Diese Bachelor-Thesis hat untersucht, wie Studierende Wahrscheinlichkeiten interpretieren – frequentistisch oder bayesianisch. Die theoretischen Grundlagen beider Statistikansätze wurden systematisch gegenübergestellt und im Kontext der Digitalisierung eingeordnet. Anhand einer quantitativen Onlinebefragung wurde analysiert, welcher Denkweise Studierende folgen und ob ein Zusammenhang zwischen ihrer Interpretation und dem Verständnis statistischer Definitionen besteht. Die Daten wurden mithilfe eines standardisierten Fragebogens über SoSci Survey erhoben und anschließend mit der Statistiksoftware R ausgewertet und analysiert. Die Arbeit gab Erkenntnisse darüber, wie Wahrscheinlichkeitsverständnis bei Studierenden ausgeprägt ist, und leitet daraus Empfehlungen für die curriculare Integration bayesianischer Inhalte in der Statistiklehre ab.
Inhaltsverzeichnis
1 Einleitung
1.1 Relevanz des Themas
1.2 Forschungsfrage und Zielsetzung
1.3 Aufbau der Arbeit
2 Theoretische Grundlagen
2.1 Entscheidungstheorie
2.1.1 Grundlagen der Entscheidungstheorie
2.1.2 Entscheidungen unter Unsicherheit
2.2 Interpretation von Wahrscheinlichkeit
2.3 Schließende Statistik
2.3.1 Frequentistische Statistik
2.3.2 Bayesianische Statistik
2.4 Unsicherheiten im Kontext der Digitalisierung
3 Empirische Untersuchung
3.1 Forschungsdesign
3.2 Forschungshypothese
3.3 Stichprobe
3.4 Aufbau des Fragebogens
3.5 Pretest
3.6 Interpretation der Fragen
4 Ergebnisse
4.1 Deskriptive Statistik
4.1.1 Beschreibung der Stichprobe
4.1.2 Beschreibung des inhaltlichen Ergebnisses
4.2 Ergebnisse zu den Messungen
4.3 Zusammenhang der Messungen
5 Diskussion
6 Fazit
Zielsetzung & Themen
Die vorliegende Arbeit untersucht mittels einer quantitativen Studie die statistischen Ansätze, die Studierende bei der Interpretation von Wahrscheinlichkeitsangaben bevorzugen. Die zentrale Forschungsfrage lautet: „Interpretieren Studierende Wahrscheinlichkeiten frequentistisch oder bayesianisch?“
- Grundlagen der Entscheidungstheorie und Interpretation von Wahrscheinlichkeiten
- Differenzierung zwischen frequentistischer und bayesianischer Statistik
- Durchführung einer empirischen Untersuchung mittels Onlinefragebogen
- Analyse und Diskussion der statistischen Denkmuster von Studierenden
Auszug aus dem Buch
2.3.2 Bayesianische Statistik
Aussagen auf Grundlage einer Stichprobe über eine Gesamtheit sind nicht sicher, sondern plausibel. In der bayesianischen Statistik wird diese Plausibilität durch Wahrscheinlichkeiten beschrieben. Grundlage der bayesianischen Statistik ist der Satz von Bayes, der Vorwissen mit neuen Daten kombiniert, um Wahrscheinlichkeiten zu erhalten, die alle Informationen berücksichtigen. Die bayesianische Statistik basiert auf einer subjektiven Sichtweise von Wahrscheinlichkeit, denn die Unsicherheit über den Wert eines Parameters wird hierbei durch subjektive Wahrscheinlichkeitsverteilungen beschrieben.
Die bayesianische Statistik ist benannt nach Reverend Thomas Bayes. Bayes entwickelte sein Theorem in den 1740er Jahren, erreichte aber erst im späten 20. Jahrhundert Popularität. Die Statistik wurde in den zwei Jahrhunderten dazwischen allein von der frequentistischen Statistik bedient. Anhand des Satzes von Bayes kann aus einer bekannten bedingten Wahrscheinlichkeit eine unbekannte bedingte Wahrscheinlichkeit hergeleitet werden.
Mathematisch lässt sich der Satz von Bayes mit der folgenden Formel 1 ausdrücken:
Formel 1: Satz von Bayes
P(H|D) = (P(H) x P(D|H)) / P(D)
Zusammenfassung der Kapitel
1 Einleitung: Diese Einleitung erläutert die Relevanz der statistischen Interpretation, stellt die Forschungsfrage sowie die Zielsetzung dar und gibt einen Überblick über den Aufbau der Arbeit.
2 Theoretische Grundlagen: Dieses Kapitel erarbeitet die entscheidungstheoretischen und statistischen Grundlagen, insbesondere die Differenzierung zwischen frequentistischer und bayesianischer Statistik sowie deren Relevanz im Kontext der Digitalisierung.
3 Empirische Untersuchung: Hier wird das Forschungsdesign beschrieben, die Forschungshypothese formuliert sowie die Auswahl der Stichprobe, der Aufbau des Fragebogens und der durchgeführte Pretest erläutert.
4 Ergebnisse: Dieses Kapitel präsentiert die deskriptiven Statistiken, die Ergebnisse der Messungen sowie die statistischen Zusammenhänge der Untersuchung.
5 Diskussion: Die Ergebnisse der Untersuchung werden hier vor dem Hintergrund der Forschungsfrage diskutiert und in den Kontext bestehender Literatur eingeordnet.
6 Fazit: Das Fazit beantwortet die zentrale Forschungsfrage, reflektiert die Ergebnisse der Arbeit und gibt einen Ausblick auf Limitationen sowie zukünftige Forschungsansätze.
Schlüsselwörter
Frequentistische Statistik, Bayesianische Statistik, Wahrscheinlichkeit, Entscheidungstheorie, Unsicherheit, Datenauswertung, Signifikanz, Hypothesentest, Bayes-Theorem, empirische Studie, Onlinefragebogen, statistische Inferenz, Denkmuster, Statistiklehre, Digitalisierung.
Häufig gestellte Fragen
Worum geht es in der Arbeit grundsätzlich?
Die Arbeit analysiert die verschiedenen Ansätze zur Interpretation von Wahrscheinlichkeiten, namentlich die frequentistische und die bayesianische Statistik, und untersucht deren Anwendung und Verständnis bei Studierenden.
Was sind die zentralen Themenfelder?
Die zentralen Themen umfassen die Entscheidungstheorie, die mathematischen Grundlagen der beiden statistischen Denkschulen sowie deren Stellenwert in der akademischen Ausbildung und der modernen Arbeitswelt.
Was ist das primäre Ziel oder die Forschungsfrage?
Das primäre Ziel ist es, durch eine quantitative Befragung herauszufinden, ob Studierende Wahrscheinlichkeitsangaben eher frequentistisch oder bayesianisch interpretieren.
Welche wissenschaftliche Methode wird verwendet?
Es wird ein quantitativer Forschungsansatz gewählt, bei dem eine Primärerhebung mittels eines standardisierten Onlinefragebogens durchgeführt und die Daten anschließend statistisch ausgewertet werden.
Was wird im Hauptteil behandelt?
Der Hauptteil gliedert sich in theoretische Grundlagen, die methodische Vorgehensweise der empirischen Untersuchung, die Darstellung der deskriptiven sowie analytischen Ergebnisse und deren abschließende Diskussion.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die Arbeit wird maßgeblich durch Begriffe wie Frequentistische Statistik, Bayesianische Statistik, Wahrscheinlichkeitsinterpretation, Datenauswertung und statistische Denkmuster charakterisiert.
Warum wird die bayesianische Statistik im Studium oft vernachlässigt?
Die Arbeit verweist auf Literatur, die zeigt, dass selbst an renommierten US-Universitäten oft kaum bayesianische Kurse angeboten werden, da die traditionelle Lehre stark auf der frequentistischen Statistik basiert.
Welche Rolle spielt die Digitalisierung für diese Thematik?
Im Kontext von Big Data und Machine Learning gewinnen probabilistische Modelle und damit auch die bayesianische Statistik an Relevanz, da sie eine bessere Modellierung von Unsicherheiten ermöglichen.
Zu welchen Ergebnissen führt die Studie hinsichtlich der Interpretation?
Die Untersuchung zeigt ein gemischtes Bild, bei dem Studierende Wahrscheinlichkeitsangaben teils intuitiv interpretieren, jedoch eine Tendenz besteht, die frequentistische Definition stärker zu unterstützen als die bayesianische.
- Quote paper
- Lisa Göbel (Author), 2025, Frequentistische vs. bayesianische Statistik. Eine quantitative Analyse zur Interpretation von Wahrscheinlichkeiten, Munich, GRIN Verlag, https://www.grin.com/document/1599149
