In der Statistik können bei der Bewertung von Hypothesen Irrtümer passieren. Die Wahrscheinlichkeit für solch einen Fehler nennt sich Irrtumswahrscheinlichkeit. Dabei wird zwischen einem Fehler 1. Art und einem Fehler 2. Art unterschieden. In diesem Artikel findest Du eine Definition der Irrtumswahrscheinlichkeit sowie eine Erklärung zum Signifikanzniveau, sodass Du die Irrtumswahrscheinlichkeit berechnen kannst.
In der Statistik kannst Du Hypothesen (Behauptungen) aufstellen. Diese Hypothesen kannst Du entweder annehmen oder ablehnen. Je nachdem, wie Du Dich entscheidest, kannst Du dabei richtig oder falsch liegen.
Wie Du eine Hypothese aufstellst, erfährst Du im Hypothesentest.
Irrtumswahrscheinlichkeit Definition
Die Irrtumswahrscheinlichkeit ist definiert als die Wahrscheinlichkeit, mit der die Nullhypothese \(H_0\)fälschlicherweise angenommen oder abgelehnt wird.
Das ist der Fall, wenn eine Hypothese richtig ist, sie aber als falsch angenommen wird und umgekehrt.
\(H_0\) ist richtig
\(H_0\) ist falsch
Annahme: \(H_0\) ist richtig
\(H_0\) wird angenommen \(\rightarrow\) richtige Entscheidung
\(H_0\) wird angenommen \(\rightarrow\) falsche Entscheidung
Annahme: \(H_0\) ist falsch
\(H_0\) wird abgelehnt \(\rightarrow\) falsche Entscheidung
\(H_0\) wird abgelehnt \(\rightarrow\) richtige Entscheidung
Irrtumswahrscheinlichkeit Formel
Für die Berechnung derIrrtumswahrscheinlichkeitgibt eszwei Formeln.
Das Signifikanzniveau \(\alpha\) legt fest, bis zu welchem Wert \(k\) (Entscheidungsregel) die Nullhypothese angenommen bzw. abgelehnt werden soll.
Das Signifikanzniveau wird vorgegeben und weist oft Werte wie \(1\,\%\), \(5\,\%\) oder \(10\,\%\) auf. Je nachdem, wie gravierend die Folgen einer falschen Entscheidung sind, wird ein kleines oder größeres Signifikanzniveau gewählt.
Möchte eine Firma fehlproduzierte Teile aussortieren, sind die Folgen nicht gravierend, falls ein fehlerhaftes Teil an den Kunden geliefert wird. Es kann einfach retourniert werden. Hier kann also ein großes Signifikanzniveau gewählt werden, um nicht unnötig viele intakte Teile wegzuwerfen.
Anders sieht es aber zum Beispiel bei medizinischen Tests aus. Hier ist eine hohe Genauigkeit gefragt. Das Signifikanzniveau wird hier dementsprechend möglichst klein gewählt (beispielsweise \(0{,}01\,\%\)), um falsche Hypothesen auf keinen Fall anzunehmen.
Irrtumswahrscheinlichkeit – Alpha und Beta
Die Irrtumswahrscheinlichkeit wird unterteilt in zwei Fälle:
Fehler 1. Art \((\alpha)\): \(H_0\) wird zu Unrecht abgelehnt
Fehler 2. Art \((\beta)\): \(H_0\) wird zu Unrecht angenommen
Wie diese Fehler zustande kommen, kannst Du weiter oben in der Tabelle nachsehen oder auch in der Erklärung "Fehler Hypothesentest".
Um die Irrtumswahrscheinlichkeit eines zweiseitigen Signifikanztests zu bestimmen, berechnest Du die Wahrscheinlichkeit \(P(\alpha) = 1-P(k_l\leq X\leq k_r)\), wobei \(k_l;k_r\) die linke und rechte Grenze des Annahmebereichs darstellen. \(P(\alpha)\) entspricht der Wahrscheinlichkeit, sich gegen die Nullhypothese zu entscheiden bei einem, Annahmebereich von \(\{k_l; k_l+1; \dots ; k_r-1; k_r\}\).
Wie stellen wir sicher, dass unser Content korrekt und vertrauenswürdig ist?
Bei StudySmarter haben wir eine Lernplattform geschaffen, die Millionen von Studierende unterstützt. Lerne die Menschen kennen, die hart daran arbeiten, Fakten basierten Content zu liefern und sicherzustellen, dass er überprüft wird.
Content-Erstellungsprozess:
Lily Hulatt
Digital Content Specialist
Lily Hulatt ist Digital Content Specialist mit über drei Jahren Erfahrung in Content-Strategie und Curriculum-Design. Sie hat 2022 ihren Doktortitel in Englischer Literatur an der Durham University erhalten, dort auch im Fachbereich Englische Studien unterrichtet und an verschiedenen Veröffentlichungen mitgewirkt. Lily ist Expertin für Englische Literatur, Englische Sprache, Geschichte und Philosophie.
Gabriel Freitas ist AI Engineer mit solider Erfahrung in Softwareentwicklung, maschinellen Lernalgorithmen und generativer KI, einschließlich Anwendungen großer Sprachmodelle (LLMs). Er hat Elektrotechnik an der Universität von São Paulo studiert und macht aktuell seinen MSc in Computertechnik an der Universität von Campinas mit Schwerpunkt auf maschinellem Lernen. Gabriel hat einen starken Hintergrund in Software-Engineering und hat an Projekten zu Computer Vision, Embedded AI und LLM-Anwendungen gearbeitet.
StudySmarter ist ein weltweit anerkanntes Bildungstechnologie-Unternehmen, das eine ganzheitliche Lernplattform für Schüler und Studenten aller Altersstufen und Bildungsniveaus bietet. Unsere Plattform unterstützt das Lernen in einer breiten Palette von Fächern, einschließlich MINT, Sozialwissenschaften und Sprachen, und hilft den Schülern auch, weltweit verschiedene Tests und Prüfungen wie GCSE, A Level, SAT, ACT, Abitur und mehr erfolgreich zu meistern. Wir bieten eine umfangreiche Bibliothek von Lernmaterialien, einschließlich interaktiver Karteikarten, umfassender Lehrbuchlösungen und detaillierter Erklärungen. Die fortschrittliche Technologie und Werkzeuge, die wir zur Verfügung stellen, helfen Schülern, ihre eigenen Lernmaterialien zu erstellen. Die Inhalte von StudySmarter sind nicht nur von Experten geprüft, sondern werden auch regelmäßig aktualisiert, um Genauigkeit und Relevanz zu gewährleisten.