p-Wert-Rechner

Berechnen Sie p-Werte aus Teststatistiken wie z-Score, t-Statistik, Chi-Quadrat und F-Statistik für einseitige und zweiseitige Hypothesentests.

p-Wert-Rechner

Embed p-Wert-Rechner Widget

p-Wert-Rechner

Der P-Wert Rechner berechnet p-Werte aus Teststatistiken für vier wichtige statistische Verteilungen: Standardnormalverteilung (z), Student t, Chi-Quadrat (χ²) und F. Er unterstützt einseitige (links und rechts) sowie zweiseitige Hypothesentests, bietet eine interaktive Visualisierung der Verteilungskurve und liefert eine klare Interpretation der statistischen Signifikanz.

Was ist ein p-Wert?

Ein p-Wert (Wahrscheinlichkeitswert) ist die Wahrscheinlichkeit, eine Teststatistik zu erhalten, die mindestens so extrem ist wie die beobachtete, unter der Annahme, dass die Nullhypothese (H₀) wahr ist. Er misst die Stärke der Beweise gegen die Nullhypothese in einem statistischen Test.

Für einen zweiseitigen z-Test:

$$p = 2 \times P(Z > |z|) = 2 \times [1 - \Phi(|z|)]$$

Kleiner p-Wert (p < 0,05): Starke Evidenz gegen H₀ — Nullhypothese ablehnen
Großer p-Wert (p ≥ 0,05): Schwache Evidenz gegen H₀ — Nullhypothese nicht ablehnen

Der p-Wert misst nicht die Wahrscheinlichkeit, dass H₀ wahr ist, noch misst er die Größe oder Bedeutung eines Effekts. Er sagt Ihnen lediglich, wie kompatibel Ihre Daten mit H₀ sind.

So verwenden Sie diesen Rechner

Testtyp auswählen: Wählen Sie die Verteilung, die zu Ihrem statistischen Test passt — z-Test (Standardnormalverteilung), t-Test (Student t), Chi-Quadrat-Test oder F-Test.
Teststatistik eingeben: Geben Sie Ihren berechneten Teststatistikwert ein. Chi-Quadrat- und F-Statistiken müssen nicht-negativ sein.
Freiheitsgrade eingeben: Geben Sie für t-Tests und Chi-Quadrat-Tests df ein. Bei F-Tests geben Sie sowohl die Zähler- (df₁) als auch die Nenner-Freiheitsgrade (df₂) ein.
Art des Tests wählen: Wählen Sie zweiseitig für ungerichtete Hypothesen oder links-/rechtsseitig für gerichtete Hypothesen.
Ergebnisse prüfen: Überprüfen Sie den p-Wert, das interaktive Verteilungsdiagramm, die Signifikanzbewertung auf verschiedenen Alpha-Niveaus und die verständliche Interpretation.

Unterstützte statistische Tests

z-Test (Standardnormalverteilung)

Wird verwendet, wenn die Standardabweichung der Grundgesamtheit bekannt ist oder der Stichprobenumfang groß ist (n > 30). Die z-Statistik folgt unter H₀ einer Standardnormalverteilung $N(0, 1)$.

$$z = \frac{\bar{x} - \mu_0}{\sigma / \sqrt{n}}$$

t-Test (Student t-Verteilung)

Wird verwendet, wenn die Standardabweichung der Grundgesamtheit unbekannt und die Stichprobengröße gering ist. Die t-Verteilung hat breitere Ränder als die Normalverteilung, um der zusätzlichen Unsicherheit Rechnung zu tragen. Mit zunehmenden df nähert sich die t-Verteilung der Standardnormalverteilung an.

$$t = \frac{\bar{x} - \mu_0}{s / \sqrt{n}}, \quad \text{df} = n - 1$$

Chi-Quadrat-Test (χ²-Verteilung)

Wird für Anpassungstests und Unabhängigkeitstests bei kategorialen Daten verwendet. Die Chi-Quadrat-Verteilung ist rechtsschief und nur für nicht-negative Werte definiert.

$$\chi^2 = \sum \frac{(O_i - E_i)^2}{E_i}$$

F-Test (F-Verteilung)

Wird in der ANOVA und zum Vergleich von Varianzen verwendet. Die F-Verteilung erfordert zwei Parameter für die Freiheitsgrade (Zähler und Nenner) und ist nur für nicht-negative Werte definiert.

$$F = \frac{s_1^2}{s_2^2}, \quad \text{df}_1 = n_1 - 1, \quad \text{df}_2 = n_2 - 1$$

Einseitige vs. zweiseitige Tests

Merkmal	Zweiseitig	Einseitig
Hypothese	H₁: μ ≠ μ₀	H₁: μ > μ₀ oder H₁: μ < μ₀
Ablehnungsbereich	Beide Ränder	Nur ein Rand
p-Wert	2 × einseitiger p	Hälfte des zweiseitigen p
Power	Niedriger (bei gleichem α)	Höher in vorhergesagter Richtung
Anwendung	Keine vorherige Richtungserwartung	Starke gerichtete Hypothese

Gängige Signifikanzniveaus

Alpha (α)	Konfidenzniveau	Typische Verwendung
0,10	90 %	Explorative Forschung
0,05	95 %	Meiste wissenschaftliche Forschung (Standard)
0,01	99 %	Strenge Studien, medizinische Forschung
0,001	99,9 %	Teilchenphysik, Genomik

Häufige Missverständnisse über p-Werte

Missverständnis: „p = 0,03 bedeutet, dass eine Chance von 3 % besteht, dass H₀ wahr ist.“ Realität: Der p-Wert ist die Wahrscheinlichkeit der Daten unter der Annahme, dass H₀ wahr ist, nicht die Wahrscheinlichkeit, dass H₀ wahr ist.
Missverständnis: „Ein kleinerer p-Wert bedeutet einen größeren Effekt.“ Realität: p-Werte hängen sowohl von der Effektgröße als auch vom Stichprobenumfang ab. Ein winziger Effekt kann bei einer ausreichend großen Stichprobe einen sehr kleinen p-Wert erzeugen.
Missverständnis: „p > 0,05 bedeutet, dass es keinen Effekt gibt.“ Realität: Das Nicht-Ablehnen von H₀ beweist nicht, dass H₀ wahr ist. Es bedeutet lediglich, dass die Beweise nicht ausreichen, um sie auf dem gewählten Niveau abzulehnen.
Missverständnis: „p-Werte können zwischen Studien verglichen werden.“ Realität: p-Werte aus verschiedenen Studien mit unterschiedlichen Designs, Stichprobengrößen und Populationen sind nicht direkt vergleichbar.

Häufig gestellte Fragen

Was ist ein p-Wert?

Ein p-Wert ist die Wahrscheinlichkeit, eine Teststatistik zu erhalten, die mindestens so extrem ist wie die beobachtete, unter der Annahme, dass die Nullhypothese wahr ist. Er quantifiziert die Stärke der Beweise gegen die Nullhypothese. Ein kleinerer p-Wert deutet auf stärkere Beweise gegen H₀ hin.

Was ist der Unterschied zwischen einseitigen und zweiseitigen Tests?

Ein zweiseitiger Test prüft auf Effekte in beide Richtungen (größer oder kleiner als erwartet), während ein einseitiger Test nur in eine Richtung prüft. Zweiseitige Tests sind konservativer. Verwenden Sie einen einseitigen Test nur, wenn Sie vor der Datenerhebung eine starke gerichtete Hypothese haben.

Wann sollte ich einen z-Test gegenüber einem t-Test verwenden?

Verwenden Sie einen z-Test, wenn Sie die Standardabweichung der Grundgesamtheit kennen oder wenn der Stichprobenumfang groß ist (n > 30), da sich die Stichprobenverteilung einer Normalverteilung annähert. Verwenden Sie einen t-Test, wenn die Standardabweichung der Grundgesamtheit unbekannt und die Stichprobengröße gering ist, da die t-Verteilung die zusätzliche Unsicherheit durch breitere Ränder berücksichtigt.

Was bedeutet ein p-Wert von weniger als 0,05?

Ein p-Wert von weniger als 0,05 bedeutet, dass die Wahrscheinlichkeit, die Daten (oder extremere Daten) zu beobachten, weniger als 5 % beträgt, falls die Nullhypothese wahr wäre. Konventionell gilt dies als statistisch signifikant, was Forscher dazu veranlasst, die Nullhypothese abzulehnen. Statistische Signifikanz impliziert jedoch nicht zwangsläufig praktische Bedeutung.

Wofür wird der Chi-Quadrat-Test verwendet?

Der Chi-Quadrat-Test wird zur Prüfung von Beziehungen zwischen kategorialen Variablen (Unabhängigkeitstest) und zur Prüfung, ob beobachtete Häufigkeiten mit erwarteten Häufigkeiten übereinstimmen (Anpassungstest), verwendet. Er nutzt eine rechtsscheife Verteilung, die von den Freiheitsgraden abhängt.

Zitieren Sie diesen Inhalt, diese Seite oder dieses Tool als:

"p-Wert-Rechner" unter https://MiniWebtool.com/de/p-wert-rechner/ von MiniWebtool, https://MiniWebtool.com/

vom miniwebtool-Team. Aktualisiert am: 20. März 2026

Entwickler-API verfügbar: Führen Sie dieses Tool in Ihrer App, Automatisierung oder Ihrem Agenten mit einer JSON-HTTP-Anfrage aus. API-Dokumentation ansehen

Sie können auch unseren KI-Mathematik-Löser GPT ausprobieren, um Ihre mathematischen Probleme durch natürliche Sprachfragen und -antworten zu lösen.

p-Wert-Rechner

p-Wert-Rechner

Was ist ein p-Wert?

So verwenden Sie diesen Rechner

Unterstützte statistische Tests

z-Test (Standardnormalverteilung)

t-Test (Student t-Verteilung)

Chi-Quadrat-Test (χ²-Verteilung)

F-Test (F-Verteilung)

Einseitige vs. zweiseitige Tests

Gängige Signifikanzniveaus

Häufige Missverständnisse über p-Werte

Häufig gestellte Fragen

Was ist ein p-Wert?

Was ist der Unterschied zwischen einseitigen und zweiseitigen Tests?

Wann sollte ich einen z-Test gegenüber einem t-Test verwenden?

Was bedeutet ein p-Wert von weniger als 0,05?

Wofür wird der Chi-Quadrat-Test verwendet?

Statistik und Datenanalyse:

Ausgewählte Werkzeuge: