Fehler 1. und 2. Art beim Hypothesentest

Fehler 1. und 2. Art beim Hypothesentest – einfach erklärt | EinfachMathe
EinfachMathe mit Jenny · Stochastik

Fehler 1. und 2. Artbeim Hypothesentest einfach erklärt

Was bedeuten α-Fehler und β-Fehler? Wann können wir die beiden Fehler machen – und wie berechnen wir ihre Wahrscheinlichkeiten mit der exakten Binomialverteilung?

Schritt für Schritt3 vollständig gerechnete Beispiele3 Übungen mit Kurz- und Langlösung

Direkt zu den Beispielen ↓Alle drei Testarten · mit GTR

2mögliche Fehlerarten
3ausführliche Beispiele
3Übungen mit Lösungen
01 · EINSTIEG

Was sind Fehler 1. und 2. Art?

Ein Hypothesentest soll uns helfen, anhand einer Stichprobe eine statistische Entscheidung zu treffen. Doch weil wir nur einen Teil der Bevölkerung untersuchen, kann unsere Entscheidung falsch sein. Genau dabei unterscheiden wir zwei Fehlerarten.

Fehler 1. Art (α-Fehler)

Wir verwerfen H₀, obwohl H₀ wahr ist. Wir schlagen also gewissermaßen einen Fehlalarm.

Fehler 2. Art (β-Fehler)

Wir verwerfen H₀ nicht, obwohl H₁ wahr ist. Wir übersehen also eine tatsächlich vorhandene Abweichung.

Der wichtigste Unterschied: Beim Fehler 1. Art verwerfen wir eine wahre Nullhypothese. Beim Fehler 2. Art verwerfen wir eine falsche Nullhypothese nicht. „H₀ nicht verwerfen“ heißt dabei nicht, dass H₀ bewiesen ist.
EINFACHES ALLTAGSBEISPIEL

Stell dir einen Rauchmelder in der Schule vor

Ein Rauchmelder soll erkennen, ob es brennt. Er kann aber auch einen Fehlalarm auslösen oder einen echten Brand übersehen. Genau so können bei einem Hypothesentest zwei unterschiedliche Fehler entstehen.

H₀: Es gibt keinen Brand.Das ist unsere Ausgangsannahme.
H₁: Es gibt einen Brand.Das ist die mögliche Gegenbehauptung.
Fehler 1. Art – Fehlalarm

Der Alarm geht los, obwohl es gar nicht brennt. Wir verwerfen die wahre Ausgangsannahme H₀.

Fehler 2. Art – Übersehen

Der Alarm bleibt aus, obwohl es tatsächlich brennt. Wir verwerfen die falsche Ausgangsannahme H₀ nicht.

Merkhilfe: Fehler 1. Art = Alarm ohne Brand. Fehler 2. Art = Brand ohne Alarm. Bei einem mathematischen Hypothesentest ersetzen wir den Alarm durch die Entscheidung, ob H₀ verworfen wird.

Infografik: Fehler erster und zweiter Art beim Hypothesentest
Beide Fehler entstehen, weil wir auf Basis einer Stichprobe entscheiden.
02 · GRUNDLAGEN UND VORWISSEN

Grundlagen und Vorwissen

Für diesen Beitrag solltest du die Binomialverteilung, den Erwartungswert μ = n · p₀ und die kumulierte Wahrscheinlichkeit P(X ≤ k) kennen. Wenn du mit dem GTR arbeitest, findest du die Wahrscheinlichkeiten unter Binomialverteilung → kumuliert beziehungsweise mit binomcdf.

H₀ und H₁

H₀ ist unsere Nullhypothese. H₁ ist die Alternativhypothese, also die überprüfte Abweichung.

Annahme- und Ablehnungsbereich

Im Annahmebereich A verwerfen wir H₀ nicht. Im Ablehnungsbereich Ā verwerfen wir H₀.

Wahrscheinlichkeiten

Die exakte Binomialverteilung berechnet, wie wahrscheinlich bestimmte Trefferzahlen sind.

Es ist nicht nötig, die Sigma-Regeln zu verwenden: Wir rechnen mit der exakten Binomialverteilung. Der GTR ist lediglich das Rechenwerkzeug.

03 · HYPOTHESEN RICHTIG LESEN

H₀ und H₁ richtig zuordnen

Der erste Schritt ist immer, genau zu verstehen, was die Ausgangsbehauptung und was die Gegenbehauptung ist. In typischen Schulaufgaben enthält H₀ das Gleichheitszeichen und H₁ gibt die Richtung der Abweichung an.

Merktabelle: Welche Formulierungen gehören zu H₀ und H₁?

Der genannte Grenzwert ist in H₀ eingeschlossen. Bei H₁ geht es um die Gegenbehauptung. Ausschlaggebend ist immer, was getestet werden soll.

TestartH₀ – mit GleichheitszeichenH₁ – ohne Gleichheitszeichen
Linksseitigmindestens · p ≥ p₀weniger als · p < p₀
Rechtsseitighöchstens · p ≤ p₀mehr als · p > p₀
Beidseitiggenau · p = p₀anders als · p ≠ p₀

Wichtig: Das sind typische Schulformulierungen. H₀ ist nicht automatisch der zuerst genannte Satz, sondern die Hypothese mit dem Gleichheitszeichen.

Praktischer Tipp: Überlege dir erst, welche Aussage du verwerfen würdest. Setze dann H₀ und H₁ sauber auf – erst danach berechnest du die Grenzen.

04 · DIE VIER FÄLLE

Die vier möglichen Testentscheidungen

Ein statistischer Test hat zwei mögliche Entscheidungen. Gleichzeitig kann H₀ in Wirklichkeit wahr oder falsch sein. Daraus entstehen vier Situationen – davon sind zwei richtig und zwei Fehler.

WirklichkeitH₀ wird nicht verworfenH₀ wird verworfen
H₀ ist wahrRichtige EntscheidungWir verwerfen eine wahre Behauptung nicht.Fehler 1. Art (α)Wir verwerfen H₀, obwohl sie wahr ist.
H₁ ist wahrFehler 2. Art (β)Wir verwerfen H₀ nicht, obwohl H₁ gilt.Richtige EntscheidungWir verwerfen eine falsche H₀.
Merksatz: Die erste Fehlerart gehört zur irrtümlichen Ablehnung; die zweite Fehlerart zur irrtümlichen Nicht-Ablehnung.
05 · FEHLER 1. ART

Fehler 1. Art – der α-Fehler

Beim Fehler 1. Art ist H₀ in Wirklichkeit richtig. Trotzdem landet unser Stichprobenergebnis zufällig im Ablehnungsbereich und wir verwerfen H₀.

Definition des α-Fehlers

P(Fehler 1. Art) = P(X ∈ Ā | H₀ ist wahr)

Das Signifikanzniveau α gibt vor, wie groß das Risiko für diesen Fehler höchstens sein darf.

Bei α = 5 % begrenzen wir dieses Risiko auf höchstens 5 %. Die tatsächliche Wahrscheinlichkeit kann bei einer Binomialverteilung mit ganzzahligen Grenzen auch kleiner sein – beispielsweise 4,46 %.

Wichtig: Das vorgegebene Signifikanzniveau α und die tatsächlich erreichte Wahrscheinlichkeit des Fehlers 1. Art sind nicht immer genau gleich.
06 · FEHLER 2. ART

Fehler 2. Art – der β-Fehler

Beim Fehler 2. Art stimmt die Nullhypothese in Wirklichkeit nicht. Trotzdem ist die Stichprobenabweichung nicht groß genug, um H₀ zu verwerfen. Das Ergebnis landet also im Annahmebereich A.

Definition des β-Fehlers

β(p₁) = P(X ∈ A | p = p₁)

Dabei ist p₁ ein konkreter tatsächlicher Anteil aus H₁. Die Wahrscheinlichkeit β hängt von diesem gewählten Anteil ab.

Ganz wichtig für Schulaufgaben: Um β numerisch zu berechnen, muss ein konkreter Alternativwert p₁ angegeben sein. „Die Alternative ist p > 0,25“ allein reicht dafür nicht. Für unterschiedliche p₁ entstehen unterschiedliche β-Werte.

Die Teststärke (Power) ist die Wahrscheinlichkeit, eine tatsächlich falsche Nullhypothese zu verwerfen. Für den konkret gewählten Wert p₁ gilt daher:

Teststärke = 1 − β(p₁)
07 · ALPHA UND BETA IM VERGLEICH

α und β: Der wichtige Unterschied

α – Risiko für einen Fehlalarm

Wir verwerfen H₀, obwohl H₀ gilt. Die Wahrscheinlichkeit wird über den Ablehnungsbereich Ā berechnet und durch α begrenzt.

β – Risiko, eine Abweichung zu übersehen

H₀ wird nicht verworfen, obwohl H₁ gilt. Die Wahrscheinlichkeit wird über den Annahmebereich A bei einem vorgegebenen p₁ berechnet.

Stell dir zwei Verteilungen vor: Eine gehört zur Ausgangsannahme p₀, die andere zu einem tatsächlich abweichenden Anteil p₁. Die Entscheidungsgrenzen bleiben dieselben; aber die Wahrscheinlichkeiten einzelner Trefferzahlen ändern sich.

Warum kann man nicht beide Fehler gleichzeitig auf null setzen? Eine strengere Ablehnungsregel reduziert normalerweise das Risiko eines Fehlers 1. Art, kann aber – bei unverändertem Stichprobenumfang und derselben konkreten Alternative – den Fehler 2. Art erhöhen. Eine größere Stichprobe kann helfen, beide Risiken klein zu halten.
08 · ALLE DREI TESTARTEN

Fehlerarten bei allen drei Testarten

Die Bedeutung von Fehler 1. und 2. Art bleibt bei allen drei Testarten gleich. Was sich verändert, ist nur, wo die Ablehnungsbereiche liegen und welche Trefferzahlen zur Nicht-Ablehnung führen.

Linksseitiger Test
H₁: p < p₀

Wenig Treffer sprechen gegen H₀. Die Ablehnung liegt links.

Rechtsseitiger Test
H₁: p > p₀

Viele Treffer sprechen gegen H₀. Die Ablehnung liegt rechts.

Beidseitiger Test
H₁: p ≠ p₀

Sehr wenige und sehr viele Treffer sprechen gegen H₀. Die Ablehnung liegt auf beiden Seiten.

Die schulischen GTR-Regeln im Überblick

TestartWas berechnen wir?GTR-RegelBereich A
Linksseitigletzte Ablehnungszahl cP(X ≤ c) ≤ α{c + 1, …, n}
Rechtsseitigobere Annahmegrenze bP(X ≤ b) > 1 − α{0, …, b}
Beidseitigc links, b rechtsP(X ≤ c) ≤ α/2
P(X ≤ b) > 1 − α/2
{c + 1, …, b}

Beidseitig beachten: Das Signifikanzniveau wird aufgeteilt. Bei α = 0,05 rechnen wir links mit 0,025 und rechts mit 1 − 0,025 = 0,975.

09 · EIN FESTER PLAN

Fehlerwahrscheinlichkeiten Schritt für Schritt berechnen

Wir gehen beim Berechnen des Fehlers 1. und 2. Art immer in derselben Reihenfolge vor. So verwechselst du die beiden Wahrscheinlichkeiten nicht.

1H₀, H₁ und Testart

Was behauptet H₀? Welche Richtung vermutet H₁?

2Entscheidungsbereiche mit dem GTR

Grenze(n) ermitteln, A und Ā vollständig aufschreiben.

3Fehler 1. Art

Mit dem Randwert p₀ die Wahrscheinlichkeit für X ∈ Ā berechnen.

4Fehler 2. Art

Mit einem konkreten p₁ aus H₁ die Wahrscheinlichkeit für X ∈ A berechnen.

Prüfe vor jeder Rechnung: Für α verwendest du den Ablehnungsbereich; für β den Annahmebereich. Die Grenzen aus dem Test bleiben gleich. Nur die verwendete Trefferwahrscheinlichkeit wechselt von p₀ zu p₁.
10 · BEISPIEL 1

Beispiel 1: Die neue Pausenregel

Wir beginnen mit einem rechtsseitigen Test. In dieser Aufgabe erklären wir beide Fehler und berechnen ihre Wahrscheinlichkeiten ganz ausführlich.

Aufgabenstellung: Pausenregel an der Schule

Eine Schule behauptet, dass höchstens 25 % der Schülerinnen und Schüler eine neue Pausenregel gut finden. In einer zufälligen Befragung von 100 Personen finden 34 die Regel gut. Wir überprüfen die Behauptung mit dem Signifikanzniveau α = 5 %. Für die β-Berechnung nehmen wir an, dass der tatsächliche Anteil p₁ = 0,40 beträgt.

a) Stelle H₀ und H₁ auf und bestimme die Testart. Zur Lösung a) ↓
b) Bestimme den Annahme- und Ablehnungsbereich mit der exakten Binomialverteilung im GTR. Zur Lösung b) ↓
c) Entscheide anhand der beobachteten Trefferzahl und formuliere einen Antwortsatz. Zur Lösung c) ↓
d) Erkläre im Sachzusammenhang einen Fehler 1. und 2. Art. Zur Lösung d) ↓
e) Berechne die tatsächliche α-Fehlerwahrscheinlichkeit am Rand von H₀ sowie β für den angegebenen Alternativwert. Zur Lösung e) ↓
Stichprobengröße

n = 100

Randwert unter H₀

p₀ = 0,25

Signifikanzniveau

α = 5 % = 0,05

11 · AUSFÜHRLICHE MUSTERLÖSUNG

Ausführliche Musterlösung zu Beispiel 1

1. Nullhypothese H₀ und Gegenhypothese H₁ aufstellen

H₀: p ≤ 0,25

Ausgangsaussage: „höchstens 25 %“

H₁: p > 0,25

Gegenbehauptung: „mehr als 25 %“

Das Wort „höchstens“ schließt den genannten Anteil ein. Deshalb gehört die entsprechende Aussage zu H₀. H₁ beschreibt die Gegenbehauptung und bestimmt die Testrichtung.

Merktabelle: Welche Formulierungen gehören zu H₀ und H₁?

Der genannte Grenzwert ist in H₀ eingeschlossen. Bei H₁ geht es um die Gegenbehauptung. Ausschlaggebend ist immer, was getestet werden soll.

TestartH₀ – mit GleichheitszeichenH₁ – ohne Gleichheitszeichen
Linksseitigmindestens · p ≥ p₀weniger als · p < p₀
Rechtsseitighöchstens · p ≤ p₀mehr als · p > p₀
Beidseitiggenau · p = p₀anders als · p ≠ p₀

Wichtig: Das sind typische Schulformulierungen. H₀ ist nicht automatisch der zuerst genannte Satz, sondern die Hypothese mit dem Gleichheitszeichen.

Was bedeutet X? X zählt, wie viele Personen in dieser Stichprobe eine neue Pausenregel gut finden.

2. Testart erkennen und Erwartungswert berechnen

Weil H₁ einen Anteil oberhalb von p₀ vermutet, handelt es sich um einen rechtsseitigen Test. Die Abweichung suchen wir daher rechts vom Erwartungswert.

μ = n · p₀ = 100 · 0,25 = 25

Der Erwartungswert zeigt uns den Schwerpunkt der Binomialverteilung. In der ersten Orientierungsskizze stehen noch keine kritischen Grenzen; diese finden wir erst im GTR.

μ₀ = 25644Orientierung: Erst die Testart erkennen, dann die Grenzen berechnen
Erster Überblick ohne Kenntnis der kritischen Grenze.

↑ Zur Aufgabenstellung

3. Kritische Grenze mit dem GTR bestimmen

Gegeben: n = 100, p₀ = 0,25, α = 5 % = 0,050. Unter dem Randwert von H₀ rechnen wir mit X ∼ B(100; 0,25).

Rechtsseitiger GTR-Test: die obere Annahmegrenze b suchen

P(X ≤ b) > 1 − α = 0,950

Gesucht ist die kleinste ganze Zahl b, bei der der kumulierte Wert erstmals größer als 0,950 ist. Somit ist A = {0, …, b} und der rechte Ablehnungsbereich beginnt bei b + 1.

Was berechnet der GTR? Der Befehl binomcdf(n; p₀; k) liefert die kumulierte Wahrscheinlichkeit P(X ≤ k) – also die Summe aller Trefferwahrscheinlichkeiten von 0 bis k. Wir überprüfen benachbarte Trefferzahlen, damit die Grenze eindeutig ist.

Die Tabelle zeigt bewusst mehrere aufeinanderfolgende GTR-Werte. So können wir sicher nachweisen, dass genau an der Grenzzahl die Ungleichung umspringt.

Trefferzahl kGTR-Eingabe (kumuliert)P(X ≤ k)Vergleich
30binomcdf(100; 0,25; 30)0,89621≤ 0,950
31binomcdf(100; 0,25; 31)0,93065≤ 0,950
32binomcdf(100; 0,25; 32)0,95540> 0,950
33binomcdf(100; 0,25; 33)0,97241> 0,950
34binomcdf(100; 0,25; 34)0,98357> 0,950
P(X ≤ 31) ≈ 0,93065 ≤ 0,950
P(X ≤ 32) ≈ 0,95540 > 0,950

Bis 31 ist der Wert noch nicht größer als 0,950. Bei b = 32 wird diese Grenze erstmals überschritten. Der rechte Ablehnungsbereich beginnt deshalb bei 33.

Jetzt beide Entscheidungsbereiche aufschreiben:

A = {0, …, 32}
Ā = {33, …, 100}

Hier steht A für die Trefferzahlen, bei denen H₀ nicht verworfen wird. Ā enthält alle Trefferzahlen, bei denen H₀ verworfen wird.

μ₀ = 256443233Rosa: Ablehnung · Türkis: Annahme · Gelb: μ₀
Ergebnisdiagramm: Der Annahmebereich ist türkis; der Ablehnungsbereich ist rosa. Die Grenzzahlen sind markiert.

↑ Zur Aufgabenstellung

4. Beobachtete Trefferzahl prüfen und Entscheidung in Alltagssprache

Beobachtet wurden X = 34 Treffer (34 von 100 Schülerinnen und Schülern finden die neue Pausenregel gut).

Vergleich: X = 34 liegt im Ablehnungsbereich Ā, denn der Annahmebereich reicht von 0 bis 32.

Entscheidung: H₀ wird auf dem 5 %-Niveau verworfen. Das liefert statistische Hinweise für H₁, aber keinen absoluten Beweis.

Antwort in Alltagssprache: Die beobachtete Trefferzahl ist unter der Ausgangsbehauptung ungewöhnlich; deshalb wird sie statistisch verworfen.

↑ Zur Aufgabenstellung

5. Fehler 1. und 2. Art in der Aufgabe erklären

Fehler 1. Art – α-Fehler

Wir verwerfen die Behauptung „höchstens 25 % eine neue Pausenregel gut finden“, obwohl sie in Wirklichkeit zutrifft.

Fehler 2. Art – β-Fehler

Wir verwerfen die Behauptung nicht, obwohl tatsächlich „mehr als 25 %“ gilt.

Merke: Die Fehlerarten hängen davon ab, ob H₀ in Wirklichkeit stimmt. Wir können aus der Stichprobe allein nicht wissen, ob wir tatsächlich einen Fehler gemacht haben.

↑ Zur Aufgabenstellung

6. Fehlerwahrscheinlichkeiten α und β berechnen

Fehler 1. Art: tatsächliche Wahrscheinlichkeit am Rand von H₀

Für die Berechnung verwenden wir den Randwert p₀ = 0,25. Ein Fehler 1. Art bedeutet, H₀ zu verwerfen, obwohl H₀ wahr ist.

αtatsächlich = P(X ≥ 33 | p = 0,25) = 1 − P(X ≤ 32)
≈ 0,04460 = 4,46 %

Der Wert ist höchstens 5 %. Das vorgegebene Signifikanzniveau ist also die Obergrenze und nicht zwingend die tatsächlich erreichte Fehlerwahrscheinlichkeit.

Fehler 2. Art: tatsächliche Wahrscheinlichkeit bei p = 0,40

Für β benötigen wir einen konkreten wahren Anteil aus H₁. Hier nehmen wir p = 0,40 an. Wir machen dann einen Fehler 2. Art, wenn wir trotz dieses abweichenden Anteils im Annahmebereich A = {0, …, 32} landen.

β(0,40) = P(X ≤ 32 | p = 0,40)

GTR: binomcdf(100; 0,40; 32)

β(0,40) ≈ 0,06150 = 6,15 %

Die Teststärke für diesen Alternativfall beträgt 1 − β ≈ 93,85 %. Bei einem anderen tatsächlichen Anteil aus H₁ kann β einen anderen Wert besitzen.

μ₀ = 25μ₁ = 404613233Gold: β-Anteil im Annahmebereich · Grau: Ablehnung · Lila: μ₁
Alternative Verteilung mit p₁: Goldene Balken im Annahmebereich stehen für den β-Fehler. Die violette Linie markiert μ₁.

Wichtig: Der β-Fehler ist kein einziger fester Wert für alle möglichen Gegenhypothesen. Man benötigt einen konkreten Alternativwert, hier p = 0,40. Bei einem anderen Alternativwert ändert sich β.

↑ Zur Aufgabenstellung

12 · ZWEI WEITERE BEISPIELE

Beispiele 2 und 3 mit GTR

Jetzt wenden wir dieselbe Fehlerlogik auf einen linksseitigen und einen beidseitigen Test an. Zu beiden Aufgaben kannst du zuerst eine Kurzlösung oder die vollständige Musterlösung aufklappen.

02
WEITERES BEISPIEL

Beispiel 2: Wie häufig wird das Schulfrühstück genutzt?

Ein Schulträger geht davon aus, dass mindestens 40 % der Kinder das Schulfrühstück regelmäßig nutzen. Unter 80 zufällig ausgewählten Kindern tun dies 24. α = 5 %. Für den β-Fehler sei der tatsächliche Anteil p₁ = 0,30.

Aufgaben: Stelle H₀ und H₁ auf, bestimme die GTR-Entscheidungsbereiche, entscheide bei der beobachteten Trefferzahl und erkläre sowie berechne den Fehler 1. und 2. Art.

Kurzlösung zu Beispiel 2 anzeigen
H₀: p ≥ 0,40
H₁: p < 0,40
Testart: Linksseitig
Erwartungswert: μ = 80 · 0,40 = 32
Grenze(n): 24
Annahmebereich A: {25, …, 80}
Ablehnungsbereich Ā: {0, …, 24}
Entscheidung: X = 24; H₀ wird verworfen.
α tatsächlich: 4,17 %
β bei p = 0,30: 44,51 %
Ausführliche Musterlösung zu Beispiel 2 anzeigen

1. Nullhypothese H₀ und Gegenhypothese H₁ aufstellen

H₀: p ≥ 0,40

Ausgangsaussage: „mindestens 40 %“

H₁: p < 0,40

Gegenbehauptung: „weniger als 40 %“

Das Wort „mindestens“ schließt den genannten Anteil ein. Deshalb gehört die entsprechende Aussage zu H₀. H₁ beschreibt die Gegenbehauptung und bestimmt die Testrichtung.

Merktabelle: Welche Formulierungen gehören zu H₀ und H₁?

Der genannte Grenzwert ist in H₀ eingeschlossen. Bei H₁ geht es um die Gegenbehauptung. Ausschlaggebend ist immer, was getestet werden soll.

TestartH₀ – mit GleichheitszeichenH₁ – ohne Gleichheitszeichen
Linksseitigmindestens · p ≥ p₀weniger als · p < p₀
Rechtsseitighöchstens · p ≤ p₀mehr als · p > p₀
Beidseitiggenau · p = p₀anders als · p ≠ p₀

Wichtig: Das sind typische Schulformulierungen. H₀ ist nicht automatisch der zuerst genannte Satz, sondern die Hypothese mit dem Gleichheitszeichen.

Was bedeutet X? X zählt, wie viele Personen in dieser Stichprobe das Schulfrühstück regelmäßig nutzen.

2. Testart erkennen und Erwartungswert berechnen

Weil H₁ einen Anteil unterhalb von p₀ vermutet, handelt es sich um einen linksseitigen Test. Die Abweichung suchen wir daher links vom Erwartungswert.

μ = n · p₀ = 80 · 0,40 = 32

Der Erwartungswert zeigt uns den Schwerpunkt der Binomialverteilung. In der ersten Orientierungsskizze stehen noch keine kritischen Grenzen; diese finden wir erst im GTR.

μ₀ = 321351Orientierung: Erst die Testart erkennen, dann die Grenzen berechnen
Erster Überblick ohne Kenntnis der kritischen Grenze.

3. Kritische Grenze mit dem GTR bestimmen

Gegeben: n = 80, p₀ = 0,40, α = 5 % = 0,050. Unter dem Randwert von H₀ rechnen wir mit X ∼ B(80; 0,40).

Linksseitiger GTR-Test: die letzte Ablehnungszahl c suchen

P(X ≤ c) ≤ α = 0,050

Gesucht ist die größte ganze Zahl c, bei der der kumulierte Wert höchstens 0,050 ist. Somit ist der linke Ablehnungsbereich von 0 bis c und A = {c + 1, …, n}.

Was berechnet der GTR? Der Befehl binomcdf(n; p₀; k) liefert die kumulierte Wahrscheinlichkeit P(X ≤ k) – also die Summe aller Trefferwahrscheinlichkeiten von 0 bis k. Wir überprüfen benachbarte Trefferzahlen, damit die Grenze eindeutig ist.

Die Tabelle zeigt bewusst mehrere aufeinanderfolgende GTR-Werte. So können wir sicher nachweisen, dass genau an der Grenzzahl die Ungleichung umspringt.

Trefferzahl kGTR-Eingabe (kumuliert)P(X ≤ k)Vergleich
22binomcdf(80; 0,40; 22)0,01365≤ 0,050
23binomcdf(80; 0,40; 23)0,02453≤ 0,050
24binomcdf(80; 0,40; 24)0,04175≤ 0,050
25binomcdf(80; 0,40; 25)0,06746> 0,050
26binomcdf(80; 0,40; 26)0,10373> 0,050
P(X ≤ 24) ≈ 0,04175 ≤ 0,050
P(X ≤ 25) ≈ 0,06746 > 0,050

c = 24 ist die letzte Trefferzahl, bei der die linke Ablehnungsregel erfüllt ist. Die nächste Zahl 25 liegt schon im Annahmebereich.

Jetzt beide Entscheidungsbereiche aufschreiben:

A = {25, …, 80}
Ā = {0, …, 24}

Hier steht A für die Trefferzahlen, bei denen H₀ nicht verworfen wird. Ā enthält alle Trefferzahlen, bei denen H₀ verworfen wird.

μ₀ = 3213512425Rosa: Ablehnung · Türkis: Annahme · Gelb: μ₀
Ergebnisdiagramm: Der Annahmebereich ist türkis; der Ablehnungsbereich ist rosa. Die Grenzzahlen sind markiert.

4. Beobachtete Trefferzahl prüfen und Entscheidung in Alltagssprache

Beobachtet wurden X = 24 Treffer (24 von 80 Kindern nutzen das Schulfrühstück).

Vergleich: X = 24 liegt im Ablehnungsbereich Ā, denn der Annahmebereich reicht von 25 bis 80.

Entscheidung: H₀ wird auf dem 5 %-Niveau verworfen. Das liefert statistische Hinweise für H₁, aber keinen absoluten Beweis.

Antwort in Alltagssprache: Die beobachtete Trefferzahl ist unter der Ausgangsbehauptung ungewöhnlich; deshalb wird sie statistisch verworfen.

5. Fehler 1. und 2. Art in der Aufgabe erklären

Fehler 1. Art – α-Fehler

Wir verwerfen die Behauptung „mindestens 40 % das Schulfrühstück regelmäßig nutzen“, obwohl sie in Wirklichkeit zutrifft.

Fehler 2. Art – β-Fehler

Wir verwerfen die Behauptung nicht, obwohl tatsächlich „weniger als 40 %“ gilt.

Merke: Die Fehlerarten hängen davon ab, ob H₀ in Wirklichkeit stimmt. Wir können aus der Stichprobe allein nicht wissen, ob wir tatsächlich einen Fehler gemacht haben.

6. Fehlerwahrscheinlichkeiten α und β berechnen

Fehler 1. Art: tatsächliche Wahrscheinlichkeit am Rand von H₀

Für die Berechnung verwenden wir den Randwert p₀ = 0,40. Ein Fehler 1. Art bedeutet, H₀ zu verwerfen, obwohl H₀ wahr ist.

αtatsächlich = P(X ≤ 24 | p = 0,40)
≈ 0,04175 = 4,17 %

Der Wert ist höchstens 5 %. Das vorgegebene Signifikanzniveau ist also die Obergrenze und nicht zwingend die tatsächlich erreichte Fehlerwahrscheinlichkeit.

Fehler 2. Art: tatsächliche Wahrscheinlichkeit bei p = 0,30

Für β benötigen wir einen konkreten wahren Anteil aus H₁. Hier nehmen wir p = 0,30 an. Wir machen dann einen Fehler 2. Art, wenn wir trotz dieses abweichenden Anteils im Annahmebereich A = {25, …, 80} landen.

β(0,30) = P(X ≥ 25 | p = 0,30) = 1 − P(X ≤ 24)

GTR: 1 − binomcdf(80; 0,30; 24)

β(0,30) ≈ 0,44514 = 44,51 %

Die Teststärke für diesen Alternativfall beträgt 1 − β ≈ 55,49 %. Bei einem anderen tatsächlichen Anteil aus H₁ kann β einen anderen Wert besitzen.

μ₀ = 32μ₁ = 246502425Gold: β-Anteil im Annahmebereich · Grau: Ablehnung · Lila: μ₁
Alternative Verteilung mit p₁: Goldene Balken im Annahmebereich stehen für den β-Fehler. Die violette Linie markiert μ₁.

Wichtig: Der β-Fehler ist kein einziger fester Wert für alle möglichen Gegenhypothesen. Man benötigt einen konkreten Alternativwert, hier p = 0,30. Bei einem anderen Alternativwert ändert sich β.

03
WEITERES BEISPIEL

Beispiel 3: Hat sich die Nutzung der Bibliothek verändert?

Bisher nutzten 50 % der Schülerinnen und Schüler die Schulbibliothek regelmäßig. Nach einer Umgestaltung soll geprüft werden, ob der Anteil nun anders ist. Unter 100 Befragten nutzen 64 die Bibliothek. α = 5 %. Für den β-Fehler sei der tatsächliche Anteil p₁ = 0,65.

Aufgaben: Stelle H₀ und H₁ auf, bestimme die GTR-Entscheidungsbereiche, entscheide bei der beobachteten Trefferzahl und erkläre sowie berechne den Fehler 1. und 2. Art.

Kurzlösung zu Beispiel 3 anzeigen
H₀: p = 0,50
H₁: p ≠ 0,50
Testart: Beidseitig
Erwartungswert: μ = 100 · 0,50 = 50
Grenze(n): (39, 60)
Annahmebereich A: {40, …, 60}
Ablehnungsbereich Ā: {0, …, 39} ∪ {61, …, 100}
Entscheidung: X = 64; H₀ wird verworfen.
α tatsächlich: 3,52 %
β bei p = 0,65: 17,24 %
Ausführliche Musterlösung zu Beispiel 3 anzeigen

1. Nullhypothese H₀ und Gegenhypothese H₁ aufstellen

H₀: p = 0,50

Ausgangsaussage: „genau 50 %“

H₁: p ≠ 0,50

Gegenbehauptung: „anders als 50 %“

Das Wort „genau“ schließt den genannten Anteil als Ausgangswert ein. Deshalb gehört die entsprechende Aussage zu H₀. H₁ beschreibt die Gegenbehauptung und bestimmt die Testrichtung.

Merktabelle: Welche Formulierungen gehören zu H₀ und H₁?

Der genannte Grenzwert ist in H₀ eingeschlossen. Bei H₁ geht es um die Gegenbehauptung. Ausschlaggebend ist immer, was getestet werden soll.

TestartH₀ – mit GleichheitszeichenH₁ – ohne Gleichheitszeichen
Linksseitigmindestens · p ≥ p₀weniger als · p < p₀
Rechtsseitighöchstens · p ≤ p₀mehr als · p > p₀
Beidseitiggenau · p = p₀anders als · p ≠ p₀

Wichtig: Das sind typische Schulformulierungen. H₀ ist nicht automatisch der zuerst genannte Satz, sondern die Hypothese mit dem Gleichheitszeichen.

Was bedeutet X? X zählt, wie viele Personen in dieser Stichprobe die Bibliothek regelmäßig nutzen.

2. Testart erkennen und Erwartungswert berechnen

Weil H₁ einen Anteil unterhalb oder oberhalb von p₀ vermutet, handelt es sich um einen beidseitigen Test. Die Abweichung suchen wir daher auf beiden Seiten des Erwartungswerts.

μ = n · p₀ = 100 · 0,50 = 50

Der Erwartungswert zeigt uns den Schwerpunkt der Binomialverteilung. In der ersten Orientierungsskizze stehen noch keine kritischen Grenzen; diese finden wir erst im GTR.

μ₀ = 502872Orientierung: Erst die Testart erkennen, dann die Grenzen berechnen
Erster Überblick ohne Kenntnis der kritischen Grenze.

3. Kritische Grenzen mit dem GTR bestimmen

Gegeben: n = 100, p₀ = 0,50, α = 5 % = 0,050. Unter dem Randwert von H₀ rechnen wir mit X ∼ B(100; 0,50).

Beidseitiger GTR-Test: beide Grenzen der mittleren Annahme suchen

Das Signifikanzniveau wird auf beide Randbereiche verteilt: α/2 = 0,025.

Links: P(X ≤ c) ≤ 0,025
Rechts: P(X ≤ b) > 0,975

Gesucht sind die größte linke Ablehnungszahl c und die kleinste obere Annahmezahl b. Die Annahme liegt in der Mitte: A = {c + 1, …, b}.

Was berechnet der GTR? Der Befehl binomcdf(n; p₀; k) liefert die kumulierte Wahrscheinlichkeit P(X ≤ k) – also die Summe aller Trefferwahrscheinlichkeiten von 0 bis k. Wir überprüfen benachbarte Trefferzahlen, damit die Grenze eindeutig ist.

Die Tabelle zeigt bewusst mehrere aufeinanderfolgende GTR-Werte. So können wir sicher nachweisen, dass genau an der Grenzzahl die Ungleichung umspringt.

Trefferzahl kGTR-Eingabe (kumuliert)P(X ≤ k)Vergleich
37binomcdf(100; 0,50; 37)0,00602≤ 0,025
38binomcdf(100; 0,50; 38)0,01049≤ 0,025
39binomcdf(100; 0,50; 39)0,01760≤ 0,025
40binomcdf(100; 0,50; 40)0,02844> 0,025
41binomcdf(100; 0,50; 41)0,04431> 0,025
58binomcdf(100; 0,50; 58)0,95569≤ 0,975
59binomcdf(100; 0,50; 59)0,97156≤ 0,975
60binomcdf(100; 0,50; 60)0,98240> 0,975
61binomcdf(100; 0,50; 61)0,98951> 0,975
62binomcdf(100; 0,50; 62)0,99398> 0,975

Linke Grenze prüfen

P(X ≤ 39) ≈ 0,01760 ≤ 0,025
P(X ≤ 40) ≈ 0,02844 > 0,025

Rechte Grenze prüfen

P(X ≤ 59) ≈ 0,97156 ≤ 0,975
P(X ≤ 60) ≈ 0,98240 > 0,975

Links endet die Ablehnung bei c = 39; rechts endet die Annahme bei b = 60. Den mittleren Annahmebereich schreiben wir deshalb von 40 bis 60.

Jetzt beide Entscheidungsbereiche aufschreiben:

A = {40, …, 60}
Ā = {0, …, 39} ∪ {61, …, 100}

Hier steht A für die Trefferzahlen, bei denen H₀ nicht verworfen wird. Ā enthält alle Trefferzahlen, bei denen H₀ verworfen wird.

μ₀ = 50287239406061Rosa: Ablehnung · Türkis: Annahme · Gelb: μ₀
Ergebnisdiagramm: Der Annahmebereich ist türkis; der Ablehnungsbereich ist rosa. Die Grenzzahlen sind markiert.

4. Beobachtete Trefferzahl prüfen und Entscheidung in Alltagssprache

Beobachtet wurden X = 64 Treffer (64 von 100 nutzen die Bibliothek).

Vergleich: X = 64 liegt im Ablehnungsbereich Ā, denn der Annahmebereich reicht von 40 bis 60.

Entscheidung: H₀ wird auf dem 5 %-Niveau verworfen. Das liefert statistische Hinweise für H₁, aber keinen absoluten Beweis.

Antwort in Alltagssprache: Die beobachtete Trefferzahl ist unter der Ausgangsbehauptung ungewöhnlich; deshalb wird sie statistisch verworfen.

5. Fehler 1. und 2. Art in der Aufgabe erklären

Fehler 1. Art – α-Fehler

Wir verwerfen die Behauptung „genau 50 % die Bibliothek regelmäßig nutzen“, obwohl sie in Wirklichkeit zutrifft.

Fehler 2. Art – β-Fehler

Wir verwerfen die Behauptung nicht, obwohl tatsächlich „anders als 50 %“ gilt.

Merke: Die Fehlerarten hängen davon ab, ob H₀ in Wirklichkeit stimmt. Wir können aus der Stichprobe allein nicht wissen, ob wir tatsächlich einen Fehler gemacht haben.

6. Fehlerwahrscheinlichkeiten α und β berechnen

Fehler 1. Art: tatsächliche Wahrscheinlichkeit am Rand von H₀

Für die Berechnung verwenden wir den Randwert p₀ = 0,50. Ein Fehler 1. Art bedeutet, H₀ zu verwerfen, obwohl H₀ wahr ist.

αtatsächlich = P(X ≤ 39 | p=0,50) + P(X ≥ 61 | p=0,50)
≈ 0,03520 = 3,52 %

Der Wert ist höchstens 5 %. Das vorgegebene Signifikanzniveau ist also die Obergrenze und nicht zwingend die tatsächlich erreichte Fehlerwahrscheinlichkeit.

Fehler 2. Art: tatsächliche Wahrscheinlichkeit bei p = 0,65

Für β benötigen wir einen konkreten wahren Anteil aus H₁. Hier nehmen wir p = 0,65 an. Wir machen dann einen Fehler 2. Art, wenn wir trotz dieses abweichenden Anteils im Annahmebereich A = {40, …, 60} landen.

β(0,65) = P(40 ≤ X ≤ 60 | p = 0,65)

GTR: binomcdf(100; 0,65; 60) − binomcdf(100; 0,65; 39)

β(0,65) ≈ 0,17241 = 17,24 %

Die Teststärke für diesen Alternativfall beträgt 1 − β ≈ 82,76 %. Bei einem anderen tatsächlichen Anteil aus H₁ kann β einen anderen Wert besitzen.

μ₀ = 50μ₁ = 65298639406061Gold: β-Anteil im Annahmebereich · Grau: Ablehnung · Lila: μ₁
Alternative Verteilung mit p₁: Goldene Balken im Annahmebereich stehen für den β-Fehler. Die violette Linie markiert μ₁.

Wichtig: Der β-Fehler ist kein einziger fester Wert für alle möglichen Gegenhypothesen. Man benötigt einen konkreten Alternativwert, hier p = 0,65. Bei einem anderen Alternativwert ändert sich β.

13 · JETZT SELBST ÜBEN

Übungsaufgaben mit Kurz- und Langlösung

Die folgenden Übungen sind bewusst in goldgelben Aufgabenfeldern gestaltet. Versuche zunächst alle Teilfragen selbst zu beantworten. Anschließend kannst du entweder die kompakte Kurzlösung oder die ausführliche Musterlösung mit Merktabelle, GTR-Tabelle, Diagrammen und Fehlerwahrscheinlichkeiten öffnen.

01
SELBST ÜBEN · AUFGABE 1

Übungsaufgabe 1: Teilnahme am Sportangebot

Ein Sportverein behauptet, mindestens 30 % der Mitglieder nähmen an einem neuen Kurs teil. Unter 120 zufällig Befragten nehmen 26 teil. Es gilt α = 5 %. Für den β-Fehler nimm an, dass der tatsächliche Anteil p₁ = 0,20 beträgt.

a) Formuliere H₀ und H₁ und erkenne die Testart. b) Berechne mit dem GTR den Annahme- und Ablehnungsbereich. c) Triff die Entscheidung und formuliere einen Antwortsatz. d) Erkläre beide Fehlerarten in diesem Beispiel. e) Berechne die tatsächliche α-Fehlerwahrscheinlichkeit und β für p₁.

Kurzlösung zu Übung 1 anzeigen
H₀: p ≥ 0,30
H₁: p < 0,30
Testart: Linksseitig
Erwartungswert: μ = 120 · 0,30 = 36
Grenze(n): 27
Annahmebereich A: {28, …, 120}
Ablehnungsbereich Ā: {0, …, 27}
Entscheidung: X = 26; H₀ wird verworfen.
α tatsächlich: 4,25 %
β bei p = 0,20: 20,98 %
Ausführliche Musterlösung zu Übung 1 anzeigen

1. Nullhypothese H₀ und Gegenhypothese H₁ aufstellen

H₀: p ≥ 0,30

Ausgangsaussage: „mindestens 30 %“

H₁: p < 0,30

Gegenbehauptung: „weniger als 30 %“

Das Wort „mindestens“ schließt den genannten Anteil ein. Deshalb gehört die entsprechende Aussage zu H₀. H₁ beschreibt die Gegenbehauptung und bestimmt die Testrichtung.

Merktabelle: Welche Formulierungen gehören zu H₀ und H₁?

Der genannte Grenzwert ist in H₀ eingeschlossen. Bei H₁ geht es um die Gegenbehauptung. Ausschlaggebend ist immer, was getestet werden soll.

TestartH₀ – mit GleichheitszeichenH₁ – ohne Gleichheitszeichen
Linksseitigmindestens · p ≥ p₀weniger als · p < p₀
Rechtsseitighöchstens · p ≤ p₀mehr als · p > p₀
Beidseitiggenau · p = p₀anders als · p ≠ p₀

Wichtig: Das sind typische Schulformulierungen. H₀ ist nicht automatisch der zuerst genannte Satz, sondern die Hypothese mit dem Gleichheitszeichen.

Was bedeutet X? X zählt, wie viele Personen in dieser Stichprobe am neuen Sportkurs teilnehmen.

2. Testart erkennen und Erwartungswert berechnen

Weil H₁ einen Anteil unterhalb von p₀ vermutet, handelt es sich um einen linksseitigen Test. Die Abweichung suchen wir daher links vom Erwartungswert.

μ = n · p₀ = 120 · 0,30 = 36

Der Erwartungswert zeigt uns den Schwerpunkt der Binomialverteilung. In der ersten Orientierungsskizze stehen noch keine kritischen Grenzen; diese finden wir erst im GTR.

μ₀ = 361458Orientierung: Erst die Testart erkennen, dann die Grenzen berechnen
Erster Überblick ohne Kenntnis der kritischen Grenze.

3. Kritische Grenze mit dem GTR bestimmen

Gegeben: n = 120, p₀ = 0,30, α = 5 % = 0,050. Unter dem Randwert von H₀ rechnen wir mit X ∼ B(120; 0,30).

Linksseitiger GTR-Test: die letzte Ablehnungszahl c suchen

P(X ≤ c) ≤ α = 0,050

Gesucht ist die größte ganze Zahl c, bei der der kumulierte Wert höchstens 0,050 ist. Somit ist der linke Ablehnungsbereich von 0 bis c und A = {c + 1, …, n}.

Was berechnet der GTR? Der Befehl binomcdf(n; p₀; k) liefert die kumulierte Wahrscheinlichkeit P(X ≤ k) – also die Summe aller Trefferwahrscheinlichkeiten von 0 bis k. Wir überprüfen benachbarte Trefferzahlen, damit die Grenze eindeutig ist.

Die Tabelle zeigt bewusst mehrere aufeinanderfolgende GTR-Werte. So können wir sicher nachweisen, dass genau an der Grenzzahl die Ungleichung umspringt.

Trefferzahl kGTR-Eingabe (kumuliert)P(X ≤ k)Vergleich
25binomcdf(120; 0,30; 25)0,01591≤ 0,050
26binomcdf(120; 0,30; 26)0,02657≤ 0,050
27binomcdf(120; 0,30; 27)0,04248≤ 0,050
28binomcdf(120; 0,30; 28)0,06512> 0,050
29binomcdf(120; 0,30; 29)0,09590> 0,050
P(X ≤ 27) ≈ 0,04248 ≤ 0,050
P(X ≤ 28) ≈ 0,06512 > 0,050

c = 27 ist die letzte Trefferzahl, bei der die linke Ablehnungsregel erfüllt ist. Die nächste Zahl 28 liegt schon im Annahmebereich.

Jetzt beide Entscheidungsbereiche aufschreiben:

A = {28, …, 120}
Ā = {0, …, 27}

Hier steht A für die Trefferzahlen, bei denen H₀ nicht verworfen wird. Ā enthält alle Trefferzahlen, bei denen H₀ verworfen wird.

μ₀ = 3614582728Rosa: Ablehnung · Türkis: Annahme · Gelb: μ₀
Ergebnisdiagramm: Der Annahmebereich ist türkis; der Ablehnungsbereich ist rosa. Die Grenzzahlen sind markiert.

4. Beobachtete Trefferzahl prüfen und Entscheidung in Alltagssprache

Beobachtet wurden X = 26 Treffer (26 von 120 nehmen am Sportkurs teil).

Vergleich: X = 26 liegt im Ablehnungsbereich Ā, denn der Annahmebereich reicht von 28 bis 120.

Entscheidung: H₀ wird auf dem 5 %-Niveau verworfen. Das liefert statistische Hinweise für H₁, aber keinen absoluten Beweis.

Antwort in Alltagssprache: Die beobachtete Trefferzahl ist unter der Ausgangsbehauptung ungewöhnlich; deshalb wird sie statistisch verworfen.

5. Fehler 1. und 2. Art in der Aufgabe erklären

Fehler 1. Art – α-Fehler

Wir verwerfen die Behauptung „mindestens 30 % am neuen Sportkurs teilnehmen“, obwohl sie in Wirklichkeit zutrifft.

Fehler 2. Art – β-Fehler

Wir verwerfen die Behauptung nicht, obwohl tatsächlich „weniger als 30 %“ gilt.

Merke: Die Fehlerarten hängen davon ab, ob H₀ in Wirklichkeit stimmt. Wir können aus der Stichprobe allein nicht wissen, ob wir tatsächlich einen Fehler gemacht haben.

6. Fehlerwahrscheinlichkeiten α und β berechnen

Fehler 1. Art: tatsächliche Wahrscheinlichkeit am Rand von H₀

Für die Berechnung verwenden wir den Randwert p₀ = 0,30. Ein Fehler 1. Art bedeutet, H₀ zu verwerfen, obwohl H₀ wahr ist.

αtatsächlich = P(X ≤ 27 | p = 0,30)
≈ 0,04248 = 4,25 %

Der Wert ist höchstens 5 %. Das vorgegebene Signifikanzniveau ist also die Obergrenze und nicht zwingend die tatsächlich erreichte Fehlerwahrscheinlichkeit.

Fehler 2. Art: tatsächliche Wahrscheinlichkeit bei p = 0,20

Für β benötigen wir einen konkreten wahren Anteil aus H₁. Hier nehmen wir p = 0,20 an. Wir machen dann einen Fehler 2. Art, wenn wir trotz dieses abweichenden Anteils im Annahmebereich A = {28, …, 120} landen.

β(0,20) = P(X ≥ 28 | p = 0,20) = 1 − P(X ≤ 27)

GTR: 1 − binomcdf(120; 0,20; 27)

β(0,20) ≈ 0,20979 = 20,98 %

Die Teststärke für diesen Alternativfall beträgt 1 − β ≈ 79,02 %. Bei einem anderen tatsächlichen Anteil aus H₁ kann β einen anderen Wert besitzen.

μ₀ = 36μ₁ = 243572728Gold: β-Anteil im Annahmebereich · Grau: Ablehnung · Lila: μ₁
Alternative Verteilung mit p₁: Goldene Balken im Annahmebereich stehen für den β-Fehler. Die violette Linie markiert μ₁.

Wichtig: Der β-Fehler ist kein einziger fester Wert für alle möglichen Gegenhypothesen. Man benötigt einen konkreten Alternativwert, hier p = 0,20. Bei einem anderen Alternativwert ändert sich β.

02
SELBST ÜBEN · AUFGABE 2

Übungsaufgabe 2: Mehr Schülerinnen und Schüler mit dem Fahrrad?

An einer Schule beträgt der bisherige Anteil der Fahrradfahrenden höchstens 45 %. Nach einer Aktion wird vermutet, dass der Anteil gestiegen ist. In einer Stichprobe von 90 kommen 50 mit dem Fahrrad. Es gilt α = 5 %. Für den β-Fehler nimm an, dass der tatsächliche Anteil p₁ = 0,60 beträgt.

a) Formuliere H₀ und H₁ und erkenne die Testart. b) Berechne mit dem GTR den Annahme- und Ablehnungsbereich. c) Triff die Entscheidung und formuliere einen Antwortsatz. d) Erkläre beide Fehlerarten in diesem Beispiel. e) Berechne die tatsächliche α-Fehlerwahrscheinlichkeit und β für p₁.

Kurzlösung zu Übung 2 anzeigen
H₀: p ≤ 0,45
H₁: p > 0,45
Testart: Rechtsseitig
Erwartungswert: μ = 90 · 0,45 = 40,50
Grenze(n): 48
Annahmebereich A: {0, …, 48}
Ablehnungsbereich Ā: {49, …, 90}
Entscheidung: X = 50; H₀ wird verworfen.
α tatsächlich: 4,54 %
β bei p = 0,60: 11,88 %
Ausführliche Musterlösung zu Übung 2 anzeigen

1. Nullhypothese H₀ und Gegenhypothese H₁ aufstellen

H₀: p ≤ 0,45

Ausgangsaussage: „höchstens 45 %“

H₁: p > 0,45

Gegenbehauptung: „mehr als 45 %“

Das Wort „höchstens“ schließt den genannten Anteil ein. Deshalb gehört die entsprechende Aussage zu H₀. H₁ beschreibt die Gegenbehauptung und bestimmt die Testrichtung.

Merktabelle: Welche Formulierungen gehören zu H₀ und H₁?

Der genannte Grenzwert ist in H₀ eingeschlossen. Bei H₁ geht es um die Gegenbehauptung. Ausschlaggebend ist immer, was getestet werden soll.

TestartH₀ – mit GleichheitszeichenH₁ – ohne Gleichheitszeichen
Linksseitigmindestens · p ≥ p₀weniger als · p < p₀
Rechtsseitighöchstens · p ≤ p₀mehr als · p > p₀
Beidseitiggenau · p = p₀anders als · p ≠ p₀

Wichtig: Das sind typische Schulformulierungen. H₀ ist nicht automatisch der zuerst genannte Satz, sondern die Hypothese mit dem Gleichheitszeichen.

Was bedeutet X? X zählt, wie viele Personen in dieser Stichprobe mit dem Fahrrad zur Schule kommen.

2. Testart erkennen und Erwartungswert berechnen

Weil H₁ einen Anteil oberhalb von p₀ vermutet, handelt es sich um einen rechtsseitigen Test. Die Abweichung suchen wir daher rechts vom Erwartungswert.

μ = n · p₀ = 90 · 0,45 = 40,50

Der Erwartungswert zeigt uns den Schwerpunkt der Binomialverteilung. In der ersten Orientierungsskizze stehen noch keine kritischen Grenzen; diese finden wir erst im GTR.

μ₀ = 40,52061Orientierung: Erst die Testart erkennen, dann die Grenzen berechnen
Erster Überblick ohne Kenntnis der kritischen Grenze.

3. Kritische Grenze mit dem GTR bestimmen

Gegeben: n = 90, p₀ = 0,45, α = 5 % = 0,050. Unter dem Randwert von H₀ rechnen wir mit X ∼ B(90; 0,45).

Rechtsseitiger GTR-Test: die obere Annahmegrenze b suchen

P(X ≤ b) > 1 − α = 0,950

Gesucht ist die kleinste ganze Zahl b, bei der der kumulierte Wert erstmals größer als 0,950 ist. Somit ist A = {0, …, b} und der rechte Ablehnungsbereich beginnt bei b + 1.

Was berechnet der GTR? Der Befehl binomcdf(n; p₀; k) liefert die kumulierte Wahrscheinlichkeit P(X ≤ k) – also die Summe aller Trefferwahrscheinlichkeiten von 0 bis k. Wir überprüfen benachbarte Trefferzahlen, damit die Grenze eindeutig ist.

Die Tabelle zeigt bewusst mehrere aufeinanderfolgende GTR-Werte. So können wir sicher nachweisen, dass genau an der Grenzzahl die Ungleichung umspringt.

Trefferzahl kGTR-Eingabe (kumuliert)P(X ≤ k)Vergleich
46binomcdf(90; 0,45; 46)0,89793≤ 0,950
47binomcdf(90; 0,45; 47)0,93064≤ 0,950
48binomcdf(90; 0,45; 48)0,95462> 0,950
49binomcdf(90; 0,45; 49)0,97143> 0,950
50binomcdf(90; 0,45; 50)0,98271> 0,950
P(X ≤ 47) ≈ 0,93064 ≤ 0,950
P(X ≤ 48) ≈ 0,95462 > 0,950

Bis 47 ist der Wert noch nicht größer als 0,950. Bei b = 48 wird diese Grenze erstmals überschritten. Der rechte Ablehnungsbereich beginnt deshalb bei 49.

Jetzt beide Entscheidungsbereiche aufschreiben:

A = {0, …, 48}
Ā = {49, …, 90}

Hier steht A für die Trefferzahlen, bei denen H₀ nicht verworfen wird. Ā enthält alle Trefferzahlen, bei denen H₀ verworfen wird.

μ₀ = 40,520614849Rosa: Ablehnung · Türkis: Annahme · Gelb: μ₀
Ergebnisdiagramm: Der Annahmebereich ist türkis; der Ablehnungsbereich ist rosa. Die Grenzzahlen sind markiert.

4. Beobachtete Trefferzahl prüfen und Entscheidung in Alltagssprache

Beobachtet wurden X = 50 Treffer (50 von 90 fahren Fahrrad).

Vergleich: X = 50 liegt im Ablehnungsbereich Ā, denn der Annahmebereich reicht von 0 bis 48.

Entscheidung: H₀ wird auf dem 5 %-Niveau verworfen. Das liefert statistische Hinweise für H₁, aber keinen absoluten Beweis.

Antwort in Alltagssprache: Die beobachtete Trefferzahl ist unter der Ausgangsbehauptung ungewöhnlich; deshalb wird sie statistisch verworfen.

5. Fehler 1. und 2. Art in der Aufgabe erklären

Fehler 1. Art – α-Fehler

Wir verwerfen die Behauptung „höchstens 45 % mit dem Fahrrad zur Schule kommen“, obwohl sie in Wirklichkeit zutrifft.

Fehler 2. Art – β-Fehler

Wir verwerfen die Behauptung nicht, obwohl tatsächlich „mehr als 45 %“ gilt.

Merke: Die Fehlerarten hängen davon ab, ob H₀ in Wirklichkeit stimmt. Wir können aus der Stichprobe allein nicht wissen, ob wir tatsächlich einen Fehler gemacht haben.

6. Fehlerwahrscheinlichkeiten α und β berechnen

Fehler 1. Art: tatsächliche Wahrscheinlichkeit am Rand von H₀

Für die Berechnung verwenden wir den Randwert p₀ = 0,45. Ein Fehler 1. Art bedeutet, H₀ zu verwerfen, obwohl H₀ wahr ist.

αtatsächlich = P(X ≥ 49 | p = 0,45) = 1 − P(X ≤ 48)
≈ 0,04538 = 4,54 %

Der Wert ist höchstens 5 %. Das vorgegebene Signifikanzniveau ist also die Obergrenze und nicht zwingend die tatsächlich erreichte Fehlerwahrscheinlichkeit.

Fehler 2. Art: tatsächliche Wahrscheinlichkeit bei p = 0,60

Für β benötigen wir einen konkreten wahren Anteil aus H₁. Hier nehmen wir p = 0,60 an. Wir machen dann einen Fehler 2. Art, wenn wir trotz dieses abweichenden Anteils im Annahmebereich A = {0, …, 48} landen.

β(0,60) = P(X ≤ 48 | p = 0,60)

GTR: binomcdf(90; 0,60; 48)

β(0,60) ≈ 0,11878 = 11,88 %

Die Teststärke für diesen Alternativfall beträgt 1 − β ≈ 88,12 %. Bei einem anderen tatsächlichen Anteil aus H₁ kann β einen anderen Wert besitzen.

μ₀ = 40,5μ₁ = 5421744849Gold: β-Anteil im Annahmebereich · Grau: Ablehnung · Lila: μ₁
Alternative Verteilung mit p₁: Goldene Balken im Annahmebereich stehen für den β-Fehler. Die violette Linie markiert μ₁.

Wichtig: Der β-Fehler ist kein einziger fester Wert für alle möglichen Gegenhypothesen. Man benötigt einen konkreten Alternativwert, hier p = 0,60. Bei einem anderen Alternativwert ändert sich β.

03
SELBST ÜBEN · AUFGABE 3

Übungsaufgabe 3: Hat sich das Mensa-Angebot verändert?

Eine Mensa geht von einem Anteil von genau 20 % vegetarischer Bestellungen aus und möchte prüfen, ob dieser Anteil sich verändert hat. Bei 150 zufällig ausgewählten Bestellungen sind 40 vegetarisch. Es gilt α = 10 %. Für den β-Fehler nimm an, dass der tatsächliche Anteil p₁ = 0,30 beträgt.

a) Formuliere H₀ und H₁ und erkenne die Testart. b) Berechne mit dem GTR den Annahme- und Ablehnungsbereich. c) Triff die Entscheidung und formuliere einen Antwortsatz. d) Erkläre beide Fehlerarten in diesem Beispiel. e) Berechne die tatsächliche α-Fehlerwahrscheinlichkeit und β für p₁.

Kurzlösung zu Übung 3 anzeigen
H₀: p = 0,20
H₁: p ≠ 0,20
Testart: Beidseitig
Erwartungswert: μ = 150 · 0,20 = 30
Grenze(n): (21, 38)
Annahmebereich A: {22, …, 38}
Ablehnungsbereich Ā: {0, …, 21} ∪ {39, …, 150}
Entscheidung: X = 40; H₀ wird verworfen.
α tatsächlich: 8,18 %
β bei p = 0,30: 12,25 %
Ausführliche Musterlösung zu Übung 3 anzeigen

1. Nullhypothese H₀ und Gegenhypothese H₁ aufstellen

H₀: p = 0,20

Ausgangsaussage: „genau 20 %“

H₁: p ≠ 0,20

Gegenbehauptung: „anders als 20 %“

Das Wort „genau“ schließt den genannten Anteil als Ausgangswert ein. Deshalb gehört die entsprechende Aussage zu H₀. H₁ beschreibt die Gegenbehauptung und bestimmt die Testrichtung.

Merktabelle: Welche Formulierungen gehören zu H₀ und H₁?

Der genannte Grenzwert ist in H₀ eingeschlossen. Bei H₁ geht es um die Gegenbehauptung. Ausschlaggebend ist immer, was getestet werden soll.

TestartH₀ – mit GleichheitszeichenH₁ – ohne Gleichheitszeichen
Linksseitigmindestens · p ≥ p₀weniger als · p < p₀
Rechtsseitighöchstens · p ≤ p₀mehr als · p > p₀
Beidseitiggenau · p = p₀anders als · p ≠ p₀

Wichtig: Das sind typische Schulformulierungen. H₀ ist nicht automatisch der zuerst genannte Satz, sondern die Hypothese mit dem Gleichheitszeichen.

Was bedeutet X? X zählt, wie viele Personen in dieser Stichprobe vegetarische Mensagerichte bestellen.

2. Testart erkennen und Erwartungswert berechnen

Weil H₁ einen Anteil unterhalb oder oberhalb von p₀ vermutet, handelt es sich um einen beidseitigen Test. Die Abweichung suchen wir daher auf beiden Seiten des Erwartungswerts.

μ = n · p₀ = 150 · 0,20 = 30

Der Erwartungswert zeigt uns den Schwerpunkt der Binomialverteilung. In der ersten Orientierungsskizze stehen noch keine kritischen Grenzen; diese finden wir erst im GTR.

μ₀ = 30951Orientierung: Erst die Testart erkennen, dann die Grenzen berechnen
Erster Überblick ohne Kenntnis der kritischen Grenze.

3. Kritische Grenzen mit dem GTR bestimmen

Gegeben: n = 150, p₀ = 0,20, α = 10 % = 0,100. Unter dem Randwert von H₀ rechnen wir mit X ∼ B(150; 0,20).

Beidseitiger GTR-Test: beide Grenzen der mittleren Annahme suchen

Das Signifikanzniveau wird auf beide Randbereiche verteilt: α/2 = 0,050.

Links: P(X ≤ c) ≤ 0,050
Rechts: P(X ≤ b) > 0,950

Gesucht sind die größte linke Ablehnungszahl c und die kleinste obere Annahmezahl b. Die Annahme liegt in der Mitte: A = {c + 1, …, b}.

Was berechnet der GTR? Der Befehl binomcdf(n; p₀; k) liefert die kumulierte Wahrscheinlichkeit P(X ≤ k) – also die Summe aller Trefferwahrscheinlichkeiten von 0 bis k. Wir überprüfen benachbarte Trefferzahlen, damit die Grenze eindeutig ist.

Die Tabelle zeigt bewusst mehrere aufeinanderfolgende GTR-Werte. So können wir sicher nachweisen, dass genau an der Grenzzahl die Ungleichung umspringt.

Trefferzahl kGTR-Eingabe (kumuliert)P(X ≤ k)Vergleich
19binomcdf(150; 0,20; 19)0,01275≤ 0,050
20binomcdf(150; 0,20; 20)0,02236≤ 0,050
21binomcdf(150; 0,20; 21)0,03722≤ 0,050
22binomcdf(150; 0,20; 22)0,05900> 0,050
23binomcdf(150; 0,20; 23)0,08931> 0,050
36binomcdf(150; 0,20; 36)0,90549≤ 0,950
37binomcdf(150; 0,20; 37)0,93413≤ 0,950
38binomcdf(150; 0,20; 38)0,95542> 0,950
39binomcdf(150; 0,20; 39)0,97070> 0,950
40binomcdf(150; 0,20; 40)0,98130> 0,950

Linke Grenze prüfen

P(X ≤ 21) ≈ 0,03722 ≤ 0,050
P(X ≤ 22) ≈ 0,05900 > 0,050

Rechte Grenze prüfen

P(X ≤ 37) ≈ 0,93413 ≤ 0,950
P(X ≤ 38) ≈ 0,95542 > 0,950

Links endet die Ablehnung bei c = 21; rechts endet die Annahme bei b = 38. Den mittleren Annahmebereich schreiben wir deshalb von 22 bis 38.

Jetzt beide Entscheidungsbereiche aufschreiben:

A = {22, …, 38}
Ā = {0, …, 21} ∪ {39, …, 150}

Hier steht A für die Trefferzahlen, bei denen H₀ nicht verworfen wird. Ā enthält alle Trefferzahlen, bei denen H₀ verworfen wird.

μ₀ = 3095121223839Rosa: Ablehnung · Türkis: Annahme · Gelb: μ₀
Ergebnisdiagramm: Der Annahmebereich ist türkis; der Ablehnungsbereich ist rosa. Die Grenzzahlen sind markiert.

4. Beobachtete Trefferzahl prüfen und Entscheidung in Alltagssprache

Beobachtet wurden X = 40 Treffer (40 von 150 bestellen vegetarisch).

Vergleich: X = 40 liegt im Ablehnungsbereich Ā, denn der Annahmebereich reicht von 22 bis 38.

Entscheidung: H₀ wird auf dem 10 %-Niveau verworfen. Das liefert statistische Hinweise für H₁, aber keinen absoluten Beweis.

Antwort in Alltagssprache: Die beobachtete Trefferzahl ist unter der Ausgangsbehauptung ungewöhnlich; deshalb wird sie statistisch verworfen.

5. Fehler 1. und 2. Art in der Aufgabe erklären

Fehler 1. Art – α-Fehler

Wir verwerfen die Behauptung „genau 20 % vegetarische Mensagerichte bestellen“, obwohl sie in Wirklichkeit zutrifft.

Fehler 2. Art – β-Fehler

Wir verwerfen die Behauptung nicht, obwohl tatsächlich „anders als 20 %“ gilt.

Merke: Die Fehlerarten hängen davon ab, ob H₀ in Wirklichkeit stimmt. Wir können aus der Stichprobe allein nicht wissen, ob wir tatsächlich einen Fehler gemacht haben.

6. Fehlerwahrscheinlichkeiten α und β berechnen

Fehler 1. Art: tatsächliche Wahrscheinlichkeit am Rand von H₀

Für die Berechnung verwenden wir den Randwert p₀ = 0,20. Ein Fehler 1. Art bedeutet, H₀ zu verwerfen, obwohl H₀ wahr ist.

αtatsächlich = P(X ≤ 21 | p=0,20) + P(X ≥ 39 | p=0,20)
≈ 0,08180 = 8,18 %

Der Wert ist höchstens 10 %. Das vorgegebene Signifikanzniveau ist also die Obergrenze und nicht zwingend die tatsächlich erreichte Fehlerwahrscheinlichkeit.

Fehler 2. Art: tatsächliche Wahrscheinlichkeit bei p = 0,30

Für β benötigen wir einen konkreten wahren Anteil aus H₁. Hier nehmen wir p = 0,30 an. Wir machen dann einen Fehler 2. Art, wenn wir trotz dieses abweichenden Anteils im Annahmebereich A = {22, …, 38} landen.

β(0,30) = P(22 ≤ X ≤ 38 | p = 0,30)

GTR: binomcdf(150; 0,30; 38) − binomcdf(150; 0,30; 21)

β(0,30) ≈ 0,12245 = 12,25 %

Die Teststärke für diesen Alternativfall beträgt 1 − β ≈ 87,75 %. Bei einem anderen tatsächlichen Anteil aus H₁ kann β einen anderen Wert besitzen.

μ₀ = 30μ₁ = 4566921223839Gold: β-Anteil im Annahmebereich · Grau: Ablehnung · Lila: μ₁
Alternative Verteilung mit p₁: Goldene Balken im Annahmebereich stehen für den β-Fehler. Die violette Linie markiert μ₁.

Wichtig: Der β-Fehler ist kein einziger fester Wert für alle möglichen Gegenhypothesen. Man benötigt einen konkreten Alternativwert, hier p = 0,30. Bei einem anderen Alternativwert ändert sich β.

14 · HÄUFIGE FEHLER UND FRAGEN

Häufige Fehler und Fragen

Typischer FehlerSo machst du es richtig
„α ist immer genau 5 %“5 % ist die festgelegte Obergrenze. Wegen ganzzahliger Grenzen kann die tatsächliche Wahrscheinlichkeit kleiner sein.
Für β den Randwert p₀ verwendenFür β brauchst du einen konkreten Alternativwert p₁ aus H₁.
Bei β über Ā statt A rechnenβ ist die Wahrscheinlichkeit für ein Ergebnis im Annahmebereich A, obwohl H₁ wahr ist.
„H₀ wird angenommen und ist bewiesen“Richtig: „H₀ wird nicht verworfen“. Das beweist die Hypothese nicht.
Beim beidseitigen Test α nicht halbierenBei gleichmäßiger Aufteilung auf zwei Seiten mit α/2 arbeiten; z. B. 0,025 und 0,975 bei α = 5 %.
Nur P(X = k) berechnenFür die GTR-Grenzsuche brauchst du die kumulierte Wahrscheinlichkeit P(X ≤ k).
Kann es einen Fehler 1. und 2. Art gleichzeitig geben?
Für eine einzelne Testentscheidung nicht: Entweder H₀ ist wahr oder falsch. Je nach Situation kann eine bestimmte Entscheidung einen der beiden Fehler darstellen. Beim Planen eines Tests müssen wir aber beide Risiken berücksichtigen.
Ist β automatisch 1 − α?
Nein. 1 − β ist die Teststärke für einen konkret gewählten Alternativwert. α und β beziehen sich auf unterschiedliche wahre Wahrscheinlichkeiten und unterschiedliche Entscheidungsbereiche.
Warum heißt A Annahmebereich, obwohl H₀ nicht bewiesen wird?
Das ist ein traditioneller Schulbegriff. Mathematisch präziser heißt A Nicht-Ablehnungsbereich. Das Stichprobenergebnis reicht dort nicht aus, um H₀ zu verwerfen.
Wozu brauche ich bei β einen konkreten p₁-Wert?
Weil die Wahrscheinlichkeit, trotz einer Abweichung im Annahmebereich zu landen, davon abhängt, wie stark p₁ vom Grenzwert p₀ abweicht. Ohne eine konkrete Alternative lässt sich kein einzelner numerischer β-Wert berechnen.
15 · WEITERE LERNARTIKEL

Weitere Lernartikel zum Hypothesentest

Du möchtest den Hypothesentest noch besser verstehen oder die anderen Testarten üben? In diesen Artikeln findest du passende Erklärungen, GTR-Rechenwege und weitere Beispiele.

16 · WEITERLERNEN

Nachhilfe, Kurse und Skripte

Nachhilfe bei Jenny von EinfachMathe

Nachhilfe bei Jenny

Persönliche Unterstützung, wenn du Fragen hast.

Mehr erfahren ↗

EinfachMathe mit Jenny · Mathematik Schritt für Schritt verstehen.

Kommentar verfassen

MATHE-ABI 2027

Dein Mathe-Abi CRASHKURS 2027

4 Tage live mit Jenny!
30. März – 2. April 2027
Intensiver Online-Crashkurs für GK & LK.
  • ✓ 3 Tage Wiederholung und Übung
  • ✓ 1 Tag Abi-Simulation
  • ✓ Skript, Aufgaben und Lösungen
  • ✓ Aufzeichnungen inklusive
229 € einmalig
Jetzt Platz sichern