339. Vier AfD-Kandidaten vor der Wahl gestorben: Zufall? (Wahrscheinlichkeit mittels Poisson-Verteilung) - Prof Rieck
whatshot 10 snips
Sep 6, 2025
Die Häufung von Todesfällen unter AfD-Kandidaten vor der Kommunalwahl wird mathematisch analysiert. Ist das reiner Zufall oder steckt mehr dahinter? Es wird die Poisson-Verteilung genutzt, um die Wahrscheinlichkeit solcher seltenen Ereignisse zu berechnen. Statistische Grundkonzepte werden erklärt, während auch persönliche Vorurteile in Bezug auf politische Todesfälle diskutiert werden. Ein Gedankenexperiment regt zudem zur Reflexion über die Wahrnehmung solcher Ereignisse an, wobei emotionale und mathematische Perspektiven verschmelzen.
34:18
forum Ask episode
web_stories AI Snips
view_agenda Chapters
auto_awesome Transcript
info_circle Episode notes
insights INSIGHT
Viele Unwahrscheinlichkeiten Werden Wahrscheinlich
Viele extrem unwahrscheinliche Einzelereignisse existieren, sodass irgendeines sehr wahrscheinlich eintritt.
Daher ist die Wahrscheinlichkeit für ein spezifisches beobachtetes Detail extrem klein, aber das Gesamtereignis ist oft plausibel.
volunteer_activism ADVICE
Ereignispräzision Vor Rechnung
Definiere genau, welches Ereignis du testen willst (z.B. genau vier Verstorbene vs. mindestens vier).
Ohne klare Ereignisdefinition sind statistische Aussagen leicht irreführend.
insights INSIGHT
Poisson Als Praktische Näherung
Für seltene Binomialereignisse liefert die Poisson-Approximation eine handliche Näherung.
Sie eignet sich besonders, wenn Todesfälle selten und die Population groß ist.
Get the Snipd Podcast app to discover more snips from this episode
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.
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.
Prof. Dr. Christian Rieck