Hypothesentest - rechtsseitig

Hast du manchmal den Verdacht, dass etwas „zu gut“ oder „zu oft“ passiert, um noch reiner Zufall zu sein? Ein rechtsseitiger Hypothesentest ist das mathematische Werkzeug, um genau so einen Verdacht objektiv zu überprüfen. Wir testen damit, ob die tatsächliche Wahrscheinlichkeit p für ein bestimmtes Ereignis größer ist als ein bisher angenommener Wert p 0 . Typische Fragestellungen sind: Ist ein Spielwürfel gezinkt, sodass er zu oft eine Sechs zeigt? Wirkt ein neues Medikament besser (höhere Heilungsrate) als das bisherige Standardpräparat? Produziert eine Maschine seit der Umstellung mehr Ausschuss als vertraglich vereinbart? Das Ziel des Tests ist eine klare Entscheidungsregel: Ab welcher Anzahl von Treffern (Erfolgen) weicht das Testergebnis so stark nach oben ab, dass wir die ursprüngliche Annahme verwerfen müssen? Ein rechtsseitiger Hypothesentest trennt die möglichen Ergebnisse einer Stichprobe in zwei Bereiche. Liegt das Ergebnis im sogenannten Ablehnungsbereich ganz rechts auf der Verteilung, verwerfen wir unsere bisherige Annahme. Schritt-für-Schritt-Vorgehen: 1. Hypothesen aufstellen: Nullhypothese H 0 : Die Standardannahme. Alles ist wie vermutet oder sogar schlechter: H 0: p le p 0 Alternativhypothese H 1 : Unser Verdacht. Die Wahrscheinlichkeit ist in Wahrheit größer: H 1: p p 0 2. Rahmenbedingungen klären: Stichprobenumfang n : Wie oft wird das Experiment wiederholt? Signifikanzniveau alpha : Die maximal akzeptierte Irrtumswahrscheinlichkeit (meist 5 , % oder 1

Worum geht's?

Hast du manchmal den Verdacht, dass etwas „zu gut“ oder „zu oft“ passiert, um noch reiner Zufall zu sein? Ein rechtsseitiger Hypothesentest ist das mathematische Werkzeug, um genau so einen Verdacht objektiv zu überprüfen. Wir testen damit, ob die tatsächliche Wahrscheinlichkeit p p p für ein bestimmtes Ereignis größer ist als ein bisher angenommener Wert p 0 p_0 p 0 ​ . Typische Fragestellungen sind: * Ist ein Spielwürfel gezinkt, sodass er zu oft eine Sechs zeigt? * Wirkt ein neues Medikament besser (höhere Heilungsrate) als das bisherige Standardpräparat? * Produziert eine Maschine seit der Umstellung mehr Ausschuss als vertraglich vereinbart? Das Ziel des Tests ist eine klare Entscheidungsregel: Ab welcher Anzahl von Treffern (Erfolgen) weicht das Testergebnis so stark nach oben ab, dass wir die ursprüngliche Annahme verwerfen müssen?

Formel mit Erklärung

Ein rechtsseitiger Hypothesentest trennt die möglichen Ergebnisse einer Stichprobe in zwei Bereiche. Liegt das Ergebnis im sogenannten Ablehnungsbereich ganz rechts auf der Verteilung, verwerfen wir unsere bisherige Annahme.
Prinzip des rechtsseitigen Tests → B(50; 0,40)
0.000.030.070.100.1305101520253035404550μ−σμμ+σk
μ = n·p = 20.00  |  σ ≈ 3.46
Ablehnungsbereich: k = 26 … 50 → α ≈ 0.0573
Schritt-für-Schritt-Vorgehen: 1. Hypothesen aufstellen: * Nullhypothese H 0 H_0 H 0 ​ : Die Standardannahme. Alles ist wie vermutet oder sogar schlechter: H 0 : p ≤ p 0 H_0: p \le p_0 H 0 ​ : p ≤ p 0 ​ Alternativhypothese H 1 H_1 H 1 ​ : Unser Verdacht. Die Wahrscheinlichkeit ist in Wahrheit größer: H 1 : p > p 0 H_1: p > p_0 H 1 ​ : p > p 0 ​ 2. Rahmenbedingungen klären: * Stichprobenumfang n n n : Wie oft wird das Experiment wiederholt? * Signifikanzniveau α \alpha α : Die maximal akzeptierte Irrtumswahrscheinlichkeit (meist 5   % 5\,\% 5 % oder 1   % 1\,\% 1 % . Sie gibt an, wie wahrscheinlich es höchstens sein darf, die Nullhypothese H 0 H_0 H 0 ​ fälschlicherweise abzulehnen (Fehler 1. Art). 3. Entscheidungsregel aufstellen: Wir suchen die kleinste Trefferzahl k k k (die sogenannte kritische Zahl), ab der das Ergebnis so extrem weit rechts liegt, dass seine Wahrscheinlichkeit unter dem Signifikanzniveau α \alpha α liegt: P ( X ≥ k ) ≤ α P(X \ge k) \le \alpha P ( X ≥ k ) ≤ α Dabei ist X X X die binomialverteilte Zufallsvariable für die Anzahl der Treffer. 4. Für den Taschenrechner umformen: Da die meisten Taschenrechner die kumulierte Wahrscheinlichkeit von unten aufaddieren ( P ( X ≤ x ) P(X \le x) P ( X ≤ x ) ), nutzen wir das Gegenereignis: 1 − P ( X ≤ k − 1 ) ≤ α    ⟺    P ( X ≤ k − 1 ) ≥ 1 − α 1 - P(X \le k-1) \le \alpha \quad \iff \quad P(X \le k-1) \ge 1 - \alpha 1 − P ( X ≤ k − 1 ) ≤ α ⟺ P ( X ≤ k − 1 ) ≥ 1 − α 5. Entscheidungsbereiche definieren: * Annahmebereich A = { 0 , 1 , … , k − 1 } A = \{0, 1, \dots, k-1\} A = { 0 , 1 , … , k − 1 } : Das Ergebnis ist unauffällig. H 0 H_0 H 0 ​ wird beibehalten. * Ablehnungsbereich A ˉ = { k , k + 1 , … , n } \bar{A} = \{k, k+1, \dots, n\} A ˉ = { k , k + 1 , … , n } : Das Ergebnis ist extrem hoch. H 0 H_0 H 0 ​ wird verworfen, H 1 H_1 H 1 ​ wird angenommen.

Beispiele

Leicht#1
Aufgabe: Eine Münze soll fair sein ( p = 0,5 p = 0{,}5 p = 0 , 5 für „Kopf“). Jemand behauptet jedoch, die Münze sei manipuliert und zeige überdurchschnittlich oft Kopf. Bei 20 20 20 Würfen fällt 14 14 14 -mal Kopf. Lässt sich der Betrugsverdacht auf einem Signifikanzniveau von α = 10   % \alpha = 10\,\% α = 10 % bestätigen? Lösung: 1. Hypothesen: * H 0 : p ≤ 0,5 H_0: p \le 0{,}5 H 0 ​ : p ≤ 0 , 5 (Die Münze ist fair oder zeigt seltener Kopf) * H 1 : p > 0,5 H_1: p > 0{,}5 H 1 ​ : p > 0 , 5 (Die Münze zeigt öfter Kopf – der Verdacht) 2. Parameter: * n = 20 n = 20 n = 20 * α = 0,10 \alpha = 0{,}10 α = 0 , 10 3. Kritischen Wert bestimmen: P ( X ≥ k ) ≤ 0,10    ⟺    P ( X ≤ k − 1 ) ≥ 0,90 P(X \ge k) \le 0{,}10 \quad \iff \quad P(X \le k-1) \ge 0{,}90 P ( X ≥ k ) ≤ 0 , 10 ⟺ P ( X ≤ k − 1 ) ≥ 0 , 90 Wir bestimmen den Wert mithilfe der kumulierten Binomialverteilung B ( 20 ; 0,5 ) B(20; 0{,}5) B ( 20 ; 0 , 5 ) : * P ( X ≤ 12 ) ≈ 0,868 P(X \le 12) \approx 0{,}868 P ( X ≤ 12 ) ≈ 0 , 868 (noch zu klein) * P ( X ≤ 13 ) ≈ 0,942 P(X \le 13) \approx 0{,}942 P ( X ≤ 13 ) ≈ 0 , 942 (der erste Wert ≥ 0,90 \ge 0{,}90 ≥ 0 , 90 ) Daraus folgt: k − 1 = 13    ⟹    k = 14 k-1 = 13 \implies k = 14 k − 1 = 13 ⟹ k = 14 4. Entscheidungsbereiche: * Annahmebereich: A = { 0 , 1 , … , 13 } A = \{0, 1, \dots, 13\} A = { 0 , 1 , … , 13 } * Ablehnungsbereich: A ˉ = { 14 , 15 , … , 20 } \bar{A} = \{14, 15, \dots, 20\} A ˉ = { 14 , 15 , … , 20 }
B(20; 0.5) - Test der Münze → B(20; 0,50)
0.000.050.100.150.2002468101214161820μ−σμμ+σk
μ = n·p = 10.00  |  σ ≈ 2.24
Ablehnungsbereich: k = 14 … 20 → α ≈ 0.0577
5. Entscheidung: Das Testergebnis von 14 14 14 Treffern liegt im Ablehnungsbereich A ˉ \bar{A} A ˉ . Die Nullhypothese wird verworfen. Antwort: Ja, auf einem Signifikanzniveau von 10   % 10\,\% 10 % gehen wir davon aus, dass die Münze manipuliert ist.

Zusammenfassung

Ein rechtsseitiger Hypothesentest prüft, ob die reale Wahrscheinlichkeit eines Ereignisses größer ist als angenommen ( H 1 : p > p 0 H_1: p > p_0 H 1 ​ : p > p 0 ​ ). Der Ablehnungsbereich liegt am rechten Rand der Verteilung. Er enthält die überdurchschnittlich hohen Trefferzahlen, die extrem unwahrscheinlich sind, wenn H 0 H_0 H 0 ​ stimmt. Die kritische Grenze k k k trennt die Bereiche. Sie wird über die Bedingung P ( X ≥ k ) ≤ α P(X \ge k) \le \alpha P ( X ≥ k ) ≤ α bestimmt. Für die Berechnung wird diese Bedingung stets in die Formel des Gegenereignisses umgeschrieben: P ( X ≤ k − 1 ) ≥ 1 − α P(X \le k-1) \ge 1 - \alpha P ( X ≤ k − 1 ) ≥ 1 − α Fällt das Stichprobenergebnis in den Ablehnungsbereich, wird die Nullhypothese verworfen und die Abweichung als statistisch signifikant bewertet.

Jetzt üben

Kostenlose Aufgaben mit Lösungsweg zu diesem Begriff: