Screening-Risiko. Wie wahrscheinlich ist es, das ich krank bin, wenn ein Screening-Test auffällig wird?
|
|
- August Salzmann
- vor 5 Jahren
- Abrufe
Transkript
1 Screening-Risiko oder Wie wahrscheinlich ist es, das ich krank bin, wenn ein Screening-Test auffällig wird? Wolfgang Palm Mit steigendem Gesundheitsbewusstsein und den daraus folgenden Gesundheitsansprüchen nehmen auch die Zahl der Tests zu, die im Gesundheitswesen durchgeführt werden. Gesundheitsbesorgte lassen davon mehr über sich ergehen als andere Leute. Sofern mittels Tests über die Frage entschieden werden soll, ob man gesund oder krank ist, ob ärztliche oder andere therapeutische Maßnahmen nötig sind oder nicht, geht es meist um dichotome Antworten: ja oder nein! Problematisch sind hierbei vor allem die Früherkennungsmaßnahmen, auch Screening-Maßnahmen genannt, wie die weithin propagierten Reihenuntersuchungen zur Früherkennung von Brustkrebs oder anderen Krankheiten. Aber auch die Vielzahl psychologischer Tests, die im Internet anwächst und ohne konkrete Verdachtsanzeichen als Screening durchgeführt werden können, sollen oft die Frage entscheiden helfen: Hat man eine Störung - oder keine? Von solchen Screening- Maßnahmen ist im Grunde oft nur abzuraten, sofern nicht bereits konkrete Verdachtsanzeichen vorliegen. Weshalb wird im Folgenden gezeigt. Die Formel für das Screeningrisiko, die zur Klärung dieser dichotomen Fragestellung beitragen kann, wird der Einfachheit halber an einem nicht-medizinischen und nichtpsychologischen Beispiels hergeleitet 1. (Das Beispiel ist fiktiv, jede Übereinstimmung mit existierenden Geräten und Tests ist nicht gewollt). Angenommen es gäbe ein Gerät (einen Test) zur Früherkennung wurmstichig werdender Äpfel. Dieses Gerät werde mit folgenden Daten ausgeliefert: Sensitivität (sens) = 0,75 (also 75%); Spezifität (spez) = 0,80 (also 80%). Nun lautet die für die Praxis einer Apfelauslese möglicherweise wichtige Frage: Wird ein 1 'Wahrheitstafeln', 'Maximum-Likelihood' oder 'Bayes-Stastik' sind für manchen Leser abschreckende, statistische Prozeduren. In diesem Papier wird eine Herleitung der Formel für den Zusammenhang zwischen 'Prävalenz', 'Sensitivität' und 'Spezifität' über anschaulichere Mengenverhältnisse durchgeführt. Gigerenzer (2013) hat eine leicht nachzuvollziehende Darlegung anhand numerischer Beispiele durchgeführt. Indes, wer es komplizierter und wissenschaftlicher im Sprachgebrauch liebt, kann versuchen, den entsprechenden Artikel zum Thema 'Sensitivität und Spezifität' in Wikipedia nachzuvollziehen. Palm, Screeningrisiko: Seite 1 von 6
2 Apfel voraussichtlich auch wurmstichig werden, sobald das Gerät 'Alarm' anzeigt? Wurm oder nicht Wurm - lautet also die Frage. In die Schreibweise der Statistik überführt, klingt die Fragestellung wie folgt: Wie hoch ist die Trefferrate unter den Alarmen, wenn man einen beliebigen, zufällig aus der gesamten Menge mit Ng geernteten Äpfel gezogenen Apfel testet, und der Test positiv ausfällt (Alarm)? Die folgende Grafik veranschaulicht das Verhältnis dreier Mengen: Sei Ng die Zahl der Gesamtmenge aller Äpfel, Np die Zahl der Äpfel, die sicher wurmstichig sind und Nn die Zahl der Äpfel, die sicher gesund sind. Die Teilmengen mit Np und mit Nn seien jene Mengen, an denen die Qualität des Geräts (des Tests) festgestellt worden ist, also die Eichmengen, und die zu den Angaben für Sensitivität (sens) und Spezifität (spez) geführt haben. Hierbei ist sens die Rate der richtigen, (zutreffend) positiven Ergebnisse bei der Anwendung des Geräts (Tests) auf die Menge mit Np Äpfeln (Elementen); spez ist hingegen ist die Rate der richtigen (zutreffend) negativen, also unauffälligen Ergebnisse bei der Anwendung des Geräts (Tests) auf die Menge mit Nn Äpfeln (Elementen). Diese Definition beruht auf der Tatsache, dass bei jedem Test, bei jeder Messung, nicht nur richtig positive Ergebnisse, sondern auch falsch positive, sowie negative und falsch negative Ergebnisse entstehen. Die Eichung des Geräts (Tests) an den Teilmengen mit Np und Nn dient zur quantitativen Bestimmung dieser Raten, und damit auch der Messfehler, die der Natur der Sache nach unvermeidlich sind. Der Logik einer Eichung entsprechend, können falsch negative Ergebnisse nur in einer Palm, Screeningrisiko: Seite 2 von 6
3 Menge wie in der mit Np und falsch positive nur in einer Menge wie der mit Nn faktisch gemessen werden, m.a.w. also in Mengen, in denen die Inhalte bereits von vornherein eindeutig feststehen, bevor die Eichung durchgeführt wird. In solchen Mengen gilt daher für die Raten: sens + fneg = 1, weil es in der einen Menge mit Np nur positive Elemente gibt, spez + fpos = 1, weil es in der anderen Menge mit Nn nur negative Elemente gibt. Da die Rate der 'Alarme' größer oder höchsten gleich der Rate der 'Treffer' sein kann, gilt folglich in der Vereinigungsmenge der beiden Mengen mit Np und mit Nn: Zahl der Treffer:= sens*np Zahl der Alarme:= sens*np + fpos*nn Man beachte: Bei diesen beiden Ausdrücken handelt es sich um absolute Größen, nicht um Raten oder relative Größen (Prozentzahlen). Auch der folgende Bruch 'Treffer / Alarme' wird zunächst als das Verhältnis absoluter Größen in der Vereinigungsmenge der beiden Teilmengen formuliert: Treffer / Alarme := sens*np / (sens*np + fpos*nn) Formel (1), Jetzt erst kommt der Sprung in die Gesamtmenge mit der Anzahl Ng, die viel größer ist als die Summe (Nn + Np). Ein aus der Gesamtmenge mit Ng nach Zufall entnommener Apfel wird getestet. Wie hoch ist die Wahrscheinlichkeit dafür, dass dieser Apfel voraussichtlich einen Wurm enthalten wird, unter der Bedingung, dass der Tests positiv ausfällt? Zur Beantwortung braucht man eine weitere Größe, die Prävalenzrate p. Sie gibt die Rate an, mit der aufgrund zufällig gezogener Stichproben aus der Gesamtmenge mit Ng (oft auch 'Population' genannt) positive Befunde festgestellt worden sind. Sagen wir, beispielsweise, in 10% aller Fälle; dann ist p = 0,1. Unter der Verwendung von p lässt sich die Gesamtmenge mit Ng trivialerweise in zwei komplementäre Teilmengen zerlegen: Ng = p*ng (z.b.: wurmstichige Äpfel) + (1 p)* Ng (z.b.: gesunde Äpfel). Zudem sei die starke Annahme gemacht, dass der Test in der Menge Ng genauso funktioniere, wie in den Prüfmengen für den Test, also so wie in den beiden Teilmengen Palm, Screeningrisiko: Seite 3 von 6
4 mit Np und mit Nn. Daraufhin werden in der Formel (1) die Zahl der Elemente pro Teilemenge, also Nn und Np, durch Ng und (1 p)*ng ersetzt, wodurch mit p eine Wahrscheinlichkeitsgröße ins Spiel der absoluten Zahlen kommt. Formel (1) p*sens*ng / [p*sens*ng + fpos*(1 -p)*ng]. Aus dieser Formel kann Ng heraus gekürzt werden, was zur gesuchten Formel (2) führt: p*sens / [p*sens + (1 p)*fpos] Formel (2) oder p*sens / [p*sens + (1 p)*(1- spez)] Formel (2*) Was besagen diese Formeln? Man kann sie statistisch als Wahrscheinlichkeit bzw. als Risiko = Vorhersagewert interpretieren. Der Vorhersagewert eines Screeningverfahrens hängt offenbar stark von der Prävalenz ab. Zwecks anschaulicher Berechnung kann man sens = 0,75 und p = 0,1 einsetzen. Da gilt, dass fpos = 1 spez ist, wird fpos = 0,2 weil spez = 0,8 ist. Damit lautet das Ergebnis: 0,1*0,75 / [0,1*0,75 + 0,2 0,1*0,2] = 0,294 Das Risiko dafür, dass in allen durch den Test als positiv markierten Äpfeln ein Wurm heranwächst beträgt 29,4%; es ist also beträchtlich geringer als 75%. Für den praktischen Gebrauch wird man diese Interpretation umformulieren: Nur jeder zweite oder dritte unter den als positiv und damit auffällig markierten Äpfeln aus der Menge mit Ng (Population) wird mal einen Wurm enthalten. Die Formel (2) lässt sich ebenso auf Reihenuntersuchungen zur Gesundheitsvorsorge (Screening) anwenden. Ein Ergebnis wie das obige lässt vielleicht manchen Befürworter nachdenklich werden. Die komplementär ergänzende Frage nach der 'Gesundheit' bzw. 'Wurmfreiheit' führt - nicht überraschend - zu den komplementären Ergebnissen. Wie sich jetzt leicht herleiten lässt, lautet die Formel für das Verhältnis von richtig als 'gesund' Klassifizierten zu den im Test 'Nicht-Auffälligen': Palm, Screeningrisiko: Seite 4 von 6
5 (1 - p)*spez / [(1 - p)*spez + fneg] Formel (3) Die Rolle der Prävalenzrate Menschen sind keine Äpfel und auch keine Krebszellen, selbst falls sie letztere in sich tragen. Sobald allerdings Merkmale von Äpfeln und Personen auf Zahlen abgebildet werden, verschwindet jeder vitale Unterschied; in der Methode der Berechnung spielt er gar keine Rolle mehr. Den Rechenergebnissen ist als solchen nicht anzusehen, ob sie sich auf Menschen oder auf Gegenstände beziehen. Doch der Unterschied ist eklatant! Der Test von Äpfeln und auch der Test auf Krebszellen verlangen physikalisch messbare Rahmenbedingungen und das Einhalten von Bedienungsvorschriften. Sind diese erfüllt, dann sind die Tests sowohl in den Eichstichproben, als auch in Gesamtmenge (Population) zuverlässig durchzuführen. Dann ist auch die Prävalenz ein Größe, die sinnvoll verwendet werden kann. Aber die Prävalenz wird zu einer schwierigen Größe, sobald Menschen psychologisch getestet werden! In psychologischen Testungen geht es um die Beantwortung von Items (Fragen, Behauptungen) oder um die Ausführung von Leistungsaufgaben. Hierbei spielt es eine ernorme Rolle, dass Menschen sprechen, denken, emotional und motivational gesteuert sind, Erwartungen haben und Ziele verfolgen. Kurz: Menschen handeln. Selbst sogenannte 'neuropsychologische Tests', wie die zur Prüfung diverser Facetten der Aufmerksamkeit, sind in ihren Ergebnissen untrennbar beeinflusst von Emotionen, Motivationen, Erwartungen und Zielsetzungen der Probanden. Prävalenzraten, die ohne Berücksichtigung dieser Voraussetzungen erhoben worden sind, können nicht für Testsituationen gelten, in denen Leistungen abgefragt werden, und Fragen zu beantworten sind, von denen viel für die Probanden abhängen wird. Besonders extreme Situationen entstehen bei Rechts- und Vertragsstreitigkeiten, in denen es, wie es allzu oft der Fall ist, um relativ viel Geld für den Einzelnen geht. Hier führen Prävalenzraten, die für den klinischtherapeutischen Bereich zweckmäßig sein können, leider zu Ergebnissen, die zu Fehleinschätzungen verleiten. Palm, Screeningrisiko: Seite 5 von 6
6 Blickt man nochmals auf die Herleitung der Formeln, so lässt sich bemerken, dass die Prävalenzrate p nicht unabhängig vom Größenverhältnis der Elemente Ng zu (Nn + Np) sein kann. Je kleiner Ng ist, desto näher wird p an die Sensitivität und die Spezifität eines Tests heranrücken! Die adäquate Wahl der Gesamtmenge (Population) ist also entscheidend für die Prävalenzrate und damit für das Risiko, das mittels der Formeln (2) und (2*) berechnet werden kann. Die Verwendung dieser Formeln kann daher dann und nur dann zu validen Ergebnissen führen, wenn die jeweils besonderen Voraussetzungen für die Testungen beachtet worden sind. Diese sind den Formeln nicht auf die Stirn geschrieben. Ohne genaue Kenntnisse der Messvorgänge und deren Zusammenhänge mit den diese beeinflussenden Faktoren, bleibt eine Statistik ein bloßes Rechenspiel mit Zahlen. Literatur: G. Gigerenzer. Risiko. Wie man die richtigen Entscheidungen trifft. Random House, 2013 Palm, Screeningrisiko: Seite 6 von 6
Täuschung und Manipulation mit Zahlen Teil 1
Täuschung und Manipulation mit Zahlen Teil 1 Kleines Statistikseminar zum kritischen Umgang mit Zahlen 23.3.2011 Dr. med. H.-J. Koubenec Mammasprechstunde im Immanuel Krankenhaus Berlin Folien: Mammographie-Screening.de
MehrTäuschung und Manipulation mit Zahlen
58. Ärztekongress Berlin/Charité 4.11.2010 Täuschung und Manipulation mit Zahlen Kleines Statistikseminar zum kritischen Umgang mit Zahlen Dr. med. H.-J. Koubenec Mammasprechstunde im Immanuel Krankenhaus
MehrStatistical Coaching. Thomas Forstner
Statistical Coaching Thomas Forstner Diagnoseverfahren Allgemein Vergleich: wahrer Befund mit Test (Diagnose) wahrer Befund muss bekannt sein (Goldstandard) 3 Analogie zur Testtheorie 4 Beurteilung von
MehrWIE SICHER IST DIE DIAGNOSE?
WIE SICHER IST DIE DIAGNOSE? ÜBER DEN UMGANG MIT UNSICHERHEIT IN DER MEDIZIN Mag. Andrea Fried Bundesgeschäftsführerin ARGE Selbsthilfe Österreich 2.10.2014 1 2.10.2014 2 Der Fluch der Statistik Medizinische
MehrBedingte Wahrscheinlichkeiten & Unabhängigkeit
Statistik 1 für SoziologInnen Bedingte Wahrscheinlichkeiten & Unabhängigkeit Univ.Prof. Dr. Marcus Hudec Bedingte Wahrscheinlichkeit Das Konzept bedingter Wahrscheinlichkeit erlaubt zu untersuchen, inwieweit
MehrDiagnostische Verfahren
6. Diagnostische s Jede Registrierung oder Auswertung einer Information mit dem Ziel der Erkennung einer Erung oder eines speziellen Zustandes wird diagnostischer genannt. Beispiele Reaktion auf Ansprechen
MehrEpidemiologie und HIV-Tests
26. November 2009 Cornelias HIV-Test Das ist Cornelia. Cornelia möchte Plasmaspenderin werden. Dafür braucht sie einen negativen Befund eines HIV-Tests. Deshalb geht sie ins Krankenhaus. Cornelias HIV-Test
MehrDEMO für STOCHASTIK. Testen von Hypothesen. Datei Nr INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK.
STOCHASTIK Testen von Hypothesen Teil 1 rundlagen der Signifikanztests Hier: Berechnungen mit Binomialverteilung Datei Nr. 35010 Stand: 9. November 2013 FRIEDRICH W. BUCKEL INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK
MehrP (A B) P (B) = P ({3}) P ({1, 3, 5}) = 1 3.
2 Wahrscheinlichkeitstheorie Beispiel. Wie wahrscheinlich ist es, eine Zwei oder eine Drei gewürfelt zu haben, wenn wir schon wissen, dass wir eine ungerade Zahl gewürfelt haben? Dann ist Ereignis A das
MehrAufgabenblock 3. Durch zählen erhält man P(A) = 10 / 36 P(B) = 3 / 36 P(C) = 18 / 36 und P(A B) = 3 /
Aufgabenblock 3 Aufgabe ) A sei das Ereignis: schwerer Verkehrsunfall B sei das Ereignis: Alkohol ist im Spiel Herr Walker betrachtet die Wahrscheinlichkeit P(B A) = 0.3 und errechnet daraus P(-B A) =
MehrBedingte Wahrscheinlichkeiten & Unabhängigkeit
Statistik 1 für SoziologInnen Bedingte Wahrscheinlichkeiten & Univ.Prof. Dr. Marcus Hudec Bedingte Wahrscheinlichkeit Das Konzept bedingter Wahrscheinlichkeit erlaubt zu untersuchen, inwieweit sich die
MehrPrüfung aus Statistik 1 für SoziologInnen
Prüfung aus Statistik 1 für SoziologInnen Gesamtpunktezahl =80 Prüfungsdauer: 2 Stunden Name in Blockbuchstaben: Matrikelnummer: 1) Wissenstest (maximal 20 Punkte) Kreuzen ( ) Sie die jeweils richtige
MehrWürfelspiele und Zufall
Würfelspiele und Zufall Patrik L. Ferrari 29. August 2010 1 Random horse die Irrfahrt des Pferdchens Betrachte ein Schachbrett mit einem Pferd (Springer), welches sich nach den üblichen Springer-Regeln
MehrOrientierungshilfe zum 8. Hausaufgabenblatt. 25. Januar 2013
Orientierungshilfe zum 8. Hausaufgabenblatt 25. Januar 203 Abbildung : Skizze eines Baumdiagramms zur Veranschaulichung Aufgabe 44 Zunächst ist es von Vorteil sich die Problemstellung anhand eines Baumdiagramms
MehrEinführung. Wahrscheinlichkeit. 1 Wahrscheinlichkeit: Definition und Interpretation. 2 Elementare Wahrscheinlichkeitsrechnung, bedingte
Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2 Elementare Wahrscheinlichkeitsrechnung, bedingte Wahrscheinlichkeit Axiome nach Kolmogorov Gegeben sei ein Zufallsexperiment mit Ergebnisraum
Mehrbwz uri Datenanalyse Minuten Ich wünsche Ihnen viel Erfolg! Name und Vorname Aufgabe Gesamtpunkte Punkte
Datenanalyse 2017 Prüfungsdauer Hilfsmittel Bedingungen 60 Minuten Taschenrechner erlaubt, CAS-Rechner im Prüfungsmodus! Formelsammlung Dokumentieren Sie den Lösungsweg sauber. Der Lösungsweg muss klar
Mehr2.2 Kollineare und koplanare Vektoren
. Kollineare und koplanare Vektoren Wie wir schon gelernt haben, können wir einen Vektor durch Multiplikation mit einem Skalar verlängern oder verkürzen. In Abbildung 9 haben u und v die gleiche Richtung,
MehrPrimer: Inferenzstatistik 1.0
: 1.0 Dr. Malte Persike persike@uni-mainz.de methodenlehre.com twitter.com/methodenlehre methodenlehre.com/g+ iversity.org/schoolinger Inhalte der nächsten Minuten Die Frage aller Fragen: Ist etwas groß?
Mehr3 Bedingte Wahrscheinlichkeit, Unabhängigkeit
3 Bedingte Wahrscheinlichkeit, Unabhängigkeit Bisher : (Ω, A, P) zur Beschreibung eines Zufallsexperiments Jetzt : Zusatzinformation über den Ausgang des Experiments, etwa (das Ereignis) B ist eingetreten.
MehrLösungsskizzen zur Präsenzübung 09
Lösungsskizzen zur Präsenzübung 09 Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 2015/2016 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 07. Februar 2016 von:
MehrAussagenlogik, Mengenlehre, Wahrscheinlichkeit und Prüfstatistik sind eng miteinander verknüpft.
Aussagenlogik, Mengenlehre, Wahrscheinlichkeit und Prüfstatistik sind eng miteinander verknüpft. Schon immer wurde die Menschheit von Krankheiten bedroht und oft konnte eine Frühdiagnose mit nachfolgender
MehrPrüfung aus Statistik 1 für SoziologInnen
Prüfung aus Statistik 1 für SoziologInnen 1) Wissenstest (maximal 20 Punkte) Prüfungsdauer: 120 Minuten netto Kreuzen ( ) Sie die jeweils richtige Antwort an. Jede richtige Antwort gibt 2 Punkte. Pro falsche
MehrBiostatistik, Sommer 2017
1/52 Biostatistik, Sommer 2017 Prof. Dr. Achim Klenke http://www.aklenke.de 7. Vorlesung: 02.06.2017 2/52 Inhalt 1 Wahrscheinlichkeit Bayes sche Formel 2 Diskrete Stetige 3/52 Wahrscheinlichkeit Bayes
Mehr3 Evaluation als Beschreibung von Zuständen
Evaluation als Beschreibung von Zuständen 1 Sind die folgenden Aussagen richtig oder falsch? 1.1 In einer Klumpenstichprobe werden systematisch anfallende Cluster von Personen vollständig untersucht. Die
MehrÜbungen mit dem Applet Vergleich von zwei Mittelwerten
Vergleich von zwei Mittelwerten 1 Übungen mit dem Applet Vergleich von zwei Mittelwerten 1 Statistischer Hintergrund... 2 1.1 Typische Fragestellungen...2 1.2 Fehler 1. und 2. Art...2 1.3 Kurzbeschreibung
MehrThemenblock. Diagnose und Prognose. Querschnittsbereich Epidemiologie, Med. Biometrie und Med. Informatik. Themen im Block Diagnose und Prognose
Themenblock Diagnose und Prognose Querschnittsbereich Epidemiologie, Med. Biometrie und Med. Informatik Themen im Block Diagnose und Prognose Diagnose Prävalenz und prädiktive Werte Güte von diagnostischen
MehrUrsachen gefühlter Risiken
Ursachen gefühlter Risiken Gerd Gigerenzer Max-Planck-Institut für Bildungsforschung Berlin Der Weg zu einer Gesellschaft, die mit Risiken entspannt umgehen kann Problem 1: Menschen verstehen statistische
MehrVorlesung 8b. Zweistufige Zufallsexperimente. Teil 1
Vorlesung 8b Zweistufige Zufallsexperimente Teil 1 1 Stellen wir uns ein zufälliges Paar X = (X 1, X 2 ) vor, das auf zweistufige Weise zustande kommt: es gibt eine Regel, die besagt, wie X 2 verteilt
MehrBiomathematik für Mediziner
Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur SS 2002 Aufgabe 1: Franz Beckenbauer will, dass
MehrMathematik LK M1, 4. Kursarbeit Stochastik I - Lösung
Aufgabe : Wahrscheinlichkeitsrechnung Löse die Aufgabe auf diesem Aufgabenblatt. Trage die Lösung in die Tabelle ein. Ein Rechenweg ist hier nicht erforderlich. Hinweis: Das Casinospiel besteht aus dem
MehrLösungen zur Biomathe-Klausur Gruppe C Montag, den 16. Juli 2001
Lösungen zur Biomathe-Klausur Gruppe C Montag, den 16. Juli 2001 1. Normalverteilung Der diastolische Blutdruck bei einer Gruppe von jungen Männern ist normalverteilt mit einem Erwartungswert von 65 mmhg
MehrBSc Bioinformatik Wintersemester 2013/2014 Nachklausur zur Statistik I Freie Universität Berlin
Sc ioinformatik Wintersemester 013/014 Nachklausur zur Statistik I Freie Universität erlin 4. pril 014 Matrikelnummer Nachname Vorname Unterschrift ufgabe 1 (4 Punkte): Zu einem Wahrscheinlichkeitsraum
Mehr8 Stichprobenkennwerteverteilung
8 Stichprobenkennwerteverteilung 8.1 Vorbemerkungen 8.2 Die Normalverteilung: Teil 2 8.3 Die t Verteilung 8.4 Normalverteilungs Approximation: Der zentrale Grenzwertsatz 8.1 Vorbemerkungen Daten x 1,...,
MehrVorlesung 12a. Kann das Zufall sein? Beispiele von statistischen Tests
Vorlesung 12a Kann das Zufall sein? Beispiele von statistischen Tests 1 Beispiel 1: Passen die Verhältnisse in den Rahmen? Fishers exakter Test (vgl. Buch S. 130/131 2 Sir Ronald Fisher 1890-1962 3 Aus
MehrAufgaben zur Wahrscheinlichkeitsrechnung: 1. Beispiel aus der Prüfungspraxis des Physikums:
Martin-Luther-Universität Halle-Wittenberg Institut für Soziologie Dr. Wolfgang Langer 1 Aufgaben zur Wahrscheinlichkeitsrechnung: 1. Beispiel aus der Prüfungspraxis des Physikums: Zum Staatsexamen teilt
MehrSTATISTISCHE KRANKHEITSTESTS. Simon Schimpf und Nico Schmitt
1 STATISTISCHE KRANKHEITSTESTS 18.11.2008 Simon Schimpf und Nico Schmitt Gliederung 2 Hintergrund des Themas (worum geht es Voraussetzungen Lernziele Die intuitive Herangehensweise ohne Satz von Bayes
MehrVorlesung - Medizinische Biometrie
Vorlesung - Medizinische Biometrie Stefan Wagenpfeil Institut für Medizinische Biometrie, Epidemiologie und Medizinische Informatik Universität des Saarlandes, Homburg / Saar Vorlesung - Medizinische Biometrie
MehrIst gut gemeint auch gut gemacht? Chancen und Grenzen von Screening-Programmen
Ist gut gemeint auch gut gemacht? Chancen und Grenzen von Screening-Programmen Dr. rer. medic. Klaus Koch Was ist Screening? Untersuchung an Gesunden ohne Beschwerden oder besondere Risikofaktoren. Unterscheidung:
MehrAufgabe 1. Übung Wahrscheinlichkeitsrechnung Markus Kessler Seite 1 von 8. Die Ereignisse A, B und C erfüllen die Bedingungen
Ü b u n g 1 Aufgabe 1 Die Ereignisse A, B und C erfüllen die Bedingungen P(A) = 0. 7, P(B) = 0. 6, P(C) = 0. 5 P(A B) = 0. 4, P(A C) = 0. 3, P(B C) = 0. 2, P(A B C) = 0. 1 Bestimmen Sie P(A B), P(A C),
MehrBedingte Wahrscheinlichkeit. Beispiel zur bedingten Wahrscheinlichkeit
Bedingte Wahrscheinlichkeit Das Konzept bedingter Wahrscheinlichkeit erlaubt zu untersuchen, inwieweit sich die Wahrscheinlichkeiten für das Eintreten von Ereignissen durch das Eintreten anderer Ereignisse
MehrKonkretes Durchführen einer Inferenzstatistik
Konkretes Durchführen einer Inferenzstatistik Die Frage ist, welche inferenzstatistischen Schlüsse bei einer kontinuierlichen Variablen - Beispiel: Reaktionszeit gemessen in ms - von der Stichprobe auf
MehrStatistische Methoden und Auswertungen Die Statistik in der MEWIP-Studie
Statistische Methoden und Auswertungen Die Statistik in der MEWIP-Studie Dipl.-Stat. Moritz Hahn 29.04.2008 Dipl.-Stat. Moritz Hahn Vorstellung IMSIE Arbeitsbereiche des Instituts Medizinische Statistik
MehrNatürliche Häufigkeiten zur intuitiven Einführung der bedingten Wahrscheinlichkeiten Eine Idee für den Mathematikunterricht der gymnasialen Oberstufe
Natürliche Häufigkeiten zur intuitiven Einführung der bedingten Wahrscheinlichkeiten Eine Idee für den Mathematikunterricht der gymnasialen Oberstufe Axel Müller 7. Oktober 2017 1 Der Begriff der bedingten
MehrStatistik III. Methodologie der Psychologie
Statistik III Methodologie der Psychologie Thomas Schmidt & Lena Frank Wintersemester 2003/2004 Georg-Elias-Müller-Institut für Psychologie Uni Göttingen Literatur: Glantz, S.A. (2002). Primer of Biostatistics.
MehrÜbung zur Vorlesung Statistik I WS Übungsblatt 12
Übung zur Vorlesung Statistik I WS 2013-2014 Übungsblatt 12 20. Januar 2014 Die folgenden ufgaben sind aus ehemaligen Klausuren! ufgabe 38.1 (1 Punkt: In einer Studie werden 10 Patienten therapiert. Die
MehrStandardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend
Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Pantelis Christodoulides & Karin Waldherr 4. Juni 2014 Christodoulides / Waldherr Einführung in Quantitative Methoden 1/35 Ein- und Zweiseitige Hypothesen H 0 : p =
MehrStatistische Überlegungen: Eine kleine Einführung in das 1 x 1
Statistische Überlegungen: Eine kleine Einführung in das 1 x 1 PD Dr. Thomas Friedl Klinik für Frauenheilkunde und Geburtshilfe, Universitätsklinikum Ulm München, 23.11.2012 Inhaltsübersicht Allgemeine
MehrBiomathematik für Mediziner
Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur WS 2002/2003 Aufgabe 1: Man gehe davon aus,
Mehrbwz uri Datenanalyse Minuten Ich wünsche Ihnen viel Erfolg! Name und Vorname Aufgabe Gesamtpunkte Punkte
Datenanalyse 2017 Prüfungsdauer Hilfsmittel Bedingungen 60 Minuten Taschenrechner erlaubt, CAS-Rechner im Prüfungsmodus! Formelsammlung Dokumentieren Sie den Lösungsweg sauber. Der Lösungsweg muss klar
MehrT-Test für unabhängige Stichproben
T-Test für unabhängige Stichproben Wir gehen von folgendem Beispiel aus: Wir erheben zwei Zufallstichproben, wobei nur die Probanden der einen Stichprobe einer speziellen experimentellen Behandlung (etwa
MehrBIOMETRIE I - KLINISCHE EPIDEMIOLOGIE
BIOMETRIE I - KLINISCHE EPIDEMIOLOGIE Wintersemester 2003/04 - Übung zur Vorlesung Biometrie I Ein Lösungsvorschlag von Christian Brockly Lösungsvorschlag zur Übung Biometrie I Bei diesem Dokument handelt
Mehr4.1. Nullhypothese, Gegenhypothese und Entscheidung
rof. Dr. Roland Füss Statistik II SS 8 4. Testtheorie 4.. Nullhypothese, Gegenhypothese und Entscheidung ypothesen Annahmen über die Verteilung oder über einzelne arameter der Verteilung eines Merkmals
MehrTechnische Universität München SS 2006 Zentrum Mathematik Blatt 7 Prof. Dr. J. Hartl Dr. Hannes Petermeier Dr. Cornelia Eder Dipl.-Ing.
Technische Universität München SS 2006 Zentrum Mathematik Blatt 7 Prof. Dr. J. Hartl Dr. Hannes Petermeier Dr. Cornelia Eder Dipl.-Ing. Martin Nagel Höhere Mathematik 2 (Weihenstephan) 1. In einer Urne
MehrEpidemiologie 10. Thomas Kohlmann Maresa Buchholz. Institut für Community Medicine Abteilung Methoden Universitätsmedizin Greifswald
Epidemiologie 10 Thomas Kohlmann Maresa Buchholz Institut für Community Medicine Abteilung Methoden Universitätsmedizin Greifswald Übungen Sie verfügen über ein neues bildgebendes Verfahren zur Bestimmung
MehrStatistik I für Betriebswirte Vorlesung 2
Statistik I für Betriebswirte Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 11. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrSchnellkurs und Übersicht zur Gröÿtfehlerabschätzung und Fehlerrechnung
1 Schnellkurs und Übersicht zur Gröÿtfehlerabschätzung und Fehlerrechnung Zum Messergebnis gehören immer eine Fehlerangabe und nur signikante Stellen 1 Beim Messen arbeiten wir mit Näherungswerten! Selbst
MehrStochastik für die Naturwissenschaften
Stochastik für die Naturwissenschaften Dr. C.J. Luchsinger 7. n (Konvergenz, LLN, CLT) n heisst für uns n gross Literatur Kapitel 7 * Statistik in Cartoons: Kapitel 5, Seite 114 in Kapitel 6 * Stahel:
MehrBiomathematik für Mediziner, Klausur SS 2001 Seite 1
Biomathematik für Mediziner, Klausur SS 2001 Seite 1 Aufgabe 1: Von den Patienten einer Klinik geben 70% an, Masern gehabt zu haben, und 60% erinnerten sich an eine Windpockeninfektion. An mindestens einer
MehrSo berechnen Sie einen Schätzer für einen Punkt
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: SCHÄTZEN UND TESTEN htw saar 2 Schätzen: Einführung Ziel der Statistik ist es, aus den Beobachtungen eines Merkmales in einer Stichprobe Rückschlüsse über die Verteilung
Mehr3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten Regeln der Kombinatorik
3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten lassen sich häufig durch Abzählen der günstigen und möglichen Fällen lösen. Kompliziertere Fragestellungen bedürfen aber der Verwendung mathematischer
Mehr1 Messfehler. 1.1 Systematischer Fehler. 1.2 Statistische Fehler
1 Messfehler Jede Messung ist ungenau, hat einen Fehler. Wenn Sie zum Beispiel die Schwingungsdauer eines Pendels messen, werden Sie - trotz gleicher experimenteller Anordnungen - unterschiedliche Messwerte
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-06) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage
MehrPatient Empowerment zur Stärkung des Systems
7. Landespflegekongress, 12. Mai 2016 Patient Empowerment zur Stärkung des Systems Dr. Mirjam Jenny In dieser Welt ist nichts gewiss außer dem Tod und den Steuern (B. Franklin) Illusion der Sicherheit
MehrBiomathematik für Mediziner, Klausur WS 1999/2000 Seite 1
Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Aufgabe 1: Wieviele der folgenden Variablen sind quantitativ stetig? Schulnoten, Familienstand, Religion, Steuerklasse, Alter, Reaktionszeit, Fahrzeit,
MehrStatistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS
Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS Verena Hofmann Dr. phil. des. Departement für Sonderpädagogik Universität Freiburg Petrus-Kanisius-Gasse 21
MehrSobald bei einem Zufallsexperiment zusätzliche Bedingungen zutreffen ändern sich i.a. die Wahrscheinlichkeiten.
26 6. Bedingte Wahrscheinlichkeit Sobald bei einem Zufallsexperiment zusätzliche Bedingungen zutreffen ändern sich i.a. die Wahrscheinlichkeiten. Alarmanlage Tritt bei einer Sicherungsanlage ein Alarm
MehrHypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests
ue biostatistik: hypothesen, fehler 1. und. art, power 1/8 h. lettner / physik Hypothesen: Fehler 1. und. Art, Power eines statistischen Tests Die äußerst wichtige Tabelle über die Zusammenhänge zwischen
MehrSchließende Statistik: Hypothesentests (Forts.)
Mathematik II für Biologen 15. Mai 2015 Testablauf (Wdh.) Definition Äquivalente Definition Interpretation verschiedener e Fehler 2. Art und Macht des Tests Allgemein im Beispiel 1 Nullhypothese H 0 k
Mehr3. Grundbegriffe der Wahrscheinlichkeitstheorie
03. JULI 2006: BLATT 17 3. Grundbegriffe der Wahrscheinlichkeitstheorie (v.a. nach Manning/Schütze: 40ff und Fahrmeir /Künstler/Pigeot/Tutz: 171ff) Übersicht Um entscheiden zu können, ob eine statistische
MehrBedingte Wahrscheinlichkeiten & Unabhängigkeit
Statistik 1 für SoziologInnen Bedingte Wahrscheinlichkeiten & Univ.Prof. Dr. Marcus Hudec Bedingte Wahrscheinlichkeit Das Konzept bedingter Wahrscheinlichkeit erlaubt zu untersuchen, inwieweit sich die
Mehrentschieden hat, obwohl die Merkmalsausprägungen in der Grundgesamtheit voneinander abhängig sind.
Bsp 1) Die Wahrscheinlichkeit dafür, dass eine Glühbirne länger als 200 Stunden brennt, beträgt 0,2. Wie wahrscheinlich ist es, dass von 10 Glühbirnen mindestens eine länger als 200 Stunden brennt? (Berechnen
MehrÜberabzählbarkeit der reellen Zahlen
Überabzählbarkeit der reellen Zahlen Mathematik M4 Dozentin: Dr. Regula Krapf Jan Lukas Schallenberg Matr. Nr.: 214202241 November 2017 1 Inhaltsverzeichnis 1 Dedekindsche Schnitte 3 2 Addition und Multiplikation
MehrKapitel N. Wahrscheinlichkeitsrechnung
Kapitel N Wahrscheinlichkeitsrechnung Inhalt dieses Kapitels N000 1 Diskrete Wahrscheinlichkeitsräume 2 Bedingte Wahrscheinlichkeit und Unabhängigkeit 1 Produktexperimente 2 Kombinatorik und Urnenmodelle
Mehr1. Einführung in die induktive Statistik
Wichtige Begriffe 1. Einführung in die induktive Statistik Grundgesamtheit: Statistische Masse, die zu untersuchen ist, bzw. über die Aussagen getroffen werden soll Stichprobe: Teil einer statistischen
MehrDeskriptive Beschreibung linearer Zusammenhänge
9 Mittelwert- und Varianzvergleiche Mittelwertvergleiche bei k > 2 unabhängigen Stichproben 9.4 Beispiel: p-wert bei Varianzanalyse (Grafik) Bedienungszeiten-Beispiel, realisierte Teststatistik F = 3.89,
MehrBeurteilende Statistik
Beurteilende Statistik Wahrscheinlichkeitsrechnung und Beurteilende Statistik was ist der Unterschied zwischen den beiden Bereichen? In der Wahrscheinlichkeitstheorie werden aus gegebenen Wahrscheinlichkeiten
MehrMATHEMATIK 3 STUNDEN
EUROPÄISCHES ABITUR 01 MATHEMATIK 3 STUNDEN DATUM : 11. Juni 01, Vormittag DAUER DER PRÜFUNG : Stunden (10 Minuten) ZUGELASSENE HILFSMITTEL : Prüfung mit technologischem Hilfsmittel 1/5 DE AUFGABE B1 ANALYSIS
MehrSonst steht uns kein weiteres Symbol für die Bildung von AL-Formeln zur Verfügung.
Seminar: Einführung in die Modallogik (WS 16/17) Lehrender: Daniel Milne-Plückebaum, M.A. E-Mail: dmilne@uni-bielefeld.de Handout: Syntax und Semantik der Aussagenlogik Die Syntax der Aussagenlogik Um
Mehr4.2 Grundlagen der Testtheorie
4.2 Grundlagen der Testtheorie Januar 2009 HS MD-SDL(FH) Prof. Dr. GH Franke Kapitel 5 Vertiefung: Reliabilität Kapitel 5 Vertiefung: Reliabilität 5.1 Definition Die Reliabilität eines Tests beschreibt
MehrBedingte Wahrscheinlichkeit
Bedingte Wahrscheinlichkeit Das Konzept bedingter Wahrscheinlichkeit erlaubt zu untersuchen, inwieweit sich die Wahrscheinlichkeiten für das Eintreten von Ereignissen durch das Eintreten anderer Ereignisse
MehrBindegewebszonen als Indikator für Lebererkrankungen
Bindegewebszonen als Indikator für Lebererkrankungen Untersuchung zur Reliabilität und Validität des Bindegewebsbefunds von Thomas Sprenkel Veröffentlicht in der Zeitschrift für Physiotherapeuten 04/2014
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg 2 R. 06-206 (Persike) R. 06-214 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
MehrStatistik I für Betriebswirte Vorlesung 2
Statistik I für Betriebswirte Vorlesung 2 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. April 2017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 2 Version: 11.
MehrModul 8: Vierfeldertafel und Baumdiagramm (bedingte Wahrscheinlichkeit)
odul 8: Vierfeldertafel und Baumdiagramm (bedingte ahrscheinlichkeit) Beispiel: Baumdiagramm in Vierfeldertafel Ein ufallsexperiment mit zwei Stufen lässt sich in eine Vierfeldertafel überführen. weimaliges
MehrStatistik-Klausur I E SS 2010
Statistik-Klausur I E SS 2010 Name: Vorname: Immatrikulationsnummer: Studiengang: Hiermit erkläre ich meine Prüfungsfähigkeit vor Beginn der Prüfung. Unterschrift: Dauer der Klausur: Erlaubte Hilfsmittel:
Mehry = y = 2'500 Darstellung in Grafik: P 2 (800 2'500) x (Stk) 1'000
. Kostenfunktion a) Vorgaben und Fragestellung Über die Herstellungskosten eines Produkts ist folgendes bekannt: Die variablen Material- und Lohnkosten betragen CHF. pro Stück. Die Fikosten belaufen sich
MehrTechnische Universität München Zentrum Mathematik Mathematik 1 (Elektrotechnik) Übungsblatt 1
Technische Universität München Zentrum Mathematik Mathematik 1 (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 1 Hausaufgaben Aufgabe 1.1 Zeigen Sie mit vollständiger Induktion:
MehrDiagnostische Tests Über den Umgang mit Risiken
Diagnostische Tests Über den Umgang mit Risiken Ulrich Schrader Vortrag basiert auf... Gerd Gigerenzer, Das Einmaleins der Skepsis Bvt Berliner Taschenbuch Verlag 2004 ISBN: 978-3833300417 Unterhaltsam
MehrMaschinelles Lernen: Symbolische Ansätze
Maschinelles Lernen: Symbolische Ansätze Wintersemester 2008/2009 Musterlösung für das 5. Übungsblatt Aufgabe 1: Covering-Algorithmus und Coverage-Space Visualisieren Sie den Ablauf des Covering-Algorithmus
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden I Dr. Malte Persike persike@uni-mainz.de
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt. Stock, Taubertsberg R. 0-0 (Persike) R. 0-1 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet0.sowi.uni-mainz.de/
Mehr10 Der statistische Test
10 Der statistische Test 10.1 Was soll ein statistischer Test? 10.2 Nullhypothese und Alternativen 10.3 Fehler 1. und 2. Art 10.4 Parametrische und nichtparametrische Tests 10.1 Was soll ein statistischer
MehrZusammenfassung Ergebnisse des Fragebogens Gesundheitskommunikation
Institut für Umweltentscheidungen (IED) Consumer Behavior Zusammenfassung Ergebnisse des Fragebogens Gesundheitskommunikation Zuerst einmal nochmals vielen Dank, dass Sie unseren Fragebogen ausgefüllt
Mehr