Ein-Anteil-Z-Test-Rechner

Was ist ein Ein-Stichproben-Anteil-Z-Test?

Der Ein-Stichproben-Anteil-Z-Test bestimmt, ob sich ein Stichprobenanteil signifikant von einem hypothetischen Populationsanteil unterscheidet.

Beantwortete Frage: "Unterscheidet sich der wahre Anteil von diesem bestimmten Wert?"

Beispiele:

• "Unterscheidet sich unsere Konversionsrate vom Branchenstandard von 3 %?"
• "Liegt die Fehlerquote unter dem akzeptablen Schwellenwert von 2 %?"
• "Liegt die Wählerzustimmung über 50 %?"

Die Hypothesen

Nullhypothese (H₀): p = p₀ (Populationsanteil entspricht dem hypothetischen Wert)

Alternativhypothese (H₁):

• Zweiseitig: p ≠ p₀ (Anteil ist unterschiedlich)
• Rechtsseitig: p > p₀ (Anteil ist größer)
• Linksseitig: p < p₀ (Anteil ist kleiner)

Die Teststatistik

$z = \frac{\hat{p} - p_0}{\sqrt{\frac{p_0(1-p_0)}{n}}}$

Wobei:

• $\hat{p}$ = Stichprobenanteil (x/n)
• $p_0$ = hypothetischer Anteil
• $n$ = Stichprobengröße

Der Nenner ist der Standardfehler unter der Nullhypothese.

Beispielrechnung

Szenario: Ein Unternehmen behauptet, dass 20 % der Kunden erneut kaufen. Wir beobachten 85 Wiederkäufe bei 500 Kunden. Unterscheidet sich dies von 20 %?

Daten:

• x = 85 Wiederkäufe
• n = 500 Kunden
• p̂ = 85/500 = 0,17
• p₀ = 0,20

Berechnung: SE = √[0,20 × 0,80 / 500] = √[0,00032] = 0,0179

z = (0,17 - 0,20) / 0,0179 = -1,68

P-Wert: Für einen zweiseitigen Test, p = 0,093

Schlussfolgerung: Die Wiederkaufsrate (17 %) unterscheidet sich bei α = 0,05 nicht signifikant von 20 % (p = 0,093).

Stichprobenanteil und Anzahl

Der Test kann auf zwei Arten formuliert werden:

Anteilsform: p̂ = x/n

Anzahlform: Teste, ob x von np₀ abweicht

Beide liefern identische Ergebnisse. Verwenden Sie die für Ihr Problem natürlichere Form.

Voraussetzungen

Ausreichende Stichprobengröße

Sowohl np₀ als auch n(1-p₀) sollten ≥ 10 sein (einige Quellen sagen ≥ 5).

Dies stellt sicher, dass die Normalapproximation an die Binomialverteilung gültig ist.

Beispiel: n = 100, p₀ = 0,05

• np₀ = 5 (grenzwertig)
• Erwägen Sie stattdessen den exakten Binomialtest

Unabhängigkeit

Jede Beobachtung ist unabhängig. Ein Ergebnis beeinflusst kein anderes.

Zufallsstichprobe

Die Stichprobe repräsentiert die interessierende Population.

Einfache Zufallsstichprobe

Oder zumindest ein Stichprobendesign, das diese annähert.

Wann der exakte Binomialtest zu verwenden ist

Verwenden Sie den Ein-Stichproben-Anteil-Z-Test wenn:

• n groß ist (≥ 30)
• np₀ ≥ 10 und n(1-p₀) ≥ 10
• Eine schnelle Approximation akzeptabel ist

Verwenden Sie den Binomialtest wenn:

• Die Stichprobe klein ist
• Der Anteil nahe 0 oder 1 liegt
• Ein exakter P-Wert erforderlich ist

Stetigkeitskorrektur

Der Z-Test approximiert eine diskrete Verteilung (Binomial) mit einer stetigen (Normal).

Korrigiertes z: z = (|p̂ - p₀| - 1/(2n)) / √[p₀(1-p₀)/n]

Effekt: Macht den Test etwas konservativer (höhere P-Werte).

Moderne Sichtweise: Bei ausreichenden Stichprobengrößen oft unnötig.

Konfidenzintervall

Eine verwandte Berechnung ist das Konfidenzintervall für einen Anteil:

$CI = \hat{p} \pm z^* \times \sqrt{\frac{\hat{p}(1-\hat{p})}{n}}$

Wenn $p_0$ außerhalb des 95 %-KI liegt, würden Sie $H_0$ bei α = 0,05 ablehnen.

Anwendungen

Qualitätskontrolle

Liegt die Fehlerquote bei oder unter dem Zielwert?

H₀: p = 0,02 (2 % Fehlerquote) Beobachtet: 15 Fehler bei 600 Artikeln (2,5 %)

Marketing

Liegt die Konversionsrate über der Baseline?

H₀: p = 0,03 (3 % Konversion) Beobachtet: 45 Konversionen bei 1200 Besuchern (3,75 %)

Politische Umfragen

Hat der Kandidat eine Mehrheitsunterstützung?

H₀: p = 0,50 (50 % Unterstützung) Beobachtet: 525 Unterstützer bei 1000 Befragten (52,5 %)

Medizinische Forschung

Liegt die Behandlungserfolgsrate über dem Standard?

H₀: p = 0,70 (70 % historischer Erfolg) Beobachtet: 82 Erfolge bei 100 Patienten (82 %)

A/B-Testing

Unterscheidet sich die Rate der neuen Variante von der Kontrolle?

Hinweis: Zum Vergleich zweier Varianten verwenden Sie den Zwei-Stichproben-Anteil-Z-Test.

Einseitige Tests

Rechtsseitig (p > p₀): Testet, ob der Anteil den Schwellenwert überschreitet. "Liegt die Erfolgsrate über 80 %?"

Linksseitig (p < p₀): Testet, ob der Anteil unter dem Schwellenwert liegt. "Liegt die Fehlerquote unter 1 %?"

P-Wert: Für einseitige Tests teilen Sie den zweiseitigen P-Wert durch 2 (in der vorhergesagten Richtung).

Effektgröße: Cohens h

Für Anteile:

$h = 2 \arcsin(\sqrt{p_1}) - 2 \arcsin(\sqrt{p_2})$

Diese Transformation stabilisiert die Varianz und macht h über verschiedene Basisanteile hinweg vergleichbar.

Beziehung zum Chi-Quadrat

Für einen Anteil gegen den erwarteten Wert:

z² = χ² (mit df = 1)

Der Ein-Stichproben-Anteil-Z-Test ist äquivalent zu einem Chi-Quadrat-Anpassungstest mit zwei Kategorien.

Häufige Fehler

Verwendung des falschen Standardfehlers

Die SE-Formel verwendet p₀ (hypothetisch), nicht p̂ (beobachtet).

Für Konfidenzintervalle verwenden Sie p̂. Für Hypothesentests verwenden Sie p₀.

Ignorieren der Stichprobengrößenanforderungen

Wenn np₀ < 10, ist die Normalapproximation schlecht. Verwenden Sie den exakten Binomialtest.

Einseitig ohne Begründung

Einseitige Tests erfordern eine vorab festgelegte Richtungshypothese. Wählen Sie nicht erst nach Sichtung der Daten.

Nicht-Signifikanz als Gleichheit interpretieren

p > 0,05 beweist nicht, dass p = p₀. Es bedeutet nur, dass Gleichheit nicht ausgeschlossen werden kann.

Teststärke und Stichprobengröße

Für die Studienplanung:

Minimum n = [z₁₋α/₂ × √(p₀q₀) + z₁₋β × √(p₁q₁)]² / (p₁ - p₀)²

Verwenden Sie den Stichprobengrößenrechner für Anteile für eine ordnungsgemäße Planung.

Ergebnisse berichten

APA-Format:

"Ein Ein-Stichproben-Z-Test für Anteile zeigte, dass sich die beobachtete Wiederkaufsrate (17 %, n = 500) nicht signifikant vom hypothetischen Wert von 20 % unterschied, z = -1,68, p = 0,093."

Angeben:

• Stichprobenanteil und n
• Hypothetischer Wert
• Z-Statistik
• P-Wert
• Konfidenzintervall (optional)

Historischer Kontext

Der Ein-Stichproben-Anteil-Z-Test entstand aus dem allgemeinen Rahmenwerk der Großstichprobentheorie, die im späten 19. und frühen 20. Jahrhundert entwickelt wurde.

Der Test wendet den Zentralen Grenzwertsatz auf Anteile an: Bei ausreichendem n sind Stichprobenanteile annähernd normalverteilt um den wahren Anteil.

Abraham de Moivre (1733) und Pierre-Simon Laplace (1812) legten die theoretischen Grundlagen. Die moderne Formulierung wurde Mitte des 20. Jahrhunderts zur Standardpraxis in der Statistik.

Verwandte Berechnungen

• Zwei-Stichproben-Anteil-Z-Test — Vergleich zweier Anteile
• Binomialtest — Exakter Test für Anteile
• Konfidenzintervall für Anteile — Intervallschätzung
• Stichprobengröße für Anteile — Studienplanung
• Chi-Quadrat-Anpassungstest — Äquivalenter Test

Zusammenfassung

Der Ein-Stichproben-Anteil-Z-Test bestimmt, ob sich ein Stichprobenanteil von einem hypothetischen Wert unterscheidet, indem z = (p̂ - p₀) / SE berechnet wird, wobei SE den Nullhypothesen-Anteil verwendet. Der Test erfordert np₀ ≥ 10 und n(1-p₀) ≥ 10 für eine gültige Normalapproximation; andernfalls verwenden Sie den exakten Binomialtest. Berichten Sie den Stichprobenanteil, den hypothetischen Wert, die Z-Statistik und den P-Wert. Für kleine Stichproben oder extreme Anteile liefert der Binomialtest exakte P-Werte, ohne sich auf die Normalapproximation zu verlassen.