Sie sind auf Seite 1von 27

(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

P-Test
Motivation: Einsatz des Tests auf p im Krankenhausmanagement
Theorie zum Test auf p
Test A: Beispiel zur Erfolgsmessung von Therapien
Test B: Beispiel zur Überwachung des Patientenanteils mit zu hohem Blutdruck
Test C: Beispiel zur Überprüfung der Euromünze
Übungen zum p-Test
Motivation: Durchführung des Tests auf p beim Einsatz im Krankenhausmanagement
Animation zum Test auf p

Motivation: Einsatz des Tests auf p im Krankenhausmanagement

In einer Klinik fallen täglich große Mengen an verschmutztem Geschirr an. Der für
diesen Bereich zuständige Qualitätsbeauftragte der Klinik möchte wissen, ob das in der
Klinik installierte Reinigungssystem optimal arbeitet. Nach Befragung von Fachleuten
stellt er fest, dass ein solches System unter optimalen Bedingungen mit einer
Ausschussquote von 3% bei der Geschirreinigung arbeitet. Er möchte nun das in seiner
Klinik vorhandene System untersuchen und eventuell vorhandene Mängel aufdecken.
Hierzu lässt er bei einer Stichprobe von 1000 gereinigten Gegenständen eine
Sichtprüfung vornehmen. Es stellt sich heraus, das bei 35 gereinigten Gegenständen
Beanstandungen auftraten. Für den Qualitätsbeauftragten stellt sich nun die Frage, ob
dieses Ergebnis Anlass zu Verbesserungsmaßnahmen gibt, oder ob die gefundenen
Beanstandungen zufallsbedingt sind.

Theorie zum Test auf p

Wie das Schätzen eines Anteilswertes p ) so gibt es auch für einen Test auf p eine Fülle
von Anwendungen. Ein Beispiel haben wir oben im Fall des Krankenhausmanagements
mit dem Test auf eine Ausschussquote von (höchstens) p=0.03 kennen gelernt.
Weitere Beispiele sind:
-Test auf den Anteil p abgegebener Stimmen für eine bestimmte Partei
-Test auf den Anteil p von Patienten mit einer erfolgreichen Therapie
-Test auf den Anteil p von Mädchengeburten in einem bestimmten Land
-Test auf den Anteil p von Rauchern unter den Studierenden.
Siehe dazu auch die Beispiele 5,6 und 7 aus dem Abschnitt .

Page 1
(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

Annahmen
Dem Test auf einen Anteilswert p liegt das folgende so genannte Bernoulli-Experiment
mit zwei möglichen Ereignissen zu Grunde, dem Ereignis und dem
Komplementärereignis ; die unbekannten Eintrittswahrscheinlichkeiten seien mit
bzw. bezeichnet. Um das statistische Testproblem zu

formalisieren, führen wir folgende Bezeichnungen ein: Es seien

Bernoulli-Variablen mit d.h.

und

Hypothesen
Die im obigen und in den noch folgenden Beispielen betrachteten Testprobleme können
allgemein mit einem in der konkreten Anwendung noch zu spezifizierenden Anteilswert
wie folgt formuliert werden:

Test Hypothesen
gegen .
Test A

gegen .
Test B

gegen .
Test C

Exakte Tests
Prüfgröße
Als Prüfgröße (Teststatistik) für die obigen Hypothesenprobleme wählen wir die
Summe der Bernoulli-Variablen: .

Da keinen Beitrag zur Summe liefert, gibt also die Anzahl der "Zahl 1"

unter den Beobachtungen und damit die absolute Häufigkeit des Auftretens von

Page 2
(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

, d.h. die relative Häufigkeit des Auftretens von wählen.

Wir entscheiden uns für die Prüfgröße , weil eine uns schon bekannte
Verteilung, nämlich die Binomialverteilung mit den Parametern und hat, denn
wir wissen, das eine Summe Bernoulli-verteilter Zufallsvariablen binomialverteilt ist.
Die Wahrscheinlichkeitsfunktion für lautet also:
Unter den Nullhypothesen in

Test A, Bund C ist dann binomialverteilt (s.


Applet Binomialverteilung (ace.jar)
) mit Parametern und .

Testentscheidung
Als Entscheidungsregeln für die obigen drei Testprobleme ergeben sich damit:
Test Testentscheidung
ablehnen, falls
Test A

ablehnen, falls
Test B

ablehnen, falls oder

Test C

Die kritischen Werte (Quantile) werden durch

Eingabe von und am Rechner bestimmt. Dabei wird deutlich, dass eine

diskrete Prüfgröße ist und somit das Testniveau i.d.R. nicht exakt eingehalten wird.

Statt der Bestimmung eines kritischen Wertes kann auch der -Wert nach Berechnung
des Wertes der Prüfgröße angegeben werden. Das heißt z.B. für Test A, falls
beobachtet wurde: .

Für den Fall können in dem folgenden Applet für verschiedene


Stichprobengrößen in einem Zufallsexperiment die kritischen Werte veranschaulicht

Page 3
(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

werden.
Applet exakter Test auf p (b59.jar)

Nach diesem exakten Test auf p soll nun der approximative Test auf p behandelt
werden. Dazu wird daran erinnert, dass für die binomialverteilte Prüfgröße gilt:

und . Das kann noch einmal über die Summe

Bernoulli-verteilter Variablen verdeutlicht werden.

Prüfgröße
Dann ist für beliebiges die Prüfgröße approximativ

-verteilt d.h. unter ist approximativ

-verteilt.
Hinweis:
Die Güte der Approximation hängt von und ab. Faustregel:
und . Beispiel: . Sie kann mit

dem folgenden Applet veranschaulicht werden.


Applet Normalverteilungs-Approximation (bbc.jar)

Testentscheidung
Das bedeutet für die Entscheidungsregeln bei den drei Testproblemen, zum einen
formuliert über die standardisierte Prüfgröße Z und zum anderen über die Prüfgröße T;
für die Tests B und C dann analog:
Test Testentscheidung
ablehnen, falls oder

Test A:

ablehnen, falls
Test B:

ablehnen, falls oder

Test C:

Page 4
(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

Die kritischen Werte und können der Tabelle der

Standardnormal-verteilung entnommen werden.


Statt über die diskrete Binomialverteilung von werden hier also die kritischen Werte
approximativ über die stetige Standardnormalverteilung von bestimmt.

Das folgende Applet kann am Beispiel eines fairen Münzwerf die Funktion des Tests
verdeutlichen.
Applet approximativer Test auf p (c2e.jar)

Test A: Beispiel zur Erfolgsmessung von Therapien

Im Folgenden wird der Test A an einem Beispiel erläutert.

Beispiel: Test A: Beispiel zur Erfolgsmessung von Therapien

Medikament
Quelle: Microsoft

Hier wird ein Beispiel aufgegriffen, in dem der Anteil von Patienten mit einer
erfolgreichen Therapie zu testen ist. So könnte die Hypothese eines Krankenhauses
lauten, dass die Wahrscheinlichkeit für den Erfolg einer bestimmten Therapie
(Operation, Medikament) mindestens 90% beträgt, d.h. zu testen ist
gegen .

Es stellte sich heraus, dass bei 86 Patienten unter zufällig ausgewählten


Patienten die Therapie erfolgreich war. Ist dieser Beobachtungsbefund mit der
Nullhypothese verträglich?
Hypothesen
Wir wollen nun zunächst den Test auf den Parameter mit den im obigen Beispiel
angegebenen einseitigen Hypothesen beschreiben:
Test A

Page 5
(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

gegen

Im obigen Beispiel ist .

Prüfgröße
Als Prüfgröße (Teststatistik) für das obige Hypothesenproblem wählen wir die
Summe der Bernoulli-Variablen: . Da keinen Beitrag zur

Summe liefert, gibt also die Anzahl der "Zahl 1" unter den Beobachtungen und
damit die absolute Häufigkeit des Auftretens von an. Da unter der
Nullhypothese binomialverteilt mit Parametern und ist, lautet die
Wahrscheinlichkeitsfunktion für :
Im obigen Beispiel gibt

die Anzahl der Patienten unter den ausgewählten Patienten an, bei
denen die Therapie erfolgreich war.
Testentscheidung (exakter Test)
Die Testentscheidung lautet:
Test A
ablehnen, falls

Es ist unmittelbar einleuchtend, dass man an der Nullhypothese festhielte, wenn alle
100 Patienten oder auch 90 der 100 Patenten erfolgreich behandelt wurden. Dann ist der
Anteil der Patienten mit einer erfolgreichen Therapie 100% bzw. 90%. Was ist jedoch
wenn- wie im Beispiel 1- nur 86 erfolgreich behandelt wurden oder wenn es nur 80 oder
gar nur 75 Patienten gewesen wären? Sind solche Beobachtungsbefunde noch mit der
Hypothese verträglich?

Hierzu betrachten wir zunächst die Wahrscheinlichkeitsfunktion.

Page 6
(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

Wahrscheinlichkeitsfunktion
Quelle: eigene Gestaltung

Sie zeigt, dass für Werte von 75 oder 80 nur sehr kleine Auftretenswahrscheinlichkeiten
existieren. Um eine genaue Aussage über einen kritischen Wert von zu machen,
betrachten wir die aufsummierten Wahrscheinlichkeiten.

Page 7
(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

Verteilungsfunktion
Quelle: eigene Gestaltung

Für ergibt sich und damit eine

Irrtumswahrscheinlichkeit von 4% und für ist und

damit die Irrtumswahrscheinlichkeit 7%. Da unsere Irrtumswahrscheinlichkeit 5% nicht


überschreiten soll, wird 84 als kritischer Wert gewählt. Somit kann die Nullhypothese
nicht abgelehnt werden. Damit wird allerdings unterschritten.

Exkurs: Testentscheidung (approximativer Test)


Die Testentscheidung im Falle des approximativen Tests lautet:
Test A
ablehnen, falls

Für ergibt sich für das Beispiel . Da dieser

Page 8
(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

Wert größer als ist, wird die Nullhypothese beibehalten.

Für die Werbung betreibende Industrie ist die Fernsehquote ein entscheidendes
Kriterium der Preisgestaltung. Für eine große Krimiserie wird von der Sendeanstalt
behauptet, dass ihre Einschaltquote bei mindestens 25% liegt. Eine Beobachtung von
1000 Zuschauern zeigt, dass die letzte ausgestrahlte Sendung nur von 210 Zuschauern
gesehen wurde. Ist es aufgrund dieses Ergebnisses für die Werbung betreibende
Industrie sinnvoll, neue Preisverhandlungen zu führen?

Test B: Beispiel zur Überwachung des Patientenanteils mit zu hohem Blutdruck

Im folgenden wird der Test B mit einem Beispiel erläutert.

Beispiel: Test B: Beispiel zur Überwachung des Patientenanteils mit zu hohem


Blutdruck

Messgerät
Quelle: Microsoft

Der Anteil von Patienten in einem Krankenhaus, die an zu hohem Blutdruck leiden
(Ereignis ), ist höchstens 20 %, d.h. zu testen ist

gegen .

Hypothesen
Wir wollen nun zunächst einen Test auf den Parameter mit den im obigen Beispiel
angegebenen einseitigen Hypothesen beschreiben:
Test B
gegen .

Im obigen Beispiel ist .

Prüfgröße
Die Teststatistik hat eine Binomialverteilung mit den Parametern und , denn
wir wissen, das eine Summe Bernoulli-verteilter Zufallsvariablen binomialverteilt ist.

Page 9
(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

. Die Wahrscheinlichkeitsfunktion für lautet also:

Im obigen Beispiel wurde unter zufällig ausgewählten Patienten bei 17


Patienten ein zu hoher Blutdruck diagnostiziert. Somit gilt .

Testentscheidung (exakter Test)


Die Testentscheidung lautet:
Test B
ablehnen, falls

Ist der obige Beobachtungsbefund mit der Nullhypothese verträglich?


Hierzu betrachten wir zunächst die Wahrscheinlichkeitsfunktion. Es zeigt sich, dass für
und kleine Wahrscheinlichkeitswerte vorliegen.

Page 10
(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

Wahrscheinlichkeitsfunktion
Quelle: eigene Gestaltung

Da uns aber die Wahrscheinlichkeit interessiert, schauen wir uns die

aufsummierten Wahrscheinlichkeiten an.

Verteilungsfunktion
Quelle: eigene Gestaltung

Für ergibt sich und für ist

. Da die Nullhypothese bei einer Irrtumswahrscheinlichkeit

von abgelehnt werden soll, wählen wir als kritischen Wert

können die Nullhypothese ablehnen.


Exkurs: Testentscheidung (approximativer Test)
Die Testentscheidung im Falle des approximativen Tests lautet:
Test B

Page 11
(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

Im Blutdruckbeispiel ist Da dieser Wert größer

ist als , wird die Nullhypothese abgelehnt.

In einer Stichprobe bei 50 Studenten der Wirtschaftswissenschaft zeigt sich, dass 15


Studenten die Abschlussnoten 1 oder 2 erreicht hatten. Für die gesamte Universität lag
dieser Anteil bei 25%. Kann behauptet werden, dass Studenten der
Wirtschaftswissenschaft bessere Noten erlangen?

Test C: Beispiel zur Überprüfung der Euromünze

Im Folgenden wird der Test C mit einem Beispiel erklärt.

Beispiel: Test C: Beispiel zur Überprüfung der Euromünze

Münzwurf
Quelle: Microsoft

Eine 2-Euro-Münze werde mal geworfen. Wir wollen testen, ob die Münze
fair in dem Sinne ist, dass die Wahrscheinlichkeit für das Auftreten von Kopf (Ereignis
) gleich der Wahrscheinlichkeit für das Auftreten von Zahl ( ) ist, d.h. zu testen ist
:
gegen .

Bei Würfen trat 61mal "Kopf” auf. Ist dieser Beobachtungsbefund mit der
Nullhypothese verträglich?
Prüfgröße
Als Prüfgröße für das obige Hypothesenproblem wählen wir die Summe der
Bernoulli-Variablen: . Da keinen Beitrag zur Summe liefert,

gibt also die Anzahl der "Zahl 1" unter den Beobachtungen und damit die

Page 12
(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

an.

Im obigen Beispiel gibt die Anzahl der Ereignisse "Kopf" unter den
durchgeführten Würfen an.

Hypothesen
Wir wollen nun zunächst einen Test auf den Parameter mit den im obigen Beispiel
angegebenen zweiseitigen Hypothesen beschreiben:
Test C
gegen .

Im Beispiel ist .

Testentscheidung (exakter Test)


Die Testentscheidung lautet:
Test C
ablehnen, falls oder .

Unter der Nullhypothese wäre bei n=100 Münzwürfen mal "Kopf”

zu erwarten, d.h. es sprechen zu kleine Werte oder zu große Werte von gegen die
Nullhypothese. Es stellt sich also die Frage, ab welchen (zu kleinen oder zu großen)
Werten von die Nullhypothese bei einer Irrtumswahrscheinlichkeit von
abgelehnt werden muss. Hier wird nun die Hälfte der
Irrtumswahrscheinlichkeit auf beide Ränder verteilt, d.h. für den unteren
kritischen Wert und für den oberen kritischen Wert. Um die Entscheidung zu
treffen, ist es nötig die kritischen Werte zu bestimmen. Hierzu betrachten wir zuerst die
Wahrscheinlichkeitsfunktion.

Page 13
(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

Wahrscheinlichkeitsfunktion
Quelle: eigene Gestaltung

Für die Testentscheidung benötigen wir die kumulierten Wahrscheinlichkeiten.

Page 14
(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

Verteilungsfunktion
Quelle: eigene Gestaltung

Bei der Ermittlung des oberen kritischen Wertes ergibt sich für der Wert
, d.h. mit einer Wahrscheinlichkeit von finden
sich Werte von T, die gleich 61 oder größer sind. Für ergibt sich der Wert
. Somit sind mit einer Wahrscheinlichkeit von
Werte von T größer oder gleich 60. Da wir den Wert für suchen, für den
ist, müssen wir als kritischen Wert wählen.

Bei der Bestimmung des unteren kritischen Wertes ergibt sich für k=40 der Wert
und für k=39 der Wert . Da wir den
Wert für suchen, für den ist, setzen wir als kritischen Wert
k=39 fest.
Wir schöpfen mit diesen kritischen Werten 39 und 61 allerdings das -Fehlerniveau
nicht voll aus.

Page 15
(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

Da in unserem Experiment 61mal "Kopf” aufgetreten ist, lehnen wir die Nullhypothese
(gerade noch) ab.
Exkurs: Testentscheidung (approximativer Test)
Die Testentscheidung im Falle des approximativen Tests lautet:
Test C
ablehnen, falls oder .

Im Münzwurfbeispiel ergibt sich . Da dieser

Wert größer ist als , wird die Nullhypothese abgelehnt.

Ein Produzent von Verpackungsmaschinen behauptet, dass der Anteil p von


Ausschusstücken (zu große oder zu kleine verpackte Menge) höchstens 4% beträgt.
Eine Stichprobe von n=500 überprüften Mengen ergab 30 falsche Füllungen. Ist dem
Hersteller noch zu trauen?

Um einen Vergleich zwischen beiden Tests darzustellen, werden zuerst für das Beispiel
Test B die Wahrscheinlichkeiten exakt über die Binomialverteilung und

approximativ über die Normalverteilung für n=20 dargestellt.

Page 16
(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

Vergleich exakt/approximativ
Quelle: eigene Gestaltung

Es zeigt sich, dass die Werte der approximativen Verteilung teilweise erheblich unter
den exakten Werten liegen. Bei einer Erhöhung von auf zeigt sich,
dass die approximativen Werte die exakten Werte geringer unterschätzen.

Page 17
(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

Vergleich exakt/approximativ
Quelle: eigene Gestaltung

Jetzt wird variiert. Wir verlassen das Beispiel und nehmen an. Unter
diesen Bedingungen arbeitet die Approximation besser, weil dann T wie Z symmetrisch
verteilt ist.

Page 18
(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

Vergleich exakt/approximativ
Quelle: eigene Gestaltung

Als weitere Parametervariation wird der Stichprobenumfang erhöht. Bei


zeigt sich, dass die Werte der approximativen Verteilung sehr nah an den Werte der
exakten Verteilung liegen.

Page 19
(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

Vergleich exakt/approximativ
Quelle: eigene Gestaltung

Übungen zum p-Test

Im Folgenden werden Übungen und Lösungen zum Test auf p gezeigt

Die Aufgaben 1 bis 6 sind Multiple Aufgaben.


Aufgabe1:
Es seien Bernoulli-Variablen mit und

, i=1,...,n.

Dann ist:
(a) Bernoulli-verteilt mit Parametern und

Page 20
(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

(b) Bernoulli-verteilt

(c) binomialverteilt mit Parametern und

(d) binomialverteilt mit Parametern und .


Lösungen ( : f46.doc )
Aufgabe 2:
Für eine binomialverteilte Zufallsvariable X mit Parametern und gilt:
(a)

(b)

(c) ,

(d) .

Lösungen ( : f69.doc )
Aufgabe 3:
Es sei , dann ist der kritische Wert der

Prüfgröße :

(a)

(b)

(c)

(d) .

Lösungen ( : f8c.doc )
Aufgabe 4:
Beim Test auf gegen führen zur Ablehnung von

(a) zu große Werte der Prüfgröße


(b) zu kleine Werte der Prüfgröße
(c) zu kleine und zu große Werte der Prüfgröße

Page 21
(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

.
Lösungen ( : faf.doc )
Aufgabe 5:
Bei einem festen Stichprobenumfang sei zu testen: gegen

. Dann werden mit wachsendem

(a) die kritischen Werte und kleiner

(b) die kritischen Werte und größer

(c) der kritische Wert größer und der kritische Wert kleiner

(d) der kritische Wert kleiner und der kritische Wert größer.

Lösungen ( : fe6.doc )
Aufgabe 6:
Die Güte der Approximation der Binomialverteilung mit Parametern und durch
die Normalverteilung steigt
(a) mit wachsendem bei festem
(b) mit wachsendem bei wachsendem
(c) mit wachsendem bei festem
(d) ist unabhängig von und .

Lösungen ( : I1015.doc )

Aufgabe 7:
Ein Dozent der Statistik behauptet, dass die Durchfallquote bei seinen
Statistik-Klausuren generell höchstens 20% beträgt. An einer Klausur im SS 2002
nahmen 120 Studierende teil, von denen 30 die Klausur nicht bestanden.
(a) Testen Sie gegen , und zwar

(i) exakt über die Binomialverteilung


(ii) approximativ über die Normalverteilung ( )
(b) Vergleichen Sie die kritischen Werte in (i) und (ii).
(c) Führen Sie die Tests in (i) und (ii) auch für und durch.

Lösungen ( : I1030.doc )

Aufgabe 8:
Ein Student der Statistik hält den Dozenten in Aufgabe 7 für einen "harten" Prüfer und

Page 22
(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

behauptet daher, dass die Durchfallquote bei besagtem Dozenten generell mindestens
30% beträgt. An der Klausur im SS 2002 nahmen - wie in Aufgabe 7 angegeben- 120
Studierende teil, von denen 30 die Klausur nicht bestanden.
(a) Testen Sie gegen , und zwar

(i) exakt über die Binomialverteilung


(ii) approximativ über die Normalverteilung ( )
(b) Vergleichen Sie die kritischen Werte in (i) und (ii).
(c) Führen Sie die Tests in (i) und (ii) auch für und durch.

Lösungen ( : I104b.doc )

Aufgabe 9:
Ein Würfel wird n=10 mal geworfen. Dabei ergab sich mal eine gerade Zahl

und mal eine ungerade Zahl.

Es soll untersucht werden , ob der Würfel "fair" im Sinne gleicher Wahrscheinlichkeiten


für "gerade Zahl" und "ungerade Zahl" ist.
(a) Wie lautet das Hypothesen-Problem?
(b) Führen Sie den Test für obige Daten durch, und zwar
(i) exakt über die Binomialverteilung und
(ii) approximativ über die Normalverteilung (

(c)Der Würfel werde nun n=100 mal mit den Ergebnissen und

sowie n=1000 mal geworfen mit den Ergebnissen und

Führen Sie die Tests für obige Daten durch, und zwar wieder
(i) exakt über die Binomialverteilung und
(ii) approximativ über die Normalverteilung ( )
(d) Führen Sie die Tests in (b) und (c) auch für und durch.

Lösungen ( : I107a.doc )
Laboraufgabe:
Labordatei öffnen ( I107f.zmpf )

Motivation: Durchführung des Tests auf p beim Einsatz im


Krankenhausmanagement

Überprüfung der Leistung einer Geschirrspülanlage

Page 23
(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

gegen getestet werden. Der Qualitätsbeauftragte

möchte durch den Test wissen, ob die festgestellte Anzahl von 35 Beanstandungen unter
den 1000 Sichtprüfungen gegen seine Hypothese spricht. Diese

Entscheidung möchte er mit einer Irrtumswahrscheinlichkeit von 5% treffen.


Würde die maximale Quote von 0.03 unter der Nullhypothese auch in der

Stichprobe gelten, würden wir höchstens 30 Beanstandungen erwarten. Es befinden sich


in der Stichprobe jedoch 35 Fälle von mangelhaft gereinigtem Geschirr.

Anzahl
Quelle: eigene Gestaltung

Der Qualitätsbeauftragte muss nun herausfinden, ob die 35 Mängel in der Stichprobe


Anlass dazu geben, Gegenmaßnahmen einzuleiten oder die 35 unzureichenden
Spülergebnisse noch mit der Hypothese verträglich sind.

Hierzu führt er den Einstichprobentest auf durch. Um den Test anzuwenden,


benötigt man die Parameter und , wobei der Umfang der Stichprobe, in
unserem Fall gleich 1000 ist. Die zu kontrollierende Ausschussquote ist maximal auf
festgelegt.

Werden die Größen und in die Formel für die Verteilungsfunktion einer

binomialverteilten Zufallsgröße eingesetzt, kann der kritische Wert für diese

Page 24
(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

Testentscheidung ermittelt werden. Für das Entscheidungs- oder Testproblem war eine
Irrtumswahrscheinlichkeit von gefordert. Nach der Entscheidungsregel:

mit ,

muss also der Wert gesucht werden. Da es sich bei der Binomialverteilung um

keine stetige Verteilung handelt, kann der kritische Wert nur näherungsweise bestimmt
werden. Für ergibt sich

und somit , d.h. eine deutlich größere


Wahrscheinlichkeit als die geforderten 5%, falls gewählt wird.

Beim nächstgrößeren Wert für

ergibt sich
,

und somit ist , d.h. für erhalten wir eine kleinere

Wahrscheinlichkeit als die geforderten 5%.


Um dieses Vorgehen nochmals zu verdeutlichen, sind im Folgenden die zu jedem
passenden Wahrscheinlichkeiten dargestellt. Daraus ergeben sich die

Wahrscheinlichkeiten für , da gilt: . Hier

zeigt sich wieder, dass das gesuchte zwischen 39 und 40 liegen muss. Da aber T

nur ganze Zahlen annehmen kann, wird k=40 als kritischer Wert gewählt.

Page 25
(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

Verteilungsfunktion
Quelle: eigene Gestaltung

Ein Vergleich mit der Stichprobe zeigt hier, dass die Anzahl der Beanstandungen in der
Stichprobe mit kleiner ist als der kritische Wert. Für ergibt sich
und damit .

Die Nullhypothese wird daher beibehalten, es besteht kein Grund zu einem

Eingriff.
Der Test kann auch über die Normalverteilungsapproximation durchgeführt werden.
Wird die oben genannte Entscheidungsregel zugrunde gelegt, abzulehnen, falls

ist, muss zuerst ermittelt werden. Hierzu werden in die obige Formel

die Werte für und eingesetzt. Damit ergibt sich

Der kritische Wert bezieht sich

Page 26
(c) Projekt Neue Statistik 2003 - Lernmodul: P-Test

auf die Standardnormalverteilung und beträgt 1.645. Auch hier zeigt ein Vergleich
zwischen kritischem Wert (1.645) und Stichprobenwert (0.927), dass die Nullhypothese
beibehalten wird.

Animation zum Test auf p

In der folgenden Animation wird die Durchführung des Test auf p in einer Animation
demonstriert.
: Flashanimation ' Animation Test auf p ' siehe Online-Version

Bernoulli-Variablen
ErklärungBinomialverteilung
ErklärungTest auf p
Erklärung
(c) Projekt Neue Statistik 2003, Freie Universität Berlin, Center für Digitale Systeme
Kontakt: http://www.neuestatistik.de

Page 27