Frequentistischen

Der frequentistische Ansatz, auch als frequentistische Statistik bezeichnet, ist eine Schule der statistischen Inferenz, die Wahrscheinlichkeit als langfristige Häufigkeit von Ereignissen interpretiert und deren Methoden auf wiederholte Stichprobenziehungen ausrichtet. In der frequentistischen Sicht sind unbekannte Parameter fest und deterministisch, während Zufallsvariablen aus dem Zufallsprozess der Stichproben stammen. Schätzverfahren, Teststatistiken und Intervalle beruhen auf der Verteilung von Daten, die unter wiederholter Anwendung des Modells auftreten würden.

Zentrale Instrumente sind Hypothesentests nach dem Neyman-Pearson-Ansatz, Signifikanzniveaus, p-Werte und Konfidenzintervalle. Ein p-Wert misst die Wahrscheinlichkeit, unter der Annahme der Nullhypothese ein beobachtetes oder extremeres Ergebnis zu erhalten. Ein festgelegtes Signifikanzniveau (zum Beispiel 0,05) dient der Entscheidung, ob die Nullhypothese verworfen wird. Konfidenzintervalle liefern Bereiche, die im Langlauf mit einer bestimmten Abdeckung das wahre Populationsparameter enthalten. Häufig werden Maximum-Likelihood-Schätzungen oder andere frequentistische Schätzverfahren verwendet, deren Eigenschaften mit wachsender Stichprobe besser werden.

Historisch prägten Figuren wie Neyman, Pearson und Fisher die Entwicklung der frequentistischen Inferenz. Kritisch diskutiert wird die Beschränkung auf NHST und die oft missverständliche Interpretation von p-Werten; Alternativen umfassen Bayesianische Ansätze, Likelihood-Inferenz und andere Ansätze. In der Praxis bleiben frequentistische Methoden in vielen Bereichen Standard, insbesondere in der klinischen Forschung, der Psychologie und der Biostatistik.