Scheinstatistik – stellt die Wahrheit in den Schatten

Aus Fehlern lernt man, besagt eine alte Weisheit. Stimmt das auch, wenn man die Fehler nicht selbst macht? Wir glauben schon. Immerhin hat schon der österreichische Philosoph Karl Popper das Grundprinzip seiner Wissenschaftstheorie als trial and error bezeichnet − also aus den Fehlversuchen zu lernen. Im folgenden Beitrag geht der Statistiker Erich Kvas auf einige der häufigsten Statistik-fehler ein.

Gewusst wie bzw. wie nicht

Bei statistischen Auswertungen kann es passieren, dass WissenschaftlerInnen sich falsch entscheiden und früher oder später in einem ausgetrockneten Flussbett anstatt an der Quelle der Erkenntnis ankommen. Manche entscheiden sich sogar bewusst für die falsche Methode, weil ihre Interessen nicht hauptsächlich wissenschaftlicher Natur sind und sie statistische Methoden dazu missbrauchen, die Ergebnisse zu erzeugen, die sie erreichen möchten. Die richtige Anwendung der Methode ist also ausschlaggebend dafür, dass man zur Erkenntnis gelangt.

Häufige Fehler im Bereich Statistik hängen mit der falschen Anwendung der Methoden und der Fehlinterpretation von Auswertungen zusammen. Als AnwenderIn von Statistik aber auch als LeserIn von Studien ist es wichtig, diese zu erkennen. Hier ein paar Beispiele: Weiterlesen

Positiv getestet und doch nicht krank? Alles eine Frage der Wahrscheinlichkeit

Röntgen, Abtasten oder Blutuntersuchungen: Es gibt viele Arten von Tests, die dabei helfen, eine Krankheit zu diagnostizieren. Doch diese Tests liefern nicht ohne weiteres ein „Ja“ oder „Nein“ als Antwort. Oftmals muss aus einem Testergebnis erst die Wahrscheinlichkeit errechnet werden, mit der eine bestimmte Person tatsächlich krank ist oder auch nicht.

Diagnostische Tests liefern Hinweise darauf, ob eine Krankheit vorliegt oder nicht. Um ein Testergebnis einordnen zu können, braucht ein Arzt oder eine Ärztin weitere Informationen über die getestete Person und auch über die Eigenschaften des verwendeten Tests. Weiterlesen