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