<\/p>\n
Eine Testhypothese<\/a> wird verwendet, um zu testen, ob eine Hypothese \u00fcber einen Populationsparameter<\/a> wahr ist oder nicht.<\/span><\/p>\n Wenn wir einen Hypothesentest durchf\u00fchren, definieren wir immer eine Null- und Alternativhypothese:<\/span><\/p>\n Wenn der p-Wert<\/a> des Hypothesentests unter einem bestimmten Signifikanzniveau liegt (z. B. \u03b1 = 0,01), k\u00f6nnen wir die Nullhypothese ablehnen und daraus schlie\u00dfen, dass wir \u00fcber ausreichende Beweise verf\u00fcgen, um anzugeben, dass die Alternativhypothese wahr ist.<\/span><\/p>\n Wenn der p-Wert nicht kleiner als 0,01 ist, k\u00f6nnen wir die Nullhypothese nicht ablehnen und kommen zu dem Schluss, dass wir nicht gen\u00fcgend Beweise haben, um zu sagen, dass die Alternativhypothese wahr ist.<\/span><\/p>\n Die folgenden Beispiele erkl\u00e4ren, wie ein p-Wert kleiner als 0,01 und ein p-Wert gr\u00f6\u00dfer 0,01 in der Praxis interpretiert wird.<\/span><\/p>\n Angenommen, eine Fabrik gibt an, Batterien mit einem Durchschnittsgewicht von 2 Unzen herzustellen.<\/span><\/p>\n Ein Pr\u00fcfer kommt herein und testet die Nullhypothese, dass das durchschnittliche Gewicht einer Batterie 2 Unzen betr\u00e4gt, anhand der Alternativhypothese, dass das durchschnittliche Gewicht nicht 2 Unzen betr\u00e4gt, unter Verwendung eines Signifikanzniveaus von 0,01.<\/span><\/p>\n Die Nullhypothese (H 0<\/sub> ):<\/strong> \u03bc = 2 Unzen<\/span><\/p>\n Die Alternativhypothese: ( HA<\/sub> ):<\/strong> \u03bc \u2260 2 Unzen<\/span><\/p>\n Der Pr\u00fcfer f\u00fchrt einen Hypothesentest f\u00fcr den Mittelwert durch und kommt zu einem p-Wert von 0,0046<\/strong> .<\/span><\/p>\n Da der p-Wert von 0,0046<\/strong> unter dem Signifikanzniveau von 0,01<\/strong> liegt, lehnt der Pr\u00fcfer die Nullhypothese ab.<\/span><\/p>\n Er kommt zu dem Schluss, dass es gen\u00fcgend Beweise daf\u00fcr gibt, dass das tats\u00e4chliche Durchschnittsgewicht einer in dieser Fabrik hergestellten Batterie nicht 2 Unzen betr\u00e4gt.<\/span><\/p>\n Nehmen wir an, dass eine Pflanze w\u00e4hrend einer dreimonatigen Vegetationsperiode durchschnittlich 20 Zoll w\u00e4chst. Ein Agronom sch\u00e4tzt jedoch, dass ein bestimmter D\u00fcnger dazu f\u00fchren kann, dass diese Pflanze im Durchschnitt mehr als 20 Zoll w\u00e4chst.<\/span><\/p>\n Um dies zu testen, bringt sie den D\u00fcnger w\u00e4hrend der dreimonatigen Vegetationsperiode auf jede Kulturpflanze auf einem bestimmten Feld aus.<\/span><\/p>\n Anschlie\u00dfend f\u00fchrt sie einen Hypothesentest mit den folgenden Hypothesen durch:<\/span><\/p>\n Die Nullhypothese (H 0<\/sub> ):<\/strong> \u03bc = 20 Zoll (D\u00fcnger hat keinen Einfluss auf das durchschnittliche Wachstum)<\/span><\/p>\n Die Alternativhypothese: ( HA<\/sub> ):<\/strong> \u03bc > 20 Zoll (D\u00fcnger f\u00fchrt zu einer Steigerung des durchschnittlichen Wachstums)<\/span><\/p>\n Nachdem der Wissenschaftler einen Hypothesentest f\u00fcr den Mittelwert durchgef\u00fchrt hat, erh\u00e4lt er einen p-Wert von 0,3488<\/strong> .<\/span><\/p>\n Da der p-Wert von 0,3488<\/strong> gr\u00f6\u00dfer als das Signifikanzniveau von 0,01<\/strong> ist, kann der Wissenschaftler die Nullhypothese nicht ablehnen.<\/span><\/p>\n Sie kommt zu dem Schluss, dass es nicht gen\u00fcgend Beweise daf\u00fcr gibt, dass D\u00fcngemittel zu einer Steigerung des durchschnittlichen Pflanzenwachstums f\u00fchren.<\/span><\/p>\n Die folgenden Tutorials bieten zus\u00e4tzliche Informationen zu p-Werten und Hypothesentests:<\/span><\/p>\n Eine Erkl\u00e4rung der P-Werte und der statistischen Signifikanz<\/a> Eine Testhypothese wird verwendet, um zu testen, ob eine Hypothese \u00fcber einen Populationsparameter wahr ist oder nicht. Wenn wir einen Hypothesentest durchf\u00fchren, definieren wir immer eine Null- und Alternativhypothese: Nullhypothese (H 0 ): Die Stichprobendaten stammen allein durch Zufall. Alternativhypothese ( HA ): Die Stichprobendaten werden durch eine nicht zuf\u00e4llige Ursache beeinflusst. Wenn der p-Wert […]<\/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\n
Beispiel: Interpretation eines P-Wertes kleiner als 0,01<\/strong><\/span><\/h2>\n
Beispiel: Interpretation eines P-Werts gr\u00f6\u00dfer als 0,01<\/strong><\/span><\/h2>\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
Der Unterschied zwischen T-Werten und P-Werten in der Statistik<\/a>
P-Wert vs. Alpha: Was ist der Unterschied?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"