Testen von Hypothesen mit der BinomialverteilungAktivitäten & Unterrichtsstrategien
Aktives Lernen wirkt hier besonders gut, weil Schüler:innen durch Experimente mit Münzen, Würfeln und Fabrikmodellen die abstrakte Binomialverteilung greifbar machen. Die Wiederholung von Zufallsexperimenten zeigt, wie sich Hypothesentests in realen Kontexten anwenden lassen und warum die Binomialverteilung exakt ist – nicht nur eine Näherung.
Lernziele
- 1Berechnen Sie den Annahmebereich (Gütebereich) für einen Hypothesentest bei einer binomialverteilten Zufallsgröße.
- 2Erläutern Sie die Bedeutung des kritischen Wertes für die Entscheidungsfindung bei einem Binomialtest.
- 3Analysieren Sie die Eignung des Binomialtests für Stichproben verschiedener Größen und vergleichen Sie ihn mit der Normalapproximation.
- 4Formulieren Sie die Null- und Alternativhypothese für gegebene Problemstellungen im Kontext der Binomialverteilung.
Möchten Sie einen vollständigen Unterrichtsentwurf mit diesen Lernzielen? Mission erstellen →
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.
Vorbereitung & Details
Wie bestimmt man den Annahmebereich für einen Binomialtest?
Moderationstipp: Während des Münzwurf-Experiments lassen Sie Schüler:innen ihre Ergebnisse in Kleingruppen vergleichen und gemeinsam den Annahmebereich für α=5% bestimmen.
Setup: Gruppentische mit Zugang zu Recherchequellen
Materials: Dokumentation des Problemszenarios, KWL-Tabelle (Wissen, Wollen, Lernen) oder Inquiry-Framework, Ressourcenpool / Handapparat, Vorlage für die Ergebnispräsentation
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.
Vorbereitung & Details
Erklären Sie die Rolle des kritischen Wertes bei der Testentscheidung.
Moderationstipp: Beobachten Sie bei der Würfel-Simulation, wie Gruppen unterschiedliche Stichprobengrößen wählen und diskutieren Sie, warum die Binomialverteilung auch für kleine n exakt bleibt.
Setup: Gruppentische mit Zugang zu Recherchequellen
Materials: Dokumentation des Problemszenarios, KWL-Tabelle (Wissen, Wollen, Lernen) oder Inquiry-Framework, Ressourcenpool / Handapparat, Vorlage für die Ergebnispräsentation
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.
Vorbereitung & Details
Beurteilen Sie die Eignung des Binomialtests für kleine Stichproben.
Moderationstipp: Im Fabrikmodell achten Sie darauf, dass Schüler:innen nicht nur die Testentscheidung treffen, sondern auch die Konsequenzen für die Produktion reflektieren.
Setup: Gruppentische mit Zugang zu Recherchequellen
Materials: Dokumentation des Problemszenarios, KWL-Tabelle (Wissen, Wollen, Lernen) oder Inquiry-Framework, Ressourcenpool / Handapparat, Vorlage für die Ergebnispräsentation
Software-Stationen: Binomialtests
Whole class rotiert durch Stationen mit GeoGebra: Parameter variieren, Annahmebereiche visualisieren, Hypothesen testen. Jede Gruppe protokolliert zwei Szenarien.
Vorbereitung & Details
Wie bestimmt man den Annahmebereich für einen Binomialtest?
Moderationstipp: An den Software-Stationen geben Sie gezielte Hinweise, wie die Schüler:innen die kumulative Wahrscheinlichkeit und den kritischen Wert in den Tools ablesen.
Setup: Gruppentische mit Zugang zu Recherchequellen
Materials: Dokumentation des Problemszenarios, KWL-Tabelle (Wissen, Wollen, Lernen) oder Inquiry-Framework, Ressourcenpool / Handapparat, Vorlage für die Ergebnispräsentation
Dieses Thema unterrichten
Erfahrene Lehrkräfte beginnen mit konkreten, alltagsnahen Beispielen wie Münzwürfen oder Qualitätskontrollen, um die Abstraktion zu reduzieren. Sie betonen, dass die Binomialverteilung exakt ist und keine Näherung erfordert – ein häufiger Fehler. Wichtig ist, dass Schüler:innen den p-Wert nicht mit der Hypothesenwahrscheinlichkeit verwechseln, was durch wiederholte Simulationen sichtbar wird. Vermeiden Sie frühe Formalisierungen ohne empirische Basis.
Was Sie erwartet
Erfolgreich lernen bedeutet, dass Schüler:innen selbstständig Signifikanzniveaus wählen, Annahmebereiche bestimmen und Testentscheidungen begründen können. Sie erkennen, dass der kritische Wert nicht feststeht und der p-Wert nicht die Wahrscheinlichkeit von Hypothesen misst. Die Reflexion über Fehler und Grenzen ist ebenso zentral.
Diese Aktivitäten sind ein Ausgangspunkt. Die vollständige Mission ist das Erlebnis.
- Vollständiges Moderationsskript mit Lehrkraft-Dialogen
- Druckfertige Schülermaterialien, bereit für den Unterricht
- Differenzierungsstrategien für jeden Lerntyp
Vorsicht vor diesen Fehlvorstellungen
Häufige FehlvorstellungWährend des Münzwurf-Experiments beobachten Sie, dass Schüler:innen den p-Wert als Wahrscheinlichkeit für die Gültigkeit der Nullhypothese interpretieren.
Was Sie stattdessen lehren sollten
Nutzen Sie die empirischen Ergebnisse der Gruppe, um zu zeigen, dass der p-Wert beschreibt, wie ungewöhnlich die Beobachtung unter H0 ist, nicht die Plausibilität von H0 selbst. Lassen Sie sie den p-Wert für mehrere Wiederholungen berechnen und vergleichen.
Häufige FehlvorstellungWährend der Würfel-Simulation glauben Schüler:innen, dass die Binomialverteilung nur für große Stichproben geeignet ist.
Was Sie stattdessen lehren sollten
Fordern Sie die Gruppen auf, mit n=10 zu arbeiten und die exakte Wahrscheinlichkeit zu berechnen. Zeigen Sie im Plenum, dass die Binomialverteilung auch für kleine n präzise Ergebnisse liefert.
Häufige FehlvorstellungWährend des Fabrikmodells nehmen Schüler:innen an, der kritische Wert sei immer gleich, unabhängig vom Signifikanzniveau.
Was Sie stattdessen lehren sollten
Lassen Sie jede Gruppe in der Fabrik ein anderes α (z.B. 1%, 5%, 10%) wählen und vergleichen Sie die kritischen Werte. Die Diskussion im Plenum macht den Zusammenhang zwischen α und dem kritischen Wert deutlich.
Ideen zur Lernstandserhebung
Nach dem Münzwurf-Experiment geben Sie den Schüler:innen eine konkrete Fragestellung vor, z.B. 'Testen Sie, ob eine Münze fair ist, bei 50 Würfen und α=5%.' Die Schüler:innen sollen auf einem Arbeitsblatt die Hypothesen, den Annahmebereich und die Testentscheidung bestimmen.
Während der Software-Stationen erhalten die Schüler:innen einen Zettel mit einem der Begriffe 'Annahmebereich', 'Signifikanzniveau' oder 'kritischer Wert'. Sie schreiben eine kurze Definition und ein Beispiel aus dem Kontext der Binomialverteilung.
Nach dem Fabrikmodell leiten Sie eine Diskussion mit der Frage: 'Wann ist der Binomialtest die einzig geeignete Methode, und wann könnte trotz kleiner Stichprobengröße eine Normalapproximation vertretbar sein? Welche Risiken birgt die Anwendung der Normalapproximation hier konkret?'
Erweiterungen & Unterstützung
- Fordern Sie Schüler:innen auf, in der Software-Station zu untersuchen, wie sich der Annahmebereich ändert, wenn sie α auf 1% oder 10% setzen.
- Bieten Sie Schüler:innen, die unsicher sind, die Würfel-Simulation mit vorgegebenen Stichprobengrößen an, um die Berechnung des Annahmebereichs zu üben.
- Vertiefen Sie mit einer Diskussion über die Grenzen der Binomialverteilung, etwa bei abhängigen Versuchen oder kontinuierlichen Daten, und leiten Sie zur Normalapproximation über.
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. |
Vorgeschlagene Methoden
Planungsvorlagen für Analysis, Analytische Geometrie und Stochastik: Vorbereitung auf das Abitur
5E Modell
Das 5E Modell gliedert den Unterricht in fünf Phasen: Einstieg, Erarbeitung, Erklärung, Vertiefung und Evaluation. Es führt Lernende durch forschendes Lernen von der Neugier zum tiefen Verständnis.
EinheitenplanerMatheeinheit
Planen Sie eine konzeptuell kohärente Mathematikeinheit: vom intuitiven Verständnis über prozedurale Sicherheit zur Anwendung im Kontext. Jede Stunde baut auf der vorherigen auf in einer logisch verbundenen Lernsequenz.
BewertungsrasterMathe Bewertungsraster
Erstellen Sie ein Bewertungsraster, das Problemlösen, mathematisches Denken und Kommunikation neben der prozeduralen Genauigkeit bewertet. Lernende erhalten Rückmeldung darüber, wie sie denken, nicht nur ob das Ergebnis stimmt.
Mehr in Beurteilende Statistik und Hypothesentests
Stichproben und Schätzverfahren
Einführung in Stichproben als Grundlage für statistische Schlussfolgerungen und Schätzung von Populationsparametern.
2 methodologies
Konfidenzintervalle
Berechnung und Interpretation von Konfidenzintervallen für unbekannte Parameter.
2 methodologies
Einseitige und zweiseitige Hypothesentests
Aufstellen von Nullhypothesen und Bestimmung von Ablehnungsbereichen.
2 methodologies
Fehler 1. und 2. Art
Analyse der Risiken bei statistischen Fehlentscheidungen und deren Konsequenzen.
2 methodologies
Testen von Hypothesen mit der Normalverteilung
Anwendung der Normalverteilung als Näherung für Hypothesentests bei großen Stichproben.
2 methodologies
Bereit, Testen von Hypothesen mit der Binomialverteilung zu unterrichten?
Erstellen Sie eine vollständige Mission mit allem, was Sie brauchen
Mission erstellen