Studie zur Präkognition

@Dr.Shrimp

Vielleicht hätten wir jemanden Fragen sollen der sich mit sowas auskennt.

:D

Ich bleib bei der Meinung das 53/47 ein statistisches Artefakt ist und hoffe darauf, das sollte dem nicht so sein, sich ein Fachkundiger findet der überzeugend das Gegenteil darlegt.

@interpreter

Ich hab nochmal alles durchgesucht, ich finde nur Sachen zur Fallzahlplanung bei Quantitativen Analysen, nicht bei Qualitativen.

Ich frag mal nen Dozenten und poste es dann, ob 100 ausreichen und wie man es rechnet, wenn man es berechnen kann. ^^

Aber auf jeden Fall schön, dass ich hier mein Hirn verdrehe und Fallzahlen berechne, obwohl es so gar nicht geht.

Manchmal bin ich so ein Affe.

@Dr.Shrimp

Jo das wäre interessant.

( natürlich die Frage wie man es jetzt berechnet )

@UffTaTa

UffTaTa schrieb:Vorhersagen, was in der Zukunft passiert - das ist Stoff für Science-Fiction-Filme. Oder tatsächlich machbar?

ist nicht jeder von uns ein hellseher? oder eben nicht?
jeder einzelne trifft tausende von vorhersagen - jeden tag.. z.B. ich werde aufstehen.
ich werde mich setzen. ich werde bei allmy chatten. usw...
und all diese vorhersagen treffen ein oder auch nicht..

ich kann vorhersagen machen über das wetter, oder das ergebnis eines fussballspiels, und auch diese vorhersagen treffen dann ein oder auch nicht..

@jiddu

jiddu schrieb:ich kann vorhersagen machen über das wetter, oder das ergebnis eines fussballspiels, und auch diese vorhersagen treffen dann ein oder auch nicht..

Jaaaa, aber treffen deine Vorhersagen mit 53% zu? ^^

nein, eher zu 50% entweder ja oder nein - vielleicht gibts da nicht, also auch keine 53%

@interpreter

Ich hab grad nochmal nachgedacht.

binär, nominal wäre es doch nur, wenn jeder der 100 Probanden nur einmal probiert. Es wurde aber bei jedem mehrmals der Test durchgeführt.

Und dann hatte man doch für jeden der 100 Probanden einen Prozentwert an korrekten Vorhersagen.

Proband 1: 52%
Proband 2: 54%
Proband 3: 49%
.... etc.

Mittelwert ~ 53%

und nicht:

Proband 1: Ja
Proband 2: Ja
Proband 3: Nein

....

So wird es quantitativ.

Dann könnte man es doch so rechnen, wie ich das gemacht hab?

Also wie stark weichen die einzelnen Prozentwerte der Probanden vom Mittelwert ab. Dann wäre eine Standardabweichung von 10 ziemlich viel und meine Berechnung wäre ok, oder? ^^

@Dr.Shrimp

Jo... Aber dann müsstest du nochmal die genauen Werte nachlesen. Außerdem ist die Standardabweichung ja sicher auch von der Skala abhängig die man auch noch definieren muss.

@interpreter

interpreter schrieb:Außerdem ist die Standardabweichung ja sicher auch von der Skala abhängig

Ja, ist sie!

interpreter schrieb:von der Skala abhängig die man auch noch definieren muss.

Na Prozent halt. 1% bis 100%.

Dann wären die Abstände um die 1 bis 3 zum Mittelwert. quadrieren, Aufsummieren, Wurzel ziehen, durch die Fallzahl und dann haste den Standardfehler. Ist doch auf jeden Fall weniger als 10.

Ich hab die hohe Standardabweichung extra als eine Art Majorante genommen, weil für kleinere auf jeden Fall die Fallzahl auch ausreichend wäre. ^^

@Dr.Shrimp

Wenn du dich bemüßigt fühlst mal nachzuschauen,

http://dl.dropbox.com/u/8290411/FeelingFuture.pdf (Archiv-Version vom 14.07.2011)

das ist meines Wissens die fragliche Studie.

@interpreter

Auf Seite 9 f. kommen die Berechnungen der Signifikanztests. ist wohl methodisch einwandfrei. Deswegen hat es wahrscheinlich auch seinen Weg in den Spiegel gefunden.

@Dr.Shrimp

leider wird nicht angegeben wie die genaue Struktur des Programme ist und wie die Zahlen der Zufallsgeneratoren zu Entscheidungen reduziert werden. Da kann man ne Menge falsch machen und so ein intuitives Lernen des Tests verursachen.
Soviel ich weiß könnte das Ergebnis ebenso bedeuten das Menschen dazu fähig sind die Ergebnisse von Zufallsgeneratoren zu antizipieren.

Da die Ergebnisse außerdem nicht reproduziert werden konnten, denke ich mal das trotz methodischer Korrektheit, die Studie nicht viel bedeutet.

Die APA ( die diese Studie herausgegeben hat ) wurde übrigens dafür kritisiert es mit Grenzwi.ssenschaften nicht ganz so genau zu nehmen...

Das sind alles natürlich keine zwingenden Gründe das die Studie nicht stimmt, felsenfest allerdings steht sie keineswegs.

@interpreter

interpreter schrieb:wie die Zahlen der Zufallsgeneratoren zu Entscheidungen reduziert werden. Da kann man ne Menge falsch machen und so ein intuitives Lernen des Tests verursachen.

Du meinst jetzt, dass die Random-Funktion letztendlich eine vordefinierte Reihenfolge von Zahlen ist, die man intuitiv erlernen kann?

Dazu steht auf den Seiten danach was. oO

Dr.Shrimp schrieb:Du meinst jetzt, dass die Random-Funktion letztendlich eine vordefinierte Reihenfolge von Zahlen ist, die man intuitiv erlernen kann?

Computerprogramme erzeugen niemals echte Zufallszahlen ( das ist unmöglich ) sondern immer nur mehr oder weniger gute Pseudozufallszahlen.
Diese stehen IMMER in bestimmten mathematischen Zusammenhängen zueinander. Da hier aber nicht die konkreten Zufallszahlen sondern aus diesen Zufallszahlen reduzierte Entscheidungen zum tragen kommen, kann das noch viel Signifikanter sein.

Bestimmte Zufallsgeneratoren erzeugen inhomogene Zahlengruppen und wenn man beispielsweise alle im oberen Bereich als A und im unteren Bereich als B wertet oder wenn man beispielsweise alle geraden Zahlen als A und alle ungeraden als B wertet kann es je nach Zufallsgenerator ein durchaus voraussehbares Muster geben.

Wobei wir aber immernoch keine Mathe-Genies eingerechnet haben die auch hoch-komplexe Muster intuitiv erfassen und bei dem System viele Schritte zeit haben das selbe zu lernen.

@interpreter

In der Studie selbst steht dazu.

At the methodological level, the problem is that the random functions included in most
computer languages are not very good in that they fail one or more of the mathematical tests
used to assess the randomness of a sequence of numbers (L’Ecuyer, 2001), such as Marsaglia’s
rigorous Diehard Battery of Tests of Randomness (1995). Such random functions are sometimes
called pseudo random number generators (PRNGs) because they use a mathematical algorithm to
generate each subsequent number from the previous number, and the sequence of numbers is
random only in the sense that it satisfies (or should satisfy) certain mathematical tests of
randomness. It is not random in the sense of being indeterminate because once the initial starting
number (the seed) is set, all future numbers in the sequence are fully determined.
In contrast, a hardware-based or “true” RNG is based on a physical process, such as
radioactive decay or diode noise, and the sequence of numbers is indeterminate in the quantum
mechanical sense.

This still leaves open the artifactual alternative that the output from the RNG is producing
inadequately randomized sequences containing patterns that fortuitously match participants’ Feeling the Future 14
response biases. In the present experiment, this possibility is ruled out by the twin findings that
erotic targets were detected significantly more frequently than randomly interspersed nonerotic
targets and that the nonerotic targets themselves were not detected significantly more frequently
than chance.

@interpreter


Na jetzt wirds aber esoterisch.Du kannst ja mal ausrechnen wie groß diese Abweichung von "wirklichen" Zufallszahlen ist und wieviele zehntausend Durchgänge notwendig sind um überhaupt einen Unterschied festzustellen.

@UffTaTa
@interpreter

Ich geb UffTaTa recht, das kriegst du so schnell nicht intuitiv gelernt. Wenn das ginge, dann wäre Hellsehen auch nicht mehr irrational. ^^

Damit löst sich diese Besorgnis in ein Logikwölkchen auf.

Denn wie gesagt!

Dr.Shrimp schrieb:this possibility is ruled out by the twin findings that
erotic targets were detected significantly more frequently than randomly interspersed nonerotic
targets and that the nonerotic targets themselves were not detected significantly more frequently
than chance.

@UffTaTa
@Dr.Shrimp

ich meine nicht das sich die eigentlichen Zufallszahlen vorhersehen lassen.

Aber man muss die Zufallszahlen irgendwie in Ja-Nein entscheidungen umwandeln.

Und während die meisten Zufallsgeneratoren, was die eigentlichen Zufallszahlen angeht, eine ausreichende Zufälligkeit aufweisen, sieht das bei reduzierten Mustern ganz anders aus.

Als naives Beispiel, ein Zufallsgenerator der Primzahlen erzeugt:
7, 5, 13, 31,17,7,19, etc.

wollen wir daraus eine zufällige Ja-Nein-Entscheidung destilieren ohne zu wissen das unser Zufallsgenerator nur Primzahlen erzeugt nutzen wir darauf die Funktion modulo2 die bei echten Zufallszahlen eine etwa 50/50 chance hat auf das Ergebnis 0 bzw 1.

bei unserem Muster würde sie 1,1,1,1,1,1,1,1,1.... erzeugen.


natürlich wird es kaum so offensichtlich sein aber einen ähnlichen Fehler halte ich durchaus für möglich.
Bei einem Savant sieht es natürlich wieder noch ne Nummer extremer aus mit dem lernen und verstehen solcher Muster.

@interpreter

Ich weiß, dass du das intuitive erraten von generierten Mustern meinst.

Aber das kann man nahezu ausschließen, weil es ja nur bei den erotischen Bildern eine signifikante Trefferquote gab, bei den andern Bildern aber die Nullhypothese zutraf.

Ich denke wirklich nicht, dass die Randomisierungsmethode da Probleme verursacht hat.

Dr.Shrimp schrieb: this possibility is ruled out by the twin findings that
erotic targets were detected significantly more frequently than randomly interspersed nonerotic
targets and that the nonerotic targets themselves were not detected significantly more frequently
than chance.

Man hält also die erotischen Bilder für ein ausreichenden Stimulus, Präkognition zu erzeugen, nicht aber für intuitive Mathematik?

Sehr merkwürdige Logik.

Dr.Shrimp schrieb:Ich denke wirklich nicht, dass die Randomisierungsmethode da Probleme verursacht hat.

Ich halte die Vermutung, das die Zufallsmethode Probleme verursacht hat für ebenso zulässig oder unzulässig wie die Schlussfolgerung dieser Studie.