Biostatistik

Wir lesen in einem Fachartikel, dass bei einer bestimmten Therapieform von 100 Behandelten nur halb so viele versterben wie bei einer anderen Form der Therapie. Ist dieser Unterschied statistisch gut abgesichert (statistisch signifikant)? Oder ist es möglich, dass er nur auf Zufall beruht? Es könnte z. B. sein, dass in der ersten Gruppe eine Person verstarb, in der zweiten jedoch zwei. In der ersten Gruppe starben damit tatsächlich nur halb so viele Menschen wie in der zweiten Gruppe. Wie stark unterscheidet sich der Therapieerfolg bei diesen beiden Behandlungsformen nun wirklich? Mit Hilfe der Statistik versuchen wir, über numerische Informationen Antworten auf solche Fragen zu erhalten. Statistik befasst sich mit dem Sammeln, Zusammenfassen, Darstellen und Interpretieren von Daten. Biostatistik ist der Zweig der Statistik, der diese Aufgaben in der Biomedizin und in Public Health übernommen hat. Wir lernen in diesem Kapitel die Grundprinzipien zur Zähmung der Variabilität kennen, d. h. wir erfahren, wie man trotz vorhandener statistischer Unsicherheit möglichst wahrheitsgemäße Schlussfolgerungen über Populationen und Patientengruppen ziehen kann. Statistik kommt dabei nicht ganz ohne mathematische Formeln aus. Sie wird daher von Vielen oftmals als schwierig oder unangenehm angesehen. Wir versuchen hier den mathematischen Formalismus auf das Nötigste zu beschränken. Schweizerische Lernziele: CPH 13–16

Die Wetter-Zeitmaschine

Historische Wetterbeobachtungen vor 1950 liegen als reine Bodendaten der Wetterstationen vor. Neue numerische Verfahren erlauben trotzdem eine globale, dreidimensionale Wetterrekonstruktion viel weiter zurück in die Vergangenheit. Dies gelingt durch die Kombination von Messungen des Luftdrucks, dessen Verteilung am Boden ein Abbild der dreidimensionalen atmosphärischen Zirkulation liefert, mit einem numerischen Wettervorhersagemodell. Mit diesen Daten kann man beispielsweise Sturmschäden besser untersuchen und Veränderungen in den Sturmhäufigkeiten bestimmen.

Stochastische Modelle der aktuariellen Risikotheorie. Eine mathematische Einführung

Stochastische Modelle sind bei der Bewertung von Schadensbeträgen für Versicherungen von besonderer Bedeutung. Das Buch gibt eine Einführung in die dabei verwendeten Modelle für kleine und große Schadensbeträge wie auch in die stochastische Prozesse der aktuariellen Risikotheorie (Zählprozesse und Poisson-Prozess). Zentrales Thema ist die Analyse der Ruinwahrscheinlichkeit, wobei exakte Berechnungsmethoden, asymptotische Approximationen und numerische Algorithmen wie Monte Carlo-Simulation und schnelle Fourier-Transformation vorgestellt werden. Ein Appendix mit wichtigen Resultaten der Wahrscheinlichkeitstheorie erleichtert die Lektüre dieses Buches.