zwei-arten-ungewissheit-schoice

bayes
paper
Published

July 10, 2026

Question

Im Kapitel werden zwei Arten von Ungewissheit unterschieden, die beide in der PPV berücksichtigt werden. Welche Aussage dazu ist korrekt?

Answerlist

  • Selbst wenn der Parameterwert \(\pi\) mit absoluter Sicherheit bekannt wäre (z. B. \(\pi=1/4\)), bliebe weiterhin Ungewissheit darüber, welche konkrete Beobachtung eintritt – diese “intrinsische” Ungewissheit kommt zur Ungewissheit über den Parameter selbst noch hinzu.
  • Es gibt nur eine relevante Art von Ungewissheit, nämlich die Ungewissheit über den Parameterwert.
  • Intrinsische Ungewissheit tritt nur bei sehr kleinen Stichproben auf und verschwindet bei großen Stichproben vollständig.
  • Ist der Parameterwert exakt bekannt (z. B. \(\pi=1/4\)), dann ist auch die nächste Einzelbeobachtung mit Sicherheit vorhersagbar.
  • Die Ungewissheit über die Modellparameter wird ausschließlich durch die Stichprobenverteilung dargestellt, nicht durch die Post-Verteilung.

Solution

Selbst wenn man den Parameterwert exakt kennen würde (z. B. dass genau 1/4 aller Murmeln blau sind), bliebe unklar, welche Farbe die nächste einzelne Murmel haben wird – außer in den Extremfällen \(\pi=0\) oder \(\pi=1\). Diese “intrinsische” Ungewissheit besteht zusätzlich zur Ungewissheit über den Parameterwert selbst (die in der Post-Verteilung dargestellt ist). Die erste Option ist korrekt.

Warum die Distraktoren falsch sind:

  • Die zweite Option ignoriert genau die zweite, im Kapitel explizit benannte Ungewissheitsquelle (die intrinsische Ungewissheit) – deshalb reicht die Post-Verteilung allein nicht aus, um realistische Vorhersagen zu treffen, man braucht zusätzlich die PPV.
  • Die dritte Option ist falsch: Die intrinsische Ungewissheit hängt nicht von der Stichprobengröße vergangener Daten ab, sondern besteht bei jeder zukünftigen Einzelbeobachtung, unabhängig davon, wie viele Daten man bereits gesammelt hat – außer in den Grenzfällen \(\pi=0\) oder \(\pi=1\).
  • Die vierte Option widerspricht dem zentralen Beispiel aus dem Kapitel direkt: Selbst bei bekanntem \(\pi=1/4\) bleibt die Farbe der nächsten einzelnen Murmel ungewiss – man kann nur eine Wahrscheinlichkeit angeben, keine sichere Vorhersage treffen.
  • Die fünfte Option ist falsch: Die Ungewissheit über die Modellparameter wird gerade durch die Post-Verteilung dargestellt, nicht durch die Stichprobenverteilung – letztere zeigt ja gerade die Verteilung der Daten gegeben eines festen Parameterwerts.

Aufgabenname: zwei-arten-ungewissheit-schoice

Answerlist

  • Wahr
  • Falsch
  • Falsch
  • Falsch
  • Falsch

Meta-information

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