Unstatistik des Monats

Der Berliner Psychologe Gerd Gigerenzer, der Bochumer Ökonom Thomas Bauer und der Dortmunder Statistiker Walter Krämer haben im Jahr 2012 die Aktion „Unstatistik des Monats“ ins Leben gerufen. Sie werden jeden Monat sowohl jüngst publizierte Zahlen als auch deren Interpretationen hinterfragen. Die Aktion will so dazu beitragen, mit Daten und Fakten vernünftig umzugehen, in Zahlen gefasste Abbilder der Wirklichkeit korrekt zu interpretieren und eine immer komplexere Welt und Umwelt sinnvoller zu beschreiben. Seit August 2018 ist Katharina Schüller, Geschäftsleiterin und Gründerin von STAT-UP, Mitglied des Unstatistik-Teams. Weitere Informationen finden Sie unter www.unstatistik.de.

Umstatistik-Buch
Das Buch zur Unstatistik des Monats

Das Buch zur Unstatistik des Monats

Thomas Bauer, Gerd Gigerenzer und Walter Krämer: Warum dick nicht doof macht und Gen-Mais nicht tötet - Über Risiken und Nebenwirkungen der Unstatistik

Schlagzeilen mit fragwürdigen Statistiken verzerren fast täglich die Realität. Die Autoren erklären anhand von Beispielen, wie man echte Information von Panikmache unterscheidet. Diese Beispiele und viele weitere präsentieren sie nun in ihrem Buch.

Die Autoren

  • Thomas Bauer, Ökonom, ist Professor für Empirische Wirtschaftsforschung in Bochum und Vizepräsident des RWI in Essen.
  • Gerd Gigerenzer, Psychologe, ist Direktor am Max-Planck-Institut für Bildungsforschung in Berlin und Bestsellerautor.
  • Walter Krämer, Statistiker, ist Professor für Wirtschafts- und Sozialstatistik an der TU Dortmund und ebenfalls Autor verschiedener Bestseller.

     

Alle Unstatistiken des Monats

Unstatistik des Monats April 2020: Corona-Pandemie – Die Reproduktionszahl und ihre Tücken

Unsere vorangegangene Unstatistik hatte bereits die Möglichkeiten und Grenzen zentraler Kennzahlen der derzeitigen Covid-19-Pandemie aufgezeigt – insbesondere der Infektions- und Sterbequote. Inzwischen ist mit der Reproduktionszahl R eine weitere Kennzahl in den Fokus der öffentlichen Aufmerksamkeit gerückt. Sie gibt an, wie viele andere Personen eine infizierte Person ansteckt und ist keine Eigenschaft eines Virus, sondern ergibt sich aus dem Verhalten des Virus und unserer Reaktion auf den Virus. Ist beispielsweise R = 2, steckt jede infizierte Person im Durchschnitt zwei weitere Personen an. Aufgrund des exponentiellen Wachstums der Pandemie, die wir bereits in unserer vorangegangenen Unstatistik detailliert beschrieben haben, wird dieser Kennzahl nicht zuletzt von der Bundesregierung eine zentrale Rolle beigemessen.  

Gesichtsschutz
© Engin Akyurt on Unsplash
» weiterlesen

Unstatistik March 2020 (English): Corona pandemic - Statistical concepts and their limits

It is still uncertain how the COVID-19 pandemic will develop. The Unstatistics of the Month would like to shed some light on the current situation, at least with regard to statistical concepts. Therefore, we present none of the usual unstatistics, but instead explain essential concepts and their limits. Notwithstanding the fact that the most important factors in the forecast of the spread of COVID-19 are subject to a high degree of uncertainty, the containment of new infections must have absolute priority in the current situation. Moreover, whether the measures currently taken are effective can only be determined with a time lag. Country comparisons quickly reach their limits because case numbers and deaths are not collected according to uniform procedures. As far as statistics are concerned, the current principle is to proceed by “driving on sight” when assessing model calculations, and avoid placing too much attention to individual information.

Coronavirus
© CDC via AP
» weiterlesen

Unstatistik des Monats März 2020: Corona-Pandemie – Statistische Konzepte und ihre Grenzen

Noch ist ungewiss, wie sich die COVID 19-Pandemie weiter entwickeln wird. Die Unstatistik des Monats möchte in der aktuellen Situation helfen, zumindest bezüglich statistischer Konzepte etwas Licht ins Dunkel zu bringen. Daher gibt es keine übliche Unstatistik, stattdessen werden wesentliche Konzepte und deren Grenzen erklärt. Ungeachtet der Tatsache, dass die wichtigsten Faktoren der Prognose der Ausbreitung von COVID 19 mit hoher Unsicherheit behaftet sind, muss in der aktuellen Situation die Eindämmung der Neuinfektionen absolute Priorität haben. Ob die derzeit ergriffenen Maßnahmen wirken, lässt sich zudem erst mit zeitlicher Verzögerung sagen. Ländervergleiche stoßen schnell an ihre Grenzen, weil Fallzahlen und Todesfälle nicht nach einheitlichen Verfahren erhoben werden. Hinsichtlich von Statistiken gilt derzeit das Prinzip, sich beim Fahren auf Sicht durch die skizzierten Modellrechnungen leiten, sich von Einzelinformationen jedoch nicht zu sehr beeindrucken zu lassen.

Coronavirus
© CDC via AP
» weiterlesen

Unstatistik des Monats Februar 2020: Lungenkrebs-Screening rettet Leben

Die „ÄrzteZeitung“ gibt bekannt: “Lungenkrebs-Screening per Low-dose-CT rettet Leben“. Springer Medizin berichtet, CT-Screening reduziere die Lungenkrebssterblichkeit um 24 Prozent bei Männern, bei Frauen sogar um 35 Prozent. Der Standard empfiehlt: „Raucher in die Röhre schicken“, denn vor allem diese würden von der Low-Dose-Computertomografie als Früherkennungsmaßnahme profitieren. „Das wären für Österreich mehr als 1.000 gerettete Menschenleben jährlich“, erklärt APA-Science. Eine Flut von Pressemeldungen erklärt, dass nun bewiesen sei, dass Lungenkrebs-Screening Leben rette und man deshalb für die flächendeckende Einführung Milliarden ausgeben sollte.

Lunge
Creative Commons 4.0 BY-NC
» weiterlesen

Unstatistik des Monats Januar 2020: Google AI erkennt Brustkrebs besser als die erfahrensten Radiologen

Im Januar 2020 publizierte die Fachzeitschrift „Nature“ eine Studie über ein AI-System zur Brustkrebsfrüherkennung. AI steht dabei für „Artificial Intelligence“, also „künstliche Intelligenz“. Die Schlagzeile von nach-welt.com berichtete „Google AI erkennt Brustkrebs besser als die erfahrensten Radiologen“. Der Spiegel titelte „Wie künstliche Intelligenz künftig den Job von Ärzten übernimmt“. Ähnliche enthusiastisches Medienecho gab es weltweit. AI-Systeme werden in der Tat immer besser in der Krebsfrüherkennung, aber das ist nicht unser Punkt. Diese Unstatistik zeigt exemplarisch, wie AI-Erfolge in der Presse übertrieben werden und die Frage nach dem Nutzen für Patientinnen und Patienten nicht gestellt wird.

Mammogramme
© James King-Holmes, Science Photo Library
» weiterlesen