📈 t-Test-Rechner

Ein t-Test ist ein statistischer Hypothesentest, der bestimmt, ob ein Stichprobenmittelwert signifikant von einem bekannten oder hypothetisierten Wert abweicht oder ob zwei unabhängige Stichproben unterschiedliche Mittelwerte haben. Der Test erzeugt eine t-Statistik, die unter der Nullhypothese der Student-t-Verteilung folgt. Im Gegensatz zum z-Test erfordert der t-Test nicht, dass die Population-Standardabweichung bekannt ist, was ihn für echte Forschung mit begrenzten Daten wesentlich praktischer macht. Forscher kombinieren ihn mit der p-Wert-Rechner, um Signifikanz zu berichten, und mit der Konfidenzintervall-Rechner, um die Unsicherheit auszudrücken.

Dieses Werkzeug behandelt zwei Hauptszenarien. Ein Ein-Stichproben-t-Test vergleicht eine einzelne Stichprobe mit einem Referenzwert (μ₀) — zum Beispiel das Testen, ob eine Charge Glühbirnen so lange hält, wie der Hersteller behauptet. Ein Zwei-Stichproben- (Welch) t-Test vergleicht die Mittelwerte zweier unabhängiger Gruppen, die ungleiche Varianzen haben können, wie Noten aus zwei verschiedenen Lehrmethoden. Die Welch-Version ist dem gepoolten t-Test von Student vorzuziehen, da sie robuster ist, wenn die beiden Stichproben unterschiedliche Standardabweichungen oder Größen haben. Verwenden Sie den Standardabweichungsrechner, um s zu erhalten, bevor Sie den Test durchführen.

Die schattierten Enden auf jeder Seite stellen die Ablehnungsbereiche dar. Wenn die berechnete t-Statistik über den kritischen Wert ±t* hinausgeht, lehnen wir die Nullhypothese H₀ auf dem gewählten Signifikanzniveau (typischerweise α = 0.05, zweiseitig) ab. Andernfalls lehnen wir H₀ nicht ab und schlussfolgern, dass es nicht genügend Beweise für einen Unterschied gibt.

Der Rechner wendet die Standardformeln für den Ein-Stichproben-t-Test und den Zwei-Stichproben-Welch-t-Test an.

Ein-Stichproben-t-Test

Hier ist x̄ der Stichprobenmittelwert, μ₀ der hypothetisierte Population-Mittelwert, s die Stichproben-Standardabweichung und n die Stichprobengröße. Größere Absolutwerte von t weisen auf stärkere Evidenz gegen die Nullhypothese hin.

Zwei-Stichproben-Welch-t-Test

Die Welch-Formel nimmt keine gleichen Varianzen an, weshalb sie die Standardwahl für zwei unabhängige Stichproben ist. Die Freiheitsgrade sind typischerweise gebrochen und werden für die Nachschlagetabelle gerundet.

p-Wert und Entscheidung

Der zweiseitige p-Wert wird aus der t-Verteilung approximiert. Für df ≤ 30 verwenden wir eine hartcodierte kritische Wertetabelle; für größere df approximieren wir mit der Standardnormalverteilung. Wenn |t| > kritischer Wert bei α = 0.05, ist das Ergebnis statistisch signifikant und wir lehnen H₀ ab; andernfalls lehnen wir H₀ nicht ab.

Die letzte Zeile (∞) entspricht der Standardnormalverteilung (z).

Da die Population-Standardabweichung in der Praxis fast nie bekannt ist, ist der t-Test die sicherere Standardwahl. Beide Ansätze liefern nahezu identische Ergebnisse, sobald n 30 überschreitet.

1. Wählen Sie den Testtyp — Wählen Sie Ein-Stichproben- oder Zwei-Stichproben- (Welch) Modus aus dem Dropdown-Menü oben.
2. Geben Sie die Stichprobendaten ein — Für eine Stichprobe geben Sie den Stichprobenmittelwert (x̄), den hypothetisierten Mittelwert (μ₀), die Standardabweichung (s) und die Stichprobengröße (n) ein. Für zwei Stichproben geben Sie die Mittelwerte, Standardabweichungen und Größen beider ein.
3. Klicken Sie auf Berechnen — Das Werkzeug berechnet die t-Statistik, Freiheitsgrade, den ungefähren zweiseitigen p-Wert und den kritischen t-Wert bei α = 0.05.
4. Lesen Sie die Schlussfolgerung — Das Ergebnis gibt an, ob die Nullhypothese H₀ auf dem 0.05-Niveau abgelehnt oder nicht abgelehnt werden sollte.
5. Interpretieren Sie mit Kontext — Vergleichen Sie den p-Wert mit Ihrem gewählten α und berücksichtigen Sie Effektgröße und Konfidenzintervall, bevor Sie realweltliche Schlussfolgerungen ziehen.

Wann sollte ich einen t-Test statt eines z-Tests verwenden?

Verwenden Sie einen t-Test, wenn die Population-Standardabweichung unbekannt ist und aus der Stichprobe geschätzt werden muss. Der z-Test erfordert, dass σ bekannt ist, was in der Praxis selten ist. Mit wachsender Stichprobengröße konvergiert die t-Verteilung gegen die Normalverteilung, sodass beide Tests bei großen Stichproben nahezu identische Ergebnisse liefern. Für kleine Stichproben (n < 30) ist der t-Test die richtige Wahl.

Was ist der Unterschied zwischen dem t-Test von Student und dem von Welch?

Der (gepoolte) Zwei-Stichproben-t-Test von Student nimmt an, dass beide Stichproben aus Populationen mit gleichen Varianzen stammen. Der Welch-t-Test macht diese Annahme nicht und passt die Freiheitsgrade entsprechend an. Die Welch-Version ist robuster, wenn die beiden Stichproben ungleiche Varianzen oder Größen haben, und wird heute als Standardwahl für zwei unabhängige Stichproben empfohlen.

Was ist ein p-Wert?

Der p-Wert ist die Wahrscheinlichkeit, eine t-Statistik zu beobachten, die mindestens so extrem ist wie die berechnete, unter der Annahme, dass die Nullhypothese wahr ist. Ein kleiner p-Wert (typischerweise unter 0.05) zeigt, dass die beobachteten Daten unter H₀ unwahrscheinlich wären, daher lehnen wir H₀ ab. Er misst nicht die Wahrscheinlichkeit, dass die Hypothese wahr ist.

Was bedeutet es, H₀ 'nicht abzulehnen'?

Es bedeutet, dass die Evidenz nicht stark genug ist, um zu schließen, dass ein Unterschied besteht. Das ist nicht dasselbe wie zu beweisen, dass H₀ wahr ist — die Studie könnte schlicht an statistischer Power mangeln. Eine größere Stichprobe, eine größere Effektgröße oder ein weniger strenges Signifikanzniveau könnten die Schlussfolgerung ändern.

Wie genau ist der p-Wert dieses Rechners?

Der p-Wert wird aus einer kritischen Wertetabelle für df 1–30 und aus der Standardnormalverteilung für größere df approximiert. Er ist für Kursarbeit und allgemeine Interpretation genau genug, aber für Veröffentlichungsgrad-Forschung verwenden Sie dedizierte Statistiksoftware (R, SPSS, SciPy), die die exakte kumulative Verteilungsfunktion berechnet.

Kann ich einen einseitigen Test verwenden?

Dieses Werkzeug gibt standardmäßig zweiseitige p-Werte und kritische Werte aus. Ein einseitiger Test ist nur angemessen, wenn Sie einen starken a-priori-Grund haben zu erwarten, dass der Unterschied in eine Richtung geht, und sich vor der Datenerhebung auf diese Richtung festlegen. Halbieren des zweiseitigen p-Werts ergibt den einseitigen Wert bei Bedarf.

Prüfen Sie immer die Annahmen des t-Tests, bevor Sie dem Ergebnis vertrauen: Die Daten sollten näherungsweise normalverteilt sein (besonders bei kleinem n) und die Beobachtungen sollten unabhängig sein. Bei Stichprobengrößen über 30 macht der zentrale Grenzwertsatz den t-Test recht robust gegenüber Nicht-Normalität. Für gepaarte oder gematchte Daten (Vorher-/Nachher-Messungen an denselben Versuchspersonen) verwenden Sie einen gepaarten t-Test statt der Version für zwei unabhängige Stichproben — dieses Werkzeug deckt gepaarte Designs nicht ab. Ein signifikanter p-Wert zeigt, dass ein Unterschied existiert, aber nicht seine Größe oder praktische Bedeutung; berichten Sie immer Effektgrößen und Konfidenzintervalle zusammen mit dem p-Wert.