlprognose
Oder unsere letzte Folge »Die Polizeiliche Kriminalstatistik
und der Mythos [das Narrativ] der kriminellen Ausländer« unter www.itwm.fraunhofer.de/podcast-kriminalstatistik
Gestaltet unseren Podcast mit und meldet Euch!
Ihr habt ein Zahlenphänomen entdeckt, das wir besprechen sollen oder eine Statistik in den Medien gelesen und wollt, dass wir sie in der
»Streuspanne« zum Thema machen? Dann meldet Euch gerne bei uns unter presse(at)itwm. Fraunhofer.de
4 min
June 09, 2024 Die Polizeiliche Kriminalstatistik und der Mythos der kriminellen Ausländer (Folge 21)
In der neuen Streuspanne-Folge beschäftigen wir uns mit einem brandaktuellen und kontroversen Thema: Der Polizeilichen Kriminalstatistik – kurz PKS. Diese wird jedes Jahr vom Bundeskriminalamt herausgegeben und zieht oft ein großes Medienecho nach sich. Besonders die Daten zur Herkunft der Täter:innen werden häufig für plakative Schlagzeilen genutzt.
Im Fokus der Podcast-Folge: Wir können wir uns statistisch vor zu schnellen Presseäußerungen abgrenzen, die einfach Zahlen lautstark wiederholen und höchstens am Rande erwähnen, dass diese in einen Kontext eingebettet und erklärt werden müssen, um kein Zerrbild der Gesellschaft zu erhalten. Das Podcast-Team bezieht sich auf die PKS 2023, die im April 2024 veröffentlicht wurde.
Im Blick haben sie besonders eine Zahl, die für vermehrt Schlagzeilen gesorgt hat, die behaupteten, dass die Anzahl der ausländischen Tatverdächtigen stark gestiegen sei – namentlich um 32 Prozent seit 2019. Doch was sagen die Daten wirklich?
Unser Streuspanne-Team Sascha Feth, Jochen Fiedler und Esther Packullat erläutert nicht nur genauer wie die Statistik überhaupt erhoben wird, sondern diskutiert Fragen wie:
- Welche Aspekte müssen wir berücksichtigen, um diese Prozentzahl richtig einzuordnen? Welche Einschränkungen gibt es bei der Erhebung der Statistik?
- Was ist das Dunkelfeld oder die Dunkelziffer?
- Wie spielen Gesetzesänderungen in die Erhebung mit ein?
- Warum ist es wichtig auch das Anzeigeverhalten und die Polizeiaktivitäten bei der PKS zu betrachten?
- Was heißt Aufklärungsquote im Zusammenhang mit der PKS?
- Was haben sozioökonomische Faktoren wie Geschlecht, Bildung oder Perspektive für einen Einfluss?
- Was von all diesen Aspekten ist relevant, um eine Aussage über die Kriminalität von Menschen ohne deutschen Pass treffen zu können? Kann man die 32 Prozent wissenschaftlich bereinigen?
- Ist die PKS eher Abbild oder Zerrbild der Gesellschaft?
Klingt spannend? Reinhören lohnt sich!

Wir erwähnen folgende Links, Artikel und Podcasts in der aktuellen Folge:

• Polizeiliche Kriminalstatistik 2023: https://s.fhg.de/pks-2023
• »Streuspanne« Blogpost zur Dunkelziffer: Wie kann man mit Statistik die Dunkelziffer der Corona-Infektionen bestimmen? www.itwm.fraunhofer.de/dunkelziffer und www.itwm.fraunhofer.de/dunkelziffer-update
• »Streuspanne« Podcast Folge »Haben Sie schon mal in den Badesee gepinkelt?« www.itwm.fraunhofer.de/badesee
• »SWR Kultur Forum« Podcast Folge: Kampf gegen Kinderpornographie – Ist der Staat machtlos? https://s.fhg.de/swr-podcast
• ZEIT-Artikel »Kriminalstatistik: Warum es mehr Straftaten von Ausländern gibt«: Die Zahl ausländischer Tatverdächtiger ist laut polizeilicher Kriminalstatistik stark gestiegen. Dafür gibt es einen naheliegenden Grund, zeigen diese Daten. https://s.fhg.de/zeit-pks-2023
• ZEIT-Artikel »Es ist bizarr, wie die Zahlen überinterpretiert werden«: Die Polizei zählt mehr Gewalttaten und mehr ausländische Verdächtige. Der Kriminologe Tobias Singelnstein warnt: Die Statistik sage wenig über die echte Kriminalität. https://s.fhg.de/zeit-pks-interview

Gestaltet unseren Podcast mit und meldet Euch!

Ihr habt ein Zahlenphänomen entdeckt, das wir besprechen sollen oder eine Statistik in den Medien gelesen und wollt, dass wir sie in der »Streuspanne« zum Thema machen? Dann meldet Euch gerne bei uns.

43 min
May 22, 2024 »Streuspanne-Lexikon« – F wie Freiheitsgrade
Der neue Eintrag unseres »Streuspanne-Lexikons« ist »F wie Freiheitsgrade« – und das, wie immer in unseren Lexikon-Folgen, kurz und knapp in wenigen Minuten.
Freiheitsgrade beschreiben in der Statistik die Anzahl
unabhängiger Informationen, die in eine Schätzung einfließen. Wenn also aus n Daten ein Mittelwert berechnet wird, dann fließen n unabhängige Informationen ein – also hat der Mittelwert n Freiheitsgrade. Bei der Standardabweichung bzw. der Varianz sind es hingegen nur n-1.
Ein bekanntes Beispiel für die Anwendung der Freiheitsgrade ist die Varianzanalyse. Hier untersucht man, ob es signifikante Unterschiede in einem bestimmten Merkmal zwischen verschiedenen Gruppen gibt, etwa in der Lebenserwartung zwischen Geschlechtern oder zwischen Rauchenden und Nichtrauchenden.
Man vergleicht dabei die Streuung der Gruppenmittelwerte mit der Streuung innerhalb der Gruppen. Um die Streuung innerhalb der Gruppen zu bestimmen, müssen so viele Gruppenmittelwerte berechnet werden, wie es Gruppen gibt. Daher wird
bei der Berechnung der Freiheitsgrade vom Stichprobenumfang nicht nur 1, sondern zusätzlich die Anzahl der Gruppen abgezogen.
Falsch berechnete Freiheitsgrade führen zu ungenauen
Schätzungen und verzerrten Ergebnissen. Bei großen Stichproben können kleine Fehler weniger ins Gewicht fallen, aber gerade bei Varianzanalysen ist eine
genaue Berechnung der Freiheitsgrade entscheidend, da sie die Grundlage für die Interpretation der kritischen Werte bildet. Was kritische Werte sind, erklären
wir Euch übrigens im Lexikon-Eintrag »K wie kritische Werte«.
Ihr habt Statistiken entdeckt oder mathematische Beobachtungen aus dem Alltag, die wir diskutieren oder erklären sollen? Oder gibt es Begriffe, die wir im »Streuspanne-Lexikon« für Euch beleuchten sollen? Dann meldet Euch gerne über [email protected] bei uns mit neuen Ideen.
Falls Ihr gerade von einer regulären Episode des
»Streuspanne«-Podcasts hierher gefunden habt, springt schnell zurück!
5 min
May 21, 2024 »Streuspanne-Lexikon« – K wie kritische Werte
Im neuen Eintrag unseres »Streuspanne-Lexikons« dreht sich alles um »K wie kritische Werte« – und das, wie immer in unserem Lexikon, kurz und knapp in wenigen Minuten.
Kritische Werte dienen dazu, die Signifikanz von Ergebnissen in statistischen Analysen zu bestimmen. Sie helfen also dabei, festzustellen, ob ein beobachteter Effekt auf Zufall beruht oder tatsächlich signifikant ist.
Um kritische Werte zu bestimmen, tut man so, als würde nur der Zufall agieren, und bestimmt dann extreme Rand-Ereignisse, die sehr selten sind. Dabei regelt die Signifikanz – also eine Art Seltenheitsmaß – was »selten«
konkret bedeutet. Das genaue Berechnen erfordert ein wenig Kenntnisse in Wahrscheinlichkeitsrechnung, allerdingt gibt es für die gängigen Testverfahren Formelsammlungen.
Um die Bedeutung kritischer Werte zu verdeutlichen,
betrachten wir in diesem Eintrag kurz ein gängiges Beispiel mit dem Wurf einer Münze: Angenommen, wir wollen herausfinden, ob eine Münze fair ist oder nicht. Dafür werfen wir die Münze zehn Mal und beobachten, dass sie neun Mal auf Kopf und nur einmal auf Zahl landet. Das mag vielleicht ungewöhnlich erscheinen, aber es
könnte auch durch Zufall passieren. Um das zu überprüfen, betrachten wir die Wahrscheinlichkeiten für verschiedene Ergebnisse. Die Bereiche, in denen die
Anzahl der Kopf- und Zahlwürfe als typisch für eine faire Münze betrachtet wird, werden als kritische Werte festgelegt – da Ergebnisse außerhalb dieser Bereiche als selten genug angesehen werden, um nicht auf reinem Zufall zu beruhen. Somit können wir anhand dieser kritischen Werte bestimmen, ob das beobachtete Ergebnis signifikant ist oder nicht.
Im Lexikon-Eintrag stellen wir die kritischen Werte außerdem den p-Werten gegenüber und erwähnen dabei unsere letzte reguläre Folge, die sich ausführlich mit den p-Werten befasst. Diese Folge findet Ihr hier: www.itwm.fraunhofer.de/p-werte
Außerdem spricht Jochen die Binomialverteilung an, die kurze Erklärung dazu, gibt es im »Streuspanne-Lexikon« zu B wie Binomialverteilung unter www.itwm.fraunhofer.de/binomialverteilung
Ihr habt Statistiken entdeckt oder mathematische Beobachtungen aus dem Alltag, die wir diskutieren oder erklären sollen? Oder gibt es Begriffe, die wir im »Streuspanne-Lexikon« für Euch betrachten sollen? Dann meldet Euch gerne über [email protected] bei uns mit neuen Ideen.
Falls Ihr gerade von einer regulären Episode des
»Streuspanne«-Podcasts hierher gefunden habt, dann zurück zur Folge!
7 min
May 12, 2024Viel Lärm um Bias – Wie Noise Entscheidungen und Statistiken verzerrt (Folge 20)
Wie viel verdient man in der Rockmusik? Ob eure Antwort »mehrere Millionen« oder »Das ist brotlose Kunst« lauten wird, hat oft weniger mit der Frage an sich zu tun, sondern mit den eigenen, individuellen Verzerrungen und Denkfehlern – dem statistischen Rauschen oder »Noise«.

Es wurde und wird viel über diese Denkfehler – Englisch Bias – geschrieben. Im Alltag ist es sehr schwer, ihnen nicht zu erliegen, weil sie sich völlig unbemerkt in unsere Entscheidungsprozesse einschmuggeln. In der Statistik kennt man den Begriff Bias ebenfalls. Dort ist es die systematische Abweichung eines Schätzverfahrens, welches im Mittel nicht den wahren Wert liefert. Gleichzeitig erfährt der Begriff hier weniger Aufmerksamkeit, weil das Problem zum einen gut verstanden ist und zum anderen mit wachsendem Stichprobenumfang immer geringer wird.

Symbolisiert wird der Bias immer gerne durch die eine Zielscheibe, bei der die Punktewolke der Einschusslöcher systematisch von der schwarzen Mitte abweicht. Siehe dazu auch der Blogpost »Von zitternden Schützen« von uns: www.itwm.fraunhofer.de/standardabweichung

Buch zu Noise sammelt Beispiele zu verzerrten Entscheidungen
Der Wirtschaftsnobelpreisträger Kahnemann widmet in seinem Buch »Noise: Was unsere Entscheidungen verzerrt – und wie wir sie verbessern können« die Aufmerksamkeit der Rückseite der Zielscheibe. In der Statistik würde man sagen: Er will die Standardabweichung bzw. Streuung genauer verstehen.
Unsere bloggenden Statistik-Experten Dr. Sascha Feth und Dr. Jochen Fiedler besprechen in der neuen Episode mit Esther Packullat, was man gewinnen kann, wenn man Streuungen zerlegt, und wieso das in der Medizin, bei Krediten oder vor Gericht viel öfter getan werden sollte.
Ganz nebenbei erfahren wir, warum die Datengrundlage des »Healy« derart stark von einem Bias befallen ist, dass man solche Studien ohne Chance auf Korrektur direkt in die Tonne treten kann. All das und noch viel mehr in der neuen »Streuspanne«-Folge!
Wir erwähnen folgende Links, Blogbeiträge und Bücher in der aktuellen Folge:
Buchtipp: »Noise. Was unsere Entscheidungen verzerrt – und wie wir sie verbessern können« von Daniel Kahneman, Olivier Sibony, Cass R. Sunstein

»Streuspanne« Blogpost »Von zitternden Schützen«: www.itwm.fraunhofer.de/standardabweichung

»Streuspanne«-Podcast-Folge »Statistik beweist – Parapsychologie ist (kein) Humbug. Über parapsychologische Studien und ihre kuriosen Entdeckungen«: www.itwm.fraunhofer.de/parapsychologie

ZEIT-Artikel zur neuen Resolution des UN-Menschenrechtsrats »Künstliche Intelligenz kann diskriminieren«: https://s.fhg.de/zeit-un-resolution

Spiegel-Titel-Story »Das Ende der Macho-Medizin«: https://s.fhg.de/spiegel-medizin

Buchtipp: »Unsichtbare Frauen – Wie eine von Daten beherrschte Welt die Hälfte der Bevölkerung ignoriert« von Caroline Criado-Perez

Ihr habt ein Zahlenphänomen oder eine Kuriosität entdeckt, die wir besprechen sollen oder eine Statistik in den Medien gelesen und wollt, dass wir sie in der »Streuspanne« zum Thema machen? Dann meldet Euch gerne über presse(at)itwm.fraunhofer.de bei uns.
30 min
April 28, 2024 »Streuspanne-Lexikon« – M mit Mittelwert (oder Median)
»Streuspanne-Lexikon« – M wie Mittelwert und M wie Median
Der neue Eintrag unseres »Streuspanne-Lexikons« erklärt »M wie Mittelwert« oder »M wie Median« – und das, wie immer in unseren Lexikon-Folgen, kurz und knapp in unter fünf Minuten.
Der Mittelwert – auch als arithmetisches Mittel bekannt – ist der Durchschnitt einer Datenmenge. Damit soll eine Art zentraler Lagewert einer numerischen Datenreihe darstellt werden. Wenn man beispielsweise zehn verschiedene Werte hat, addiert man diese und teilt die Summe durch die Anzahl der Werte, um den Mittelwert zu erhalten. Aber nicht alle »Mittel« sind gleich!
Der Median zum Beispiel teilt eine Stichprobe in zwei gleich große Hälften. Damit repräsentiert der Median den typischen Wert einer geordneten Gruppe, unbeeinflusst von extremen Werten am oberen oder unteren Ende.
Für diese Robustheit gegen Ausreißer wird der Median oft gelobt. Am arithmetischen Mittel hagelt es zusätzlich oft Kritik, wenn es auf Schulnoten angewendet wird. Ob diese Robustheit wirklich so wichtig ist, und ob die Kritik im Falle der Schulnoten gerechtfertigt ist, das erfahrt Ihr hier im neuen Eintrag unseres »Streuspanne-Lexikons«
Habt Ihr Fragen zu Mittelwerten oder Beobachtungen aus dem Alltag, die wir diskutieren oder erklären sollen? Oder gibt es andere mathematische Begriffe, die wir im »Streuspanne-Lexikon« für Euch beleuchten sollen? Dann meldet Euch gerne über [email protected] bei uns mit neuen Ideen.
Falls Ihr gerade von einer regulären Episode des »Streuspanne«-Podcasts hierher gefunden habt, springt schnell zurück!
7 min
March 26, 2024 p-Werte: Nicht der Weisheit letzter Sch(l)uss (Folge 19)
Die neue Podcast-Folge dreht sich um die sogenannten »p-Werte«, auch als empirische Signifikanz bekannt. Das »Streuspanne«-Team erklärt anhand von Statistik aus dem Wilden Westen, was es damit auf sich hat und wie man zum Beispiel testen kann, ob ein Würfel gezinkt ist.
Die p-Werte sind mit das wichtigste Maß, um zu entscheiden, welche Studien überhaupt veröffentlicht werden und bestimmen dadurch auch beispielsweise, welche Medikamente zugelassen werden. Man könnte sagen: Sie entscheiden sogar über Leben und Tod. Das führt in der Praxis zu allerhand Problemen wie der Replikationskrise auf Grund von falsch positiven Studienergebnissen.
Die bloggenden Statistik-Experten Dr. Sascha Feth und Dr. Jochen Fiedler besprechen in der neuen Episode, was es mit den p-Werten auf sich hat. Aber selbst wenn Ihr mit den p-Werten schon vertraut seid, lohnt sich das Einschalten, denn auch die Kritik an diesem Konzept wird diskutiert.
Was versteht man unter p-Hacking oder »sizeless stare«? Was ist die Nullhypothese? Wie sieht der Einsatz von p-Werten im Wissenschaftsalltag aus? Und was hat das Ganze mit würfelnden Cowboys zu tun – all das und noch viel mehr in der neuen »Streuspanne«-Folge!
Wir erwähnen folgende Links, Blogbeiträge und Bücher in der aktuellen Folge:
• Streuspanne Blog-Post zu Sensitivität und Spezifität im Kontext Corona: www.itwm.fraunhofer.de/spezifitaet
• Buchtipp: »The Cult of Statistical Significance: How the Standard Error Costs Us Jobs, Justice, and Lives (Economics, Cognition, and Society)« von Stephen T. Ziliak und Deirdre Nansen Mccloskey
• »Streuspanne« Podcast-Folge »Statistik beweist – Parapsychologie ist (kein) Humbug. Über parapsychologische Studien und ihre kuriosen Entdeckungen«: www.itwm.fraunhofer.de/parapsychologie
• »Streuspanne-Lexikon« – B wie Binomialverteilung:
www.itwm.fraunhofer.de/binomialverteilung
• »Streuspanne-Lexikon« – K wie Konfidenzintervall https://itwm.fraunhofer.de/konfidenzintervall
• Shoutout an die Quarks Science Cops und ihre Arbeit:
Quarks Science Cops - quarks.de

Ihr habt ein Zahlenphänomen entdeckt, das wir besprechen sollen oder eine Statistik in den Medien gelesen und wollt, dass wir sie in der »Streuspanne« zum Thema machen? Dann meldet Euch gerne über [email protected] bei uns.
43 min