Linksseitiger Hypothesentestmit GTR einfach erklärt
Linksseitiger Hypothesentest mit der exakten Binomialverteilung: Hier lernst du die Entscheidung mit dem GTR an drei neuen Beispielen und übst anschließend mit drei Aufgaben samt ausführlicher Lösung.
Direkt zu den ausführlichen Beispielen ↓3 Beispiele · 3 Übungen mit GTR
Linksseitiger Hypothesentest mit GTR – als Video
Du möchtest dir den Rechenweg noch einmal ansehen? Hier ist das passende EinfachMathe-Video. Der Player wird erst geladen, wenn du auf das Vorschaubild klickst.
Grundlagen und Vorwissen
Mit einem Hypothesentest untersuchst du, ob das Ergebnis einer Stichprobe noch zu einer behaupteten Wahrscheinlichkeit passt. Du entscheidest also nicht nach Gefühl, sondern nach einer vorher festgelegten statistischen Regel.
Beispiel: Eine Schule behauptet, dass höchstens 20 % der Schülerinnen und Schüler gerne Mathe lernen. Du befragst 100 Personen. Sind 27 Stimmen für Mathe schon so ungewöhnlich, dass du diese Behauptung statistisch verwerfen darfst?

Welches Vorwissen brauchst du?
Die Wahrscheinlichkeit für eine bestimmte Trefferzahl und kumulierte Wahrscheinlichkeiten.
Gegenwahrscheinlichkeit, Ungleichungen und die Bedeutung von „höchstens“ oder „mindestens“.
Erwartungswert, Standardabweichung, Normalverteilung und z-Tabelle.
Testart erkennen
Wichtige Regel: Die Lage von H₁ im Verhältnis zum Erwartungswert μ bestimmt die Testart. Liegt H₁ links von μ, ist der Test linksseitig; liegt H₁ rechts, ist er rechtsseitig. Liegt H₁ auf beiden Seiten, ist der Test beidseitig.
Schau zuerst auf H₁: Möchtest du nachweisen, dass der tatsächliche Anteil kleiner, größer oder einfach anders ist als behauptet? Genau das bestimmt die Richtung des Tests.
Es geht um weniger Treffer als erwartet.
Es geht um mehr Treffer als erwartet.
Es geht um eine Abweichung in beide Richtungen.
| Testart | H₀: Ausgangsbehauptung | H₁: Das wollen wir nachweisen |
|---|---|---|
| Linksseitig | mindestens: p ≥ p₀ | weniger als: p < p₀ |
| Rechtsseitig | höchstens: p ≤ p₀ | mehr als: p > p₀ |
| Beidseitig | genau: p = p₀ | anders als: p ≠ p₀ |
So hilft dir die Tabelle: Sie zeigt, welche Formulierungen aus einer Aufgabenstellung zu H₀ beziehungsweise H₁ gehören. Wörter wie mindestens, höchstens und genau schließen den genannten Wert ein und gehören zur Nullhypothese H₀. Weniger als, mehr als und anders als gehören zur Gegenhypothese H₁. Entscheidend ist immer die genaue Fragestellung.

Hypothesen, Signifikanz und Fehlerarten
Die Ausgangsbehauptung, von der wir beim Rechnen zunächst ausgehen.
Die Gegenbehauptung. Sie verrät dir auch, ob der Test linksseitig, rechtsseitig oder beidseitig ist.
Bei α = 5 % dürfen wir höchstens in 5 von 100 vergleichbaren Fällen H₀ irrtümlich verwerfen, wenn H₀ tatsächlich stimmt.
1. Art: H₀ wird zu Unrecht verworfen. 2. Art: H₀ wird nicht verworfen, obwohl die Gegenhypothese zutrifft.

Mehr zu den Fehlerarten: Wann entstehen α- und β-Fehler und wie berechnet man sie? Im Artikel Fehler 1. und 2. Art beim Hypothesentest findest du ausführliche Erklärungen, Beispiele und Übungen.
Hypothesentest: Schritt für Schritt
- 1Hypothesen aufstellenH₀ und H₁ formulieren, n, p₀, α und Stichprobenergebnis notieren.
- 2Testart und Verfahren wählenLinks, rechts oder beidseitig; exakte Binomialverteilung oder klassische Normalapproximation.
- 3Entscheidungsbereich bestimmenGrenzen aus Wahrscheinlichkeiten oder aus z-Wert, μ und σ berechnen.
- 4Ergebnis beurteilenBeobachtung vergleichen und H₀ verwerfen oder nicht verwerfen.

Hier gilt für alle Aufgaben: linksseitig, exakte Binomialverteilung und kumulierte Wahrscheinlichkeit im GTR. Du benötigst keine z-Tabelle und keine Stetigkeitskorrektur.
Signifikanzniveau – was bedeutet das?
Das Signifikanzniveau α legt vor dem Test fest, wie groß das Risiko höchstens sein darf, die Nullhypothese H₀ zu Unrecht abzulehnen. Das nennt man Fehler 1. Art.
Bei α = 5 % erlauben wir also ein Irrtumsrisiko von höchstens 5 % für diesen Fehler. Häufige Werte in Aufgaben sind 1 %, 5 % und 10 %. Je kleiner α, desto strengere Hinweise brauchen wir normalerweise, bevor wir H₀ verwerfen.
Was haben H₀, H₁ und die Entscheidungsbereiche miteinander zu tun?
Das Ergebnis liegt in A: H₀ wird nicht verworfen. Das beweist H₀ aber nicht.
Das Ergebnis liegt außerhalb von A: H₀ wird verworfen. Das spricht im Test für H₁, ist aber kein absoluter Beweis.
Merke: Die Aussage „A gehört zu H₀ und der Ablehnungsbereich zu H₁“ hilft als Orientierung. Präziser ist: In A verwerfen wir H₀ nicht, außerhalb von A verwerfen wir H₀ zugunsten von H₁.
Ablehnungsbereich bestimmen
Beim linksseitigen Test liegt der Ablehnungsbereich links. Wir suchen die letzte ganze Trefferzahl c im Ablehnungsbereich. Dazu berechnen wir die kumulierte Wahrscheinlichkeit P(X ≤ c) und prüfen, ob sie höchstens α beträgt. Anschließend schreiben wir die beiden Bereiche auf: Ablehnungsbereich von 0 bis c und Annahmebereich von c + 1 bis n.
Die Anzahl der Versuche n, die behauptete Trefferwahrscheinlichkeit p₀ und das Signifikanzniveau α.
Die letzte Ablehnungszahl c links vom Erwartungswert μ. Danach kennen wir die erste Annahmezahl: a = c + 1.
P(X ≤ c) ≤ α
Mit binomcdf(n, p₀, c) vergleichst du die Wahrscheinlichkeiten. Wähle die größte ganze Zahl c, für die die Regel noch erfüllt ist. Bei c + 1 muss die kumulierte Wahrscheinlichkeit schon größer als α sein.
| Gesuchte Grenze | GTR-Regel | Ablehnungsbereich | Annahmebereich |
|---|---|---|---|
| Letzte Ablehnungszahl c | P(X ≤ c) ≤ α | Ā = {0, …, c} | A = {c + 1, …, n} |
Wichtig: Diese Grenzen berechnen wir mit der exakten Binomialverteilung. Der GTR ist nur das Rechenwerkzeug. Eine Sigma-Näherung oder Stetigkeitskorrektur brauchen wir für diesen Artikel nicht.
Beispiel 1: Das digitale Lernangebot
Aufgabenstellung: Eine Schule behauptet, dass mindestens 40 % ihrer Schülerinnen und Schüler ein bestimmtes digitales Lernangebot regelmäßig nutzen. Um diese Behauptung zu überprüfen, werden zufällig 80 Schülerinnen und Schüler befragt. Davon nutzen 23 Personen das Angebot regelmäßig. Untersuche die Behauptung auf dem Signifikanzniveau von 5 %.
a) Stelle H₀ und H₁ auf und erkläre, weshalb es ein linksseitiger Test ist. Zur Lösung a) ↓
b) Berechne mit der exakten Binomialverteilung im GTR den Ablehnungs- und Annahmebereich. Zur Lösung b) ↓
c) Entscheide bei 23 beobachteten Treffern und formuliere einen Antwortsatz. Zur Lösung c) ↓
d) Erkläre im Zusammenhang mit dieser Schule, was ein Fehler 1. Art und ein Fehler 2. Art bedeutet. Zur Lösung d) ↓
e) Berechne den tatsächlichen Fehler 1. Art (α-Fehler) für p = 0,40 und den Fehler 2. Art (β-Fehler), falls der tatsächliche Anteil p = 0,30 beträgt. Zur Lösung e) ↓
Ausführliche Musterlösung zu Beispiel 1
Musterlösung zum digitalen Lernangebot – Aufgaben a) bis e)
Aufgabe a) · Nullhypothese H₀ und Gegenhypothese H₁ aufstellen
Ausgangsbehauptung: „mindestens 40 %“
Gegenteil: „weniger als 40 %“
Warum gehört „mindestens 40 %“ zu H₀? Die Nullhypothese H₀ enthält immer das Gleichheitszeichen: =, ≤ oder ≥. „Mindestens 40 %“ bedeutet 40 % oder mehr – die 40 % sind also eingeschlossen. Deshalb schreiben wir H₀: p ≥ 0,40. Das Gegenteil lautet „weniger als 40 %“ und gehört zu H₁: p < 0,40.
Merktabelle: Welche Wörter gehören zu H₀ und H₁?
Prüfe, ob der genannte Wert mit dazugehört. Ist das der Fall, steht ein Gleichheitszeichen im Symbol und die Aussage gehört zu H₀. H₁ ist die dazugehörige Gegenbehauptung.
| Testart | H₀ – mit Gleichheitszeichen | H₁ – ohne Gleichheitszeichen |
|---|---|---|
| Linksseitig | mindestens · größer oder gleich p ≥ p₀ | weniger als · kleiner als p < p₀ |
| Rechtsseitig | höchstens · kleiner oder gleich p ≤ p₀ | mehr als · größer als p > p₀ |
| Beidseitig | genau · gleich p = p₀ | ungleich · weniger oder mehr p ≠ p₀ |
Merke: H₀ hat immer ein Gleichheitszeichen (=, ≤ oder ≥). Bei H₁ stehen <, > oder ≠. Entscheidend ist die Fragestellung: H₀ muss nicht einfach die zuerst genannte Behauptung sein.
Was bedeutet X? X ist die Anzahl der Personen, die das digitale Lernangebot regelmäßig nutzen in unserer Stichprobe.
Testart erkennen: Erwartungswert und Skizze
Schritt 1 – Erwartungswert berechnen
Schritt 2 – Skizze anfertigen
Zeichne den höchsten Balken beim Erwartungswert. Die Balken daneben werden kleiner. Für diese erste Skizze musst du die Balkenhöhen nicht genau berechnen – wichtig ist die Lage der Hypothesen.
Schritt 3 – Skizze deuten: 40 % von 80 Personen entsprechen 32 Treffern. Das ist unser Erwartungswert μ = 32. Deshalb zeichnen wir den höchsten Balken ungefähr bei 32. Auf dem Zahlenstrahl siehst du links die kleinen Trefferzahlen ab 0 und rechts die größeren Trefferzahlen bis n = 80. H₀ bedeutet „mindestens 40 %“, also genau 32 Treffer oder mehr. Deshalb symbolisieren die blauen Balken H₀ am Erwartungswert und rechts davon. H₁ bedeutet „weniger als 40 %“, also weniger als 32 Treffer. Deshalb symbolisieren die rosa Balken H₁ links vom Erwartungswert.
Wichtige Regel: Die Lage von H₁ im Verhältnis zum Erwartungswert μ bestimmt die Testart. Weil H₁ hier links vom Erwartungswert liegt, ist es ein linksseitiger Test.
Die Orientierungsskizze im folgenden Ergebnisdiagramm zeigt den Erwartungswert μ = 32 und die linke Suchrichtung. Die exakten kritischen Grenzen werden erst mit dem GTR festgelegt.
Aufgabe b) · Berechne mit dem GTR den Ablehnungs- und Annahmebereich
Gegeben: n = 80, p₀ = 0,40 und α = 5 % = 0,05. Unter dem Randwert der Nullhypothese gilt X ∼ B(80; 0,40).
Was bedeutet die Regel? Wir suchen die größte ganze Zahl c, bei der die kumulierte Binomialwahrscheinlichkeit noch höchstens 0,05 beträgt. Der nächste Trefferwert c + 1 darf diese Bedingung nicht mehr erfüllen. Genau deshalb vergleichen wir die beiden Nachbarwerte.
GTR-Eingabe: Je nach Rechnermodell heißt die Funktion beispielsweise binomCdf(80,0.40,0,k) oder Binomialverteilung → kumuliert. Für k setzen wir nacheinander die Trefferzahlen aus der Tabelle ein.
| Trefferzahl k | Eingabe im GTR | Kumulierte Wahrscheinlichkeit | Vergleich mit α = 0,05 |
|---|---|---|---|
| 22 | binomCdf(80,0.40,0,22) | P(X ≤ 22) ≈ 0.01365 | ≤ 0,05 · noch im Ablehnungsbereich |
| 23 | binomCdf(80,0.40,0,23) | P(X ≤ 23) ≈ 0.02453 | ≤ 0,05 · noch im Ablehnungsbereich |
| 24 | binomCdf(80,0.40,0,24) | P(X ≤ 24) ≈ 0.04175 | ≤ 0,05 · noch im Ablehnungsbereich |
| 25 | binomCdf(80,0.40,0,25) | P(X ≤ 25) ≈ 0.06746 | > 0,05 · nicht mehr im Ablehnungsbereich |
| 26 | binomCdf(80,0.40,0,26) | P(X ≤ 26) ≈ 0.10373 | > 0,05 · nicht mehr im Ablehnungsbereich |
So lesen wir die Tabelle: Bei 24 Treffern liegt die Wahrscheinlichkeit bei ungefähr 4,17 % und damit noch unter 5 %. Bei 25 Treffern steigt sie auf ungefähr 6,75 % und liegt über dem Signifikanzniveau. 24 ist deshalb die letzte Trefferzahl im Ablehnungsbereich: c = 24.
Ergebnis – Ablehnungsbereich: Wir verwerfen H₀ bei 0 bis einschließlich 24 Treffern.
So folgt der Annahmebereich: Ab der direkt nächsten Trefferzahl c + 1 = 25 wird H₀ nicht verworfen. Weil n = 80, endet der Bereich bei 80.
Wichtig: Der Annahmebereich bedeutet nicht, dass H₀ bewiesen wurde. Er sagt nur, bei welchen Ergebnissen wir H₀ auf dem gewählten Niveau nicht verwerfen.
Aufgabe c) · Beobachtete Trefferzahl prüfen
In der Stichprobe nutzen 23 von 80 Schülerinnen und Schülern das Lernangebot regelmäßig. Wir vergleichen daher die beobachtete Trefferzahl X = 23 mit den beiden Entscheidungsbereichen.
Entscheidung: Da 23 im Ablehnungsbereich liegt, verwerfen wir H₀ auf dem Signifikanzniveau von 5 %.
Entscheidung in Alltagssprache
Von 80 befragten Schülerinnen und Schülern nutzen nur 23 das digitale Lernangebot regelmäßig (28,75 %). Das Stichprobenergebnis liegt im Ablehnungsbereich. Wir haben daher auf dem 5-%-Niveau hinreichende Hinweise darauf, dass weniger als 40 % der Schülerinnen und Schüler das Angebot regelmäßig nutzen. Die Behauptung der Schule wird verworfen.
Ganz einfach erklärt: 23 regelmäßige Nutzende sind für die Behauptung „mindestens 40 %“ ungewöhnlich wenige. Wir lehnen die Behauptung deshalb ab. Eine absolute Gewissheit ist das nicht.
Fehler 1. Art: Wir verwerfen die Behauptung der Schule, obwohl tatsächlich mindestens 40 % das Angebot regelmäßig nutzen. Das Signifikanzniveau begrenzt das Risiko eines solchen Fehlers auf höchstens 5 %.
Fehler 2. Art: Wir verwerfen die Behauptung nicht, obwohl tatsächlich weniger als 40 % das Angebot regelmäßig nutzen.
Aufgabe d) · Fehler 1. und 2. Art erklären
Wir verwerfen die Aussage „mindestens 40 % nutzen das Angebot“, obwohl tatsächlich mindestens 40 % es regelmäßig nutzen.
Wir verwerfen die Aussage nicht, obwohl tatsächlich weniger als 40 % das Angebot regelmäßig nutzen.
Merke: Ein nicht verworfenes H₀ ist nicht bewiesen. Die beiden Fehler beziehen sich auf die wahre Situation, die wir bei einer Stichprobe nicht sicher kennen.
Aufgabe e) · α- und β-Fehler berechnen
Aus Aufgabe b) kennen wir die kritische Grenze c = 24. Daher verwerfen wir H₀ bei X ≤ 24 und verwerfen sie bei X ≥ 25 nicht.
Der tatsächliche Fehler 1. Art am Rand beträgt also etwa 4,17 % und liegt unter dem vorgegebenen Signifikanzniveau von 5 %. GTR: binomcdf(80, 0.40, 24).
Der β-Fehler beträgt hier ungefähr 44,51 %. GTR: 1 − binomcdf(80, 0.30, 24).
Wichtig: Für β müssen wir eine konkrete Wahrscheinlichkeit aus H₁ vorgeben, zum Beispiel p = 0,30. Für p = 0,40 liegt der Rand von H₀ vor; damit kann man keinen β-Fehler für einen tatsächlich zutreffenden Alternativfall berechnen.
Ergebnisgrafik: Ablehnungs- und Annahmebereich
Die Balken zeigen die exakte Binomialverteilung B(80; 0,40). Rosa bedeutet: H₀ ablehnen. Türkis bedeutet: H₀ nicht ablehnen. Die gelbe Linie markiert den Erwartungswert μ = 80 · 0,40 = 32.
Beispiele 2 und 3 mit GTR
Die folgenden Beispiele verwenden bewusst andere Situationen und Signifikanzniveaus. In beiden Fällen suchen wir mit der kumulierten Binomialverteilung die größte ganze Zahl c, für die noch P(X ≤ c) ≤ α gilt.
Beispiel 2: Liefert ein Getränkeautomat zuverlässig?
Ein Anbieter behauptet, mindestens 30 % der Schülerinnen und Schüler würden regelmäßig sein zuckerfreies Getränk wählen. Bei 60 zufällig ausgewählten Käufen entscheiden sich 12 Personen dafür. Wir prüfen die Behauptung bei α = 5 %.
Kurzlösung zu Beispiel 2 anzeigen
H₀: p ≥ 0,30 · H₁: p < 0,30 · Grenze: c = 11 · Ablehnung: 0 bis 11 · Annahme: 12 bis 60.
Entscheidung: Bei X = 12 wird H₀ nicht verworfen.
Ausführliche Musterlösung zu Beispiel 2 anzeigen
Die behauptete Mindestquote gilt.
Die tatsächliche Quote liegt darunter.
1a. Hypothesen aufstellen: „Mindestens“ schließt den genannten Anteil ein; deshalb gehört es zu H₀. Die Gegenbehauptung lautet „weniger als“ und gehört zu H₁.
1b. Testart erkennen: H₁ behauptet einen kleineren Anteil als p₀ – wir führen einen linksseitigen Test durch.
Schritt 1 – Gegeben: n = 60, p₀ = 0,3, α = 0,05, beobachtet X = 12. Unter dem Randwert von H₀ gilt X ∼ B(60; 0,3).
Schritt 2 – Erwartungswert berechnen: Hier liegt der Schwerpunkt der Verteilung; unsere kritische linke Grenze suchen wir zwischen 0 und μ.
Schritt 3 – Suchrichtung im Diagramm: Die rosa Balken liegen links vom Erwartungswert. Wir suchen die letzte ganze Zahl c, für die P(X ≤ c) noch höchstens α beträgt.
Schritt 4 – Am GTR testen: Der Befehl binomcdf(n, p₀, k) summiert alle Wahrscheinlichkeiten von X = 0 bis X = k. Die Tabelle prüft mehrere Zahlen um die Grenze herum – wir raten also nicht blind.
| Trefferzahl k | GTR-Eingabe | P(X ≤ k) | Vergleich mit α |
|---|---|---|---|
| 8 | binomcdf(60; 0,3; 8) | ≈ 0,00221 | ≤ 0,05 |
| 9 | binomcdf(60; 0,3; 9) | ≈ 0,00587 | ≤ 0,05 |
| 10 | binomcdf(60; 0,3; 10) | ≈ 0,01388 | ≤ 0,05 |
| 11 | binomcdf(60; 0,3; 11) | ≈ 0,02948 | ≤ 0,05 |
| 12 | binomcdf(60; 0,3; 12) | ≈ 0,05677 | > 0,05 |
| 13 | binomcdf(60; 0,3; 13) | ≈ 0,09996 | > 0,05 |
| 14 | binomcdf(60; 0,3; 14) | ≈ 0,16211 | > 0,05 |
Bei 11 Treffern ist die Wahrscheinlichkeit noch klein genug. Bei 12 überschreitet sie α. Deshalb ist c = 11 die letzte Trefferzahl im Ablehnungsbereich.
Schritt 5 – Beide Bereiche angeben:
Schritt 6 – Entscheidung: Beobachtet wurden X = 12 Treffer. Weil 12 > 11 gilt, liegt X im Annahmebereich. H₀ wird nicht verworfen.
Beispiel 3: Wird ein digitales Schulangebot seltener genutzt?
Eine Schule geht davon aus, dass mindestens 55 % der Lernenden ihr Online-Übungsportal regelmäßig nutzen. Von 120 zufällig befragten Personen nutzen es 54. Es gilt α = 10 %.
Kurzlösung zu Beispiel 3 anzeigen
H₀: p ≥ 0,55 · H₁: p < 0,55 · Grenze: c = 58 · Ablehnung: 0 bis 58 · Annahme: 59 bis 120.
Entscheidung: Bei X = 54 wird H₀ verworfen.
Ausführliche Musterlösung zu Beispiel 3 anzeigen
Die behauptete Mindestquote gilt.
Die tatsächliche Quote liegt darunter.
1a. Hypothesen aufstellen: „Mindestens“ schließt den genannten Anteil ein; deshalb gehört es zu H₀. Die Gegenbehauptung lautet „weniger als“ und gehört zu H₁.
1b. Testart erkennen: H₁ behauptet einen kleineren Anteil als p₀ – wir führen einen linksseitigen Test durch.
Schritt 1 – Gegeben: n = 120, p₀ = 0,55, α = 0,1, beobachtet X = 54. Unter dem Randwert von H₀ gilt X ∼ B(120; 0,55).
Schritt 2 – Erwartungswert berechnen: Hier liegt der Schwerpunkt der Verteilung; unsere kritische linke Grenze suchen wir zwischen 0 und μ.
Schritt 3 – Suchrichtung im Diagramm: Die rosa Balken liegen links vom Erwartungswert. Wir suchen die letzte ganze Zahl c, für die P(X ≤ c) noch höchstens α beträgt.
Schritt 4 – Am GTR testen: Der Befehl binomcdf(n, p₀, k) summiert alle Wahrscheinlichkeiten von X = 0 bis X = k. Die Tabelle prüft mehrere Zahlen um die Grenze herum – wir raten also nicht blind.
| Trefferzahl k | GTR-Eingabe | P(X ≤ k) | Vergleich mit α |
|---|---|---|---|
| 55 | binomcdf(120; 0,55; 55) | ≈ 0,02730 | ≤ 0,1 |
| 56 | binomcdf(120; 0,55; 56) | ≈ 0,04098 | ≤ 0,1 |
| 57 | binomcdf(120; 0,55; 57) | ≈ 0,05975 | ≤ 0,1 |
| 58 | binomcdf(120; 0,55; 58) | ≈ 0,08467 | ≤ 0,1 |
| 59 | binomcdf(120; 0,55; 59) | ≈ 0,11667 | > 0,1 |
| 60 | binomcdf(120; 0,55; 60) | ≈ 0,15644 | > 0,1 |
| 61 | binomcdf(120; 0,55; 61) | ≈ 0,20425 | > 0,1 |
Bei 58 Treffern ist die Wahrscheinlichkeit noch klein genug. Bei 59 überschreitet sie α. Deshalb ist c = 58 die letzte Trefferzahl im Ablehnungsbereich.
Schritt 5 – Beide Bereiche angeben:
Schritt 6 – Entscheidung: Beobachtet wurden X = 54 Treffer. Weil 54 ≤ 58 gilt, liegt X im Ablehnungsbereich. H₀ wird verworfen.
Übungsaufgaben mit Lösungen
Übungsaufgabe 1: Freiwillige AG
Ein Schulverein behauptet, dass mindestens 35 % der Schülerinnen und Schüler an einer freiwilligen AG teilnehmen. Es werden 100 Personen zufällig befragt. Mit einem linksseitigen Hypothesentest auf dem 5-%-Signifikanzniveau wird diese Behauptung überprüft.
Aufgaben: Formuliere die Hypothesen. Bestimme mit GTR den Ablehnungs- und Annahmebereich. Entscheide für den Fall, dass 26 Personen an der AG teilnehmen.
Kurzlösung zu Übung 1 anzeigen
H₀: p ≥ 0,35 · H₁: p < 0,35 · Grenze: c = 26 · Ablehnung: 0 bis 26 · Annahme: 27 bis 100.
Entscheidung: Bei X = 26 wird H₀ verworfen.
Ausführliche Musterlösung zu Übung 1 anzeigen
Mindestens 35 % nutzen das Angebot.
Weniger als 35 % nutzen das Angebot.
1. Hypothesen und Testart: „Mindestens“ schließt den Grenzwert mit ein und gehört zu H₀. H₁ enthält „kleiner als“: Der Test ist linksseitig.
2. Daten festhalten: Stichprobenumfang n = 100, hypothetischer Anteil p₀ = 0,35, Signifikanzniveau α = 0,05, beobachtete Treffer X = 26. Wir rechnen unter dem Randwert der Nullhypothese mit X ∼ B(100; 0,35).
3. GTR-Grenze finden: Wir suchen die größte ganze Zahl c, bei der die kumulierte Wahrscheinlichkeit höchstens α ist.
| Trefferzahl | GTR-Eingabe (kumuliert) | Ergebnis | Vergleich mit α |
|---|---|---|---|
| 26 | binomcdf(100; 0,35; 26) | ≈ 0,03514 | ≤ 0,05 · noch erlaubt |
| 27 | binomcdf(100; 0,35; 27) | ≈ 0,05581 | > 0,05 · zu groß |
Bei c = 26 ist die Wahrscheinlichkeit noch höchstens 5 %; bei 27 überschreitet sie das Signifikanzniveau erstmals. Deshalb ist c = 26 die letzte Zahl im Ablehnungsbereich.
4. Beide Entscheidungsbereiche:
5. Beobachtung und Entscheidung: X = 26 liegt im Ablehnungsbereich. H₀ wird verworfen.
Merke: „H₀ nicht verwerfen“ heißt nicht, dass H₀ bewiesen wäre.
Erwartungswert und Suchrichtung
Unter H₀ rechnen wir mit X ∼ B(100; 0,35). Die letzte Zahl des linken Ablehnungsbereichs suchen wir links vom Erwartungswert.
GTR-Tabelle: Werte rund um die Grenze
Wir testen aufeinanderfolgende Werte und kontrollieren sowohl c als auch c + 1.
| k | GTR-Eingabe | P(X ≤ k) | Vergleich |
|---|---|---|---|
| 24 | binomcdf(100; 0,35; 24) | ≈ 0,01213 | ≤ 0,05 |
| 25 | binomcdf(100; 0,35; 25) | ≈ 0,02114 | ≤ 0,05 |
| 26 | binomcdf(100; 0,35; 26) | ≈ 0,03514 | ≤ 0,05 |
| 27 | binomcdf(100; 0,35; 27) | ≈ 0,05581 | > 0,05 |
| 28 | binomcdf(100; 0,35; 28) | ≈ 0,08482 | > 0,05 |
Weil P(X ≤ 26) ≈ 0,03514 ≤ 0,05 und P(X ≤ 27) ≈ 0,05581 > 0,05 gilt, ist c = 26 die letzte Zahl des Ablehnungsbereichs.
Übungsaufgabe 2: Nutzung eines Schließfachs
Eine Schule behauptet, mindestens 40 % der Schülerinnen und Schüler nutzten ein Schließfach. Unter 90 zufällig Befragten sind es 28. Teste linksseitig bei α = 5 %: Stelle Hypothesen auf, ermittle die exakten kritischen Grenzen mit GTR und formuliere die Entscheidung.
Kurzlösung zu Übung 2 anzeigen
H₀: p ≥ 0,40 · H₁: p < 0,40 · Grenze: c = 27 · Ablehnung: 0 bis 27 · Annahme: 28 bis 90.
Entscheidung: Bei X = 28 wird H₀ nicht verworfen.
Ausführliche Musterlösung zu Übung 2 anzeigen
Mindestens 40 % nutzen das Angebot.
Weniger als 40 % nutzen das Angebot.
1. Hypothesen und Testart: „Mindestens“ schließt den Grenzwert mit ein und gehört zu H₀. H₁ enthält „kleiner als“: Der Test ist linksseitig.
2. Daten festhalten: Stichprobenumfang n = 90, hypothetischer Anteil p₀ = 0,40, Signifikanzniveau α = 0,05, beobachtete Treffer X = 28. Wir rechnen unter dem Randwert der Nullhypothese mit X ∼ B(90; 0,40).
3. GTR-Grenze finden: Wir suchen die größte ganze Zahl c, bei der die kumulierte Wahrscheinlichkeit höchstens α ist.
| Trefferzahl | GTR-Eingabe (kumuliert) | Ergebnis | Vergleich mit α |
|---|---|---|---|
| 27 | binomcdf(90; 0,40; 27) | ≈ 0,03210 | ≤ 0,05 · noch erlaubt |
| 28 | binomcdf(90; 0,40; 28) | ≈ 0,05173 | > 0,05 · zu groß |
Bei c = 27 ist die Wahrscheinlichkeit noch höchstens 5 %; bei 28 überschreitet sie das Signifikanzniveau erstmals. Deshalb ist c = 27 die letzte Zahl im Ablehnungsbereich.
4. Beide Entscheidungsbereiche:
5. Beobachtung und Entscheidung: X = 28 liegt im Annahmebereich. H₀ wird nicht verworfen.
Merke: „H₀ nicht verwerfen“ heißt nicht, dass H₀ bewiesen wäre.
Erwartungswert und Suchrichtung
Unter H₀ rechnen wir mit X ∼ B(90; 0,4). Die letzte Zahl des linken Ablehnungsbereichs suchen wir links vom Erwartungswert.
GTR-Tabelle: Werte rund um die Grenze
Wir testen aufeinanderfolgende Werte und kontrollieren sowohl c als auch c + 1.
| k | GTR-Eingabe | P(X ≤ k) | Vergleich |
|---|---|---|---|
| 25 | binomcdf(90; 0,4; 25) | ≈ 0,01073 | ≤ 0,05 |
| 26 | binomcdf(90; 0,4; 26) | ≈ 0,01901 | ≤ 0,05 |
| 27 | binomcdf(90; 0,4; 27) | ≈ 0,03210 | ≤ 0,05 |
| 28 | binomcdf(90; 0,4; 28) | ≈ 0,05173 | > 0,05 |
| 29 | binomcdf(90; 0,4; 29) | ≈ 0,07971 | > 0,05 |
Weil P(X ≤ 27) ≈ 0,03210 ≤ 0,05 und P(X ≤ 28) ≈ 0,05173 > 0,05 gilt, ist c = 27 die letzte Zahl des Ablehnungsbereichs.
Übungsaufgabe 3: Teilnahme am Mittagessen
Eine Mensa behauptet, mindestens 30 % der Lernenden würden regelmäßig das Mittagessen bestellen. Bei 150 zufälligen Befragungen antworten 33 Personen mit Ja. Führe den linksseitigen Test mit α = 5 % und der kumulierten Binomialverteilung durch.
Zusatzaufgabe: Erkläre den Fehler 1. und 2. Art. Berechne die tatsächliche Fehlerwahrscheinlichkeit 1. Art bei p = 0,30 und die Fehlerwahrscheinlichkeit 2. Art für den Alternativfall p = 0,20.
Kurzlösung zu Übung 3 anzeigen
H₀: p ≥ 0,30 · H₁: p < 0,30 · Grenze: c = 35 · Ablehnung: 0 bis 35 · Annahme: 36 bis 150.
Entscheidung: Bei X = 33 wird H₀ verworfen.
Ausführliche Musterlösung zu Übung 3 anzeigen
Mindestens 30 % nutzen das Angebot.
Weniger als 30 % nutzen das Angebot.
1. Hypothesen und Testart: „Mindestens“ schließt den Grenzwert mit ein und gehört zu H₀. H₁ enthält „kleiner als“: Der Test ist linksseitig.
2. Daten festhalten: Stichprobenumfang n = 150, hypothetischer Anteil p₀ = 0,30, Signifikanzniveau α = 0,05, beobachtete Treffer X = 33. Wir rechnen unter dem Randwert der Nullhypothese mit X ∼ B(150; 0,30).
3. GTR-Grenze finden: Wir suchen die größte ganze Zahl c, bei der die kumulierte Wahrscheinlichkeit höchstens α ist.
| Trefferzahl | GTR-Eingabe (kumuliert) | Ergebnis | Vergleich mit α |
|---|---|---|---|
| 35 | binomcdf(150; 0,30; 35) | ≈ 0,04286 | ≤ 0,05 · noch erlaubt |
| 36 | binomcdf(150; 0,30; 36) | ≈ 0,06274 | > 0,05 · zu groß |
Bei c = 35 ist die Wahrscheinlichkeit noch höchstens 5 %; bei 36 überschreitet sie das Signifikanzniveau erstmals. Deshalb ist c = 35 die letzte Zahl im Ablehnungsbereich.
4. Beide Entscheidungsbereiche:
5. Beobachtung und Entscheidung: X = 33 liegt im Ablehnungsbereich. H₀ wird verworfen.
Merke: „H₀ nicht verwerfen“ heißt nicht, dass H₀ bewiesen wäre.
Erwartungswert und Suchrichtung
Unter H₀ rechnen wir mit X ∼ B(150; 0,3). Die letzte Zahl des linken Ablehnungsbereichs suchen wir links vom Erwartungswert.
GTR-Tabelle: Werte rund um die Grenze
Wir testen aufeinanderfolgende Werte und kontrollieren sowohl c als auch c + 1.
| k | GTR-Eingabe | P(X ≤ k) | Vergleich |
|---|---|---|---|
| 33 | binomcdf(150; 0,3; 33) | ≈ 0,01811 | ≤ 0,05 |
| 34 | binomcdf(150; 0,3; 34) | ≈ 0,02834 | ≤ 0,05 |
| 35 | binomcdf(150; 0,3; 35) | ≈ 0,04286 | ≤ 0,05 |
| 36 | binomcdf(150; 0,3; 36) | ≈ 0,06274 | > 0,05 |
| 37 | binomcdf(150; 0,3; 37) | ≈ 0,08900 | > 0,05 |
Weil P(X ≤ 35) ≈ 0,04286 ≤ 0,05 und P(X ≤ 36) ≈ 0,06274 > 0,05 gilt, ist c = 35 die letzte Zahl des Ablehnungsbereichs.
Zusatzaufgabe – Fehler 1. und 2. Art
Fehler 1. Art: Die Mindestquote gilt, trotzdem wird sie verworfen. Am Rand p = 0,30 beträgt die tatsächliche Wahrscheinlichkeit P(X ≤ 35) ≈ 0,04286.
Fehler 2. Art: Bei tatsächlich nur 20 % wird die falsche Mindestbehauptung nicht verworfen. Die Wahrscheinlichkeit dafür ist β(0,20) = P(X ≥ 36 | p = 0,20) ≈ 0,13168.
Häufige Fehler und Fragen
| Typischer Fehler | So machst du es richtig |
|---|---|
| Nur P(X = 24) berechnen | Du brauchst die kumulierte Wahrscheinlichkeit P(X ≤ 24). |
| Bei 24 aufhören, ohne 25 zu prüfen | Prüfe die nächste Trefferzahl. Nur so ist die Grenze sicher maximal. |
| Ab 24 den Annahmebereich beginnen lassen | 24 liegt noch im Ablehnungsbereich. Der Annahmebereich beginnt bei 25. |
| „H₀ ist bewiesen“ schreiben | Richtig ist: „H₀ wird verworfen“ oder „H₀ wird nicht verworfen“. |
Wann nehme ich einen linksseitigen Hypothesentest?
Warum ist der Ablehnungsbereich links?
Was ist der Unterschied zwischen GTR und Sigma-Regel?
Weitere Lernartikel zum Hypothesentest
Du möchtest die anderen Testarten vergleichen oder die Grundlagen vertiefen? Hier findest du die passenden ausführlichen EinfachMathe-Beiträge mit Beispielen und Übungen.
Nachhilfe, Kurse und Skripte



EinfachMathe mit Jenny · Mathematik Schritt für Schritt verstehen.