Summary
Zusammenfassung Biostatistik
- Course
- Institution
Inhalt: Grundlagen der Statistik, Experimentelles Design, Statistische Tests, Hypothesen in statistischen Tests übersetzten, Advanced statistics.
[Show more]
Seller
Follow
dgeorgiamolbio
Content preview
Statistik ZusammenfassungNormal-Verteilung (Häufigkeitsverteilung):
Viele morphometrische Merkmale (Körpergröße)
Alle Zahlen sind erlaubt
In der Mitte Mittelwert (Durchschnitt)
Durschnitte können misleading sein ohne Kenntnis der Verteilung
Poisson-Verteilung:
Anzahl von Ereignissen (z.B. Küchenunfälle pro Jahr / 1000 Personen)
Immer ganzzählig (Integer)
Immer positive Werte
Median is a lot more stable
Median (Zentralwert einer Zahlenreihe, die nach Größe geordnet ist)- bei schiefen
Verteilungen z.B. Poisson Verteilung
Binomial-Verteilung:
2 Möglichkeiten (z.B. Anzahl Möglichkeiten mit einer Münze)
Oft als Ja-Nein, 0-1
Bei geringer Variation sind Unterschiede offensichtlich (Εάν υπάρχει μικρή διακύμανση, οι
διαφορές είναι προφανείς)
Varianz kann beeinflussen trotz gleiches Durchschnittes (im Beispiel von der
Schokolade)
Wenn Varianz sehr hoch nicht vertrauenswürdig
Varianz: mittlere quadratische Abweichung eines Wertes vom Durchschnitt (μέση
τετραγωνική απόκλιση μιας τιμής από τον μέσο όρο)
Standardabweichung ist die Quadratwurzel der Varianz: S (häufiger SD)
Standardfehler (SE) Schätzung (estimate) von der Standardabweichung
Visualisierung von Daten ist wichtig: kategoriale Variablen
- Balkendiagramme zeigen Durschnitt und Streuung (z.B. SD oder SE) (z.B.in Sports)
- 2 Forms (food or no food)
- Gut für normalverteilte Daten
- Zeigen Durschnitt
- Meist ein Streuungsmaß (z.B. SD oder SE)
,Bei nicht-normal-verteilten (z.B. Poisson) Daten, geben Boxplots oder Violin Plots einen besseren
Überblick über die Daten
(Durschnitt normalverteiltBalkendiagramm)
(Mediannicht normalverteiltBox/Violin Plots)
Kontinuierliche Variablen: (Körpergröße/Gewicht etc…)
Beziehungen zwischen 2 kontinuierlichen Variablen können mit Korrelationskoeffizienten
quantifiziert werden
Der Korrelationskoeffizient gibt Auskunft über die Stärke der gegenseitigen Beziehung
R = 0 keine Beziehung
Korrelation (σχεση) ≠ Kausalität (αιτιότητα)
Korrelationen können auf verschiedene Weisen entstehen:
1. Es besteht ein kausaler Zusammenhang zwischen den Variablen (can be in
relationship but not necessarily cause) z.B. could be milk in chocolate and not
chocolate directly
2. Eine 3. Variable beeinflusst die 2 korrelierenden Variablen
3. Zufall
Hypothesen testen: Unsicherheit messen: statistische Vergleiche
Der P-Wert schätz die Wahrscheinlichkeit, dass es keinen Unterschied zwischen den Gruppen gibt
(von 0-1)
1. Je mehr die Durschnitte dieser Gruppen unterschieden, desto kleiner der P-Wert
2. Je kleiner die Variation innerhalb dieser Gruppen, desto kleiner der P-Wert
3. Je stärker der Zusammenhang zwischen 2 Variablen, desto kleiner der P-Wert
4. Je größer die Stichprobe zweier korrelierender Variablen, desto kleiner ist der P-Wert
, Der P-Wert und die Null-Hypothese (H0)
Null-Hypothese (H0):
Es gibt keinen Unterschied zwischen Gruppen
Es besteht kein Zusammenhang zwischen Variablen
Zu Beginn einer Untersuchung besteht die Null-Hypothese
Alternativ-Hypothese (H1):
Die Null-Hypothese ist falsch
Es gibt einen Unterschied oder einen Zusammenhang
Meistens wird dadurch ‚unsere Hypothese‘ unterstützt
Klausur 2020: Was ist bei Hypothesentests mit „falsch positiv“ gemeint? – Null
Hypothese wird verworfen, obwohl sie richtig ist (eg. pregnant man)
2 Arten von Fehler: falsch-positiv und falsch-negativ
1. Null-Hypothese wird verworfen, obwohl sie korrekt ist Falsch positiv (like telling to a man
that he’s pregnant)
2. Null-Hypothese wird akzeptiert, obwohl sie falsch ist Falsch negative (like telling to a
pregnant woman that she’s not pregnant)
P < 0.05 Die Null Hypothese wird verworfen und wir sprechen von:
Einem signifikanten Unterschied
Einem signifikanten Zusammenhang
Was bedeutet P < 0.05? How confident about rejecting null Hypothesis? (P = 1100% wrong)
Jedes Kriterium, das auf Wahrscheinlichkeiten beruht, kann zu fehlerhaften Interpretationen
führen
Ein tieferes α reduziert das Risiko von falsch-positiven Ergebnissen, erhöht aber das Risiko von falsch
negativen Ergebnissen
Statistische Signifikanz bedeutet nicht immer biologische Signifikanz
Zusammenhang kann schwach sein
Zusammenhang kann biologisch unwichtig sein
Besonders bei einer großen Stichprobe findet man leicht signifikante Effekt
1. P-Werte sollten zusammen mit Werten, welche die Stärke des Unterschiedes oder
Zusammenhanges messen, präsentiert und diskutiert werden
Zusammenfassend:
The benefits of buying summaries with Stuvia:
Guaranteed quality through customer reviews
Stuvia customers have reviewed more than 700,000 summaries. This how you know that you are buying the best documents.
Quick and easy check-out
You can quickly pay through credit card or Stuvia-credit for the summaries. There is no membership needed.
Focus on what matters
Your fellow students write the study notes themselves, which is why the documents are always reliable and up-to-date. This ensures you quickly get to the core!
Frequently asked questions
What do I get when I buy this document?
You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.
Satisfaction guarantee: how does it work?
Our satisfaction guarantee ensures that you always find a study document that suits you well. You fill out a form, and our customer service team takes care of the rest.
Who am I buying these notes from?
Stuvia is a marketplace, so you are not buying this document from us, but from seller dgeorgiamolbio. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $8.25. You're not tied to anything after your purchase.
Can Stuvia be trusted?
4.6 stars on Google & Trustpilot (+1000 reviews)
67474 documents were sold in the last 30 days
Founded in 2010, the go-to place to buy study notes for 14 years now