likelihood-zwielicht-schoice

bayes
paper
Published

July 10, 2026

Question

Ein Spieler wirft eine Münze 12 Mal und wettet jedes Mal auf “Kopf”; er erzielt 10 Treffer. Wie hoch ist die Likelihood für die Hypothese, dass die Münze fair ist (\(\pi=0{,}5\)), also \(Pr(X=10, N=12\mid \pi=0{,}5)\)?

Answerlist

  • \(Pr(X=10, N=12\mid \pi=0{,}5) = \binom{12}{10}\cdot 0{,}5^{10}\cdot 0{,}5^{2} \approx 0{,}0161\)
  • \(Pr(X=10, N=12\mid \pi=0{,}5) = \binom{12}{10}\cdot 0{,}5^{10} \approx 0{,}0645\)
  • \(Pr(X\le 10, N=12\mid \pi=0{,}5) \approx 0{,}9968\)
  • \(Pr(X=10, N=12\mid \pi=0{,}8) \approx 0{,}2835\)
  • \(Pr(X=10, N=10\mid \pi=0{,}5) \approx 0{,}00098\)

Solution

Unter Annahme einer Binomialverteilung ist die Likelihood für die Hypothese \(\pi=0{,}5\) gegeben 10 Treffer bei 12 Würfen: \(Pr(X=10,N=12\mid \pi=0{,}5) = \binom{12}{10}\cdot 0{,}5^{10}\cdot 0{,}5^{2} \approx 0{,}0161\) (in R: dbinom(x = 10, size = 12, prob = 0.5)). Diese geringe Likelihood ist ein Hinweis darauf, dass die Hypothese “faire Münze” die beobachteten Daten nur schlecht erklärt – ähnlich wie beim zwielichten Dozenten im Kapitel.

Warum die Distraktoren falsch sind:

  • Die zweite Option vergisst den Faktor \((1-\pi)^{N-x}=0{,}5^{2}\) für die 2 “Nieten” (Nicht-Treffer) – ohne diesen Faktor ist das Ergebnis zu groß und keine korrekte Anwendung der Binomialformel.
  • Die dritte Option berechnet die kumulierte Wahrscheinlichkeit \(Pr(X\le 10)\) (mit pbinom) statt der Likelihood für genau dieses eine beobachtete Ergebnis \(X=10\) (mit dbinom).
  • Die vierte Option verwendet einen anderen Parameterwert (\(\pi=0{,}8\) statt der hier gefragten Hypothese \(\pi=0{,}5\)) und beantwortet damit eine andere Frage.
  • Die fünfte Option verwendet den falschen Stichprobenumfang (\(N=10\) statt der tatsächlichen \(N=12\) Würfe) – die Likelihood muss sich immer auf die tatsächlich durchgeführte Anzahl an Versuchen beziehen.

Aufgabenname: likelihood-zwielicht-schoice

Answerlist

  • Wahr
  • Falsch
  • Falsch
  • Falsch
  • Falsch

Meta-information

exname: likelihood-zwielicht-schoice extype: schoice expoints: 1 exsolution: 10000 exshuffle: 5 excategory: bayes