Unabhängiges Vorbereitungsangebot, nicht von der Hochschule herausgegeben. Impressum und Datenschutz als Platzhalter, Rechtstext mit René prüfen.
Persönlicher Zugang für {{KUNDE_NAME}} · nur für den eigenen Gebrauch, bitte nicht weitergeben.
Rechtliches
Impressum
Anbieter
{{FIRMA_NAME}} Inhaber: René Flé (Dipl.-Kfm.) {{STRASSE_NR}} {{PLZ_ORT}}
Kontakt
E-Mail: {{KONTAKT_MAIL}} Telefon: {{TELEFON}}
Umsatzsteuer
Die Bildungsleistungen von BWLKURSE sind nach § 4 Nr. 21 Buchstabe b UStG umsatzsteuerbefreit. Eine Umsatzsteuer-Identifikationsnummer wird daher in der Regel nicht ausgewiesen.
Verantwortlich für den Inhalt
{{VERANTWORTLICH}} (§ 18 Abs. 2 MStV)
BWL Kurse ist ein unabhängiges Vorbereitungsangebot und wird nicht von der Goethe-Universität Frankfurt herausgegeben.
Platzhalter vor Veröffentlichung füllen und den Text rechtlich mit René prüfen.
Dein Lernfortschritt und deine Selbsttest-Antworten bleiben auf deinem Gerät. Sie werden nicht an uns übertragen und nicht ausgewertet.
Vormerkung und Kauf
Wenn du dich vormerkst oder ein Paket kaufst, verarbeiten wir die Angaben aus dem Formular (Vorname, E-Mail) zur Bearbeitung deiner Anfrage und zur Vertragsabwicklung. Rechtsgrundlage: {{RECHTSGRUNDLAGE}}.
Hosting
Diese App wird bei {{HOSTER}} gehostet. Beim Aufruf fallen technisch notwendige Server-Logs an (z. B. IP-Adresse, Zeitpunkt).
Deine Rechte
Du hast das Recht auf Auskunft, Berichtigung und Löschung deiner Daten. Schreib uns dafür an {{KONTAKT_MAIL}}.
Platzhalter vor Veröffentlichung füllen und den Text rechtlich mit René prüfen.
Gruppenchat
Nachrichten
Frag das Team, tausch dich mit anderen Lernenden aus und verpass keine News.
News für alle
Live-Klausurtraining vor der Klausur
Wir planen die Termine fürs Live-Klausurtraining in den Wochen vor dem 28.07. Sobald die Zeiten stehen, posten wir sie hier für alle. Bring deine Fragen aus den Lektionen mit.
BWL Kurse · René
RF
René · Team
Willkommen in der OSTA-Gruppe. Hier kannst du jederzeit Fragen stellen, wir und die anderen helfen mit.
LK
Lena
Kurze Frage zu Kapitel 3: Wann nehme ich Bayes und wann die totale Wahrscheinlichkeit?
RF
René · Team
Totale Wahrscheinlichkeit, wenn du P(B) aus den Fällen zusammensetzt. Bayes, wenn du die Bedingung umdrehst, von P(B|A) auf P(A|B).
MT
Marco
Der Basisraten-Regler in der Lektion hat bei mir Klick gemacht. Endlich verstehe ich den positiven Test.
Beispiel-Chat für das Layout. Der echte Gruppenchat und die News laufen über euer Backend, Nachrichten werden hier nur lokal angezeigt.
oder nach links wischen
Freischalten
Vormerkungen sind kostenlos und unverbindlich. Preise umsatzsteuerfrei.
Deine OSTA‑Klausur. Ein Weg, 10 Kapitel.
Klausurvorbereitung für Statistik 1 bei Prof. Hassler, passgenau zur Vorlesung. Kapitel für Kapitel, mit Selbsttest nach jedem Thema.
So fühlt sich das an.
Eine Frage, ein Klick, sofort Klarheit. Genau so arbeitest du hier in jedem Kapitel.
Was gilt für das sichere Ereignis, also den gesamten Ergebnisraum Ω?
Kapitel 3 ist frei.
Wahrscheinlichkeitsrechnung ist deine Gratis‑Lektion: Einstieg, Rechenweg, Beispiel und der Selbsttest mit 16 Fragen. Danach entscheidest du selbst.
Kapitel 1 · Einstieg
Deskriptive Statistik I: Lage & Streuung
Sonntagabend, dein Handy meldet sich: Bildschirmzeit der letzten Woche, sieben Balken, jeden Tag ein anderer Wert. Ohne nachzudenken liest du zwei Dinge ab: Wie viel war es so im Schnitt? Und: Wie stark schwankt das eigentlich? Genau diese beiden Fragen, Lage und Streuung, sind der Kern der deskriptiven Statistik. Dein Handy rechnet dir den Durchschnitt fertig vor; in der Klausur machst du es selbst, mit sauberen Formeln.
In diesem Kapitel ordnest du Daten zuerst in einer Häufigkeitstabelle (absolut, relativ, kumuliert) und verdichtest sie dann zu Kennzahlen: Mittelwert, Median, Modus und Quantile sagen dir, wo die Daten liegen. Spannweite, Varianz und Standardabweichung, wie weit sie streuen. Am Ende rechnest du ein komplettes Beispiel im Stil der Klausuraufgaben durch.
Neugier-Fragen
Kleine Fragen zum inneren Mitdenken, nicht zum Googeln. So läuft eine einmal vorgemacht (Frage, Denk-Schritt, Antwort):
Warum kann ein einziger extremer Wert das arithmetische Mittel kräftig verschieben, den Median aber fast unberührt lassen?
Denk-Schritt: Das Mittel addiert jeden Wert mit seinem vollen Betrag auf, der Median schaut nur auf die Mitte der geordneten Reihe. Antwort: Der Ausreißer zieht die Summe, und damit das Mittel, mit. An der Rangmitte ändert er fast nichts. Genau das rechnen wir unten im Ausreißer-Check nach.
Warum ergeben alle relativen Häufigkeiten zusammen immer genau 1, und wie nutzt du das in der Klausur als Blitz-Kontrolle?
Kann die Standardabweichung größer sein als der Mittelwert, und was würde das über deine Daten verraten?
Dein Fahrplan
So gehen wir vor
Wir gehen den Fahrplan Schritt für Schritt entlang und führen am Ende alles an einem einzigen durchgerechneten Beispiel zusammen. So siehst du, wie Häufigkeitstabelle, Lagemaße und Streuungsmaße ineinandergreifen.
1
Daten ordnen: Häufigkeitstabelle mit absoluten, relativen und kumulierten Häufigkeiten, bis zur empirischen Verteilungsfunktion.
2
Lage bestimmen: arithmetisches Mittel, Median, Modus und Quantile, und wann welches Maß das richtige ist.
3
Streuung messen: Spannweite, Interquartilsabstand, Varianz über den Verschiebungssatz und Standardabweichung.
4
Alles zusammenführen: ein komplett durchgerechnetes Lehrbeispiel samt Ausreißer-Check, klausurnah.
Abschnitt 1 von 3
Häufigkeitsverteilungen: Daten ordnen
Ausgangspunkt ist ein Merkmal X mit n Beobachtungen (Rohdaten). Kommen Werte mehrfach vor, fasst man sie in einer Häufigkeitstabelle zusammen: Die absolute Häufigkeit nⱼ zählt, wie oft die Ausprägung aⱼ vorkommt. Die relative Häufigkeit hⱼ = nⱼ/n macht daraus einheitenfreie Anteile. Summiert man die Anteile von links nach rechts auf, entsteht die kumulierte Häufigkeit, zusammengefasst in der empirischen Verteilungsfunktion F̂(x) = h(X ≤ x), dem Anteil „bis einschließlich x“:
hⱼ = nⱼ / n F̂(aⱼ) = h₁ + h₂ + … + hⱼ
Relative Häufigkeiten sind Anteile; kumuliert steigen sie treppenförmig bis 1.
Grafisch ergibt die Häufigkeitsfunktion ein Stab- bzw. Säulendiagramm, die Verteilungsfunktion eine Treppenfunktion. Bei stetigen Merkmalen (Einkommen, Zeit) sind einzelne Werte nicht abzählbar, man gruppiert die Daten in Klassen. Weil Klassen unterschiedlich breit sein können, vergleicht man dort nicht die relativen Häufigkeiten, sondern die Häufigkeitsdichte hⱼ/Δⱼ, das zugehörige Schaubild ist das Histogramm. Innerhalb einer Klasse liest man kumulierte Werte näherungsweise per linearer Interpolation ab.
Abschnitt 2 von 3
Lagemaße: Mittelwert, Median, Modus und Quantile
Ein Lagemaß gibt an, wo das „Zentrum“ der Daten liegt. Das arithmetische Mittel x̄ ist der Durchschnitt; aus der Häufigkeitstabelle bekommst du ihn schnell als gewichtete Summe der Ausprägungen. Der Median x₀,₅ halbiert die geordneten Daten, und der Modus ist schlicht der häufigste Wert, direkt aus der nⱼ-Spalte ablesbar:
Mittel aus der Tabelle als gewichtete Summe; Median über die Rangmitte.
Allgemeiner teilt ein Quantil xₚ die geordneten Daten so, dass der Anteil p darunter oder genau dort liegt: x₀,₂₅ (unteres Quartil), x₀,₅ (Median) und x₀,₇₅ (oberes Quartil) vierteln den Datensatz. Praktische Rechenregel aus der Vorlesung: unteres Quartil = Median der unteren Hälfte, oberes Quartil = Median der oberen Hälfte. Merke außerdem: Mittel und Median können deutlich auseinanderliegen. Ein einziger Ausreißer verschiebt das Mittel stark, den Median kaum. Bei Gehältern oder Mieten ist der Median deshalb oft die ehrlichere „Mitte“.
Abschnitt 3 von 3
Streuung: Spannweite, Varianz und Standardabweichung
Die Mitte allein genügt nicht, zwei Datensätze mit gleichem Mittel können völlig unterschiedlich streuen. Das einfachste Maß ist die Spannweite = Maximum − Minimum; sie nutzt nur zwei Werte und ist entsprechend ausreißerempfindlich. Robuster ist der Interquartilsabstand IQA = x₀,₇₅ − x₀,₂₅, das zentrale Intervall mit der Hälfte aller Beobachtungen. Das Standard-Werkzeug der Klausur ist aber die (empirische) Varianz d²: die mittlere quadratische Abweichung vom Mittelwert. In der Praxis rechnest du sie fast immer über den Verschiebungssatz:
„Mittel der Quadrate minus Quadrat des Mittels“, dann die Wurzel ziehen.
Die Wurzel daraus ist die Standardabweichung d, sie hat dieselbe Einheit wie die Daten und ist deshalb die interpretierbare Größe. Zwei Klausur-Warnungen: Erstens gilt (a+b)² ≠ a²+b², niemals gliedweise quadrieren. Zweitens verändert eine Verschiebung aller Werte um eine Konstante die Varianz nicht (die Abstände bleiben gleich), eine Vervielfachung aller Werte mit b skaliert sie dagegen mit b².
Durchgerechnetes Lehrbeispiel
Wie viele Altklausuren rechnen deine Kommilitonen durch?
Du fragst n = 10 Kommilitonen, wie viele Altklausuren sie vor der Statistik-Klausur komplett durchgerechnet haben. Die geordneten Rohdaten: 1; 2; 2; 3; 3; 3; 3; 4; 4; 5. Gesucht: Häufigkeitstabelle, Lagemaße und Streuung.
Ausprägung aⱼ
1
2
3
4
5
Σ
absolut nⱼ
1
2
4
2
1
10
relativ hⱼ
0,1
0,2
0,4
0,2
0,1
1,0
kumuliert F̂(aⱼ)
0,1
0,3
0,7
0,9
1,0
Schritt 1 · Häufigkeitstabelle
Absolut nⱼ, relativ hⱼ = nⱼ/10, kumuliert F̂. Kontrolle: Σhⱼ = 1 und die letzte kumulierte Häufigkeit ist 1, sonst steckt ein Rechenfehler in der Tabelle.
Schritt 2 · Lagemaße
x̄ = 30/10 = 3 · x₀,₅ = (xᾐᾕᾑ + xᾐᾖᾑ)/2 = (3+3)/2 = 3 · Modus = 3 (nⱼ = 4).
Quartile nach der Hälften-Regel: untere Hälfte 1; 2; 2; 3; 3 ergibt x₀,₂₅ = 2, obere Hälfte 3; 3; 4; 4; 5 ergibt x₀,₇₅ = 4, also IQA = 4 − 2 = 2.
Schritt 3 · Streuung
Spannweite 5 − 1 = 4; Varianz über den Verschiebungssatz (mit Σxᵢ² = 102): d² = 102/10 − 3² = 10,2 − 9 = 1,2 und d = √1,2 ≈ 1,10.
Schritt 4 · Ausreißer-Check
Der fleißigste Kommilitone rechnet statt 5 nun 15 Altklausuren durch. Neues Mittel: 40/10 = 4; der Median bleibt 3 (die Rangmitte ändert sich nicht); die Varianz springt von 1,2 auf 302/10 − 4² = 14,2.
Lies die Kernaussage ab: Typisch sind 3 durchgerechnete Altklausuren (Mittel = Median = Modus = 3, geringe Streuung d ≈ 1,10). Ein einziger Ausreißer zieht Mittel und Varianz kräftig mit, der Median bleibt stehen. Genau deshalb fragt die Klausur gern beides ab.
Das Schaubild
Säulen und Treppenlinie
Das Schaubild zeigt dieselben Zahlen: die relativen Häufigkeiten hⱼ als Säulen (die dunkle Säule ist der Modus) und die kumulierten Häufigkeiten F̂(x) als orange Treppenlinie, die von 0,1 bis 1,0 klettert, genau die Werte aus der Tabelle.
Säulen: relative Häufigkeiten hⱼ · Treppenlinie: kumulierte Häufigkeiten F̂(x) · Werte aus dem Lehrbeispiel
Das bleibt hängen
Kern-Erkenntnis
Kern
Deskriptive Statistik heißt verdichten: Die Häufigkeitstabelle ordnet die Daten, Lagemaße (Mittel, Median, Modus, Quantile) sagen, wo sie liegen, Streuungsmaße (Spannweite, IQA, Varianz, Standardabweichung) wie weit sie auseinanderlaufen, und der Verschiebungssatz ist dein Rechen-Turbo. Darauf baut alles Weitere auf: Kapitel 2 verknüpft zwei Merkmale, und ab Kapitel 3 werden aus relativen Häufigkeiten Wahrscheinlichkeiten.
Häufige Fragen
Wann nehme ich das arithmetische Mittel, wann den Median?
Beide beschreiben die „Mitte“, reagieren aber unterschiedlich auf Ausreißer. Das Mittel bezieht jeden Wert mit vollem Betrag ein und wird von Extremwerten stark verzogen; der Median hängt nur von der Rangposition ab und bleibt robust. Bei schiefen Verteilungen (z. B. Einkommen, Mieten) ist der Median meist aussagekräftiger; bei symmetrischen Daten liegen beide ohnehin nah beieinander.
Warum rechnet man die Varianz meist über den Verschiebungssatz?
Weil d² = (1/n)Σxᵢ² − x̄² nur die Summe der Quadrate und den Mittelwert braucht, du musst nicht jede einzelne Abweichung (xᵢ − x̄) bilden. Das Ergebnis ist identisch zur Definitionsformel, unter Zeitdruck aber deutlich schneller und weniger fehleranfällig. Merke die Warnung: (a+b)² ≠ a²+b², nicht gliedweise quadrieren.
Was ist der Unterschied zwischen relativer und kumulierter Häufigkeit?
Die relative Häufigkeit hⱼ ist der Anteil genau einer Ausprägung („wie viele haben exakt den Wert aⱼ?“). Die kumulierte Häufigkeit F̂(x) summiert alle Anteile bis einschließlich x auf („wie viele haben höchstens x?“). In Klausuraufgaben lohnt der genaue Blick auf Formulierungen wie „höchstens“, „mindestens“ oder „mehr als“, sie entscheiden, ob du h, F̂ oder 1 − F̂ brauchst.
Varianz oder Standardabweichung: welche Zahl gebe ich an?
Gerechnet wird in der Regel zuerst die Varianz d² (über den Verschiebungssatz), interpretiert wird meist die Standardabweichung d = √(d²), weil sie dieselbe Einheit wie die Daten hat. Lies die Aufgabenstellung genau: Steht dort „mittlere quadratische Abweichung“, ist d² gemeint; steht dort „Standardabweichung“, musst du am Ende die Wurzel ziehen.
Deine Frage
Nimm sie mit ins Live-Klausurtraining
Gib deine komplexeste aktuelle Frage ein. Sie wird lokal auf deinem Gerät gespeichert und geht so nicht verloren, keine automatische Antwort auf dieser Seite.
Frage für die nächste Live-Session notieren
Notiert
Teste dich
Adaptive Fragerunde
Starte mit 5 Fragen. 3 oder mehr richtig, es geht schwerer weiter, sonst bekommst du Festigungsfragen. Danach kannst du beliebig oft weitere Fragen anfordern. Dein Gesamtergebnis bleibt sichtbar.
Runde 1 · 5 FragenGesamt: 0 / 0
Kapitel 2 · Einstieg
Zusammenhang & Regression
Der Foodtruck vor der Uni-Bibliothek ahnt es längst: Je wärmer der Tag, desto mehr Eistee geht über die Theke. Aber wie viel mehr, pro Grad? Lohnt es sich, bei einer 30-Grad-Prognose doppelt einzukaufen? Aus dem Bauchgefühl „hängt irgendwie zusammen“ wird in diesem Kapitel eine Zahl: Wie stark hängen zwei Merkmale zusammen, und welche Gerade beschreibt den Zusammenhang am besten?
Genau dieselbe Frage stellen Streamingdienste (Nutzungszeit ergibt Abo-Kündigung?), Personaler (Übungspunkte ergeben Klausurerfolg?) und jede Marketingabteilung (Werbebudget ergibt Umsatz?). Das Werkzeug dafür liefert die deskriptive Statistik: Kovarianz für die Richtung, Korrelationskoeffizient für die Stärke, und die KQ-Regressionsgerade, die aus Daten eine Prognose macht.
Neugier-Fragen
Kurz erklärt, „Neugier-Fragen“: kleine Fragen, die du dir selbst stellst, um aktiv mitzudenken, nicht zum Googeln, sondern zum inneren Beantworten, während die Lektion läuft. So funktioniert's, an einer Frage einmal vorgemacht (Frage, dann Denk-Schritt, dann Antwort, die du gleich prüfst):
Die Kovarianz zwischen Temperatur und Eistee-Verkauf beträgt +48: Ist das ein „starker“ Zusammenhang?
Denk-Schritt: Miss die Temperatur statt in Grad Celsius in Zehntelgrad, der Zusammenhang bleibt exakt derselbe, aber der Zahlenwert der Kovarianz verzehnfacht sich. Antwort: Der Betrag der Kovarianz hängt von den Maßeinheiten ab und taugt nicht als Stärkemaß, dafür normieren wir sie gleich zum Korrelationskoeffizienten.
Wenn rₓₖ = 0 herauskommt, heißt das wirklich, dass zwischen den beiden Merkmalen gar kein Zusammenhang besteht?
Warum läuft die KQ-Regressionsgerade immer exakt durch den Punkt (x̄; ȳ), ganz gleich, wie wild die Punkte streuen?
Dein Fahrplan
So gehen wir vor
Wir gehen den Fahrplan Schritt für Schritt entlang und rechnen am Ende das Foodtruck-Beispiel aus dem Einstieg komplett durch, von der Kovarianz bis zur Prognose. So siehst du, wie die Bausteine ineinandergreifen.
1
Zwei Merkmale im Streudiagramm lesen und mit der Kovarianz die Richtung des Zusammenhangs messen.
2
Die Kovarianz zum Korrelationskoeffizienten (Bravais-Pearson) normieren: Richtung und Stärke auf der Skala −1 bis +1.
3
Die KQ-Regressionsgerade legen: Steigung b̂ = dₓᵧ/d²ₓ, Achsenabschnitt â = ȳ − b̂·x̄, und damit prognostizieren.
4
Die Güte messen: Abweichungszerlegung und Bestimmtheitsmaß R², wie viel Streuung die Gerade erklärt.
Abschnitt 1 von 4
Zwei Merkmale im Streudiagramm, und die Kovarianz
In Kapitel 1 haben wir ein Merkmal beschrieben (Mittelwert, Varianz). Jetzt beobachten wir an denselben n Objekten zwei Merkmale gleichzeitig, etwa Temperatur x und Eistee-Verkauf y. Jedes Wertepaar (xᵢ; yᵢ) wird ein Punkt im Streudiagramm: Steigt die Punktwolke, sprechen wir von einem gleichläufigen Zusammenhang; fällt sie, von einem gegenläufigen. Die erste Kennzahl dafür ist die Kovarianz dₓₖ:
dₓₖ = (1/n)·Σ(xᵢ − x̄)(yᵢ − ȳ) = xy − x̄·ȳ
Die zweite Form ist der Verschiebungssatz für die Kovarianz, „Mittel der Produkte minus Produkt der Mittel“, das Schwester-Rezept zur Varianzformel dₓ² = x² − x̄² aus Kapitel 1. Merke die Deutung: Das Vorzeichen zeigt die Richtung (+ gleichläufig, − gegenläufig, ≈ 0 kein linearer Zusammenhang). Der Betrag sagt dagegen wenig, er ändert sich schon, wenn du nur die Maßeinheit wechselst.
Abschnitt 2 von 4
Der Korrelationskoeffizient (Bravais-Pearson)
Um die Stärke vergleichbar zu machen, normiert man die Kovarianz mit den Standardabweichungen beider Merkmale. Das Ergebnis ist der Korrelationskoeffizient nach Bravais-Pearson:
rₓₖ = dₓₖ / √(dₓ² · dₖ²) −1 ≤ rₓₖ ≤ +1
rₓₖ nahe +1: Starker gleichläufiger linearer Zusammenhang, die Punkte liegen eng an einer steigenden Geraden. Bsp.: Temperatur ergibt Eistee. rₓₖ nahe 0: Kein linearer Zusammenhang, die Punktwolke ist strukturlos oder der Zusammenhang ist gekrümmt (z. B. U-förmig). Achtung: „unkorreliert“ ≠ „unabhängig“. rₓₖ nahe −1: Starker gegenläufiger linearer Zusammenhang, die Punkte liegen eng an einer fallenden Geraden. Bsp.: Temperatur ergibt Heizkosten.
Zwei Warnungen für die Klausur: rₓₖ misst nur lineare Zusammenhänge, ein perfekt U-förmiger Zusammenhang kann rₓₖ ≈ 0 liefern. Und eine hohe Korrelation belegt keine Kausalität: Eisverkauf und Sonnenbrandfälle korrelieren stark, weil die Sonne beide treibt, nicht, weil Eis Sonnenbrand macht.
Abschnitt 3 von 4
Die KQ-Regressionsgerade: aus Punkten wird eine Prognose
Der Korrelationskoeffizient sagt, wie eng die Punkte an einer Geraden liegen, aber noch nicht, welche Gerade das ist. Gesucht ist die Regressionsgerade ŷ = â + b̂·x, die y aus x möglichst gut prognostiziert. „Möglichst gut“ präzisiert das Kleinst-Quadrate-Prinzip (KQ): Die Gerade wird so gelegt, dass die Summe der quadrierten Residuen ε̂ᵢ = yᵢ − ŷᵢ minimal wird. Daraus folgen die beiden Klausur-Formeln:
b̂ = dₓₖ / dₓ² â = ȳ − b̂·x̄ ŷ = â + b̂·x
Die Kette zum Merken: dₓₖ ergibt rₓₖ ergibt b̂, Kovarianz, normiert zur Korrelation, skaliert zur Steigung (es gilt auch b̂ = rₓₖ·dₖ/dₓ). Die Steigung b̂ heißt: pro Einheit mehr x prognostiziert die Gerade im Schnitt b̂ Einheiten mehr y. Der Achsenabschnitt â ist der Prognosewert bei x = 0. Und weil â = ȳ − b̂x̄ gilt, läuft die KQ-Gerade immer durch den Schwerpunkt (x̄; ȳ), die Antwort auf die dritte Neugier-Frage.
Abschnitt 4 von 4
Bestimmtheitsmaß R²: Wie gut ist die Gerade?
Wie viel der Streuung von y „erklärt“ die Gerade? Dazu zerlegt man jede Abweichung vom Mittelwert, das ist die Abweichungszerlegung: Gesamtabweichung (yᵢ − ȳ) = erklärte Abweichung (ŷᵢ − ȳ) + Residuum (yᵢ − ŷᵢ). Das Bestimmtheitsmaß R² ist dann der Anteil der erklärten Streuung an der Gesamtstreuung:
In der Einfachregression ist R² einfach das Quadrat des Korrelationskoeffizienten, deshalb verschwindet beim Quadrieren das Vorzeichen. R² = 0,96 liest sich: 96 % der Streuung von y erklärt die Gerade, 4 % bleiben als Residuen unerklärt. Genau das rechnen wir jetzt einmal komplett durch.
Durchgerechnetes Lehrbeispiel
Temperatur und Eistee-Verkauf
Der Foodtruck notiert an n = 5 Tagen die Tageshöchsttemperatur x (in °C) und die verkauften Becher Eistee y. Gesucht: Kovarianz, Korrelation, KQ-Regressionsgerade, R², und eine Prognose für einen 20-Grad-Tag.
Lies die Kernaussage ab: rₓₖ ≈ 0,98 zeigt einen starken gleichläufigen linearen Zusammenhang. Rund 96 % der Streuung der Verkaufszahlen erklärt allein die Temperatur. Pro Grad mehr prognostiziert die Gerade 1,5 Becher mehr, für den 20-Grad-Tag also 35 Becher. Und als Check: Die Gerade läuft durch (x̄; ȳ) = (22; 38), denn 5 + 1,5·22 = 38.
Das Schaubild
Streudiagramm und Regressionsgerade
Das Streudiagramm zeigt die fünf Wertepaare (dunkle Punkte) samt der KQ-Regressionsgeraden ŷ = 5 + 1,5·x (orange). Die Punkte liegen eng an der Geraden, genau das drückt das hohe R² aus. Gestrichelt markiert: die Prognose für den 20-Grad-Tag (ŷ = 35).
Punkte: Wertepaare Temperatur/Eistee · Gerade: KQ-Regressionsgerade ŷ = 5 + 1,5·x · Werte aus dem Lehrbeispiel
Das bleibt hängen
Kern-Erkenntnis
Kern
Merke die Kette dₓₖ ergibt rₓₖ ergibt b̂ ergibt R²: Die Kovarianz liefert die Richtung, normiert wird sie zur Korrelation (Stärke), skaliert zur KQ-Steigung (Prognose), quadriert zum Bestimmtheitsmaß (Güte). Die Bausteine Mittelwert und Varianz kennst du aus Kapitel 1, neu ist nur die gemeinsame Betrachtung zweier Merkmale. Ab Kapitel 3 wechseln wir von beobachteten Häufigkeiten zu Wahrscheinlichkeiten; in der schließenden Statistik (Kapitel 9 und 10) kommt die Frage dazu, ob eine geschätzte Steigung auch signifikant ist.
Häufige Fragen
Kovarianz oder Korrelationskoeffizient, welchen brauche ich wann?
Die Kovarianz dₓₖ liefert in der Regel nur die Richtung (ihr Vorzeichen); ihr Betrag hängt von den Maßeinheiten ab und ist kaum interpretierbar. Für Aussagen wie „stark“ oder „schwach“ brauchst du den normierten Korrelationskoeffizienten rₓₖ, er ist dimensionslos und liegt immer zwischen −1 und +1. In Klausuraufgaben ist die Kovarianz meist der Zwischenschritt auf dem Weg zu rₓₖ und b̂.
Bedeutet rₓₖ = 0, dass X und Y nichts miteinander zu tun haben?
Nein, meist nicht zwingend. rₓₖ misst nur lineare Zusammenhänge: Ein perfekt U-förmiger Zusammenhang (etwa Lernstress und Leistung) kann rₓₖ ≈ 0 liefern, obwohl die Merkmale eng zusammenhängen. „Unkorreliert“ heißt also nur „keine lineare Tendenz“, ein Blick ins Streudiagramm gehört deshalb in der Regel immer dazu.
Warum quadriert die KQ-Methode die Abweichungen, statt sie einfach zu addieren?
Ohne Quadrieren würden sich positive und negative Residuen gegenseitig aufheben, jede Gerade durch den Schwerpunkt hätte die Abweichungssumme 0. Das Quadrieren macht alle Abweichungen positiv, bestraft große Ausreißer überproportional und führt zu eindeutigen, bequem berechenbaren Formeln: b̂ = dₓₖ/dₓ² und â = ȳ − b̂x̄.
Darf ich mit der Regressionsgeraden auch weit außerhalb meiner Daten prognostizieren?
Vorsicht: verlässlich ist die Gerade in der Regel nur innerhalb des beobachteten x-Bereichs (Interpolation). Weit außerhalb (Extrapolation) kann der Zusammenhang abknicken oder unsinnig werden, im Foodtruck-Beispiel prognostiziert die Gerade bei −10 °C negative Verkaufszahlen. Formal rechnen darfst du es, inhaltlich begründen meist nicht.
Deine Frage
Nimm sie mit ins Live-Klausurtraining
Gib deine komplexeste aktuelle Frage ein. Sie wird lokal auf deinem Gerät gespeichert und geht so nicht verloren, keine automatische Antwort auf dieser Seite.
Frage für die nächste Live-Session notieren
Notiert
Teste dich
Adaptive Fragerunde
Starte mit 5 Fragen. 3 oder mehr richtig, es geht schwerer weiter, sonst bekommst du Festigungsfragen. Danach kannst du beliebig oft weitere Fragen anfordern. Dein Gesamtergebnis bleibt sichtbar.
Runde 1 · 5 FragenGesamt: 0 / 0
Kapitel 3 · Einstieg
Wahrscheinlichkeitsrechnung
Ein Arzt sagt dir: Du hast einen Test auf eine seltene Krankheit gemacht, und er ist positiv. Der Test gilt als „sehr zuverlässig“. Wie sicher bist du jetzt wirklich krank? Die meisten schätzen „fast sicher“. Die überraschende Antwort: oft nur rund ein Viertel. Der Grund steckt nicht im Test, sondern darin, wie selten die Krankheit von vornherein ist.
Dasselbe Muster steckt hinter Spamfiltern, Qualitätskontrollen und jedem Glücksspiel: Man muss Wahrscheinlichkeiten richtig verknüpfen. In diesem Kapitel bekommst du das Werkzeug dafür, von der einfachen Laplace-Formel bis zum Satz von Bayes, mit dem sich das Test-Rätsel oben in zwei Zeilen auflöst.
Neugier-Fragen
Kleine Fragen zum inneren Mitdenken, nicht zum Googeln. So läuft eine einmal vorgemacht (Frage, Denk-Schritt, Antwort):
Warum kann ein positiver Test bei einer seltenen Krankheit trotzdem nur mit rund 25 % bedeuten, dass man krank ist?
Denk-Schritt: Rechne nicht mit dem Test allein, sondern denk an 10.000 Menschen: wenige echte Kranke, aber viele Gesunde, von denen ein kleiner Anteil fälschlich positiv testet. Antwort: Die vielen falsch-positiven Gesunden überwiegen die wenigen echten Kranken. Das rechnen wir gleich mit Bayes nach.
Zwei Ereignisse schließen sich gegenseitig aus. Sind sie deshalb auch stochastisch unabhängig?
Ist P(A|B) immer gleich P(B|A), oder kann derselbe Zusammenhang von der anderen Seite ganz anders aussehen?
Dein Fahrplan
So gehen wir vor
Wir gehen den Fahrplan Schritt für Schritt entlang und lösen am Ende an einem einzigen durchgerechneten Beispiel das Test-Rätsel aus dem Einstieg. So siehst du, wie die Bausteine ineinandergreifen.
1
Grundbegriffe klären und mit der Laplace-Formel einfache Wahrscheinlichkeiten berechnen.
2
Ereignisse verknüpfen: Vereinigung, Schnitt, Komplement, Differenz, mit Additionssatz und De Morgan.
3
Bedingte Wahrscheinlichkeit, Multiplikationssatz und stochastische Unabhängigkeit unterscheiden.
4
Alles zusammenführen: Satz der totalen Wahrscheinlichkeit, Satz von Bayes und die Vierfeldertafel.
Abschnitt 1 von 4
Grundbegriffe und Laplace-Wahrscheinlichkeit
Ein Zufallsvorgang hat mehrere mögliche Ergebnisse. Die Menge aller Ergebnisse ist der Ergebnisraum Ω. Beim Würfel ist Ω = {1, 2, 3, 4, 5, 6}. Ein Ereignis A ist eine Teilmenge davon, etwa A = „gerade Augenzahl“ = {2, 4, 6}.
Sind alle Ergebnisse gleich wahrscheinlich, greift die Laplace-Wahrscheinlichkeit:
P(A) = günstige / mögliche Ergebnisse = |A| / |Ω|
Setzt gleich wahrscheinliche Ergebnisse voraus (fairer Würfel, faire Münze).
Beispiel Würfel: P(gerade) = 3/6 = 1/2. Jede Wahrscheinlichkeit liegt zwischen 0 (unmögliches Ereignis) und 1 (sicheres Ereignis, P(Ω) = 1). Merkregel für mehrstufige Vorgänge: „UND“ heißt multiplizieren, „ODER“ heißt addieren.
Abschnitt 2 von 4
Ereignisse verknüpfen
Aus zwei Ereignissen A und B bildet man neue. Das Venn-Diagramm macht sie anschaulich: der Schnitt A∩B („A und B“), die Vereinigung A∪B („A oder B oder beides“) und das Komplement Ā („nicht A“), also das Gegenereignis.
P(A∪B) = P(A) + P(B) − P(A∩B) P(Ā) = 1 − P(A)
Der Schnitt wird abgezogen, weil er sonst doppelt gezählt würde.
Zwei weitere Bausteine: die Differenz P(A\B) = P(A) − P(A∩B) („A ohne B“) und die Regeln von De Morgan, mit denen sich „weder noch“ sauber umformen lässt: P(Ā∩B̄) = 1 − P(A∪B).
Abschnitt 3 von 4
Bedingte Wahrscheinlichkeit und Unabhängigkeit
Oft weiß man schon, dass ein Ereignis B eingetreten ist, und fragt nach A unter dieser Bedingung. Das ist die bedingte Wahrscheinlichkeit P(A|B). Stellt man die Formel um, erhält man den Multiplikationssatz.
Der Multiplikationssatz gilt immer, auch bei abhängigen Ereignissen.
Wichtig: P(A|B) und P(B|A) sind im Allgemeinen verschieden, gleicher Zähler P(A∩B), aber verschiedene Nenner. Ein Sonderfall ist die stochastische Unabhängigkeit: Weiß man über A nichts Neues, wenn B eingetreten ist, gilt der Produktsatz P(A∩B) = P(A)·P(B). Achtung: „unabhängig“ ist nicht dasselbe wie „schließt sich aus“.
Abschnitt 4 von 4
Totale Wahrscheinlichkeit und Satz von Bayes
Zerlegt man den Ergebnisraum in disjunkte Fälle A₁, A₂, …, liefert der Satz der totalen Wahrscheinlichkeit die Gesamtwahrscheinlichkeit von B. Dreht man die Bedingung um, von P(B|A) zu P(A|B), hilft der Satz von Bayes.
Bayes rechnet von der bekannten Richtung P(B|A) auf die gesuchte P(A|B) zurück.
Bei genau zwei Fällen (A und Ā) lässt sich alles bequem in einer Vierfeldertafel anordnen: die vier gemeinsamen Wahrscheinlichkeiten im Inneren, die Randsummen außen. Genau das nutzen wir jetzt.
Durchgerechnetes Lehrbeispiel
Der positive Krankheitstest
Eine Krankheit tritt bei 2 % der Bevölkerung auf: P(K) = 0,02. Ein Test erkennt Kranke mit 0,90 (Sensitivität P(T|K) = 0,90). Bei Gesunden schlägt er fälschlich mit 0,05 an (P(T|K̄) = 0,05). Gesucht: Wie wahrscheinlich ist man wirklich krank, wenn der Test positiv ist, also P(K|T)?
Lies die Kernaussage ab: Trotz positivem Test ist man mit rund 73 % gesund. Der positive Test hebt die Wahrscheinlichkeit zwar von 2 % auf knapp 27 %, aber die niedrige Basisrate lässt sie klein bleiben. Genau das ist die Bayes-Pointe aus dem Einstieg.
Aha-Moment zum Anfassen
Schieb die Basisrate
Sensitivität und Falsch-Positiv-Rate bleiben wie im Beispiel (0,90 und 0,05). Schieb nur, wie häufig die Krankheit überhaupt ist, und beobachte, was ein positiver Test dann noch wert ist.
Aha-Moment
Wie sicher macht ein positiver Test?
P(krank | Test positiv) bei 1000 getesteten Menschen
26,9 %von den positiv Getesteten sind wirklich krank
wirklich krank falsch-positiv (gesund)
Basisrate der Krankheit2,0 %
„Ein Test misst nicht, wie krank du bist, sondern wie selten die Krankheit ist.“
Das bleibt hängen
Kern-Erkenntnis
Kern
Der Satz von Bayes verknüpft Basisrate und Testgüte, und die Vierfeldertafel ist dabei dein sicherstes Werkzeug. Wer P(A∩B), P(A|B) und P(B|A) sauber trennt, hat den halben Aufgabentyp schon gelöst.
Häufige Fragen
Wann darf ich einfach multiplizieren?
Nur wenn A und B stochastisch unabhängig sind. Im Allgemeinen gilt stattdessen der Multiplikationssatz P(A∩B) = P(A|B)·P(B). Die kurze Produktform ist ein Sonderfall. Prüfe in der Klausur zuerst, ob Unabhängigkeit wirklich gegeben ist.
Ist der Unterschied P(A|B) und P(B|A) so wichtig?
Ja, sehr. Beide haben denselben Zähler P(A∩B), aber verschiedene Nenner (P(B) bzw. P(A)) und sind daher in der Regel verschieden. Das Vertauschen ist einer der häufigsten Klausurfehler. Der Satz von Bayes ist genau das Werkzeug, um sauber umzurechnen.
Muss ich immer eine Vierfeldertafel zeichnen?
Nicht zwingend, aber bei zwei Ereignissen ist sie meist der sicherste Weg: gemeinsame Wahrscheinlichkeiten eintragen, Ränder als Zeilen- und Spaltensummen, bedingte Wahrscheinlichkeiten direkt als Anteil ablesen. Gerade unter Zeitdruck vermeidet die Tafel viele Flüchtigkeitsfehler.
„Disjunkt“ und „unabhängig“, dasselbe?
Nein, das wird oft verwechselt. Disjunkt (unvereinbar) heißt P(A∩B) = 0, die Ereignisse können nicht zusammen eintreten. Unabhängig heißt P(A∩B) = P(A)·P(B). Zwei disjunkte Ereignisse mit positiver Wahrscheinlichkeit sind sogar immer abhängig.
Deine Frage
Nimm sie mit ins Live-Klausurtraining
Gib deine komplexeste aktuelle Frage ein. Sie wird lokal auf deinem Gerät gespeichert und geht so nicht verloren, keine automatische Antwort auf dieser Seite.
Frage für die nächste Live-Session notieren
Notiert
Teste dich
Adaptive Fragerunde
Starte mit 5 Fragen. 3 oder mehr richtig, es geht schwerer weiter, sonst bekommst du Festigungsfragen. Danach kannst du beliebig oft weitere Fragen anfordern. Dein Gesamtergebnis bleibt sichtbar.
Runde 1 · 5 FragenGesamt: 0 / 0
Kapitel 4 · Einstieg
Zufallsvariablen
Du bestellst morgens im Café und zählst mit, wie viele Extra-Shots Espresso die Leute vor dir ordern: mal 0, mal 1, mal 2. Vor jeder Bestellung ist das Ergebnis unsicher, aber es ist eine Zahl, und über viele Kunden bildet sich ein klares Muster: ein Durchschnitt, um den es pendelt, und eine Schwankungsbreite darum herum. Genau das ist eine Zufallsvariable: ein Zufallsergebnis, in eine Zahl übersetzt, mit einer Verteilung dahinter.
Dasselbe Muster steckt in Wartezeiten an der Kasse, Schadenshöhen einer Versicherung oder der Lebensdauer eines Bauteils. In diesem Kapitel bekommst du das Werkzeug, um solche Zahlen zu beschreiben: Erwartungswert und Varianz im diskreten Fall, dann Dichte und Verteilungsfunktion im stetigen Fall, bis zur Exponentialverteilung, mit der sich die Café-Wartezeit in zwei Zeilen berechnen lässt.
Neugier-Fragen
Kleine Fragen zum inneren Mitdenken, nicht zum Googeln. So läuft eine einmal vorgemacht (Frage, Denk-Schritt, Antwort):
Wenn im Schnitt 0,7 Extra-Shots pro Kunde bestellt werden, warum ist der Erwartungswert 0,7, obwohl niemand jemals „0,7 Shots“ bestellen kann?
Denk-Schritt: Denk nicht an eine einzelne Bestellung, sondern an 100 Kunden: 50-mal 0, 30-mal 1, 20-mal 2 Shots. Antwort: Das sind zusammen 70 Shots auf 100 Kunden = 0,7 pro Kunde. Der Erwartungswert ist ein gewichteter Mittelwert, kein tatsächlich vorkommender Einzelwert.
Warum ist bei einer stetigen Zufallsvariablen die Wahrscheinlichkeit für einen exakten Einzelwert, etwa genau 1,80 m Körpergröße, gleich null?
Der Median einer Exponentialverteilung ist kleiner als ihr Erwartungswert. Woran liegt das, und was sagt es über die Form der Verteilung?
Dein Fahrplan
So gehen wir vor
Wir gehen den Fahrplan Schritt für Schritt entlang und rechnen unterwegs ein diskretes Beispiel (die Extra-Shots aus dem Einstieg) sowie eine Exponentialverteilung komplett durch. So siehst du, wie diskreter und stetiger Fall zusammenhängen.
1
Diskrete Zufallsvariablen: Erwartungswert E(X) und Varianz Var(X) über die Wahrscheinlichkeitsverteilung berechnen.
2
Den Verschiebungssatz Var(X) = E(X²) − [E(X)]² verstehen und als Rechen-Abkürzung nutzen.
3
Stetige Zufallsvariablen: Dichte, Verteilungsfunktion F(x) = P(X ≤ x) und E(X)/Var(X) als Integral.
4
Die Exponentialverteilung anwenden: f, F, E(X) = 1/λ, Var(X) = 1/λ² und der Median ln(2)/λ.
Abschnitt 1 von 4
Diskrete Zufallsvariablen: Erwartungswert und Varianz
Eine Zufallsvariable X übersetzt ein Zufallsergebnis in eine Zahl. Eine diskrete Zufallsvariable nimmt abzählbar viele Werte aᵢ an, jeder mit einer Wahrscheinlichkeit pᵢ = P(X = aᵢ). Diese Zuordnung ist ihre Wahrscheinlichkeitsverteilung. Der Erwartungswert ist das mit den pᵢ gewichtete Mittel. Wie stark X um diesen Mittelwert schwankt, misst die Varianz, der gewichtete Durchschnitt der quadrierten Abweichungen vom Erwartungswert:
Erwartungswert als gewichtetes Mittel, Varianz als gewichtete quadrierte Abweichung davon.
Ihre Wurzel ist die Standardabweichung σ = √Var(X), die in derselben Einheit wie X liegt.
Abschnitt 2 von 4
Der Verschiebungssatz
Die Abweichungsquadrate direkt zu summieren, ist mühsam. Der Verschiebungssatz liefert dieselbe Varianz bequemer, als zweites Moment minus quadrierter Erwartungswert:
Var(X) = E(X²) − [E(X)]² E(X²) = Σ pᵢ · (aᵢ)²
Zweites Moment minus quadrierter Erwartungswert, die schnellere Rechenroute zur Varianz.
Man rechnet also nur zwei Summen aus, Σ pᵢaᵢ und Σ pᵢaᵢ², und zieht am Ende [E(X)]² ab. Vorsicht bei der häufigsten Falle: (a + b)² ≠ a² + b², und E(X²) ist nicht dasselbe wie [E(X)]².
Abschnitt 3 von 4
Stetige Zufallsvariablen: Dichte, Verteilungsfunktion, Integral
Misst man Zeit, Länge oder Gewicht, kann X jeden Wert in einem Intervall annehmen, X ist stetig. Statt Einzelwahrscheinlichkeiten gibt es jetzt eine Dichtefunktion f(x): Wahrscheinlichkeit ist jetzt Fläche unter der Kurve. Deshalb gilt für einen einzelnen Punkt P(X = a) = 0, erst ein ganzes Intervall hat eine positive Wahrscheinlichkeit. Erwartungswert und Varianz werden vom Summenzeichen zum Integral:
Aus der Summe wird das Integral, Fläche unter x·f(x) statt gewichteter Summe.
Die Verteilungsfunktion F(x) = P(X ≤ x) sammelt die Fläche „bis zu x“ auf. Zwischen Dichte und Verteilungsfunktion liegt das Integral-Handwerk: F entsteht durch Integrieren von f, umgekehrt liefert Ableiten von F wieder f. Eine Intervallwahrscheinlichkeit ist dann bequem eine Differenz:
P(a ≤ X ≤ b) = F(b) − F(a) F(x) = ∫ f(t) dt (untere Grenze −∞)
Intervallwahrscheinlichkeit als Differenz, Verteilungsfunktion als aufsummierte Fläche.
Abschnitt 4 von 4
Die Exponentialverteilung
Ein wichtiges stetiges Modell für Wartezeiten und Lebensdauern ist die Exponentialverteilung mit Rate λ > 0. Ihre Dichte und Verteilungsfunktion, ihre Kennwerte und der Median lauten:
Dichte, Verteilungsfunktion, Erwartungswert, Varianz und Median der Exponentialverteilung mit Rate λ.
Dass der Median (ln 2 ≈ 0,693, also ≈ 0,693/λ) kleiner als der Erwartungswert 1/λ ist, verrät die Form: Die Exponentialverteilung ist rechtsschief, viele kurze Wartezeiten, aber ein langer Ausläufer nach rechts zieht den Mittelwert nach oben.
Durchgerechnetes Lehrbeispiel
Extra-Shots im Café (diskret)
Aus dem Einstieg: X = Anzahl der Extra-Shots, die ein Kunde bestellt. Beobachtete Verteilung: P(X = 0) = 0,5, P(X = 1) = 0,3, P(X = 2) = 0,2 (Summe = 1). Gesucht: Erwartungswert und Varianz.
Kontrolle direkt: 0,5·(0−0,7)² + 0,3·(1−0,7)² + 0,2·(2−0,7)² = 0,245 + 0,027 + 0,338 = 0,61 ✓. Beide Wege liefern dieselbe Varianz. Der Verschiebungssatz ist nur der kürzere.
Das Schaubild
Stäbe und Erwartungswert-Linie
Das Stabdiagramm zeigt diese Verteilung: die Höhe jedes Stabs ist die Wahrscheinlichkeit P(X = x), die gestrichelte Linie markiert den Erwartungswert E(X) = 0,7. Er liegt zwischen den möglichen Werten, der „Schwerpunkt“, nicht ein tatsächlich bestellbarer Wert.
Stäbe: Wahrscheinlichkeiten P(X = x) · Gestrichelte Linie: Erwartungswert E(X) = 0,7 · Werte aus dem Lehrbeispiel
Mini-Beispiel
Wartezeit exponentialverteilt (stetig)
Die Wartezeit X (in Minuten) an der Café-Theke sei exponentialverteilt mit Rate λ = 0,2. Dann ist der Erwartungswert E(X) = 1/λ = 5 Minuten und Var(X) = 1/λ² = 25 (σ = 5). Der Median folgt aus F(x₀,₅) = 0,5: 1 − e^(−0,2·x) = 0,5 ergibt e^(−0,2x) = 0,5, dann x₀,₅ = ln(0,5)/(−0,2) ≈ 3,47 Minuten.
Und die Wahrscheinlichkeit, höchstens 2 Minuten zu warten: F(2) = 1 − e^(−0,2·2) = 1 − e^(−0,4) ≈ 0,33. Der Median (3,47) liegt unter dem Mittelwert (5), genau die rechtsschiefe Form von oben.
Das bleibt hängen
Kern-Erkenntnis
Kern
Eine Zufallsvariable fasst ein unsicheres Ergebnis in eine Zahl mit Verteilung, beschrieben durch E(X) (Lage) und Var(X) (Streuung). Diskret summiert man über pᵢ, stetig integriert man über die Dichte f. Der Verschiebungssatz und die Verteilungsfunktion F sind in beiden Welten dieselben Werkzeuge. Das baut direkt auf Erwartungswert, Varianz und Verschiebungssatz aus der deskriptiven Statistik auf und liefert die Grundlage für die konkreten Verteilungsmodelle (Binomial-, Poisson-, Normalverteilung) im nächsten Kapitel.
Häufige Fragen
Warum kann der Erwartungswert ein Wert sein, den X nie annimmt?
Weil E(X) ein gewichteter Mittelwert ist, kein tatsächlich vorkommender Einzelwert. Bei den Extra-Shots ist E(X) = 0,7, obwohl nur 0, 1 oder 2 bestellbar sind. Der Wert 0,7 ist der „Schwerpunkt“, um den X über viele Kunden im Mittel pendelt. Genauso wie eine Familie im Schnitt „1,8 Kinder“ haben kann.
E(X²) und [E(X)]², ist das nicht dasselbe?
Nein, und das ist meist eine der häufigsten Fehlerquellen. E(X²) ist das zweite Moment (erst quadrieren, dann mitteln), [E(X)]² ist der quadrierte Erwartungswert (erst mitteln, dann quadrieren). Ihre Differenz ist gerade die Varianz: Var(X) = E(X²) − [E(X)]² ≥ 0. Wären beide gleich, wäre die Streuung stets null.
Warum ist bei einer stetigen Zufallsvariablen P(X = a) = 0?
Weil Wahrscheinlichkeit im stetigen Fall als Fläche unter der Dichte f gemessen wird, und ein einzelner Punkt hat die Breite 0, also auch die Fläche 0. Sinnvoll ist deshalb in der Regel nur die Wahrscheinlichkeit für ein ganzes Intervall: P(a ≤ X ≤ b) = F(b) − F(a). Ob man „≤“ oder „<“ schreibt, macht bei stetigen X keinen Unterschied.
Wann brauche ich Summe, wann Integral?
Als Faustregel: Zählt man abzählbare Einzelwerte (Stückzahlen, Augenzahlen), ist X diskret, E(X) und Var(X) laufen über Σ pᵢ. Misst man ein Kontinuum (Zeit, Länge, Gewicht), ist X stetig, dann tritt an die Stelle der Summe das Integral ∫ … f(x) dx. Der Verschiebungssatz Var(X) = E(X²) − [E(X)]² gilt in beiden Fällen unverändert.
Deine Frage
Nimm sie mit ins Live-Klausurtraining
Gib deine komplexeste aktuelle Frage ein. Sie wird lokal auf deinem Gerät gespeichert und geht so nicht verloren, keine automatische Antwort auf dieser Seite.
Frage für die nächste Live-Session notieren
Notiert
Teste dich
Adaptive Fragerunde
Starte mit 5 Fragen. 3 oder mehr richtig, es geht schwerer weiter, sonst bekommst du Festigungsfragen. Danach kannst du beliebig oft weitere Fragen anfordern. Dein Gesamtergebnis bleibt sichtbar.
Runde 1 · 5 FragenGesamt: 0 / 0
Kapitel 5 · Einstieg
Verteilungsmodelle: Binomial & Poisson
Zwei Fragen, ein Abend: Du verschickst 12 Bewerbungen für Werkstudenten-Jobs, wie viele Zusagen kommen wohl zurück? Und: Wie oft fällt das Wohnheim-WLAN diese Woche aus? Beide Male zählst du etwas Zufälliges, aber das Zählmuster ist verschieden: Bei den Bewerbungen gibt es eine feste Anzahl Versuche mit je derselben Erfolgschance; beim WLAN zählst du seltene Ereignisse in einem Zeitraum, ganz ohne Obergrenze.
Genau für diese zwei Zählmuster gibt es Standard-Modelle: die Binomialverteilung für „Anzahl Treffer bei n Versuchen“ und die Poisson-Verteilung für „seltene Ereignisse pro Zeitraum“. In diesem Kapitel bekommst du beide mit Formel, Erwartungswert und Varianz, plus den Brückenschlag: Bei großem n und kleinem p darfst du die sperrige Binomial- durch die handliche Poisson-Verteilung ersetzen.
Neugier-Fragen
Kleine Fragen zum inneren Mitdenken, nicht zum Googeln. So läuft eine einmal vorgemacht (Frage, Denk-Schritt, Antwort):
Woran erkennst du in einer Klausuraufgabe blitzschnell, ob Binomial oder Poisson gemeint ist?
Denk-Schritt: Suche nach einer festen Versuchszahl: steht dort „n = …“ mit fester Trefferchance p, oder zählst du seltene Ereignisse in einem Zeitraum ohne Obergrenze? Antwort: Festes n mit p, also Binomial (E = n·p); Zeitraum ohne Obergrenze plus „selten“, also Poisson (E = Var = λ). Genau diese Weiche stellen wir in den Abschnitten ① bis ③.
Die Binomialverteilung braucht zwei Parameter (n und p), die Poisson-Verteilung nur einen: warum reicht ihr ein einziges λ für Lage und Streuung?
Die Varianz n·p·(1−p) der Binomialverteilung ist immer kleiner als ihr Erwartungswert n·p: was passiert mit diesem Unterschied, wenn p immer kleiner wird?
Dein Fahrplan
So gehen wir vor
Wir gehen den Fahrplan Schritt für Schritt entlang und rechnen am Ende ein doppeltes Lehrbeispiel durch: einmal Binomial, einmal Poisson, plus Approximations-Check, so siehst du, wie die Modelle zusammenspielen.
1
Das Bernoulli-Experiment als kleinster Baustein: ein Versuch, zwei Ausgänge, E(Xᵢ) = p.
2
Die Binomialverteilung Bi(n, p): Formel, E(X) = n·p und Var(X) = n·p·(1−p), plus Tabelle A samt p > 0,5-Regel.
3
Die Poisson-Verteilung Po(λ) für seltene Ereignisse: Formel und das Markenzeichen E(X) = Var(X) = λ.
4
Die Poisson-Approximation der Binomialverteilung: wann n groß und p klein genug sind (Faustregel n ≥ 100, p ≤ 0,05).
Abschnitt 1 von 4
Das Bernoulli-Experiment: der kleinste Baustein
Viele Zufallsvorgänge haben nur zwei Ausgänge: Treffer oder kein Treffer, defekt oder in Ordnung, Zusage oder Absage. Ein solcher Einzelversuch heißt Bernoulli-Experiment: Die Zufallsvariable Xᵢ nimmt den Wert 1 (Treffer) mit Wahrscheinlichkeit p an und den Wert 0 (kein Treffer) mit 1 − p, kurz Xᵢ ~ Be(p). Beim fairen Münzwurf ist p = 0,5; bei „Bauteil defekt“ ist p meist klein.
P(Xᵢ = 1) = p, P(Xᵢ = 0) = 1 − p E(Xᵢ) = p · Var(Xᵢ) = p · (1 − p)
Ein Versuch, zwei Ausgänge: Treffer mit p, kein Treffer mit 1 − p.
Der Erwartungswert folgt direkt aus Kapitel 4: E(Xᵢ) = 1·p + 0·(1−p) = p. Spannend wird es, wenn man viele solcher Versuche zusammenzählt.
Abschnitt 2 von 4
Die Binomialverteilung: Treffer zählen
Führt man n unabhängige Bernoulli-Versuche mit derselben Trefferwahrscheinlichkeit p aus und zählt die Treffer, X = ΣXᵢ, entsteht die Binomialverteilung Bi(n, p):
f(x) = (n über x) · px · (1 − p)n−x E(X) = n · p · Var(X) = n · p · (1 − p)
Anzahl der Treffer in n unabhängigen Versuchen mit Trefferwahrscheinlichkeit p.
Der Binomialkoeffizient (n über x) = n!/(x!·(n−x)!) zählt dabei, auf wie viele Arten sich die x Treffer auf die n Versuche verteilen lassen. Für Fragen wie „höchstens x Treffer“ brauchst du die kumulierte Verteilungsfunktion F(x) = P(X ≤ x) = f(0) + … + f(x), und die steht fertig vertafelt in der Tabelle A des Kurzskripts. Daraus ergeben sich die Klausur-Grundmuster:
P(X > x) = 1 − F(x) · P(a ≤ X ≤ b) = F(b) − F(a − 1)
Die zwei Klausur-Grundmuster für „mehr als“ und Intervall-Wahrscheinlichkeiten.
Merke: Tabelle A gilt nur für p ≤ 0,5
Bei p > 0,5 rechnest du mit der Gegenwahrscheinlichkeit 1 − p (Treffer und Nieten tauschen die Rollen) und transformierst: aus F(x) wird 1 − F(n − x − 1), aus 1 − F(x) wird F(n − x − 1). Beispiel: n = 10, p = 0,7, gesucht P(X > 3) = 1 − F(3), dann mit 1 − p = 0,3 ablesen als F(10 − 3 − 1) = F(6).
Abschnitt 3 von 4
Die Poisson-Verteilung: seltene Ereignisse
Zählst du seltene Ereignisse in einem festen Zeitraum: Störfälle pro Tag, Anrufe pro Stunde, Ausfälle pro Woche, ohne feste Obergrenze, passt die Poisson-Verteilung Po(λ). Ihr Markenzeichen: Erwartungswert und Varianz sind gleich, ein einziger Parameter steuert beides.
f(x|λ) = e−λ · λx / x! E(X) = Var(X) = λ
Erwartungswert und Varianz sind bei der Poisson-Verteilung gleich, ein einziger Parameter λ steuert beides.
Der Parameter λ (Lambda) ist die mittlere Ereigniszahl im betrachteten Intervall, und er skaliert mit dessen Länge: Erwartet man λ Ereignisse pro Woche, sind es über k Wochen k·λ. Für P(X = 0) bleibt nur e−λ übrig (wegen λ0 = 1 und 0! = 1), der schnellste Einstieg in fast jede Poisson-Aufgabe.
Binomial-Situation
Feste Anzahl n unabhängiger Versuche, jeder mit derselben Trefferchance p. Frage: „Wie viele von n?“ Also X ~ Bi(n, p), E = n·p
Poisson-Situation
Seltene Ereignisse in einem festen Zeitraum, keine feste Obergrenze. Frage: „Wie viele pro Intervall?“ Also X ~ Po(λ), E = Var = λ
Abschnitt 4 von 4
Poisson-Approximation der Binomialverteilung
Bei großem n wird die Binomialverteilung unhandlich: Die Binomialkoeffizienten explodieren, und die Tabelle A endet früh. Der Ausweg ist die Poisson-Approximation: Lässt man n gegen ∞ und p gegen 0 laufen und dabei λ = n·p konstant hält, geht die Binomial- in die Poisson-Verteilung über. Das passt auch zu den Kennwerten: E(X) = n·p = λ, und die Varianz n·p·(1−p) rückt für kleines p immer näher an λ heran, weil (1−p) gegen 1 geht.
Bi(n, p) ≈ Po(λ = n · p) Faustregel: n ≥ 100 und p ≤ 0,05
Faustregel: ab n ≥ 100 und p ≤ 0,05 ersetzt Po(λ = n·p) die Binomialverteilung.
In der Klausur heißt das: Erst prüfen, ob die Faustregel erfüllt ist, dann λ = n·p bilden und mit der deutlich handlicheren Poisson-Formel weiterrechnen.
Durchgerechnetes Lehrbeispiel
Übungsgruppe, WLAN und die Brücke dazwischen
Teil A: Binomial
In einer Übungsgruppe sitzen n = 8 Studierende; erfahrungsgemäß hat jede/r vierte (p = 0,25) das Übungsblatt komplett gelöst, unabhängig voneinander. X = Anzahl mit komplettem Blatt, also X ~ Bi(8; 0,25). E(X) = 8 · 0,25 = 2 · Var(X) = 8 · 0,25 · 0,75 = 1,5.
Niemand hat das Blatt komplett: P(X = 0) = 0,758 = 0,1001. Höchstens eine Person: P(X ≤ 1) = 0,1001 + 8·0,25·0,757 = 0,1001 + 0,2670 = 0,3671. Mindestens zwei: P(X ≥ 2) = 1 − 0,3671 = 0,6329.
Teil B: Poisson
Das Wohnheim-WLAN fällt im Schnitt λ = 1,2-mal pro Woche aus, seltene Ereignisse ohne Obergrenze, also X ~ Po(1,2). P(X = 0) = e−1,2 = 0,3012 · P(X = 1) = 1,2 · e−1,2 = 0,3614.
Mindestens zwei Ausfälle: P(X ≥ 2) = 1 − 0,3012 − 0,3614 = 0,3374. Und weil λ skaliert: In 5 Wochen erwartet man 5 · 1,2 = 6 Ausfälle.
Teil C: Approximations-Check
Ein Händler prüft n = 200 USB-Sticks, jeder ist unabhängig mit p = 0,02 defekt. Faustregel erfüllt (n ≥ 100, p ≤ 0,05), also λ = 200 · 0,02 = 4:
exakt: P(X = 3) = (200 über 3) · 0,02³ · 0,98197 = 0,1963 · Näherung: e−4 · 4³/3! = 0,1954.
Lies die Kernaussage ab: Die Poisson-Näherung weicht hier um weniger als 0,001 vom exakten Wert ab, bei einem Bruchteil des Rechenaufwands. Genau dafür ist die Faustregel da.
Das Schaubild
Wahrscheinlichkeitsfunktionen im Vergleich
Das Stabdiagramm zeigt die Wahrscheinlichkeitsfunktionen: die hellen Stäbe gehören zum Lehrbeispiel Bi(8; 0,25), die dunklen zu Bi(40; 0,05), beide mit demselben Erwartungswert E(X) = 2. Die orangefarbenen Punkte markieren die Poisson-Verteilung Po(2): Je größer n und je kleiner p (dunkle Stäbe), desto enger schmiegen sich die Binomial-Stäbe an die Poisson-Punkte, die Approximation aus Abschnitt ④ wird sichtbar.
Stäbe: Bi(8; 0,25) und Bi(40; 0,05) · Punkte: Poisson-Verteilung Po(2) · alle mit Erwartungswert E(X) = 2
Aha-Moment zum Anfassen
Lass die Verteilung wandern
Start wie im Lehrbeispiel mit Bi(8; 0,25). Schieb n und p und beobachte, wie der höchste Stab dem Erwartungswert n·p folgt und wie die Verteilung bei großem n und kleinem p zusammenrückt, genau der Bereich der Poisson-Näherung.
Aha-Moment
Der höchste Stab folgt n·p
n = 8, p = 0,25 · Erwartungswert n·p = 2,0
Anzahl Versuche n5 bis 60
Trefferwahrscheinlichkeit p0,02 bis 0,60
Das bleibt hängen
Kern-Erkenntnis
Kern
Erst das Zählmuster erkennen, dann rechnen: feste Versuchszahl n mit Trefferchance p, also Binomialverteilung (E = n·p, Var = n·p·(1−p)); seltene Ereignisse pro Zeitraum, also Poisson-Verteilung (E = Var = λ). Bei großem n und kleinem p schlägt λ = n·p die Brücke zwischen beiden. Das baut direkt auf Erwartungswert und Varianz von Zufallsvariablen (Kapitel 4) auf, und in Kapitel 6 folgt mit der Normalverteilung das wichtigste stetige Modell samt Standardisieren.
Häufige Fragen
Wann nehme ich die Binomial-, wann die Poisson-Verteilung?
Faustregel: Gibt es eine feste Anzahl n von Versuchen mit je derselben Trefferwahrscheinlichkeit p, ist es in der Regel die Binomialverteilung Bi(n, p) mit E = n·p. Zählst du dagegen seltene Ereignisse in einem Zeitraum ohne feste Obergrenze (Störfälle pro Woche, Anrufe pro Stunde), passt meist die Poisson-Verteilung Po(λ) mit E = Var = λ. Im Zweifel hilft die Kontrollfrage: „Gibt es ein n?“
Warum ist die Tabelle A nur für p ≤ 0,5 vertafelt, und was mache ich bei p > 0,5?
Aus Platzgründen wird nur die eine Hälfte abgedruckt; die andere ergibt sich, indem Treffer und Nieten die Rollen tauschen. Bei p > 0,5 rechnest du deshalb mit der Gegenwahrscheinlichkeit 1 − p und transformierst: aus F(x) wird 1 − F(n − x − 1), aus 1 − F(x) wird F(n − x − 1). Das ist kein Trick, sondern nur das konsequente Umbenennen von „Treffer“ in „kein Treffer“.
Muss ich Binomial-Wahrscheinlichkeiten per Hand rechnen oder darf ich die Tabelle nutzen?
Beides kommt vor. Einzelwahrscheinlichkeiten f(x) rechnest du meist direkt über die Formel mit dem Binomialkoeffizienten; kumulierte Werte F(x) = P(X ≤ x) liest du in der Regel schneller aus der Tabelle A ab. Die typischen Klausur-Muster sind P(X > x) = 1 − F(x) und P(a ≤ X ≤ b) = F(b) − F(a − 1), meist entscheidet die Formulierung („höchstens“, „mehr als“, „mindestens“), welchen Weg du brauchst.
Wann darf ich die Binomial- durch die Poisson-Verteilung ersetzen, und warum sollte ich?
Nach der Faustregel aus dem Handout ab n ≥ 100 und p ≤ 0,05, mit λ = n·p. Der Gewinn: Statt riesiger Binomialkoeffizienten und endlicher Tabellen rechnest du mit der handlichen Formel e−λ·λx/x!. Die Abweichung ist dann meist vernachlässigbar klein, im Lehrbeispiel weniger als 0,001.
Deine Frage
Nimm sie mit ins Live-Klausurtraining
Gib deine komplexeste aktuelle Frage ein. Sie wird lokal auf deinem Gerät gespeichert und geht so nicht verloren, keine automatische Antwort auf dieser Seite.
Frage für die nächste Live-Session notieren
Notiert
Teste dich
Adaptive Fragerunde
Starte mit 5 Fragen. 3 oder mehr richtig, es geht schwerer weiter, sonst bekommst du Festigungsfragen. Danach kannst du beliebig oft weitere Fragen anfordern. Dein Gesamtergebnis bleibt sichtbar.
Runde 1 · 5 FragenGesamt: 0 / 0
Kapitel 6 · Einstieg
Normalverteilung & Stichprobenmittel
Wirf einen Blick in deinen Hörsaal: ein paar sehr kleine Leute, ein paar sehr große, und die große Masse in der Mitte. Trägst du die Körpergrößen als Häufigkeiten ab, entsteht fast von selbst eine Glocke. Dasselbe Muster zeigt der Kaffeeautomat in der Mensa: mal 297 ml im Becher, mal 305 ml, ganz selten 280 oder 320 ml. Größen, die aus vielen kleinen Zufallseinflüssen entstehen, streuen symmetrisch um einen Mittelwert, genau das beschreibt die Normalverteilung.
Das Klausur-Problem: Es gibt unendlich viele Glockenkurven, für jede Kombination aus μ und σ eine eigene, und keine Formelsammlung kann sie alle vertafeln. Der Trick dieses Kapitels heißt Standardisieren: Eine einzige Umrechnung (der z‑Wert) führt jede Glocke auf die eine Standard‑Glocke zurück. Und im letzten Schritt steckt schon die halbe schließende Statistik: das Stichprobenmittel.
Neugier-Fragen
Kleine Fragen zum inneren Mitdenken, nicht zum Googeln. So läuft eine einmal vorgemacht (Frage, Denk-Schritt, Antwort):
Zwei Kaffeeautomaten füllen im Schnitt beide 300 ml ab. Warum liegt trotzdem einer viel öfter unter der 290‑ml‑Marke?
Denk-Schritt: Gleiches μ, aber verschiedenes σ: je breiter die Glocke, desto mehr Fläche liegt unterhalb der festen Grenze. Antwort: Die Streuung σ entscheidet. Genau diesen Abstand „in σ gemessen“ liefert der z‑Wert, wie du gleich nachrechnest.
Es gibt unendlich viele Kombinationen aus μ und σ. Wieso kommst du in der Klausur trotzdem mit einer einzigen Tabelle aus?
Das Mittel aus 16 Bechern streut nur noch ein Viertel so stark wie ein einzelner Becher. Warum steht im Nenner √n und nicht n?
Dein Fahrplan
So gehen wir vor
Wir gehen den Fahrplan Schritt für Schritt entlang und rechnen am Ende ein vollständiges Beispiel am Kaffeeautomaten durch. So siehst du, wie Standardisieren, Quantil, Schwankungsintervall und Stichprobenmittel ineinandergreifen.
1
Die Glockenkurve verstehen: Dichte, Symmetrie und die Rollen von μ und σ.
2
Standardisieren: mit z = (x − μ)/σ jede Normalverteilung auf die eine Tabelle (Tab. C) zurückführen.
3
Rechenregeln und Quantile: P(a ≤ X ≤ b), Gegenwahrscheinlichkeit, Destandardisieren (Tab. D) und das zentrale Schwankungsintervall.
4
Stichprobenmittel: warum X̄ mit σ/√n streut, die Brücke zur schließenden Statistik.
Abschnitt 1 von 4
Die Glockenkurve: Dichte und Symmetrie
Eine stetige Zufallsvariable X heißt normalverteilt, kurz X ~ N(μ; σ²), wenn ihre Dichte die Glockenkurve ist:
f(x) = 1/(σ·√(2π)) · e−(x−μ)²/(2σ²)
Die Formel musst du nie integrieren, entscheidend sind ihre Eigenschaften.
Die Kurve ist symmetrisch um μ und hat dort ihr Maximum; links und rechts fällt sie spiegelbildlich ab (Wendestellen bei μ ± σ). Die Gesamtfläche unter der Kurve ist 1, und wegen der Symmetrie gilt P(X ≤ μ) = 0,5. Dabei verschiebt μ die Glocke nur auf der Achse, während σ ihre Form steuert: kleines σ = schmale, hohe Glocke; großes σ = breite, flache Glocke.
Abschnitt 2 von 4
Standardisieren: der z-Wert
In der Vorlesung steht das Problem wörtlich an der Folie: Die Verteilung „hängt ab von μ, σ, …“, zu viele Variablen für eine Tabelle. Die Lösung heißt Standardisieren: Statt x betrachtet man den Abstand zu μ, gemessen in Standardabweichungen. Damit landet jede Normalverteilung bei der Standardnormalverteilung N(0; 1), deren Werte Φ(z) in der Tabelle C stehen:
Standardisieren, dann ablesen; negative z über den Symmetrie-Trick.
Die dritte Formel ist der Symmetrie‑Trick für negative z‑Werte: Die Tabelle vertafelt nur positive z, die Fläche links von −z ist aber genauso groß wie die Fläche rechts von +z. Beispiel: Φ(−1,5) = 1 − Φ(1,5) = 1 − 0,9332 = 0,0668.
Abschnitt 3 von 4
Rechenregeln und Quantile
Alle Aufgabentypen laufen über drei Grundregeln, immer erst standardisieren, dann ablesen:
P(X > x): Gegenwahrscheinlichkeit der Fläche links. P(X > x) = 1 − Φ(z)
„zwischen a und b“
P(a ≤ X ≤ b): große Fläche minus kleine Fläche. Φ(zb) − Φ(za)
Der umgekehrte Weg, vom Anteil zur Grenze, heißt Destandardisieren: Man sucht das Quantil xp zum vorgegebenen Anteil p und holt das passende zp aus der Tabelle D:
xp = μ + zp · σ
Vom Anteil p über das z-Quantil zurück zur echten Grenze.
Merke (typische Klausurfalle)
xp ist die Grenze, die mit Wahrscheinlichkeit p unterschritten wird. Sollen z. B. 80 % der Werte über der Grenze liegen, brauchst du x0,20, und wegen der Symmetrie gilt z0,20 = −z0,80 = −0,8416.
Ein Sonderfall des Quantil‑Rechnens ist das zentrale Schwankungsintervall (ZSI): das symmetrische Intervall um μ, in das der Anteil 1 − α der Werte fällt. Weil die Restwahrscheinlichkeit α je zur Hälfte auf den linken und rechten Rand entfällt, gilt die Merkregel z1−α/2:
ZSI1−α = [μ ± z1−α/2 · σ]
α halbieren, z-Quantil holen, symmetrisch um μ legen.
Abschnitt 4 von 4
Das Stichprobenmittel: die Brücke zur schließenden Statistik
Jetzt der Schritt, der dieses Kapitel mit dem Rest des Semesters verbindet. Sind X₁, …, Xₙ unabhängig und identisch normalverteilt mit Erwartungswert μ und Varianz σ², dann sind auch ihre Summe und ihr Mittel, das Stichprobenmittel X̄, wieder normalverteilt:
ΣXᵢ ~ N(n·μ; n·σ²) · X̄ ~ N(μ; σ²/n) σX̄ = σ / √n
Summe streut breiter, Mittel streut enger.
Die Herleitung steckt in einer Zeile: Var(X̄) = (1/n)² · Var(ΣXᵢ) = (1/n)² · n·σ² = σ²/n. Die Streuung σ/√n heißt Standardfehler des Mittels. Und hier liegt der entscheidende Kontrast, den die Vorlesung ausdrücklich gegenüberstellt: Bei der Summe steht √n·σ (die Streuung wächst), beim Mittel steht σ/√n (die Streuung schrumpft). Standardisiert wird X̄ deshalb mit z = (x̄ − μ)/(σ/√n).
Ausblick: Und wenn die Xᵢ gar nicht normalverteilt sind? Dann sichert der Zentrale Grenzwertsatz (ZGW), dass X̄ für großes n trotzdem näherungsweise normalverteilt ist. Das vertiefen wir beim Schätzen in Kapitel 7.
Durchgerechnetes Lehrbeispiel
Der Kaffeeautomat
Der Kaffeeautomat der Mensa füllt Becher mit einer Menge X, die normalverteilt ist: X ~ N(μ = 300; σ = 8) (in ml). Wir standardisieren durchgehend mit z = (x − μ)/σ und lesen Φ(z) aus Tab. C ab.
a) Höchstens 290 ml: standardisieren, Symmetrie-Trick, ablesen
z = (290 − 300)/8 = −1,25, also P(X ≤ 290) = Φ(−1,25) = 1 − 0,8944 = 0,1056 (10,56 %).
b) Mehr als 312 ml: Gegenwahrscheinlichkeit
z = (312 − 300)/8 = 1,5, also P(X > 312) = 1 − Φ(1,5) = 1 − 0,9332 = 0,0668 (6,68 %).
c) Zwischen 290 ml und 312 ml: Differenz der Φ-Werte
P(290 ≤ X ≤ 312) = Φ(1,5) − Φ(−1,25) = 0,9332 − 0,1056 = 0,8276 (82,76 %).
d) Unter welcher Füllmenge liegen 95 % der Becher? Destandardisieren (Tab. D, z0,95 = 1,6449)
x0,95 = μ + z0,95 · σ = 300 + 1,6449 · 8 = 313,1592 ml.
e) Symmetrisches 95-%-Intervall um μ: zentrales Schwankungsintervall (z0,975 = 1,96, denn α/2 = 0,025 je Rand)
ZSI0,95 = [μ ± z0,975 · σ] = [300 ± 1,96 · 8] = [284,32; 315,68] ml.
f) Qualitätskontrolle mit n = 16 Bechern: Mittel X̄ auf höchstens 296 ml?
σX̄ = 8/√16 = 2, dann z = (296 − 300)/2 = −2, also P(X̄ ≤ 296) = Φ(−2) = 0,0228 (2,28 %).
Zum Vergleich: Ein einzelner Becher liegt mit z = (296 − 300)/8 = −0,5, also Φ(−0,5) = 0,3085 (30,85 %), weit öfter unter 296 ml. Das Mittel aus 16 Bechern streut eben nur noch mit σ/√n = 2 statt 8. Fällt es trotzdem so tief, ist das ein starkes Alarmsignal. Genau diese Logik trägt später Konfidenzintervalle und Tests.
Aha-Moment zum Anfassen
Schieb die Grenze z
Die eine Standard‑Glocke für alle Normalverteilungen: Schieb die Grenze z und sieh, wie sich die Fläche P(Z ≤ z) füllt. Genau so liest du Teil c) des Lehrbeispiels ab, dort heißen die Grenzen z = −1,25 und z = 1,5.
Aha-Moment
Die Fläche ist die Wahrscheinlichkeit
Φ(z) auf der Standard-Glocke, Tabelle C zum Anfassen
93,3 %der Fläche liegt links von deiner Grenze
Deine Grenzez = 1,50
„Standardisieren macht aus unendlich vielen Glockenkurven eine einzige.“
Das bleibt hängen
Kern-Erkenntnis
Kern
Bei der Normalverteilung führt ein Handgriff durch alle Aufgabentypen: standardisieren (Wert, dann z, dann Φ) bzw. destandardisieren (Anteil, dann z, dann x). Das baut direkt auf den Zufallsvariablen (Kapitel 4) und den diskreten Verteilungsmodellen (Kapitel 5) auf, und mit X̄ ~ N(μ; σ²/n) steht die Tür zur schließenden Statistik offen: Beim Schätzen (Kapitel 7), bei Konfidenzintervallen (Kapitel 8) und beim Testen (Kapitel 9) kehren σ/√n und die Tabelle C ständig wieder.
Häufige Fragen
Warum reicht eine einzige Tabelle für alle Normalverteilungen?
Weil das Standardisieren jede Normalverteilung N(μ; σ²) auf dieselbe Standardnormalverteilung N(0; 1) zurückführt. Der z‑Wert misst den Abstand zur Mitte in Vielfachen von σ, die konkrete Einheit (ml, Gramm, Punkte) verschwindet dabei. In der Regel brauchst du deshalb nur Tab. C (Φ‑Werte) und Tab. D (Quantile).
Die Tabelle C zeigt nur positive z. Was mache ich bei z = −1,8?
Die Glockenkurve ist symmetrisch um 0, deshalb gilt Φ(−z) = 1 − Φ(z). Für z = −1,8 liest du also Φ(1,8) = 0,9641 ab und rechnest 1 − 0,9641 = 0,0359. Meist hilft eine kleine Skizze: Die Fläche links von einem negativen z ist immer kleiner als 0,5, so merkst du sofort, wenn du versehentlich den falschen Wert erwischt hast.
Muss ich bei P(X ≥ x) und P(X > x) unterscheiden?
Bei stetigen Verteilungen wie der Normalverteilung in der Regel nicht: Ein einzelner Punkt hat dort die Wahrscheinlichkeit P(X = x) = 0, deshalb ist P(X ≥ x) = P(X > x). Vorsicht aber bei den diskreten Verteilungen aus Kapitel 5 (Binomial, Poisson), dort macht der Randpunkt meist einen echten Unterschied.
Wann rechne ich mit σ/√n und wann mit √n·σ?
Beim Stichprobenmittel X̄ teilt man die Summe noch durch n: Die Varianz wird σ²/n, die Streuung σ/√n, das Mittel streut enger. Bei der Summe ΣXᵢ addieren sich dagegen die Varianzen zu n·σ², die Streuung ist √n·σ, die Summe streut breiter. Merkhilfe: Mitteln glättet, Aufsummieren schaukelt auf.
Deine Frage
Nimm sie mit ins Live-Klausurtraining
Gib deine komplexeste aktuelle Frage ein. Sie wird lokal auf deinem Gerät gespeichert und geht so nicht verloren, keine automatische Antwort auf dieser Seite.
Frage für die nächste Live-Session notieren
Notiert
Teste dich
Adaptive Fragerunde
Starte mit 5 Fragen. 3 oder mehr richtig, es geht schwerer weiter, sonst bekommst du Festigungsfragen. Danach kannst du beliebig oft weitere Fragen anfordern. Dein Gesamtergebnis bleibt sichtbar.
Runde 1 · 5 FragenGesamt: 0 / 0
Kapitel 7 · Einstieg
Schätzen: Punktschätzer & Maximum Likelihood
Auf einer WG-Party bietet dir jemand ein Würfelspiel an. Du wirfst viermal, und viermal fällt die Sechs. Fairer Würfel oder gezinkt? Dein Bauchgefühl sagt sofort „gezinkt“, und es rechnet dabei heimlich: Mit einem fairen Würfel hätte diese Serie nur die Wahrscheinlichkeit (1/6)⁴ ≈ 0,0008. Wäre der Würfel dagegen so gezinkt, dass die Sechs mit p = 1/2 fällt, läge sie bei 0,0625, rund 81-mal so hoch.
Dein Bauchgefühl wählt also die Erklärung, unter der das Beobachtete am wahrscheinlichsten ist, und genau das heißt in der Statistik Maximum Likelihood. In diesem Kapitel lernst du das Schätzen von Grund auf: was eine Schätzfunktion ist, woran man gute Schätzer erkennt (Erwartungstreue, Konsistenz, Effizienz), und zwei Rezepte, mit denen du Schätzer selbst herleitest: die Momentenmethode und eben Maximum Likelihood.
Neugier-Fragen
Kleine Fragen zum inneren Mitdenken, nicht zum Googeln. So läuft eine einmal vorgemacht (Frage, Denk-Schritt, Antwort):
Zwei Apps schätzen deine mittlere Schlafdauer, und beide treffen „im Mittel“ den wahren Wert, trotzdem ist eine besser. Wie kann das sein?
Denk-Schritt: „Im Mittel richtig“ (erwartungstreu) sagt nichts darüber, wie stark die einzelnen Schätzwerte um den wahren Wert streuen. Antwort: Die bessere App hat die kleinere Varianz: sie ist effizienter. Genau dieses Gütekriterium rechnen wir in Abschnitt ② nach.
Das Stichprobenmittel X̄ trifft μ im Mittel exakt: warum ist 1/(n−1)·ΣXᵢ dann trotzdem kein erwartungstreuer Schätzer, obwohl er fast genauso aussieht?
Maximum Likelihood maximiert ein Produkt aus vielen Dichten: warum darf man stattdessen einfach ln L maximieren, ohne das Ergebnis zu verändern?
Dein Fahrplan
So gehen wir vor
Wir gehen den Fahrplan Schritt für Schritt entlang und machen am Ende aus dem Würfel-Bauchgefühl des Einstiegs ein sauberes Rezept: mit einem komplett durchgerechneten Maximum-Likelihood-Beispiel samt Likelihood-Kurve.
1
Vom Stichprobenwert zum Schätzer: Schätzfunktionen verstehen, und der Zentrale Grenzwertsatz als Fundament (Anschluss an Kapitel 6).
2
Was ist ein „guter“ Schätzer? Erwartungstreue, Konsistenz und Effizienz: gebündelt im mittleren quadratischen Fehler (MQF).
3
Schätzer herleiten I: die Momentenmethode als 3-Schritte-Rezept (Feststellen, dann Einsetzen, dann Auflösen).
4
Schätzer herleiten II: die Maximum-Likelihood-Methode: Prinzip, ln-L-Trick und ein komplett durchgerechnetes Beispiel.
Abschnitt 1 von 4
Vom Stichprobenwert zum Schätzer: das Fundament
Beim Schätzen schließt man von einer Stichprobe (Empirie) auf die Grundgesamtheit (Theorie): Deren wahre Parameter, Mittelwert μ, Varianz σ², Anteil p, Rate λ, sind unbekannt und sollen durch einen einzigen Zahlenwert geschätzt werden (Punktschätzung; das ±-Fenster dazu baut Kapitel 8). Das Werkzeug dafür ist die Schätzfunktion θ̂ = g(X₁; …; Xₙ), eine Rechenvorschrift, die aus den Stichprobenvariablen einen Schätzwert macht:
Wichtig: Weil die Stichprobe zufällig ist, ist jede Schätzfunktion selbst eine Zufallsvariable: jede neue Stichprobe liefert einen etwas anderen Schätzwert. Genau deshalb kann man E(θ̂) und Var(θ̂) untersuchen. Das Fundament dafür kennst du aus Kapitel 6: Nach dem Zentralen Grenzwertsatz ist das Stichprobenmittel X̄ für großes n (Faustregel n ≥ 30) näherungsweise normalverteilt, und es gilt:
E(X̄) = μ Var(X̄) = σ²/n σX̄ = σ/√n
Die Wurzel aus Var(X̄) ist der Standardfehler des Mittels, er sinkt mit wachsendem n, aber nur mit der Wurzel: Vierfacher Erhebungsaufwand halbiert ihn lediglich. Diese beiden Bausteine (E(X̄) = μ, Var(X̄) = σ²/n) rechnen die Gütekriterien gleich nach.
Abschnitt 2 von 4
Was ist ein „guter“ Schätzer? Die Gütekriterien
Ein einzelner Schätzwert verrät nicht, ob das Schätzverfahren taugt: beurteilt wird die Verteilung aller unter dem Modell möglichen Schätzergebnisse. Die Vorlesung nennt drei Kriterien:
Erwartungstreue: E(μ̂) = μ: im Mittel kein systematischer Fehler. Bias b(μ̂) = E(μ̂) − μ = 0
Konsistenz: Für n gegen ∞ verschwinden Bias und Streuung. lim E(μ̂) = μ und lim Var(μ̂) = 0
Effizienz: Im Vergleich mehrerer Schätzer gewinnt der kleinste MQF. bei ET: kleinste Varianz
Der Bias misst den systematischen Fehler, die Varianz den zufälligen. Verschwindet der Bias erst im Grenzwert (lim E(μ̂) = μ), heißt der Schätzer asymptotisch erwartungstreu. Beide Fehlerarten bündelt der mittlere quadratische Fehler (MQF) zu einer Zahl:
Bei erwartungstreuen Schätzern bleibt vom MQF nur die Varianz übrig: dort entscheidet also der Varianzvergleich über die Effizienz. Ein Zahlenbeispiel macht die Kriterien greifbar: n = 12 unabhängige Beobachtungen mit Var(Xᵢ) = σ² = 36; nur für die Illustration sei der wahre Mittelwert μ = 22 bekannt. Drei Kandidaten treten an:
Schätzer
E(μ̂)
Bias
Var(μ̂)
MQF
Urteil
μ̂₁ = X̄
22
0
3
3
erwartungstreu, konsistent, und hier der effizienteste
μ̂₂ = X₁ (nur 1. Wert)
22
0
36
36
erwartungstreu, aber nicht konsistent: Var bleibt 36, egal wie groß n wird
μ̂₃ = 1/(n−1)·ΣXᵢ
24
2
3,57
7,57
verzerrt (E = (12/11)·22 = 24), aber asymptotisch erwartungstreu und konsistent
Ablesen: μ̂₃ überschätzt systematisch um den Bias 2: der Nenner n−1 statt n bläht den Mittelwert auf (die Antwort auf die Neugier-Frage aus dem Einstieg). μ̂₂ ist zwar unverzerrt, verschenkt aber 11 von 12 Beobachtungen. X̄ gewinnt: Bias 0 und die kleinste Varianz σ²/n = 36/12 = 3.
Abschnitt 3 von 4
Schätzer herleiten I: die Momentenmethode
Woher kommen Schätzfunktionen überhaupt? Das erste Rezept ist die Momentenmethode: Sie setzt ein theoretisches Moment (meist den Erwartungswert E(X)) mit dem entsprechenden empirischen Moment (dem Stichprobenmittel x̄) gleich.
Das 3-Schritte-Rezept:
1
Feststellen: den Zusammenhang zwischen E(X) und dem Parameter θ notieren.
2
Einsetzen: E(X) durch x̄ ersetzen und θ durch θ̂.
3
Auflösen: die Gleichung nach θ̂ auflösen, fertig ist θ̂MM.
Beispiel Poisson-Verteilung: Dort gilt E(X) = λ. Einsetzen: x̄ = λ̂, fertig: λ̂MM = x̄. Meist steckt der Parameter aber in einer Formel: Gilt etwa E(X) = 1/λ (Exponentialverteilung), führt das Rezept über x̄ = 1/λ̂ auf λ̂MM = 1/x̄: das Auflösen in Schritt ③ ist der eigentliche Arbeitsschritt der Klausuraufgabe. Die Momentenmethode ist schnell und rechenarm; ihre Schätzer haben aber nicht automatisch gute Eigenschaften, oft prüft die Klausur die Gütekriterien aus ② gleich mit.
Abschnitt 4 von 4
Schätzer herleiten II: die Maximum-Likelihood-Methode
Das zweite Rezept formalisiert das Würfel-Bauchgefühl aus dem Einstieg. Die Likelihood-Funktion L(θ) misst, wie wahrscheinlich die tatsächlich beobachtete Stichprobe unter einem Parameterwert θ wäre. Weil die Beobachtungen unabhängig sind, gilt „UND heißt mal“ (Kapitel 3): L ist das Produkt der Einzeldichten. Der ML-Schätzer ist der Wert, der dieses Produkt maximiert:
logarithmieren (ln ist streng monoton: das Maximum bleibt an derselben Stelle, aus dem Produkt wird eine Summe).
4
ln L nach θ ableiten und null setzen.
5
nach θ̂ML auflösen.
6
falls verlangt: zweite Ableitung < 0 prüfen (Maximum).
Durchgerechnetes Lehrbeispiel
Der Foodtruck und die Maximum-Likelihood-Methode
Der Foodtruck vor der Uni: Die Zeit X zwischen zwei Bestellungen sei exponentialverteilt, f(x) = λ·e−λx, mit unbekannter Rate λ. Fünf gemessene Zwischenzeiten (Minuten): 1,2; 3,4; 0,8; 2,6; 2,0: also n = 5, Σxᵢ = 10 und x̄ = 2.
Schritt 1 · Momentenmethode als Vorab-Check
Feststellen: E(X) = 1/λ. Einsetzen: x̄ = 1/λ̂. Auflösen: λ̂MM = 1/x̄ = 1/2 = 0,5 pro Minute.
Schritt 2 · Likelihood aufstellen
(„UND heißt mal“): L(λ) = (λe−λx₁) · … · (λe−λx₅) = λ⁵ · e−λ·Σxᵢ = λ⁵ · e−10λSchritt 3 · logarithmieren und ableiten
ln L(λ) = 5·ln λ − 10·λ ∂ ln L/∂λ = 5/λ − 10 = 0
Schritt 4 · auflösen und prüfen
5/λ = 10, damit λ̂ML = 5/10 = 0,5. Die zweite Ableitung −5/λ² ist negativ, also wirklich ein Maximum. Kontrolle mit Zahlen (jeweils ×1000): L(0,3) = 0,1210 < L(0,5) = 0,2106 > L(0,8) = 0,1099: bei λ = 0,5 ist die beobachtete Stichprobe am wahrscheinlichsten.
Lies die Kernaussage ab: λ̂ML = 1/x̄ = 0,5 pro Minute, im Schnitt alle 2 Minuten eine Bestellung. Momentenmethode und ML liefern hier denselben Schätzer; der klausurtypische Merkwert für die Exponentialverteilung ist λ̂ML = 1/x̄.
Das Schaubild
Die Likelihood-Kurve
Die Grafik zeigt die Likelihood-Funktion L(λ) = λ⁵·e−10λ des Lehrbeispiels (zur Lesbarkeit mit 1000 multipliziert): Links und rechts fällt die Kurve ab, ihr Gipfel liegt exakt bei λ̂ML = 0,5 = 1/x̄. Genau das ist Maximum Likelihood: der Parameterwert auf dem Gipfel macht die beobachtete Stichprobe am wahrscheinlichsten.
Kurvenform schematisch · Maximum beim errechneten λ̂ = 0,5 pro Minute
Das bleibt hängen
Kern-Erkenntnis
Kern
Schätzen heißt: aus der Stichprobe einen Punktschätzer gewinnen, dessen Qualität die Gütekriterien beurteilen (Erwartungstreue, Konsistenz, Effizienz: gebündelt im MQF = Bias² + Varianz); Momentenmethode und Maximum-Likelihood sind die beiden Herleitungs-Rezepte. Das baut direkt auf der Normalverteilung des Stichprobenmittels (Kapitel 6) auf, und ist die Startrampe für Kapitel 8: Dort wird aus dem Punktschätzer mit dem Standardfehler σ/√n ein ganzes Konfidenzintervall.
Häufige Fragen
Momentenmethode oder Maximum-Likelihood: welche Methode nehme ich wann?
In der Klausur ist meist ausdrücklich vorgegeben, welche Methode gefragt ist: die Aufgabe nennt in der Regel „Momentenschätzer“ oder „ML-Schätzer“. Inhaltlich gilt: Die Momentenmethode ist schneller (E(X) = x̄ setzen, auflösen), die ML-Methode hat meist die besseren theoretischen Eigenschaften (in der Regel asymptotisch erwartungstreu, konsistent und asymptotisch effizient). Bei manchen Verteilungen, etwa der Exponentialverteilung, liefern beide denselben Schätzer 1/x̄.
Erwartungstreu, konsistent, effizient: wie halte ich die drei Gütekriterien auseinander?
Erwartungstreu = trifft im Mittel genau (E(μ̂) = μ, Bias 0). Konsistent = wird mit mehr Daten immer besser: Bias und Varianz verschwinden für n gegen ∞, ein erwartungstreuer Schätzer kann trotzdem inkonsistent sein, wenn seine Varianz nicht sinkt (wie μ̂ = X₁ im Zahlenbeispiel). Effizient = im Vergleich mehrerer Schätzer der mit dem kleinsten MQF; bei erwartungstreuen Schätzern entscheidet schlicht die kleinere Varianz.
Muss ich bei Maximum-Likelihood immer logarithmieren?
Nein, aber es lohnt sich fast immer: ln ist streng monoton wachsend, L und ln L haben ihr Maximum daher an derselben Stelle, und aus dem Produkt der Dichten wird eine bequem ableitbare Summe. Vorsicht bei Randfällen wie der stetigen Gleichverteilung auf ]0; b]: Dort fällt L(b) = (1/b)ⁿ streng, Ableiten liefert keine Nullstelle, und das Maximum liegt am Rand: der ML-Schätzer ist dann das Stichproben-Maximum.
Wozu brauche ich den Zentralen Grenzwertsatz beim Schätzen?
Er liefert die Verteilung des wichtigsten Schätzers: Das Stichprobenmittel X̄ ist für großes n (Faustregel meist n ≥ 30) näherungsweise normalverteilt mit E(X̄) = μ und Var(X̄) = σ²/n. Damit kannst du Gütekriterien nachrechnen, Wahrscheinlichkeiten für X̄ bestimmen (Kapitel 6), und in Kapitel 8 wird daraus zusammen mit dem Standardfehler σ/√n das Konfidenzintervall gebaut.
Deine Frage
Nimm sie mit ins Live-Klausurtraining
Gib deine komplexeste aktuelle Frage ein. Sie wird lokal auf deinem Gerät gespeichert und geht so nicht verloren, keine automatische Antwort auf dieser Seite.
Frage für die nächste Live-Session notieren
Notiert
Teste dich
Adaptive Fragerunde
Starte mit 5 Fragen. 3 oder mehr richtig, es geht schwerer weiter, sonst bekommst du Festigungsfragen. Danach kannst du beliebig oft weitere Fragen anfordern. Dein Gesamtergebnis bleibt sichtbar.
Runde 1 · 5 FragenGesamt: 0 / 0
Kapitel 8 · Einstieg
Konfidenzintervalle
Dein Navi behauptet: „Ankunft 14:32.“ Glaubst du das auf die Minute genau? Natürlich nicht, wenn du deiner Lerngruppe schreibst, sagst du automatisch: „so zwischen 14:25 und 14:40“. Damit machst du intuitiv genau das, was Statistiker eine Intervallschätzung nennen: Statt eines einzelnen Werts, der mit an Sicherheit grenzender Wahrscheinlichkeit nicht exakt stimmt, gibst du ein Fenster an: breit genug, um ziemlich sicher richtig zu liegen, und schmal genug, um noch nützlich zu sein.
Genau dieser Zielkonflikt steckt im Konfidenzintervall: mehr Sicherheit = breiteres Fenster, mehr Genauigkeit = schmaleres Fenster. In diesem Kapitel baust du das ±-Fenster um das Stichprobenmittel x̄, mit dem z-Quantil, wenn σ bekannt ist, mit der t-Verteilung, wenn nicht, und rechnest am Ende aus, wie viele Beobachtungen du für eine gewünschte Genauigkeit brauchst.
Neugier-Fragen
Kurz erklärt, „Neugier-Fragen“: kleine Fragen, die du dir selbst stellst, um aktiv mitzudenken, nicht zum Googeln, sondern zum inneren Beantworten, während die Lektion läuft. So funktioniert's: an einer Frage einmal vorgemacht (Frage, Denk-Schritt, Antwort, die du gleich prüfst):
Warum wird das Konfidenzintervall breiter, wenn ich sicherer sein will?
Denk-Schritt: Mehr Sicherheit heißt: mehr Fläche unter der Glockenkurve einfangen, dafür müssen die Grenzen weiter nach außen, also braucht es ein größeres Quantil. Antwort: Für 99 % statt 95 % wächst das Quantil von 1,96 auf 2,5758, das Intervall wird gut 30 % länger. Das rechnen wir gleich nach.
Das berechnete Intervall [743,1; 752,9] liegt fest, warum darf man trotzdem nicht sagen, μ liege „mit 95 % Wahrscheinlichkeit“ genau darin?
σ ist unbekannt und du hast nur 16 Messungen, warum reicht die z-Tabelle dann nicht mehr, und was kostet dich das an Intervalllänge?
Dein Fahrplan
So gehen wir vor
Wir gehen den Fahrplan Schritt für Schritt entlang und rechnen alles an einem einzigen durchgerechneten Beispiel, einer Müsli-Abfüllanlage, von Fall A über den Niveau-Vergleich bis zum notwendigen Stichprobenumfang und zum t-Intervall nach dem Umbau.
1
Idee & Interpretation: vom Punktschätzer zum ±-Fenster, was das Konfidenzniveau wirklich bedeutet (und was nicht).
2
Fall A: σ bekannt, das Konfidenzintervall mit dem z-Quantil, in vier klaren Schritten.
3
Fall B und C: σ unbekannt, t-Verteilung bei kleiner Stichprobe, ab n > 30 wieder z (ZGW).
4
Die Stellschrauben: Konfidenzniveau und n, bis zum notwendigen Stichprobenumfang.
Abschnitt 1 von 4
Vom Punktschätzer zum Intervall: Idee & Interpretation
Aus Kapitel 7 kennst du die Punktschätzung: μ̂ = x̄ liefert einen Zahlenwert für den unbekannten Erwartungswert μ, der aber mit an Sicherheit grenzender Wahrscheinlichkeit nicht exakt stimmt. Das Konfidenzintervall (KI) legt darum um den Schätzwert einen Sicherheitsbereich, der den wahren Parameter mit einer vorgegebenen Wahrscheinlichkeit überdeckt. Diese Sicherheitswahrscheinlichkeit 1 − α heißt Konfidenzniveau, die Restwahrscheinlichkeit α ist die Irrtumswahrscheinlichkeit:
Der Aufbau erinnert an das zentrale Schwankungsintervall aus Kapitel 6, aber die Blickrichtung dreht sich um: Das ZSI liegt um das bekannte μ und sagt voraus, wo Beobachtungen bzw. X̄ landen werden. Das KI liegt um das beobachtete x̄ und soll das unbekannte μ einfangen. Zufällig sind deshalb die Intervallgrenzen, sie werden aus der Stichprobe berechnet, nicht der feste Parameter μ.
Merke (die Klausur-Deutung): „95-%-Konfidenzintervall“ heißt nicht, dass μ mit 95 % Wahrscheinlichkeit in diesem einen Intervall liegt. Richtig ist die Häufigkeitsdeutung: Würde man die Stichprobe sehr oft wiederholen und jedes Mal das Intervall bilden, überdecken auf lange Sicht rund 95 % dieser Intervalle den wahren Wert μ.
Abschnitt 2 von 4
Fall A: σ bekannt, das Intervall mit dem z-Quantil
Ist die Standardabweichung σ der normalverteilten Grundgesamtheit bekannt (eher ein Lehrbuchfall, aber der Klausur-Klassiker zum Einstieg), dann gilt X̄ ~ N(μ; σ²/n) mit dem Standardfehler σ/√n. Standardisieren, die zentrale Fläche 1 − α einfangen und nach μ umstellen, heraus kommt die wichtigste Formel des Kapitels, mit dem z-Quantil z1−α/2 aus Tab. D:
Fall A: KI1−α = [ x̄ ± z1−α/2 · σ/√n ]
Schritt 1 Quantil, Niveau 1−α festlegen; die Restwahrscheinlichkeit teilt sich: je α/2 pro Rand, z1−α/2 (Tab. D). Schritt 2 Standardfehler, die Streuung des Stichprobenmittels berechnen, σx̄ = σ/√n. Schritt 3 halbe Breite, Quantil mal Standardfehler, das ist das „±“, z1−α/2 · σ/√n. Schritt 4 Intervall, um x̄ nach beiden Seiten abtragen: [ x̄ − … ; x̄ + … ].
Abschnitt 3 von 4
Fall B und C: σ unbekannt, die t-Verteilung übernimmt
Realistisch ist σ fast nie bekannt. Dann schätzt man es erwartungstreu über die Stichprobenvarianz S² = 1/(n−1)·Σ(xᵢ − x̄)². Der Preis: Standardisiert man X̄ mit S statt σ, ist das Ergebnis nicht mehr normalverteilt, sondern folgt der t-Verteilung mit n − 1 Freiheitsgraden (Fall B):
T = (X̄ − μ) / (S/√n) ~ t(n−1) Fall B: KI1−α = [ x̄ ± t1−α/2(n−1) · S/√n ]
Die t-Verteilung ist symmetrisch um 0 wie die Standardnormalverteilung, verläuft aber flacher und trägt mehr Masse in den Rändern, die zusätzliche Unsicherheit aus dem Schätzen von σ steckt direkt in der Verteilung. Deshalb gilt stets t1−α/2(n−1) > z1−α/2: Das t-Intervall ist bei gleichem Niveau breiter. Mit wachsendem n verschwindet der Unterschied, und ab n > 30 (Fall C) darf man dank des zentralen Grenzwertsatzes in der Regel wieder mit z-Quantilen rechnen, auch bei unbekanntem σ:
Fall A: σ² bekannt (Normalverteilung), z1−α/2 (Tab. D). Fall B: σ² unbekannt, kleine Stichprobe (n < 30), t1−α/2(n−1) (Tab. E). Fall C: große Stichprobe (n > 30), σ² durch S² ersetzt, z1−α/2 (ZGW-Näherung).
Ausblick: Für einen Anteilswert p (Bernoulli-Merkmal, z. B. Ja/Nein-Umfragen) läuft Fall C analog, mit p̂ = x̄ und dem Standardfehler √(p̂(1−p̂)/n): KI = [ p̂ ± z1−α/2·√(p̂(1−p̂)/n) ]. Fehlt jede Vorinformation über p, rechnet man beim notwendigen Stichprobenumfang mit dem Worst Case p = 0,5.
Abschnitt 4 von 4
Die Stellschrauben: Konfidenzniveau, n, und der notwendige Stichprobenumfang
Die Genauigkeit der Schätzung misst die Länge des Intervalls, L = obere minus untere Grenze. In Fall A ist L = 2·z1−α/2·σ/√n, daran siehst du beide Stellschrauben: Ein höheres Konfidenzniveau vergrößert das Quantil und macht das Intervall länger (mehr Sicherheit = weniger Genauigkeit). Ein größerer Stichprobenumfang macht es kürzer, aber nur mit √n: Für die halbe Länge brauchst du das Vierfache, für ein Drittel das Neunfache an Daten. Sicherheit und Genauigkeit zugleich verbessert in der Regel nur eines: mehr Daten.
Häufig wird die Frage umgedreht: Wie groß muss n sein, damit das Intervall bei gegebenem Niveau höchstens die Länge L hat? Einfach die Längenformel nach n auflösen:
L = 2·z1−α/2·σ/√n ⇒ n ≥ ( 2·z1−α/2·σ / L )²
Weil n ganzzahlig ist und die Länge mit wachsendem n sinkt, wird das Ergebnis immer auf die nächstgrößere ganze Zahl aufgerundet (obere Gauß-Klammer), Abrunden würde die geforderte Länge verletzen.
Durchgerechnetes Lehrbeispiel
Die Müsli-Abfüllanlage
Eine Anlage füllt Müsli in 750-g-Beutel. Aus langjähriger Prozessüberwachung ist die Standardabweichung der Füllmenge bekannt: σ = 15 g (Fall A). Eine Stichprobe von n = 36 Beuteln ergibt das mittlere Füllgewicht x̄ = 748 g.
Niveau 1−α
Quantil z1−α/2
Konfidenzintervall
Länge L
0,90
1,6449
[743,8878 ; 752,1123]
8,2245
0,95
1,96
[743,1 ; 752,9]
9,8
0,99
2,5758
[741,5605 ; 754,4395]
12,879
Schritt 1 · 95-%-Konfidenzintervall
Quantil z0,975 = 1,96 (Tab. D); Standardfehler σ/√n = 15/√36 = 2,5: KI0,95 = [ 748 ± 1,96 · 2,5 ] = [ 748 ± 4,9 ] = [ 743,1 ; 752,9 ] g (Länge L = 9,8 g).
Schritt 2 · Einfluss des Konfidenzniveaus
Gleiche Daten, drei Niveaus (Quantile aus Tab. D). Je sicherer, desto länger: Von 90 % auf 99 % wächst das Intervall um gut die Hälfte, Sicherheit gibt es bei festem n nur auf Kosten der Genauigkeit.
Schritt 3 · Notwendiger Stichprobenumfang
Wie viele Beutel braucht die Kontrolle, damit das 95-%-Intervall höchstens L = 6 g lang ist? n ≥ ( 2·1,96·15 / 6 )² = 9,8² = 96,04, aufrunden: n = 97 Beutel.
Schritt 4 · Fall B nach dem Umbau
Die Anlage wird umgerüstet, die alte Streuung gilt nicht mehr, σ ist jetzt unbekannt. Eine kleine Kontrollstichprobe liefert n = 16, x̄ = 752 g und die geschätzte Standardabweichung S = 12 g. Freiheitsgrade: n−1 = 15, t0,975(15) = 2,1314 (Tab. E); S/√n = 12/√16 = 3: KI0,95 = [ 752 ± 2,1314 · 3 ] = [ 752 ± 6,3942 ] = [ 745,6058 ; 758,3942 ] g.
Vergleich: Mit dem z-Quantil wären es nur ±1,96·3 = ±5,88 g. Die t-Verteilung macht das Intervall breiter, der ehrliche Preis dafür, dass σ aus denselben 16 Werten mitgeschätzt wurde.
Das Schaubild
Glockenkurve und 95-%-Bereich
Die Grafik zeigt Teil a) des Lehrbeispiels: Das Stichprobenmittel X̄ streut mit dem Standardfehler σ/√n = 2,5 g; die gefärbte zentrale Fläche fasst 95 %, ihre Ränder liefern die Konfidenzgrenzen 743,1 und 752,9.
Gefärbt: zentraler 95-%-Bereich um x̄ · gestrichelt: Konfidenzgrenzen 743,1 und 752,9 · Werte aus dem Lehrbeispiel
Das bleibt hängen
Kern-Erkenntnis
Kern
Kern-Erkenntnis: Ein Konfidenzintervall ist Punktschätzung plus ehrliche Genauigkeit: Der Schätzer x̄ aus Kapitel 7 liefert die Mitte, Quantil mal Standardfehler die Breite. Die Fallunterscheidung entscheidet über das Quantil, A: σ bekannt: z, B: σ unbekannt und n klein: t(n−1), C: n > 30: wieder z. Mehr Niveau macht das Intervall länger, mehr Daten machen es (nur mit √n) kürzer. Im nächsten Kapitel dreht sich die Logik um: Beim Testen von Hypothesen (Kapitel 9) fragen wir nicht mehr, wo μ liegt, sondern ob ein behaupteter Wert zu den Daten passt.
Häufige Fragen
Wann nehme ich beim Konfidenzintervall z, wann t?
Entlang der drei Fälle: Ist σ² bekannt (Fall A), rechnest du mit dem z-Quantil aus Tab. D. Ist σ² unbekannt und die Stichprobe klein (n < 30, Fall B), nimmst du das t-Quantil mit n−1 Freiheitsgraden aus Tab. E. Bei großem n (Fall C) darfst du dank des zentralen Grenzwertsatzes in der Regel wieder z verwenden, die t-Verteilung ist dann ohnehin fast identisch mit der Normalverteilung. Faustregel: t nur bei kleinem n mit unbekanntem σ².
Heißt 95 % nicht einfach: μ liegt zu 95 % in meinem Intervall?
So formuliert ist es meist falsch gedacht: μ ist eine feste, unbekannte Zahl, sie „würfelt“ nicht. Zufällig sind die Intervallgrenzen, weil sie aus der zufälligen Stichprobe berechnet werden. Die saubere Deutung ist die Häufigkeitsdeutung: Bei sehr vielen Wiederholungen der Stichprobe überdecken rund 95 % der so gebildeten Intervalle den wahren Wert. Genau diese Unterscheidung wird in Klausuren gern als Verständnisfrage geprüft.
Warum wird mein Intervall bei 99 % breiter, und was hilft, wenn ich beides will?
Mehr Sicherheit heißt: mehr Fläche unter der Verteilung einfangen, dafür müssen die Grenzen nach außen rücken (größeres Quantil, z. B. 2,5758 statt 1,96). Sicherheit und Genauigkeit lassen sich bei festem n also nicht gleichzeitig verbessern. Der einzige Ausweg ist in der Regel ein größerer Stichprobenumfang, wobei die Länge nur mit √n sinkt: Halbieren kostet das Vierfache an Daten.
Muss ich beim notwendigen Stichprobenumfang wirklich immer aufrunden?
In aller Regel ja. Die Formel n ≥ (2·z·σ/L)² liefert meist keine ganze Zahl, n muss aber ganzzahlig sein, und die Intervalllänge sinkt mit wachsendem n. Rundest du ab, ist das Intervall länger als gefordert und die Bedingung „höchstens L“ verletzt. Deshalb immer die nächstgrößere ganze Zahl nehmen (obere Gauß-Klammer), z. B. 96,04, aufgerundet 97.
Deine Frage
Nimm sie mit ins Live-Klausurtraining
Gib deine komplexeste aktuelle Frage ein. Sie wird lokal auf deinem Gerät gespeichert und geht so nicht verloren, keine automatische Antwort auf dieser Seite.
Frage für die nächste Live-Session notieren
Notiert
Teste dich
Adaptive Fragerunde
Starte mit 5 Fragen. 3 oder mehr richtig, es geht schwerer weiter, sonst bekommst du Festigungsfragen. Danach kannst du beliebig oft weitere Fragen anfordern. Dein Gesamtergebnis bleibt sichtbar.
Runde 1 · 5 FragenGesamt: 0 / 0
Kapitel 9 · Einstieg
Testen I: Testprinzip & Gauß-Test
Stell dir einen Strafprozess vor. Es gilt die Unschuldsvermutung: Der Angeklagte gilt so lange als unschuldig, bis die Beweise erdrückend dagegen sprechen. Verurteilt wird nur, wenn vernünftige Zweifel praktisch ausgeschlossen sind, denn einen Unschuldigen zu verurteilen gilt als der deutlich schlimmere Fehler, als einen Schuldigen laufen zu lassen. Und ein Freispruch heißt ausdrücklich „nicht schuldig“, nicht „bewiesen unschuldig“.
Genau so funktioniert ein statistischer Test: Die Unschuldsvermutung heißt Nullhypothese, die „erdrückenden Beweise“ liefert die Stichprobe, und wie streng das Gericht sein muss, legt das Signifikanzniveau fest. Dasselbe Schema steckt hinter Qualitätskontrollen, Medikamenten-Studien und Wahlumfragen. In diesem Kapitel bekommst du das Testprinzip Schritt für Schritt, und wendest es auf den wichtigsten Grundfall an: den Gauß-Test bei bekannter Varianz.
Neugier-Fragen
Kleine Fragen zum inneren Mitdenken, nicht zum Googeln. So läuft eine einmal vorgemacht (Frage, Denk-Schritt, Antwort):
Warum spricht ein Gericht „im Zweifel für den Angeklagten“ frei, und was hat das mit dem Signifikanzniveau zu tun?
Denk-Schritt: Überleg, welcher Fehler schlimmer wäre: einen Unschuldigen verurteilen oder einen Schuldigen freisprechen, und welchen davon man deshalb streng kontrolliert. Antwort: Der schlimmere Fehler (Unschuldigen verurteilen = Nullhypothese zu Unrecht ablehnen) wird über das kleine Signifikanzniveau α gedeckelt, genau das rechnen wir gleich nach.
Warum teilt sich α beim zweiseitigen Test auf beide Ränder auf, beim einseitigen aber nicht?
Kann dieselbe Stichprobe bei α = 0,05 zur Ablehnung führen, bei α = 0,01 aber nicht, und was verrät dir in diesem Fall der p-Wert?
Dein Fahrplan
So gehen wir vor
Wir gehen den Fahrplan Schritt für Schritt entlang und lösen am Ende ein komplettes Klausurbeispiel, vom Hypothesenpaar bis zur Testentscheidung. Das Testen ist in der Vorlesung so zentral, dass es gleich zwei Kapitel füllt: Hier legst du das Fundament (Testprinzip + Gauß-Test), in Kapitel 10 folgen t-Test und Chi-Quadrat-Tests auf demselben Schema.
1
Das Hypothesenpaar H₀/H₁ sauber aufstellen, ein- und zweiseitige Tests unterscheiden.
2
Fehler 1. und 2. Art auseinanderhalten und das Signifikanzniveau α festlegen.
3
Ablehnbereich und Teststatistik bestimmen: das 4-Schritte-Schema, das für jeden Test gilt.
4
Den Gauß-Test bei bekannter Varianz komplett durchrechnen, und die Entscheidung mit dem p-Wert absichern.
Abschnitt 1 von 4
Das Hypothesenpaar: H₀ gegen H₁
Am Anfang jedes Tests stehen zwei Gegenspieler. Die Nullhypothese H₀ ist die Ausgangsannahme über die Grundgesamtheit; die Alternativhypothese H₁ ist ihre Gegenaussage. Beide zusammen müssen alle Möglichkeiten abdecken, genau eine von beiden trifft in der Realität zu. Je nach Fragestellung gibt es drei Hypothesenpaare für den Erwartungswert µ:
Beidseitig
H₀: µ = µ₀ gegen H₁: µ ≠ µ₀
Abweichung in beide Richtungen zählt („verstellt?“).
Rechtsseitig
H₀: µ ≤ µ₀ gegen H₁: µ > µ₀
Belegt werden soll: µ ist größer („mehr als“).
Linksseitig
H₀: µ ≥ µ₀ gegen H₁: µ < µ₀
Belegt werden soll: µ ist kleiner („weniger als“).
Wichtig ist die Rollenverteilung: Eine Nullhypothese kann nur beibehalten oder verworfen werden, angenommen werden kann nur die Alternativhypothese, und zwar durch Verwerfen von H₀. Willst du also eine Aussage statistisch untermauern, machst du ihre Negation zur Nullhypothese und die Aussage selbst zur Alternativhypothese. Beibehalten heißt dabei nie „bewiesen“: Eine kleine Abweichung passt zu vielen Parameterwerten gleichzeitig, die Stichprobe liefert dann bloß keinen ausreichenden Widerspruch.
Abschnitt 2 von 4
Fehler 1. & 2. Art und das Signifikanzniveau
Der Test entscheidet unter Unsicherheit, zwei Fehlentscheidungen sind möglich. Der Fehler 1. Art verwirft eine zutreffende Nullhypothese; der Fehler 2. Art behält eine falsche bei:
H₀ trifft zu
H₀ trifft nicht zu
H₀ wird beibehalten
richtige Entscheidung
Fehler 2. Art (β)
H₀ wird verworfen
Fehler 1. Art (α)
richtige Entscheidung
Kontrollieren lässt sich direkt nur der Fehler 1. Art: Das Signifikanzniveau α deckelt seine Wahrscheinlichkeit, üblich sind 0,05 oder 0,01. Die beiden Fehler verhalten sich gegenläufig: Wer α senkt, macht das Ablehnen schwerer und erhöht damit tendenziell β, die Wahrscheinlichkeit des Fehlers 2. Art. Die Wahrscheinlichkeit, eine falsche H₀ korrekt abzulehnen, heißt Güte (Trennschärfe) des Tests: 1 − β. Beide Fehler zugleich drücken kann nur ein größerer Stichprobenumfang. Deshalb formuliert man die Hypothesen in der Praxis so, dass der problematischere Fehler zum Fehler 1. Art wird, er ist der einzige, den man per α fest im Griff hat.
Abschnitt 3 von 4
Ablehnbereich & Teststatistik: das 4-Schritte-Schema
Jeder Test der schließenden Statistik läuft nach demselben festen Schema ab, in der Vorlesung als Viererschritt notiert: Hypothesen, dann AB, dann TS, dann TE.
① Hypothesen
H₀ gegen H₁ formulieren, beidseitig oder einseitig, und α festlegen.
② AB · Ablehnbereich
Der Ablehnbereich sind die kritischen Werte: zweiseitig ±z1−α/2, einseitig z1−α bzw. −z1−α.
③ TS · Teststatistik
Die Teststatistik (Prüfgröße) aus den Stichprobendaten berechnen.
④ TE · Testentscheidung
Liegt die Prüfgröße im Ablehnbereich? Dann H₀ verwerfen, sonst beibehalten, und das Ergebnis im Sachzusammenhang deuten.
Der Grundfall dieses Kapitels ist der Gauß-Test: Er prüft den Erwartungswert µ einer normalverteilten Grundgesamtheit, deren Varianz σ² bekannt ist. Seine Prüfgröße ist unter H₀ standardnormalverteilt:
Z = (x̄ − µ₀) / (σ/√n)
Die Prüfgröße Z ist unter H₀ standardnormalverteilt.
Die kritischen Werte kommen aus der Standardnormalverteilung. Merke dir die Klausur-Quantile, und vor allem, wann welches gilt: Beim beidseitigen Test wird α auf beide Ränder aufgeteilt (je α/2 führt zu z1−α/2), beim einseitigen liegt die gesamte Fläche an einem Rand (führt zu z1−α):
Test
Ablehnbereich
α = 0,05
α = 0,01
beidseitig
|Z| > z1−α/2
|Z| > 1,96
|Z| > 2,5758
rechtsseitig
Z > z1−α
Z > 1,6449
Z > 2,3263
linksseitig
Z < −z1−α
Z < −1,6449
Z < −2,3263
Klassiker-Falle: 1,96 ist das Quantil z0,975, es gehört zum beidseitigen Test mit α = 0,05. Der einseitige Test zum selben Niveau nutzt z0,95 = 1,6449. Wer hier das falsche Quantil zieht, verschenkt in der Klausur den ganzen Aufgabenteil.
Abschnitt 4 von 4
Der Gauß-Test komplett durchgerechnet, und der p-Wert
Statt Prüfgröße und kritischen Wert zu vergleichen, kannst du auch den p-Wert heranziehen, die Wahrscheinlichkeit, unter H₀ ein mindestens so extremes Ergebnis zu sehen wie das beobachtete. Im Lehrbeispiel: p = 2·(1 − Φ(2,1)) = 2·(1 − 0,9821) = 0,0357. Die Entscheidungsregel ist denkbar kurz: p < α, also H₀ verwerfen. Hier gilt 0,0357 < 0,05, ablehnen; bei α = 0,01 dagegen 0,0357 > 0,01, beibehalten. Der p-Wert sagt also nicht nur ob, sondern wie deutlich es zur Ablehnung reicht: Er ist die kleinste Irrtumswahrscheinlichkeit, bei der die Daten H₀ gerade noch kippen. Was er nicht ist: die Wahrscheinlichkeit, dass H₀ wahr ist.
Dieselbe Logik trägt weiter: Für einen Anteilswert p (Bernoulli-Daten, großes n) läuft der Test identisch, nur mit p̂ = X̄ als Schätzer und Z = (p̂ − p₀)/√(p̂(1−p̂)/n) als Prüfgröße, entschieden wird wieder über die z-Quantile. Und ist σ² unbekannt, übernimmt bei kleiner Stichprobe die t-Verteilung, das ist der t-Test aus Kapitel 10; bei großem n (Faustregel n > 30) rettet dich der zentrale Grenzwertsatz zurück zu den z-Quantilen. Nur der Vollständigkeit halber: Ein zweiseitiger Test zum Niveau α und ein (1−α)-Konfidenzintervall aus Kapitel 8 sind rechnerisch zwei Seiten derselben Medaille, liegt µ₀ außerhalb des Intervalls, wird H₀ verworfen.
Ein Campus-Café füllt Cold-Brew-Flaschen ab; Sollwert µ₀ = 330 ml. Aus langer Erfahrung ist die Streuung bekannt: σ = 6 ml. Eine Stichprobe von n = 36 Flaschen ergibt das Mittel x̄ = 332,1 ml. Ist die Anlage bei α = 0,05 verstellt?
Deutung: 2,1 ml Abweichung sind bei diesem Standardfehler zu viel für bloßen Stichprobenzufall, die Anlage gilt als verstellt. Hätte die Frage gerichtet gelautet („füllt sie zu viel ab?“, rechtsseitig), wäre der kritische Wert z0,95 = 1,6449, auch dann würde H₀ verworfen (2,1 > 1,6449). Bei α = 0,01 dagegen bliebe H₀ beidseitig erhalten, denn 2,1 < 2,5758.
Das Schaubild
Die Prüfverteilung unter H₀
Die Skizze zeigt die Verteilung der Prüfgröße unter H₀: in der Mitte der Annahmebereich (95 %), an beiden Rändern die Ablehnbereiche mit je 2,5 %. Die berechnete Teststatistik Z = 2,1 (Marke) liegt rechts der kritischen Grenze 1,96, deshalb wird H₀ verworfen.
Standardnormalverteilung · Annahmebereich zwischen −1,96 und 1,96 · Teststatistik Z = 2,1 aus dem Lehrbeispiel
Das bleibt hängen
Kern-Erkenntnis
Kern
Jeder Test ist dasselbe 4-Schritte-Schema: Hypothesen, dann Ablehnbereich, dann Teststatistik, dann Testentscheidung. Das Signifikanzniveau α deckelt den Fehler 1. Art, der p-Wert misst, wie deutlich die Daten gegen H₀ sprechen. Der Gauß-Test ist dabei der Grundbaustein, er setzt auf dem Stichprobenmittel und den z-Quantilen aus Kapitel 6 auf, spiegelt die Konfidenzintervalle aus Kapitel 8 und wird in Kapitel 10 zum t-Test und zu den Chi-Quadrat-Tests erweitert, gleiches Schema, andere Prüfverteilung.
Häufige Fragen
Woran erkenne ich, ob ich einseitig oder zweiseitig testen muss?
An der Fragestellung, nicht an den Daten. Geht es um „anders als“ / „verstellt“ / „weicht ab“, zählt meist die Abweichung in beide Richtungen, also zweiseitig (H₁: µ ≠ µ₀, kritische Werte ±z1−α/2). Formuliert die Aufgabe eine Richtung („mehr als“, „höchstens“, „mindestens“), testest du in der Regel einseitig mit einem einzigen kritischen Wert z1−α. Tipp: Die Richtung steckt fast immer in der Behauptung, die belegt oder angezweifelt werden soll.
Warum kann ich H₀ nicht „beweisen“, wenn ich sie beibehalte?
Weil eine Stichprobe immer nur ein Wahrscheinlichkeitsurteil erlaubt. Wird H₀ beibehalten, heißt das lediglich: Die Daten liefern keinen ausreichenden Widerspruch. Ein Stichprobenmittel nahe µ₀ passt aber ebenso gut zu vielen benachbarten Parameterwerten, endgültig klären könnte das nur eine Vollerhebung der Grundgesamtheit. Deshalb ist „beibehalten“ eine vorsichtige Entscheidung, kein Beweis, und deshalb steckt das, was man zeigen will, üblicherweise in H₁.
Was mache ich, wenn σ² nicht bekannt ist?
Dann wird die Varianz aus der Stichprobe geschätzt. Bei kleiner Stichprobe führt das meist zum t-Test mit n−1 Freiheitsgraden, den rechnen wir in Kapitel 10 komplett durch. Bei großem Stichprobenumfang (Faustregel n > 30) sorgt der zentrale Grenzwertsatz in der Regel dafür, dass du wieder mit den z-Quantilen der Standardnormalverteilung arbeiten darfst, die Teststatistik nutzt dann einfach die geschätzte Streuung im Nenner.
Ist der p-Wert die Wahrscheinlichkeit, dass H₀ wahr ist?
Nein, das ist wohl das häufigste Missverständnis der Statistik. Der p-Wert ist die Wahrscheinlichkeit, unter Gültigkeit von H₀ ein mindestens so extremes Stichprobenergebnis zu erhalten wie das beobachtete. Er quantifiziert also die Seltenheit der Daten unter der Nullhypothese, nicht die Wahrscheinlichkeit einer der Hypothesen. Praktisch nutzt du ihn als Entscheidungsregel (p < α, also ablehnen) und als Maß dafür, wie deutlich die Ablehnung ausfällt.
Deine Frage
Nimm sie mit ins Live-Klausurtraining
Gib deine komplexeste aktuelle Frage ein. Sie wird lokal auf deinem Gerät gespeichert und geht so nicht verloren, keine automatische Antwort auf dieser Seite.
Frage für die nächste Live-Session notieren
Notiert
Teste dich
Adaptive Fragerunde
Starte mit 5 Fragen. 3 oder mehr richtig, es geht schwerer weiter, sonst bekommst du Festigungsfragen. Danach kannst du beliebig oft weitere Fragen anfordern. Dein Gesamtergebnis bleibt sichtbar.
Runde 1 · 5 FragenGesamt: 0 / 0
Kapitel 10 · Einstieg
Testen II: t-Test & Chi-Quadrat
Spieleabend in der WG: Dein Mitbewohner würfelt schon wieder eine Sechs, am Ende stehen 28 Sechser in 120 Würfen, erwartet wären 20. „Der Würfel ist gezinkt!“, rufst du. Aber ist er das wirklich, oder hattest du einfach Pech? Gleiche Sorte Frage am nächsten Morgen an der Espressomaschine: Sie soll 25 ml pro Bezug ziehen, deine 9 Messungen schwanken aber spürbar, und wie stark die Maschine „normalerweise“ streut, weiß niemand.
Kapitel 9 hat dir dafür das 4-Schritte-Schema gegeben, doch der Gauß-Test setzt ein bekanntes σ voraus und prüft nur Mittelwerte. In diesem Kapitel bekommst du die Klausur-Klassiker für alles andere: den t-Test (σ unbekannt), den χ²-Anpassungstest (ist der Würfel fair?) und den χ²-Unabhängigkeitstest (hängen zwei Merkmale zusammen?), und am Ende die Entscheidungshilfe, welcher Test wann dran ist.
Neugier-Fragen
Kleine Fragen zum inneren Mitdenken, nicht zum Googeln. So läuft eine einmal vorgemacht (Frage, Denk-Schritt, Antwort):
Warum reicht der Gauß-Test aus Kapitel 9 nicht mehr, wenn σ unbekannt ist und nur 9 Messungen vorliegen?
Denk-Schritt: Die Streuung muss jetzt selbst aus den 9 Werten geschätzt werden, diese zusätzliche Unsicherheit muss der Test irgendwo einpreisen. Antwort: Die Prüfgröße folgt dann der t-Verteilung mit schwereren Rändern: Das kritische t-Quantil (z. B. 2,306 statt 1,96) ist größer, genau das rechnen wir gleich am Espresso-Beispiel nach.
Der χ²-Anpassungstest bestraft Abweichungen nach oben und nach unten, warum lehnt er trotzdem nur am rechten Rand ab?
Eine 2×5-Kontingenztafel hat 10 Zellen, warum hat ihr Unabhängigkeitstest trotzdem nur (2−1)·(5−1) = 4 Freiheitsgrade?
Dein Fahrplan
So gehen wir vor
Wir gehen den Fahrplan Schritt für Schritt entlang und lösen dabei beide Rätsel aus dem Einstieg: die Espressomaschine mit dem t-Test, den Würfel mit dem χ²-Anpassungstest. So siehst du, dass hinter jedem Test dasselbe 4-Schritte-Schema aus Kapitel 9 steckt.
1
Vom Gauß- zum t-Test: die Streuung mitschätzen und t-Quantile mit n−1 Freiheitsgraden ablesen.
2
χ²-Anpassungstest: beobachtete gegen erwartete Häufigkeiten, passt die angenommene Verteilung?
3
χ²-Unabhängigkeitstest: Zusammenhänge zweier Merkmale in der Kontingenztafel prüfen.
4
Testauswahl-Entscheidungshilfe: welcher Test bei welcher Klausur-Formulierung dran ist.
Abschnitt 1 von 4
Vom Gauß-Test zum t-Test
Das Vorgehen kennst du aus Kapitel 9, es bleibt bei jedem Test dieses Kapitels identisch: ① Nullhypothese H₀ und Alternative H₁ formulieren, ② Ablehnungsbereich über α festlegen, ③ Prüfgröße berechnen, ④ entscheiden. Neu ist nur die Prüfverteilung. Der Gauß-Test setzt ein bekanntes σ voraus, in der Klausur ist σ aber häufig unbekannt und wird über die korrigierte Stichprobenvarianz Ŝ² mitgeschätzt:
Ŝ² = 1/(n−1) · Σ(xᵢ − x̄)² = n/(n−1) · dx²
Erwartungstreuer Schätzer für σ²; der Nenner n−1 gleicht aus, dass µ durch x̄ geschätzt wird.
Die Prüfgröße sieht aus wie beim Gauß-Test, nur mit Ŝ statt σ. Weil die geschätzte Streuung selbst zufällig schwankt, folgt sie nicht mehr der Normalverteilung, sondern der t-Verteilung mit n−1 Freiheitsgraden:
T = (x̄ − µ₀) / (Ŝ/√n) T ~ t(n−1)
Wie beim Gauß-Test, nur mit Ŝ statt σ; T folgt der t-Verteilung mit n−1 Freiheitsgraden.
Die t-Quantile (Tab. E) sind größer als die z-Quantile: die schwereren Ränder sind der „Preis“ für das Schätzen von σ. Mit wachsendem n verschwindet der Unterschied; Faustregel: ab n > 30 darfst du wieder mit z-Quantilen rechnen:
Freiheitsgrade n−1
5
8
15
30
∞ (= z)
t₀,₉₇₅
2,5706
2,306
2,1314
2,0423
1,96
Durchgerechnetes Lehrbeispiel: Der t-Test an der Espressomaschine
Die WG-Espressomaschine soll µ₀ = 25 ml pro Bezug ziehen. Du misst n = 9 Bezüge nach: Mittel x̄ = 25,86 ml, geschätzte Standardabweichung Ŝ = 1,2 ml, das „wahre“ σ ist unbekannt. Ist die Maschine bei α = 0,05 verstellt?
Schritt 1 · Hypothesen
Zweiseitig, Abweichungen nach beiden Seiten zählen: H₀: µ = 25 gegen H₁: µ ≠ 25.
Schritt 2 · Ablehnungsbereich
σ unbekannt, n = 9 < 30, also t-Test mit n−1 = 8 Freiheitsgraden (Tab. E): Ablehnen, falls |T| > t₀,₉₇₅(8) = 2,306.
Schritt 3 · Teststatistik
Standardfehler Ŝ/√n = 1,2/√9 = 1,2/3 = 0,4: T = (25,86 − 25) / 0,4 = 2,15.
Schritt 4 · Testentscheidung
|2,15| = 2,15 ≤ 2,306, also H₀ beibehalten.
Die Maschine gilt nicht als verstellt. Und hier steckt die Klausur-Pointe: Mit dem z-Quantil 1,96 (Gauß-Test: falsch, denn σ wurde geschätzt!) hättest du wegen 2,15 > 1,96 abgelehnt. Die schwereren Ränder der t-Verteilung schützen genau vor diesem voreiligen Urteil.
Abschnitt 2 von 4
Der Chi-Quadrat-Anpassungstest
Jetzt zum Würfel vom Spieleabend. Hier wird keine einzelne Zahl (wie µ) geprüft, sondern eine ganze Verteilung: H₀ = „alle sechs Seiten sind gleich wahrscheinlich“. Der Anpassungstest vergleicht dafür die beobachteten Häufigkeiten nᵢ mit den unter H₀ erwarteten Häufigkeiten nᵢ⁽⁰⁾ = n·pᵢ⁽⁰⁾ und summiert die standardisierten quadrierten Abweichungen:
χ² = Σ (nᵢ − nᵢ⁽⁰⁾)² / nᵢ⁽⁰⁾ ν = k − m − 1
Vergleicht beobachtete mit erwarteten Häufigkeiten; ν = k−m−1 Freiheitsgrade aus Klassenzahl k und geschätzten Parametern m.
Dabei ist k die Klassenzahl und m die Anzahl der unter H₀ aus den Daten geschätzten Parameter („Würfel fair“: m = 0; wird z. B. erst λ̂ einer Poisson-Verteilung geschätzt: m = 1). Die Prüfgröße folgt der Chi-Quadrat-Verteilung. Zwei Regeln: alle nᵢ⁽⁰⁾ ≥ 5 (sonst benachbarte Klassen zusammenfassen), und abgelehnt wird nur rechts, bei χ² > χ²₁₋ₐ(ν), denn große Werte bedeuten schlechte Anpassung.
Durchgerechnetes Lehrbeispiel: Ist der Würfel gezinkt?
n = 120 Würfe, getestet wird die Gleichverteilung (pᵢ⁽⁰⁾ = 1/6, also nᵢ⁽⁰⁾ = 120/6 = 20 je Augenzahl) bei α = 0,05. Der tabellarische Rechenweg:
Augenzahl xᵢ
1
2
3
4
5
6
Σ
beobachtet nᵢ
14
18
22
16
22
28
120
erwartet nᵢ⁽⁰⁾
20
20
20
20
20
20
120
(nᵢ−nᵢ⁽⁰⁾)²/nᵢ⁽⁰⁾
1,8
0,2
0,2
0,8
0,2
3,2
6,4
Schritt 1 · Hypothesen
H₀: pᵢ = 1/6 für alle i gegen H₁: pᵢ ≠ 1/6 für mindestens ein i.
Schritt 2 · Ablehnungsbereich
k = 6 Klassen, m = 0 geschätzte Parameter, also ν = 6 − 0 − 1 = 5: Ablehnen, falls χ² > χ²₀,₉₅(5) = 11,07 (Tab. F).
Schritt 3 · Teststatistik
Summe der letzten Tabellenzeile: χ² = 1,8 + 0,2 + 0,2 + 0,8 + 0,2 + 3,2 = 6,4.
Schritt 4 · Testentscheidung
6,4 ≤ 11,07, also H₀ beibehalten.
Sogar 28 Sechser (größter Einzelbeitrag: 3,2) reichen bei 120 Würfen nicht als Beleg fürs Zinken, die Abweichungen liegen noch im Zufallsrahmen. Dein Mitbewohner ist rehabilitiert.
Abschnitt 3 von 4
Der Chi-Quadrat-Unabhängigkeitstest
Die zweite χ²-Variante prüft, ob zwei kategoriale Merkmale zusammenhängen. Ausgangspunkt ist die Kontingenztafel der gemeinsamen Häufigkeiten nᵢⱼ. Die Logik kommt direkt aus Kapitel 3: Bei Unabhängigkeit gilt P(A∩B) = P(A)·P(B), übertragen auf Häufigkeiten heißt das ñᵢⱼ = nᵢ. · n.ⱼ / n (Zeilensumme mal Spaltensumme durch n). Der Test vergleicht wieder „beobachtet“ mit „erwartet“:
χ² = ΣΣ (nᵢⱼ − ñᵢⱼ)² / ñᵢⱼ ν = (k−1) · (l−1)
Vergleicht beobachtete mit erwarteten Häufigkeiten in der Kontingenztafel; ν = (k−1)(l−1) Freiheitsgrade.
Voraussetzungen für eine gute χ²-Näherung: n > 50 und alle ñᵢⱼ > 5. H₀ lautet immer „die Merkmale sind unabhängig“, abgelehnt wird (wieder nur rechts) zugunsten von „es gibt einen Zusammenhang“.
Nutzen WiWi-Studierende die Mensa-App überzufällig häufiger als Studierende anderer Fächer? Befragt wurden n = 200 Studierende (α = 0,05). Beobachtete Häufigkeiten (Randsummen außen):
App: ja
App: nein
Rand
WiWi
62
58
120
andere Fächer
28
52
80
Rand
90
110
200
Schritt 1 · Hypothesen
H₀: Studiengang und App-Nutzung sind unabhängig (pᵢⱼ = pᵢ. · p.ⱼ), gegen H₁: sie hängen zusammen.
Schritt 2 · Ablehnungsbereich
2×2-Tafel, also ν = (2−1)·(2−1) = 1: Ablehnen, falls χ² > χ²₀,₉₅(1) = 3,841 (Tab. F).
Schritt 3 · Teststatistik
Erwartete Häufigkeiten ñᵢⱼ = Zeilensumme·Spaltensumme/n, z. B. ñ₁₁ = 120·90/200 = 54, alle vier: 54, 66, 36, 44 (jede > 5, n = 200 > 50 ✓). Jede Zelle weicht um genau ±8 ab: χ² = 8²/54 + 8²/66 + 8²/36 + 8²/44 ≈ 1,19 + 0,97 + 1,78 + 1,45 = 5,3872.
Schritt 4 · Testentscheidung
5,3872 > 3,841, also H₀ ablehnen.
Der Zusammenhang ist signifikant: WiWi-Studierende nutzen die App überzufällig häufiger (62 beobachtet vs. 54 erwartet). Achtung Interpretations-Klassiker: Der Test belegt einen Zusammenhang, keine Ursache-Wirkungs-Beziehung.
Abschnitt 4 von 4
Testauswahl: Welcher Test wann?
In der Klausur ist die halbe Miete, das richtige Verfahren zu erkennen. Frag dich zuerst: Was wird geprüft, ein Mittelwert, ein Anteil, eine Verteilungsform oder ein Zusammenhang? Danach entscheidet die Informationslage über die Prüfverteilung:
Mittelwert · σ bekannt Gauß-Test (Kapitel 9): Z = (x̄−µ₀)/(σ/√n)
z-Quantile (Tab. D)
Mittelwert · σ unbekannt, n klein t-Test: T = (x̄−µ₀)/(Ŝ/√n)
t-Quantile, n−1 FG (Tab. E)
Mittelwert · σ unbekannt, n > 30 Zentraler Grenzwertsatz: Ŝ einsetzen, normal rechnen
z-Quantile (Tab. D)
Anteil p (großes n) Anteilstest (Kapitel 9): p̂ = x/n
z-Quantile (Tab. D)
Verteilungsform („fair?“, „poissonverteilt?“) χ²-Anpassungstest: beobachtet vs. erwartet
Merkhilfe, Signalwörter der Aufgabenstellung: „im Mittel / im Durchschnitt“ bedeutet Mittelwerttest (z oder t, je nach σ) · „Anteil / Quote / Prozent“ bedeutet Anteilstest · „fair / gleichverteilt / passt die Verteilung“ bedeutet χ²-Anpassungstest · „unabhängig / Zusammenhang zweier Merkmale / Kontingenztafel“ bedeutet χ²-Unabhängigkeitstest. Und: χ²-Tests lehnen immer nur rechts ab, beim Mittelwert entscheidet dagegen die Fragestellung über ein- oder zweiseitig (Kapitel 9).
Ausblick: Für den Vergleich zweier Gruppenmittel („verdienen Absolventinnen im Mittel mehr als Absolventen?“) gibt es Zwei-Stichproben-Varianten des t-Tests, das 4-Schritte-Schema und die t-Quantile bleiben dabei exakt dieselben.
Das Schaubild
Dichte und Ablehnungsbereich
Das Schaubild zeigt die χ²-Verteilung mit 5 Freiheitsgraden zum Würfel-Beispiel: rechts der markierte Ablehnungsbereich ab dem kritischen Wert 11,07 (Fläche 5 %), der Kreis auf der Grundlinie markiert die Prüfgröße χ² = 6,4, sie liegt klar im Annahmebereich.
Dichte der χ²-Verteilung mit 5 Freiheitsgraden · gestrichelte Linie: kritischer Wert 11,07 · Kreis: Prüfgröße χ² = 6,4 im Annahmebereich
Das bleibt hängen
Kern-Erkenntnis
Kern
Egal ob t oder χ², es ist immer das 4-Schritte-Schema aus Kapitel 9, nur Prüfgröße und Prüfverteilung wechseln. Der t-Test recycelt die t-Quantile aus den Konfidenzintervallen (Kapitel 8), der Unabhängigkeitstest die Unabhängigkeitsidee aus Kapitel 3 und die Kontingenztafel aus Kapitel 2. Wer zuerst fragt „Was wird geprüft?“ und dann die richtige Tabelle (D, E oder F) zieht, hat den Testteil der Klausur im Griff.
Häufige Fragen
Woher weiß ich, ob ich z- oder t-Quantile brauche?
Es hängt an σ und n. Ist σ bekannt (steht als „wahre“ Standardabweichung in der Aufgabe), nimmst du z-Quantile (Tab. D). Ist σ unbekannt und die Stichprobe klein (n < 30), rechnest du mit Ŝ und liest t-Quantile mit n−1 Freiheitsgraden ab (Tab. E). Bei unbekanntem σ, aber großem n (n > 30) darfst du dank des zentralen Grenzwertsatzes meist wieder z-Quantile verwenden. In der Klausur verrät es oft die Notation: σ bedeutet Gauß, S bzw. Ŝ bedeutet t.
Warum lehnt der χ²-Test nur bei großen Werten ab, kleine Abweichungen gibt es doch auch?
Die Prüfgröße quadriert jede einzelne Abweichung, ob eine Klasse zu voll oder zu leer ist, beides vergrößert χ². Ein kleiner χ²-Wert heißt deshalb schlicht: Die beobachteten Häufigkeiten liegen nah an den erwarteten, die Anpassung ist gut, das spricht für H₀, nicht dagegen. Abgelehnt wird daher in der Regel nur rechts, bei χ² > χ²₁₋ₐ(ν).
Was mache ich, wenn eine erwartete Häufigkeit unter 5 liegt?
Dann trägt die χ²-Näherung meist nicht mehr: Benachbarte Klassen werden so lange zusammengefasst, bis alle erwarteten Häufigkeiten mindestens 5 betragen. Dadurch sinkt die Klassenzahl k, die Freiheitsgrade ν = k − m − 1 musst du danach neu bestimmen. Beim Unabhängigkeitstest gilt zusätzlich die Faustregel n > 50 für den Gesamtumfang.
Anpassungstest oder Unabhängigkeitstest, wie erkenne ich, welcher gefragt ist?
Zähle die Merkmale. Geht es um ein Merkmal, dessen Verteilung mit einer Vorgabe verglichen wird („ist der Würfel fair?“, „sind die Ankünfte poissonverteilt?“), ist es der Anpassungstest. Stehen zwei Merkmale in einer Kreuztabelle und wird nach einem Zusammenhang gefragt („hängt X von Y ab?“), ist es der Unabhängigkeitstest. Meist verrät schon die Datenlage die Antwort: eine Häufigkeitszeile bedeutet Anpassung, eine Kontingenztafel bedeutet Unabhängigkeit.
Deine Frage
Nimm sie mit ins Live-Klausurtraining
Gib deine komplexeste aktuelle Frage ein. Sie wird lokal auf deinem Gerät gespeichert und geht so nicht verloren, keine automatische Antwort auf dieser Seite.
Frage für die nächste Live-Session notieren
Notiert
Teste dich
Adaptive Fragerunde
Starte mit 5 Fragen. 3 oder mehr richtig, es geht schwerer weiter, sonst bekommst du Festigungsfragen. Danach kannst du beliebig oft weitere Fragen anfordern. Dein Gesamtergebnis bleibt sichtbar.
Runde 1 · 5 FragenGesamt: 0 / 0
OSTAStatistik 1
Willkommen zurück
Melde dich mit deiner E-Mail und deinem Passwort an. Dein Fortschritt ist an dein Konto gebunden.
Passwort vergessen?
Kein Konto? Es wird nach dem Kauf automatisch für dich angelegt.
OSTAStatistik 1
Erstanmeldung — Konto einrichten
Nach dem Kauf bekommst du Benutzername (E-Mail) und ein Start-Passwort per Mail. Hier legst du einmalig dein eigenes Passwort fest.
Vorschau-Demo: Start-Passwort = start2026
Danach speichert dein Konto automatisch Fortschritt, Selbsttests und freigeschaltete Kapitel.
