Podcast über Konfidenzintervalle und Hypothesentests

Kapitoly

Einführung: Zwei Gruppen vergleichen

Mittelwerte bei großen Stichproben

Was ändert sich bei kleinen Stichproben?

Nicht nur Mittelwerte: Anteile vergleichen

Warum überhaupt testen?

Die Nullhypothese

Fehler, die man machen kann

Ein Würfel-Beispiel

Ein signifikanter Unterschied?

Zusammenfassung und Abschied

Přepis

Finn: Stell dir zwei Studentengruppen vor. Gruppe A paukt für ihre Statistikprüfung ganz klassisch mit Lehrbuch und Notizen. Gruppe B nutzt eine brandneue, interaktive Lernmethode. Nach der Prüfung hat Gruppe B im Schnitt sechs Punkte mehr. Ein klarer Sieg für die neue Methode, oder? Aber was, wenn das nur Zufall war?

Finn: Wie können wir wissen, ob dieser 6-Punkte-Unterschied echt ist oder nur eine Laune des Schicksals? Das ist der Studyfi Podcast.

Leonie: Eine super Frage, Finn! Und genau hier kommt das Konfidenzintervall für die Differenz ins Spiel. Wir schauen uns nicht nur eine Gruppe an, sondern den Unterschied zwischen zwei Gruppen.

Finn: Also nicht nur „Wie gut war Gruppe A?“, sondern „Ist Gruppe B *wirklich* besser als Gruppe A?“.

Leonie: Exakt. Wir wollen den wahren, unbekannten Unterschied der Mittelwerte in der Grundgesamtheit schätzen. Also den Unterschied, den wir sehen würden, wenn alle Studierenden die eine oder andere Methode nutzen würden.

Finn: Okay, das klingt nach einem wichtigen Werkzeug, um Behauptungen zu überprüfen. Wie gehen wir da ran?

Leonie: Fangen wir mit einem klassischen Fall an: dem Vergleich von Mittelwerten bei großen Stichproben. Sagen wir, größer als 30.

Finn: Groß ist immer gut in der Statistik, oder?

Leonie: Meistens ja, es macht die Sache einfacher. Nehmen wir ein Beispiel: Wir wollen wissen, ob es einen Gehaltsunterschied zwischen graduierten und diplomierten Berufsanfängern gibt.

Finn: Ein Thema, das uns alle brennend interessiert. Was haben die Daten ergeben?

Leonie: Wir ziehen eine Stichprobe: 40 Graduierte, die im Schnitt 30.200 Euro verdienen, und 50 Diplomierte mit einem Durchschnittsgehalt von 32.300 Euro.

Finn: Okay, auf den ersten Blick verdienen die Diplomierten 2.100 Euro mehr. Aber wieder die Frage: Ist das signifikant oder Zufall?

Leonie: Genau. Um das zu klären, berechnen wir das 95%-Konfidenzintervall für die Differenz der Mittelwerte, also für μ1 minus μ2.

Finn: Die Formel dafür sieht bestimmt wieder wild aus.

Leonie: Die Struktur ist eigentlich vertraut. Du nimmst die Differenz der Stichprobenmittelwerte, also minus 2.100 Euro, und addierst und subtrahierst einen Fehlerbereich.

Finn: Und dieser Fehlerbereich ist wieder unser z-Wert mal dem Standardfehler?

Leonie: Perfekt! Der z-Wert für 95 % Sicherheit ist, wie wir wissen, 1,96. Der knifflige Teil ist der Standardfehler der Differenz, den wir schätzen müssen. Nennen wir ihn sD.

Finn: Okay, und wie berechnen wir den?

Leonie: Die Formel ist die Wurzel aus der Varianz von Gruppe 1 geteilt durch ihre Größe plus die Varianz von Gruppe 2 geteilt durch ihre Größe. Im Beispiel ist die Standardabweichung s1 gleich 5700 und s2 ist 7100.

Finn: Puh, okay. Das sind einige Zahlen. Was kommt da am Ende raus?

Leonie: Wenn man alles einsetzt, ist unser geschätzter Standardfehler sD ungefähr 1349. Das multiplizieren wir mit 1,96 und ziehen es von den -2100 ab und addieren es dazu.

Finn: Und das Intervall ist dann…?

Leonie: Von minus 4744 Euro bis plus 544 Euro.

Finn: Moment mal. Das Intervall geht vom Negativen ins Positive. Was heißt das jetzt für unsere Gehälter?

Leonie: Das ist der springende Punkt! Weil die Null in diesem Intervall liegt, können wir mit 95-prozentiger Sicherheit *nicht* sagen, dass es einen echten Unterschied gibt. Es könnte sein, dass die Diplomierten mehr verdienen, aber es könnte auch sein, dass die Graduierten mehr verdienen, oder dass es gar keinen Unterschied gibt.

Finn: Wow. Eine auf den ersten Blick klare Sache ist nach der Analyse plötzlich gar nicht mehr so klar. Ziemlich mächtig.

Leonie: Absolut. Aber was passiert, wenn wir keine großen Stichproben haben? Denk an unser Eingangsbeispiel mit den Lernmethoden. Da hatten wir nur 15 und 10 Teilnehmer.

Finn: Ja, also deutlich unter 30. Da klingelt bei mir was… kommt da jetzt die Student-t-Verteilung ins Spiel?

Leonie: Genau! Bei kleinen Stichproben aus normalverteilten Grundgesamtheiten ersetzen wir den z-Wert durch einen t-Wert. Die Grundformel bleibt aber dieselbe.

Finn: Okay, also wieder: Differenz plus/minus Fehlerbereich. Aber der Fehlerbereich wird jetzt mit 't' statt 'z' berechnet.

Leonie: Richtig. Nehmen wir die Zahlen: Gruppe 1 hat 15 Leute mit einem Mittelwert von 84 Punkten und einer Standardabweichung von 6. Gruppe 2 hat 10 Leute, Mittelwert 90, Standardabweichung 8.

Finn: Die Differenz ist also minus 6 Punkte.

Leonie: Korrekt. Jetzt brauchen wir den t-Wert. Und dafür brauchen wir die sogenannten Freiheitsgrade. Die Berechnungsformel dafür sieht absolut furchtbar aus, aber es ist reines Einsetzen der Zahlen.

Finn: Okay, ich vertraue dir mal, dass wir das nicht im Kopf rechnen müssen. Was kommt da raus?

Leonie: Für unser Beispiel kommen wir auf ungefähr 15,6, was wir auf 15 abrunden. In der t-Tabelle schauen wir jetzt bei 15 Freiheitsgraden und 95 % Sicherheit nach. Der t-Wert ist 2,131.

Finn: Etwas größer als der z-Wert von 1,96. Das Intervall wird also breiter, oder?

Leonie: Genau das bedeutet es. Wir sind unsicherer wegen der kleinen Stichprobe. Wir berechnen noch den geschätzten Standardfehler der Differenz, der hier 2,97 ist.

Finn: Und wenn wir das alles zusammenfügen?

Leonie: Dann erhalten wir ein Intervall von minus 12,3 bis plus 0,3.

Finn: Schon wieder! Die Null ist im Intervall. Zwar nur ganz knapp, aber sie ist drin.

Leonie: Exakt. Das heißt, obwohl die zweite Gruppe im Schnitt 6 Punkte besser war, können wir statistisch nicht beweisen, dass ihre Lernmethode überlegen ist. Der Unterschied könnte immer noch reiner Zufall sein.

Finn: Okay, Mittelwerte verstanden. Aber was ist mit Umfragen? Also Ja/Nein-Fragen. Da haben wir ja keine Durchschnittswerte, sondern Anteile.

Leonie: Super Übergang, Finn. Das Prinzip ist zum Glück fast identisch. Wir berechnen ein Konfidenzintervall für die Differenz zweier Anteilswerte, also θ1 minus θ2.

Finn: Und θ ist hier der wahre Anteil in der Grundgesamtheit, während p der Anteil in unserer Stichprobe ist?

Leonie: Perfekt zusammengefasst. Nehmen wir ein Beispiel: In einer Stadt werden 200 Bewohner der Altstadt und 500 aus Neubaugebieten zu einer politischen Frage befragt.

Finn: Klingt nach einem potenziellen Konflikt.

Leonie: Könnte sein. In der Altstadt stimmen 60 Prozent zu, also p1 ist 0,60. In den Neubaugebieten sind es nur 48 Prozent, also p2 ist 0,48.

Finn: Das ist eine Differenz von 12 Prozentpunkten. Das klingt nach viel.

Leonie: Finden wir heraus, ob es statistisch signifikant ist! Wir wollen ein 99 %-Konfidenzintervall. Da die Stichproben groß sind, nehmen wir wieder den z-Wert. Für 99 % ist der 2,58.

Finn: Und die Formel ist sicher wieder (p1 - p2) ± z * sD?

Leonie: Du bist ein Naturtalent! Nur die Berechnung vom Standardfehler sD ist anders. Hier lautet sie: Wurzel aus p1(1-p1)/n1 + p2(1-p2)/n2.

Finn: Das sieht machbar aus. Man setzt einfach die Anteile und Stichprobengrößen ein.

Leonie: Genau. Für unser Beispiel ergibt das einen Standardfehler von etwa 0,0412. Den multiplizieren wir mit unserem z-Wert von 2,58.

Finn: Und was ist das Endergebnis?

Leonie: Das Konfidenzintervall für die Differenz der Zustimmungsraten geht von 0,014 bis 0,226. In Prozent ausgedrückt: von 1,4 % bis 22,6 %.

Finn: Ah! Dieses Mal ist die Null NICHT im Intervall! Das gesamte Intervall ist positiv.

Leonie: Und was bedeutet das?

Finn: Das bedeutet, wir können mit 99-prozentiger Sicherheit sagen, dass die Zustimmung in der Altstadt wirklich höher ist als in den Neubaugebieten! Der Unterschied ist also kein Zufall.

Leonie: Exakt! Du siehst, egal ob Mittelwerte oder Anteile, ob große oder kleine Stichproben – das Konfidenzintervall hilft uns, über den reinen Zufall hinauszublicken und fundierte Aussagen zu treffen.

Finn: Okay, das mit den Wahrscheinlichkeiten und Verteilungen macht jetzt mehr Sinn. Aber wozu brauchen wir diesen ganzen formalen Kram in der Praxis? Reicht es nicht, einfach auf den Mittelwert zu schauen?

Leonie: Eine super Frage, Finn! Es reicht eben nicht. Man braucht ein Werkzeug, um eine richtige Entscheidung zu treffen. Und das ist oft eine Entscheidung über Leben und Tod.

Finn: Okay, das klingt jetzt dramatisch.

Leonie: Ist es aber! Denk mal an die Medizin. Jedes Jahr erkranken in Europa hunderttausende Menschen an Darmkrebs. Die Überlebensrate ist leider oft nicht gut. Stell dir vor, ein Forschungsteam hat eine Idee für eine neue Therapie.

Finn: Die sie natürlich sofort testen wollen.

Leonie: Genau. Sie führen eine Studie durch und am Ende sehen sie, dass die Patienten mit der neuen Therapie im Schnitt länger überleben. Aber war das nur Zufall? Ein glücklicher Ausreißer in der Stichprobe? Oder wirkt die Therapie wirklich?

Finn: Ah, und um das zu entscheiden, brauchen wir einen Hypothesentest.

Leonie: Exakt. Wir müssen quasi den Zufall kontrollieren, um eine fundierte Aussage zu treffen. Es geht um das, was schon der Philosoph René Descartes als das „erste Gut“ bezeichnet hat: die Gesundheit.

Finn: Wie fängt man denn so einen Test an? Was ist der erste Schritt?

Leonie: Man stellt eine Hypothese auf. Genauer gesagt, zwei. Die erste ist die Nullhypothese, kurz H0. Das ist immer die skeptische, die „langweilige“ Annahme. In unserem Beispiel wäre H0: „Die neue Therapie hat keinen Effekt. Die Überlebensdauer ist in beiden Gruppen identisch.“

Finn: Und die Alternative?

Leonie: Die Alternativhypothese H1 ist das, was die Forscher hoffen zu beweisen: „Die Therapie hat einen Effekt.“ Der Test entscheidet dann, ob wir genug Beweise haben, um die skeptische Nullhypothese zu verwerfen.

Finn: Aber man kann sich bei dieser Entscheidung doch sicher auch irren, oder? Wir haben ja nur eine Stichprobe.

Leonie: Absolut. Und es gibt genau zwei Arten von Fehlern, die passieren können. Denk an ein Gerichtsverfahren. Der Fehler 1. Art ist, wenn wir die Nullhypothese verwerfen, obwohl sie wahr ist. Wir verurteilen einen Unschuldigen. Übertragen auf unser Beispiel?

Finn: Wir sagen, die Therapie wirkt, obwohl sie in Wahrheit nutzlos ist. Ein falscher Alarm!

Leonie: Genau! Die Wahrscheinlichkeit für diesen Fehler nennt man das Niveau Alpha. Das will man natürlich sehr klein halten, meist bei 5% oder 1%.

Finn: Und der zweite Fehler?

Leonie: Der Fehler 2. Art ist, wenn wir die Nullhypothese annehmen, obwohl sie falsch ist. Wir sprechen einen Schuldigen frei. Wir sagen, die Therapie wirkt nicht, obwohl sie es tut. Eine verpasste Chance, Menschen zu helfen.

Finn: Okay, das ist einleuchtend. Können wir das mal mit einem einfacheren Beispiel durchspielen? Ohne Leben und Tod?

Leonie: Klar. Lass uns wetten, dass dein Würfel gezinkt ist! Unsere Nullhypothese H0 ist: „Der Würfel ist fair.“ Das heißt, die Chance auf eine gerade Zahl ist 50 Prozent.

Finn: Und wie testen wir das? Ich würfle jetzt 30 Mal.

Leonie: Perfekt. Wir zählen, wie oft eine gerade Zahl kommt. Wenn der Würfel fair ist, erwarten wir ein Ergebnis um 15 herum. Jetzt legen wir willkürlich eine Regel fest: Wenn das Ergebnis „extrem“ ist, also zum Beispiel weniger als 13 oder mehr als 17 gerade Würfe, verwerfen wir H0 und nennen deinen Würfel gezinkt.

Finn: Klingt nach einem Plan. Aber was ist hier die Gefahr für einen Fehler 1. Art?

Leonie: Die Gefahr ist, dass dein Würfel eigentlich fair ist, du aber rein zufällig nur 11 gerade Zahlen würfelst. Nach unserer Regel würden wir ihn dann fälschlicherweise als gezinkt bezeichnen. Die Wahrscheinlichkeit dafür kann man ausrechnen – und bei unserer Regel liegt sie bei über 30%! Viel zu hoch!

Finn: Wow, okay. Das heißt, die Kunst ist, diese Grenzen so zu setzen, dass die Fehlerwahrscheinlichkeit schön klein wird. Aber wie man das genau macht... das ist wahrscheinlich das Thema für gleich, oder?

Finn: Okay, das war eine super interessante Diskussion. Für unser letztes Thema heute habe ich etwas mitgebracht, das auf den ersten Blick total verwirrend ist.

Leonie: Oh, ich bin gespannt. Worum geht's?

Finn: Es geht um das Krebsmedikament Cetuximab, auch bekannt als Erbitux. Ich habe hier zwei Schlagzeilen zur selben Studie. Die eine sagt: „Lebenszeit-Verlängerung insignifikant“. Die andere: „Signifikanter Anstieg der Lebensdauer“.

Leonie: Ah, ja, der Klassiker. Das ist ein perfektes Beispiel dafür, wie Statistik und Wahrnehmung auseinandergehen können.

Finn: Aber wie kann beides stimmen? Das ist doch ein Widerspruch!

Leonie: Nicht unbedingt. Hier ist der Trick: Die Studie hat nicht die „Gesamtlebenszeit“, sondern die „progressionsfreie Überlebenszeit“ gemessen.

Finn: Und was genau ist das? Klingt kompliziert.

Leonie: Denk es dir so: Es ist die Zeit, in der die Krankheit nicht schlimmer wird. Das Medikament hat diese Zeit von etwa 2,6 auf 4 Monate verlängert. Statistisch ist das ein „signifikanter“ Unterschied.

Finn: Okay, also man hat den Krebs länger in Schach gehalten. Aber die Patienten haben am Ende nicht wirklich länger gelebt?

Leonie: Genau. Der Zuwachs an reiner Lebenszeit war eben nicht mehr signifikant. Du siehst also, die Pharmafirma hebt das positive Ergebnis hervor, während kritische Berichte auf das Gesamtbild schauen.

Finn: Das ist wirklich eine Frage der Perspektive. Und die Marketingabteilung macht daraus natürlich eine Erfolgsstory.

Leonie: So ist es. Es zeigt einfach, wie wichtig es ist, genau zu verstehen, was eine Studie misst.

Finn: Ein super wichtiges Schlusswort. Damit sind wir für heute auch schon am Ende. Leonie, vielen Dank! Das war wieder unglaublich aufschlussreich.

Leonie: Sehr gerne, Finn! Es hat wie immer Spaß gemacht.

Finn: Und an euch da draußen: Danke fürs Zuhören bei Studyfi. Schaut genau hin, hinterfragt die Schlagzeilen und bleibt neugierig. Bis zum nächsten Mal!