
| Viellerner | Weniglerner | |
|---|---|---|
| Bestehen | 33 | 37 |
| Durchfallen | 7 | 3 |
July 14, 2026
Prof. Bitter untersucht eine seiner Lieblingsfragen: Wie viel bringt das Lernen auf eine Klausur? Dabei konzentriert er sich auf das Fach Statistik (es gefällt ihm gut). In einer aktuellen Untersuchung hat er \(n=80\) Studierende untersucht (s. Tabelle und Diagramm). Dabei hat er zwei Gruppen unterschieden: Die “Viel-Lerner” und die “Wenig-Lerner”.
Berechnen Sie den Unterschied (als Anteil) im Lernerfolg (“Bestehen”) zwischen den Gruppen!
Beispiele: Wenn Sie ausrechnen, dass der Unterschied im Lernerfolg 23 Prozentpunkte zugunsten der Viellerner beträgt, so geben Sie ein: 0.23. Wenn Sie ausrechnen, dass der Unterschied im Lernerfolg 11 Prozentpunkte zugunsten der Weniglerner beträgt, so geben Sie zusätzlich ein Minuszeichen ein: -0.11.
Hinweis: Geben Sie nur eine Zahl ein (ohne Prozentzeichen o.Ä.), z.B. 0,20. Andere Angaben können u.U. nicht gewertet werden. Runden Sie auf zwei Dezimalstellen. Beachten Sie das korrekte Dezimaltrennzeichen Ihres Systems (Punkt oder Komma).

| Viellerner | Weniglerner | |
|---|---|---|
| Bestehen | 33 | 37 |
| Durchfallen | 7 | 3 |
Der Unterschied im Bestehen beträgt -0.1
Aufgabenname: kontingenztabelle1
exname: kontingenztabelle1 extype: num exsolution: -0.1 extol: 0.05 expoints: 1
---
title: kontingenztabelle1
date: '2026-07-14'
categories:
- paper
- todo
---
```{r libs, include = FALSE}
library(tidyverse)
library(mosaic)
library(knitr)
library(kableExtra)
```
```{r global-knitr-options, include=FALSE}
knitr::opts_chunk$set(fig.pos = 'H',
fig.asp = 0.618,
fig.width = 4,
fig.cap = "",
fig.path = "",
echo = FALSE)
```
Question
========
```{r defs, include=FALSE}
profs_set <- c("Süß", "Salzig", "Bitter", "Süß-Sauer")
prof_name <- sample(profs_set, 1)
n_set <- c(42, 50, 60, 70, 80, 90, 100)
n <- sample(n_set, 1)
erfolgsquote_weniglerner_set <- c(0.3, 0.35, 0.4, 0.45, 0.5)
erfolgsquote_weniglerner <- sample(erfolgsquote_weniglerner_set, 1)
zusatzerfolg_viellerner_set <- c(0.2, 0.25, 0.3, 0.35, 0.4)
zusatzerfolg_viellerner <- sample(zusatzerfolg_viellerner_set, 1)
erfolgsquote_viellerner <- erfolgsquote_weniglerner + zusatzerfolg_viellerner
# This is NOT what is asked for, that's the probability in the population:
unterschied_erfolgsquote <- erfolgsquote_viellerner - erfolgsquote_weniglerner
anteil_weniglerner_set <- c(.3, .4, .5, .6)
anteil_weniglerner <- sample(anteil_weniglerner_set, 1)
n_weniglerner <- floor(n * anteil_weniglerner)
n_viellerner <- n - n_weniglerner
Klausurergebnis <- c("Bestehen", "Durchfallen")
```
Prof. `r prof_name` untersucht eine seiner Lieblingsfragen: Wie viel bringt das Lernen auf eine Klausur? Dabei konzentriert er sich auf das Fach Statistik (es gefällt ihm gut). In einer aktuellen Untersuchung hat er $n=`r n`$ Studierende untersucht (s. Tabelle und Diagramm). Dabei hat er zwei Gruppen unterschieden: Die "Viel-Lerner" und die "Wenig-Lerner".
Berechnen Sie den Unterschied (als Anteil) im Lernerfolg ("Bestehen") zwischen den Gruppen!
*Beispiele*: Wenn Sie ausrechnen, dass der Unterschied im Lernerfolg 23 Prozentpunkte zugunsten der Viellerner beträgt, so geben Sie ein: `0.23`. Wenn Sie ausrechnen, dass der Unterschied im Lernerfolg 11 Prozentpunkte zugunsten der *Weniglerner* beträgt, so geben Sie zusätzlich ein Minuszeichen ein: `-0.11`.
*Hinweis*: Geben Sie *nur eine Zahl* ein (ohne Prozentzeichen o.Ä.), z.B. `0,20`. Andere Angaben können u.U. nicht gewertet werden. Runden Sie auf zwei Dezimalstellen. Beachten Sie das korrekte Dezimaltrennzeichen Ihres Systems (Punkt oder Komma).
```{r compute-table, results = "hold"}
d <-
tibble(Lerntyp = c(rep("Weniglerner", times = n_weniglerner),
rep("Viellerner", times = n_viellerner))) %>%
mutate(Lerntyp = factor(Lerntyp)) %>%
mutate(Erfolg_p = case_when(
Lerntyp == "Weniglerner" ~ erfolgsquote_viellerner,
Lerntyp == "Viellerner" ~ erfolgsquote_viellerner,
TRUE ~ NA_real_
)) %>%
mutate(Klausurergebnis = map_chr(.x = Erfolg_p,
.f = ~(sample(Klausurergebnis,
size = 1,
prob = c(.x, 1-.x)))))
mosaic::tally(Klausurergebnis ~ Lerntyp, data = d) %>%
kbl(caption = "Ergebnisse der Studie") %>%
kable_classic(full_width = F, html_font = "Cambria")
ggplot(d) +
aes(x = Lerntyp, fill = factor(Klausurergebnis)) +
geom_bar() +
labs(fill = "")
```
```{r compute-rate-diff, echo =FALSE}
# THIS is what is asked for.
# "Bestehen" in favor of "Viellerner"
unterschied_bestehen_sample <- diffprop(Klausurergebnis ~ Lerntyp,
data = d,
success = "Bestehen")
# We need to swap the sign, because `diffprob` here computes `Weniglerner-Viellerner`
unterschied_bestehen_sample <- -unterschied_bestehen_sample
unterschied_bestehen_sample <- round(unterschied_bestehen_sample, 2)
```
Solution
========
Der Unterschied im Bestehen beträgt `r unterschied_bestehen_sample`
Aufgabenname: `kontingenztabelle1`
Meta-information
================
exname: kontingenztabelle1
extype: num
exsolution: `r unterschied_bestehen_sample`
extol: 0.05
expoints: 1