Autor des Abschnitts: Danielle J. Navarro and David R. Foxcroft
Bayessche Statistik
In unseren Überlegungen über Tatsachen gibt es alle denkbaren Grade der Gewissheit, von der höchsten Gewissheit bis zu den niedrigsten Arten moralischer Beweise. Ein kluger Mensch passt daher seinen Glauben an die Beweise an.
The ideas I have presented to you in this book describe inferential statistics from the frequentist perspective. I am not alone in doing this. In fact, almost every textbook given to undergraduate psychology students presents the opinions of the frequentist statistician as the theory of inferential statistics, the one true way to do things. I have taught this way for practical reasons. The frequentist view of statistics dominated the academic field of statistics for most of the 20th century, and this dominance is even more extreme among applied scientists. It was and is current practice among psychologists to use frequentist methods. Because frequentist methods are ubiquitous in scientific papers, every student of statistics needs to understand those methods, otherwise they will be unable to make sense of what those papers are saying! Unfortunately, in my opinion at least, the current practice in psychology is often misguided and the reliance on frequentist methods is partly to blame. In this chapter I explain why I think this and provide an introduction to Bayesian statistics, an approach that I think is generally superior to the orthodox approach.
Dieses Kapitel ist in zwei Teile gegliedert: In den Abschnitten Probabilistisches Schlussfolgern durch rationale Akteure bis Warum Bayesianer sein? spreche ich darüber, worum es in der Bayesschen Statistik geht: Ich erläutere die grundlegenden mathematischen Regeln, nach denen sie funktioniert, und erkläre, warum ich den Bayesschen Ansatz für so nützlich halte. Anschließend gebe ich einen kurzen Überblick darüber, wie man Bayessche Versionen von *t*-Tests durchführen kann.