Advertisement

Doppelgänger lehren uns das Grundprinzip des statistischen Testens

  • Antonia Zapf
  • Cornelia Frömke
  • Albert Rosenberger
Chapter

Zusammenfassung

Können Sie echte von unechten Zwillingen unterscheiden? Diese Frage steht am Anfang der hier vorgestellten Unterrichtseinheit zum Grundprinzip des statistischen Testens. Dieses Thema ist unverzichtbarer Bestandteil jeder Einführung in die Grundlagen der Statistik/Biometrie. Unser Ziel ist es, mit dieser Unterrichtseinheit den Teilnehmern das Thema anschaulich vorzustellen und ein grundlegendes Verständnis statistischer Tests zu vermitteln. Die vorgestellte Veranstaltung ist sowohl für eine Vorlesung als auch für ein Seminar geeignet und dauert ungefähr 60 Minuten.

Im Mittelpunkt der Veranstaltung führen die Studierenden ein Experiment durch, welches wenig Zeit kostet und keine besonderen technischen Hilfsmittel erfordert. Den Studierenden werden Fotos mit jeweils zwei Menschen gezeigt, die entweder ein- oder zweieiige Zwillinge sind oder sich zwar sehr ähnlich sehen, aber nicht miteinander verwandt sind (sogenannte Doppelgänger). Jeder Studierende muss für jedes Bild entscheiden, ob die zwei fotografierten Personen echte Zwillinge oder Doppelgänger sind. Am Ende wird die Lösung gegeben, und jeder zählt die richtig zugeordneten Fotos. Dann stellt sich die Frage, wie gut der Studierende zwischen Zwillingen und Doppelgängern entscheiden kann im Vergleich zu einem Ergebnis, welches auf Münzwürfen basiert (z. B. Kopf/Zahl = echte/unechte Zwillinge). Um zu überprüfen, ob man besser ist als der Zufall, d. h. besser als wenn man zur Entscheidung eine Münze geworfen hätte, führen wir dann einen statistischen Test durch. Hierfür verwenden wir den einseitigen Binomialtest und erklären anhand des Beispiels den kompletten Ablauf eines Experiments von der Formulierung der Fragestellung bis zur Interpretation der Ergebnisse.

Ziel der Veranstaltung ist, dass die Studierenden 1) den Ablauf eines Experimentes wiedergeben, 2) einen statistischen Test durchführen, 3) die zugehörigen Begriffe (Signifikanzniveau, Teststatistik, Ablehnungsbereich und p-Wert) erklären und 4) die Ergebnisse des statistischen Tests interpretieren können.

Literatur

  1. Brunelle F (2016) I’m not a look-alike! http://www.francoisbrunelle.com/web/francois_brunelleindex.html (letzter Zugriff: 28 Sept. 16)
  2. Harden RM, Laidlaw JM (2013) Be FAIR to students: Four principles that lead to more effective learning. Med Teach 35(1):27–31CrossRefGoogle Scholar
  3. Jaques D (2003) ABC of learning and teaching in medicine – Teaching small groups. BMJ 326(7387):492-494Google Scholar
  4. R Core Team (2016) R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. http://www.R-project.org/
  5. Stuart J, Rutherford RJ (1978) Medical student concentration during lectures. Lancet 2(8088):514–516CrossRefGoogle Scholar

Copyright information

© Springer-Verlag GmbH Deutschland 2017

Authors and Affiliations

  • Antonia Zapf
    • 1
  • Cornelia Frömke
    • 2
  • Albert Rosenberger
    • 3
  1. 1.Institut für Medizinische StatistikUniversitätsmedizin GöttingenGöttingenDeutschland
  2. 2.KKH Kaufmännische KrankenkasseHannoverDeutschland
  3. 3.Institut für Genetische EpidemiologieUniversitätsmedizin GöttingenGöttingenDeutschland

Personalised recommendations