|
2.1 Scheinbar präzise Angaben, Messgenauigkeit
|
|
Wenn wir in den Medien Zahlen präsentiert bekommen, so ist es nicht ungewöhnlich, dass wir z.B. erfahren, dass der Österreicher durchschnittlich 12,3 kg Rindfleisch im Jahr verzehrt und 27,8 l Milch trinkt. In der Publikation „Wien in Zahlen – Ausgabe 2000“ des Statistischen Amtes der Stadt Wien (MA 66) ist zu lesen, dass 1999 in Wien 1.608.144 Menschen lebten, davon 17,7 % ausländische Mitbürger, 10.092 Personen an Krankheiten des Kreislaufsystems im Vergleich zu 770 an Krankheiten der Verdauungsorgane verstor-ben sind, 5.801.838 Pflegetage in Krankenanstalten gezählt wurden, die durchschnittliche Verweildauer in Wiener Krankenhäusern 6,6 Tagen entspricht, 5.760 Personen Essen auf Rädern beziehen etc. Bei manchen dieser Angaben lässt sich mit gutem Willen noch behaupten, man könne tatsächlich so genau zählen, bei anderen scheint dies weniger plau-sibel und doch neigen wir oft dazu, nur dann Zahlen zu glauben, wenn sie Kommastellen aufweisen oder in den obigen Größenordnungen nicht auf die Hunderterstelle gerundet sind. Wenn jemand sagt, er habe im Jahr 2000 ein Nettoeinkommen von € 25.000,- gehabt, dann nehmen wir an, es handle sich um eine grobe Schätzung. Sagt aber diese Person, sie habe ein Nettoeinkommen von € 24.763,- gehabt, so nehmen wir an, dies sei ein realistischerer Wert ohne zu bedenken, dass das Einkommen meist niemals so genau zu berechnen ist. Hierbei spielt natürlich auch das oben dargestellte Problem der Begriffsdefinition wiederum eine Rolle. Worauf wir aber achten müssen, ist, dass genaue Angaben nicht unbedingt mehr Informationsgehalt besitzen (oder mehr der Realität entsprechen) als gerundete Angaben.
Andere Fragen, die uns in der Statistik beschäftigen, sind jene nach der Messgenauigkeit quantitativer Merkmale (Körpergröße, Einkommen, Gewicht, Schadstoffausstoß eines Autos etc.). Wenn wir Merkmale sehr genau messen, so erhalten wir bei einer Untersu-chung viele verschiedene Werte, mitunter kommt keine Ausprägung zweimal vor. Um die Daten aufzubereiten bilden wir Klassen (dies können wir auch schon vor der Untersuchung machen). Dadurch reduzieren wir den Informationsgehalt, um ihn kommunizierbar zu machen. Dies birgt viele Quellen der Manipulation in sich, wenn die Grenzen der Klassen nicht aus sachlogischen Gründen gebildet werden, sondern durch reines Ausprobieren und anschließendes Anpassen der Klassengrenze an gewünschte Häufigkeitsverteilungen. So kann ein minimales Verschieben einer Klassengrenze die Häufigkeitsverteilung stark verzerren.
|
Lernpfadseite als User öffnen (Login)
Falls Sie noch kein registrierter User sind, können Sie sich einen neuen Zugang anlegen. Als registrierter User können Sie ein persönliches Lerntagebuch zu diesem Lernpfad anlegen.
|
