Julia Antoniuk Jessica Gottschalk Susana de Miguel

Slides:



Advertisements
Ähnliche Präsentationen
Definition [1]: Sei S eine endliche Menge und sei p eine Abbildung von S in die positiven reellen Zahlen Für einen Teilmenge ES von S sei p definiert.
Advertisements

Rekursion: Rekurrenz: Algorithmen rufen sich selbst (rekursiv) auf.
Falls Algorithmen sich selbst rekursiv aufrufen, so kann ihr Laufzeitverhalten bzw. ihr Speicherplatzbedarf in der Regel durch eine Rekursionsformel (recurrence,
Leitidee Zufall Montag, den 14. Januar Uhr
Suche in Texten (Stringsuche )
Stochastik in der Sek. II Sabrina Schultze.
Zufallsgrößen und Beschreibung – Wiederholung Sek. I
Wissensmanagement mit semantischen Netzen – Analyse und Vergleich verschiedener Softwarelösungen Autor: Holger Wilhelm Referentin: Prof. Dr. Uta Störl.
Klicke Dich mit der linken Maustaste durch das Übungsprogramm!
Überprüfen von Verteilungen
Einfaktorielle Varianzanalyse
Forschungsstatistik II Prof. Dr. G. Meinhardt SS 2005 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz KLW-24.
Forschungsstatistik II Prof. Dr. G. Meinhardt SS 2005 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz KLW-23.
Mehrstufige Zufallsexperimente
Hypothesen testen: Grundidee
Die neuen Einheitlichen PrüfungsAnforderungen
Leistungsanforderungen Abitur für das Fach Sport
Statistische Methoden I
Statistische Methoden II
Die Vorlesung Statistische Methoden II findet am (nächste Woche) nicht nicht statt. Diese Vorlesung wird zu einem späteren Termin, der noch bekannt.
Nachholung der Vorlesung vom Freitag
Konfidenzintervalle Intervallschätzung
Chi-Quadrat-Test auf Unabhängigkeit I
TESTS. Worum es geht Man möchte testen, ob eine bestimmte Annahme (Hypothese) über Parameter der Realität entspricht oder nicht. Beobachtung (Stichprobe)
Die Student- oder t-Verteilung
Erwartungswert und Varianz I Der endliche Fall Erwartungswert Varianz.
Konfidenzintervalle Intervallschätzung Jeder Beobachtung wird ein Intervall C( ) der reellen Zahlen zugeordnet Niveau Dabei ist die Wahrscheinlichkeit,
Kolmogorov-Smirnov-Test. A. N. Kolmogorov Geboren in Tambov, Russland. Begründer der modernen Wahrscheinlichkeitstheorie.
Statistische Methoden I WS 2007/2008 Probeklausur Donnerstag, 31. Januar 2008 und Freitag, 1. Februar statt Vorlesungen -
Hier noch ein Beispiel zur bedingten Wahrscheinlichkeit Drei Personen A, B und C befinden sich im Gefängnis. Einer von den dreien ist zum Tode verurteilt,
Klausurtermin (laut Prüfungsamt) Probeklausur Freitag, 13. Juni 2003 statt Vorlesung.
Achtung Vorlesung am Montag, den 21. Juni Zeit: Uhr Ort: Kiste.
Achtung Vorlesung am nächsten Montag (21. Juni) Zeit: Uhr Ort: Kiste.
Erwartungswert und Varianz I Der endliche Fall Erwartungswert Varianz.
Grundbegriffe der (deskriptiven) Statistikder Wahrscheinlichkeitstheorie.
Statistische Methoden I WS 2004/2005 Probeklausur Freitag, 21. Januar statt Vorlesung - In 2 Wochen In 2 Wochen!
Probeklausur Die Probeklausur findet am anstelle der Vorlesung statt. 13. Juni 2003 Nächste Woche!!
Addierwerke.
Quadratische Gleichung
und relative Häufigkeit Bettina delert, andreas mertke
Vorlesung: Biometrie für Studierende der Veterinärmedizin
Kakuro Regeln und Strategien
Einführung in die Metaanalyse
Rund ums Abitur: Themen
Formulierung und Überprüfung von Hypothesen
Einführung in die beurteilende Statistik
Wahrscheinlichkeitsrechnung
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Wahrscheinlichkeitsrechnung
1 (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz Wahrscheinlichkeitsverteilung Lernziele: Wahrscheinlichkeitsverteilung und der Wahrscheinlichkeitsdichte.
1. 2. Berechnen von Wahrscheinlichkeiten
Kopfübungen BORG Schoren KÜ 3
Vom graphischen Differenzieren
Stochastik Grundlagen
10 Aufgaben zum Rechnen mit Einheiten für die Klasse 8e
Operatoren-Zuordnung
Stochastik ganz kurz Beispiel diskret Würfelwurf Beispiel stetig
Die Binomialverteilung
Warum wird den Schweizern der „Schieber“ nie langweilig? Warum spielen jede Woche so viele Leute Lotto? Warum verwenden Bankräuber normalerweise Schweissbrenner.
Stochastik I Erwartungswert
Hypothesentests.
Gesamtqualifikation und Abiturzulassung
Mathematik LK oder GK?.
>>> Fachkonferenz Umgang mit Ergebnissen VERA 2016
1. 2 Das Grundproblem der Beurteilenden Statistik ● Wir haben uns bisher mit Problemen der Wahrscheinlichkeitsrechnung beschäftigt: – Die Wahrscheinlichkeit.
 Präsentation transkript:

Julia Antoniuk Jessica Gottschalk Susana de Miguel Testen von Hypothesen Julia Antoniuk Jessica Gottschalk Susana de Miguel

b) Worin sehen Sie die größten Schwierigkeiten dieser Aufgabe? Die beiliegende Aufgabe wurde in Mecklenburg-Vorpommern als Beispielaufgabe für das Abitur 2008 für einen Leistungskurs veröffentlicht. 1. Lösen Sie die Aufgabenteile 3.3 und 3.4 unter Verwendung des Ergebnisses der Teilaufgabe 3.2 vollständig. Diskutieren Sie die Formulierung von Aufgabenteil 3.4 kritisch. 2. a) Entwerfen Sie einen Erwartungshorizont zur Bewertung der Schülerleistungen für diese beiden Teilaufgaben. Verteilen Sie insgesamt 20 Punkte und ordnen Sie die erwarteten Leistungen den Anforderungsbereichen I bis III zu. b) Worin sehen Sie die größten Schwierigkeiten dieser Aufgabe? c) Mit welchen Schülerfehlern rechnen Sie?

Lösung 3.1: Mögliche Fehler: Sch. erkennen nicht, dass die ersten vier Ziffern keine Rolle spielen und versuchen mit allen Ziffern zu rechnen. Sch. erkennen nicht, dass die Zahlen, bei denen die ersten vier Ziffern 6 sind, größer als 6 661 666 sind. Sch. erkennen nicht, dass nur die ersten vier Ziffern eine Rolle spielen.

Lösung 3.2: Das kann als Bernoulli-Kette interpretiert werden. Mögliche Fehler: Sch. erkennen nicht, dass die Anzahl der Sechsen , aber nicht Sch. interpretieren das Spiel nicht als Bernouli-Kette.

Lösung 3.3:

Fehler 1. Art = Ablehnen, obwohl die Hypothese richtig ist. Nach Tabelle gilt dies für k = 31 Mögliche Fehler: Sch. erkennen nicht, dass es sich hier um Fehler 1.Art handelt. Sch. verwechseln die Wahrscheinlichkeiten 0,1 und 0,126.

Aufgabenstellung 3.4: Formulierung ist schwer verständlich Besser: Angenommen der Automat gibt Gewinnlose mit einer Wahrscheinlichkeit p=0,15 aus. Nutzen Sie die Entscheidungsregel aus 3.3, um die Wahrscheinlichkeit zu berechnen, dass dieser Fehler nicht erkannt wird. Oder : Berechnen Sie den Fehler 2. Art, falls die tatsächliche Gewinnwahrscheinlichkeit p=0,15 ist (unter der Entscheidungsregel aus 3.3).

Lösung 3.4: Bernoulli-Kette Anzahl überprüfte Lose n=200 Neue Gewinnwahrscheinlichkeit p=0.15 X= Anzahl Gewinnlose Berechnung des Erwartungswerts E(X)=n·p=200·0,15=30 Wahrscheinlichkeit, dass fehlerhafte Gewinnwahrscheinlichkeit nicht erkannt wird (Fehler 2. Art) mit Entscheidungsregel aus 3.3 („0 bis 31 Treffer“ bilden Annahmebereich) : aufsummierte Wahrscheinlichkeit (s.Tabelle) 62.47% Aufsummierte Wahrscheinlichkeiten für p=0.15 und n=200 28 29 30 31 32 33 34 0.3914 0.4697 0.5485 0.6247 0.6958 0.7596 0.8150

Beurteilung des Tests Anzahlen im Bereich des Erwartungswerts (z.B. 29, 30, 31) sind wahrscheinlich. Entscheidungsregel aus 3.3 („0 bis 31 Treffer“ bilden Annahmebereich) Werte liegen alle im Annahmebereich Bei Ausgabe von fehlerhaften Gewinnlosen, deren Wahrscheinlichkeit sich nur geringfügig von der angestrebten Wahrscheinlichkeit unterscheidet, ist die gewählte Entscheidungsregel nicht geeignet. Verbesserung des Testergebnis durch Erhöhung der Anzahl der geprüften Lose

Mögliche Fehler: Sch. verwechseln Fehler 1. Art und Fehler 2. Art. Sch. verwenden die Irrtumswahrscheinlichkeit von 10% aus dem Aufgabeteil 3.3.

Lösung 3.5: Wahrscheinlichkeit für das Ergebnis „Sonderlos“: Modell: Bernoulli-Kette. Mögliche Fehler: Sch. erkennen nicht, dass nur die ersten vier Ziffern eine Rolle spielen.

Lösung 3.6: Wahrscheinlichkeit für das Ergebnis „Gewinnlos und zugleich Sonderlos“: Mögliche Fehler: Sch. denken, dass es sich hier um bedingte Wahrscheinlichkeiten handelt und lösen die Aufgabe dementsprechend. Sch. vergessen eine der beiden Möglichkeiten (dass die „6“ zwei oder drei mal auf den letzten 3 Stellen auftreten darf)

Erwartungshorizont zur Bewertung Aufgabe BE Anforderung 3.1 1 P („Zahl endet mit 111“) berechnen 1 P („Zahl ist größer als 6661666“) berechnen 3.2 1 Modell festlegen 1 Modellparameter bestimmen 1 P („Gewinnlos“) berechnen 3.3 1 Modell festlegen 1 Annahmebereich bestimmen 1 Erwartungswert berechnen 1 kritischen Wert mit Tabelle bestimmen 1 Formulierung der Entscheidungsregel Summe 10

Erwartungshorizont zur Bewertung Aufgabe BE Anforderung 3.4 1 Modell festlegen 1 Erwartungswert berechnen 1 Fehler 2. Art mit Tabelle bestimmen 1 Beurteilung des Test 1 Verbesserungsvorschlag für den Test 3.5 1 Modell festlegen 1 P („Sonderlos“) berechnen 3.6 1 Zwischenwerte berechnen P(„2-mal 6“); P(„3-mal 6“) 1 Berechnung unter Verwendung der Summenregel 1 Berechnung unter Verwendung des Multiplikationssatz Summe 10 Summe insgesamt: 20 BE

Zuordnung der Anforderungsbereiche I-III 3.1 I Reproduktion: Anwendung von Wahrscheinlichkeiten im Baumdiagramm 3.2 II Zusammenhang herstellen: Spiel mit Gewinnlos als Bernoullikette erkennen 3.3 II Zusammenhang herstellen: Versuch kann als Bernoullikette gesehen werden 3.4 II+III Zusammenhang herstellen: Fehler 2. Art mit neuem Modellparameter Reflektion/ Interpretation des gewählten Test 3.5 I Reproduktion: Anwendung Bernoullikette 3.6 II Zusammenhang herstellen: 2-stufiges Zufallsexperiment; Pfadwahrscheinlichkeiten mit Bernoullikette berechnen

Worin sehen Sie die größten Schwierigkeiten dieser Aufgabe? Bei Aufgabe 3.1 kann es sein, dass die Schüler alle Ziffern betrachten wollen. Die gegebene Tabelle kann für Schüler schwierig zu verstehen sein. (Tabelle unklar, man muss erraten, dass hier die Binomialverteilung gemeint ist.) Die Hypothese und den Ablehnungsbereich richtig festlegen. Aufgabe 3.4 ist sehr schwer verständlich (siehe oben).