🧪 P-Wert-Rechner
Der P-Wert-Rechner ist ein kostenloses Statistikwerkzeug, das den p-Wert aus einem Z-Wert für Hypothesentests berechnet. Geben Sie Ihre Teststatistik ein und wählen Sie den Typ der Schweifregion, um den p-Wert sowie Signifikanzschlussfolgerungen auf den Niveaus 0,05 und 0,01 zu erhalten. Alle Berechnungen werden lokal in Ihrem Browser mit der Standardnormalverteilungsfunktion durchgeführt. Forscher, Studenten und Analysten nutzen ihn, um zu entscheiden, ob die Nullhypothese abgelehnt wird.
Berechnen Sie den p-Wert aus einem Z-Wert (Teststatistik) für Hypothesentests. Unterstützt linksseitige, rechtsseitige und zweiseitige Tests mit Signifikanzschlussfolgerungen bei Alpha 0,05 und 0,01.
Was ist dieses Werkzeug?
Ein p-Wert ist die Wahrscheinlichkeit, eine Teststatistik zu erhalten, die mindestens so extrem ist wie die beobachtete, unter der Annahme, dass die Nullhypothese (H₀) wahr ist. Beim Hypothesentesten beginnen Sie mit zwei konkurrierenden Aussagen: der Nullhypothese H₀ (typischerweise „kein Effekt“ oder „kein Unterschied“) und der Alternativhypothese H₁ („es gibt einen Effekt“). Sie berechnen einen Z-Wert aus Ihren Daten und wandeln ihn dann mithilfe der Standard-Normalverteilung in einen p-Wert um. Ein kleiner p-Wert bedeutet, dass das beobachtete Ergebnis unter H₀ unwahrscheinlich wäre, was ein Beweis gegen die Nullhypothese ist. Wenn Sie beispielsweise testen, ob ein neues Medikament wirkt, besagt H₀, dass das Medikament keine Wirkung hat. Wenn Ihre Studie p = 0,03 ergibt, bedeutet das, dass nur eine 3%ige Wahrscheinlichkeit besteht, ein so extremes Ergebnis zu sehen, wenn das Medikament tatsächlich keine Wirkung hätte. Konventionsgemäß lehnen Sie H₀ ab und erklären das Ergebnis für „statistisch signifikant“, wenn p kleiner als das Signifikanzniveau Alpha (α) ist, typischerweise 0,05. Der p-Wert hängt sowohl von der Effektgröße als auch von der Stichprobengröße ab und sollte daher immer zusammen mit Konfidenzintervallen und Effektgrößen interpretiert werden. Das Diagramm unten zeigt die Ablehnungsbereiche (rot schattiert) in den Schweifen der Standardnormalverteilung für einen zweiseitigen Test bei α = 0,05. Wie es funktioniert
Der Rechner wandelt einen Z-Wert mithilfe der Verteilungsfunktion (CDF) der Standardnormalverteilung in einen p-Wert um. Die CDF, bezeichnet als Φ(Z), gibt die Wahrscheinlichkeit an, dass eine standardnormalverteilte Zufallsvariable kleiner oder gleich Z ist. Sie wird über die Fehlerfunktion berechnet: Φ(Z) = 0,5 × (1 + erf(Z / √2)). Der Rechner verwendet die Abramowitz-Stegun-Approximation für erf, die auf 1,5 × 10⁻⁷ genau ist. Je nach ausgewähltem Testtyp gelten drei Formeln. Für einen linksseitigen Test (H₁: Parameter < Wert) ist p = Φ(Z), die Fläche unter der Kurve links von Z. Für einen rechtsseitigen Test (H₁: Parameter > Wert) ist p = 1 − Φ(Z), die Fläche rechts von Z. Für einen zweiseitigen Test (H₁: Parameter ≠ Wert) ist p = 2 × (1 − Φ(|Z|)), was beide Schweife gleichzeitig berücksichtigt. Die Unterscheidung zwischen einseitig und zweiseitig ist kritisch: Ein zweiseitiger Test teilt den Ablehnungsbereich Alpha zwischen beiden Schweifen auf, wodurch es schwieriger wird, bei demselben Z-Wert Signifikanz zu erreichen. Beispielsweise ergibt Z = 1,96 bei einem zweiseitigen Test p = 0,05, bei einem einseitigen Test jedoch p = 0,025. Nach der Berechnung des p-Werts vergleicht der Rechner ihn mit den konventionellen Schwellenwerten α = 0,05 und α = 0,01 und gibt an, ob das Ergebnis auf jedem Niveau statistisch signifikant ist.Referenztabelle Häufige Z-Werte zu p-Wert
Schnellsuche für die am häufigsten verwendeten Z-Werte und ihre entsprechenden p-Werte für einseitige und zweiseitige Tests.
| Z-Wert | p (einseitig) | p (zweiseitig) | Signifikanz |
|---|---|---|---|
| 1,00 | 0,1587 | 0,3173 | Nicht signifikant |
| 1,282 | 0,10 | 0,20 | Nicht signifikant |
| 1,645 | 0,05 | 0,10 | Signifikant (einseitig α=0,05) |
| 1,96 | 0,025 | 0,05 | Signifikant (zweiseitig α=0,05) |
| 2,00 | 0,0228 | 0,0455 | Signifikant |
| 2,326 | 0,01 | 0,02 | Signifikant (einseitig α=0,01) |
| 2,576 | 0,005 | 0,01 | Signifikant (zweiseitig α=0,01) |
| 3,00 | 0,00135 | 0,0027 | Hoch signifikant |
| 3,291 | 0,0005 | 0,001 | Hoch signifikant (α=0,001) |
Signifikanzschwellen und kritische Werte
Standard-Signifikanzniveaus (α) und ihre entsprechenden Z-kritischen Werte und Konfidenzniveaus.
| α (Signifikanz) | Konfidenzniveau | Z (zweiseitig) | Z (einseitig) |
|---|---|---|---|
| 0,10 (10%) | 90% | ±1,645 | ±1,282 |
| 0,05 (5%) | 95% | ±1,96 | ±1,645 |
| 0,01 (1%) | 99% | ±2,576 | ±2,326 |
| 0,005 (0,5%) | 99,5% | ±2,807 | ±2,576 |
| 0,001 (0,1%) | 99,9% | ±3,291 | ±3,090 |
Wenn Ihr |Z| den kritischen Wert für Ihr gewähltes α überschreitet, lehnen Sie H₀ ab.
Verwendung
- Geben Sie den Z-Wert (Teststatistik) ein, den Sie aus Ihrer Analyse erhalten haben. Zum Beispiel ist 1,96 ein häufiger kritischer Wert.
- Wählen Sie den Testtyp: zweiseitig (H₁: ≠), linksseitig (H₁: <) oder rechtsseitig (H₁: >). Dies muss mit Ihrer Alternativhypothese übereinstimmen.
- Klicken Sie auf Berechnen, um den p-Wert mit der Standardnormal-CDF zu berechnen.
- Überprüfen Sie den p-Wert und die Signifikanzschlussfolgerungen bei α = 0,05 und α = 0,01.
- Verwenden Sie den p-Wert, um zu entscheiden, ob die Nullhypothese H₀ abgelehnt oder nicht abgelehnt wird, und melden Sie ihn zusammen mit Effektgrößen und Konfidenzintervallen.
Häufige Fragen
Was ist ein p-Wert?
Ein p-Wert ist die Wahrscheinlichkeit, eine Teststatistik zu beobachten, die mindestens so extrem ist wie die erhaltene, unter der Annahme, dass die Nullhypothese wahr ist. Er quantifiziert, wie überraschend Ihre Daten sind, wenn es tatsächlich keinen Effekt gäbe. Ein kleinerer p-Wert bedeutet stärkere Beweise gegen H₀.
Was ist der Unterschied zwischen einseitigen und zweiseitigen Tests?
Ein einseitiger Test prüft einen Effekt nur in einer Richtung (entweder größer als oder kleiner als) und legt das gesamte Alpha in einen einzelnen Schweif. Ein zweiseitiger Test prüft einen Effekt in beide Richtungen und teilt Alpha gleichmäßig zwischen beiden Schweifen auf. Für denselben Z-Wert ergibt ein einseitiger Test einen p-Wert, der halb so groß ist wie bei einem zweiseitigen Test.
Ist p < 0,05 immer signifikant?
Konventionsgemäß wird p < 0,05 als „statistisch signifikant“ bezeichnet, aber dieser Schwellenwert ist willkürlich. Er bedeutet, dass eine geringere Wahrscheinlichkeit als 5% besteht, Ihr Ergebnis zu sehen, wenn H₀ wahr wäre. Einige Disziplinen verwenden strengere Schwellen wie 0,01 oder 0,001. Geben Sie immer den exakten p-Wert an, anstatt nur „signifikant“ oder „nicht signifikant“.
Kann ein p-Wert null sein?
Theoretisch ist der p-Wert einer kontinuierlichen Verteilung niemals genau null, kann aber so klein sein, dass er auf null rundet (z.B. p < 0,0001). In diesem Fall können Sie ihn als p < 0,001 angeben. Extrem kleine p-Werte deuten auf überwältigende Beweise gegen H₀ hin.
Was bedeutet es, wenn mein p-Wert groß ist?
Ein großer p-Wert (z.B. 0,40) bedeutet, dass Ihre Daten recht gut mit der Nullhypothese vereinbar sind — es gibt nicht genügend Beweise, um sie abzulehnen. Dies beweist jedoch nicht, dass H₀ wahr ist. Es könnte sein, dass Ihre Stichprobengröße zu klein ist, um einen realen Effekt zu erkennen (mangelnde Teststärke).
Warum ergibt Z = 1,96 den Wert p = 0,05?
In der Standardnormalverteilung beträgt die Fläche jenseits von ±1,96 genau 5% (2,5% in jedem Schweif). Daher ist Z = 1,96 bei einem zweiseitigen Test der kritische Wert bei α = 0,05. Deshalb ist 1,96 eine der am häufigsten zitierten Zahlen in der Statistik.
Tipps & Ratschläge
Entscheiden Sie Ihr Signifikanzniveau α immer vor der Datenerhebung — eine nachträgliche Änderung führt zu Verzerrungen. Ein p-Wert unter 0,05 wird konventionsgemäß als „signifikant“ bezeichnet, aber dieser Schwellenwert ist willkürlich; viele Fachbereiche verlangen mittlerweile p < 0,01 oder geben exakte p-Werte an. Bedenken Sie, dass statistische Signifikanz keine praktische Bedeutung impliziert: Eine große Stichprobe kann einen winzigen p-Wert für einen trivial kleinen Effekt erzeugen. Kombinieren Sie p-Werte immer mit Effektgrößen und Konfidenzintervallen. Verwenden Sie niemals einen zweiseitigen Test, wenn Ihre Hypothese gerichtet ist (einseitig), und umgekehrt. Der p-Wert ist nicht die Wahrscheinlichkeit, dass H₀ wahr ist — es ist die Wahrscheinlichkeit der Daten gegeben H₀. Dieses Werkzeug führt nur Z-Tests durch; für t-Tests verwenden Sie einen t-Verteilungsrechner, wenn die Stichprobengröße klein oder die Standardabweichung der Population unbekannt ist.
Verwandte Tools
Z-Score-Rechner
Berechnen Sie den Z-Score aus Rohwert, Mittelwert und Standardabweichung. Konver
Normalverteilungsrechner
Berechnen Sie sofort Wahrscheinlichkeiten der Normalverteilung. Finden Sie P(X≤x
Konfidenzintervall-Rechner
Berechnen Sie das Konfidenzintervall für den Populationsmittelwert mit Z- oder t
Standardabweichungsrechner
Berechnen Sie Standardabweichung, Varianz, Mittelwert und Spannweite aus jedem D
Statistikrechner
Kostenloser Online-Statistikrechner. Berechnen Sie Mittelwert, Median, Modus, Sp
Quellen & Referenzen
- Wasserstein, R. L. & Lazar, N. A. (2016). "The ASA Statement on p-Values: Context, Process, and Purpose." The American Statistician, 70(2), 129-133. tandfonline.com.
- NIST/SEMATECH. "e-Handbook of Statistical Methods." itl.nist.gov.
- Abramowitz, M. & Stegun, I. A. (1964). Handbook of Mathematical Functions, Formel 7.1.26 (Fehlerfunktionsapproximation).
Zuletzt geprüft: August 2026.
Einschränkungen
Dieses Werkzeug berechnet p-Werte aus Z-Werten nur für die Standardnormalverteilung. Es führt keine t-Tests, Chi-Quadrat-Tests, F-Tests oder ANOVA durch.
Was dieses Werkzeug nicht berücksichtigt:
- Kleine Stichprobengrößen: Wenn n < 30 oder die Standardabweichung der Population unbekannt ist, ist ein t-Test mit der t-Verteilung angemessener als ein Z-Test.
- Multiple Vergleiche: Das Durchführen vieler Tests bläht die False-Positive-Rate auf. Dieses Werkzeug wendet keine Bonferroni- oder andere Korrekturen an.
- Effektgröße: Ein kleiner p-Wert bedeutet nicht, dass der Effekt groß oder praktisch wichtig ist. Berücksichtigen Sie immer Effektgrößen und Konfidenzintervalle zusammen mit p-Werten.
- Annahmen: Der Z-Test setzt normalverteilte Daten (oder eine ausreichend große Stichprobe für den ZGS), unabhängige Beobachtungen und bekannte Populationsvarianz voraus.
p-Werte sollten niemals die einzige Grundlage für eine wissenschaftliche oder geschäftliche Entscheidung sein.