Kernliteratur für den Bayesianischen Ansatz in den Exercise Sciences, erstellt und lfd. aktualisiert durch KI-LitAgent.
2021
Kruschke, J.K.
Bayesian Analysis Reporting Guidelines (BARG)
Nature Human Behaviour, 5, 1282–1291
📌 Verbindlicher Leitfaden für transparente Bayesianische Berichterstattung; sechs Schritte von Modellspezifikation bis Reproduzierbarkeit.
2021
Rosenfeld, J.P. & Olson, J.M.
Bayesian Data Analysis: A Fresh Approach to Power Issues and Null Hypothesis Interpretation
Applied Psychophysiology and Biofeedback, 46, 135–140
📌 Zugängliche Einführung; zeigt praktisch, wie JASP Bayes Factors für t-Tests und ANOVA berechnet – ideal bei kleinen Stichproben.
2025
Waterkamp, C. & Hoffmann, D.
BAYAS: Simplifying Access to Bayesian Analysis for Biologists
Bioinformatics, 41(6), btaf276
📌 Web-Tool für Bayesianische GLMs ohne Programmierkenntnisse. Besonders relevant für biologische Fragestellungen mit kleinen Stichproben – direkt auf Exercise Sciences übertragbar.
2022
Mayo, D.G. & Hand, D.
Statistical Significance and Its Critics: Practicing Damaging Science, or Damaging Scientific Practice?
Synthese, 200, 220
📌 Ausgewogene Gegenperspektive: p-Werte haben ihre Berechtigung, wenn korrekt angewendet. Wichtig für ein differenziertes Bild – wir setzen Bayes additiv, nicht als Ersatz.
2020
Diaz-Quijano, F.A. et al.
How Feasible Is It to Abandon Statistical Significance? A Reflection Based on a Short Survey
BMC Medical Research Methodology, 20, 140
📌 Empirische Befragung: Selbst Kritiker der statistischen Signifikanz können nicht vollständig darauf verzichten. Zeigt die Realität des Wandels.
2021
Bours, M.J.L.
Bayes' Rule in Diagnosis
Journal of Clinical Epidemiology, 131, 158–160
📌 Kompakte Einführung in Vortest-/Nachtest-Wahrscheinlichkeit – direkt übertragbar auf Cut-off-Werte in der Leistungsdiagnostik.
2022
Held, L., Matthews, R., Ott, M. & Pawel, S.
Reverse-Bayes Methods for Evidence Assessment and Research Synthesis
Research Synthesis Methods, 13(3), 295–314
📌 Dreht die Analyserichtung um: Welcher Prior wäre nötig, damit ein Befund seine behauptete Aussagekraft behält? Zentral für die kritische Einordnung von Einzelstudien.
2019
van de Wiel, M.A., Te Beest, D.E. & Münch, M.M.
Learning from a Lot: Empirical Bayes for High-Dimensional Model-Based Prediction
Scandinavian Journal of Statistics
📌 Systematische Übersicht zu Empirical-Bayes-Verfahren – Grundlage für Shrinkage-Schätzungen individueller Athletenwerte.
2024
Barbehenn, A. & Zhao, S.D.
Nonparametric Empirical Bayes Biomarker Imputation and Estimation
Statistics in Medicine, 43(19), 3742–3758
📌 Empirical-Bayes-Verfahren für verrauschte, teils fehlende Biomarker-Messungen – methodisch nah an Leistungsdiagnostik-Daten.
2024
Dudbridge, F.
Empirical Bayes Factors for Common Hypothesis Tests
PLOS ONE, 19(2), e0297874
📌 Praktikable Bayes-Faktoren direkt aus Standardtests (auch aus dem p-Wert allein näherungsweise ableitbar) – niedrigschwelliger Einstieg für die Praxis.
2026
Mulder, J. & van Aert, R.C.M.
Bayes Factor Hypothesis Testing in Meta-Analyses: Practical Advantages and Methodological Considerations
Research Synthesis Methods, 17, 589–623
📌 Zeigt, wie Bayes-Faktoren sequenzielles, kumulatives Lernen über mehrere Studien hinweg ermöglichen – relevant für RAES-Metaanalysen.
2016
Beard, E., Dienes, Z., Muirhead, C. & West, R.
Using Bayes Factors for Testing Hypotheses About Intervention Effectiveness in Addictions Research
Addiction, 111(5), 781–790
📌 Praxisnahe Re-Analyse randomisierter Studien: zeigt, wie Bayes-Faktoren „kein Effekt nachweisbar" von „Effekt widerlegt" unterscheiden.
2024
Sekulovski, N., Marsman, M. & Wagenmakers, E.-J.
A Good Check on the Bayes Factor
Behavior Research Methods
📌 Validierungsverfahren, um Rechenfehler bei Bayes-Faktor-Berechnungen zu erkennen – Qualitätssicherung für eigene Implementierungen.
2025
Klauer, K.C., Meyer-Grant, C.G. & Kellen, D.
On Bayes Factors for Hypothesis Tests
Psychonomic Bulletin & Review, 32, 1070–1094
📌 Alternative Bayes-Faktor-Familien für t-Tests, Regression und ANOVA – ergänzt die Default-Priors mit zusätzlichen theoretischen Gütekriterien.
2021
McLean, S., Kerhervé, H.A., Stevens, N. & Salmon, P.M.
A Systems Analysis Critique of Sport-Science Research
International Journal of Sports Physiology and Performance, 16, 1385–1392
📌 Systemanalyse mit Kausalschleifendiagramm: identifiziert strukturelle Probleme der Sportwissenschaft – darunter überbetonte quantitative Methoden und mangelnde ökologische Validität.
2015
Polderman, T.J.C., Benyamin, B., de Leeuw, C.A., Sullivan, P.F., van Bochoven, A., Visscher, P.M. & Posthuma, D.
Meta-Analysis of the Heritability of Human Traits Based on Fifty Years of Twin Studies
Nature Genetics, 47, 702–709
📌 Umfassendste Heritabilitäts-Meta-Analyse: 2.748 Studien, >14 Mio. Zwillingspaare, 17.804 Merkmale. Mittlere Heritabilität 49% – empirische Grundlage für N=1-Bayes-Ansätze: Kein Merkmal h²=0, jeder Mensch ist physiologisch einzigartig.