<\/p>\n
Wenn Sie einen statistischen Test durchf\u00fchren, sei es ein Chi-Quadrat-Test, ein Bev\u00f6lkerungsdurchschnittstest, ein Bev\u00f6lkerungsanteilstest, eine lineare Regression oder ein anderer Test, sind Sie h\u00e4ufig am resultierenden p-Wert dieses Versuchs interessiert.<\/span><\/p>\n Ein p-Wert sagt Ihnen einfach die St\u00e4rke der Beweise, die eine Nullhypothese st\u00fctzen.<\/span><\/p>\n Wenn der p-Wert kleiner als das Signifikanzniveau ist, lehnen wir die Nullhypothese ab.<\/span><\/p>\n Wenn Sie also einen p-Wert von 0,000 erhalten, m\u00fcssen Sie ihn mit dem Signifikanzniveau vergleichen. Zu den g\u00e4ngigen Signifikanzniveaus geh\u00f6ren 0,1, 0,05 und 0,01.<\/span><\/p>\n Da 0,000 kleiner als alle dieser Signifikanzniveaus ist, w\u00fcrden wir die Nullhypothese in jedem Fall ablehnen.<\/span><\/p>\n Lassen Sie uns ein Beispiel durchgehen, um die Dinge klarer zu machen.<\/span><\/p>\n Eine Fabrik gibt an, Reifen mit einem Gewicht von jeweils 200 Pfund herzustellen.<\/span><\/p>\n Ein Pr\u00fcfer kommt herein und testet die Nullhypothese, dass das durchschnittliche Reifengewicht 200 Pfund betr\u00e4gt, anhand der Alternativhypothese, dass das durchschnittliche Reifengewicht nicht 200 Pfund betr\u00e4gt, unter Verwendung einer Level-Signifikanz von 0,05.<\/span><\/p>\n Die Nullhypothese (H0):<\/strong> \u03bc = 200<\/span><\/p>\n Die Alternativhypothese: (Ha):<\/strong> \u03bc \u2260 200<\/span><\/p>\n Beim Testen einer Hypothese auf einen Mittelwert erh\u00e4lt der Pr\u00fcfer einen p-Wert von 0,000.<\/span><\/p>\n Da der p-Wert von 0,000 unter dem Signifikanzniveau von 0,05 liegt, lehnt der Pr\u00fcfer die Nullhypothese ab.<\/span><\/p>\n Beispiel: Erhalten eines P-Werts von 0,000<\/span><\/strong><\/h2>\n