Lessons and exercises follow the school system and stay in its language.Les leçons et les exercices suivent le système scolaire et restent dans sa langue.Lektionen und Übungen folgen dem Schulsystem und bleiben in seiner Sprache.

Einseitiger Hypothesentest

Kapitel drucken

Alle Lektionen des Kapitels, bereit für Papier. Die Aufgabenserien heißen A, B, C… und die Lösungen stehen am Ende.

Für ein PDF wähle im Druckdialog „Als PDF speichern“.

1. Einseitiger Signifikanztest

Aufwärmen

Drei schnelle Fragen zu früheren Lektionen.

  1. XX ist nach B(2;12)B\left(2; \dfrac{1}{ 2 }\right) verteilt. Berechne P(X≥1)P(X \geq 1).
  2. Bestimme die kleinste ganze Zahl nn mit 1−(12)n≥1−11021 - \left(\dfrac{1}{2}\right)^n \geq 1 - \dfrac{1}{10^{ 2 }}.
  3. XX ist nach B(3;12)B\left(3; \dfrac{1}{2}\right) verteilt. Berechne P(1≤X≤2)P(1 \leq X \leq 2).

Entdecken

Mia glaubt, dass ihre Münze öfter „Zahl“ zeigt. Sie wirft 20-mal. Unter der Annahme p=0,5p = 0{,}5 gilt P(X≥15)≈0,021P(X \geq 15) \approx 0{,}021 und P(X≥14)≈0,058P(X \geq 14) \approx 0{,}058. Ab wie vielen Zahlwürfen hält sie die Münze bei einem Signifikanzniveau von 5 % für gezinkt?

  1. Ab 15
  2. Ab 14

Die Grundidee

Ein Test entscheidet mit einer Stichprobe zwischen zwei Hypothesen; das Risiko eines Fehlurteils wird begrenzt.

Die Nullhypothese H0H_0 ist die bisherige Annahme, die Gegenhypothese H1H_1 das, was man zeigen möchte. Prüfgröße: die Trefferzahl XX, unter H0H_0 binomialverteilt.

Rechtsseitiger Test (H1 ⁣:p>p0H_1\colon p > p_0): Ablehnungsbereich {k;… ;n}\{k; \dots; n\} mit dem kleinsten kk, für das P(X≥k)≤αP(X \geq k) \leq \alpha gilt. Linksseitiger Test (H1 ⁣:p<p0H_1\colon p < p_0): {0;… ;k}\{0; \dots; k\} mit dem größten kk, für das P(X≤k)≤αP(X \leq k) \leq \alpha gilt. α\alpha ist das Signifikanzniveau.

Beispiel

Ein Hersteller gibt an, dass höchstens 10 % der Lose Gewinne sind (p0=0,1p_0 = 0{,}1). Ein Händler vermutet mehr und prüft 50 Lose. Unter p=0,1p = 0{,}1 gilt P(X≥10)≈0,025P(X \geq 10) \approx 0{,}025 und P(X≥9)≈0,058P(X \geq 9) \approx 0{,}058.

H0 ⁣:p≤0,1H_0\colon p \leq 0{,}1, H1 ⁣:p>0,1H_1\colon p > 0{,}1: rechtsseitig
Der Händler will mehr Gewinne zeigen.
k=10k = 10
Kleinstes k mit P(X ≥ k) ≤ 0,05.
Bei mindestens 10 Gewinnen wird H0H_0 abgelehnt.
Entscheidungsregel.

Du bist dran

Jetzt du: Rechtsseitiger Test, α=5 %\alpha = 5\,\%. Unter H0H_0 gilt P(X≥8)≈0,03P(X \geq 8) \approx 0{,}03 und P(X≥7)≈0,09P(X \geq 7) \approx 0{,}09. Wo beginnt der Ablehnungsbereich?

P(X≥8)≤0,05P(X \geq 8) \leq 0{,}05
0,03 ≤ 0,05, aber 0,09 > 0,05.
k=8k = 8
Kleinstes solches k.

Üben ★

  1. Rechtsseitiger Test mit dem Signifikanzniveau 5 %. Unter H0H_0 gilt P(X≥10)≈0,03P(X \geq 10) \approx 0{,}03 und P(X≥9)≈0,07P(X \geq 9) \approx 0{,}07. Ab welcher Trefferzahl wird H0H_0 abgelehnt?
  2. Rechtsseitiger Test mit dem Signifikanzniveau 5 %. Unter H0H_0 gilt P(X≥8)≈0,04P(X \geq 8) \approx 0{,}04 und P(X≥7)≈0,09P(X \geq 7) \approx 0{,}09. Ab welcher Trefferzahl wird H0H_0 abgelehnt?
  1. Ein Hersteller gibt an, dass höchstens 2 % seiner Bauteile defekt sind. Eine Kundin vermutet mehr und will das mit einer Stichprobe zeigen. Welche Nullhypothese testet sie?
    1. H0 ⁣:p≤0,02H_0\colon p \leq 0{,}02
    2. H0 ⁣:p>0,02H_0\colon p > 0{,}02
    3. H0 ⁣:p<0,02H_0\colon p < 0{,}02

Vorsicht!

Üben ★★

  1. Eine Münze wird 4-mal geworfen, um H0 ⁣:p=0,5H_0\colon p = 0{,}5 gegen H1 ⁣:p>0,5H_1\colon p > 0{,}5 zu testen (pp: Wahrscheinlichkeit für „Zahl“). H0H_0 wird nur abgelehnt, wenn jedes Mal „Zahl“ fällt. Mit welcher Wahrscheinlichkeit wird H0H_0 abgelehnt, obwohl sie stimmt?
  2. Eine Münze wird 11-mal geworfen, um H0 ⁣:p=0,5H_0\colon p = 0{,}5 gegen H1 ⁣:p>0,5H_1\colon p > 0{,}5 zu testen (pp: Wahrscheinlichkeit für „Zahl“). H0H_0 wird nur abgelehnt, wenn jedes Mal „Zahl“ fällt. Mit welcher Wahrscheinlichkeit wird H0H_0 abgelehnt, obwohl sie stimmt?
  1. Ein neues Lernprogramm soll die Bestehensquote von bisher 70 % erhöhen. Wo liegt der Ablehnungsbereich des Tests von H0 ⁣:p≤0,7H_0\colon p \leq 0{,}7?
    1. Rechts: viele Bestandene sprechen gegen H0H_0
    2. Links: wenige Bestandene sprechen gegen H0H_0
    3. Auf beiden Seiten
  1. Eine Münze wird 8-mal geworfen; getestet wird H0 ⁣:p=0,5H_0\colon p = 0{,}5 gegen H1 ⁣:p>0,5H_1\colon p > 0{,}5 mit dem Ablehnungsbereich {7;8}\{ 7; 8 \}.
    1. P(X=8)P(X = 8) unter H0H_0:
    2. P(X=7)P(X = 7) unter H0H_0:
    3. Die Wahrscheinlichkeit, H0H_0 abzulehnen, obwohl sie stimmt:

Abschlusscheck

Drei Fragen zum Abschluss: Sitzt es?

  1. Rechtsseitiger Test mit dem Signifikanzniveau 5 %. Unter H0H_0 gilt P(X≥10)≈0,03P(X \geq 10) \approx 0{,}03 und P(X≥9)≈0,07P(X \geq 9) \approx 0{,}07. Ab welcher Trefferzahl wird H0H_0 abgelehnt?
  2. Rechtsseitiger Test mit dem Signifikanzniveau 5 %. Unter H0H_0 gilt P(X≥8)≈0,04P(X \geq 8) \approx 0{,}04 und P(X≥7)≈0,09P(X \geq 7) \approx 0{,}09. Ab welcher Trefferzahl wird H0H_0 abgelehnt?
  3. Rechtsseitiger Test mit dem Signifikanzniveau 5 %. Unter H0H_0 gilt P(X≥14)≈0,02P(X \geq 14) \approx 0{,}02 und P(X≥13)≈0,06P(X \geq 13) \approx 0{,}06. Ab welcher Trefferzahl wird H0H_0 abgelehnt?

Merkkarte

Einseitiger Signifikanztest

  • H1H_1 ist die Vermutung, die man zeigen will.
  • Rechtsseitig: kleinstes kk mit P(X≥k)≤αP(X \geq k) \leq \alpha.
  • Linksseitig: größtes kk mit P(X≤k)≤αP(X \leq k) \leq \alpha.

Achtung: Die Wahrscheinlichkeit des Ablehnungsbereichs unter H0H_0 darf α\alpha nicht übersteigen.

Ein Schritt ist freiwillig: eine Herausforderung. Probier sie aus oder beende die Lektion jetzt.

Herausforderung ★★★

  1. Eine Münze wird 9-mal geworfen; H0 ⁣:p=0,5H_0\colon p = 0{,}5 gegen H1 ⁣:p>0,5H_1\colon p > 0{,}5 mit dem Ablehnungsbereich {8;9}\{ 8 ; 9 \} (Anzahl „Zahl“). Wie groß ist die Wahrscheinlichkeit für den Fehler erster Art?

2. Fehler erster und zweiter Art

Aufwärmen

Drei schnelle Fragen zu früheren Lektionen.

  1. Rechtsseitiger Test mit dem Signifikanzniveau 5 %. Unter H0H_0 gilt P(X≥10)≈0,03P(X \geq 10) \approx 0{,}03 und P(X≥9)≈0,07P(X \geq 9) \approx 0{,}07. Ab welcher Trefferzahl wird H0H_0 abgelehnt?
  2. Ein Hersteller gibt an, dass höchstens 2 % seiner Bauteile defekt sind. Eine Kundin vermutet mehr und will das mit einer Stichprobe zeigen. Welche Nullhypothese testet sie?
    1. H0 ⁣:p≤0,02H_0\colon p \leq 0{,}02
    2. H0 ⁣:p>0,02H_0\colon p > 0{,}02
    3. H0 ⁣:p<0,02H_0\colon p < 0{,}02
  3. Eine Münze wird 4-mal geworfen, um H0 ⁣:p=0,5H_0\colon p = 0{,}5 gegen H1 ⁣:p>0,5H_1\colon p > 0{,}5 zu testen (pp: Wahrscheinlichkeit für „Zahl“). H0H_0 wird nur abgelehnt, wenn jedes Mal „Zahl“ fällt. Mit welcher Wahrscheinlichkeit wird H0H_0 abgelehnt, obwohl sie stimmt?

Entdecken

Ein Test soll zeigen, dass ein neues Medikament besser wirkt. In Wahrheit wirkt es nicht besser, aber das Stichprobenergebnis liegt zufällig im Ablehnungsbereich. Was passiert?

  1. H0H_0 wird zu Unrecht abgelehnt: ein Fehler erster Art
  2. H0H_0 wird zu Unrecht beibehalten: ein Fehler zweiter Art

Die Grundidee

Jede Entscheidung kann falsch sein; die beiden Fehler haben eigene Wahrscheinlichkeiten.

Fehler erster Art: H0H_0 ist wahr, wird aber abgelehnt. Seine Wahrscheinlichkeit ist α′=Pp0(X∈K)\alpha' = P_{p_0}(X \in K), höchstens das Signifikanzniveau.

Fehler zweiter Art: H0H_0 ist falsch, wird aber beibehalten. Für eine wahre Wahrscheinlichkeit p1p_1 ist seine Wahrscheinlichkeit β=Pp1(X∉K)=1−Pp1(X∈K)\beta = P_{p_1}(X \notin K) = 1 - P_{p_1}(X \in K). Ein kleinerer Ablehnungsbereich senkt α′\alpha' und erhöht β\beta.

Beispiel

Test mit n=10n = 10, H0 ⁣:p=0,5H_0\colon p = 0{,}5, H1 ⁣:p>0,5H_1\colon p > 0{,}5, K={9;10}K = \{9; 10\}. In Wahrheit sei p=0,75p = 0{,}75; dann gilt P(X≥9)≈0,244P(X \geq 9) \approx 0{,}244.

α′=10+11024≈0,011\alpha' = \dfrac{10 + 1}{1024} \approx 0{,}011
Unter p = 0,5: P(X = 9) + P(X = 10).
β=1−0,244\beta = 1 - 0{,}244
Fehler zweiter Art: X liegt nicht in K.
β≈0,756\beta \approx 0{,}756
Ergebnis.

Du bist dran

Jetzt du: Unter p1p_1 gilt P(X∈K)≈0,83P(X \in K) \approx 0{,}83. Wie groß ist die Wahrscheinlichkeit für den Fehler zweiter Art?

1−0,831 - 0{,}83
Gegenereignis.
0,170{,}17
Ergebnis.

Üben ★

  1. Ein Test prüft H0H_0: „Die Münze ist fair.“ Die Münze ist in Wahrheit gezinkt, aber das Ergebnis liegt nicht im Ablehnungsbereich. Welcher Fehler liegt vor?
    1. Ein Fehler zweiter Art
    2. Ein Fehler erster Art
    3. Kein Fehler
  1. Für die wahre Trefferwahrscheinlichkeit p1p_1 gilt P(X∈K)≈0,70P(X \in K) \approx 0{,}70. Wie groß ist die Wahrscheinlichkeit für den Fehler zweiter Art?

Vorsicht!

Üben ★★

  1. Eine Münze wird 2-mal geworfen; H0 ⁣:p=0,5H_0\colon p = 0{,}5 wird nur abgelehnt, wenn jedes Mal „Zahl“ fällt. In Wahrheit ist p=0,75p = 0{,}75. Wie groß ist die Wahrscheinlichkeit für den Fehler zweiter Art?
  2. Eine Münze wird 8-mal geworfen; H0 ⁣:p=0,5H_0\colon p = 0{,}5 wird nur abgelehnt, wenn jedes Mal „Zahl“ fällt. In Wahrheit ist p=0,75p = 0{,}75. Wie groß ist die Wahrscheinlichkeit für den Fehler zweiter Art?
  1. Man verkleinert den Ablehnungsbereich eines Tests, damit der Fehler erster Art seltener wird. Was passiert bei gleichem Stichprobenumfang mit dem Fehler zweiter Art?
    1. Er wird wahrscheinlicher
    2. Er wird auch seltener
    3. Er bleibt gleich

Abschlusscheck

Drei Fragen zum Abschluss: Sitzt es?

  1. Ein Test prüft H0H_0: „Die Münze ist fair.“ Die Münze ist in Wahrheit gezinkt, aber das Ergebnis liegt nicht im Ablehnungsbereich. Welcher Fehler liegt vor?
    1. Ein Fehler zweiter Art
    2. Ein Fehler erster Art
    3. Kein Fehler

Merkkarte

Fehler beim Testen

  • Erster Art: H0H_0 wahr, abgelehnt; Wahrscheinlichkeit Pp0(X∈K)P_{p_0}(X \in K).
  • Zweiter Art: H0H_0 falsch, beibehalten; β=1−Pp1(X∈K)\beta = 1 - P_{p_1}(X \in K).
  • Kleineres α\alpha bedeutet größeres β\beta.

Achtung: Die beiden Fehler nicht verwechseln.

Ein Schritt ist freiwillig: eine Herausforderung. Probier sie aus oder beende die Lektion jetzt.

Herausforderung ★★★

  1. Eine Münze wird 3-mal geworfen, K={2;3}K = \{ 2 ; 3 \}. In Wahrheit ist p=0,75p = 0{,}75. Wie groß ist die Wahrscheinlichkeit für den Fehler zweiter Art?

3. Genaue p-Werte bei einer Münze

Entdecken

Du vermutest, eine Münze bevorzugt Kopf. Du wirfst sie 8-mal und erhältst 8-mal Kopf. Wie wahrscheinlich wäre das bei einer fairen Münze?

  1. (12)8=1256≈0,4 %\left(\tfrac{1}{2}\right)^8 = \tfrac{1}{256} \approx 0{,}4\,\%
  2. 816=50 %\tfrac{8}{16} = 50\,\%

Die Grundidee

Genaue p-Werte bei einer Münze.

Bei nn Würfen einer fairen Münze gilt:

  • P(alle n Kopf)=12nP(\text{alle } n \text{ Kopf}) = \dfrac{1}{2^n};
  • P(mindestens n−1 Kopf)=n+12nP(\text{mindestens } n - 1 \text{ Kopf}) = \dfrac{n + 1}{2^n}.

Das sind einseitige p-Werte für „die Münze bevorzugt Kopf“.

Beispiel

10 Würfe, 9 oder mehr Kopf.

1+10=111 + 10 = 11 von 210=10242^{10} = 1024
Ergebnisse zählen.
≈0,011\approx 0{,}011: signifikant auf dem 5-%-Niveau
p-Wert.

Du bist dran

Jetzt du: 5 Würfe, alle Kopf: p-Wert als Bruch?

132\dfrac{1}{32}
125\dfrac{1}{2^5}.

Üben ★

  1. Eine faire Münze wird 11-mal geworfen. Berechne die Wahrscheinlichkeit (als Bruch), dass alle 11 Würfe Kopf zeigen.
  2. Eine faire Münze wird 7-mal geworfen. Berechne die Wahrscheinlichkeit (als Bruch), dass alle 7 Würfe Kopf zeigen.
  3. Eine faire Münze wird 10-mal geworfen. Berechne die Wahrscheinlichkeit (als Bruch), dass alle 10 Würfe Kopf zeigen.

Üben ★★

  1. Eine faire Münze wird 5-mal geworfen. Berechne den p-Wert (als Bruch) für mindestens 4-mal Kopf.
  2. Eine faire Münze wird 7-mal geworfen. Berechne den p-Wert (als Bruch) für mindestens 6-mal Kopf.

Abschlusscheck

Zwei Fragen zur Kontrolle.

  1. Eine faire Münze wird 11-mal geworfen. Berechne die Wahrscheinlichkeit (als Bruch), dass alle 11 Würfe Kopf zeigen.
  2. Eine faire Münze wird 7-mal geworfen. Berechne die Wahrscheinlichkeit (als Bruch), dass alle 7 Würfe Kopf zeigen.

Merkkarte

p-Werte bei Münzen

  • Alle Kopf: 12n\dfrac{1}{2^n}.
  • Mindestens n−1n - 1: n+12n\dfrac{n + 1}{2^n}.

Vorzeichentests in der Medizin nutzen genau diese Idee: Ging es mehr Patienten besser, als der Zufall erlaubt?

4. Geschichte der Signifikanztests: Arbuthnot, Pearson und Fisher

Entdecken

Die Register von 1629 bis 1710 zeigten etwas mehr Jungen- als Mädchengeburten. 1710 fragte John Arbuthnot: Kann das allein der Zufall erklären? Angenommen, in jedem dieser Jahre gab es mehr Jungen.

  1. Kaum: Das wäre wie 82-mal Kopf in Folge
  2. Ja, leicht

Die Grundidee

Hypothesen testen, von Taufen bis zu Feldern.

1700175018001850190019501710Arbuthnot1710Arbuthnot
  1. Schritt 11700175018001850190019501710Arbuthnot1710ArbuthnotJohn Arbuthnot 1667–1735Godfrey Kneller, 1723. Gemeinfrei1710: Arbuthnots Arbeit über Jungen- und Mädchengeburten, ein erster Signifikanztest.
  2. Schritt 21700175018001850190019501710Arbuthnot1900Pearson1710Arbuthnot1900PearsonKarl Pearson 1857–1936Unbekannter Künstler, 1910. Gemeinfrei1900: Pearsons Chi-Quadrat-Test.
  3. Schritt 31700175018001850190019501710Arbuthnot1900Pearson1935Fisher1710Arbuthnot1900Pearson1935FisherRonald Aylmer Fisher 1890–1962Barry Eagel, 1952. Barry Eagel. CC BY-SA 4.01935: Fishers The Design of Experiments.

1710 untersuchte John Arbuthnot (1667–1735) den leichten Überschuss an Jungengeburten von 1629 bis 1710: vielleicht die erste Anwendung der Wahrscheinlichkeit auf Bevölkerungsstatistik und der erste formale Signifikanztest. 1900 veröffentlichte Karl Pearson den Chi-Quadrat-Test. In Rothamsted entwickelte Ronald Fisher die Planung und Auswertung von Experimenten.

Beispiel

Arbuthnots Überlegung in Zahlen: Wie viele Jahre sind es von 1629 bis 1710 einschließlich?

1710−1629+1=821710 - 1629 + 1 = 82
Angenommen, jedes Jahr mehr Jungen: Jahre zählen.
(12)82≈2⋅10−25\left(\tfrac{1}{2}\right)^{82} \approx 2 \cdot 10^{-25}
Wahrscheinlichkeit nur durch Zufall.

Üben ★

  1. Was untersuchte Arbuthnot in seiner Arbeit von 1710?
    1. Den Überschuss an Jungen- gegenüber Mädchengeburten
    2. Dünger auf zufällig gewählten Feldern
    3. Den Chi-Quadrat-Test
  1. Wie bei Arbuthnot: Wäre jedes Jahr ein fairer „Münzwurf“ zwischen mehr Jungen und mehr Mädchen, wie wahrscheinlich (als Bruch) wären 5 Jungenjahre in Folge?
  2. Wie bei Arbuthnot: Wäre jedes Jahr ein fairer „Münzwurf“ zwischen mehr Jungen und mehr Mädchen, wie wahrscheinlich (als Bruch) wären 10 Jungenjahre in Folge?
  1. Pearsons Chi-Quadrat: Eine Kategorie hat die erwartete Anzahl 10 und die beobachtete Anzahl 12. Berechne ihren Beitrag (B−E)2E\dfrac{(B - E)^2}{E}.

Merkkarte

Signifikanztests heute

  • Medizin: Wirkt ein neues Medikament besser als ein Placebo?
  • Webseiten: Bekommt ein neues Design mehr Klicks (A/B-Test)?
  • Qualitätskontrolle: Produziert eine Maschine noch maßgenau?

Quellen: MacTutor-Biografien von Arbuthnot, Pearson und Fisher (siehe „Quellen und Nachweise“).