ABI LF - Hypothesentests als Entscheidungsverfahren verstehen

ABI LF - Hypothesentests als Entscheidungsverfahren verstehen

Mini-Beschreibung: Du verstehst Hypothesentests als regelgeleitete Entscheidungen unter Zufallseinfluss – nicht als endgültigen Wahrheitsbeweis. Im Zentrum stehen Binomialverteilungen, Entscheidungsregeln, Fehlerwahrscheinlichkeiten und Simulationen auf Leistungsfachniveau.

Einleitung

Ein Hypothesentest beantwortet nicht die Frage „Was ist sicher wahr?“, sondern: Welche Entscheidung ist unter einer festgelegten Regel mit kontrolliertem Fehlerrisiko zu treffen?

Beobachtet wird eine Zufallsvariable $X$. Unter der Nullhypothese wird ihre Verteilung festgelegt. Ein vorher bestimmter Ablehnungsbereich entscheidet anschließend darüber, ob $H_0$ verworfen wird.

Merksatz: Ein nicht verworfenes $H_0$ ist nicht bewiesen. Ein verworfenes $H_0$ ist ebenfalls kein absoluter Wahrheitsbeweis für $H_1$.

Video laden

YouTube

YouTube sammelt möglicherweise persönliche Daten. Datenschutzrichtlinie

Fortfahren Ausblenden

Lernziele

Nach diesem aiMOOC kannst Du

1. Hypothesentest: einen Test als Folge aus Modell, Hypothesen, Testgröße, Signifikanzniveau, Entscheidungsregel und Entscheidung darstellen.
2. Binomialverteilung: ein geeignetes Binomialmodell erkennen und Wahrscheinlichkeiten exakt formulieren.
3. Ablehnungsbereich: kritische Grenzen für ein- und zweiseitige Tests bestimmen und begründen.
4. Fehler 1. Art: die Wahrscheinlichkeit einer fälschlichen Ablehnung von $H_0$ berechnen und interpretieren.
5. Fehler 2. Art: die Abhängigkeit des Fehlers von einer konkreten Alternative erklären.
6. Simulation: zufällige Schwankungen von Testentscheidungen untersuchen und Simulationsergebnisse von exakten Wahrscheinlichkeiten unterscheiden.
7. Mathematische Argumentation: Rechenwege, Modellannahmen und KI-Ausgaben kritisch prüfen.

Abiturbezug Baden-Württemberg

Dieser Kurs ist auf das Mathematik-Abitur 2027 im Leistungsfach in Baden-Württemberg ausgerichtet. Maßgeblich bleiben der jeweils gültige Bildungsplan, der aktuelle Facherlass und die offiziellen Prüfungsinformationen.

1. Abiturinformationen des Kultusministeriums Baden-Württemberg: Prüfe hier Prüfungsjahrgang, Facherlass und zugelassene Hilfsmittel.
2. Mathematik am Regierungspräsidium Karlsruhe: Hier findest Du aktuelle Hinweise zu Formelsammlung und wissenschaftlichem Taschenrechner.
3. Prüfungsvorbereitung: GeoGebra, Simulationen, LernApps und KI sind wertvolle Übungswerkzeuge, aber nicht automatisch zugelassene Prüfungshilfsmittel.
4. Begründung: Im Leistungsfach reicht ein Ergebnis ohne nachvollziehbaren mathematischen Weg meist nicht aus. Modellwahl, Testseite und Entscheidungsregel müssen begründet werden.

Wichtig: KI kann Rechenwege vorschlagen, aber Du musst Verteilung, Randwahrscheinlichkeit, Ungleichungsrichtung und Schlussfolgerung selbst mathematisch prüfen. KI ersetzt keinen Beweis.

Vorwissen-Check

Bearbeite zunächst ohne Hilfsmittel.

1. Bernoulli-Kette: Welche Bedingungen müssen erfüllt sein, damit $X\sim B(n,p)$ modelliert werden kann?
2. Erwartungswert: Bestimme für $X\sim B(80,\mathrm{0,3})$ den Erwartungswert.
3. Randwahrscheinlichkeit: Formuliere „mindestens 28 Treffer“ als Wahrscheinlichkeit.
4. Gegenereignis: Schreibe $P(X\ge 28)$ mithilfe einer kumulierten Wahrscheinlichkeit.

Kontrolle

1. Unabhängige gleichartige Versuche mit genau zwei relevanten Ausgängen und konstanter Trefferwahrscheinlichkeit.
2. $E(X)=np=80\cdot \mathrm{0,3}=24$.
3. $P(X\ge 28)$.
4. $P(X\ge 28)=1-P(X\le 27)$.

Kernidee: Entscheiden unter Zufallseinfluss

Ein Test besteht aus einer vor dem Beobachten festgelegten Regel.

1. Nullhypothese: Ausgangsannahme $H_0$.
2. Alternativhypothese: inhaltliche Gegenrichtung $H_1$.
3. Teststatistik: beobachtbare Zufallsvariable $X$.
4. Signifikanzniveau: maximal akzeptiertes Risiko $\alpha$ für einen Fehler 1. Art.
5. Ablehnungsbereich: Werte von $X$, bei denen $H_0$ verworfen wird.
6. Entscheidungsregel: „Liegt der beobachtete Wert im Ablehnungsbereich, verwerfe $H_0$.“

Die Animation verdeutlicht, dass sich die Bereiche für Fehler 1. und 2. Art aus überlappenden Verteilungen ergeben können. Eine strengere Regel gegen Fehlalarme kann gleichzeitig andere Fehler wahrscheinlicher machen.

Einseitig oder zweiseitig?

Rechtsseitig bei einer vermuteten Erhöhung:

$H_0:p\le p_0$

$H_1:p>p_0$

Linksseitig bei einer vermuteten Verringerung:

$H_0:p\ge p_0$

$H_1:p<p_0$

Zweiseitig bei jeder relevanten Abweichung:

$H_0:p=p_0$

$H_1:p\ne p_0$

Denkfrage: Die Testseite folgt aus dem Sachkontext – nicht aus dem beobachteten Ergebnis.

Binomialverteilung als Testmodell

Für eine Binomialverteilung gilt

$P(X=k)=(\genfrac{}{}{0ex}{}{n}{k})p^k(1-p{)}^{n-k}$

mit

$X\sim B(n,p)$.

Die kumulierte Wahrscheinlichkeit lautet

$P(X\le k)=\sum _{i=0}^k(\genfrac{}{}{0ex}{}{n}{i})p^i(1-p{)}^{n-i}$.

Für einen rechten Rand ist oft praktisch:

$P(X\ge k)=1-P(X\le k-1)$.

Interaktives Modell: Verändere $n$, $p$ und die Intervallgrenzen. Beobachte, wie sich Form und Randwahrscheinlichkeiten verändern.

Das Galtonbrett visualisiert wiederholte Zufallsentscheidungen. Beim Binomialmodell interessiert uns die Anzahl der Treffer nach einer festen Zahl von Versuchen.

Beispiel: Entscheidungsregel Schritt für Schritt

Ein Produktionsprozess soll höchstens $20\mathrm{\%}$ Ausschuss erzeugen. Eine Stichprobe enthält $n=100$ Teile. Es soll auf eine Erhöhung der Ausschussquote getestet werden. Das Signifikanzniveau sei $\alpha =\mathrm{0,05}$.

Schritt 1: Hypothesen

$H_0:p\le \mathrm{0,20}$

$H_1:p>\mathrm{0,20}$

Da nur große Ausschusszahlen gegen $H_0$ sprechen, wird rechtsseitig getestet.

Schritt 2: Testgröße

Testgröße: $X$ ist die Anzahl der Ausschussteile unter 100 geprüften Teilen.

Am Rand der Nullhypothese gilt

$X\sim B(100,\mathrm{0,20})$.

Schritt 3: Kritische Grenze

Gesucht ist die kleinste ganze Zahl $c$ mit

$P_{\mathrm{0,20}}(X\ge c)\le \mathrm{0,05}$.

Für $c=27$ gilt näherungsweise

$P(X\ge 27)\approx \mathrm{0,05583}$,

also noch zu groß.

Für $c=28$ gilt

$P(X\ge 28)\approx \mathrm{0,03415}$.

Damit lautet der Ablehnungsbereich

$A=\{28,29,\dots ,100\}$.

Schritt 4: Entscheidungsregel

Beobachtung $x\ge 28$: $H_0$ wird verworfen.

Beobachtung $x\le 27$: $H_0$ wird nicht verworfen.

Das tatsächlich erreichte Fehlerniveau ist wegen der diskreten Verteilung hier

${\alpha }_{\mathrm{e}\mathrm{x}\mathrm{a}\mathrm{k}\mathrm{t}}\approx \mathrm{0,03415}$

und damit kleiner als $\mathrm{0,05}$.

Video laden

YouTube

YouTube sammelt möglicherweise persönliche Daten. Datenschutzrichtlinie

Fortfahren Ausblenden

Fehler 1. und 2. Art

Fehler 1. Art: $H_0$ ist richtig, wird aber verworfen.

Die Wahrscheinlichkeit für einen Fehler 1. Art erfüllt $P(\mathrm{F}\mathrm{e}\mathrm{h}\mathrm{l}\mathrm{e}\mathrm{r}\mathrm{1.}\mathrm{A}\mathrm{r}\mathrm{t})\le \alpha$.

Fehler 2. Art: $H_0$ wird nicht verworfen, obwohl eine konkrete Alternative gilt.

Nehmen wir im Beispiel tatsächlich $p=\mathrm{0,30}$ an. Dann gilt für die oben festgelegte Regel:

$\beta (\mathrm{0,30})=P_{\mathrm{0,30}}(X\le 27)\approx \mathrm{0,29637}$.

Die Teststärke bei dieser Alternative beträgt

$1-\beta (\mathrm{0,30})\approx \mathrm{0,70363}$.

Leistungsfach-Punkt: $\beta$ ist normalerweise keine einzelne feste Zahl, sondern hängt von der tatsächlich betrachteten Alternative $p$ ab.

Simulation: Was bedeutet das Fehlerrisiko praktisch?

Stell Dir $10000$ Wiederholungen des gesamten Tests unter $p=\mathrm{0,20}$ vor. Die Regel verwirft bei $X\ge 28$.

Der theoretische Anteil der Verwerfungen ist ungefähr

$\mathrm{0,03415}$.

Bei $10000$ Tests erwartet man daher ungefähr

$10000\cdot \mathrm{0,03415}\approx 342$

Verwerfungen, obwohl der Randfall von $H_0$ gilt.

Aber: Eine Simulation liefert nicht genau 342. Sie schwankt zufällig um den theoretisch erwarteten Wert.

Interaktiver Hypothesentest

Verändere im GeoGebra-Modell Stichprobenumfang, Nullhypothese, Testseite und Signifikanzniveau. Prüfe dabei jeweils zuerst Deine eigene Prognose.

Arbeitsauftrag:

1. Stelle $n=100$, $p_0=\mathrm{0,20}$ und einen rechtsseitigen Test ein.
2. Suche die kritische Grenze.
3. Erhöhe $n$ und beobachte, wie sich die Entscheidungsschwelle relativ zu $n$ verändert.
4. Vergleiche ein Signifikanzniveau von $5\mathrm{\%}$ mit $1\mathrm{\%}$.
5. Erkläre, warum eine kleinere Irrtumswahrscheinlichkeit 1. Art nicht automatisch „bessere“ Entscheidungen in jeder Hinsicht bedeutet.

Übungen mit Hilfen und Feedback

Übung 1: Rechtsseitiger Test

Gegeben sei

$X\sim B(50,\mathrm{0,40})$

und $\alpha =\mathrm{0,05}$. Bestimme die kleinste kritische Grenze $c$ für einen rechtsseitigen Test.

Hilfe: Prüfe nacheinander Randwahrscheinlichkeiten der Form $P(X\ge c)$.

Feedback: $P(X\ge 26)\approx \mathrm{0,05734}$ ist zu groß, aber $P(X\ge 27)\approx \mathrm{0,03141}$ ist zulässig. Daher ist $c=27$.

Übung 2: Linksseitiger Test

Gegeben sei

$X\sim B(60,\mathrm{0,70})$

und $\alpha =\mathrm{0,05}$. Bestimme den größten Wert $c$, für den linksseitig verworfen werden darf.

Hilfe: Gesucht ist $P(X\le c)\le \mathrm{0,05}$.

Feedback: $P(X\le 35)\approx \mathrm{0,03624}$, während $P(X\le 36)\approx \mathrm{0,06324}$. Damit ist $c=35$.

Video laden

YouTube

YouTube sammelt möglicherweise persönliche Daten. Datenschutzrichtlinie

Fortfahren Ausblenden

Übung 3: Zweiseitiger Test

Für $X\sim B(40,\mathrm{0,50})$ soll zweiseitig mit insgesamt höchstens $5\mathrm{\%}$ getestet werden. Verteile das Niveau symmetrisch auf beide Ränder.

Hilfe: Prüfe links $P(X\le c_1)\le \mathrm{0,025}$ und rechts $P(X\ge c_2)\le \mathrm{0,025}$.

Feedback: Geeignet sind $c_1=13$ und $c_2=27$. Das exakte Gesamtniveau beträgt ungefähr $\mathrm{0,03848}$.

Fehleranalyse

Typische Fehlwege im Abitur:

1. Testrichtung: Die Richtung wird aus dem beobachteten Stichprobenergebnis statt aus der Fragestellung gewählt.
2. Nullhypothese: „Nicht verworfen“ wird fälschlich mit „bewiesen“ gleichgesetzt.
3. Signifikanzniveau: Bei diskreten Verteilungen wird $P=\alpha$ erzwungen, obwohl nur $P\le \alpha$ verlangt ist.
4. Randwahrscheinlichkeit: Bei $P(X\ge c)$ wird versehentlich $1-P(X\le c)$ statt $1-P(X\le c-1)$ verwendet.
5. Fehler 2. Art: $\beta$ wird angegeben, ohne eine konkrete Alternative festzulegen.
6. Modellkritik: Unabhängigkeit, konstantes $p$ oder Zufälligkeit der Stichprobe werden ungeprüft vorausgesetzt.
7. KI-Prüfung: Ein KI-Ergebnis wird übernommen, ohne Testseite, Verteilung und Rundung zu kontrollieren.

Diagnosefrage: Eine KI behauptet: „Da $H_0$ nicht verworfen wird, ist $H_0$ mit 95 Prozent Wahrscheinlichkeit wahr.“ Erkläre präzise, warum diese Aussage aus einem klassischen Signifikanztest nicht folgt.

Mehrfaches Testen als Transfer

Wenn viele Tests gleichzeitig durchgeführt werden, können auch unter gültigen Nullhypothesen zufällig auffällige Ergebnisse auftreten.

Transferfrage: Warum ist „mindestens ein signifikantes Ergebnis“ bei 30 Tests etwas anderes als ein einzelner Test mit Signifikanzniveau $5\mathrm{\%}$?

Selbstkontrolle

Entscheide für jede Aussage: stimmt oder stimmt nicht. Begründe kurz.

1. Ein Signifikanzniveau von $5\mathrm{\%}$ bedeutet, dass $H_0$ mit Wahrscheinlichkeit $95\mathrm{\%}$ wahr ist.
2. Die Testseite muss vor der Auswertung des Stichprobenergebnisses aus dem Kontext festgelegt werden.
3. Bei einer diskreten Testgröße kann das tatsächliche Fehlerniveau kleiner als das vorgegebene $\alpha$ sein.
4. Ein größerer Stichprobenumfang kann die Trennschärfe eines Tests erhöhen.
5. Ein Fehler 2. Art lässt sich nur relativ zu einer konkreten Alternative quantifizieren.
6. Simulationen ersetzen die exakte Wahrscheinlichkeitsrechnung grundsätzlich.

Lösung: falsch, richtig, richtig, richtig, richtig, falsch.

Transfer

Eine Behörde prüft, ob der Anteil defekter Sensoren über einer zugesicherten Grenze liegt. Entwickle selbstständig ein Testverfahren.

1. Definiere den Parameter $p$.
2. Formuliere $H_0$ und $H_1$.
3. Lege $n$ und $\alpha$ begründet fest.
4. Bestimme eine Entscheidungsregel.
5. Untersuche mindestens zwei konkrete Alternativen und vergleiche die Fehlerwahrscheinlichkeiten 2. Art.
6. Diskutiere, welche praktische Bedeutung Fehlalarm und Übersehen eines Problems jeweils haben.

Kompetenzcheck

Du bist prüfungsbereit, wenn Du ohne Vorlage

1. den Sachkontext in ein Binomialmodell übersetzen kannst,
2. die passende Testseite begründest,
3. einen Ablehnungsbereich über Randwahrscheinlichkeiten bestimmst,
4. eine beobachtete Stichprobe korrekt nach der vorher festgelegten Regel entscheidest,
5. Fehler 1. und 2. Art sprachlich und mathematisch unterscheidest,
6. Simulation und exakte Wahrscheinlichkeit auseinanderhältst,
7. Ergebnisse in den Sachkontext zurückübersetzt,
8. Rechner- oder KI-Ergebnisse durch mathematische Plausibilitätskontrollen absicherst.

Reflexion

1. Entscheidung unter Unsicherheit: Welche Information liefert ein Hypothesentest tatsächlich?
2. Fehlerrisiko: Welche Folgen hätte in Deinem Beispiel ein Fehler 1. Art und welche ein Fehler 2. Art?
3. Modellgrenzen: Welche Annahme des Binomialmodells ist in realen Anwendungen besonders kritisch?
4. Beweis und Statistik: Worin unterscheidet sich ein statistisch gestütztes Urteil von einem mathematischen Beweis?

Folgekurs

Als nächstes passen besonders:

1. ABI LF - Fehler 1. und 2. Art analysieren
2. ABI LF - Signifikanzniveau und Teststärke untersuchen
3. ABI LF - Binomialverteilungen im Abitur modellieren
4. ABI LF - Stochastische Modelle kritisch beurteilen

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Was beschreibt ein Hypothesentest am treffendsten? (Eine regelgeleitete Entscheidung unter Zufallseinfluss) (!Einen endgültigen Wahrheitsbeweis) (!Eine sichere Bestimmung des unbekannten Parameters) (!Eine reine Datensammlung ohne Entscheidungsregel)

Wann wird bei einem rechtsseitigen Test gegen die Nullhypothese entschieden? (Bei hinreichend großen Werten der Teststatistik) (!Bei allen Werten nahe am Erwartungswert) (!Nur bei kleinen Werten der Teststatistik) (!Immer wenn die Stichprobe groß ist)

Was kontrolliert das Signifikanzniveau? (Das maximale Risiko eines Fehlers erster Art) (!Die Sicherheit der Nullhypothese) (!Die Größe der Stichprobe) (!Die Anzahl möglicher Hypothesen)

Was bedeutet es, wenn die Nullhypothese nicht verworfen wird? (Die Daten reichen für eine Verwerfung nach der Regel nicht aus) (!Die Nullhypothese ist bewiesen) (!Die Alternativhypothese ist widerlegt) (!Der Test war fehlerfrei)

Warum kann das tatsächliche Signifikanzniveau kleiner als das vorgegebene Niveau sein? (Weil die Binomialverteilung diskret ist) (!Weil jede Stichprobe fehlerfrei ist) (!Weil der Erwartungswert immer ganzzahlig ist) (!Weil Simulationen exakt sind)

Wovon hängt der Fehler zweiter Art wesentlich ab? (Von der konkret betrachteten Alternative) (!Nur vom Namen der Nullhypothese) (!Nur von der Anzahl der Antwortmöglichkeiten) (!Nur vom verwendeten Taschenrechner)

Welche Aussage zur Testseite ist richtig? (Sie wird aus dem Sachkontext vor der Auswertung festgelegt) (!Sie wird nach dem beobachteten Ergebnis gewählt) (!Sie ist immer zweiseitig) (!Sie hängt nur vom Stichprobenumfang ab)

Welche Wahrscheinlichkeit gehört zu einem rechten Ablehnungsbereich ab c? (Die Wahrscheinlichkeit für mindestens c Treffer) (!Die Wahrscheinlichkeit für höchstens c Treffer) (!Nur die Wahrscheinlichkeit für genau c Treffer) (!Die Wahrscheinlichkeit für weniger als c Treffer)

Welche Rolle hat eine Simulation im Hypothesentest? (Sie veranschaulicht die zufällige Streuung wiederholter Entscheidungen) (!Sie beweist die Nullhypothese) (!Sie ersetzt jede exakte Rechnung) (!Sie macht das Signifikanzniveau bedeutungslos)

Was ist bei KI-Unterstützung mathematisch notwendig? (Die Ausgabe durch eigene Rechnungen und Begründungen prüfen) (!Jede Ausgabe ungeprüft übernehmen) (!Nur die sprachliche Form kontrollieren) (!Auf Wahrscheinlichkeitsrechnungen verzichten)

Memory

Nullhypothese	zu prüfende Ausgangsannahme
Alternativhypothese	inhaltliche Gegenrichtung
Signifikanzniveau	Obergrenze für Fehler erster Art
Ablehnungsbereich	Ergebnisse gegen die Ausgangsannahme
Teststatistik	ausgewertete Zufallsvariable
Teststärke	Wahrscheinlichkeit einer richtigen Verwerfung

Drag and Drop

Ordne die richtigen Begriffe zu.	Phase
Hypothesen	Ausgangsannahme und Gegenrichtung
Teststatistik	Zufallsvariable festlegen
Signifikanzniveau	Fehlerrisiko begrenzen
Ablehnungsbereich	kritische Werte bestimmen
Entscheidung	Beobachtung mit Regel vergleichen

Kreuzworträtsel

Nullhypothese	Wie heißt die zu prüfende Ausgangsannahme?
Stichprobe	Wie heißt die untersuchte Auswahl aus einer Grundgesamtheit?
Teststatistik	Wie heißt die Zufallsvariable, auf der die Entscheidung beruht?
Signifikanz	Welcher Begriff bezeichnet die statistische Auffälligkeit einer Entscheidung?
Binomialtest	Welcher Test nutzt eine binomialverteilte Teststatistik?
Simulation	Wie heißt das wiederholte zufällige Nachbilden eines Experiments?

Lückentext

Vervollständige den Text.

Ein Hypothesentest ist eine regelgeleitete unter Zufallseinfluss. Die Ausgangsannahme heißt . Das maximal vorgegebene Risiko für eine fälschliche Verwerfung heißt . Bei einem rechtsseitigen Test sprechen besonders Werte der Teststatistik gegen die Nullhypothese. Der Bereich kritischer Ergebnisse heißt . Bei einer diskreten Binomialverteilung kann das tatsächlich erreichte Fehlerniveau als das vorgegebene Niveau sein. Ein Nichtverwerfen der Nullhypothese ist kein für ihre Wahrheit. Eine Simulation zeigt die zufällige wiederholter Testentscheidungen.

Offene Aufgaben

Leicht

1. Entscheidungsregel formulieren: Schreibe für ein selbst gewähltes Alltagsbeispiel eine sprachliche Regel für Verwerfen und Nichtverwerfen.
2. Hypothesen erkennen: Erfinde drei Situationen und formuliere jeweils passende einseitige Hypothesen.
3. Verteilung visualisieren: Nutze das GeoGebra-Modell und dokumentiere mit Screenshots, wie sich die Binomialverteilung bei verändertem $p$ verschiebt.
4. Fehlinterpretationen sammeln: Formuliere drei typische falsche Aussagen über Signifikanz und verbessere sie.

Standard

1. Kritische Grenze bestimmen: Wähle ein eigenes $n$, $p_0$ und $\alpha$ und bestimme einen einseitigen Ablehnungsbereich.
2. Simulation durchführen: Simuliere wiederholte Tests und vergleiche den beobachteten Anteil falscher Verwerfungen mit dem theoretischen Wert.
3. Erklärvideo erstellen: Produziere ein kurzes Video, das den Unterschied zwischen „nicht verworfen“ und „bewiesen“ erklärt, ohne personenbezogene Daten zu verwenden.
4. Fehlerwahrscheinlichkeiten vergleichen: Berechne für eine feste Entscheidungsregel $\beta$ für mindestens drei alternative Werte von $p$.

Schwer

1. Testdesign entwickeln: Entwickle für eine Qualitätskontrolle ein vollständiges Testverfahren und begründe Stichprobenumfang, Signifikanzniveau und Testseite.
2. Teststärke untersuchen: Analysiere rechnerisch und grafisch, wie sich eine Vergrößerung von $n$ auf $\beta$ und die Teststärke auswirkt.
3. Mehrfachtests analysieren: Untersuche mithilfe einer Simulation, wie häufig bei vielen gleichzeitig durchgeführten Tests mindestens ein Fehlalarm entsteht.
4. KI-Lösung auditieren: Lass eine KI einen Hypothesentest lösen, prüfe jeden mathematischen Schritt unabhängig und dokumentiere mindestens zwei mögliche Fehlerquellen.

Lernkontrolle

1. Modellwahl begründen: Entscheide für einen neuen Sachkontext, ob ein Binomialmodell angemessen ist, und begründe jede Modellannahme.
2. Testverfahren konstruieren: Entwickle aus einer verbalen Fragestellung selbstständig Hypothesen, Testgröße und Ablehnungsbereich.
3. Entscheidungsregel bewerten: Vergleiche zwei unterschiedliche Signifikanzniveaus und diskutiere die Auswirkungen auf beide Fehlerarten.
4. Simulation interpretieren: Eine Simulation liefert bei 5000 Tests 181 Verwerfungen unter dem Randfall von $H_0$. Beurteile, ob dies zu einem theoretischen Fehlerniveau von etwa $\mathrm{3,4}\mathrm{\%}$ plausibel passt.
5. Fehleranalyse durchführen: Prüfe eine vorgegebene Musterlösung auf falsche Testseite, falsche Randwahrscheinlichkeit und unzulässige Schlussfolgerung.
6. Transfer leisten: Erkläre, warum ein statistischer Test in Medizin, Technik oder Qualitätskontrolle eine Entscheidung unterstützen kann, aber keinen mathematischen Wahrheitsbeweis liefert.

Lernnachweis

Für einen überzeugenden Lernnachweis solltest Du zeigen, dass Du

1. Hypothesen sachgerecht formulierst,
2. die Testseite aus dem Kontext begründest,
3. ein Binomialmodell formal korrekt verwendest,
4. kritische Grenzen über passende Wahrscheinlichkeitsungleichungen bestimmst,
5. Entscheidungsregeln verständlich formulierst,
6. Fehler 1. und 2. Art unterscheidest,
7. Simulationen mit exakten Wahrscheinlichkeiten vergleichst,
8. mathematische Rechnungen transparent dokumentierst,
9. Ergebnisse in den Sachkontext zurückübersetzt,
10. Rechner- und KI-Ausgaben eigenständig überprüfst.

OERs zum Thema

1. Wikimedia Commons: Binomial distribution examples: Public-Domain-Grafik.
2. Wikimedia Commons: Rejection region: CC-BY-SA-Grafik zu Ablehnungsbereichen.
3. Wikimedia Commons: animierte Hypothesentest-Grafik: CC-BY-SA-Animation zu Fehlern erster und zweiter Art.
4. GeoGebra: Hypothesentest: Interaktives Modell für Binomialtests.

Verknüpfte Lernbereiche

Hypothesentest Binomialverteilung Nullhypothese Alternativhypothese Signifikanzniveau Ablehnungsbereich Fehler 1. Art Fehler 2. Art Teststärke Simulation