Bei einem einseitigen Konfidenzintervall für einen Anteil mit großem n lautet das approximative KI \(\hat p \pm Z_{1-\alpha/2}\sqrt{\hat p(1-\hat p)/n}\). Wofür steht \(\hat p\)?
Richtige Antwort: A. Stichprobenanteil
Erklärung: \(\hat p\) ist der Stichprobenanteil (beobachteter Erfolgsanteil).
Übungsquiz zu Konfidenzintervallen & Hypothesentests mit interaktiver Schritt-für-Schritt-Lektion
Nutze das Quiz weiter unten auf der Seite, um Konfidenzintervalle und Hypothesentests mit den wichtigsten Statistikwerkzeugen zu üben: Konfidenzniveau \((1-\alpha)\), kritische Werte (\(z^\*\), \(t^\*\), und \(\chi^2\)-Quantile), und Fehlerspanne \(\text{FS}=z^\*\mathrm{SE}\); Standardfehler und wie die Stichprobengröße die Intervallbreite verändert; z-Konfidenzintervalle und t-Konfidenzintervalle für einen Mittelwert \(\mu\) (einschließlich gepaarter t-Methoden); Konfidenzintervalle für einen Anteil \(\hat p\) und für eine Varianz \(\sigma^2\) mithilfe der Chi-Quadrat-Verteilung; und den vollständigen Hypothesentest-Ablauf: Null- und Alternativhypothesen, Teststatistiken (z, t und \(\chi^2\)), p-Werte, Signifikanzniveau \(\alpha\) und Entscheidungen, die Tests mit Konfidenzintervallen verbinden. Außerdem stärkst du Grundideen wie Fehler 1. Art vs. Fehler 2. Art, Teststärke und wann du Chi-Quadrat-Anpassungstests und Chi-Quadrat-Unabhängigkeitstests nutzt. Wenn du etwas auffrischen möchtest, klicke auf Lektion starten, um eine Schritt-für-Schritt-Anleitung mit durchgerechneten Beispielen und kurzen Kontrollfragen zu öffnen.
Beantworte die Fragensammlung und prüfe deine Fehler am Ende.
So funktioniert diese Übung zu Konfidenzintervallen & Hypothesentests
1. Bearbeite das Übungsset: Beantworte die Fragen zu Konfidenzintervallen und Hypothesentests weiter unten auf der Seite.
2. Öffne die Lektion (optional): Wiederhole Formeln für Konfidenzintervalle, kritische Werte, Fehlerspanne und Hypothesentest-Schritte mit klaren Beispielen.
3. Versuche es erneut: Kehre zum Fragenset zurück und wende die Konfidenzintervall- und Hypothesentest-Regeln direkt an.
Was du in der Lektion zu Konfidenzintervallen & Hypothesentests lernst
Ziel: Baue ein klares Verständnis von Konfidenzintervallen und Hypothesentests auf, damit du die richtige Methode wählen, Ergebnisse korrekt berechnen und Schlussfolgerungen verantwortungsvoll interpretieren kannst. Du übst die GrundÜbungsablauf der Inferenz: Wähle einen Parameter (wie \(\mu\), \(p\) oder \(\sigma^2\)), berechne einen Schätzwert und einen Standardfehler, nutze einen kritischen Wert, um ein Konfidenzintervall zu bilden, und nutze eine Teststatistik und einen p-Wert, um einen Hypothesentest auf dem Signifikanzniveau \(\alpha\) durchzuführen.
Erfolgskriterien
Interpretiere ein \(100(1-\alpha)\%\) Konfidenzintervall als langfristige Trefferquote (nicht als Wahrscheinlichkeit über \(\mu\), nachdem Daten beobachtet wurden).
Nutze die allgemeine KI-Form: Schätzwert \(\pm\) kritischer Wert \(\times\) Standardfehler.
Berechne die Fehlerspanne: \(\text{FS}=(\text{kritischer Wert})\times \mathrm{SE}\).
Wähle z vs. t für einen Mittelwert und bestimme Freiheitsgrade für t-Intervalle/-Tests.
Bilde ein Konfidenzintervall für einen Anteil mit \(\hat p\) und \(\sqrt{\hat p(1-\hat p)/n}\).
Bilde ein Konfidenzintervall für eine Varianz \(\sigma^2\) mithilfe der Chi-Quadrat-Verteilung (Annahme einer normalverteilten Grundgesamtheit).
Führe einen Hypothesentest durch: Schreibe \(H_0\) und \(H_1\), berechne eine Teststatistik (z, t oder \(\chi^2\)), finde einen p-Wert und entscheide auf dem Niveau \(\alpha\).
Nutze die wichtige Verbindung: Bei einem zweiseitigen Test auf Niveau \(\alpha\) verwirfst du \(H_0\!:\theta=\theta_0\), wenn \(\theta_0\) außerhalb des \(100(1-\alpha)\%\)-KI liegt.
Erkläre Fehler 1. Art, Fehler 2. Art und wie eine größere Stichprobe die Teststärke beeinflusst.
Wichtige Begriffe
Parameter: ein unbekannter Populationswert (wie \(\mu\), \(p\) oder \(\sigma^2\)).
Statistik / Schätzwert: eine aus Daten berechnete Zahl (wie \(\bar x\), \(\hat p\), \(s^2\)).
Standardfehler (SE): die Standardabweichung eines Schätzers (oft aus Daten geschätzt).
Kritischer Wert: ein Quantil wie \(z_{1-\alpha/2}\) oder \(t_{1-\alpha/2,\;df}\).
Null- / Alternativhypothesen: \(H_0\)- vs. \(H_1\)-Aussagen über einen Parameter.
p-Wert: Wahrscheinlichkeit (unter \(H_0\)) für ein Ergebnis, das mindestens so extrem ist wie das beobachtete.
Fehler 1. Art: ein wahres \(H_0\) verwerfen (Wahrscheinlichkeit \(\alpha\)).
Fehler 2. Art: ein falsches \(H_0\) nicht verwerfen (Wahrscheinlichkeit \(\beta\)); Teststärke ist \(1-\beta\).
Schnelle Vorabprüfung
Vorabprüfung 1: Welche Aussage beschreibt die Bedeutung eines 95%-Konfidenzintervalls für einen Populationsmittelwert \(\mu\) am besten?
Hinweis: Die Zufälligkeit liegt im Intervall (weil es aus Zufallsstichproben stammt), nicht in \(\mu\).
Vorabprüfung 2: Was beschreibt einen Fehler 1. Art?
Hinweis: Ein Fehler 1. Art ist ein "falsch positives" Ergebnis: Du verwirfst eine wahre Nullhypothese.
Grundlagen von Konfidenzintervallen
Konfidenzintervalle, kritische Werte, Standardfehler und Fehlerspanne
Lernziel: Baue jedes gängige Konfidenzintervall mit derselben Struktur auf und interpretiere es korrekt.
Kernidee
Die meisten Konfidenzintervalle folgen demselben Bauplan: \[\text{KI} = \text{Schätzwert} \pm (\text{kritischer Wert})\times(\text{Standardfehler}).\] Die Fehlerspanne ist: \[\text{FS}=(\text{kritischer Wert})\times \mathrm{SE}.\] Ein höheres Konfidenzniveau (z. B. 99% statt 95%) nutzt einen größeren kritischen Wert, wodurch das Intervall breiter wird. Eine größere Stichprobengröße macht \(\mathrm{SE}\) normalerweise kleiner (oft proportional zu \(1/\sqrt{n}\)), wodurch das Intervall schmaler wird.
Kritische Werte, die du oft siehst
z-kritischer Wert: \(z_{1-\alpha/2}\) für zweiseitige Konfidenzintervalle, wenn die Stichprobenverteilung (annähernd) normal ist.
t-kritischer Wert: \(t_{1-\alpha/2,\;df}\) für Mittelwerte, wenn \(\sigma\) unbekannt ist (in der Praxis häufig).
Einseitige Schranken: Für eine untere Schranke mit Konfidenz \(1-\alpha\) ist der kritische Wert \(z_{1-\alpha}\) (oder \(t_{1-\alpha,\;df}\)).
Ausgearbeitetes Beispiel
Beispiel: Eine Stichprobe hat \(\bar x=72\), bekanntes \(\sigma=12\) und \(n=36\). Finde das 95%-Konfidenzintervall für \(\mu\).
Für 95% nutze \(z_{0.975}\approx 1.96\). Der Standardfehler ist \(\sigma/\sqrt{n}=12/\sqrt{36}=12/6=2\). Also ist die Fehlerspanne: \[\text{FS}=1.96(2)=3.92.\] Das Konfidenzintervall ist: \[72\pm 3.92 \Rightarrow (68.08,\;75.92).\]
Übe selbst
Aufgabe 1: Schätze die Fehlerspanne, wenn \(z^\*=1.96\) und \(\mathrm{SE}=0.5\).
Standardfehler: größeres \(n\Rightarrow\) kleinerer \(\mathrm{SE}\Rightarrow\) schmaleres Intervall. Für viele Schätzer gilt \(\mathrm{SE}\propto 1/\sqrt{n}\).
Eine gängige Planungsformel entsteht aus \(\text{FS}=z^\*\sigma/\sqrt{n}\) (Mittelwert mit bekanntem \(\sigma\)): \[n=\left(\frac{z^\*\sigma}{\text{FS}}\right)^2.\] Diese Quadratsregel erklärt, warum eine kleinere Fehlerspanne viel größere Stichproben erfordern kann.
Ausgearbeitetes Beispiel: Stichprobengröße für eine Ziel-Fehlerspanne
Beispiel: Du möchtest ein 95%-KI für \(\mu\) mit bekanntem \(\sigma=10\) und Fehlerspanne höchstens \(2\). Welche Stichprobengröße \(n\) wird benötigt?
Aufgabe 1: Welche Auswirkung hat es auf die Breite des Konfidenzintervalls, wenn das Konfidenzniveau von 95% auf 99% steigt (alles andere gleich)?
Hinweis: Höhere Konfidenz nutzt einen größeren kritischen Wert (z. B. 2.576 statt 1.96 für z).
Aufgabe 2: Um die Breite eines Konfidenzintervalls zu verdoppeln (bei festem Konfidenzniveau und festem \(\sigma\)), um welchen Faktor muss sich \(n\) ändern?
Hinweis: Die Breite ist proportional zu \(1/\sqrt{n}\). Um die Breite zu verdoppeln, muss \(\sqrt{n}\) halbiert werden.
Zusammenfassung
Höhere Konfidenz \(\Rightarrow\) breiteres KI (größerer kritischer Wert).
Größere Stichprobengröße \(\Rightarrow\) schmaleres KI (kleinerer Standardfehler, oft \(1/\sqrt{n}\)).
Bei vielen Aufgaben folgt die Planung von \(n\) aus \(n=\left(\frac{\text{kritischer Wert}\times \sigma}{\text{FS}}\right)^2\).
Mittelwert-CIs & gepaarter t
Konfidenzintervalle für einen Mittelwert: z vs. t und Ideen zum gepaarten t
Lernziel: Wähle die richtige Verteilung und berechne Konfidenzintervalle für \(\mu\), auch bei gepaarten Designs.
Kernidee
Für einen Populationsmittelwert \(\mu\) hängt das Konfidenzintervall davon ab, ob \(\sigma\) bekannt ist:
Bekanntes \(\sigma\) (z-Intervall): \[\bar x \pm z_{1-\alpha/2}\frac{\sigma}{\sqrt{n}}.\]
Unbekanntes \(\sigma\) (t-Intervall): \[\bar x \pm t_{1-\alpha/2,\;n-1}\frac{s}{\sqrt{n}}.\] Hier gilt \(df=n-1\). Wenn \(df\) wächst, nähert sich die t-Verteilung der Standardnormalverteilung.
Gepaarte t-Intervalle behandeln jedes Paar als eine Beobachtung, indem Differenzen \(d_i\) genutzt werden (zum Beispiel "nachher − vorher"). Berechne \(\bar d\) und \(s_d\), dann nutze: \[\bar d \pm t_{1-\alpha/2,\;n-1}\frac{s_d}{\sqrt{n}},\] wobei \(n\) die Anzahl der Paare ist.
Ausgearbeitetes Beispiel (t-Intervall)
Beispiel: Eine Stichprobe hat \(\bar x=15\), \(s=4\) und \(n=16\). Schreibe das 95%-t-Intervall für \(\mu\).
Freiheitsgrade: \(df=16-1=15\). Das Intervall ist: \[15 \pm t_{0.975,\;15}\frac{4}{\sqrt{16}} = 15 \pm t_{0.975,\;15}(1).\] Numerisch gilt \(t_{0.975,\;15}\approx 2.13\), also ist das KI ungefähr \(15\pm 2.13\).
Übe selbst
Aufgabe 1: Welche Formel liefert die Teststatistik \(z\) zum Testen eines Mittelwerts, wenn \(\sigma\) bekannt ist?
Hinweis: Bekanntes \(\sigma\) nutzt \(\sigma/\sqrt{n}\) im Nenner.
Aufgabe 2: Bei einem gepaarten t-Test mit \(n\) Paaren sind die Freiheitsgrade gleich:
Hinweis: Gepaarter t nutzt die Differenzen \(d_i\) als eine Stichprobe der Größe \(n\).
Zusammenfassung
Bekanntes \(\sigma\): z-Intervall und z-Test nutzen \(\sigma/\sqrt{n}\).
Unbekanntes \(\sigma\): t-Intervall und t-Test nutzen \(s/\sqrt{n}\) mit \(df=n-1\).
Gepaarter t konzentriert sich auf Differenzen \(d_i\) und nutzt \(df=n-1\).
Anteil- & Varianz-CIs
Konfidenzintervalle für einen Anteil \(\,p\) und eine Varianz \(\,\sigma^2\)
Lernziel: Bilde Konfidenzintervalle für Anteile und Varianzen und wisse, welche Verteilung die kritischen Werte liefert.
Konfidenzintervall für einen Anteil (große Stichprobe)
Für einen Ein-Stichproben-Anteil sei \(\hat p=\dfrac{x}{n}\), wobei \(x\) die Anzahl der Erfolge ist. Wenn die Bedingungen für eine Normalapproximation erfüllt sind (eine gängige Faustregel ist \(n\hat p\ge 10\) und \(n(1-\hat p)\ge 10\)), ist ein approximatives \(100(1-\alpha)\%\)-KI: \[\hat p \pm z_{1-\alpha/2}\sqrt{\frac{\hat p(1-\hat p)}{n}}.\]
Konfidenzintervall für eine Varianz (Chi-Quadrat)
Wenn die Grundgesamtheit normalverteilt ist, dann gilt \[\frac{(n-1)s^2}{\sigma^2}\sim \chi^2_{n-1}.\] Ein \(100(1-\alpha)\%\)-KI für \(\sigma^2\) ist: \[\left(\frac{(n-1)s^2}{\chi^2_{1-\alpha/2,\;n-1}},\;\frac{(n-1)s^2}{\chi^2_{\alpha/2,\;n-1}}\right).\]
Ausgearbeitetes Beispiel (Ansatz für ein Anteils-KI)
Beispiel: In einer Stichprobe von \(n=120\) Personen bevorzugen \(x=84\) Marke A. Finde \(\hat p\) und schreibe den Ansatz für das 95%-KI für \(p\).
\[\hat p=\frac{84}{120}=0.70.\] Der Ansatz für das 95%-KI ist: \[0.70 \pm 1.96\sqrt{\frac{0.70(0.30)}{120}}.\]
Übe selbst
Aufgabe 1: Für ein Ein-Stichproben-Konfidenzintervall für einen Anteil mit großem \(n\) ist das approximative KI \(\hat p \pm z_{1-\alpha/2}\sqrt{\hat p(1-\hat p)/n}\). Wofür steht \(\hat p\)?
Hinweis: \(\hat p\) wird direkt aus deiner Stichprobe als Punktschätzer für \(p\) berechnet.
Aufgabe 2: Ein 95%-Konfidenzintervall für eine Varianz \(\sigma^2\) nutzt Quantile welcher Verteilung?
Hinweis: \(\frac{(n-1)s^2}{\sigma^2}\) folgt einer \(\chi^2\)-Verteilung, wenn die Grundgesamtheit normal ist.
Zusammenfassung
Anteils-KI nutzt \(\hat p=x/n\) und einen z-kritischen Wert (Bedingungen für große Stichproben).
Varianz-KI nutzt Chi-Quadrat-Quantile und nimmt eine normalverteilte Grundgesamtheit an.
Grundlagen von Hypothesentests
Hypothesentests: \(H_0\), \(H_1\), Teststatistik, p-Wert und die KI-Verbindung
Lernziel: Führe einen korrekten Hypothesentest durch und verbinde ihn mit Konfidenzintervallen.
Der Standardablauf für Tests
1. Hypothesen formulieren: \(H_0:\theta=\theta_0\) vs. \(H_1:\theta≠\theta_0\) (zweiseitig) oder \(H_1:\theta>\theta_0\), \(H_1:\theta<\theta_0\) (einseitig).
3. Teststatistik berechnen: z, t oder \(\chi^2\), je nach Situation.
4. p-Wert berechnen und entscheiden: Verwirf \(H_0\), wenn p-Wert \(\le \alpha\); sonst nicht verwerfen.
Verbindung zu Konfidenzintervallen
Für einen zweiseitigen Test auf Niveau \(\alpha\) gibt es eine enge Verbindung: Verwirf \(H_0:\theta=\theta_0\) genau dann, wenn \(\theta_0\) außerhalb des \(100(1-\alpha)\%\)-Konfidenzintervalls für \(\theta\) liegt.
Einseitige kritische Werte
Eine untere 95%-Konfidenzschranke entspricht einseitig \(\alpha=0.05\) und nutzt den kritischen Wert \(z_{0.95}\approx 1.645\) (oder \(t_{0.95,df}\)). Eine gängige Form der unteren Schranke für einen Mittelwert mit bekanntem \(\sigma\) ist: \[L=\bar x - z_{0.95}\frac{\sigma}{\sqrt{n}}.\]
Ausgearbeitetes Beispiel (z-Test-Ansatz)
Beispiel: Teste \(H_0:\mu=50\) vs. \(H_1:\mu≠ 50\) mit \(\bar x=52\), bekanntem \(\sigma=10\), \(n=25\).
Teststatistik: \[z=\frac{\bar x-\mu_0}{\sigma/\sqrt{n}}=\frac{52-50}{10/5}=\frac{2}{2}=1.\] Ein zweiseitiger p-Wert ist \(2(1-\Phi(1))\approx 0.317\), also verwerfen wir \(H_0\) bei \(\alpha=0.05\) nicht.
Übe selbst
Aufgabe 1: Wenn ein 95%-Konfidenzintervall für \(\mu\) den Wert \(\mu_0\) ausschließt, was ist die Testentscheidung bei \(\alpha=0.05\) (zweiseitig)?
Hinweis: Ein zweiseitiger Test auf Niveau \(\alpha\) passt zu einem \(100(1-\alpha)\%\)-Konfidenzintervall.
Aufgabe 2: Was ist der einseitige kritische \(z\)-Wert für eine untere 95%-Konfidenzschranke?
Hinweis: Für eine einseitige 95%-Schranke nutze \(z_{1-\alpha}=z_{0.95}\).
Zusammenfassung
Verwirf \(H_0\), wenn p-Wert \(\le \alpha\); sonst nicht verwerfen.
Zweiseitiger Test auf Niveau \(\alpha\) passt zu einem \(100(1-\alpha)\%\)-KI: \(\theta_0\) außerhalb des KI \(\Rightarrow\) \(H_0\) verwerfen.
Der einseitige kritische z-Wert bei 95% ist \(z_{0.95}\approx 1.645\).
Gängige Tests
Welchen Test solltest du nutzen? (z, t und Chi-Quadrat)
Lernziel: Ordne ein echtes Problem dem richtigen Test zu und kenne die zentralen Formeln für Teststatistiken.
Schneller "welcher Test?"-Leitfaden
Mittelwert vs. bekannter Wert, \(\sigma\) bekannt:Ein-Stichproben-z-Test.
Mittelwert vs. bekannter Wert, \(\sigma\) unbekannt:Ein-Stichproben-t-Test mit \(df=n-1\).
Gepaarte Messungen:gepaarter t-Test auf Differenzen \(d_i\).
Anteil vs. bekannter Wert:Ein-Stichproben-z-Test für einen Anteil (Bedingungen für große Stichproben).
Varianz vs. bekannter Wert:Chi-Quadrat-Test für eine Varianz (Annahme einer normalverteilten Grundgesamtheit).
Kategoriale Häufigkeiten:Chi-Quadrat-Anpassungstest oder Chi-Quadrat-Unabhängigkeitstest.
Teststatistik für einen Ein-Stichproben-Varianztest
Um \(H_0:\sigma^2=\sigma_0^2\) mit einer normalverteilten Grundgesamtheit zu testen: \[\chi^2=\frac{(n-1)s^2}{\sigma_0^2}\sim \chi^2_{n-1}\quad \text{unter } H_0.\]
Ausgearbeitetes Beispiel (nur Teststatistik)
Beispiel: Eine Stichprobe hat \(n=21\) und \(s^2=16\). Wie lautet unter \(H_0:\sigma^2=9\) die Chi-Quadrat-Teststatistik?
Aufgabe 1: Welcher Test vergleicht den Mittelwert einer Gruppe mit einem bekannten Wert, wenn \(\sigma\) bekannt ist?
Hinweis: Bekanntes \(\sigma\) \(\Rightarrow\) nutze z-Methoden für einen Mittelwert.
Aufgabe 2: Die Teststatistik für einen Ein-Stichproben-Varianztest von \(H_0:\sigma^2=\sigma_0^2\) ist:
Hinweis: Inferenz für eine Varianz nutzt \(\chi^2\) mit \(df=n-1\) unter einem Normalitätsmodell der Grundgesamtheit.
Zusammenfassung
Bekanntes \(\sigma\): Ein-Stichproben-z-Test für \(\mu\).
Unbekanntes \(\sigma\): Ein-Stichproben-t-Test für \(\mu\) (und gepaarter t für Differenzen).
Varianztests und Varianz-CIs nutzen bei Normalität die Chi-Quadrat-Verteilung.
Kategoriale Häufigkeiten nutzen oft Chi-Quadrat-Tests (Anpassungstest oder Unabhängigkeitstest).
Teststärke & Gesamtbild
Fehler 1. und 2. Art, Teststärke und warum Stichprobengröße wichtig ist
Lernziel: Verstehe Fehler-Abwägungen und wie Stichprobengröße sowohl Konfidenzintervalle als auch Hypothesentests beeinflusst, und schließe dann mit einem letzten Kontrolle ab.
Fehler und Teststärke auf einen Blick
Fehler 1. Art (falsch positiv): ein wahres \(H_0\) verwerfen. Wahrscheinlichkeit \(=\alpha\).
Fehler 2. Art (falsch negativ): ein falsches \(H_0\) nicht verwerfen. Wahrscheinlichkeit \(=\beta\).
Teststärke: \(1-\beta\). Das ist die Chance, dass du einen echten Effekt korrekt erkennst.
Wie Stichprobengröße Inferenz beeinflusst
Konfidenzintervalle: größeres \(n\Rightarrow\) kleinerer \(\mathrm{SE}\Rightarrow\) schmaleres KI (mehr Präzision).
Hypothesentests: größeres \(n\Rightarrow\) kleinerer \(\mathrm{SE}\Rightarrow\) größere Teststatistik im Betrag (bei festem Effekt) und dadurch höhere Teststärke.
Zusatzhinweis: Chi-Quadrat-Tests und Überlebenskurven
Bei kategorialen Daten siehst du häufig Chi-Quadrat-Anpassungstests und Chi-Quadrat-Unabhängigkeitstests. In der Überlebensanalyse ist ein gängiger Test zum Vergleich von Überlebenskurven zwischen zwei Gruppen der Log-Rank-Test, der typischerweise mit einer Chi-Quadrat-Referenzverteilung angegeben wird.
Übe selbst
Aufgabe 1: Was erhöht eine größere Stichprobengröße in einem Hypothesentest vor allem?
Hinweis: Größeres \(n\) verringert den Standardfehler und macht echte Unterschiede leichter erkennbar.
Aufgabe 2: Welcher Test prüft die Anpassung an eine kategoriale Verteilung?
Hinweis: Ein Anpassungstest vergleicht beobachtete Häufigkeiten mit erwarteten Häufigkeiten aus einer vorgegebenen kategorialen Verteilung.
Abschluss-Wiederholung
KI-Bauplan: Schätzwert \(\pm\) (kritischer Wert)\(\times\)(Standardfehler), mit \(\text{FS}=(\text{kritischer Wert})\times \mathrm{SE}\).
Mittelwert-KIs: z-Intervall nutzt \(\sigma\); t-Intervall nutzt \(s\) mit \(df=n-1\).
Anteils-KI: \(\hat p \pm z_{1-\alpha/2}\sqrt{\hat p(1-\hat p)/n}\) unter Bedingungen für große Stichproben.
Varianz-KI: Chi-Quadrat-Quantile, \(\left(\frac{(n-1)s^2}{\chi^2_{1-\alpha/2}},\frac{(n-1)s^2}{\chi^2_{\alpha/2}}\right)\) bei Normalität.
Testen: Lege \(H_0\) und \(H_1\) fest, wähle \(\alpha\), berechne Teststatistik und p-Wert und entscheide dann.
Teststärke: Größeres \(n\) erhöht tendenziell die Teststärke, indem es den Standardfehler verringert.
Als Nächstes: Schließe diese Lektion und versuche dein Quiz erneut. Wenn du eine Frage verfehlst, öffne die Lektion erneut und wiederhole die Seite, die zu der Fähigkeit rund um Konfidenzintervalle oder Hypothesentests passt, die du brauchst.
