Stochastik: Beurteilende Statistik · 2. Halbjahr

Fehler 1. und 2. Art

Analyse von Fehlentscheidungen bei statistischen Tests und deren Konsequenzen in der Praxis.

Über dieses Thema

Der Fehler 1. Art (α-Fehler) beschreibt die fälschliche Ablehnung einer wahren Nullhypothese, der Fehler 2. Art (β-Fehler) die Nichtablehnung einer falschen Nullhypothese. In Klasse 13 analysieren Schülerinnen und Schüler diese Fehlertypen im Kontext beurteilender Statistik, bewerten deren Konsequenzen in Praxisanwendungen wie der Medizin und erklären Abhängigkeiten: Eine Senkung des Signifikanzniveaus erhöht zwangsläufig den β-Fehler, während ein größerer Stichprobenumfang beide verringern kann. Dies entspricht den KMK-Standards für Stochastik und Kommunikation in der Sekundarstufe II.

Schüler lernen, Situationen zu bewerten, in denen ein Fehlertyp schwerwiegender ist, etwa falsch-positive Befunde bei Screening-Tests oder falsch-negative Ergebnisse bei Notfalltherapien. Sie diskutieren Trade-offs und entwickeln Argumentationsfähigkeiten für Abiturprüfungen.

Aktives Lernen ist hier besonders wirksam, weil abstrakte Wahrscheinlichkeiten durch Simulationen, Rollenspiele und datenbasierte Experimente erfahrbar werden. Schüler erleben Konsequenzen direkt, internalisieren Kompromisse und trainieren fundiertes Entscheidungsvermögen in Gruppen.

Lernziele

• Erklären Sie den Zusammenhang zwischen dem Signifikanzniveau (α) und der Wahrscheinlichkeit eines Fehlers 2. Art (β).
• Bewerten Sie die unterschiedlichen Konsequenzen von Fehler 1. und 2. Art in spezifischen Anwendungsbereichen wie der medizinischen Diagnostik oder der Qualitätskontrolle.
• Analysieren Sie, wie eine Änderung des Stichprobenumfangs die Wahrscheinlichkeiten beider Fehlertypen beeinflusst.
• Vergleichen Sie die Auswirkungen von Fehler 1. und 2. Art bei der Entscheidungsfindung unter Unsicherheit.

Bevor es losgeht

Hypothesentest: Grundkonzepte

Warum: Schüler müssen die grundlegende Idee von Nullhypothese und Alternativhypothese verstehen, um die Fehlerarten einordnen zu können.

Wahrscheinlichkeitsrechnung und Verteilungen

Warum: Ein Verständnis von Wahrscheinlichkeiten und grundlegenden Verteilungen (z.B. Binomial-, Normalverteilung) ist notwendig, um die Wahrscheinlichkeiten der Fehler berechnen und interpretieren zu können.

Schlüsselvokabular

Fehler 1. Art (α-Fehler)	Die fälschliche Ablehnung einer wahren Nullhypothese. Man schließt fälschlicherweise auf einen Effekt, obwohl keiner vorhanden ist.
Fehler 2. Art (β-Fehler)	Die fälschliche Nichtablehnung einer falschen Nullhypothese. Man übersieht einen tatsächlich vorhandenen Effekt.
Signifikanzniveau (α)	Die Wahrscheinlichkeit, mit der eine Nullhypothese abgelehnt wird, obwohl sie wahr ist. Dies ist die maximal tolerierbare Wahrscheinlichkeit für einen Fehler 1. Art.
Macht eines Tests (1-β)	Die Wahrscheinlichkeit, eine falsche Nullhypothese korrekt abzulehnen. Sie ist komplementär zur Wahrscheinlichkeit eines Fehlers 2. Art.

Ideen für aktives Lernen

Planspiel: Würfeltests

Gruppen werfen Würfel, um Hypothesentests zu modellieren: Rote Würfel simulieren H0, blaue H1. Zählen Sie Treffer unter α=0,05 und variieren Sie Stichprobenumfang. Diskutieren Sie beobachtete Fehler. Protokollieren Sie Ergebnisse in Tabellen.

⏱ 45 Min.·Kleingruppen

Mission erstellen

Rollenspiel: Medizinische Tests

Teilen Sie Rollen zu: Arzt, Patient, Statistiker. Simulieren Sie Krebs-Screening mit Karten (rot: krank, weiß: gesund). Führen Sie Tests durch, notieren Sie Fehlentscheidungen und bewerten Sie Konsequenzen in Plenumsdiskussion.

⏱ 50 Min.·Kleingruppen

Mission erstellen

Software-Exploration: Power-Kurven

Nutzen Sie GeoGebra oder R: Variieren Sie α, n und Effektstärke. Plotten Sie Power (1-β) gegen n. Gruppen vergleichen Kurven und ziehen Schlüsse zu Trade-offs. Präsentieren Sie Erkenntnisse.

⏱ 40 Min.·Partnerarbeit

Mission erstellen

Debatte: Fehlertyp-Vergleich

Teilen Sie Klasse in Teams: Pro α-Fehler vs. pro β-Fehler. Bereiten Sie Argumente mit Beispielen vor (z.B. Justiz, Pharma). Moderierte Debatte mit Abstimmung.

⏱ 35 Min.·Ganze Klasse

Mission erstellen

Bezüge zur Lebenswelt

In der medizinischen Forschung kann die Zulassung eines neuen Medikaments von statistischen Tests abhängen. Ein Fehler 1. Art könnte bedeuten, dass ein unwirksames Medikament zugelassen wird, was zu unnötigen Kosten und potenziellen Nebenwirkungen führt. Ein Fehler 2. Art könnte dazu führen, dass ein wirksames Medikament nicht zugelassen wird, was Patienten den Zugang zu einer wichtigen Therapie verwehrt.

Bei der Qualitätskontrolle in der Automobilindustrie wird getestet, ob ein Produktionsprozess fehlerhafte Teile herstellt. Ein Fehler 1. Art würde dazu führen, dass eine gute Charge als schlecht eingestuft und aussortiert wird, was Kosten verursacht. Ein Fehler 2. Art würde bedeuten, dass fehlerhafte Teile in den Verkauf gelangen, was zu Rückrufen und Imageschäden führen kann.

Vorsicht vor diesen Fehlvorstellungen

Häufige Fehlvorstellung

Beide Fehlertypen lassen sich gleichzeitig minimieren, ohne Kompromisse.

Was Sie stattdessen lehren sollten

Es gibt einen Trade-off: Niedrigeres α erhöht β, außer durch größeres n. Simulationen mit Würfeln oder Software machen diesen Konflikt sichtbar, Gruppenexperimente fördern Verständnis durch wiederholte Beobachtung realer Verteilungen.

Häufige Fehlvorstellung

Der α-Fehler ist immer schwerwiegender als der β-Fehler.

Was Sie stattdessen lehren sollten

Bewertung hängt vom Kontext ab, z.B. ist β-Fehler in der Medizin bei Therapien fataler. Rollenspiele helfen Schülern, Perspektiven einzunehmen und durch Diskussion kontextuelle Relevanz zu erkennen.

Häufige Fehlvorstellung

Stichprobenumfang beeinflusst nur den α-Fehler.

Was Sie stattdessen lehren sollten

Größeres n verringert beide Fehler. Interaktive Plots in Software lassen Schüler Effekte direkt variieren und vergleichen, was abstrakte Formeln greifbar macht.

Ideen zur Lernstandserhebung

Diskussionsfrage

Teilen Sie die Klasse in Kleingruppen auf. Geben Sie jeder Gruppe ein Szenario (z.B. Corona-Schnelltest, Gerichtsverfahren, Qualitätskontrolle einer Glühbirnenproduktion). Lassen Sie die Gruppen diskutieren und begründen, welcher Fehlertyp in ihrem Szenario schwerwiegender ist und warum. Fordern Sie sie auf, konkrete Konsequenzen zu benennen.

Lernstandskontrolle

Stellen Sie folgende Frage: 'Ein Unternehmen senkt das Signifikanzniveau für seine Qualitätskontrolle von 5% auf 1%. Erklären Sie mit eigenen Worten, was das für die Wahrscheinlichkeit eines Fehlers 1. Art und eines Fehlers 2. Art bedeutet und welche Auswirkungen das auf die Produktion haben könnte.'

Kurze Überprüfung

Präsentieren Sie eine Grafik, die den Zusammenhang zwischen Stichprobenumfang und den Wahrscheinlichkeiten für Fehler 1. und 2. Art zeigt. Stellen Sie gezielte Fragen wie: 'Was passiert mit β, wenn der Stichprobenumfang steigt?' oder 'Wie kann man versuchen, beide Fehler gleichzeitig zu minimieren?'

Häufig gestellte Fragen

Warum führt eine Senkung des Signifikanzniveaus zum Anstieg des β-Fehlers?

Bei niedrigerem α wird die Ablehnungsregion schmaler, sodass falsche H0 seltener abgelehnt wird: β steigt. Diesen Trade-off erklären Formeln wie Power=1-β, doch Praxisbeispiele verdeutlichen es. Schüler rechnen mit festem n und Effekt, sehen den Kompromiss und lernen, α kontextuell zu wählen, z.B. konservativ in der Justiz.

In welchen medizinischen Situationen ist der β-Fehler schwerwiegender?

Bei Notfalltests wie COVID-Screening oder Krebsdiagnostik: Ein falsch-negatives Ergebnis verhindert Therapie und kann lebensbedrohlich sein. Im Gegensatz dazu führt ein falsch-positiver Test zu Folgeuntersuchungen. Schüler bewerten Risiken durch Fallstudien, priorisieren Power (1-β) und rechtfertigen höheres α für frühe Stadien.

Wie beeinflusst der Stichprobenumfang beide Fehlertypen?

Größeres n verengt Konfidenzintervalle, reduziert Varianz und damit α sowie β bei gegebenem Effekt. Power-Kurven zeigen: n muss quadratisch steigen für spürbare Verbesserungen. Schüler simulieren in Gruppen, plotten Kurven und optimieren n für Szenarien wie Umfragen.

Wie hilft aktives Lernen beim Verständnis von Fehlern 1. und 2. Art?

Durch Simulationen mit Würfeln, Software oder Rollenspielen werden Wahrscheinlichkeiten erfahrbar: Schüler erleben Trade-offs direkt, z.B. mehr Würfe für geringere Fehler. Gruppenanalysen fördern Diskussion von Konsequenzen, Debatten schärfen Bewertungskompetenz. Dies festigt Abiturfähigkeiten effektiver als reine Theorie, da Motivation und Retention steigen.