Statistische Entscheidungstheorie

Statistische Entscheidungstheorie ist vielleicht der größte Zweig der Statistik. Sie umfasst alle bekannten (und viele nicht so berühmt) Signifikanztests - Student t-Tests, Chi-Quadrat-Tests, Varianzanalyse (ANOVA-), Pearson Korrelationstests, Wilcoxon und Mann-Whitney-Tests, und so weiter.

In seiner einfachsten Form, statistische Entscheidungstheorie beschäftigt sich mit der Bestimmung, ob nicht einige echte Wirkung in den Daten vorhanden ist. Das Wort bewirken beziehen sich auf verschiedene Dinge in verschiedenen Umständen kann. Beispiele für Effekte sind die folgenden:

• Der durchschnittliche Wert von etwas kann in einer Gruppe im Vergleich zu einem anderen verschieden sein. Zum Beispiel können Männer höhere Hämoglobinwerte haben im Durchschnitt als females- der Einfluss des Geschlechts auf Hämoglobin kann durch die Differenz der mittleren Hämoglobinwerte zwischen Männchen und Weibchen quantifiziert werden.

  Oder Patienten mit einem Medikament behandelt werden, haben eine höhere Verwertungsquote als Probanden, die ein Placebo-Effekt die Größe als die Differenz der Rückgewinnungsrate ausgedrückt werden konnte (drug minus Placebo) oder durch das Verhältnis der Heilungschancen für das Medikament in Bezug auf die Placebo (die Odds Ratio).

• Der durchschnittliche Wert von etwas kann von Null verschieden sein, (Oder von einem anderen bestimmten Wert). Zum Beispiel kann die durchschnittliche Veränderung des Körpergewichts über 12 Wochen in einer Gruppe von Probanden physikalische Therapie unterziehen von Null verschieden sein.

• Zwei numerische Variablen können in Verbindung gebracht werden (auch genannt korreliert). Wenn beispielsweise Fettleibigkeit mit Bluthochdruck assoziiert ist, dann Körpermassenindex kann mit einem systolischen Blutdruck korreliert werden. Dieser Effekt wird oft durch die Pearson-Korrelationskoeffizienten quantifiziert.