Fisher-Exakt-Test-Rechner

Fisher-Exakt-Test-Rechner

Der Fisher-Exakt-Test-Rechner führt den exakten Signifikanztest für 2×2-Kontingenztabellen unter Verwendung der hypergeometrischen Verteilung durch. Im Gegensatz zum Chi-Quadrat-Test, der auf einer asymptotischen Näherung beruht, berechnet der Fisher-Test exakte p-Werte. Dies macht ihn zum Goldstandard für die Analyse kategorialer Daten – insbesondere bei kleinen Stichprobengrößen. Geben Sie Ihre 2×2-Tabelle ein, um einseitige und beidseitige p-Werte, Chancenverhältnisse, das relative Risiko, interaktive Mosaik-Plots und schrittweise Lösungen zu erhalten.

So verwenden Sie den Fisher-Exakt-Test-Rechner

1. Zellenwerte eingeben — Geben Sie die vier beobachteten Häufigkeitswerte für Ihre 2×2-Kontingenztabelle ein. Zelle "a" repräsentiert Gruppe 1 mit einem positiven Ergebnis, "b" ist Gruppe 1 mit einem negativen Ergebnis, "c" ist Gruppe 2 positiv und "d" ist Gruppe 2 negativ. Sie können auch auf ein Schnellbeispiel klicken, um die Funktionsweise zu sehen.
2. Testrichtung wählen — Wählen Sie "Beidseitig", um auf jeglichen Zusammenhang zu prüfen (am gebräuchlichsten), "Linksseitig", wenn Sie vermuten, dass das Chancenverhältnis kleiner als 1 ist, oder "Rechtsseitig", wenn Sie erwarten, dass es größer als 1 ist.
3. Signifikanzniveau festlegen — Wählen Sie α (üblicherweise 0.05). Ein kleineres α erfordert stärkere Beweise, um die Nullhypothese abzulehnen.
4. Ergebnisse interpretieren — Überprüfen Sie den p-Wert, das Chancenverhältnis, das relative Risiko, den Mosaik-Plot, das Diagramm der hypergeometrischen Wahrscheinlichkeitsverteilung und die detaillierte schrittweise Berechnung.

Was ist der exakte Test nach Fisher?

Der Fisher-Exakt-Test, der 1935 von Sir Ronald Fisher entwickelt wurde, ist ein statistischer Signifikanztest für kategoriale Daten in Kontingenztabellen. Er bestimmt, ob ein nicht-zufälliger Zusammenhang zwischen zwei kategorialen Variablen besteht. Der Test wird als "exakt" bezeichnet, weil er die exakte Wahrscheinlichkeit berechnet, die beobachteten Daten (oder extremere Daten) unter der Nullhypothese der Unabhängigkeit zu erhalten, anstatt sich auf Näherungen wie den Chi-Quadrat-Test zu verlassen.

Die Formel der hypergeometrischen Verteilung

Die Wahrscheinlichkeit, eine bestimmte 2×2-Tabelle mit festen Randsummen zu beobachten, ist durch die hypergeometrische Verteilung gegeben:

Wobei R₁, R₂ die Zeilensummen, C₁, C₂ die Spaltensummen und N die Gesamtsumme sind. Diese Formel berechnet die exakte Wahrscheinlichkeit, genau diese Anordnung von Werten in der Tabelle zu beobachten.

Wann man den exakten Test nach Fisher verwendet

• Kleine Stichprobengrößen — wenn eine erwartete Zellenhäufigkeit kleiner als 5 ist, wird die Chi-Quadrat-Näherung unzuverlässig und der Fisher-Test empfohlen
• 2×2-Tabellen — der Test ist speziell für zwei-mal-zwei Kontingenztabellen konzipiert
• Exakte Schlussfolgerung benötigt — wenn Sie einen exakten p-Wert anstelle einer asymptotischen Näherung benötigen
• Klinische Studien — häufig in der medizinischen Forschung verwendet, um die Ergebnisse einer Behandlungs- gegenüber einer Kontrollgruppe zu vergleichen
• Qualitätskontrolle — zum Testen, ob sich Fehlerraten zwischen Prozessen oder Chargen unterscheiden

Fisher-Exakt-Test vs. Chi-Quadrat-Test

Beide Tests bewerten die Unabhängigkeit in Kontingenztabellen, unterscheiden sich jedoch im Ansatz:

• Fisher-Test berechnet exakte Wahrscheinlichkeiten; Chi-Quadrat verwendet eine Näherung für große Stichproben
• Der Fisher-Test ist unabhängig von der Stichprobengröße immer gültig; Chi-Quadrat erfordert erwartete Häufigkeiten ≥ 5
• Bei großen Stichproben liefern beide Tests nahezu identische Ergebnisse, aber Chi-Quadrat ist schneller zu berechnen
• Der Fisher-Test wird bei sehr großen Tabellen (N > 1000) rechenintensiv

Chancenverhältnis (Odds Ratio) und Relatives Risiko verstehen

Das Chancenverhältnis (OR) misst die Stärke des Zusammenhangs zwischen zwei Ereignissen. OR = (a × d) / (b × c). Ein OR von 1 bedeutet keinen Zusammenhang, OR > 1 bedeutet, dass das Ergebnis in Gruppe 1 wahrscheinlicher ist, und OR < 1 bedeutet, dass es in Gruppe 2 wahrscheinlicher ist. Das 95%-Konfidenzintervall hilft zu beurteilen, ob sich das OR statistisch von 1 unterscheidet.

Das relative Risiko (RR) vergleicht die Wahrscheinlichkeit des Ergebnisses zwischen den Gruppen. RR = [a/(a+b)] / [c/(c+d)]. Während das OR das RR annähert, wenn das Ergebnis selten ist, weichen sie bei häufigen Ergebnissen voneinander ab. Das RR ist in prospektiven Studien oft intuitiver zu interpretieren.

Einseitige vs. Beidseitige Tests

Ein beidseitiger Test summiert die Wahrscheinlichkeiten aller Tabellen, die gleich oder weniger wahrscheinlich sind als die beobachtete Tabelle, unabhängig von der Richtung des Zusammenhangs. Dies ist der gebräuchlichste und konservativste Ansatz. Ein einseitiger Test berücksichtigt nur Tabellen in eine Richtung – linksseitig für OR < 1 oder rechtsseitig für OR > 1 – und sollte nur verwendet werden, wenn Sie eine starke vorherige Hypothese über die Wirkungsrichtung haben.

FAQ

Was ist der exakte Test nach Fisher?

Der exakte Test nach Fisher ist ein statistischer Signifikanztest, mit dem festgestellt wird, ob ein nicht-zufälliger Zusammenhang zwischen zwei kategorialen Variablen in einer 2×2-Kontingenztabelle besteht. Im Gegensatz zum Chi-Quadrat-Test berechnet er exakte Wahrscheinlichkeiten unter Verwendung der hypergeometrischen Verteilung, was ihn ideal für kleine Stichprobengrößen macht oder wenn erwartete Zellenhäufigkeiten unter 5 liegen.

Wann sollte ich den Fisher-Test anstelle des Chi-Quadrat-Tests verwenden?

Verwenden Sie den exakten Test nach Fisher, wenn eine erwartete Zellenhäufigkeit in Ihrer 2×2-Tabelle kleiner als 5 ist, wenn die Gesamtstichprobengröße klein ist (typischerweise weniger als 20-30) oder wenn Sie einen exakten p-Wert anstelle einer Näherung wünschen. Der Fisher-Test ist unabhängig von der Stichprobengröße immer gültig, während der Chi-Quadrat-Test eine Näherung ist, die bei kleinen Stichproben unzuverlässig wird.

Was ist der Unterschied zwischen dem einseitigen und dem beidseitigen Fisher-Test?

Ein beidseitiger Test prüft auf jegliche Assoziation zwischen Variablen unabhängig von der Richtung und ist der am häufigsten verwendete Ansatz. Ein einseitiger Test prüft auf Assoziation in einer bestimmten Richtung: linksseitige Tests prüfen, ob das Chancenverhältnis kleiner als 1 ist, und rechtsseitige Tests, ob es größer als 1 ist. Verwenden Sie einen beidseitigen Test, es sei denn, Sie haben eine starke vorherige Hypothese über die Richtung des Effekts.

Wie wird der p-Wert beim Fisher-Test berechnet?

Der p-Wert wird mittels der hypergeometrischen Verteilung berechnet. Für eine gegebene 2×2-Tabelle mit festen Zeilen- und Spaltensummen wird die exakte Wahrscheinlichkeit dieser Tabelle berechnet. Für einen beidseitigen Test werden die Wahrscheinlichkeiten aller möglichen Tabellen summiert, die gleich oder weniger wahrscheinlich sind als die beobachtete Tabelle. Bei einseitigen Tests werden die Wahrscheinlichkeiten nur in eine Richtung summiert.

Was sagt mir das Chancenverhältnis beim Fisher-Test?

Das Chancenverhältnis (Odds Ratio) misst die Stärke des Zusammenhangs zwischen zwei kategorialen Variablen. Ein Chancenverhältnis von 1 bedeutet keinen Zusammenhang. Größer als 1 bedeutet, dass Gruppe 1 eine höhere Chance auf das positive Ergebnis hat als Gruppe 2. Kleiner als 1 bedeutet, dass Gruppe 2 höhere Chancen hat. Das 95%-Konfidenzintervall hilft zu beurteilen, ob der Zusammenhang statistisch aussagekräftig ist – wenn das Intervall die 1 einschließt, ist der Zusammenhang möglicherweise nicht signifikant.

Andere verwandte Tools:

Statistik und Datenanalyse:

• ANOVA-Rechner
• Arithmetisches Mittel Rechner Empfohlen
• Durchschnittsrechner - Hohe Präzision
• Rechner für durchschnittliche Abweichung
• Boxplot-Ersteller
• Chi-Quadrat-Test-Rechner
• Variationskoeffizient-Rechner
• Cohen's d Rechner
• Wachstumsrate-Rechner
• Konfidenzintervall-Rechner Empfohlen
• Konfidenzintervall-Rechner für Anteile
• Korrelationskoeffizienten-Rechner
• Geometrisches Mittel Rechner
• Gini-Koeffizient-Rechner
• Harmonisches Mittel berechnen
• histogrammersteller
• Interquartilsabstand-Rechner
• Kruskal-Wallis Testrechner
• Lineare Regressionsrechner Empfohlen
• Logarithmischer Wachstumsrechner
• Mann-Whitney-U-Test-Rechner Empfohlen
• Mittlere absolute Abweichung Rechner
• Mittelwert Rechner Empfohlen
• Mittelwert, Median und Modus Rechner
• Median der absoluten Abweichung Rechner
• Median-Rechner Empfohlen
• Midrange-Rechner
• Modalwert-Rechner
• Ausreißer-Rechner
• Populations-Standardabweichungsrechner-hohe-Präzision
• Quartil-Rechner Empfohlen
• Quartilabstand-Rechner
• Spannweite-Rechner
• Relative Standardabweichung Rechner Empfohlen
• Rechner für den quadratischen Mittelwert
• Stichprobenmittel-Rechner
• Stichprobengröße Rechner
• Standardabweichungsrechner
• Streudiagramm-Ersteller
• Standardabweichungsrechner - Hohe Präzision
• Standardfehler-Rechner Empfohlen
• Statistik-Rechner
• t-Test-Rechner
• Varianz Rechner Hohe Präzision Empfohlen
• Z-Score Rechner
• p-Wert-Rechner Neu
• Normalverteilungsrechner Neu
• Perzentil-Rechner Neu
• Fünf-Zahlen-Zusammenfassung-Rechner Neu
• 📊 Balkendiagramm Ersteller Neu
• 🥧 Kreisdiagramm Ersteller Neu
• 📈 Liniendiagramm Ersteller Neu
• Bayes Theorem Rechner Neu
• F-Test / F-Verteilungs-Rechner Neu
• Hypergeometrische Verteilung Rechner Neu
• Geometrische Verteilung Rechner Neu
• Exponentialverteilungsrechner Neu
• Weibull-Verteilung-Rechner Neu
• Beta-Verteilungsrechner Neu
• Spearman Rangkorrelationsrechner Neu
• Fisher-Exakt-Test-Rechner Neu
• Kontingenztabellen-Rechner Neu
• Odds Ratio Rechner Neu
• Effektstärke-Rechner Neu
• A/B-Test-Signifikanz-Rechner Neu
• A/B-Test Stichprobengrößen-Rechner Neu
• Conversion-Rate-Rechner Neu
• Pareto-Diagramm-Generator Neu
• Six Sigma Prozessfähigkeitsrechner Neu