Statistik für Mediziner und Pharmazeuten (ePub)

VORWORT TEIL1: Datentypen DATENTYPEN Kommt es wirklich darauf an? Daten auf einer Intervallskala Daten auf einer Ordinalskala Daten auf einer Nominalskala Aufbau dieses Buchs Kapitelzusammenfassung TEIL2: Daten auf Intervallskalen BESCHREIBENDE STATISTIK Zusammenfassung von Datensätzen Zentrale Lagemaße - der Mittelwert, der Median und der Modalwert Beschreibung der Spannweite - die Standardabweichung und die relative Standardabweichung Quartile - eine andere Möglichkeit, Daten zu beschreiben Verwendung von Software für die beschreibende Statistik Kapitelzusammenfassung DIE NORMALVERTEILUNG Was ist eine Normalverteilung? Wie erkennt man normalverteilte Daten? Anteile von Einzelwerten innerhalb von einer oder zwei Standardabweichungen vom Mittelwert Kapitelzusammenfassung STICHPROBEN AUS EINER GRUNDGESAMTHEIT UND DER STANDARDFEHLER DES MITTELWERTS Stichproben und Grundgesamtheiten Von der Stichprobe zur Grundgesamtheit Verschiedene Stichprobenfehler Welche Faktoren bestimmen die Höhe des zufälligen Stichprobenfehlers? Abschätzung des wahrscheinlichen Stichprobenfehlers und der Standardfehler Aufrechnung von Stichprobengröße und Standardabweichung Kapitelzusammenfassung DAS 95 %-KONFIDENZINTERVALL FÜR DEN MITTELWERT Was ist ein Konfidenzintervall? Wie breit sollte das Intervall sein? Was meinen wir mit ''95 %''-Konfidenz? Berechnung der Intervallbreite Eine Reihe von Stichproben und 95 %-Konfidenzintervallen Wie stark hängt die Breite des Konfidenzintervalls von Änderungen der Standardabweichung, des Stichprobenumfangs und des gewünschten Konfidenzniveaus ab? Zwei Aussagen Einseitige 95 %-Konfidenzintervalle Das 95 %-Konfidenzintervall für den Unterschied zweier Behandlungen Über die Notwendigkeit, dass die Daten einer Normalverteilung folgen und Datentransformation Kapitelzusammenfassung DER DOPPELTE T-TEST (1). EINFÜHRUNG IN HYPOTHESENTESTS Der doppelte t-Test - ein Beispiel für einen Hypothesentest Signifikanz Das Risiko eines falsch-positiven Ergebnisses Von

Philip Rowe lehrt an der School of Pharmacy and Chemistry der John Moores Universität in Liverpool (UK). Neben seiner Lehr- und Forschungstätigkeit ist er als freiberuflicher Berater für Pharmaunternehmen sowie immer häufiger als Trainer in Kliniken und Forschungsinstituten unterwegs. Sein Credo lautet, dass man kein Statistiker sein muss, um Daten und Messergebnisse sinnvoll auszuwerten. Man sollte aber wissen, welche Auswertung für welche Art von Daten sinnvoll ist und wann man die Statistik als Methode "ausgereizt" hat.

Dieses eBook können Sie uneingeschränkt auf allen Geräten der tolino Familie lesen. Zum Lesen auf sonstigen eReadern und am PC benötigen Sie eine Adobe ID.