So ist diese Seite geprüft: Jede Rechnung, jede Tabelle und jede Quizlösung ist von unserem Rechen-Algorithmus ohne KI nachgerechnet. Fachlich wurde der Text in zwei unabhängigen Prüfrunden kontrolliert und gegen 24 belegte Kernaussagen aus festen Quellen abgeglichen.
Quellen
Ein Hypothesentest prüft anhand einer Stichprobe, ob eine Behauptung über die Grundgesamtheit (die Nullhypothese H0) verworfen werden kann. Dazu berechnet man eine Teststatistik und vergleicht sie mit einem kritischen Wert, der sich aus dem Signifikanzniveau α ergibt. Liegt die Teststatistik im Ablehnungsbereich oder ist der p-Wert kleiner als α, wird H0 abgelehnt.
In der Wirtschaft werden ständig Behauptungen aufgestellt: Ein Lieferdienst verspricht eine durchschnittliche Lieferzeit von höchstens 30 Minuten, ein Abfüller garantiert 500 ml pro Flasche, das Marketing behauptet, die neue Kampagne habe die Conversion-Rate erhöht. Alle Kunden, alle Flaschen oder alle Bestellungen zu prüfen, ist zu teuer. Also ziehst du eine Stichprobe – und musst entscheiden, ob die Abweichung, die du darin siehst, nur Zufall ist oder ein echtes Signal.
Genau diese Entscheidung formalisiert der Hypothesentest. Die Logik ist ein Widerspruchsbeweis mit Restrisiko: Du nimmst zunächst an, die Behauptung stimmt (Nullhypothese). Dann fragst du: Wie wahrscheinlich wäre ein Stichprobenergebnis wie meines, wenn die Nullhypothese wahr wäre? Ist das sehr unwahrscheinlich, verwirfst du sie.
Nullhypothese : der Status quo bzw. die Behauptung, die du widerlegen willst. Sie enthält immer das Gleichheitszeichen (=, ≤ oder ≥).
Alternativhypothese : das, was du nachweisen willst. Nur sie kann durch den Test „statistisch gesichert“ werden.
Je nach Fragestellung unterscheidest du drei Testvarianten:
| Test | Hypothesen | Ablehnungsbereich |
|---|---|---|
| rechtsseitig | , | |
| linksseitig | , | |
| zweiseitig | , |
Das Signifikanzniveau α legst du vor dem Test fest, üblich sind 5 % oder 1 %. Es ist die maximale Wahrscheinlichkeit, mit der du H0 ablehnst, obwohl sie stimmt. Die kritischen Werte stammen aus der Standardnormalverteilung: , , .
Der Nenner ist der Standardfehler des Mittelwerts: Er misst, wie stark Stichprobenmittelwerte um den wahren Mittelwert schwanken. Voraussetzung sind unabhängige, repräsentativ gewonnene Beobachtungen. Bei normalverteilter Grundgesamtheit gilt der Gauß-Test (σ bekannt) exakt; ist σ unbekannt, ersetzt du σ durch die Stichprobenstandardabweichung s und vergleichst mit der t-Verteilung mit n − 1 Freiheitsgraden (t-Test, bei Normalverteilung exakt). Bei hinreichend großen Stichproben ist eine asymptotische Näherung möglich. Ab etwa n > 30 liegen t- und Normalverteilung so nah beieinander, dass viele Skripte dann mit z-Werten rechnen lassen.
Ein Lieferdienst wirbt damit, dass Bestellungen im Durchschnitt höchstens 30 Minuten unterwegs sind. Ein Restaurantpartner zweifelt daran und wertet 49 zufällig ausgewählte Lieferungen aus: durchschnittliche Lieferzeit 32,1 Minuten. Aus langjährigen Daten ist die Standardabweichung mit σ = 6 Minuten bekannt. Test bei α = 5 %.
Schritt 1: Hypothesen
Der Partner will nachweisen, dass es länger dauert. Das gehört in H1:
gegen (rechtsseitiger Test)
Schritt 2: Signifikanzniveau
α = 0,05
Schritt 3: Teststatistik
Standardfehler: Minuten
Schritt 4: Kritischer Wert
Rechtsseitig bei 5 %: . Ablehnungsbereich: z > 1,645.
Schritt 5: Entscheidung
wird abgelehnt.
Alternativ über den p-Wert: , also 0,71 %. Weil , wird H0 ebenfalls abgelehnt. Sogar bei α = 1 % (kritischer Wert 2,326) wäre das Ergebnis signifikant.
Interpretation: Auf dem 5-%-Niveau ist statistisch gesichert, dass die durchschnittliche Lieferzeit über 30 Minuten liegt. Wäre das Werbeversprechen wahr, würde bei ein Stichprobenmittel von 32,1 Minuten oder mehr nur in etwa 0,7 % der Fälle auftreten; für wäre diese Wahrscheinlichkeit noch kleiner.
Der Stichprobenumfang macht den Unterschied: Hätte der Partner nur 9 Lieferungen gemessen, wäre der Standardfehler und . Dieselbe Abweichung von 2,1 Minuten wäre dann nicht signifikant – H0 könnte nicht abgelehnt werden. Ohne bekanntes σ (t-Test mit s = 6 und 48 Freiheitsgraden) wäre der kritische Wert 1,677; auch dann würde H0 bei n = 49 abgelehnt.
Nachgerechnet von unserem Rechen-AlgorithmusJede Rechnung in diesem Beispiel ist ohne KI exakt geprüft. So funktioniert’sWeil du nur eine Stichprobe hast, kann jede Testentscheidung falsch sein:
| Entscheidung | H0 ist wahr | H0 ist falsch |
|---|---|---|
| H0 ablehnen | Fehler 1. Art (Wahrscheinlichkeit α) | richtig (Teststärke ) |
| H0 nicht ablehnen | richtig | Fehler 2. Art (Wahrscheinlichkeit β) |
Im Beispiel wäre ein Fehler 1. Art, dem Lieferdienst Wortbruch vorzuwerfen, obwohl er sein Versprechen hält. Ein Fehler 2. Art wäre, die zu langen Lieferzeiten zu übersehen.
Beide Fehler hängen zusammen: Senkst du α von 5 % auf 1 %, wird der Ablehnungsbereich kleiner – du lehnst seltener zu Unrecht ab, übersiehst aber häufiger echte Abweichungen (β steigt). Beide Fehler gleichzeitig senken kannst du vor allem mit einem größeren Stichprobenumfang; auch eine geringere Streuung der Messwerte oder ein effizienteres Untersuchungsdesign verbessern die Trennschärfe. Welcher Fehler teurer ist, ist eine betriebswirtschaftliche Frage: In der Qualitätskontrolle von Medikamenten wählt man ein kleines α, bei einem schnellen Marketingtest darf es großzügiger sein.
Ein zweiseitiger Test zum Niveau α und ein Konfidenzintervall zum Niveau sind zwei Seiten derselben Medaille: H0: wird genau dann abgelehnt, wenn außerhalb des Intervalls liegt. Das Intervall zeigt zusätzlich, in welchem Bereich der wahre Wert plausibel liegt.
Neben dem Gauß- und t-Test für Mittelwerte gibt es Tests für Anteile (etwa: Liegt die Reklamationsquote über 2 %?), für den Vergleich zweier Gruppen (A/B-Test zweier Werbemittel), den Chi-Quadrat-Test für Zusammenhänge zwischen kategorialen Merkmalen und Tests auf Signifikanz einer Korrelation oder eines Regressionskoeffizienten. Das Grundschema ist immer dasselbe.
Grenzen: „Signifikant“ heißt nicht „wirtschaftlich relevant“. Bei sehr großen Stichproben wird auch eine Abweichung von wenigen Sekunden signifikant, obwohl sie niemanden stört. Umgekehrt beweist ein nicht signifikantes Ergebnis nicht, dass H0 stimmt – vielleicht war die Stichprobe nur zu klein. Und der p-Wert ist nicht die Wahrscheinlichkeit, dass H0 wahr ist, sondern die Wahrscheinlichkeit für ein mindestens so extremes Ergebnis unter der Annahme, dass H0 wahr ist.
1. Ein Hersteller will nachweisen, dass seine neue Maschine im Schnitt weniger als 4 Minuten pro Stück braucht. Wie lauten die Hypothesen?
Richtig: C) , . Was nachgewiesen werden soll, steht in H1. Also , und H0 enthält das Gleichheitszeichen: .
2. Gegeben: , , σ = 20, n = 64. Wie groß ist die Teststatistik z?
Richtig: A) 1,6. Standardfehler , also . 0,2 entsteht, wenn man die Wurzel aus n vergisst.
3. Ein Test liefert p = 0,03. Was folgt daraus?
Richtig: B) Bei α = 5 % wird H0 abgelehnt, bei α = 1 % nicht.. H0 wird abgelehnt, wenn p < α. 0,03 < 0,05, aber 0,03 > 0,01. Der p-Wert ist keine Wahrscheinlichkeit für H0 und sagt nichts über wirtschaftliche Relevanz.
Der p-Wert ist die Wahrscheinlichkeit, ein Stichprobenergebnis zu erhalten, das mindestens so stark gegen H0 spricht wie das beobachtete – vorausgesetzt, H0 ist wahr. Ist er kleiner als das Signifikanzniveau α, wird H0 abgelehnt.
Einseitig testest du, wenn nur eine Richtung interessiert, etwa „Die Lieferzeit liegt über 30 Minuten“. Zweiseitig testest du, wenn jede Abweichung relevant ist, etwa „Die Füllmenge weicht von 500 ml ab“. Die Richtung muss vor dem Blick auf die Daten feststehen.
Der Gauß-Test setzt voraus, dass die Standardabweichung σ der Grundgesamtheit bekannt ist, und nutzt die Standardnormalverteilung. Beim t-Test ist σ unbekannt und wird durch s aus der Stichprobe geschätzt, kritische Werte kommen aus der t-Verteilung mit n − 1 Freiheitsgraden.
Es bedeutet, dass du höchstens mit 5 % Wahrscheinlichkeit eine wahre Nullhypothese fälschlich ablehnst. Das ist die Wahrscheinlichkeit für den Fehler 1. Art, die du vor dem Test festlegst.
Ein Fehler 1. Art liegt vor, wenn du H0 ablehnst, obwohl sie wahr ist; seine Wahrscheinlichkeit ist höchstens α. Ein Fehler 2. Art liegt vor, wenn du H0 beibehältst, obwohl sie falsch ist; seine Wahrscheinlichkeit heißt β. Bei festem Stichprobenumfang steigt β, wenn du α senkst.
Teil die Seite mit deiner Lerngruppe oder schick sie deiner Fachschaft.
Thema 10 von 10 · Abschnitt „Schließende Statistik“. Alle 10 Themen in Lernreihenfolge