Mathematik · Klasse 12 · Beurteilende Statistik und Hypothesentests · 2. Halbjahr

Testen von Hypothesen mit der Binomialverteilung

Anwendung der Binomialverteilung zur Durchführung von Hypothesentests bei diskreten Zufallsgrößen.

• KMK Bildungsstandards
• KMK: Sekundarstufe II - Stochastik
• KMK: Sekundarstufe II - Problemlösen

Über dieses Thema

Das Testen von Hypothesen mit der Binomialverteilung führt Schüler:innen in die inferentielle Statistik ein. Sie wenden die Binomialverteilung an, um Hypothesen über den Erfolgsquotienten p bei diskreten Zufallsgrößen zu prüfen, etwa ob eine Münze fair ist oder eine Maschine defekte Produkte in einem bestimmten Anteil herstellt. Zentral lernen sie, den Annahmebereich für einen Binomialtest zu bestimmen: Sie wählen das Signifikanzniveau α, berechnen Wahrscheinlichkeiten kumulativ und definieren den kritischen Wert, der die Testentscheidung steuert.

Im KMK-Standard Stochastik der Sekundarstufe II verknüpft dieses Thema Wahrscheinlichkeitsrechnung mit beurteilender Statistik und Problemlösung. Schüler:innen beurteilen die Eignung des Binomialtests für kleine Stichproben, wo Normalapproximation versagt, und verstehen Grenzen wie die Abhängigkeit von der Nullhypothese. Praktische Beispiele aus Qualitätskontrolle oder Medizin machen den Bezug zur Realität klar und fördern systematisches Denken.

Aktives Lernen eignet sich hervorragend, da abstrakte Konzepte durch Simulationen und Experimente erfahrbar werden. Wenn Schüler:innen eigene Würfe oder Ziehungen durchführen und Ergebnisse testen, internalisieren sie die Variabilität des Zufalls und die Robustheit von Tests. Solche Ansätze stärken das Verständnis und die Fähigkeit, Hypothesen kritisch zu bewerten.

Leitfragen

1. Wie bestimmt man den Annahmebereich für einen Binomialtest?
2. Erklären Sie die Rolle des kritischen Wertes bei der Testentscheidung.
3. Beurteilen Sie die Eignung des Binomialtests für kleine Stichproben.

Lernziele

• Berechnen Sie den Annahmebereich (Gütebereich) für einen Hypothesentest bei einer binomialverteilten Zufallsgröße.
• Erläutern Sie die Bedeutung des kritischen Wertes für die Entscheidungsfindung bei einem Binomialtest.
• Analysieren Sie die Eignung des Binomialtests für Stichproben verschiedener Größen und vergleichen Sie ihn mit der Normalapproximation.
• Formulieren Sie die Null- und Alternativhypothese für gegebene Problemstellungen im Kontext der Binomialverteilung.

Bevor es losgeht

Binomialverteilung: Wahrscheinlichkeitsberechnung

Warum: Schüler:innen müssen die Grundlagen der Binomialverteilung, einschließlich der Berechnung von Einzel- und kumulierten Wahrscheinlichkeiten, beherrschen, um Hypothesentests durchführen zu können.

Grundlagen der Wahrscheinlichkeitsrechnung

Warum: Ein Verständnis von Wahrscheinlichkeiten, Ereignissen und der Interpretation von Wahrscheinlichkeitswerten ist essenziell für das Verständnis von Hypothesentests und Signifikanzniveaus.

Schlüsselvokabular

Nullhypothese (H0)	Eine Aussage über einen unbekannten Parameter (z.B. Erfolgswahrscheinlichkeit p), die im Testverfahren widerlegt oder nicht widerlegt werden soll.
Alternativhypothese (H1)	Eine Aussage, die im Falle der Ablehnung der Nullhypothese angenommen wird; sie beschreibt die vermutete Alternative.
Annahmebereich (Gütebereich)	Die Menge der Ergebnisse einer Stichprobe, bei denen die Nullhypothese nicht verworfen wird.
Ablehnungsbereich	Die Menge der Ergebnisse einer Stichprobe, bei denen die Nullhypothese verworfen wird.
Signifikanzniveau (α)	Die Wahrscheinlichkeit, die Nullhypothese fälschlicherweise abzulehnen, obwohl sie wahr ist (Fehler 1. Art).
Kritischer Wert	Die Grenze zwischen dem Annahmebereich und dem Ablehnungsbereich; der kleinste Wert, bei dem die Nullhypothese abgelehnt wird.

Vorsicht vor diesen Fehlvorstellungen

Häufige Fehlvorstellung

Der p-Wert ist die Wahrscheinlichkeit, dass die Nullhypothese wahr ist.

Was Sie stattdessen lehren sollten

Der p-Wert misst die Wahrscheinlichkeit der Beobachtung unter H0, nicht die Wahrscheinlichkeit von H0. Aktive Simulationen mit vielen Wiederholungen zeigen Schüler:innen, wie p-Werte variieren, und helfen, diesen Fehler durch empirische Evidenz zu korrigieren.

Häufige Fehlvorstellung

Binomialtest eignet sich nur für große Stichproben.

Was Sie stattdessen lehren sollten

Der Test funktioniert exakt für jede n, unabhängig von Größe, solange Annahmen gelten. Hands-on-Experimente mit kleinen n demonstrieren Genauigkeit und machen Grenzen wie Abhängigkeiten spürbar.

Häufige Fehlvorstellung

Der kritische Wert ist immer festgelegt, unabhängig von α.

Was Sie stattdessen lehren sollten

Er hängt direkt von α und der Verteilung ab. Peer-Diskussionen nach Experimenten klären dies, indem Gruppen verschiedene α vergleichen und Entscheidungen reflektieren.

Ideen für aktives Lernen

Münzwurf-Experiment: Fairness-Test

Paare werfen eine Münze 50 Mal und notieren Köpfe. Sie formulieren H0: p=0,5, wählen α=0,05 und berechnen den Annahmebereich mit Binomialtabelle. Gruppen vergleichen Ergebnisse und diskutieren Abweichungen.

45 Min.·Partnerarbeit

Würfel-Simulation: Gruppentest

Kleine Gruppen würfeln 30 Mal auf Sechser und testen H0: p=1/6. Sie plotten Häufigkeiten, bestimmen kritischen Wert und entscheiden über Ablehnung. Abschließende Plenumdiskussion über Typ-I-Fehler.

50 Min.·Kleingruppen

Qualitätskontrolle: Fabrikmodell

Individuen simulieren mit Karten (defekt/gut) 20 Ziehungen, testen H0: p=0,1. Sie berechnen exakte p-Werte und bewerten Testeignung bei n=20. Teilen in Plenum.

35 Min.·Einzelarbeit

Software-Stationen: Binomialtests

Whole class rotiert durch Stationen mit GeoGebra: Parameter variieren, Annahmebereiche visualisieren, Hypothesen testen. Jede Gruppe protokolliert zwei Szenarien.

40 Min.·Kleingruppen

Bezüge zur Lebenswelt

• In der Qualitätskontrolle bei der Herstellung von Elektronikkomponenten wird die Binomialverteilung genutzt, um zu testen, ob der Anteil fehlerhafter Teile unter einem vorgegebenen Grenzwert liegt. Ein Ingenieur könnte beispielsweise 100 Chips prüfen und entscheiden, ob die Produktionsmaschine angepasst werden muss.
• In der Marktforschung wird die Binomialverteilung verwendet, um die Wirksamkeit einer Werbekampagne zu beurteilen. Ein Marktforscher könnte eine Stichprobe von 50 Personen befragen, ob sie das Produkt nach der Kampagne kaufen würden, um die Nullhypothese eines unveränderten Kaufinteresses zu testen.

Ideen zur Lernstandserhebung

Kurze Überprüfung

Stellen Sie den Schüler:innen eine konkrete Fragestellung, z.B. 'Eine Medikamentenhersteller gibt an, dass höchstens 5% der produzierten Tabletten eine Farbabweichung aufweisen. Testen Sie diese Angabe mit einer Stichprobe von 20 Tabletten und einem Signifikanzniveau von 5%.' Lassen Sie die Schüler:innen die Null- und Alternativhypothese sowie den Annahmebereich auf einem Arbeitsblatt bestimmen.

Lernstandskontrolle

Geben Sie jeder Schülerin und jedem Schüler eine Karte mit einem der folgenden Begriffe: 'Nullhypothese', 'Annahmebereich', 'Signifikanzniveau', 'Kritischer Wert'. Bitten Sie sie, eine kurze Definition in eigenen Worten zu schreiben und ein Beispiel zu nennen, wie dieser Begriff im Kontext eines Binomialtests angewendet wird.

Diskussionsfrage

Leiten Sie eine Diskussion mit der Frage: 'Unter welchen Umständen ist der Binomialtest für kleine Stichproben die einzig geeignete Methode, und wann könnte eine Normalapproximation trotz kleiner Stichprobengröße vertretbar sein? Welche Risiken birgt die Anwendung der Normalapproximation?'

Häufig gestellte Fragen

Wie bestimmt man den Annahmebereich für einen Binomialtest?

Der Annahmebereich umfasst Werte von k, deren kumulative Binomialwahrscheinlichkeit unter H0 mindestens 1-α beträgt. Schüler:innen listen für gegebenes n, p0 und α die P(X≤k) oder P(X≥k) auf, bis der Bereich die α-Masse ausschließt. Tabellen oder Software erleichtern dies; Praxis mit realen Daten festigt das Verfahren. (62 Wörter)

Was ist die Rolle des kritischen Wertes bei der Binomialtest-Entscheidung?

Der kritische Wert markiert die Grenze des Annahmebereichs: Liegt die Stichprobe darüber oder darunter, lehnt man H0 ab. Er balanciert Typ-I- und Typ-II-Fehler. Durch iterative Berechnungen verstehen Schüler:innen, wie α die Grenze verschiebt, und lernen, konservative Entscheidungen zu treffen. (68 Wörter)

Wie kann aktives Lernen beim Testen mit der Binomialverteilung helfen?

Aktives Lernen macht Hypothesentests greifbar: Schüler:innen führen Würfe oder Simulationen durch, sammeln Daten und testen selbst. Dies verdeutlicht Zufallsvariabilität, p-Wert-Bedeutung und Testgrenzen besser als reine Theorie. Gruppenexperimente fördern Diskussionen über Fehlerquellen, stärken Problemlösung und verbinden Theorie mit Praxis nach KMK-Standards. (72 Wörter)

Wann ist der Binomialtest für kleine Stichproben geeignet?

Der Test ist bei kleinen n exakt anwendbar, solange Erfolge unabhängig und p konstant sind; Normalapproximation scheitert hier. Beispiele mit n=10 zeigen hohe Genauigkeit. Schüler:innen lernen durch Vergleiche mit Simulationen, wann exakte Berechnungen vorzuziehen sind, und schätzen Power ein. (65 Wörter)