Bei jedem Test wird von einem Ergebnis auf den tatsächlichen Zustand des Testobjekts geschlossen (siehe dazu Bayes'sche Wahrscheinlichkeitstheorie). Dieser Schluss unterliegt einer gewissen Unschärfe und kann niemals mit absoluter Sicherheit geschehen, was als Irrtumswahrscheinlichkeit bezeichnet wird.

Diese Fehler werden als Fehler 1. und 2. Art bezeichnet. Je nach Testsituation kann die Fehlerursache in zufälligen Schwankungen (z.B. bei Signifikanztests), menschlichem Versagen (z.B. Vertauschen von Proben bei medizinischen Tests) oder technischen Unzulänglichkeiten (z.B. maschinelle Zugangskontrollen) begründet sein.

Die Irrtumswahrscheinlichkeit gibt jedoch nicht an, mit welcher Wahrscheinlichkeit das genannte Testergebnis stimmt, d.h. ein positives medizinisches Testergebnis, das von einem Test mit 1% Irrtumswahrscheinlichkeit erzeugt wurde, ist nicht automatisch mit 1-prozentiger Wahrscheinlichkeit falsch und 99-prozentiger Wahrscheinlichkeit richtig.

Dazu ein Beispiel: Eine Krankheit tritt bei einer von 1000 Personen auf. Ein medizinischer Test hat eine Irrtumswahrscheinlichkeit von 1%, liefert also bei 99 von 100 Tests das richtige Ergebnis. An 100.000 Personen wird eine groß angelegte Reihenuntersuchung durchgeführt.

Insgesamt lieferte der Test 99 + 999 = 1098 positive Resultate. Nur 99 davon waren richtig. Die Wahrscheinlichkeit, bei einem positiven Befund auch tatsächlich krank zu sein, liegt hier also nur bei 99/1098, also rund 9 Prozent!

Nota bene: Bei der Berechnung mit alpha und beta handelt es um sich bedingte Wahrscheinlichkeiten!

Siehe auch

Beurteilung eines Klassifikators, Absolute Häufigkeit, Falsch positiv

Literatur

• Gerd Gigerenzer: Das Einmaleins der Skepsis. Über den richtigen Umgang mit Zahlen und Risiken. ISBN 3827000793