Statistik in der Schule: Ideen und Anregungen (2)
Die Welt der Statistik hat weitaus mehr zu bieten als nur Zahlen und Formeln. Wie im ersten Teil gezeigt, eröffnet sie uns ein tieferes Verständnis für unsere Umwelt und schärft unseren Blick für die verborgenen Muster des Lebens. Die Beispiele aus dem Unterricht – vom faszinierenden Drei-Türen-Problem über die kreative Bestimmung von Pi mit der Monte-Carlo-Methode bis hin zu spannenden Umfragen und Hypothesentests – zeigen, dass Statistik lebendig, spannend und absolut greifbar sein kann.
Sie lehrt uns, kritisch zu denken, fundierte Entscheidungen zu treffen und die Flut an Informationen, der wir täglich begegnen, souverän zu bewältigen. Mit den richtigen Werkzeugen ausgestattet, können Schülerinnen und Schüler als informierte Bürgerinnen und Bürger, als zukünftige Wissenschaftlerinnen und Wissenschaftler sowie als zukünftige Fachkräfte ihr Umfeld besser verstehen und aktiv mitgestalten.
Auch die folgenden Ergänzungen sollen die Neugier und den Forscherdrang fördern, indem sie unseren Schülerinnen und Schülern die faszinierende Welt der Statistik näherbringen. Darüber hinaus möchte ich einen Wettbewerb vorstellen, bei dem Schülerinnen und Schüler mit der Unterstützung ihrer Lehrerinnen und Lehrer die Möglichkeit haben, sich mit Themen rund um die Statistik zu beschäftigen.
Gerd Gigerenzer: Das Einmaleins der Skepsis
Ich habe Gerd Gigerenzer kürzlich in einem Podcast kennengelernt. Ich habe mich gefragt, ob es ein Buch von ihm gibt, das sich mit Fragen der Statistik und Wahrscheinlichkeitsrechnung auseinandersetzt. In der Unibibliothek habe ich tatsächlich ein Buch von ihm gefunden.
Gigerenzer ist ein international anerkannter deutscher Psychologe, der als Direktor emeritus am Max-Planck-Institut für Bildungsforschung und Direktor des Harding-Zentrums für Risikokompetenz bekannt ist. Er ist Autor populärwissenschaftlicher Bücher über das Entscheiden unter Unsicherheit, Risikokompetenz und Heuristiken. Seine Forschung befasst sich damit, wie Menschen trotz begrenzter Informationen und Zeit richtige Entscheidungen treffen können. Mit seinem Einmaleins der Skepsis (2002) analysiert Gerd Gigerenzer, warum es vielen von uns so schwerfällt, Risiken und Wahrscheinlichkeiten zu verstehen. Anhand zahlreicher Beispiele vor allem aus Arztpraxen und Gerichtssälen zeigt der Autor, wie zahlenblind wir wirklich sind, welche dramatischen Folgen das hat, und wie jeder lernen kann, Statistiken richtig zu interpretieren.
Gigerenzer geht u.a. den Fragen nach,
- warum Frauenärztinnen nicht zum Brustkrebs-Screening gehen.
- warum ein positiver HIV-Test nicht bedeutet, HIV-positiv zu sein,
- warum der genetische Fingerabdruck total überbewertet ist.
Einer der wichtigsten Gründe dafür ist, dass das menschliche Gehirn Sicherheit liebt und uns gerne weismacht, dass etwas nicht nur vielleicht, sondern ganz bestimmt so ist. Daher glauben wir beispielsweise gerne an einfache Gewissheiten wie „Mit einem Fingerabdruck wird ein Täter eindeutig identifiziert“. Wenn der Fingerabdruck eines Verdächtigen am Tatort gefunden wird, ist er so gut wie verurteilt – der Beweis ist schließlich eindeutig. Außerdem neigen wir dazu, Autoritäten wie Ärzten oder Ministern sehr viel Glauben zu schenken. Als beispielsweise der Rinderwahn BSE in Europa auftrat, glaubten die deutschen Verbraucher den Versicherungen des Landwirtschaftsministers gerne, dass deutsches Rindfleisch absolut unbedenklich sei – bis sich das Gegenteil herausstellte und einige Verantwortliche ihren Hut nehmen mussten.
Viele Menschen haben Probleme damit, Statistiken richtig zu deuten, und vertrauen lieber dem Urteil vermeintlicher Experten, anstatt die ungeliebten Zahlen selbst zu hinterfragen. Leider werden Risiken und Wahrscheinlichkeiten auch häufig absichtlich so dargestellt, dass sie einen falschen Eindruck erwecken. Mediziner, Juristen und andere Experten suggerieren ihren Patienten, Klienten und der Öffentlichkeit ständig, dass ihre Testergebnisse und Statistiken wasserdicht seien, doch sie lassen massig Spielraum für Interpretation und Fehler.
Daher sollten wir lernen, Risiken und Wahrscheinlichkeiten richtig darzustellen und zu interpretieren. Das Arbeiten mit den natürlichen Häufigkeiten ist eine sehr erfolgreiche Strategie, wie Gigerenzer im Folgenden zeigen wird.
Brustkrebsscreening (S. 83 ff)
Um die Früherkennung von Brustkrebs zu fördern, wird Frauen ab einem bestimmten Alter empfohlen, regelmäßig an Screenings (Reihentests für Frauen ohne Symptome) teilzunehmen. Gigerenzer bat Professor Standing, den Chefarzt einer Universitätsklinik, an einer Studie teilzunehmen.
Die folgenden Daten entsprechen den Ergebnissen der jeweils ersten Mammographie-Screening-Untersuchung von 26.000 amerikanischen Frauen über 30 (Kerlikowske et al., 1996).
Angenommen, Sie führen in einer bestimmten Gegend des Landes ein solches Brustkrebs-Screening mit Hilfe von Mammographie durch. In der betreffenden Gegend liegen folgende Angaben über Frauen zwischen 40 und 50 Jahren vor, bei denen sich keine Symptome zeigen und die am Mammografie-Screening teilnehmen: Die Wahrscheinlichkeit, dass eine dieser Frauen Brustkrebs hat, beträgt 0,8 Prozent. Wenn eine Frau Brustkrebs hat, beträgt die Wahrscheinlichkeit 90 Prozent, dass ihr Mammogramm positiv ausfällt. Wenn eine Frau jedoch keinen Brustkrebs hat, beträgt die Wahrscheinlichkeit 7 %, dass ihr Mammogramm dennoch positiv ausfällt. Angenommen, bei einer Frau ist das Mammogramm positiv. Wie hoch ist die Wahrscheinlichkeit, dass sie tatsächlich Brustkrebs hat? Professor Standing schätzte diese Wahrscheinlichkeit auf 90 Prozent.
Betrachten wir die Daten nun aus einer anderen Perspektive: Von 1.000 Frauen haben acht Brustkrebs. Von diesen acht Frauen mit Brustkrebs werden sieben ein positives Mammogramm haben. Von den übrigen 992 Frauen ohne Brustkrebs werden rund 70 dennoch ein positives Mammogramm haben. Stellen Sie sich nun eine Gruppe von Frauen vor, bei denen das Mammogramm beim Screening positiv ausfiel. Wie viele von ihnen haben tatsächlich Brustkrebs? Die hier mitgeteilten Informationen sind (abgesehen vom Ab- oder Aufrunden) genau die gleichen wie zuvor, daher muss das Ergebnis dasselbe sein. Nun ist es jedoch viel leichter zu erkennen. Nur sieben von den insgesamt 77 Frauen mit positivem Mammogramm haben Brustkrebs, was 9 Prozent entspricht. Der Anteil ist also weitaus niedriger als die von Professor Standing genannten 90 Prozent. Als er die Werte in Form von natürlichen Häufigkeiten sah, verwandelte sich seine Zahlenblindheit in Einsicht. Anhand der Häufigkeiten fand er die Antwort sofort und bemerkte erleichtert: „Aber das ist ja ganz leicht”, um dann sogar hinzuzufügen: „Und es hat Spaß gemacht.”
Darmkrebsscreening (S. 148 ff)

Gigerenzer: Das Einmaleins der Skepsis, S. 149
Gigerenzer berichtet über die Ergebnisse zum Hämokkulttest (Test auf verborgenes – »okkultes« – Blut im Stuhl, engl. FOBT für Fecal Occult Blood Test), dem Standardtest auf Darmkrebs. 48 Ärzte sollten abschätzen, wie wahrscheinlich ein Darmkarzinom ist, wenn der Hämokkulttest positiv ausfiel. Die eine Hälfte der Teilnehmer erhielt die Information in Wahrscheinlichkeiten, die andere in natürlichen Häufigkeiten. Die Schätzungen lagen weit auseinander lagen, wenn die Informationen in Form von Wahrscheinlichkeiten vorlagen. Die genannten Werte schwankten zwischen 1 und 99 Prozent, und ihr Mittelwert lag etwa zehn Mal so hoch wie der korrekte Wert, den man mit der Bayes’schen Regel erhält. Auf diesen richtigen Wert kam nur einer dieser 24 Ärzte, während einige andere annähernd richtige Werte erhielten, allerdings mit falscher Begründung. Beispielsweise verwechselte ein Arzt die Falsch-positiv-Rate (3 Prozent) mit der Wahrscheinlichkeit eines Darmkarzinoms bei positiv ausgefallenem Test, die ja nicht viel höher ist.
Wenn die Informationen in Form natürlicher Häufigkeiten gegeben wurden, streuten die Schätzungen kaum und lagen zwischen 1 und 1o Prozent. In dieser Gruppe kamen die meisten Arzte genau auf den richtigen Wert, alle anderen waren nahe dran.
Die Studie ergab somit das gleiche Ergebnis wie die für das Brustkrebs-Screening: Beim Versuch, aus Wahrscheinlichkeiten richtige Schlussfolgerungen zu ziehen, gerieten die allermeisten Teilnehmer ins Straucheln. Offensichtlich ist es anhand der natürlichen Häufigkeiten leichter, richtig zu überlegen und zu übereinstimmenden Ergebnissen zu kommen.
DNA (S. 221 ff)
Funktioniert die Klärung des Denkens bei Juristen genauso wie bei Medizinern? Um dies herauszufinden, führten Sam Lindsey, Ralph Hertwig und ich eine Studie durch. Dabei baten wir Jurastudenten höherer Semester und 27 Volljuristen – vor allem Dozenten und Professoren der Freien Universität Berlin – um ihre Einschätzung zweier Strafsachen. Die Akten waren nahezu identisch mit denen zweier tatsächlicher Fälle von Vergewaltigung und Mord in Deutschland. In beiden Fällen war eine Übereinstimmung der DNA-Profile des Angeklagten und einer Spur am Opfer festgestellt worden. Doch außer dieser Übereinstimmung gab es kaum Gründe, die jeweiligen Angeklagten der Tat zu verdächtigen.
Können Jurastudenten und Juristen Ungewissheiten leichter nachvollziehen, wenn ihnen die Informationen in Form natürlicher Häufigkeiten präsentiert werden? Beeinflusst die Art der Darstellung ihr Urteil über Schuld oder Unschuld des Angeklagten? Die eine Hälfte der Jurastudenten und Juristen erhielt die relevanten Informationen als Wahrscheinlichkeiten, die andere Hälfte als natürliche Häufigkeiten. Der authentische Charakter der Prozessakten war für die Teilnehmer unserer Studie sehr motivierend und sie wandten im Durchschnitt über eineinhalb Stunden dafür auf, die Akten beider Fälle zu lesen und sich ein Urteil zu bilden.
- Frage 1: Wie viele der Männer, bei denen eine Übereinstimmung festgestellt wurde, haben wirklich das gleiche DNA-Profil wie die Blutprobe?
- Frage 2: Wie viele der Männer, bei denen eine Übereinstimmung festgestellt wurde, können Urheber der Spur sein?
- Frage 3: Bitte fällen Sie Ihr Urteil: schuldig oder nicht schuldig?
Wurden die Informationen in Form von Wahrscheinlichkeiten gegeben, tappten sowohl die Jurastudenten als auch die Juristen im Dunkeln. Nur sehr wenige Teilnehmer unserer Studie konnten aus einer Übereinstimmungswahrscheinlichkeit von 0,0001 Prozent und einer Falsch-Positiv-Rate von 0,001 Prozent sinnvolle Schlüsse ziehen. Dies gelang lediglich einem Prozent der Studenten und zehn Prozent der Juristen. Wurden hingegen die natürlichen Häufigkeiten angegeben, stieg dieser Anteil auf 40 bzw. über 70 Prozent.
Nun zur zweiten Frage, nämlich zur Wahrscheinlichkeit, dass die Spur am Tatort tatsächlich vom Angeklagten stammt. Auch hier waren bei Angabe der Wahrscheinlichkeiten die wenigsten Teilnehmer in der Lage, die Frage richtig zu beantworten. Bei Angabe der Häufigkeiten hingegen war der Anteil richtiger Lösungen ähnlich hoch wie bei der ersten Frage. Die meisten Teilnehmer erkannten nun, dass nur einer der in Augenschein genommenen Männer der Urheber der Spur sein konnte.
Am Ende eines Strafprozesses steht das Urteil, ob der Angeklagte schuldig ist oder nicht. Dies ist eine Ja/Nein-Entscheidung, die selbstverständlich nicht in Form von Wahrscheinlichkeiten formuliert werden kann. Beeinflusste die Art der Darstellung das Urteil der Teilnehmer unserer Studie? – Ja. Ein größerer Anteil der Studierenden und auch der Volljurist:innen plädierte für „schuldig“, wenn die Information in Form von Wahrscheinlichkeiten vorlag, also das Denken eher „vernebelt“ war. Dieser Effekt war bei den Studierenden etwas stärker. Insgesamt nahmen die Schuldsprüche jedoch um 50 Prozent zu, wenn die Befragten mit Wahrscheinlichkeiten „dachten”.
Der kompetente Umgang mit statistischen Angaben ist eine vergleichsweise junge Kulturtechnik. Die Wahrscheinlichkeitstheorie entstand im 17. Jahrhundert und erst im 19. Jahrhundert wurden statistische Daten einer breiten Öffentlichkeit zugänglich. Da über Jahrtausende hinweg keine systematische Ausbildung im Umgang mit Wahrscheinlichkeiten stattfand und statistische Daten meist als Staatsgeheimnis galten, besteht bis heute eine kognitive Distanz zu diesen abstrakten Konzepten.
Fehlendes Verständnis statistischer Zusammenhänge führt insbesondere in der Medizin und vor Gericht häufig zu Fehlentscheidungen. Ein Beispiel ist das Mammografie-Screening, bei dem laut Studien zwei bis vier von 10.000 Frauen durch strahlungsinduzierte Karzinome betroffen sind, wobei mindestens eine Frau daran stirbt. Zudem sind falsch-positive Ergebnisse bei HIV-Tests ein Problem, das gravierende soziale und psychische Folgen haben kann. Ursachen für solche Fehler liegen unter anderem in der Verwechslung oder Verunreinigung von Proben sowie in einer unzureichenden Differenzierung von bedingten Wahrscheinlichkeiten.
Ein weiteres Beispiel findet sich im Justizwesen. Die fehlerhafte Multiplikation von Einzelwahrscheinlichkeiten, wie bei der Verknüpfung von Blutgruppenübereinstimmungen, kann zu Fehlurteilen mit schwerwiegenden Folgen führen. Der unsachgemäße Umgang mit DNA-Spuren und die Vernachlässigung von Unsicherheiten oder Alternativerklärungen können die Aussagekraft solcher Indizien weiter reduzieren. Auch die Interpretation von DNA-Tests im Kontext von Vaterschaftsnachweisen unterliegt häufig falschen Annahmen hinsichtlich der Grundwahrscheinlichkeit und der Testzuverlässigkeit. Der Markt für entsprechende Tests ist groß, doch selbst umfangreiche Analysen zeigen, dass in fünf bis zehn Prozent der Fälle nicht der angenommene Vater der biologische Vater ist. Die tatsächliche Zuverlässigkeit dieser Tests leidet zusätzlich unter fehlender Information über den Personenkreis möglicher Väter und methodischen Vereinfachungen im Testverfahren.
Für den sachgerechten Umgang mit Wahrscheinlichkeiten und Risiken empfiehlt Gigerenzer die Beachtung dreier grundlegender Prinzipien:
- Die grundsätzliche Unsicherheit aller Aussagen über die Zukunft anerkennen.
- Eigene Informationsrecherche zu Risiken und Darstellung in natürlichen Häufigkeiten bevorzugen, insbesondere unter Berücksichtigung der Interessenslage der Datenquellen.
- Die klare und verständliche Kommunikation von Risiken in natürlichen Häufigkeiten anstelle abstrakter Wahrscheinlichkeitsangaben ohne Bezugsrahmen.
Diese Kompetenzen sollten sowohl im schulischen als auch im universitären Curriculum stärker verankert werden, um fehlerhafte Schlussfolgerungen zu vermeiden und die gesellschaftliche Risikokompetenz zu fördern.
ESC 2026
Der Europäische Statistikwettbewerb (ESC2026) bietet Schulen eine hervorragende Gelegenheit, Statistik aktiv und kreativ im Unterricht zu erleben und sich dabei mit Schülerinnen und Schülern europaweit zu messen. Teams aus Sekundarstufen entdecken, wie spannende Geschichten mit Daten erzählt werden können – und die besten werden europaweit ausgezeichnet.
Die Promotern beschreiben den Wettbewerb als Herausforderung, spannende statistische Aufgaben zu lösen und dabei kreative Lösungen zu entwickeln. Ob gemeinsam geforscht, Daten analysiert oder ein Video gestaltet wird, Schüler lernen, wie man echte Fragen mit echten Daten beantworten kann. Lehrkräfte können mit ihren Lerngruppen kreative Projektarbeit fördern und aktuelle Statistik praxisnah in den Unterricht einbinden.
Teilnahmebedingungen und Zeitplan
Teilnehmen dürfen Teams aus zwei bis drei Schülerinnen bzw. Schülern der Klassenstufen 8 bis 13, betreut von einer Lehrkraft. Es gibt zwei Kategorien: Kategorie A (Sekundarstufe II, z. B. Klassen 11–13) und Kategorie B (Sekundarstufe I, Klassen 8–10). Eine Lehrkraft kann mehrere Teams betreuen. Jede Schülerin/jeder Schüler darf nur in einem Team starten. Der Wettbewerb ist in zwei nationale Phasen und anschließend eine europäische Phase unterteilt.
| Anmeldung | 22.09. bis 14.11.2025 | Registrierung über die ESC-Plattform (Destatis) |
| Runde 1 (national) | 19.11.–08.12.2025 | Online Multiple-Choice-Test (Destatis) |
| Runde 2 (national) | 12.01.–23.02.2026 | Datenanalyse mit realen Datensätzen & Präsentation (Destatis) |
| Runde 3 (europäisch) | 16.03.–27.04.2026 | Videoprojekt zu einem vorgegebenen Thema (Destatis) |
| Preisverleihung (Deutschland) | 19.05.2026 | Finale Auszeichnung in Wiesbaden (Destatis) |
| Europäische Preisverleihung | Jun 26 | Veranstaltung auf europäischer Ebene (Destatis) |
Tipps zur Umsetzung
- Bilden Sie frühzeitig Teams und starten Sie mit kleinen Übungsaufgaben oder Diskussionen zu gesellschaftlichen Themen, die sich später in Datenprojekte übersetzen lassen.
- Nutzen Sie freie Online-Datenquellen (z. B. von “GENESIS-Online”, Destatis oder Eurostat) für Recherchen und Datensätze.
- Unterstützen Sie Schülerinnen und Schüler insbesondere bei der Datenaufbereitung, Interpretation und der Visualisierung (Diagramme, Infografiken etc.).
- Fördern Sie medienpraktische Kompetenzen: Das Filmen und Gestalten eines Videos erfordert Planung, Dramaturgie und technisches Know-how.
- Wenn möglich, organisieren Sie eigene Workshops in Ihrer Schule oder mit externen Gästen (z. B. aus Statistik-Institutionen), um die Teilnehmerinnen und Teilnehmer methodisch zu unterstützen.
Materialien
Die ESC2026-Unterrichtsmaterialien stehen zentral auf der ESC-Seite des Statistischen Bundesamts zur Verfügung. Hier gibt es u.a. Beispielaufgaben, Leitfäden zur Datenanalyse und Arbeitsblätter, die speziell für den Wettbewerb entwickelt wurden.
Didaktische Anregungen, interaktive Übungen und weiterführende Aufgaben finden sich zudem im Education Corner von Eurostat. Dort werden Materialien explizit für Lehrkräfte angeboten, um Statistikunterricht zeitgemäß und praxisnah zu gestalten.
Recherchen auf der DeStatis Webseite
hier zum Beispiel nach eine Tabelle suchen und Tabelle individuell anpassen: auf der linken Seite ‘Statistiken’ anklicken > die gewünschte Statistik heraussuchen (zum Beispiel Verbraucherpreisindex), die gewünschte Tabelle mit den gewünschten Merkmalen heraussuchen und über den Button ‘Anpassen’ zum Beispiel weitere Zeiträume (für zum Beispiel eine lange Reihe zu erstellen) auswählen. Anschließend kann die Tabelle geteilt (Button ‘Teilen’) und/oder gedownloaded werden (Button ‘Download’)
Zur Erstellung eines Videos gibt es einen YouTube-Kanal von Eurostat. Hier finden sich Beispiele aus vorherigen Jahren und dienen einer ersten Orientierung
Zur Gestaltung motivierender Unterrichtseinheiten mit Eurostat-Daten bieten sich zahlreiche praxisorientierte Ansätze an, z. B.
- Statistische Fragestellungen entwickeln
Die Klasse formuliert eigene Fragestellungen zur Lebensrealität von Jugendlichen in Europa (z.B. Freizeitverhalten, Bildung, Umwelt). Anschließend werden dazu passende Datensätze auf der Eurostat-Website gesucht und für eine Auswertung ausgewählt - Datenrecherche und Analyse üben
Schülerinnen und Schüler arbeiten in Teams, um öffentlich verfügbare Eurostat-Daten herunterzuladen, zu entschlüsseln und mithilfe von Tabellenkalkulationen auszuwerten (z.B. Diagramme zu Jugendarbeitslosigkeit oder Vergleich der Lebenserwartung). - Dateninterpretation und Präsentation
Die Teams präsentieren ihre Analyseergebnisse in Form von Präsentationen, Info-Postern oder Videos. Dabei werden sie ermutigt, anhand der Daten gesellschaftliche Trends zu erklären und eigene Hypothesen zu überprüfen – so wie es in der ESC-Endrunde gefordert ist. - Vorbereitung auf Multiple-Choice-Fragen
Spezielle Einheiten können mit testbasierten Aufgaben gearbeitet werden: Lehrkräfte stellen statistische Kurzaufgaben zu Themen wie „Verstehen von Grafiken“ oder „Erkennen von Korrelationen“ bereit, die sich an früheren Wettbewerbsfragen orientieren.
Falls weitere Fragen bestehen, steht ein Kontaktformular zur Verfügung.
Podcast
- mathematikcast: Handlungsorientierten Stochastikunterricht (mit Wolfgang Riemer)
Stochastik ist nicht selten ein Stiefkind im Mathematikunterricht. In dieser Folge sprechen wir mit Wolfgang Riemer darüber, wie ein handlungsorientierter Stochastikunterricht aussehen kann. Die Schrittfolge aus Spekulieren, Experimentieren und Reflektieren prägen seinen “stochastischen Dreisatz”.
In Ergänzung stelle ich noch eine Podcastreihe vor, deren Hosts für einen „Statistik-Führerschein“ werben. Zurecht, wie ich finde. Zudem eignen sich die Beispiele gut als Einführung in das passende Thema der Wahrscheinlichkeitsrechnung/Statistik.
Als die britische Krankenschwester Florence Nightingale am 4. November 1854 im Lazarett in Scutari ankommt, sterben im Schnitt vier von zehn Patienten. Mithilfe von statistischen Analysen und deren visueller Aufbereitung kann Nightingale die Sterblichkeitsrate unter den verletzten und kranken Soldaten drastisch senken.
Darüber hinaus werden Missbräuche von Diagrammen vorgestellt. Das regt ebenfalls sehr zu Diskussionen an.
Anfang des 20. Jahrhunderts entwickelt der Brauereileiter und Statistiker William Sealy Gosset eine Methode, um das Bier der Guinness-Brauerei objektiv zu testen. Obwohl die Methode bis heute angewendet wird, kennt kaum jemand den Namen des Erfinders.
Anregungen für einen schulischen Einsatz:
Mit der Rückkehr zu G9 hat sich der Lehrplan für die Oberstufe geändert. Insbesondere kann im Vertiefungsbereich in der 12. Jahrgangsstufe Statistik unterrichtet werden. Wir besprechen das Konzept des statistischen Testens anhand des Binomialtests. Wir geben optimale einseitige und zweiseitige Tests an und besprechen Anwendungsbeispiele. Schließlich gehen wir kurz auf Themen des Vertiefungsbereichs ein.
-
- schule.at: Aufgabenbeispiele zum t-Test
- Studyflix: t Test
Was ist eigentlich der t Test und wie führt man ihn richtig durch? Solltest du dir diese Fragen stellen, findest du alle relevanten Antworten in diesem Beitrag. Nach einer kurzen Einführung in die unterschiedlichen Arten und Subkategorien des t Tests, lernst du anhand verschiedener Beispiele, wie sich der t Test aktiv durchführen lässt. Außerdem zeigen wir dir, wie du in diesem Kontext richtig mit der Verteilungstabelle arbeitest und wie du die Ergebnisse des t Tests final interpretieren kannst.
Das US-amerikanische Militär hat im Zweiten Weltkrieg ein Problem: Viele Flieger ihrer Luftwaffe kehren gar nicht oder stark beschädigt zurück. Die US Air Force bittet den Mathematiker Abraham Wald um Hilfe: Er soll mit statistischen Methoden herausfinden, wie das Militär seine Flugzeuge sicherer machen kann.
In der Folge geht es insbesondere um eine sogenannte kognitive Verzerrung, also um einen Denkfehler, der auf einem falschen Ansatz beruht.
Abschließend noch ein Beispiel, das ich der Presse entnommen habe. In dem Artikel wird Innenminister Dobrindt vorgeworfen, seine Präsentation für eine unzulässige Kritik zum Linksextremismus genutzt zu haben; die von ihm präsentierten Balkendiagramme vermitteln ein verzerrtes Bild.
..Stay Tuned…
Update:
Seit 2012 hinterfragen der Bochumer Ökonom und RWI-Vizepräsident Thomas Bauer, der Berliner Psychologe Gerd Gigerenzer und der Dortmunder Statistiker Walter Krämer jeden Monat publizierte Statistiken und deren Interpretation in den Medien. Seit 2018 ist zudem Katharina Schüller, Geschäftsleiterin und Gründerin von STAT-UP, Mitglied des Unstatistik-Teams. Die Unstatistik will zu einem sachlichen und vernünftigen Umgang mit Daten und Fakten beitragen.
- Janina Brüggemann: Arbeitsblatt zur Vierfeldertafel unter Quellennutzung der JIM-Studie
Bildnachweis: Gerd Altmann @pixabay
Die vorliegende Handreichung mit dem Titel ‚Mathematik gemeinsam lernen‘ ist mit der Intention entstanden, Lehrkräfte der Primarstufe bei der Planung, Durchführung und Reflexion inklusiven Mathematikunterrichts zu unterstützen. Sie basiert auf der Arbeit des im Jahr 2015 mit Unterstützung des Schulministeriums gestarteten Projekts ‚Mathematik inklusiv mit PIKAS‘. Im Zuge des Projekts wurden Unterrichtsmaterialien zu zentralen Unterrichtsthemen entwickelt, Texte mit wichtigen Hintergrundinformationen verfasst sowie mathematikdidaktisch und sonderpädagogisch fundierte konzeptionelle Überlegungen formuliert.
Drei Professoren der Bergischen Universität haben sich Anfang des Jahres ’22 vorgenommen, Schüler*innen zu zeigen, wie vielfältig die Themen sind, mit denen sie sich im Mathematikunterricht beschäftigen können. Mathematik, das sei viel mehr als pures Rechnen, sind sich Matthias Ehrhardt, Michael Günther und Wil Schilders sicher. Um mehr Menschen für Mathematik, Informatik, natur- und ingenieurwissenschaftliche Studienfächer zu gewinnen, richtet sich das Buch „Erfolgsformeln“ nicht nur an Mathematikinteressierte, sondern vor allem an erklärte „Nicht-Zahlenmenschen“ und Formeljongleure im Alltag.