<\/p>\n
Zwei Begriffe, die Studierende in der Statistik h\u00e4ufig verwechseln, sind p-Wert<\/strong> und Alpha<\/strong> .<\/span><\/p>\n Beide Begriffe werden beim Hypothesentest<\/a> verwendet, bei dem es sich um formale statistische Tests handelt, mit denen wir eine Hypothese ablehnen oder nicht ablehnen.<\/span><\/p>\n Nehmen wir zum Beispiel an, wir gehen davon aus, dass eine neue Pille den Blutdruck der Patienten st\u00e4rker senkt als die aktuelle Standardpille.<\/span><\/p>\n Um dies zu testen, k\u00f6nnen wir einen Hypothesentest durchf\u00fchren, bei dem wir die folgenden Null- und Alternativhypothesen definieren:<\/span><\/p>\n Nullhypothese:<\/strong> Es gibt keinen Unterschied zwischen der neuen Pille und der Standardpille.<\/span><\/p>\n Alternative Hypothese:<\/strong> Es gibt<\/em> einen Unterschied zwischen der neuen Pille und der Standardpille.<\/span><\/p>\n Wenn wir davon ausgehen, dass die Nullhypothese wahr ist, gibt uns der p-Wert<\/strong> des Tests die Wahrscheinlichkeit an, einen Effekt zu erzielen, der mindestens so gro\u00df ist wie der, den wir tats\u00e4chlich in den Stichprobendaten beobachtet haben.<\/span><\/p>\n Angenommen, wir stellen beispielsweise fest, dass der p-Wert f\u00fcr den Hypothesentest 0,02 betr\u00e4gt.<\/span><\/p>\n So interpretieren Sie diesen p-Wert: Wenn es tats\u00e4chlich keinen Unterschied zwischen der neuen Pille und der Standardpille gab, erhalten wir in 2 % der F\u00e4lle, in denen wir diesen Hypothesentest durchf\u00fchren, den in der Datenstichprobe beobachteten Effekt oder mehr. einfach aufgrund eines zuf\u00e4lligen Stichprobenfehlers.<\/span><\/p>\n Dies zeigt uns, dass es eher selten w\u00e4re, die von uns tats\u00e4chlich durchgef\u00fchrten Datenproben zu erhalten, wenn es tats\u00e4chlich keinen Unterschied zwischen der neuen Pille und der Standardpille g\u00e4be.<\/span><\/p>\n Daher w\u00e4ren wir geneigt, die Nullhypothese abzulehnen und zu dem Schluss zu kommen, dass es einen Unterschied zwischen der neuen Pille und der Standardpille gibt<\/em> .<\/span><\/p>\n Aber welchen Schwellenwert sollten wir verwenden, um zu bestimmen, ob unser p-Wert niedrig genug ist, um die Nullhypothese abzulehnen?<\/span><\/p>\n Hier kommt Alpha ins Spiel!<\/span><\/p>\n Der Alpha-Wert<\/strong> eines Hypothesentests ist der Schwellenwert, den wir verwenden, um zu bestimmen, ob unser p-Wert niedrig genug ist, um die Nullhypothese abzulehnen. Er wird h\u00e4ufig auf 0,05 eingestellt, manchmal jedoch auch auf 0,01 oder 0,10.<\/span><\/p>\n Wenn wir beispielsweise den Alpha-Wert eines Hypothesentests auf 0,05 setzen und einen p-Wert von 0,02 erhalten, lehnen wir die Nullhypothese ab, da der p-Wert kleiner als der Alpha-Wert ist. Daher w\u00fcrden wir zu dem Schluss kommen, dass wir \u00fcber ausreichende Beweise verf\u00fcgen, um zu sagen, dass die Alternativhypothese wahr ist.<\/span><\/p>\n Es ist wichtig zu beachten, dass das Alpha-Niveau auch die Wahrscheinlichkeit definiert, eine echte Nullhypothese f\u00e4lschlicherweise abzulehnen.<\/span><\/p>\n Nehmen wir zum Beispiel an, wir m\u00f6chten testen, ob es einen Unterschied in der durchschnittlichen Blutdrucksenkung zwischen einer neuen und der aktuellen Pille gibt. Und nehmen wir an, dass es keinen<\/em> Unterschied zwischen den beiden Pillen gibt.<\/span><\/p>\n Wenn wir das Alpha-Niveau eines Hypothesentests auf 0,05 festlegen, bedeutet dies, dass wir bei mehrmaliger Wiederholung des Hypothesentests davon ausgehen w\u00fcrden, dass die Nullhypothese in etwa 5 % der F\u00e4lle f\u00e4lschlicherweise abgelehnt wird. Tests.<\/span><\/p>\n Wie bereits erw\u00e4hnt, ist die h\u00e4ufigste Wahl f\u00fcr den Alpha-Wert eines Hypothesentests 0,05. In einigen Situationen, in denen fehlerhafte Schlussfolgerungen schwerwiegende Folgen haben, k\u00f6nnen wir den Alpha-Wert jedoch sogar noch niedriger festlegen, beispielsweise auf 0,01.<\/span><\/p>\n Im medizinischen Bereich ist es beispielsweise \u00fcblich, dass Forscher den Alpha-Wert auf 0,01 festlegen, weil sie sicher sein wollen, dass die Ergebnisse eines Hypothesentests zuverl\u00e4ssig sind.<\/span><\/p>\n Umgekehrt kann es in Bereichen wie dem Marketing \u00fcblicher sein, den Alpha-Wert h\u00f6her anzusetzen, beispielsweise 0,10, da die Folgen eines Fehlers weder Leben noch Tod sind.<\/span><\/p>\n Es ist zu beachten, dass eine Erh\u00f6hung des Alpha-Levels eines Tests die Wahrscheinlichkeit erh\u00f6ht, ein Signifikanztestergebnis zu finden, aber auch die Wahrscheinlichkeit erh\u00f6ht, dass wir eine echte Nullhypothese f\u00e4lschlicherweise ablehnen.<\/span><\/p>\n Folgendes haben wir in diesem Artikel gelernt:<\/span><\/p>\n 1.<\/strong> Ein p-Wert<\/strong> gibt uns die Wahrscheinlichkeit an, einen Effekt zu erzielen, der mindestens so gro\u00df ist wie der, den wir tats\u00e4chlich in den Beispieldaten beobachtet haben.<\/span><\/p>\n 2.<\/strong> Ein Alpha-Level<\/strong> ist die Wahrscheinlichkeit, eine echte Nullhypothese f\u00e4lschlicherweise abzulehnen.<\/span><\/p>\n 3.<\/strong> Wenn der p-Wert eines Hypothesentests kleiner als der Alpha-Wert ist, k\u00f6nnen wir die Nullhypothese ablehnen.<\/span><\/p>\n 4.<\/strong> Die Erh\u00f6hung des Alpha-Levels eines Tests erh\u00f6ht die Chance, dass wir ein signifikantes Testergebnis finden, aber es erh\u00f6ht auch die Chance, dass wir eine echte Nullhypothese f\u00e4lschlicherweise ablehnen.<\/span><\/p>\n Einf\u00fchrung in das Testen von Hypothesen<\/a> Zwei Begriffe, die Studierende in der Statistik h\u00e4ufig verwechseln, sind p-Wert und Alpha . Beide Begriffe werden beim Hypothesentest verwendet, bei dem es sich um formale statistische Tests handelt, mit denen wir eine Hypothese ablehnen oder nicht ablehnen. Nehmen wir zum Beispiel an, wir gehen davon aus, dass eine neue Pille den Blutdruck der Patienten […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Alpha-Level<\/strong><\/span><\/h3>\n
So w\u00e4hlen Sie die Alpha-Stufe aus<\/strong><\/span><\/h3>\n
Zusammenfassung:<\/strong><\/span><\/h3>\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So schreiben Sie eine Nullhypothese (5 Beispiele)<\/a>
So identifizieren Sie einen Links- vs. Richtiger Test<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"