Σ
SDCalc
ExperteFortgeschritten·14 min

Hypothesentests mit der Standardabweichung

Erfahren Sie, wie die Standardabweichung bei Hypothesentests eingesetzt wird. Verstehen Sie t-Tests, z-Tests und die Bestimmung statistischer Signifikanz.

Überblick

Hypothesentests sind statistische Verfahren, um auf Grundlage von Stichprobendaten Entscheidungen über Populationen zu treffen. Die Standardabweichung spielt eine entscheidende Rolle bei der Bestimmung, ob beobachtete Unterschiede statistisch signifikant sind oder lediglich auf Zufall beruhen.

1

Hypothesen formulieren

Nullhypothese (H₀) und Alternativhypothese (H₁) aufstellen
2

Signifikanzniveau wählen

Signifikanzniveau (α) festlegen, üblicherweise 0,05
3

Teststatistik berechnen

Teststatistik mithilfe der Standardabweichung berechnen
4

Mit kritischem Wert vergleichen

Mit dem kritischen Wert vergleichen oder den p-Wert berechnen
5

Entscheidung treffen

Entscheidung treffen: H₀ ablehnen oder nicht ablehnen

Z-Test

Verwenden Sie einen Z-Test, wenn Ihnen die Populationsstandardabweichung (σ) bekannt ist und die Stichprobe groß genug ist (n ≥ 30).

Z-Teststatistik

z = (x̄ - μ₀) / (σ / √n)

Beispiel

Ein Hersteller behauptet, dass Batterien im Durchschnitt 100 Stunden halten (μ₀ = 100). Sie testen 36 Batterien und ermitteln x̄ = 98 Stunden. Bei σ = 12 Stunden: z = (98 - 100) / (12 / √36) = -2 / 2 = -1 Mit z = -1 und α = 0,05 (zweiseitig) kann H₀ nicht abgelehnt werden. Der Unterschied ist nicht statistisch signifikant.

T-Test

Verwenden Sie einen t-Test, wenn Sie die Populationsstandardabweichung nicht kennen und sie aus der Stichprobe schätzen müssen (s statt σ).

T-Teststatistik

t = (x̄ - μ₀) / (s / √n)

Wann T-Test vs. Z-Test verwenden

- Z-Test: σ ist bekannt, n ≥ 30 - T-Test: σ ist unbekannt (s verwenden), beliebige Stichprobengröße In der Praxis sind t-Tests wesentlich häufiger, da wir das wahre σ der Population selten kennen.

Standardfehler

Der Standardfehler (SE) misst, wie stark Stichprobenmittelwerte vom Populationsmittelwert abweichen. Er ist das zentrale Bindeglied zwischen Standardabweichung und Hypothesentests.

Standardfehler des Mittelwerts

SE = σ / √n (oder s / √n bei Verwendung der Stichproben-SD)

Der Standardfehler sinkt mit zunehmender Stichprobengröße. Größere Stichproben liefern präzisere Schätzungen und erleichtern die Erkennung tatsächlicher Unterschiede.

Statistische Signifikanz

Ein Ergebnis ist statistisch signifikant, wenn die Wahrscheinlichkeit, es zufällig zu beobachten (p-Wert), unter dem gewählten Schwellenwert (α) liegt.

Wenn p-Wert < α

H₀ ablehnen. Das Ergebnis ist statistisch signifikant.

Wenn p-Wert ≥ α

H₀ nicht ablehnen. Das Ergebnis könnte zufallsbedingt sein.

Statistische vs. praktische Signifikanz

Ein statistisch signifikantes Ergebnis ist nicht unbedingt praktisch bedeutsam. Bei sehr großen Stichproben können winzige Unterschiede "signifikant" sein, aber in der Praxis bedeutungslos. Berücksichtigen Sie immer die Effektgröße neben den p-Werten.

Further Reading

← Lernzentrum

How to Read This Article

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

Reading goalWhat to focus onCommon mistake
DefinitionWhat the metric is and what quantity it summarizesTreating the formula as self-explanatory
Formula choiceSample versus population assumptions and notationUsing n when n-1 is required or vice versa
InterpretationWhether the result indicates concentration, spread, or riskCalling a large value good or bad without context

Frequently Asked Questions

How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

Authoritative References

These sources define the concepts referenced most often across our articles. Bessel's correction is a sample adjustment, variance is a squared measure of spread, and standard deviation is the square root of variance expressed in the same units as the data.