Diskussion:Regression zur Mitte

Siehe auch

Ich bin mir nicht sicher, ich würde diesen Artikel gern noch einordnen mit

Siehe auch..

• Normalverteilung
• Konfidenzintervall

Eigentlich gehört er in diesen Zusammenhang, aber in den Artikel ist nicht wirklich etwas erklärt, was bei Vorliegendem weiterhelfen würde. Auch möglich: Psychologischer Test, aber dort gleiches Problem.. Außerdem würd ich noch zu folgender Kategorie verweisen Psychologische Testverfahren

Bezug zu psychologischen Testverfahren

Ich habe den Bezug auf die psychologischen Tests absichtlich entfernt - er ist nämlich falsch, wie etwa dem auf der Seite als Literatur angegebenen Text von Nachtigall und Suhl zu entnehmen ist. Es stimmt nicht, dass "wahre" Testwerte immer näher am Mittelwert liegen als beobachtete Werte; diese Aussage gilt nur im Durchschnitt und hat nicht im engeren Sinne mit Unreliabilität zu tun, wie man ebenfalls aus Nachtigall und Suhl entnehmen kann. Entsprechend würde ich auch ungern einen Siehe-Verweis auf Psychologische Tests einbringen; Regression zur Mitte ist ein viel allgemeineres Phänomen.

--Wolf Rauch 14:51, 15. Nov. 2007 (CET)

Regressionseffekt

Es wäre toll, wenn es zu dieser Seite eine Weiterleitung des Begriffes Regressionseffekt gäbe. Leider weiß ich nicht, wie man das macht. Aber vielleicht hat ja jemand anderes Lust.

129.206.114.208 13:08, 3. Jul. 2008 (CEST)

Regressionsanalyse ist im Abschnitt Geschichte verlinkt. --AT talk 13:53, 3. Jul. 2008 (CEST)

Einleitung

Ich finde das Vater-Sohn-Beispiel in der EInleitung unverständlich. --85.178.218.31 19:04, 30. Nov. 2011 (CET)

Entfernt: Dies ist eine der in Frage kommenden Ursachen für den so genannten Placebo-Effekt.

Die angegebene Quelle sagt folgendes: "Die unter einer Behandlung mit Plazebo zu beobachtenden Verbesserungen sind – zumindest teilweise – auch auf Regression-to-the-mean zurückzuführen." Daraus ist auf gar keinen Fall herauszulesen, dass Regression-to-the-mean eine Ursache für den Placebo-Effekt sei. Die Aussage ist nur, dass bei Behandlung mit einem Placebo, genauso wie bei Behandlung mit einem zu testendem Wirkstoff oder bei keiner Behandlung, und hohen/tiefen Ausgangswerten eine Regression zur Mitte zu erwarten ist. --77.11.57.12 21:50, 13. Aug. 2012 (CEST)

Sorry, aber nochmal: Die Aussage ist einfach nicht korrekt. Falls jemand anderer Auffassung sein sollte und den Satz beibehalten möchte, hätte ich gerne eine Begründung dafür. --137.226.61.74 20:09, 10. Sep. 2012 (CEST)

Die Entfernung des Satzes hätte gereicht da der Rest des Absatzes durch den Einzelnachweis belegt wird. --Millbart talk 21:25, 10. Sep. 2012 (CEST)

Danke. Hatte fälschlicherweise angenommen, die Referenz bezieht sich nur auf den Placebo-Effekt. --95.222.128.250 23:03, 10. Sep. 2012 (CEST)

Die Regression zur Mitte ist eine Ursache dafür, dass Leute fälschlich glauben, ein unwirksames Mittel hätte ihnen geholfen. Sie nehmen das Mittel, wenn es ihnen besonders schlecht geht, und wegen der Regression zur Mitte geht es ihnen hinterher höchstwahrscheinlich besser. Diese Besserung schreiben sie dann aufgrund post hoc ergo propter hoc dem unwirksamen Mittel zu.

Vermutlich ist das mit dem Satz gemeint. Ob man das als Placebo-Effekt bezeichnet, ist wohl Ansichtssache. Auf jeden Fall ist das eines der Dinge, die man durch doppelt verblindete Studien mit Placebo-Kontrolle ausschließt - denn dieser Effekt tritt sowohl bei der Verum- als auch bei der Kontrollgruppe auf und wird deswegen bei der Auswertung herausgekürzt. --Hob (Diskussion) 13:01, 11. Sep. 2012 (CEST)

Intuitive Verständlichkeit

Ich verstehe das ganze so: Beispiel: faire Münzwürfe, 10er Serien. Erste Serie: 10x Zahl 0x Kopf. Erwartungswert für Mittel: 5x Kopf Da die gemessene Serie stark vom zu erwartenden Mittel / Erfahrungswert abweicht, ist zu erwarten dass in der/den nächsten Serie(n) öfter (als 0 mal) Kopf geworfen wird. Das ist auch logisch, da die Wahrscheinlichkeit in einer 10er Serie mindestens 1 mal Kopf zu werfen sehr hoch ist und das ja schon näher am Mittel dran läge, die Wahrscheinlichkeit einer weiteren 10er Serie aus Zahl-Würfen jedoch (wie schon die erste) sehr gering ist. Damit finde ich dieses Gesetz durchaus sehr intuitiv verständlich. Oder begehe ich hier einen Denkfehler? (nicht signierter Beitrag von 134.76.62.65 (Diskussion) 23:33, 22. Apr. 2014 (CEST))

Der Unterschied ist folgender: Bei einer fairen Münze gibt es *keine* externen Faktoren, die das Ergebnis beeinflussen; dieses beruht auf *reinem* Zufall. Regression zur Mitte zeigen Prozesse, die von mehreren unabhängigen zufallsabhängigen Faktoren beeinflusst werden. Es kann wohl mal vorkommen, dass sie das Ergebnis alle in eine Richtung beeinflussen, aber in der Regel (im Durchschnitt) heben sie sich gegenseitig auf. --Arno Matthias (Diskussion) 12:40, 23. Apr. 2014 (CEST)

Nein, der Vorposter hat recht. Regression zur Mitte ist ein Konzept OHNE Autokorrelation. Es ist etwas verwirrend, weil z.B. im Finanzbereich eine Renditeverteilung MIT negativer Autokorrelation als "mean Reversion" oder "Reversion to the mean" bezeichnet wird. Dagen hat die einfache "Regression zur Mitte" gerade KEIN "Gedächtnis" - Beispiel Würfelspiel. 79.142.76.179 12:30, 9. Jul. 2014 (CEST)

Verstehe ich nicht. Auch nach 10xKopf werfen ist die Wahrscheinlichkeit für Kopf oder Zahl beim nächsten Wurf 50%. Das liegt daran, dass die Ereignisse unabhängig sind. Soweit ich das verstanden habe bezieht sich Regression zur Mitte auf Ereignisse, die von einander abhängig sind, aber nicht vollständig abhängig. Bsp.: Sehr größe Mütter bekommen tendenziell kleinere Töchter. Die Ereignisse sind abhängig, da Faktoren wie Gene Einfluss haben, aber nicht vollständig, da es auch indivduelle Einflussfaktoren (z. B. Ernährung) gibt. Bei ziemlich großen Müttern trugen Gene und individuelle Einflussfaktoren positiv zur Größe bei. Tendenziell ist es aber nicht der Fall, dass bei den Töchtern Gene und individuelle Einflussfaktoren positiv zur Größte beitragen. Zu mindest nicht in dem Maße wie bei den Müttern.--77.12.30.85 00:14, 14. Aug. 2015 (CEST)

Die Ereignisse können durchaus unabhängig sein. Nimm als Beispiel die Summe von zwei Würfeln: Damit extreme Ergebnisse wie 2 oder 12 herauskommen, müssen beide Würfel exakt die "richtige" Augenzahl zeigen. Dies ist seltener der Fall als mittlere Ergebnisse wie 6, 7 oder 8, die auf verschiedene Weisen zusammenkommen können. --Arno Matthias (Diskussion) 14:46, 14. Aug. 2015 (CEST)

Einleitung - Voraussetzungen zur Anwendbarkeit der "Regression zur Mitte"

In der Einleitung steht aktuell: "Dies gilt immer, wenn die beiden Messungen korrelieren, aber nicht zu 100 %.". Für mich als Leser suggeriert das die partielle Korrelation eine Voraussetzung für den "Regression zur Mitte" - Effekt ist. Nach meinem Verständnis ist das aber nicht der Fall. Nehmen wir das Beispiel welches hier an anderer Stelle genutzt wurde: ich werfe eine faire Münze 10x und beobachte 10x Kopf, also einen Extremwert da ich eigentlich 5x Kopf erwartet hätte. Regression zur Mitte würde bedeuten das ich nach Wiederholung des Experiments erwarten würde das ich näher am Erwartungswert (5x Kopf) lande. Die beiden Experimente sind aber vollständig unkorreliert. Sollte der Satz in der Einleitung also nicht eher lauten: "der Effekt kann immer auftreten, wenn die Ereignisse nicht vollständig korreliert sind" oder so ähnlich? --Bhundt (Diskussion) 12:38, 24. Apr. 2022 (CEST)

Erklärung

Der Artikel erklärt nicht, wieso dieser Effekt auftritt. Es wird zwar erwähnt, dass dies durch den Einfluss des Zufalls geschieht, aber nicht wie das zur Regression zur Mitte führt. Der englische Artikel macht dies sehr gut anhand des Beispiels von Studenten, die zwei Tests über dasselbe Thema ablegen. Vereinfacht: Das Ergebnis hängt teilweise vom Zufall, teilweise vom Wissen ab. Die besten 10% werden neben gutem Wissen auch viel Glück gehabt haben (der Faktor "Glück" ist also eher in einem der oberen Quantile). Betrachtet man diese Gruppe nun im zweiten Test, so wird das Wissen konstant bleiben, das Glück aber normalverteilt sein ("Glück" verteilt sich also über alle Quantile). Als Konsequenz sinkt das durchschnittliche Ergebnis dieser Gruppe. Und der Effekt ist umso ausgeprägter, je stärker der Einfluss der Zufallskomponente ist. Leider ist das dort ohne Quelle angegeben, hat vielleicht jemand eine ähnliche Beschreibung in einem Fachbuch? --Jogy _{sprich mit mir} 13:23, 23. Sep. 2024 (CEST)