Fehler 1. und 2. Art beim Hypothesentest – wie behalte ich den Unterschied im Kopf?

TimDual

Ich sitze gerade an der Klausurvorbereitung Statistik und scheitere immer wieder an derselben Stelle: Fehler 1. Art und Fehler 2. Art auseinanderzuhalten. Die Definition kann ich auswendig aufsagen, aber sobald eine konkrete Aufgabe mit Nullhypothese kommt, vertausche ich das zuverlässig.

Was ich bisher verstanden habe:

Fehler 1. Art: H0 wird abgelehnt, obwohl sie eigentlich wahr ist
Fehler 2. Art: H0 wird beibehalten, obwohl sie eigentlich falsch ist

Rein theoretisch leuchtet mir das ein, aber in der Klausursituation unter Zeitdruck rutscht mir das durcheinander, vor allem wenn die Aufgabe mit einem Praxisbeispiel formuliert ist (z. B. Qualitätskontrolle, Produktion zu eng toleriert etc.) und ich erst überlegen muss, was überhaupt H0 ist.

Hat jemand eine Eselsbrücke oder ein Beispiel, das sich wirklich einprägt? Ich hab schon von „falscher Alarm vs. verpasster Alarm“ gehört, aber irgendwie will das bei mir nicht hängen bleiben. Vielleicht hilft mir ein Beispiel aus dem technischen Bereich eher als die klassischen Medizin-Beispiele aus dem Lehrbuch.

KathiVWL

Hi Tim, bei mir hat's erst mit dem Gerichtsbeispiel klick gemacht, das ist für mich eingängiger als Qualitätskontrolle. Stell dir vor, H0 lautet „der Angeklagte ist unschuldig" (das ist ja auch rechtlich die Ausgangsannahme, in dubio pro reo).

Fehler 1. Art: Das Gericht verurteilt einen Unschuldigen. Du lehnst H0 ab, obwohl sie stimmt. Das ist der richtig schlimme Fehler, deswegen setzt man das Signifikanzniveau (alpha) ja auch niedrig an, meistens 5% oder 1%.
Fehler 2. Art: Das Gericht spricht einen tatsächlich Schuldigen frei. Du behältst H0 bei, obwohl sie falsch ist.

Der Trick bei mir war: ich merke mir immer zuerst Fehler 1. Art, weil der mit alpha zusammenhängt und das Gericht genau diesen Fehler unbedingt vermeiden will. Der Rest ergibt sich dann automatisch, weil es nur die zwei Möglichkeiten gibt.

Für die Praxisbeispiele in der Klausur: ich schreib mir am Rand immer zuerst explizit hin, was H0 ist (meistens die "Nichts passiert"-Annahme, z.B. "Maschine arbeitet normal"), bevor ich überhaupt an die Fehlerarten denke. Das hat mir am meisten Zeit und Nerven gespart, weil das Vertauschen meistens passiert, wenn man noch gar nicht klar hat, was H0 überhaupt behauptet.

Mathe_Marco

Moin zusammen, das Gerichtsbeispiel von Kathi ist echt gut, ich häng da noch die formale Brille dran, weil die in der Klausur meistens explizit abgefragt wird 😄

Fehler 1. Art hat die Wahrscheinlichkeit alpha, das ist dein Signifikanzniveau, das du selbst vorher festlegst (5%, 1%, was auch immer in der Aufgabe steht). Fehler 2. Art hat die Wahrscheinlichkeit beta, die ergibt sich erst aus der Konstellation (Stichprobengröße, wahrer Effekt, Streuung) und wird dir eigentlich nie vorgegeben, sondern höchstens in Teilaufgaben berechnet. Merksatz dazu: alpha kontrollierst du, beta musst du dir erarbeiten.

Zum Erkennen in Textaufgaben: schau dir an, was im Aufgabentext als "Signifikanzniveau" oder "Irrtumswahrscheinlichkeit" angegeben ist, das ist IMMER alpha, also IMMER Fehler 1. Art. Wenn stattdessen von "Macht des Tests" oder "Power" die Rede ist, dann ist das 1-beta, also hängt mit Fehler 2. Art zusammen.

Fehler 1. Art: P(H0 ablehnen | H0 wahr) = alpha
Fehler 2. Art: P(H0 beibehalten | H0 falsch) = beta

Typischer Stolperstein in Klausuren: man verwechselt "Test lehnt ab" mit "H0 ist falsch". Das sind zwei verschiedene Dinge, der Test trifft nur eine Entscheidung, die Wahrheit kennst du nie. Deswegen hilft auch die Vierfeldertafel (H0 wahr/falsch gegen ablehnen/beibehalten) als Spickzettel, die zeichne ich mir in jeder Klausur zuerst hin, bevor ich überhaupt rechne.

Fehler 1. und 2. Art beim Hypothesentest – wie behalte ich den Unterschied im Kopf?

Jetzt mitmachen!

Letzte Beiträge

Fehler 1. und 2. Art beim Hypothesentest – wie behalte ich den Unterschied im Kopf? 2

Normalverteilung oder t-Verteilung – wie entscheide ich das bei kleiner Stichprobe? 3

Stichprobenumfang berechnen – wie groß muss n für eine gewünschte Genauigkeit sein? 2

Stetigkeit vs. Differenzierbarkeit – reicht die Betragsfunktion als Gegenbeispiel? 2

Eigenwerte und Eigenvektoren berechnen – wie interpretiere ich sie anschaulich? 4

Matrixinversion mit Gauß-Jordan – wie erkenne ich, ob es überhaupt geht? 3

Taylorreihe zur Näherung – wie viele Glieder reichen für eine gute Genauigkeit? 3

Partialbruchzerlegung bei der Integration – wie finde ich den Ansatz schnell? 2

Newton-Verfahren zur Nullstellensuche – wie wähle ich den Startwert sinnvoll? 3

Lineares Gleichungssystem mit Parameter lösen – wie bestimme ich, wann es lösbar ist? 2

Fehler 1. und 2. Art beim Hypothesentest – wie behalte ich den Unterschied im Kopf?

Normalverteilung oder t-Verteilung – wie entscheide ich das bei kleiner Stichprobe?

Stichprobenumfang berechnen – wie groß muss n für eine gewünschte Genauigkeit sein?

Stetigkeit vs. Differenzierbarkeit – reicht die Betragsfunktion als Gegenbeispiel?

Eigenwerte und Eigenvektoren berechnen – wie interpretiere ich sie anschaulich?

Benutzer online in diesem Thema

Über Study-Board.de