Daten interpretieren

In dieser Einheit werden die grundlegenden statistischen Fachbegriffe Grundgesamtheit und Stichprobe vorgestellt. Sie sind zentral, um statistische Auswertungen sowie die Darstellung und Interpretation von Daten richtig zu verstehen.

In dieser Einheit lernst du zentrale statistische Grundbegriffe kennen – Untersuchungseinheit bzw. Merkmalsträger, Variable sowie Eigenschaften von Variablen. Sie bilden die Grundlage, um Daten richtig zu erfassen, auszuwerten und darzustellen. Nach dieser Einheit kannst du diese Begriffe sicher zuordnen und ihre Bedeutung für die Datenerhebung und -analyse verstehen.

In diesem Video lernst du die wichtigsten statistischen Kennwerte kennen und zu beschreiben. Anhand eines praxisnahen Beispiels aus dem Gesundheitswesen – den Pulsmessungen von Patientinnen und Patienten – erfährst du, was Mittelwert, Median, Modus sowie Streuungsmaße wie Spannweite, Varianz, Standardabweichung und Interquartilsabstand bedeuten. Du verstehst, warum Kennwerte notwendig sind, wie sie Daten übersichtlich zusammenfassen und wie sie helfen, Ausreißer, typische Werte und Streuungen richtig einzuordnen.

In diesem Teil erfährst du, wie statistische Kennzahlen zusammenhängen und sich gegenseitig ergänzen. Am Beispiel von Ruhepulsmessungen aus einer Hausarztpraxis wird gezeigt, warum einzelne Kennwerte allein oft wenig aussagekräftig sind. Du lernst, Mittelwert, Median und Modus gemeinsam zu interpretieren und Streuungsmaße wie Spannweite, Standardabweichung und Interquartilsabstand miteinander zu vergleichen. So verstehst du, wie Ausreißer erkannt werden, wie sich typische Werte einordnen lassen und wie erst das Zusammenspiel mehrerer Kennzahlen ein realistisches Gesamtbild der Daten ergibt.

In diesem Teil lernst du den entscheidenden Unterschied zwischen Korrelation und Kausalität kennen. Anhand verständlicher Beispiele aus dem Gesundheitswesen wird gezeigt, warum ein statistischer Zusammenhang nicht automatisch eine Ursache-Wirkungs-Beziehung bedeutet. Du erfährst, wie Korrelationen entstehen, was Kausalität ausmacht und weshalb eine Verwechslung zu falschen Schlussfolgerungen in Prävention, Beratung und Therapie führen kann. Außerdem bekommst du erste Kriterien an die Hand, mit denen sich mögliche kausale Zusammenhänge kritisch einschätzen lassen.

Dieses Video steigt in die Inferenzstatistik ein und bildet die Grundlage, um statistische Daten interpretieren zu können. Voraussetzung dafür ist, die Grundlagen der deskriptiven Statistik zu verstehen (Stichprobe, Grundgesamtheit, Mittelwert, etc.) und Grundbegriffe der Inferenzstatistik zu beherrschen. Nach dieser Einheit kannst du Signifikanz und den p-Wert interpretieren, Konfidenzintervalle interpretieren und die Bedeutung dieser Konzepte für Entscheidungsprozesse (Hypothesentest) erkennen.

In dieser Einheit werden grundlegende statistische Fachbegriffe erläutert, die wichtig sind, um statistische Analysen sowie die Darstellung und Interpretation von Daten zu verstehen. Im Video geht es um die verschiedenen Skalenniveaus.

In diesem Modul beschäftigen wir uns mit verschiedenen Möglichkeiten, Daten unterschiedlicher Skalenniveaus anschaulich darzustellen. Du lernst, Ergebnisse mithilfe statistischer Fachbegriffe präzise zu präsentieren und gezielt auszuwählen, welche Informationen für die Ergebnisdarstellung relevant sind. Nach dieser Einheit kannst du unter Anleitung Daten visuell aufbereiten und die Ergebnisse in einer wissenschaftlichen Publikation darstellen.

In diesem Modul beschäftigen wir uns mit der Frage, wo man gute Daten für Forschung findet und worauf man dabei achten muss. Nach dieser Einheit kannst du Informationsquellen für das Recherchieren nach Forschungsdaten benennen.

In dieser Einheit lernst du, woran man die Vertrauenswürdigkeit einer Datenquelle erkennt und wie man mit „fremden" Daten korrekt umgeht. Voraussetzung für das Verständnis dieses Moduls sind folgende Grundlagen: Du solltest den Unterschied zwischen Rohdaten und Verarbeiteten Daten und die wichtigsten allgemeinen Datenquellen und Recherchemöglichkeiten kennen (z.B. Datenbanken und Literaturrecherchen). Am Ende dieser Einheit kannst du Kriterien zur Bewertung der Datenqualität und der Vertrauenswürdigkeit einer Datenquelle und, Kriterien zur korrekten und transparenten Nachnutzung von Daten nennen.