Aufgabenbeispiele von Tests
Durch Aktualisieren des Browsers (z.B. mit Taste F5) kann man neue Beispielaufgaben sehen
Hypothesen-Test linksseitig
Beispiel:
Der Prager Gaststättenverband behauptet stolz, dass 87% ihrer Gaststätten das strenge Alkoholverbot für Jugendliche (kein Bier unter 18!) konsequent umsetzen. Das tschechische blaue Kreuz bezweifelt das und glaubt dass es weit weniger konsequent umgesetzt wird. Eine zufällig sich in Prag aufhaltende oberschwäbische Schülergruppe erklärt sich bereit, eine Hypothesen-Test mit einem Signifikanzniveau von alpha=0,1% durchzuführen. Dabei versuchen 17-jährige SchülerInnen in 51 Kneipen ein Bier zu bestellen. Gib den Bereich an, wie viele Gaststätten dabei eine "ID" (Personalausweis) der Jugendlichen verlangen müssten, damit das blaue Kreuz die Behauptung des Gaststättenverbands verwerfen könnte.
| k | P(X≤k) |
|---|---|
| ... | ... |
| 30 | 0 |
| 31 | 0 |
| 32 | 0 |
| 33 | 0 |
| 34 | 0.0002 |
| 35 | 0.0005 |
| 36 | 0.0016 |
| 37 | 0.0045 |
| 38 | 0.0118 |
| 39 | 0.028 |
| ... | ... |
Dieser Hypothesentest wird gemacht um die Nullhypothese H0: p ≥ 0.87 zu verwerfen. Der Test soll bestätigen, dass p<0.87 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 0.1% ist.
Schaut man dazu die kumulierte Binomialverteilung an (TI: y1=binomcdf(51,0.87,X) ), so erkennt man, dass die Trefferzahlen links im Interval zwischen 0 und 35 weniger als 0.1% 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=0.87 so unwahrscheinlich, dass man diese Nullhypothese verwerfen kann und somit p<0.87 als statistisch abgesichert betrachten darf. Dabei bleibt jedoch eine (Rest-) Irrtumswahrscheinlichkeit von 0.0005 =0.05% (dass die Nullhypothese doch stimmt und wir sie irrtümlicherweise verworfen haben)
Ablehnungsbereich von H0: [0;35]
Nicht-Ablehnungsbereich von H0: [36;51]
Entscheidungsregel: Fällt die Anzahl der Treffer in den Ablehnungsbereich von H0: [0;35], so ist die Nullhypothese zu verwerfen, fällt die Anzahl der Treffer in den Nicht-Ablehnungsbereich von H0: [36;51], so muss die Nullhypothese beibehalten werden.
(also keine kumulierte Wahrscheinlichkeit wie links in der Tabelle)
Hypothesen-Test rechtseitig
Beispiel:
In einem Multiple Choice Test ist bei jeder der 89 Aufgaben genau eine von fünf Lösungsmöglichkeiten richtig. In welchem Intervall muss die Anzahl der richtigen Antworten von Kevin liegen, damit er seiner Mutter (mit einer max. Irrtumswahrscheinlichkeit von 5%) nachweisen kann, dass er auf den Test etwas gelernt und dadurch etwas gewusst hat und nicht jede Frage dem Zufall überließ? Gib die Irrtumswahrscheinlichkeit an!
| k | P(X≤k) |
|---|---|
| ... | ... |
| 19 | 0.6813 |
| 20 | 0.7668 |
| 21 | 0.8371 |
| 22 | 0.8913 |
| 23 | 0.9309 |
| 24 | 0.9581 |
| 25 | 0.9757 |
| 26 | 0.9866 |
| 27 | 0.9929 |
| 28 | 0.9964 |
| ... | ... |
Dieser Hypothesentest wird gemacht um die Nullhypothese H0: p ≤ 0.2 zu verwerfen. Der Test soll bestätigen, dass p>0.2 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(89,0.2,X) ), so erkennt man, dass die Trefferzahlen links im Interval zwischen 0 und 24 erstmals mindestens 95% der Gesamt-Wahrscheinlichkeit ausmachen.
Nicht-Ablehnungsbereich von H0: [0;24]
Dies bedeutet für den eigentlich gesuchten Ablehnungsbereich H0 dass dieser erst bei 25 Treffern beginnt.
Ablehnungsbereich von H0: [25;89]
Kommt nun bei einer Stichprobe/Zufallsexperiment eine Trefferzahl in diesem Intervall, wäre das bei Gültigkeit von Nullhypothese H0: p=0.2 so unwahrscheinlich, dass man diese Nullhypothese verwerfen kann und somit p>0.2 als statistisch abgesichert betrachten darf. Dabei bleibt jedoch eine (Rest-) Irrtumswahrscheinlichkeit von 0.0419 =4.19% (dass die Nullhypothese doch stimmt und wir sie irrtümlicherweise verworfen haben)
Entscheidungsregel: Fällt die Anzahl der Treffer in den Ablehnungsbereich von H0: [25;89], so ist die Nullhypothese zu verwerfen, fällt die Anzahl der Treffer in den Nicht-Ablehnungsbereich von H0: [0;24], so muss die Nullhypothese beibehalten werden.
(also keine kumulierte Wahrscheinlichkeit wie links in der Tabelle)
Hypothesen-Test linksseitig
Beispiel:
Ein Basketballspieler behauptet, er habe bei Freiwürfen eine Trefferwahrscheinlichkeit von p=0,45. Sein Trainer glaubt, dass er sich dabei überschätzt. Um das zu überprüfen, muss der Basketballspieler 35 mal werfen. In welchem Intervall müssen die Treffer liegen, dass sich der Trainer auf einem Signifikanzniveau von 1% bestätigt sieht? Wie hoch bleibt dabei die Irrtumswahrscheinlichkeit.
| k | P(X≤k) |
|---|---|
| ... | ... |
| 3 | 0 |
| 4 | 0 |
| 5 | 0.0001 |
| 6 | 0.0005 |
| 7 | 0.0019 |
| 8 | 0.0057 |
| 9 | 0.0152 |
| 10 | 0.0354 |
| 11 | 0.0729 |
| 12 | 0.1344 |
| ... | ... |
Dieser Hypothesentest wird gemacht um die Nullhypothese H0: p ≥ 0.45 zu verwerfen. Der Test soll bestätigen, dass p<0.45 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 1% ist.
Schaut man dazu die kumulierte Binomialverteilung an (TI: y1=binomcdf(35,0.45,X) ), so erkennt man, dass die Trefferzahlen links im Interval zwischen 0 und 8 weniger als 1% 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=0.45 so unwahrscheinlich, dass man diese Nullhypothese verwerfen kann und somit p<0.45 als statistisch abgesichert betrachten darf. Dabei bleibt jedoch eine (Rest-) Irrtumswahrscheinlichkeit von 0.0057 =0.57% (dass die Nullhypothese doch stimmt und wir sie irrtümlicherweise verworfen haben)
Ablehnungsbereich von H0: [0;8]
Nicht-Ablehnungsbereich von H0: [9;35]
Entscheidungsregel: Fällt die Anzahl der Treffer in den Ablehnungsbereich von H0: [0;8], so ist die Nullhypothese zu verwerfen, fällt die Anzahl der Treffer in den Nicht-Ablehnungsbereich von H0: [9;35], so muss die Nullhypothese beibehalten werden.
(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=0,34 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 54 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=0,17. 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?
| k | P(X≤k) |
|---|---|
| ... | ... |
| 7 | 0.0004 |
| 8 | 0.0013 |
| 9 | 0.0038 |
| 10 | 0.0095 |
| 11 | 0.0212 |
| 12 | 0.0427 |
| 13 | 0.0786 |
| 14 | 0.1328 |
| 15 | 0.2072 |
| 16 | 0.3006 |
| ... | ... |
Dieser Hypothesentest wird gemacht um die Nullhypothese H0: p ≥ 0.34 zu verwerfen. Der Test soll bestätigen, dass p<0.34 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(54,0.34,X) ), so erkennt man, dass die Trefferzahlen links im Interval zwischen 0 und 12 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=0.34 so unwahrscheinlich, dass man diese Nullhypothese verwerfen kann und somit p<0.34 als statistisch abgesichert betrachten darf. Dabei bleibt jedoch eine (Rest-) Irrtumswahrscheinlichkeit von 0.0427 =4.27% (dass die Nullhypothese doch stimmt und wir sie irrtümlicherweise verworfen haben)
Ablehnungsbereich von H0: [0;12]
Nicht-Ablehnungsbereich von H0: [13;54]
Entscheidungsregel: Fällt die Anzahl der Treffer in den Ablehnungsbereich von H0: [0;12], so ist die Nullhypothese zu verwerfen, fällt die Anzahl der Treffer in den Nicht-Ablehnungsbereich von H0: [13;54], so muss die Nullhypothese beibehalten werden.
(also keine kumulierte Wahrscheinlichkeit wie links in der Tabelle)
In dieser Aufgabe ist ja aber H0:p=0.34 falsch, weil ja in Wirklichkeit p=0.17 ist.
Gesucht ist nun die Wahrscheinlichkeit, dass bei dem Test die Trefferanzahl nicht in den Ablehnungsbereich gefallen ist, sondern in den Bereich von 13 bis 54, so dass H0 (irrtümlicherweise) nicht verworfen wurde.
Diese Wahrscheinlichkeit (mit dem richtigen p=0.17) beträgt nun: =1- ≈ 1-0.883 ≈ 0.117
Mit 11.7% Wahrscheinlichkeit landet also das Ergebnis des Test im Nicht-Ablehnungsbereich (im Histogramm oben: blauer Bereich), so dass die falsche Nullhypothese nicht verworfen wird.
Fehler 1. Art beurteilen
Beispiel:
Eine Firma möchte den Preis für ihr umsatzstärkstes Produkt erhöhen. Die Marketingabteilung geht davon aus, dass dadurch 8% der Kunden zu einem Mitbewerberprodukt wechseln und somit der Umsatz so stark zurückgehen würde, dass sich die Preiserhöhung gar nicht lohnt. Die Geschäftsführung ist sich aber nicht ganz sicher, ob diese Zahl verlässlich ist und beschließt, einen Hypothesentest mit 1000 Personen durchzuführen, die befragt werden, ob sie bei der Preiserhöhung zu einem anderen Produkt wechseln würden. Dabei möchte sie das Risiko auf 15% begrenzen, dass aufgrund des Tests irrtümlicherweise auf die Preiserhöhung verzichtet wird, obwohl diese sinnvoll wäre.
Entscheide dich, welche der angebotenen Nullhypothesen für diesen Test verwendet werden muss.
Wir betrachten jede der 4 möglichen Nullhypothesen im Detail:
1. Der Anteil der Kunden, die zu einem Mitbewerberprodukt wechseln, 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=8% gehen, also wieviel Prozent bei einer Preiserhöhung zu einem Mitbewerberprodukt wechseln.
2. Der Anteil der Kunden, die zu einem Mitbewerberprodukt wechseln, 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=8% gehen, also wieviel Prozent bei einer Preiserhöhung zu einem Mitbewerberprodukt wechseln.
3. Der Anteil der Kunden, die zu einem Mitbewerberprodukt wechseln, beträgt höchstens 8%
Wenn die Nullhypothese H0: " ... höchstens 8%", also p ≤ 0.08 lautet, soll ja der Test "bestätigen", dass p > 0.08 ist - also ist es ein rechtseitiger Hypothesentest.
Das bedeutet, dass die Wahrscheinlichkeit eines Ergebnisses des Test im rechten (orangen) Ablehnungesbreich kleiner als das Signifikanzniveau α = 15% sein muss, falls die Nullhypothese H0: p ≤ 0.08 doch stimmen sollte.
Die Wahrscheinlichkeit, p ≤ 0.08 abzulehnen, obwohl es stimmt, ist somit kleiner als 15%
In diesem Fall würde das bedeuten, dass die Wahrscheinlichkeit p ≤ 0.08 irrtümlicherweise abzulehnen, damit p > 0.08 anzunehmen (obwohl dies falsch ist), und somit auf die Preiserhöhung zu verzichten (obwohl diese sinnvoll wäre), auf unter 15% begrenzt werden könnte.
Mit dieser Nullhypothese kann also ein Test die gegebenen Vorgaben erfüllen.
4. Der Anteil der Kunden, die zu einem Mitbewerberprodukt wechseln, beträgt mindestens 8%
Wenn die Nullhypothese H0: " ... mindestens 8%", also p ≥ 0.08 lautet, soll ja der Test "bestätigen", dass p < 0.08 ist - also ist es ein linksseitiger Hypothesentest.
Das bedeutet, dass die Wahrscheinlichkeit eines Ergebnisses des Test im linken (orangen) Ablehnungesbreich kleiner als das Signifikanzniveau α = 15% sein muss, falls die Nullhypothese H0: p ≥ 0.08 doch stimmen sollte.
Die Wahrscheinlichkeit, p ≥ 0.08 abzulehnen, obwohl es stimmt, ist somit kleiner als 15%.
In diesem Fall würde das bedeuten, dass die Wahrscheinlichkeit p ≥ 0.08 irrtümlicherweise abzulehnen, damit p < 0.08 anzunehmen (obwohl dies falsch ist), und somit die Preiserhöhung durchzuführen und einen Umsatzeinbruch zu riskieren, auf unter 15% begrenzt werden könnte.
Mit dieser Nullhypothese würde man also ein anderes Risiko absichern, als das im Aufgabentext geforderte.
zweiseitiger Test
Beispiel:
Es wird vermutet, dass bei einem Glücksspiel die Gewinnwahrscheinlichkeit nicht wie angegeben 90% beträgt. Die Vermutung soll durch einen zweiseitigen Hypothesentest mit Stichprobenumfang n = 89 auf einem Signifikanzniveau von 1% überprüft werden. In welchen Bereichen muss die Anzahl der Gewinne bei der Stichprobe liegen, um diese Vermutung statistisch zu belegen? Wie groß ist in diesem Fall die Irrtumswahrscheinlichkeit?
| k | P(X≤k) |
|---|---|
| ... | ... |
| 70 | 0.0011 |
| 71 | 0.0028 |
| 72 | 0.0067 |
| 73 | 0.0148 |
| 74 | 0.0304 |
| ... | ... |
Dieser Hypothesentest wird gemacht um die Nullhypothese H0: p = 0.9 zu verwerfen. Der Test soll bestätigen, dass p<0.9 oder p>0.9 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 1% ist.
Dazu teilen wir das Signifikanzniveau 1% gerecht auf 0.5% auf der linken und 0.5% auf der rechten Seite.
Linke Seite:
Schaut man dazu die kumulierte Binomialverteilung an (TI: binomcdf mit n=89 und p=0.9), so erkennt man, dass die Trefferzahlen links im Interval zwischen 0 und 71 gerade noch weniger als 0.5% der Gesamt-Wahrscheinlichkeit auf sich vereinen. Damit haben wir den linken Teil des Ablehnungsbereichs
| k | P(X≤k) |
|---|---|
| ... | ... |
| 85 | 0.9818 |
| 86 | 0.995 |
| 87 | 0.9991 |
| 88 | 0.9999 |
| 89 | 1 |
Rechte Seite:
Auch am rechten Rand darf der Ablehnungsbereich höchstens 0.5% Gesamtwahrscheinlikeit auf sich vereinen, das bedeutet, dass der gesamte Bereich links vom rechten Ablehnungsbereich mindestens 1 - 0.005 = 0.995 als Wahrscheinlichkeit haben muss.
In der Tabelle links erkennt man, dass bei k=87 erstmals ≥ 0.995 ist (links in der Tabelle in blau dargestellt). Das bedeutet, dass das Intervall von 88 bis 89 das größte ist, das am rechten Rand eine Gesamtwahrscheinlichkeit von unter 0.5% hat.
Der Ablehnungsbereich auf der rechten Seite ist somit von 88 bis 89.
Kommt nun bei einer Stichprobe/Zufallsexperiment eine Trefferzahl in eines dieser beiden Intervalle, so wäre das bei Gültigkeit der Nullhypothese H0: p=0.9 so unwahrscheinlich, dass man diese Nullhypothese verwerfen kann und somit p≠0.9 als statistisch abgesichert betrachten darf.
Dabei bleibt jedoch eine (Rest-) Irrtumswahrscheinlichkeit von
=
0.0028 auf der linken Seite und
= 1-0.9991
= 0.0009 auf der rechten Seite.
Insgesamt ist somit die Irrtumswahrscheinlichkeit
PIrr = 0.0028 + 0.0009 = 0.0038
=0.38% (dass die Nullhypothese doch stimmt und wir sie irrtümlicherweise verworfen haben)
Ablehnungsbereich von H0: [0;71] und [88;89]
Nicht-Ablehnungsbereich von H0: [72;87]
Entscheidungsregel: Fällt die Anzahl der Treffer in einen der Ablehnungsbereiche von H0: [0;71] oder [88;89], so ist die Nullhypothese zu verwerfen, fällt die Anzahl der Treffer in den Nicht-Ablehnungsbereich von H0: [72;87], so muss die Nullhypothese beibehalten werden.
(also keine kumulierte Wahrscheinlichkeit wie links in der Tabelle)
