P-Wert-Rechner

P-Value

0.05

The Numbers

  • As a Percent: 5%

Analysis

  • Statistically Significant (alpha = 0.05): Yes — this result is unlikely to be due to chance alone.

Compare Calculations

Downloads

Includes your inputs and results for this calculation, plus any additional calculations you've compared.

So Funktioniert Dieser Rechner

Ein p-Wert ist die Wahrscheinlichkeit, ein Ergebnis zu beobachten, das mindestens so extrem ist wie das beobachtete, rein durch Zufall, wenn es tatsächlich keinen realen Effekt gäbe. Geben Sie einen Z-Score ein und wählen Sie eine Testart, und dieser Rechner wandelt ihn in einen p-Wert um — die Standardgröße, mit der entschieden wird, ob ein Ergebnis statistisch signifikant ist. Falls Sie Rohdaten statt eines bereits berechneten Z-Scores haben, ermitteln Sie ihn zuerst mit dem

Z-Score Calculator.

Ein kleinerer p-Wert bedeutet, dass das beobachtete Ergebnis weniger wahrscheinlich zufällig zustande gekommen wäre, was ein stärkerer Beweis gegen die Annahme ist, dass nichts Reales vor sich geht (die „Nullhypothese”). Nach langjähriger Konvention in den meisten Bereichen wird ein p-Wert unter 0,05 allgemein als statistisch signifikant behandelt — aber dieser Schwellenwert ist eine Konvention, kein Naturgesetz, und was als „signifikant genug” gilt, kann je nach Bereich und danach variieren, wie kostspielig eine falsche Schlussfolgerung wäre.

Die Formel

Für einen linksseitigen Test (ist das Ergebnis ungewöhnlich niedrig?):

p=Φ(z)p = \Phi(\vA{z})

Für einen rechtsseitigen Test (ist das Ergebnis ungewöhnlich hoch?):

p=1Φ(z)p = 1 - \Phi(\vA{z})

Für einen zweiseitigen Test (ist das Ergebnis in eine der beiden Richtungen ungewöhnlich?):

p=2×(1Φ(z))p = 2 \times \left(1 - \Phi(|\vA{z}|)\right)

Wobei z\vA{z} der Z-Score ist und Φ\Phi die kumulative Verteilungsfunktion der Standardnormalverteilung — die Wahrscheinlichkeit, dass ein zufällig aus dieser Verteilung gezogener Wert bei oder unter einem gegebenen Punkt liegt, hier berechnet über eine etablierte Polynomnäherung der Fehlerfunktion.

Beispielrechnung

    1. Ein Z-Score von 1,96 ist der Lehrbuch-Referenzpunkt für einen zweiseitigen Test beim konventionellen 95%-Konfidenzniveau: p=2×(1Φ(1,96))2×(10,975)0,0500p = 2 \times (1 - \Phi(1{,}96)) \approx 2 \times (1 - 0{,}975) \approx 0{,}0500. 2. Ein p-Wert von etwa 0,05 liegt genau am konventionellen Signifikanzschwellenwert. 3. Ein größerer Z-Score von 2,576 (der zweiseitige Referenzpunkt für 99% Konfidenz) ergibt einen kleineren, signifikanteren p-Wert von etwa 0,0100.

Quelle: Standardnormalverteilung und die Fehlerfunktionsnäherung von Abramowitz & Stegun.

Häufig Gestellte Fragen

Was gilt als „statistisch signifikanter“ p-Wert?

Die häufigste Konvention in vielen Bereichen ist ein p-Wert unter 0,05 (eine 5%-Chance, dass das Ergebnis rein zufällig zustande kam). Dies ist eine weit verbreitete Konvention, keine strenge Regel — manche Bereiche verwenden strengere Schwellenwerte (wie 0,01), wenn eine falsche Schlussfolgerung besonders kostspielig wäre.

Woher weiß ich, ob ich einen ein- oder zweiseitigen Test verwenden soll?

Verwenden Sie einen zweiseitigen Test, wenn Sie wissen möchten, ob ein Ergebnis in EINE der beiden Richtungen ungewöhnlich ist (z. B. „Ist diese Münze gezinkt?“). Verwenden Sie einen einseitigen Test (links- oder rechtsseitig) nur, wenn Sie sich im Voraus speziell für EINE Richtung interessieren (z. B. „Ist dieser neue Prozess SCHNELLER?“) — dies erst nach Sichtung der Daten zu entscheiden, gilt als schlechte statistische Praxis.

Was ist der Unterschied zu diesem Rechner und dem Z-Score-Rechner?

Der Z-Score-Rechner wandelt einen Rohwert in einen Z-Score und Perzentil gegenüber einer bekannten Verteilung um. Dieser Rechner geht von einem bereits bekannten Z-Score aus und beantwortet die spezifische Frage, die ein Perzentil allein nicht beantwortet: Wie wahrscheinlich ist es, dass ein derart extremes Ergebnis rein zufällig aufgetreten ist?