<\/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 Bei der Durchf\u00fchrung eines Hypothesentests m\u00fcssen wir das zu verwendende Signifikanzniveau angeben.<\/span><\/p>\n Zu den g\u00e4ngigen Optionen f\u00fcr ein Signifikanzniveau geh\u00f6ren:<\/span><\/p>\n Wenn der p-Wert des Hypothesentests unter dem angegebenen Signifikanzniveau liegt, k\u00f6nnen wir die Nullhypothese ablehnen und daraus schlie\u00dfen, dass wir \u00fcber ausreichende Beweise verf\u00fcgen, um zu sagen, dass die Alternativhypothese wahr ist.<\/span><\/p>\n Wenn der p-Wert nicht unter dem angegebenen Signifikanzniveau liegt, verwerfen wir die Nullhypothese nicht und kommen zu dem Schluss, dass wir nicht \u00fcber ausreichende Beweise verf\u00fcgen, um zu sagen, dass die Alternativhypothese wahr ist.<\/span><\/p>\n Die folgenden Beispiele erkl\u00e4ren, wie ein p-Wert gr\u00f6\u00dfer als 0,05 in der Praxis interpretiert wird.<\/span><\/p>\n Angenommen, ein Biologe geht davon aus, dass ein bestimmter D\u00fcnger dazu f\u00fchrt, dass Pflanzen \u00fcber einen Zeitraum von einem Jahr mehr wachsen als normalerweise, was derzeit 20 Zoll betr\u00e4gt.<\/span><\/p>\n Um dies zu testen, tr\u00e4gt sie den D\u00fcnger drei Monate lang auf jede einzelne Pflanze in ihrem Labor auf.<\/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 Pflanzenwachstum)<\/span><\/p>\n Die Alternativhypothese: ( HA<\/sub> ):<\/strong> \u03bc > 20 Zoll (D\u00fcnger f\u00fchrt zu einer durchschnittlichen Steigerung des Pflanzenwachstums)<\/span><\/p>\n Beim Testen einer Hypothese auf einen Mittelwert unter Verwendung eines Signifikanzniveaus von \u03b1 = 0,05 erh\u00e4lt der Biologe einen p-Wert von 0,2338<\/strong> .<\/span><\/p>\n Da der p-Wert von 0,2338<\/strong> gr\u00f6\u00dfer als das Signifikanzniveau von 0,05<\/strong> ist, kann der Biologe die Nullhypothese nicht ablehnen.<\/span><\/p>\n Sie kommt daher zu dem Schluss, dass es keine ausreichenden Beweise daf\u00fcr gibt, dass D\u00fcngemittel zu einem erh\u00f6hten Pflanzenwachstum f\u00fchren.<\/span><\/p>\n Ein Maschinenbauingenieur geht davon aus, dass ein neuer Produktionsprozess die Anzahl fehlerhafter Bauteile, die in einer bestimmten Fabrik produziert werden, reduzieren wird, die derzeit bei 3 fehlerhaften Bauteilen pro Charge liegt.<\/span><\/p>\n Um dies zu testen, wird der neue Prozess verwendet, um einen neuen Stapel von Widgets zu erstellen.<\/span><\/p>\n Anschlie\u00dfend wird ein Hypothesentest unter Verwendung der folgenden Annahmen durchgef\u00fchrt:<\/span><\/p>\n Die Nullhypothese (H 0<\/sub> ):<\/strong> \u03bc = 3 (der neue Prozess hat keinen Einfluss auf die durchschnittliche Anzahl fehlerhafter Widgets pro Charge)<\/span><\/p>\n Die Alternativhypothese: (H A<\/sub> ):<\/strong> \u03bc < 3 (der neue Prozess f\u00fchrt zu einer Reduzierung der durchschnittlichen Anzahl fehlerhafter Widgets pro Charge)<\/span><\/p>\n Der Ingenieur f\u00fchrt einen Hypothesentest f\u00fcr einen Mittelwert mit einem Signifikanzniveau von \u03b1 = 0,05 durch und erh\u00e4lt einen p-Wert von 0,134<\/strong> .<\/span><\/p>\n Da der p-Wert von 0,134<\/strong> gr\u00f6\u00dfer als das Signifikanzniveau von 0,05<\/strong> ist, kann der Ingenieur die Nullhypothese nicht ablehnen.<\/span><\/p>\n Daher kommt er zu dem Schluss, dass es nicht gen\u00fcgend Beweise daf\u00fcr gibt, dass das neue Verfahren zu einer Verringerung der durchschnittlichen Anzahl fehlerhafter Widgets f\u00fchrt, die in jeder Charge produziert werden.<\/span><\/p>\n Die folgenden Tutorials bieten zus\u00e4tzliche Informationen zu p-Werten:<\/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. Bei der Durchf\u00fchrung […]<\/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
\n
Beispiel 1: Interpretation eines P-Werts gr\u00f6\u00dfer als 0,05 (Biologie)<\/strong><\/span><\/h2>\n
Beispiel 2: Interpretation eines P-Werts gr\u00f6\u00dfer als 0,05 (Fertigung)<\/strong><\/span><\/h2>\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
Statistische oder praktische Bedeutung<\/a>
P-Wert vs. Alpha: Was ist der Unterschied?<\/a><\/span><\/p>\n","protected":false},"excerpt":{"rendered":"