Über dieses Tool
Der p-Wert ist die Wahrscheinlichkeit, eine Teststatistik zu erhalten, die mindestens so extrem ist wie die beobachtete – vorausgesetzt, die Nullhypothese H₀ ist wahr. Ein kleiner p-Wert bedeutet, dass die Daten unter H₀ ungewöhnlich wären, und das spricht gegen H₀.
Dieser Rechner wandelt eine z-, t-, Chi-Quadrat- oder F-Statistik in einen ein- oder zweiseitigen p-Wert um, sodass du keine Tabellen brauchst. Außerdem zeigt er die linke und rechte Randfläche, die kritischen Werte für dein Signifikanzniveau und ein Diagramm der Verteilung mit schattierter Fläche.
So funktioniert es
Wähle die Verteilung, der deine Teststatistik folgt: z (Standardnormalverteilung) für z-Tests, Student-t für t-Tests, Chi-Quadrat für Anpassungs-, Unabhängigkeits- und Varianztests oder F für Varianzanalyse (ANOVA) und Regression. Gib dann die Statistik und ihre Freiheitsgrade ein.
Wähle die Testrichtung passend zu deiner Alternativhypothese: linksseitig für „kleiner als“, rechtsseitig für „größer als“ und zweiseitig für „ungleich“. Chi-Quadrat- und F-Tests sind meist rechtsseitig. Der Rechner bestimmt die Fläche jenseits deiner Statistik, vergleicht den p-Wert mit dem Signifikanzniveau α und zeigt die kritischen Werte für dasselbe α.
Beispiel
Ein t-Test für zwei Stichproben ergibt bei 20 Freiheitsgraden und zweiseitiger Alternative. Die Fläche rechts von 2,0 beträgt etwa 0,0296, der zweiseitige p-Wert ist also . Da ist, kannst du H₀ auf dem Signifikanzniveau von 5 % nicht verwerfen; bei einem α von 0,10 wäre das Ergebnis dagegen signifikant. Die zweiseitigen kritischen Werte für α von 0,05 sind .
Bei einem Chi-Quadrat-Unabhängigkeitstest mit und 3 Freiheitsgraden beträgt der rechtsseitige p-Wert ; die Statistik liegt genau auf dem kritischen Wert für 5 %.
Annahmen und Grenzen
Ein p-Wert ist nur so gut wie der Test dahinter: Er setzt voraus, dass die Statistik unter H₀ tatsächlich der gewählten Verteilung folgt. Das hängt von unabhängigen Beobachtungen, ausreichend großen Stichproben und den Voraussetzungen des jeweiligen Tests ab (etwa normalverteilten Daten beim t-Test mit kleinen Stichproben).
Der p-Wert ist nicht die Wahrscheinlichkeit, dass H₀ wahr ist, und er misst weder die Größe noch die Bedeutung eines Effekts. Ein winziger Effekt kann in einer großen Stichprobe hochsignifikant sein, und ein nicht signifikantes Ergebnis beweist nicht, dass es keinen Effekt gibt. Gib neben p-Werten auch Effektstärken und Konfidenzintervalle an, und lege α und die Testrichtung fest, bevor du die Daten ansiehst. Bei zweiseitigen Chi-Quadrat- und F-Tests verdoppelt der Rechner die kleinere Randfläche.
Häufig gestellte Fragen
Was bedeutet ein p-Wert von 0,05?
Wäre die Nullhypothese wahr, träte eine Teststatistik, die mindestens so extrem ist wie deine, in etwa 5 % der Fälle auf. Bei einem Signifikanzniveau von 0,05 würdest du H₀ verwerfen. Es bedeutet nicht, dass H₀ mit 5 % Wahrscheinlichkeit wahr ist.
Soll ich einseitig oder zweiseitig testen?
Teste zweiseitig, es sei denn, du hast vor der Datenerhebung festgelegt, dass nur eine Richtung zählt und ein Effekt in der Gegenrichtung genauso behandelt würde wie kein Effekt. Bei einer symmetrischen Verteilung ist der zweiseitige p-Wert doppelt so groß wie der einseitige.
Wie bestimme ich die Freiheitsgrade?
Beim t-Test für eine Stichprobe gilt . Beim t-Test für zwei Stichproben mit gepoolter Varianz gilt . Beim Chi-Quadrat-Unabhängigkeitstest gilt . Bei der einfaktoriellen Varianzanalyse hat die F-Statistik und Freiheitsgrade. Auch gebrochene Werte wie die Freiheitsgrade des Welch-Tests sind möglich.
Was ist der Unterschied zwischen p-Wert und α?
α ist die Schwelle, die du vorab festlegst, also die Rate falsch positiver Ergebnisse, die du in Kauf nimmst. Der p-Wert ergibt sich aus deinen Daten. Ist , verwirfst du H₀ auf diesem Niveau; andernfalls kannst du H₀ nicht verwerfen.
Kann ein p-Wert genau 0 sein?
Nein. Er kann extrem klein sein; sehr kleine Werte werden in wissenschaftlicher Schreibweise angezeigt, etwa 1,2E-9. Software, die 0,000 oder „p < 0,001“ ausgibt, rundet.
Link mit deinen Werten
Hänge diese Parameter an die Adresse dieser Seite an, um sie mit bereits ausgefüllten Werten zu öffnen, etwa um eine Berechnung zu teilen oder aus einem KI-Assistenten darauf zu verlinken. Das Ergebnis wird im Browser berechnet: Das HTML der Seite zeigt ein Beispiel mit den Standardwerten, und das Tool setzt das Attribut data-url-params, sobald die Werte aus dem Link übernommen sind.
| Parameter | Wert | Wenn nicht angegeben |
|---|---|---|
distributionVerteilung der Teststatistik | einer von: z, t, chi2, f | Standard: t |
statisticTeststatistik | Zahl | erforderlich |
dfFreiheitsgrade (df) | Zahl; erlaubt > 0 – 10000000; verwendet bei distribution = t, chi2 | erforderlich |
df1Zähler-df (d₁) | Zahl; erlaubt > 0 – 10000000; verwendet bei distribution = f | erforderlich |
df2Nenner-df (d₂) | Zahl; erlaubt > 0 – 10000000; verwendet bei distribution = f | erforderlich |
tailAlternativhypothese | einer von: left, right, two | Standard: two |
alphaSignifikanzniveau (α) | Zahl; erlaubt > 0 – < 1 | Standard: 0.05 |
Beispiele
?distribution=z&statistic=1.96?statistic=2.45&df=14&tail=right?distribution=chi2&statistic=7.81&df=3?statistic=3.2&df1=4&df2=30&alpha=0.025
Schreibe Dezimalzahlen mit Punkt. Kodiere ein Leerzeichen als %20, + als %2B, # als %23 und & als %26.
Ergebniselemente: [data-result-block="p_value_calculator"]