DiscoverProf. Dr. Christian Rieck339. Vier AfD-Kandidaten vor der Wahl gestorben: Zufall? (Wahrscheinlichkeit mittels Poisson-Verteilung) - Prof Rieck
339. Vier AfD-Kandidaten vor der Wahl gestorben: Zufall? (Wahrscheinlichkeit mittels Poisson-Verteilung) - Prof Rieck

339. Vier AfD-Kandidaten vor der Wahl gestorben: Zufall? (Wahrscheinlichkeit mittels Poisson-Verteilung) - Prof Rieck

Update: 2025-09-06
Share

Description

Es gibt eine auffällige Häufung von Todesfällen unter AfD-Kandidaten vor der Kommunal-Wahl in Nordrhein-Westfalen. Wie wahrscheinlich ist es, dass dies ein zufälliges Ereignis ist? Im Video wird eine Abschätzung mittels Poisson-Verteilung vorgenommen und mit einer Monte-Carlo-Simulation überprüft.


Infos zu den Todesfällen: https://www.nzz.ch/international/sech...


►WEITERE INFORMATIONEN VON TEAM RIECK:


1. Statistische Grundkonzepte & Fallstricke

Häufungen wirken oft auffälliger, als sie statistisch sind. Zentrales Problem: das Multiple-Testing (Look-Elsewhere-Effekt). Ex post wirkt ein seltenes Ereignis überraschend, ex ante ist die Wahrscheinlichkeit für irgendeine Auffälligkeit viel höher. Beispiel: Ein beliebiges auffälliges Kfz-Kennzeichen zu sehen ist wahrscheinlich, ein exakt vorhergesagtes extrem unwahrscheinlich.

Die Poisson-Verteilung ist für seltene Ereignisse in großen Populationen handlicher als die Binomialverteilung.

Ein Signifikanzniveau (z. B. 0,34%) zeigt Seltenheit, ist aber kein Beweis für Kausalität. Es rechtfertigt nur weitere Prüfung.


2. Ereignisdefinition & Datenbasis

Die Wahrscheinlichkeit hängt stark ab von:


  • Zahl der Fälle (genau k vs. mindestens k).


  • Abgegrenzter Population (nur Partei A oder alle Kandidaten).


  • Zeitfenster (Monat vs. Jahr).

    Seriöse Schätzungen erfordern Sterbetafeln, die Alters- und Geschlechtsstruktur der Kandidaten und den exakten Zeitraum. Ohne diese bleibt alles spekulativ.


3. Kontext & Vergleiche

Eine isolierte Zahl ist bedeutungslos. Notwendig ist:


  • Altersstruktur: Parteien mit älteren Kandidaten haben höhere Grundsterblichkeit.


  • Vergleich zu anderen Parteien: Nur einseitige Häufungen sind auffällig.


  • Historische Daten: Gab es ähnliche Schwankungen früher? Dies kalibriert die Erwartung.


4. Alternative Erklärungen


  • Clustering: Räumliche oder zeitliche Häufungen entstehen zufällig und sind kein Kausalbeweis.


  • Medienecho: Früh mediale Aufmerksamkeit erhöht die Wahrnehmung weiterer Fälle, die sonst unbeachtet geblieben wären. So entsteht ein scheinbarer Trend.


5. Handlungsempfehlungen


  • Aktuar-Gutachten: Erwartete Todesfälle berechnen, mit Demografie und Zeitraum.


  • Forensik: Obduktionen klären natürliche vs. unnatürliche Ursachen.


  • Transparente Schwellenwerte: Klare Kriterien, ab wann Zufall nicht mehr plausibel ist und Ermittlungen nötig sind.


6. Kognitive Verzerrungen


  • Confirmation Bias: Daten werden passend zur eigenen Überzeugung interpretiert.


  • Ankerheuristik: Erste, oft falsche Schätzwerte prägen die Debatte.


  • Gegenmittel: Systematische Gedankenexperimente und kritische Reflexion.


#profrieck #afd #wahrscheinlichkeit

Comments 
In Channel
loading
00:00
00:00
x

0.5x

0.8x

1.0x

1.25x

1.5x

2.0x

3.0x

Sleep Timer

Off

End of Episode

5 Minutes

10 Minutes

15 Minutes

30 Minutes

45 Minutes

60 Minutes

120 Minutes

339. Vier AfD-Kandidaten vor der Wahl gestorben: Zufall? (Wahrscheinlichkeit mittels Poisson-Verteilung) - Prof Rieck

339. Vier AfD-Kandidaten vor der Wahl gestorben: Zufall? (Wahrscheinlichkeit mittels Poisson-Verteilung) - Prof Rieck

Prof. Dr. Christian Rieck