p-Wert-Rechner
Berechnen Sie den p-Wert aus einer Z- oder t-Statistik, vergleichen Sie ihn mit α und prüfen Sie sofort linke und rechte Schwanzflächen.
p-Wert-Rechner
Gib eine Z- oder t-Teststatistik ein und wähle die Testrichtung, um p-Wert, α-Vergleich sowie die Wahrscheinlichkeiten der linken und rechten Verteilungsschwänze auf einen Blick zu sehen.
Der Modus Normalverteilung (Z) verwendet die Standardnormalverteilung, um den p-Wert zu berechnen. Er passt zu Fällen, in denen die Z-Statistik bereits vorliegt oder die Populationsstandardabweichung als bekannt angenommen wird.
Nutze die Beispiele, um zu vergleichen, wie sich das Ergebnis zwischen Normalverteilung, t-Verteilung und ein- oder zweiseitigen Tests verändert.
- Der p-Wert ist die Wahrscheinlichkeit, unter der Nullhypothese ein mindestens so extremes Ergebnis zu beobachten. Kleinere Werte sprechen dafür, dass die Daten weniger gut zum Nullmodell passen.
- Ein zweiseitiger Test bündelt die extremen Bereiche auf beiden Seiten der Verteilung. Bei gleicher Statistik ist der p-Wert daher oft größer als bei einem einseitigen Test.
- Die t-Verteilung hat bei kleinen df schwerere Ränder, daher kann dieselbe Statistik einen größeren p-Wert liefern als unter der Normalverteilung.
Gib eine Statistik ein, um das Ergebnis sofort zu berechnen.
Unter der Normalverteilung (Z) ergeben Z = 1.96, ein zweiseitiger Test und α = 0.05 einen p-Wert von etwa 0.0500 und liegen damit direkt am Grenzwert.
0.0500 ≤ 0.10
0.0500 ≈ 0.05
0.0500 > 0.01
Das aktive α ist 0.05. Weil der p-Wert so nah an dieser Schwelle liegt, solltest du lieber den ungerundeten Wert lesen als dich nur auf die gerundete Anzeige zu verlassen.
| Verteilung | Normalverteilung (Z) |
|---|---|
| Testrichtung | Zweiseitig |
| Teststatistik | 1.96 |
| Freiheitsgrade | – |
| Signifikanzniveau α | 0.05 |
| Linke kumulative Fläche | 0.9750 |
| Rechte Schwanzfläche | 0.0250 |
| p-Wert | 0.0500 |
| Bewertung | Grenzfall |
- Für Z = 1.96 beträgt die kumulative Normalwahrscheinlichkeit Φ(1.96) ungefähr 0.9750.
- Da dies ein zweiseitiger Test ist, wird die kleinere Schwanzfläche von 0.0250 verdoppelt und ergibt so einen p-Wert von 0.0500.
- Bei α = 0.05 liegt das Ergebnis fast genau auf der Ablehnungsschwelle, deshalb ist der genaue Wert wichtiger als die gerundete Anzeige.
Das ist ein klassisches Grenzbeispiel. Wenn du das Ergebnis berichtest, nenne Verteilung, Testrichtung, Freiheitsgrade und α-Regel, damit die Einordnung nachvollziehbar bleibt.
Was ist ein p-Wert-Rechner?
Ein p-Wert-Rechner hilft dir dabei einzuschätzen, wie ungewöhnlich ein Testergebnis ist, sobald die Teststatistik bereits berechnet wurde. Beim Hypothesentesten ist der p-Wert die Wahrscheinlichkeit, unter der Nullhypothese ein mindestens so extremes Ergebnis zu beobachten. Je kleiner der p-Wert ist, desto weniger passend erscheinen die beobachteten Daten zum Nullmodell.
In der Praxis wird der p-Wert oft häufiger genannt als die eigentliche Statistik. Sein Wert hängt aber davon ab, ob die Statistik unter der Normalverteilung (Z) oder der t-Verteilung interpretiert werden muss und ob der Test einseitig oder zweiseitig angelegt ist. Dieses Werkzeug bringt diese Entscheidungen auf einer Seite zusammen, damit Interpretationsfehler seltener werden.
Wann dieses Tool hilft
Dieses Tool ist nützlich, wenn du bereits eine Z- oder t-Statistik aus einer Softwareausgabe, einem Paper oder einer Handrechnung hast und den p-Wert schnell überprüfen möchtest. Besonders hilfreich ist es, wenn du einseitige und zweiseitige Interpretationen vergleichen oder sehen willst, wie sich das Ergebnis mit einem anderen df-Wert verändert.
Typische Einsatzfälle sind Testwertvergleiche, Mittelwerttests zwischen Behandlung und Kontrolle, Welch-t-Tests, Koeffiziententests in Regressionsausgaben oder Studienaufgaben, bei denen nur Statistik und Freiheitsgrade vorliegen. Als schneller Gegencheck vor einem Bericht oder einer Besprechung zur Signifikanz ist der Rechner gut geeignet.
- Studium und Handrechnungs-Checks – Einen t- oder Z-Wert zusammen mit seinem p-Wert erneut prüfen
- Tabellen in Fachartikeln lesen – Veröffentlichte Statistik und df eingeben und die Signifikanz direkt bestätigen
- Qualitätssicherung für Berichte – Einseitige und zweiseitige Ergebnisse vor dem Abschluss einer Notiz vergleichen
- Datenarbeit im Alltag – Regressions- oder Mittelwertvergleiche interpretieren, ohne ein größeres Statistik-Setup neu zu öffnen
Wichtige Funktionen
Dieser Rechner zeigt mehr als nur einen einzelnen p-Wert. Er macht auch sichtbar, welche Schwanzfläche verwendet wird und wie sich das Ergebnis gegenüber gängigen α-Schwellen verhält. Ziel ist ein kurzer, gut nachvollziehbarer Weg von der Statistik zur berichtsfähigen Einordnung.
Du kannst zwischen Normalverteilung (Z) und t-Verteilung umschalten, linksseitige, rechtsseitige und zweiseitige Tests vergleichen und dein eigenes α-Niveau eingeben. Auf derselben Seite siehst du außerdem, wie sich das Resultat zu 0.10, 0.05 und 0.01 verhält.
- Z-/t-Umschaltung – Den Rechner auf die Verteilung anpassen, die zu deiner Teststatistik gehört
- Unterstützung für ein- und zweiseitige Tests – Links-, rechts- und zweiseitige p-Werte sofort vergleichen
- Eingabe der Freiheitsgrade – Den df direkt berücksichtigen, wenn die t-Verteilung nötig ist
- α-Vergleichskarten – Sofort sehen, wie derselbe Wert bei 0.10, 0.05 und 0.01 einzuordnen ist
- Ergebnis kopieren – Eine kurze Zusammenfassung für Notizen, Chats oder Berichte kopieren
So verwendest du den Rechner
Wähle zuerst, ob dein Ergebnis als Z-Statistik oder als t-Statistik gelesen werden soll, und lege dann die Testrichtung fest. Danach gibst du den Statistikwert ein und, falls du mit der t-Verteilung arbeitest, zusätzlich die Freiheitsgrade. Zum Schluss trägst du das α-Niveau ein, das du als Entscheidungsschwelle verwenden möchtest, und liest den aktualisierten p-Wert ab.
Zweiseitige Tests verdoppeln die kleinere Schwanzfläche, während einseitige Tests nur die von deiner Hypothese vorgegebene Seite verwenden. Wenn du mit einer Regressionsausgabe oder einer Tabelle zum Mittelwertvergleich arbeitest und die Richtung nicht klar ist, solltest du vor der Interpretation prüfen, ob die Analyse eine ein- oder zweiseitige Regel erwartet.
- Verteilung wählen – Nutze Normalverteilung (Z) für eine Z-Statistik und t-Verteilung für eine t-Statistik.
- Testrichtung wählen – Wähle linksseitig, rechtsseitig oder zweiseitig passend zur Hypothese.
- Statistik eingeben – Trage den berechneten z- oder t-Wert ein.
- df und α ergänzen – Gib im t-Modus die Freiheitsgrade und die α-Regel ein, mit der du vergleichen willst.
- Ergebnis lesen – Nutze die obere Ergebniskarte, die α-Vergleichsreihe und die Übersichtstabelle gemeinsam.
Wie die Berechnung funktioniert
Im Modus Normalverteilung (Z) wird die kumulative Verteilungsfunktion Φ(z) der Standardnormalverteilung genutzt. Ein linksseitiger Test verwendet Φ(z) direkt als p-Wert, ein rechtsseitiger Test verwendet 1 – Φ(z), und ein zweiseitiger Test verdoppelt die kleinere Schwanzfläche, damit gleich extreme Werte auf beiden Seiten berücksichtigt werden.
Der t-Modus verwendet die kumulative Wahrscheinlichkeit der Student-t-Verteilung zusammen mit den Freiheitsgraden. Bei kleinen df sind die Ränder schwerer, sodass dieselbe Statistik einen größeren p-Wert liefern kann als unter der Normalverteilung. Deshalb sollten Tests mit kleinen Stichproben oder unbekannter Populationsstandardabweichung im Regelfall im t-Modus geprüft und nicht auf den Z-Modus vereinfacht werden.
Ein p-Wert ist nicht die Wahrscheinlichkeit, dass die Nullhypothese selbst wahr ist. Er ist die Wahrscheinlichkeit, unter dem Nullmodell die aktuelle Statistik oder etwas noch Extremeres zu beobachten. Studiendesign, multiple Vergleiche und nachträglich formulierte Hypothesen müssen weiterhin getrennt beurteilt werden. Wenn du außerdem die zugrunde liegenden Standardisierungswerte prüfen willst, kannst du mit dem Z-Score-Rechner, dem Rechner für Standardabweichung oder dem Durchschnittsrechner weitermachen.
Häufig gestellte Fragen
Bedeutet ein kleiner p-Wert immer, dass das Ergebnis wichtig ist?
Nicht unbedingt. Ein kleiner p-Wert bedeutet, dass die beobachteten Daten weniger gut zur Nullhypothese passen, er beweist aber nicht automatisch, dass der Effekt groß oder praktisch bedeutsam ist. Bei sehr großen Stichproben können schon kleine Unterschiede kleine p-Werte erzeugen.
Wann sollte ich einen einseitigen statt eines zweiseitigen Tests verwenden?
Einen einseitigen Test solltest du nur verwenden, wenn die Hypothese schon vor dem Blick auf die Daten wirklich gerichtet ist. Wenn dich nur interessiert, ob das Ergebnis in irgendeine Richtung anders ist, nutze einen zweiseitigen Test. „Größer als“ kann einen einseitigen Test rechtfertigen, „verschieden von“ verlangt meist einen zweiseitigen Test.
Warum muss ich im t-Modus Freiheitsgrade eingeben?
Die Form der t-Verteilung hängt von den Freiheitsgraden ab. Kleinere df machen die Ränder schwerer und können den p-Wert für dieselbe t-Statistik erhöhen. Das ist besonders bei kleinen Stichproben und bei Welch-t-Tests wichtig, bei denen df nicht zwingend ganzzahlig sind.
Worin unterscheiden sich p-Wert und α?
Der p-Wert ist die aus deinen Daten berechnete Zahl, α ist dagegen die Entscheidungsschwelle, die du vor der Interpretation festlegst. Wenn der p-Wert kleiner oder gleich α ist, gilt das Ergebnis nach dieser Regel als signifikant. Das eine ist das beobachtete Resultat, das andere der Vergleichsmaßstab.
Kann dieser Rechner auch p-Werte für Chi-Quadrat- oder F-Tests berechnen?
Die aktuelle Version unterstützt nur die Normalverteilung (Z) und die t-Verteilung. Chi-Quadrat-Tests, F-Tests, Korrelationstests und exakte Tests verwenden andere Verteilungen und benötigen eigene Formeln. Wenn du bereits weißt, welchen Test du brauchst, ist ein spezialisierter Rechner für diese Verteilung genauer.
Noch keine Kommentare. Hinterlassen Sie die erste Meinung.