Autor(en): | Steib, Nicole Büchter, Theresa |
Titel: | Mit Erklärvideos und Simulationen Kovariation in Bayesianischen Situationen trainieren |
Sprache (ISO): | de |
Zusammenfassung: | Häufig werden aktuell Corona-Selbsttests durchgeführt, um festzustellen, ob man mit SARS-CoV-2 infiziert ist. Die Struktur in diesen Situationen ist exemplarisch für Bayesianische Situationen, die sich durch eine binäre Hypothese H (z. B. infiziert vs. nicht infiziert) und ein binäres Indiz I zu dieser Hypothese (z. B. ein positives vs. negatives Testergebnis) auszeichnen (Zhu & Gigerenzer, 2006). Bayesianisches Denken umfasst dann die Fähigkeit, in solchen Situationen argumentieren zu können. In einer solchen Bayesianischen Situation sind typischerweise drei Wahrscheinlichkeiten gegeben bzw. notwendig, um mit der Formel von Bayes rechnen zu können. |
Schlagwörter: | Kovariation Bayesianisches Denken Visualisierungen Doppelbaum Einheitsquadrat Sek 1 Algebra Darstellen Sek II Stochastik |
URI: | http://hdl.handle.net/2003/41569 http://dx.doi.org/10.17877/DE290R-23412 |
Erscheinungsdatum: | 2023 |
Provinienz: | Gesellschaft für Didaktik der Mathematik |
Ist Teil von: | Beiträge zum Mathematikunterricht 2022 |
Enthalten in den Sammlungen: | 2022 |
Dateien zu dieser Ressource:
Datei | Beschreibung | Größe | Format | |
---|---|---|---|---|
BzMU22_1253.pdf | DNB | 175.59 kB | Adobe PDF | Öffnen/Anzeigen |
Diese Ressource ist urheberrechtlich geschützt. |
Diese Ressource ist urheberrechtlich geschützt. rightsstatements.org