Mathebattle EduRandomtasks

Hypothesen-Test linksseitig

Beispiel:

Ein spielsüchtiger 12-Klässler möchte nachweisen, dass ein bestimmter Würfel gezinkt ist und zu selten eine 6 kommt. Dazu macht er einen Signifikanztest mit 79 Würfen und einem Signifikanzniveau von 5%. In welchem Bereich muss die Anzahl der 6er liegen, damit er die Spielbank verklagen kann (- also, dass das Risiko, die 6er-Wahrscheinlichkeit irrtümlicherweise als zu gering anzunehmen, berechenbar ist.) Wie hoch ist dann diese Irrtumswahrscheinlichkeit?

Lösung einblenden

k	P(X≤k)
...	...
2	0.0001
3	0.0004
4	0.0018
5	0.0058
6	0.0157
7	0.0363
8	0.0734
9	0.1319
10	0.2139
11	0.3167
...	...

Dieser Hypothesentest wird gemacht um die Nullhypothese H₀: p ≥ $\frac{1}{6}$ zu verwerfen. Der Test soll bestätigen, dass p< $\frac{1}{6}$ ist, also ist es ein linksseitiger Hypothesentest. Wir suchen somit den Ablehnungsbereich der Nullhypothese H₀ auf der linken Seite so, dass die Gesamt-Wahrscheinlichkeit dieses Bereichs gerade noch kleiner als das Signifikanzniveau 5% ist.

Schaut man dazu die kumulierte Binomialverteilung an (TI: y1=binomcdf(79, $\frac{1}{6}$ ,X) ), so erkennt man, dass die Trefferzahlen links im Interval zwischen 0 und 7 weniger als 5% der Gesamt-Wahrscheinlichkeit auf sich vereinen. Kommt nun bei einer Stichprobe/Zufallsexperiment eine Trefferzahl in diesem Intervall, wäre das bei Gültigkeit von Nullhypothese H₀: p= $\frac{1}{6}$ so unwahrscheinlich, dass man diese Nullhypothese verwerfen kann und somit p< $\frac{1}{6}$ als statistisch abgesichert betrachten darf. Dabei bleibt jedoch eine (Rest-) Irrtumswahrscheinlichkeit von 0.0363 =3.63% (dass die Nullhypothese doch stimmt und wir sie irrtümlicherweise verworfen haben)

Ablehnungsbereich von H₀: [0;7]

Nicht-Ablehnungsbereich von H₀: [8;79]

Entscheidungsregel: Fällt die Anzahl der Treffer in den Ablehnungsbereich von H₀: [0;7], so ist die Nullhypothese zu verwerfen, fällt die Anzahl der Treffer in den Nicht-Ablehnungsbereich von H₀: [8;79], so muss die Nullhypothese beibehalten werden.

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

Die Höhen der Säulen entsprechen der Wahrscheinlichkeit für genau X=k Treffer
(also keine kumulierte Wahrscheinlichkeit wie links in der Tabelle)

Hypothesen-Test rechtsseitig

Beispiel:

Einem partystarken 12-Klässler wird von einem nicht ganz vorurteilsfreien Lehrer vorgeworfen, nichts auf die Klassenarbeit gelernt haben. Diese findet in Form eines Multiple Choice-Tests mit 47 Aufgaben statt, bei der genau eine der vier Antwortmöglichkeiten richtig ist. In welchem Bereich muss nun die Anzahl der richtigen Antworten liegen, damit er auf einem Signifikanzniveau von 1% die Behauptung des Lehrers widerlegen kann.

Lösung einblenden

k	P(X≤k)
...	...
14	0.8241
15	0.8944
16	0.9413
17	0.9698
18	0.9856
19	0.9937
20	0.9974
21	0.999
22	0.9997
23	0.9999
...	...

Dieser Hypothesentest wird gemacht um die Nullhypothese H₀: p ≤ 0.25 zu verwerfen. Der Test soll bestätigen, dass p>0.25 ist, also ist es ein rechtsseitiger Hypothesentest. Wir suchen somit den Ablehnungsbereich der Nullhypothese H₀ auf der rechten Seite so, dass die Gesamt-Wahrscheinlichkeit dieses Bereichs gerade noch kleiner als das Signifikanzniveau 1% ist.

Das heißt, dass der Nicht-Ablehnungsbereich von H₀ (hier blau eingefärbt) auf der linken Seite mindestens 1-0.01= 0.99 Wahrscheinlichkeit auf sich vereinen muss.

Schaut man dazu die kumulierte Binomialverteilung an (TI: y1=binomcdf(47,0.25,X) ), so erkennt man, dass die Trefferzahlen links im Interval zwischen 0 und 19 erstmals mindestens 99% der Gesamt-Wahrscheinlichkeit ausmachen.

Nicht-Ablehnungsbereich von H₀: [0;19]

Dies bedeutet für den eigentlich gesuchten Ablehnungsbereich H₀ dass dieser erst bei 20 Treffern beginnt.

Ablehnungsbereich von H₀: [20;47]

Kommt nun bei einer Stichprobe/Zufallsexperiment eine Trefferzahl in diesem Intervall, wäre das bei Gültigkeit von Nullhypothese H₀: p=0.25 so unwahrscheinlich, dass man diese Nullhypothese verwerfen kann und somit p>0.25 als statistisch abgesichert betrachten darf. Dabei bleibt jedoch eine (Rest-) Irrtumswahrscheinlichkeit von 0.0063 =0.63% (dass die Nullhypothese doch stimmt und wir sie irrtümlicherweise verworfen haben)

Entscheidungsregel: Fällt die Anzahl der Treffer in den Ablehnungsbereich von H₀: [20;47], so ist die Nullhypothese zu verwerfen, fällt die Anzahl der Treffer in den Nicht-Ablehnungsbereich von H₀: [0;19], so muss die Nullhypothese beibehalten werden.

0

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

Die Höhen der Säulen entsprechen der Wahrscheinlichkeit für genau X=k Treffer
(also keine kumulierte Wahrscheinlichkeit wie links in der Tabelle)

Hypothesen-Test rechtsseitig

Beispiel:

An einem Roulettetisch fällt die Kugel auffallend oft auf die (so selten gesetzte) grüne Null. Ein Spieler bezweifelt deswegen, dass diese tatsächlich die angegebene Wahrscheinlichkeit von p= $\frac{1}{37}$ hat. Dazu macht er einen Signifikanztest mit 90 Würfen und einem Signifikanzniveau von 5%. In welchem Bereich muss die Häufigkeit der grünen Null liegen, damit er nachweisen kann, dass deren tatsächliche Wahrscheinlichkeit über $\frac{1}{37}$ liegt. Wie hoch ist dann die Irrtumswahrscheinlichkeit?

Lösung einblenden

k	P(X≤k)
0	0.0849
1	0.2973
2	0.5597
3	0.7736
4	0.9028
5	0.9645
6	0.9888
7	0.9969
8	0.9992
9	0.9998
...	...

Dieser Hypothesentest wird gemacht um die Nullhypothese H₀: p ≤ $\frac{1}{37}$ zu verwerfen. Der Test soll bestätigen, dass p> $\frac{1}{37}$ ist, also ist es ein rechtsseitiger Hypothesentest. Wir suchen somit den Ablehnungsbereich der Nullhypothese H₀ auf der rechten Seite so, dass die Gesamt-Wahrscheinlichkeit dieses Bereichs gerade noch kleiner als das Signifikanzniveau 5% ist.

Das heißt, dass der Nicht-Ablehnungsbereich von H₀ (hier blau eingefärbt) auf der linken Seite mindestens 1-0.05= 0.95 Wahrscheinlichkeit auf sich vereinen muss.

Schaut man dazu die kumulierte Binomialverteilung an (TI: y1=binomcdf(90, $\frac{1}{37}$ ,X) ), so erkennt man, dass die Trefferzahlen links im Interval zwischen 0 und 5 erstmals mindestens 95% der Gesamt-Wahrscheinlichkeit ausmachen.

Nicht-Ablehnungsbereich von H₀: [0;5]

Dies bedeutet für den eigentlich gesuchten Ablehnungsbereich H₀ dass dieser erst bei 6 Treffern beginnt.

Ablehnungsbereich von H₀: [6;90]

Kommt nun bei einer Stichprobe/Zufallsexperiment eine Trefferzahl in diesem Intervall, wäre das bei Gültigkeit von Nullhypothese H₀: p= $\frac{1}{37}$ so unwahrscheinlich, dass man diese Nullhypothese verwerfen kann und somit p> $\frac{1}{37}$ als statistisch abgesichert betrachten darf. Dabei bleibt jedoch eine (Rest-) Irrtumswahrscheinlichkeit von 0.0355 =3.55% (dass die Nullhypothese doch stimmt und wir sie irrtümlicherweise verworfen haben)

Entscheidungsregel: Fällt die Anzahl der Treffer in den Ablehnungsbereich von H₀: [6;90], so ist die Nullhypothese zu verwerfen, fällt die Anzahl der Treffer in den Nicht-Ablehnungsbereich von H₀: [0;5], so muss die Nullhypothese beibehalten werden.

0

1

2

3

4

5

6

7

8

9

10

Die Höhen der Säulen entsprechen der Wahrscheinlichkeit für genau X=k Treffer
(also keine kumulierte Wahrscheinlichkeit wie links in der Tabelle)

Fehler 2. Art

Beispiel:

Ein Großhändler beklagt sich, dass gelieferte LED-Leuchtmittel mit einer Wahrscheinlichkeit von p=0,23 bereits nach wenigen Stunden defekt werden. Die herstellende Firma glaubt das nicht und hält die Ausschussquote für viel geringer. Deswegen führt sie einen Test mit 51 Leuchtmitteln durch. Als Signifikanzniveau für diesen Test wird 5% festgelegt. a) In welchem Bereich muss die Anzahl der defekten LED-Leuchtmittel liegen, damit die Firma die Aussage des Großhändlers widerlegt? b) In Wirklichkeit liegt die Ausfallwahrscheinlickeit der Leuchtmittel nur bei p=0,15. Wie groß ist nun die Wahrscheinlichkeit, dass bei dem Test trotzdem die Anzahl der defekten Leuchtmittel nicht in den Ablehnungsbereich gefallen ist und somit - irrtümlicherweise - die falsche Nullhypothese nicht verworfen wurde?

Lösung einblenden

k	P(X≤k)
...	...
1	0
2	0.0002
3	0.0011
4	0.0043
5	0.0134
6	0.0342
7	0.0742
8	0.1398
9	0.2334
10	0.3508
...	...

Dieser Hypothesentest wird gemacht um die Nullhypothese H₀: p ≥ 0.23 zu verwerfen. Der Test soll bestätigen, dass p<0.23 ist, also ist es ein linksseitiger Hypothesentest. Wir suchen somit den Ablehnungsbereich der Nullhypothese H₀ auf der linken Seite so, dass die Gesamt-Wahrscheinlichkeit dieses Bereichs gerade noch kleiner als das Signifikanzniveau 5% ist.

Schaut man dazu die kumulierte Binomialverteilung an (TI: y1=binomcdf(51,0.23,X) ), so erkennt man, dass die Trefferzahlen links im Interval zwischen 0 und 6 weniger als 5% der Gesamt-Wahrscheinlichkeit auf sich vereinen. Kommt nun bei einer Stichprobe/Zufallsexperiment eine Trefferzahl in diesem Intervall, wäre das bei Gültigkeit von Nullhypothese H₀: p=0.23 so unwahrscheinlich, dass man diese Nullhypothese verwerfen kann und somit p<0.23 als statistisch abgesichert betrachten darf. Dabei bleibt jedoch eine (Rest-) Irrtumswahrscheinlichkeit von 0.0342 =3.42% (dass die Nullhypothese doch stimmt und wir sie irrtümlicherweise verworfen haben)

Ablehnungsbereich von H₀: [0;6]

Nicht-Ablehnungsbereich von H₀: [7;51]

Entscheidungsregel: Fällt die Anzahl der Treffer in den Ablehnungsbereich von H₀: [0;6], so ist die Nullhypothese zu verwerfen, fällt die Anzahl der Treffer in den Nicht-Ablehnungsbereich von H₀: [7;51], so muss die Nullhypothese beibehalten werden.

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

Die Höhen der Säulen entsprechen der Wahrscheinlichkeit für genau X=k Treffer
(also keine kumulierte Wahrscheinlichkeit wie links in der Tabelle)

In dieser Aufgabe ist ja aber H₀:p=0.23 falsch, weil ja in Wirklichkeit p=0.15 ist.

Gesucht ist nun die Wahrscheinlichkeit, dass bei dem Test die Trefferanzahl nicht in den Ablehnungsbereich gefallen ist, sondern in den Bereich von 7 bis 51, so dass H₀ (irrtümlicherweise) nicht verworfen wurde.

Diese Wahrscheinlichkeit (mit dem richtigen p=0.15) beträgt nun: $P_{0.15}^{51} (X \geq 7)$ =1- $P_{0.15}^{51} (X \leq 6)$ ≈ 1-0.34 ≈ 0.66

Mit 66% Wahrscheinlichkeit landet also das Ergebnis des Test im Nicht-Ablehnungsbereich (im Histogramm oben: blauer Bereich), so dass die falsche Nullhypothese nicht verworfen wird.

zweiseitiger Test

Beispiel:

Ein Roulettetisch scheint ungleichmäßig zu laufen. Ein Spieler bezweifelt deswegen, dass die vorgegebene Wahrscheinlichkeit der grünen Null von p= $\frac{1}{37}$ wirklich stimmt. Diese Vermutung soll durch einen zweiseitigen Test mit 180 Drehungen des Roulettes untermauert werden. Die maximale Irrtumswahrscheinlichkeit α soll dabei 5% betragen.
In welchen Bereichen muss die Häufigkeit der grünen Null bei der Stichprobe liegen, um die Nullhypothese p= $\frac{1}{37}$ statistisch untermauert ablehnen zu können? Wie groß ist in diesem Fall die Irrtumswahrscheinlichkeit?

Lösung einblenden

k	P(X≤k)
0	0.0072
1	0.0433
2	0.1329
3	0.2807
...	...

Dieser Hypothesentest wird gemacht um die Nullhypothese H₀: p = $\frac{1}{37}$ zu verwerfen. Der Test soll bestätigen, dass p< $\frac{1}{37}$ oder p> $\frac{1}{37}$ ist, es ist ein zweiseitiger Hypothesentest.

Wir suchen somit den Ablehnungsbereich der Nullhypothese H₀ auf der linken und auf der rechten Seite so, dass die Gesamt-Wahrscheinlichkeit dieser beiden Bereiche gerade noch kleiner als das Signifikanzniveau 5% ist.

Dazu teilen wir das Signifikanzniveau 5% gerecht auf 2.5% auf der linken und 2.5% auf der rechten Seite.

Linke Seite:

Schaut man dazu die kumulierte Binomialverteilung an (TI: binomcdf mit n=180 und p= $\frac{1}{37}$ ), so erkennt man, dass die Trefferzahlen links im Interval zwischen 0 und 0 gerade noch weniger als 2.5% der Gesamt-Wahrscheinlichkeit auf sich vereinen. Damit haben wir den linken Teil des Ablehnungsbereichs

k	P(X≤k)
...	...
8	0.9429
9	0.9746
10	0.9897
11	0.9961
12	0.9987
...	...

Rechte Seite:

Auch am rechten Rand darf der Ablehnungsbereich höchstens 2.5% Gesamtwahrscheinlikeit auf sich vereinen, das bedeutet, dass der gesamte Bereich links vom rechten Ablehnungsbereich mindestens 1 - 0.025 = 0.975 als Wahrscheinlichkeit haben muss.

In der Tabelle links erkennt man, dass bei k=10 erstmals $P_{\frac{1}{37}}^{180} (X \leq k)$ ≥ 0.975 ist (links in der Tabelle in blau dargestellt). Das bedeutet, dass das Intervall von 11 bis 180 das größte ist, das am rechten Rand eine Gesamtwahrscheinlichkeit von unter 2.5% hat.

Der Ablehnungsbereich auf der rechten Seite ist somit von 11 bis 180.

Kommt nun bei einer Stichprobe/Zufallsexperiment eine Trefferzahl in eines dieser beiden Intervalle, so wäre das bei Gültigkeit der Nullhypothese H₀: p= $\frac{1}{37}$ so unwahrscheinlich, dass man diese Nullhypothese verwerfen kann und somit p≠ $\frac{1}{37}$ als statistisch abgesichert betrachten darf.

Dabei bleibt jedoch eine (Rest-) Irrtumswahrscheinlichkeit von $P_{\frac{1}{37}}^{180} (X \leq 0)$ = 0.0072 auf der linken Seite und $P_{\frac{1}{37}}^{180} (X \geq 11)$ = 1-0.9897 = 0.0103 auf der rechten Seite.
Insgesamt ist somit die Irrtumswahrscheinlichkeit P_Irr = 0.0072 + 0.0103 = 0.0175 =1.75% (dass die Nullhypothese doch stimmt und wir sie irrtümlicherweise verworfen haben)

Ablehnungsbereich von H₀: [0;0] und [11;180]

Nicht-Ablehnungsbereich von H₀: [1;10]

Entscheidungsregel: Fällt die Anzahl der Treffer in einen der Ablehnungsbereiche von H₀: [0;0] oder [11;180], so ist die Nullhypothese zu verwerfen, fällt die Anzahl der Treffer in den Nicht-Ablehnungsbereich von H₀: [1;10], so muss die Nullhypothese beibehalten werden.

0

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

Die Höhen der Säulen entsprechen der Wahrscheinlichkeit für genau X=k Treffer
(also keine kumulierte Wahrscheinlichkeit wie links in der Tabelle)

Fehler 1. Art beurteilen

Beispiel:

Der Hersteller eines Männershampoos bewirbt sein Produkt damit, dass es bei 40% aller Probanden die kahlen Stellen am Kopf wieder zuwachsen lassen würde. Weil bei Verbraucherschützern Zweifel daran aufkommen, lässt die Firma einen Hypothesentest mit 800 Männern durchführen, die täglich das Shampoo benutzen müssen. Dabei soll das Risiko auf 15% begrenzt werden, dass aufgrund des Tests auf diesen werbewirksamen Prozentsatz verzichtet wird, obwohl dieser der Wirklichkeit entspricht.

Entscheide dich, welche der angebotenen Nullhypothesen für diesen Test verwendet werden muss.

Lösung einblenden

Wir betrachten jede der 4 möglichen Nullhypothesen im Detail:

1. Der Prozentsatz der Männer, bei denen das Shampoo wirkt, beträgt höchstens 15%

Die Nullhypothese H₀: " ... höchstens 15%", also p ≤ 0.15 macht keinen Sinn, weil die 15%" ja die maximale Irrtumswahrscheinlichkeit angibt, also wie groß höchstens die Wahrscheinlichkeit ist, dass einen das Ergebnis des Hypothesentests zu einer falschen Annahme führt.

In der Nullhypothese muss es doch aber um die eigentlich angezweifelte Wahrscheinlichkeit p=40% gehen, also den Prozentsatz der Männer, bei denen das Shampoo wirkt.

2. Der Prozentsatz der Männer, bei denen das Shampoo wirkt, beträgt mindestens 15%

Die Nullhypothese H₀: " ... mindestens 15%", also p ≥ 0.15 macht keinen Sinn, weil die 15%" ja die maximale Irrtumswahrscheinlichkeit angibt, also wie groß höchstens die Wahrscheinlichkeit ist, dass einen das Ergebnis des Hypothesentests zu einer falschen Annahme führt.

In der Nullhypothese muss es doch aber um die eigentlich angezweifelte Wahrscheinlichkeit p=40% gehen, also den Prozentsatz der Männer, bei denen das Shampoo wirkt.

3. Der Prozentsatz der Männer, bei denen das Shampoo wirkt, beträgt mindestens 40%

Wenn die Nullhypothese H₀: " ... mindestens 40%", also p ≥ 0.4 lautet, soll ja der Test "bestätigen", dass p < 0.4 ist - also ist es ein linksseitiger Hypothesentest.

Das bedeutet, dass die Wahrscheinlichkeit eines Ergebnisses des Test im linken (orangen) Ablehnungsbereich kleiner als das Signifikanzniveau α = 15% sein muss, falls die Nullhypothese H₀: p ≥ 0.4 doch stimmen sollte.

Die Wahrscheinlichkeit, p ≥ 0.4 abzulehnen, obwohl es stimmt, ist somit kleiner als 15%.

In diesem Fall würde das bedeuten, dass die Wahrscheinlichkeit p ≥ 0.4 irrtümlicherweise abzulehnen, damit p < 0.4 anzunehmen (obwohl dies falsch ist), und somit nicht mehr mit diesem hohen Prozentsatz zu werben, obwohl dieser richtig ist, auf unter 15% begrenzt werden könnte.

Mit dieser Nullhypothese kann also ein Test die gegebenen Vorgaben erfüllen.

289

290

291

292

293

294

295

296

297

298

299

300

301

302

303

304

305

306

307

308

309

310

311

312

313

314

315

316

317

318

319

320

321

322

323

324

325

326

327

328

329

330

331

332

333

334

4. Der Prozentsatz der Männer, bei denen das Shampoo wirkt, beträgt höchstens 40%

Wenn die Nullhypothese H₀: " ... höchstens 40%", also p ≤ 0.4 lautet, soll ja der Test "bestätigen", dass p > 0.4 ist - also ist es ein rechtsseitiger Hypothesentest.

Das bedeutet, dass die Wahrscheinlichkeit eines Ergebnisses des Test im rechten (orangen) Ablehnungsbereich kleiner als das Signifikanzniveau α = 15% sein muss, falls die Nullhypothese H₀: p ≤ 0.4 doch stimmen sollte.

Die Wahrscheinlichkeit, p ≤ 0.4 abzulehnen, obwohl es stimmt, ist somit kleiner als 15%

In diesem Fall würde das bedeuten, dass die Wahrscheinlichkeit p ≤ 0.4 irrtümlicherweise abzulehnen, damit p > 0.4 anzunehmen (obwohl dies falsch ist), und somit weiterhin mit diesem hohen Prozentsatz zu werben, obwohl er in Wirklichkeit niedriger ist und eine Klage von Verbraucherschützern riskieren, auf unter 15% begrenzt werden könnte.

Mit dieser Nullhypothese würde man also ein anderes Risiko absichern, als das im Aufgabentext geforderte.

305

306

307

308

309

310

311

312

313

314

315

316

317

318

319

320

321

322

323

324

325

326

327

328

329

330

331

332

333

334

335

336

337

338

339

340

341

342

343

344

345

346

347

348

349

350

Aufgabentypen anhand von Beispielen durchstöbern

Hypothesen-Test linksseitig

Hypothesen-Test rechtsseitig

Hypothesen-Test rechtsseitig

Fehler 2. Art

zweiseitiger Test

Linke Seite:

Rechte Seite:

Fehler 1. Art beurteilen

1. Der Prozentsatz der Männer, bei denen das Shampoo wirkt, beträgt höchstens 15%

2. Der Prozentsatz der Männer, bei denen das Shampoo wirkt, beträgt mindestens 15%

3. Der Prozentsatz der Männer, bei denen das Shampoo wirkt, beträgt mindestens 40%

4. Der Prozentsatz der Männer, bei denen das Shampoo wirkt, beträgt höchstens 40%