Alex Reinhart Livres

Everyone knows that abuse of statistics is rampant in popular media. Politicians and marketers present shoddy evidence for dubious claims all the time. But smart people make mistakes too, and when it comes to statistics, plenty of otherwise great scientists--yes, even those published in peer-reviewed journals--are doing statistics wrong."Statistics Done Wrong" comes to the rescue with cautionary tales of all-too-common statistical fallacies. It'll help you see where and why researchers often go wrong and teach you the best practices for avoiding their mistakes.In this book, you'll learn: - Why "statistically significant" doesn't necessarily imply practical significance- Ideas behind hypothesis testing and regression analysis, and common misinterpretations of those ideas- How and how not to ask questions, design experiments, and work with data- Why many studies have too little data to detect what they're looking for-and, surprisingly, why this means published results are often overestimates- Why false positives are much more common than "significant at the 5% level" would suggestBy walking through colorful examples of statistics gone awry, the book offers approachable lessons on proper methodology, and each chapter ends with pro tips for practicing scientists and statisticians. No matter what your level of experience, "Statistics Done Wrong" will teach you how to be a better analyst, data scientist, or researcher.

Statistische Datenanalysen sind entscheidend für die Wissenschaft, doch viele Forscher haben Schwierigkeiten, die geeigneten Verfahren korrekt anzuwenden. Dies führt häufig zu falschen Ergebnissen. Dieser kompakte Leitfaden bietet Wissenschaftlern und Studenten wertvolle Unterstützung bei der Anwendung statistischer Methoden. Anhand konkreter Fallbeispiele werden gängige Fehler und Missstände in der Statistik aufgezeigt, und es werden praktische Lösungen angeboten. Der Autor behandelt wichtige Themen wie das Stellen der richtigen Fragen, das Entwerfen geeigneter Experimente und die Auswahl korrekter Analysemethoden. Zudem werden Konzepte wie p-Werte, Signifikanz, Konfidenzintervalle und Regression erklärt. Tipps zur Auswahl der Stichprobengröße und zur Vermeidung falscher Positiver runden das Angebot ab. Am Ende der Kapitel finden sich Hinweise zur Anwendung statistischer Verfahren, um häufige Fallstricke zu umgehen. Der Leser wird auf verbreitete Probleme hingewiesen und lernt, das am besten geeignete statistische Verfahren für spezifische Aufgaben auszuwählen. Dieses Buch ist ein praktischer Ratgeber, der dabei hilft, fundierte Forschung zu betreiben und statistische Fehler zu vermeiden. Themen wie Hypothesentests, Neyman-Pearson-System, Bonferroni-Korrektur und statistische Teststärke werden ebenfalls behandelt, um ein umfassendes Verständnis zu fördern.