P-Wert-aus-Z-Rechner

Was ist ein p-Wert?

Ein p-Wert ist die Wahrscheinlichkeit, ein Ergebnis zu beobachten, das genauso extrem (oder extremer) ist wie Ihre Daten, unter der Annahme, dass die Nullhypothese wahr ist. Kleine p-Werte deuten darauf hin, dass die Daten unter der Nullhypothese unwahrscheinlich sind, und liefern somit Evidenz gegen sie.

Der p-Wert aus einem z-Wert verwendet speziell die Standardnormalverteilung und ist geeignet für große Stichproben oder wenn die Populationsstandardabweichung bekannt ist.

Vom z-Wert zum p-Wert

Ein z-Wert gibt an, wie viele Standardabweichungen Ihr Ergebnis vom Wert der Nullhypothese entfernt ist. Der p-Wert gibt die Wahrscheinlichkeit an, so weit oder weiter entfernt zu sein.

Beispiel:

• z = 2,0 bedeutet, dass Ihr Ergebnis 2 Standardabweichungen vom erwarteten Wert entfernt ist
• Zweiseitiger p = 0,046 bedeutet, dass es eine 4,6%ige Chance gibt, in beide Richtungen so weit vom Erwartungswert entfernt zu sein
• Einseitiger p = 0,023 bedeutet, dass es eine 2,3%ige Chance in einer bestimmten Richtung gibt

Einseitig vs. Zweiseitig

Zweiseitig (häufiger)

Testet auf jegliche Abweichung von der Nullhypothese:

• H₀: μ = μ₀ vs. H₁: μ ≠ μ₀
• Der p-Wert berücksichtigt beide Enden
• Für z = 2,0: p = 0,046

Verwenden Sie dies, wenn Sie an einer Abweichung in beide Richtungen interessiert wären.

Einseitig

Testet auf Abweichung in eine bestimmte Richtung:

• H₀: μ = μ₀ vs. H₁: μ > μ₀ (rechtsseitig)
• H₀: μ = μ₀ vs. H₁: μ < μ₀ (linksseitig)
• Der p-Wert berücksichtigt nur ein Ende
• Für z = 2,0 (rechtsseitig): p = 0,023

Verwenden Sie dies nur, wenn Sie einen starken theoretischen Grund haben, in eine Richtung zu testen.

Häufige z-Werte und p-Werte

Interpretation von p-Werten

Der konventionelle Schwellenwert

α = 0,05 ist das am häufigsten verwendete Signifikanzniveau:

• p < 0,05: „Statistisch signifikant" – Nullhypothese ablehnen
• p ≥ 0,05: „Nicht statistisch signifikant" – Nullhypothese nicht ablehnen

Was p-Werte NICHT sind

Der p-Wert ist NICHT die Wahrscheinlichkeit, dass die Nullhypothese wahr ist.

Wenn p = 0,03, bedeutet das NICHT, dass es eine 3%ige Chance gibt, dass die Nullhypothese wahr ist. Es bedeutet: WENN die Nullhypothese wahr wäre, gäbe es eine 3%ige Chance für so extreme Daten.

Der p-Wert ist NICHT die Wahrscheinlichkeit, dass die Ergebnisse „zufällig" auftreten.

Alle Ergebnisse treten in gewissem Sinne zufällig auf. Der p-Wert quantifiziert, wie überraschend die Ergebnisse unter einer bestimmten Nullhypothese wären.

Die Effektgröße ist wichtig

Ein winziger p-Wert bedeutet nicht einen großen Effekt. Mit genügend Daten werden trivial kleine Effekte statistisch signifikant. Berichten Sie immer Effektgrößen zusammen mit p-Werten.

Anwendungen

Hypothesentest

„Wir testeten, ob der Behandlungsmittelwert von 100 abweicht." z = 2,45, p = 0,014 (zweiseitig) „Wir lehnen die Nullhypothese bei α = 0,05 ab."

Anteile

„Unterscheidet sich der wahre Anteil von 0,50?" z = 1,89, p = 0,059 „Das Ergebnis ist bei α = 0,05 nicht statistisch signifikant."

Qualitätskontrolle

„Weicht der Prozessmittelwert vom Zielwert ab?" z = -3,2, p = 0,001 „Der Prozess liegt signifikant neben dem Ziel."

Historischer Hintergrund

Das p-Wert-Konzept wurde von Karl Pearson entwickelt und von Ronald Fisher in den 1920er Jahren formalisiert.

Fisher betrachtete p-Werte als Maße für die Evidenz gegen die Nullhypothese – kleinere p-Werte zeigen stärkere Evidenz an. Er schlug p = 0,05 als einen „bequemen" Schwellenwert vor, nicht als absolute Regel.

Jerzy Neyman und Egon Pearson entwickelten das Rahmenwerk der Fehler 1. und 2. Art, wobei α (das Signifikanzniveau) vor der Studie festgelegt wird. Ihr Ansatz behandelt Hypothesentests als Entscheidungsverfahren und nicht als Evidenzmaß.

Die moderne Praxis kombiniert diese beiden Philosophien auf ungeschickte Weise, was oft zu Verwirrung darüber führt, was p-Werte bedeuten.

Die Beziehung zu z-Werten

Die Standardnormalverteilung hat:

• Mittelwert = 0
• Standardabweichung = 1
• Symmetrisch um Null

Der p-Wert ist die Fläche der Enden jenseits Ihres z-Wertes:

Rechtsseitig (z positiv): Fläche rechts von z Linksseitig (z negativ): Fläche links von z Zweiseitig: Summe beider Endflächen jenseits von |z|

Der Z-Tabellen-Rechner zeigt kumulative Wahrscheinlichkeiten, aus denen p-Werte abgeleitet werden.

Wann Z vs. T verwenden

Verwenden Sie z-basierte p-Werte wenn:

• Die Stichprobengröße groß ist (n > 30)
• Die Populationsstandardabweichung σ bekannt ist (selten)
• Anteile getestet werden

Verwenden Sie t-basierte p-Werte wenn:

• Die Stichprobengröße klein ist
• Die Populationsstandardabweichung σ unbekannt ist
• Mittelwerte mit Stichproben-Standardabweichung getestet werden

Der t-Verteilungs-Rechner behandelt Fälle mit kleinen Stichproben.

Das p-Hacking-Problem

Wenn Forscher mehrere Analysen durchführen und nur diejenige mit p < 0,05 berichten, werden falsch-positive Ergebnisse wahrscheinlich. Dieses „p-Hacking" hat zur Reproduzierbarkeitskrise in der Wissenschaft beigetragen.

Gegenmaßnahmen umfassen:

• Präregistrierung von Analysen
• Korrekturen für multiple Vergleiche
• Berichterstattung aller durchgeführten Analysen
• Fokus auf Effektgrößen und Konfidenzintervalle

Kritik an p-Werten

Die American Statistical Association (2016) veröffentlichte Richtlinien, die feststellten:

1. P-Werte können Unvereinbarkeit mit einem Modell anzeigen, aber es nicht als falsch beweisen
2. P-Werte messen nicht die Wahrscheinlichkeit, dass die Hypothese wahr ist
3. Wissenschaftliche Schlussfolgerungen sollten nicht nur auf p < 0,05 basieren
4. P-Werte messen nicht die Effektgröße oder Wichtigkeit
5. P-Werte allein liefern keine gute Evidenz

Verwandte Berechnungen

• Z-Wert-Rechner — Rohwerte in z-Werte umrechnen
• Z-Tabellen-Rechner — Kumulative Wahrscheinlichkeiten
• Kritischer-Wert-Rechner (z*) — z für Signifikanzniveau finden
• t-Verteilungs-Rechner — p-Werte für kleine Stichproben
• Normalverteilungs-Wahrscheinlichkeits-Rechner — Wahrscheinlichkeiten aus Normalverteilungen

Zusammenfassung

Der p-Wert aus einem z-Wert quantifiziert, wie überraschend Ihr Ergebnis unter der Nullhypothese ist. Kleine p-Werte (typischerweise < 0,05) führen zur Ablehnung der Nullhypothese, aber p-Werte allein beweisen keine Effekte, messen nicht deren Größe und geben nicht die Wahrscheinlichkeit an, dass die Nullhypothese wahr ist. Für eine korrekte Interpretation berichten Sie p-Werte zusammen mit Konfidenzintervallen und Effektgrößen. Zu verstehen, was p-Werte tatsächlich bedeuten – und was nicht – ist wesentlich für fundierte statistische Schlussfolgerungen.