Mit Erklärvideos und Simulationen Kovariation in Bayesianischen Situationen trainieren

dc.contributor.authorSteib, Nicole
dc.contributor.authorBüchter, Theresa
dc.date.accessioned2023-06-07T13:52:36Z
dc.date.available2023-06-07T13:52:36Z
dc.date.issued2023
dc.description.abstractHäufig 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.de
dc.identifier.urihttp://hdl.handle.net/2003/41569
dc.identifier.urihttp://dx.doi.org/10.17877/DE290R-23412
dc.language.isodede
dc.publisherGesellschaft für Didaktik der Mathematik
dc.relation.ispartofBeiträge zum Mathematikunterricht 2022
dc.subjectKovariationde
dc.subjectBayesianisches Denkende
dc.subjectVisualisierungende
dc.subjectDoppelbaumde
dc.subjectEinheitsquadratde
dc.subjectSek 1de
dc.subjectAlgebrade
dc.subjectDarstellende
dc.subjectSek IIde
dc.subjectStochastikde
dc.subject.ddc510
dc.titleMit Erklärvideos und Simulationen Kovariation in Bayesianischen Situationen trainierende
dc.typeTextde
dc.type.publicationtypeconferenceObjectde
dcterms.accessRightsopen access
eldorado.dnb.deposittruede
eldorado.secondarypublicationfalsede

Dateien

Originalbündel

Gerade angezeigt 1 - 1 von 1
Lade...
Vorschaubild
Name:
BzMU22_1253.pdf
Größe:
175.59 KB
Format:
Adobe Portable Document Format
Beschreibung:
DNB

Lizenzbündel

Gerade angezeigt 1 - 1 von 1
Lade...
Vorschaubild
Name:
license.txt
Größe:
4.85 KB
Format:
Item-specific license agreed upon to submission
Beschreibung:

Sammlungen