EnglishDeutsch

A-D

     weiter >

Absolute Risikoreduktion
Ein Maß für die Wirksamkeit einer Behandlung (oder eines Verhaltens). Dabei wird der Anteil der Personen angegeben, die durch diese Behandlung geheilt oder gerettet werden. Wenn eine Therapie beispielsweise die Todesfälle durch die betreffende Krankheit von 6 auf 4 von jeweils 1.000 Patienten vermindert, so beträgt die absolute Risikoreduktion 2 von 1.000 bzw. 0,2 Prozent.

Anzahl der gewonnenen oder verlorenen Tage oder Jahre
Ein Maß für die Wirksamkeit einer Behandlung – oder für die Auswirkung einer Gewohnheit – in Form der erhöhten oder verminderten Lebenserwartung. So führt 30 Jahre langes Rauchen von ein bis zwei Packungen Zigaretten pro Tag zu einem durchschnittlichen Verlust von ungefähr 2.250 Tagen oder etwa 6 Jahren an Lebenserwartung.

Anzahl der Personen mit übereinstimmendem Merkmal
Damit lässt sich verständlich angeben, welche Bedeutung es wirklich hat, wenn ein Tatverdächtiger und eine Spur am Tatort in einem Merkmal (z.B. im DNA-Muster) übereinstimmen. Ein Beispiel dafür ist die Aussage „Einer von 10.000 Menschen dieser Population zeigt ein damit übereinstimmendes Merkmal". Folgende Aussage ist mathematisch gleichwertig: „Die Wahrscheinlichkeit, dass diese Übereinstimmung zufällig auftritt, beträgt 1 zu 10.000 bzw. 0,01 Prozent." Hierbei sind aber Missverständnisse nur zu leicht möglich, was vor Gericht drastische Folgen haben kann.

Anzahl notwendiger Behandlungen (NNT)
Dies ist die Anzahl von Patienten, die behandelt oder einem Screening unterzogen werden müssen, damit ein Menschenleben gerettet wird. Daher ist die NNT ein Maß für die Wirksamkeit einer Therapie. Ein Beispiel: Wenn durch zweijähriges Mammographie-Screening das Leben 1 von 1.000 teilnehmenden Frauen gerettet wird, so ist NNT gleich 1.000. Anders ausgedrückt: Die übrigen 999 Frauen haben keinen Nutzen im Sinne einer Sterblichkeitsverminderung. Man kann aber auch eine NNT angeben, wenn man das Risiko einer Behandlung bemessen will. Wenn beispielsweise bei 1 von 7.000 Frauen, die die Antibabypille nehmen, eine Thromboembolie auftritt, dann ist die NNT bei Antibabypille und Thromboembolie gleich 7.000. Mit anderen Worten: Bei 6.999 Frauen liegt diese Nebenwirkung nicht vor.

A-posteriori-Wahrscheinlichkeit
Die Wahrscheinlichkeit eines Ereignisses oder Merkmals nach dem Vorliegen eines (beispielsweise diagnostischen) Ergebnisses, also die aufgrund weiterer Erkenntnisse neu berechnete Wahrscheinlichkeit. Zum Errechnen der A-posteriori-Wahrscheinlichkeit aus der A-priori-Wahrscheinlichkeit kann die Bayes'sche Regel angewandt werden.

A-priori-Wahrscheinlichkeit
Die Wahrscheinlichkeit eines Ereignisses oder Merkmals ohne Kenntnis oder Vorliegen weiterer Indizien. Mithilfe der Bayes'schen Regel kann eine A-priori-Wahrscheinlichkeit in eine A-posterior-Wahrscheinlichkeit umgerechnet werden, wenn weitere Indizien vorliegen.

Bayes'sche Regel
Mit ihr lässt sich die Wahrscheinlichkeit eines Merkmals oder eine Hypothese angesichts neuer Informationen berechnen. Als Urheber dieser Regel gilt der englische Geistliche Thomas Bayes. Für den einfachen Fall, dass eine Hypothese H (beispielsweise eine Erkrankung) entweder zutrifft oder nicht zutrifft (man spricht dann von einer binären Hypothese) und dass ein Datum vorliegt (z.B. ein positiv ausgefallener Test), lautet die Bayes'sche Regel:
p(H|D) = p(H)p(D|H)/[p(H)p(D|H) + p(nicht-H)p(D|nicht-H)]
Darin sind: p(H|D) die A-posteriori-Wahrscheinlichkeit, p(H) die A-priori-Wahrscheinlichkeit, p(D|H) die Wahrscheinlichkeit von D für den Fall, dass H vorliegt, und p(D|nicht-H) ist die Wahrscheinlichkeit von D für den Fall, dass H nicht vorliegt.
Diese Regel wirkt oft unverständlich. Interessant ist dabei, dass die Berechnung von p(H|D) viel einfacher wird, wenn man die jeweilige natürliche Häufigkeit anstatt der Wahrscheinlichkeit betrachtet. Für natürliche Häufigkeiten lautet die Bayes'sche Regel: p(H|D) = a/(a + b). Darin gibt a an, wie oft D und H vorliegen, und b gibt an, wie oft D und „nicht H" vorliegen.

Bedingte Wahrscheinlichkeit
Die Wahrscheinlichkeit, dass ein Ereignis A eintritt, wenn ein Ereignis B eingetreten ist, wird normalerweise als p(A|B) geschrieben. Ein Beispiel dafür ist die Wahrscheinlichkeit, dass ein Screening-Mammogramm positiv ausfällt, wenn Brustkrebs vorliegt; sie beträgt rund 0,9 Prozent. Dagegen ist p(A) keine bedingte Wahrscheinlichkeit. Bedingte Wahrscheinlichkeiten werden häufig falsch verstanden, und zwar auf zwei unterschiedliche Weisen. Bei der einen wird die Wahrscheinlichkeit von A unter der Voraussetzung, dass B vorliegt, verwechselt mit der Wahrscheinlichkeit von A und B. Bei der anderen wird die Wahrscheinlichkeit von A unter der Voraussetzung, dass B vorliegt, verwechselt mit der Wahrscheinlichkeit von B unter der Voraussetzung, dass A vorliegt. Diese Fehler lassen sich vermeiden, indem man die bedingten Wahrscheinlichkeiten durch die natürlichen Häufigkeiten ersetzt.

Bezugsmenge
Eine Menge von Ereignissen oder Individuen mit einem bestimmten Merkmal, auf die sich eine Wahrscheinlichkeit oder Häufigkeit bezieht. Bei der Häufigkeits-Interpretation des Begriffs Wahrscheinlichkeit gibt es keine Wahrscheinlichkeit ohne eine explizit angegebene Bezugsmenge. Diese Sichtweise schließt Einzelfall-Wahrscheinlichkeiten aus, bei denen definitionsgemäß keine Bezugsmenge angegeben ist.

Design
Eine der drei wichtigen Interpretationen von Wahrscheinlichkeit (neben der relativen Häufigkeit und dem Überzeugungsgrad). Die Wahrscheinlichkeit eines Ereignisses hängt hier von der physikalischen Konstruktion (z.B. eines Würfels) ab. Historisch gesehen, ging der Begriff „Design" (engl. „propensity") von den Glücksspielen (Würfeln und Roulette) in die Wahrscheinlichkeitstheorie ein. Die Design-Interpretation erlaubt einem nur dann von der Wahrscheinlichkeit eines Ereignisses zu sprechen, wenn die zugrunde liegende Konstruktion oder der Mechanismus bekannt ist.

Durchschnitt
Ein Maß für die zentrale Tendenz einer Anzahl von Messungen und Beobachtungen. Unter dem Durchschnitt versteht man meist den arithmetischen Mittelwert, manchmal aber auch den Median. Ein Beispiel: Die Jahreseinkommen von fünf Maklern betragen Euro 80.000, Euro 90.000, Euro 100.000, Euro 130.000 und Euro 600.000. Das arithmetische Mittel dieser Beträge – also ihre Summe, dividiert durch die Anzahl – ist Euro 200.000. Wenn man die Einzelwerte (wie hier) ansteigend ordnet, ist der Median derjenige, von dem beiderseits gleich viele Werte liegen, er beträgt hier Euro 100.000. Ist die Verteilung asymmetrisch, was bei Einkommen oft vorkommt, dann weichen arithmetische Mittel und Median voneinander ab. So ist es möglich, dass die meisten Menschen ein Einkommen haben, das unter dem Durchschnitt liegt, weil einige wenige sehr viel verdienen.

 

    weiter >