Unstatistik des Monats: Big Data knackt Ihre Psyche

104782850.html) verriet uns denn auch chip.de.

Dabei ist diese Zahl gar nicht die Genauigkeit der Prognose. Tatsächlich
bedeutet das Ergebnis: Nimmt man je eine Person pro Gruppe, also einen
homosexuellen und einen heterosexuellen Mann, so kann man diese mit einer
Wahrscheinlichkeit von 88% ihren richtigen Gruppen zuordnen. Die
Prozentzahl bemisst die so genannte „Area under the Curve“ und bezieht
sich auf den Vergleich zwischen den Gruppen, nicht auf die Prognosegüte an
sich.

Doch auch eine echte Wahrscheinlichkeitsaussage wäre mit Vorsicht zu
genießen. Es reicht für unsere Zwecke aus, von einer groben Schätzung von
rund 10% Homosexuellen in der Gesamtbevölkerung auszugehen. In einer
Gruppe von 10.000 Personen wären dann 9.000 hetero- und 1.000 homosexuell.
Wer alle Menschen als heterosexuell klassifizierte, überträfe den
Algorithmus schon um 2 Prozentpunkte, läge aber bei den Homosexuellen
sicher falsch. Ein etwas komplexerer Algorithmus, der in beiden Gruppen
eine Korrektheit von 88% besäße, würde in der ersten Gruppe 7.920 Personen
als hetero- und 1.080 fälschlicherweise als homosexuell einschätzen. In
der zweiten Gruppe werden 880 Personen korrekt eingeschätzt, 120 falsch.
Aufaddiert wird also für 1.960 Personen die Aussage getroffen, dass sie
homosexuell sind. Davon sind aber tatsächlich nur 880 homosexuell, was zu
einer Treffsicherheit von nur etwa 45% führt. Das ist eine ziemlich
enttäuschende Leistung, die sich unmittelbar aus dem Satz von Bayes
ergibt.

Algorithmus formalisiert Alltags-Klischees und liegt oft daneben

Bei Frauen, so wird berichtet, könne man die sexuelle Orientierung nur mit
75% Sicherheit vorhersagen. Mit der gleichen Analyse wie oben ergibt sich
daraus, dass nur 25% von allen als homosexuell diagnostizierten Frauen
tatsächlich homosexuell sind. Die meisten sind Fehldiagnosen.

Also, wenn Sie wissen, ob sie homosexuell sind, dann sagt Ihnen der
Algorithmus nichts Neues. Wenn Sie sich nicht sicher sind und Sie die
Diagnose „homosexuell“ erhalten, dann ist die Diagnose wahrscheinlich ein
Irrtum. Wie wir schon zuvor bei der Vorhersage von Pankreaskrebs durch die
Microsoft-Suchmaschine Bing berichteten: Viel Lärm um Big Data.

Selbst wenn alle Daten korrekt wären, ist der Algorithmus kaum mehr als
eine Formalisierung von Alltags-Klischees. Wenn ein Mann freimütig
erzählt, dass er sich brennend für Make-Up und Mode interessiert, müssen
wir uns selbstkritisch fragen, wie gefeit wir vor unwillkürlichen
Einschätzungen sind. So folgert auch der Algorithmus: Männer, die die
Kosmetikmarke MAC mögen, sind mit höherer Wahrscheinlichkeit homosexuell.
Eher sollten wir uns also darüber Sorgen machen, wie sehr Facebooks
Algorithmus die in unseren Köpfen verankerten Vorurteile bestärkt.


Mit der „Unstatistik des Monats“ hinterfragen der Berliner Psychologe Gerd
Gigerenzer, der Dortmunder Statistiker Walter Krämer und RWI-Vizepräsident
Thomas K. Bauer jeden Monat sowohl jüngst publizierte Zahlen als auch
deren Interpretationen.  In diesem Monat hat die Gastautorin Katharina
Schüller, Geschäftsleiterin und Gründerin von STAT-UP, die „Unstatistik“
verfasst.

Weitere Informationen finden Sie unter
http://www.unstatistik.de - Weitere Unstatistiken, Informationen, Kontakte & Archiv