IG AFU Bonn

Simpson‑Paradoxon — einfach, technisch, humorvoll

Kurzfassung. Das Simpson‑Paradoxon ist ein statistischer Streich: Wenn du Daten in Gruppen aufteilst, kann ein Trend in jeder Gruppe in die entgegengesetzte Richtung gehen als im Gesamtdatensatz. Für Funkamateure ist das so, als würde ein Contest‑Ergebnis auf Band A besser aussehen, auf Band B besser aussehen, aber zusammen plötzlich schlechter — und alle wundern sich, bis jemand die Antenne misst.

1. Was ist das Simpson‑Paradoxon?

Das Simpson‑Paradoxon tritt auf, wenn die Zusammenfassung von Daten über mehrere Gruppen hinweg ein anderes Bild zeigt als die Betrachtung jeder Gruppe für sich. Kurz: lokale Trends ≠ globaler Trend. Das ist kein Rechenfehler, sondern eine Eigenschaft von gewichteten Mittelwerten und unterschiedlichen Gruppengrößen.

  • Anschaulich: Stell dir vor, zwei OM‑Stationen A und B arbeiten zwei Bänder. Auf jedem Band hat A eine höhere QSO‑Rate als B. Wenn aber A viel öfter auf dem schlechten Band ruft und B öfter auf dem guten Band, kann B insgesamt mehr QSOs haben. Das ist genau das Paradoxon.

2. Warum passiert das?

Das Paradoxon entsteht durch Ungleichgewicht in den Gruppengrößen und unterschiedliche Basisraten. Wenn eine Gruppe viel größer ist oder andere „Gewichte“ hat, kann sie das Gesamtergebnis dominieren und so die Richtung des Trends umdrehen.

  • Technische Intuition: Wenn du Mittelwerte oder Erfolgsraten über Gruppen hinweg zusammenrechnest, zählt nicht nur die Erfolgsquote, sondern auch, wie viele Messungen in jeder Gruppe stecken. Große Gruppen können kleine, aber wichtige Unterschiede überdecken.

3. Ein Funkamateur‑Beispiel (ohne Zahlen)

Stell dir zwei OM‑Stationen, Anna und Bernd, die an einem Contest teilnehmen.

  • Auf 40 Meter hat Anna eine sehr gute Trefferquote, Bernd ist etwas schlechter.
  • Auf 20 Meter ist Anna ebenfalls besser als Bernd. Aber: Anna hat fast alle ihre Versuche auf 20 Meter gemacht, wo die Bedingungen insgesamt schlechter waren, während Bernd die meiste Zeit auf 40 Meter war, wo viele Stationen gut hörbar waren. Am Ende hat Bernd mehr QSOs — obwohl er auf jedem Band einzeln schlechter war. Die Verteilung der Versuche hat das Gesamtergebnis umgedreht.

4. Woran erkennt man das Paradoxon?

  • Wenn die Richtung eines Effekts (z. B. „A ist besser als B“) sich ändert, sobald du Daten gruppierst oder zusammenfasst, ist das ein Warnsignal.
  • Prüfe immer die Gruppengrößen und die Basisraten in den Untergruppen.
  • Frage dich: Sind die Gruppen vergleichbar? Wurden sie zufällig oder systematisch gebildet?

5. Warum ist das wichtig — auch für OM

  • Contest‑Analyse: Wenn du nur die Gesamt‑QSO‑Zahlen vergleichst, übersiehst du möglicherweise, dass unterschiedliche Bandwahl oder Betriebszeiten das Ergebnis verzerren.
  • Antenne und Standorttests: Ein Antennenvergleich über verschiedene Tage oder Bänder kann irreführend sein, wenn die Bedingungen nicht gleich verteilt sind.
  • Betriebsentscheidungen: Entscheidungen auf Basis aggregierter Statistiken (z. B. „Modus X ist effizienter“) können falsch sein, wenn sie nicht nach relevanten Gruppen aufgeschlüsselt werden.

6. Wie vermeidet man Fehlinterpretationen?

  • Stratifiziere die Daten: Schau dir die Ergebnisse pro Band, pro Tageszeit oder pro Betriebsmodus an, bevor du alles zusammenfasst.
  • Gewichte bewusst: Achte darauf, wie viele Messungen in jeder Gruppe stecken. Kleine Gruppen mit extremen Werten können das Bild verzerren, große Gruppen dominieren.
  • Kontext beachten: Warum sind die Gruppen unterschiedlich groß? Gab es Propagation‑Effekte, Contest‑Regeln oder persönliche Betriebsgewohnheiten?
  • Visualisiere: Balkendiagramme pro Gruppe und ein Gesamtbalken helfen oft, das Paradoxon sichtbar zu machen.

7. Satirische Parallelen für den Clubabend

  • Der OM, der nur die Zusammenfassung liest: Er verkündet lautstark, dass „Modus FT8 besser ist“, während die Gruppe weiß, dass alle FT8‑Versuche nachts stattfanden, als die Bandbedingungen optimal waren.
  • Der Statistik‑QRM: Das Simpson‑Paradoxon ist wie ein heimlicher Störer, der die Anzeige deines Panadapters umdreht, wenn du nicht hinschaust.
  • Taktik: Wenn du beim Field Day behauptest, dein neuer Verstärker habe die Leistung verdoppelt, zeig zuerst die Daten pro Antenne und pro Band — sonst wird man dich „auf der kritischen Geraden“ erwischen.

8. Ein kurzes, praktisches Vorgehen für OM‑Analysen

  1. Trenne nach relevanten Faktoren: Band, Tageszeit, Antenne, Betriebsmodus.
  2. Vergleiche innerhalb der Gruppen: Wer ist besser auf 40 m, wer auf 20 m?
  3. Schau auf die Gruppengrößen: Wie viele QSOs stecken in jeder Gruppe?
  4. Ziehe Schlussfolgerungen nur mit Kontext: Wenn Anna mehr QSOs hat, liegt das an Strategie, Bandwahl oder besserer Antenne — nicht nur an „Talent“.

9. Humorvoller Abschluss

Das Simpson‑Paradoxon ist der Statistik‑Äquivalent zu einem unerklärlichen QRM: erst denkst du, alles ist klar, dann drehst du die Antenne und plötzlich ist alles anders. Beim nächsten Clubabend: bring deine Daten, deine Antenne und ein paar Kekse. Wenn jemand behauptet, er habe „den besten Modus“ gefunden, frag ihn, ob er die Daten nach Band aufgeschlüsselt hat — und beobachte, wie die Farbe aus seinem Gesicht weicht.

Dieser Artikel ist in Teilen KI-generiert.