regressionsgeraden-ungewissheit-schoice

bayes
paper
Published

July 10, 2026

Question

Das Kapitel visualisiert die Ungewissheit der Regressionsgeraden, indem viele einzelne Geraden aus den Post-Stichproben (z. B. die ersten 10, 100 oder 1000 Kombinationen von \(\beta_0\) und \(\beta_1\)) übereinander geplottet werden. Welche Aussage zu dieser Visualisierung ist korrekt?

Answerlist

  • Je mehr Geraden aus der Post-Verteilung eingezeichnet werden, desto deutlicher wird sichtbar, wie viel Ungewissheit im Modell bezüglich der genauen Lage der Regressionsgeraden besteht – die “Wolke” der Geraden zeigt den plausiblen Bereich.
  • Alle aus der Post-Verteilung gezogenen Geraden sind exakt identisch, da \(\beta_0\) und \(\beta_1\) feste Werte sind.
  • Nur eine einzige Gerade aus der Post-Verteilung ist tatsächlich “richtig”, alle anderen sind reine Rechenfehler.
  • Je mehr Geraden eingezeichnet werden, desto größer wird die tatsächliche Unsicherheit des Modells.
  • Diese Visualisierung zeigt ausschließlich die Unsicherheit von \(\sigma\), nicht die von \(\beta_0\) und \(\beta_1\).

Solution

Da die Post-Verteilung aus vielen plausiblen Kombinationen von \(\beta_0\) und \(\beta_1\) besteht, ergibt jede einzelne Stichprobe eine eigene, leicht unterschiedliche Regressionsgerade. Zeichnet man viele dieser Geraden übereinander (mit Transparenz), entsteht eine “Wolke” von Geraden, die visuell zeigt, wie sicher (oder unsicher) sich das Modell bezüglich der genauen Lage der “wahren” Regressionsgeraden ist. Die erste Option ist korrekt.

Warum die Distraktoren falsch sind:

  • Die zweite Option widerspricht dem gesamten Sinn der Übung: Gerade weil \(\beta_0\) und \(\beta_1\) Post-Verteilungen (und keine festen Werte) haben, unterscheiden sich die einzelnen Stichproben-Kombinationen und ergeben unterschiedliche Geraden.
  • Die dritte Option ist falsch: Jede Kombination aus der Post-Verteilung ist ein gültiger, plausibler Wert entsprechend seiner Post-Wahrscheinlichkeit – es handelt sich nicht um “Rechenfehler”, sondern um den Ausdruck der Parameterungewissheit.
  • Die vierte Option verwechselt die Visualisierung der bereits vorhandenen Ungewissheit mit einer Veränderung der tatsächlichen Ungewissheit: Das Einzeichnen von mehr Geraden macht die (bereits vorhandene) Ungewissheit nur besser sichtbar, es erzeugt keine zusätzliche Ungewissheit im Modell selbst.
  • Die fünfte Option ist falsch: Die “Wolke” der Geraden entsteht gerade durch die Variation von \(\beta_0\) und \(\beta_1\) zwischen den Stichproben – die Streuung um jede einzelne Gerade herum (also \(\sigma\)) wird durch diese Visualisierung gar nicht dargestellt.

Aufgabenname: regressionsgeraden-ungewissheit-schoice

Answerlist

  • Wahr
  • Falsch
  • Falsch
  • Falsch
  • Falsch

Meta-information

exname: regressionsgeraden-ungewissheit-schoice extype: schoice expoints: 1 exsolution: 10000 exshuffle: 5 excategory: bayes