P-Wert-Rechner

Q: Wie berechne ich einen p-Wert von Hand ohne Rechner?

Bei einem z-Test verwenden Sie die Verteilungsfunktion der Standardnormalverteilung: Für einen rechtsseitigen Test gilt p = 1 - Phi(z), für einen linksseitigen p = Phi(z). Werte von Phi(z) entnehmen Sie einer Normalverteilungstabelle: Suchen Sie Ihren z-Wert (auf zwei Dezimalen gerundet), lesen Sie die Tabellenwahrscheinlichkeit ab und bilden Sie für den rechten Rand das Komplement. Für t-, χ²- und F-Tests brauchten Sie die entsprechenden Tabellenwerke — genau diese ersetzt der vorliegende Rechner, indem er die Verteilungsfunktion numerisch berechnet.

Q: Was ist ein guter oder normaler p-Wert?

Es gibt keinen objektiv „guten“ Wert — der p-Wert hängt von Ihren Daten und dem Stichprobenumfang ab. Konventionsgemäß werden Ergebnisse mit p ≤ 0.05 als statistisch signifikant und solche mit p ≤ 0.01 als hochsignifikant bezeichnet. Diese Schwellen sind jedoch Konventionen, keine Beweise. Ein kleiner p-Wert deutet auf starke Evidenz gegen die Nullhypothese hin, nicht darauf, dass Ihr Befund groß oder bedeutsam ist. Berichten Sie deshalb immer die Effektstärke und das Konfidenzintervall zusammen mit dem p-Wert.

Q: Ist der p-Wert die Wahrscheinlichkeit, dass die Nullhypothese wahr ist?

Nein — das ist die häufigste Fehlinterpretation. Der p-Wert ist die Wahrscheinlichkeit, eine mindestens so extreme Teststatistik wie die Ihre zu beobachten, unter der Annahme , dass die Nullhypothese wahr ist. Ein p-Wert von 0,03 bedeutet nicht, dass mit 3 % Wahrscheinlichkeit die Nullhypothese zutrifft. Er kann Ihnen auch nicht die Wahrscheinlichkeit nennen, dass Ihre Alternativhypothese wahr ist; dafür wäre ein bayesianischer Ansatz nötig.

Q: Warum weicht mein p-Wert von dem in SPSS, R oder Excel ab?

Prüfen Sie zuerst die Anzahl der Ränder: Software gibt möglicherweise standardmäßig einen zweiseitigen p-Wert aus, der etwa doppelt so groß ist wie der einseitige. Überprüfen Sie außerdem die Freiheitsgrade, da Tests wie der Welch-t-Test andere df verwenden als die Standardversion mit gepoolter Varianz. Schließlich können Rundungen der Teststatistik oder Stetigkeitskorrekturen bei χ²-Tests den p-Wert leicht verschieben. Kleine Unterschiede in der dritten oder vierten Dezimale sind meist bloß Rundungseffekte.

Q: Kann ich einen zweiseitigen p-Wert in einen einseitigen umrechnen (oder umgekehrt)?

Zeigt die Teststatistik in die Richtung Ihrer einseitigen Alternativhypothese, so ist der einseitige p-Wert die Hälfte des zweiseitigen: p_ein = p_zwei/2. Zeigt sie in die entgegengesetzte Richtung, liegt der einseitige p-Wert über 0,5, und das Ergebnis kann nicht signifikant sein. Wichtig: Sie sollten die Anzahl der Ränder vor der Durchführung des Tests festlegen — ein nachträgliches Umschalten, nur um Signifikanz zu erreichen, erhöht die Fehlalarmrate und gilt als p-Hacking.

Q: Was tun, wenn meine Teststatistik negativ ist?

Negative Werte sind bei z- und t-Statistiken völlig normal — sie zeigen lediglich an, dass der Stichprobenmittelwert unter dem hypothetischen Wert liegt. Geben Sie die negative Zahl unverändert ein; der Rechner verwendet automatisch den linken Rand. χ²- und F-Statistiken dagegen können niemals negativ sein, da sie aus quadrierten Größen aufgebaut sind. Ist Ihr χ²- oder F-Wert negativ, ist irgendwo im Vorfeld ein Rechenfehler aufgetreten — prüfen Sie Ihre Formeln erneut.

Q: Kann ein p-Wert 0 oder größer als 1 sein?

Ein p-Wert liegt immer strikt zwischen 0 und 1, denn er ist eine Wahrscheinlichkeit. Er kann extrem klein sein (zum Beispiel 2.1 × 10^-5, angezeigt als 2.1e-05), aber niemals genau null — Software, die „0.000“ ausgibt, rundet lediglich. Erhalten Sie einen Wert über 1 oder eine negative Zahl, liegt ein Eingabefehler vor, etwa weil Sie statt einer Teststatistik eine Wahrscheinlichkeit eingegeben oder das Ausgabefeld falsch abgelesen haben.

Aktualisiert: 3 Oktober 2026

Geben Sie eine Teststatistik z, t, Chi-Quadrat oder F ein, um den p-Wert für zweiseitige, linksseitige oder rechtsseitige Tests zu ermitteln. Wählen Sie die Verteilung, die Freiheitsgrade und das Signifikanzniveau, um zu sehen, ob Ihr Ergebnis statistisch signifikant ist.

Ermitteln Sie den p-Wert Ihres Tests

Formel für den p-Wert

Formel

\[ p = \begin{cases} 2 \cdot \min\big(P(T \le t),\; P(T \ge t)\big) & \text{zweiseitiger Test (}\neq\text{)} \\ P(T \ge t) & \text{rechtsseitiger Test (}>) \\ P(T \le t) & \text{linksseitiger Test (}<\text{)} \end{cases} \] Dabei gilt:

\(T\) — die Zufallsvariable der Teststatistik (Z, t, χ² oder F) unter der Nullhypothese \(H_0\)
\(t\) — der beobachtete Wert Ihrer Teststatistik
\(P(T \ge t)\) — die Wahrscheinlichkeit, mindestens einen so extremen Wert wie \(t\) zu beobachten, im rechten Rand (rechter „Tail“)

Der p-Wert ist die Wahrscheinlichkeit, unter der Nullhypothese eine mindestens so extreme Teststatistik wie die beobachtete zu erhalten. Welche Ränder als „extrem“ gelten, hängt von der Alternativhypothese ab.

Für jede Verteilung stammen die Randwahrscheinlichkeiten aus der entsprechenden Verteilungsfunktion: der Standardnormalverteilung \(\Phi(z)\) für Z, der t-Verteilung (Student) mit \(df\) Freiheitsgraden, der Chi-Quadrat-Verteilung oder der F-Verteilung mit \(df_1\) und \(df_2\) Freiheitsgraden. Der Rechner wertet diese numerisch aus, sodass keine Tabellenwerke nötig sind.

p-Wert – Berechnungsbeispiel

Beispiel: Ein Zweistichproben-t-Test ergab eine Teststatistik von \(t = 2.5\) mit \(df = 20\), und die Alternativhypothese ist zweiseitig (\(\neq\)).

\[ p = 2 \cdot P(T \ge 2.5) = 2 \times 0.0106 = 0.0213 \]

Ergebnis: Der p-Wert beträgt 0,0213. Da \(0.0213 \le 0.05\), ist das Ergebnis bei \(\alpha = 0.05\) statistisch signifikant — lehnen Sie \(H_0\) ab.

So verwenden Sie den Rechner

Geben Sie Ihre Teststatistik ein (den z-, t-, χ²- oder F-Wert, den Sie bereits aus Ihren Daten berechnet haben).
Wählen Sie die Verteilung, der die Statistik unter \(H_0\) folgt: Standardnormalverteilung (Z), t-Verteilung (Student), Chi-Quadrat (χ²) oder F-Verteilung.
Wählen Sie die Ränder, die zu Ihrer Alternativhypothese passen: Zweiseitig (≠), Rechtsseitig (>) oder Linksseitig (<).
Bei t oder χ² geben Sie die Freiheitsgrade (df) ein. Bei der F-Verteilung geben Sie sowohl Zähler-DF (df₁) als auch Nenner-DF (df₂) ein; diese Felder erscheinen automatisch.
Wählen Sie Ihr Signifikanzniveau (α) — 0,05, 0,01 oder 0,10 — damit der Rechner das Fazit des Tests angeben kann.
Lesen Sie den p-Wert, die Randwahrscheinlichkeit in Richtung Ihrer Teststatistik sowie die Details & Fazit ab, wo beide Randwahrscheinlichkeiten und die Entscheidung (Ablehnung bzw. Nicht-Ablehnung) bei α aufgeführt sind.

Was ist ein p-Wert?

Der p-Wert beantwortet eine ganz bestimmte Frage: Wenn die Nullhypothese wahr wäre, wie wahrscheinlich wäre es dann, eine mindestens so extreme Teststatistik wie die beobachtete zu erhalten? Er ist eine Wahrscheinlichkeit zwischen 0 und 1 — nicht die Wahrscheinlichkeit, dass die Nullhypothese wahr oder falsch ist. Ein kleiner p-Wert bedeutet, dass die beobachteten Daten unter \(H_0\) überraschend wären, was ein Argument gegen die Nullhypothese darstellt.

Forscher vergleichen den p-Wert mit einem vorab festgelegten Signifikanzniveau \(\alpha\), üblicherweise 0,05. Wenn \(p \le \alpha\), wird das Ergebnis als statistisch signifikant bezeichnet, und es ist üblich, \(H_0\) abzulehnen. Wenn \(p > \alpha\), können Sie \(H_0\) nicht ablehnen. Beachten Sie: Die Nullhypothese nicht abzulehnen ist nicht dasselbe wie ihre Bestätigung — es bedeutet nur, dass die Daten nicht genügend Anhaltspunkte gegen sie liefern.

Die Anzahl der Ränder ist entscheidend. Ein zweiseitiger Test erkennt Abweichungen in beide Richtungen, daher umfasst der p-Wert beide extremen Ränder. Ein rechtsseitiger Test wird verwendet, wenn die Alternativhypothese einen größeren Wert als den Nullwert behauptet (üblich bei χ²- und F-Tests, die von Natur aus rechtsseitig sind). Ein linksseitiger Test kommt zum Zug, wenn die Alternativhypothese einen kleineren Wert behauptet. Die falsche Wahl des Rands kann ein echtes Ergebnis als nicht signifikant erscheinen lassen — die Ränder müssen also zu der Alternativhypothese passen, die Sie formuliert haben, bevor Sie die Daten betrachtet haben.

Zur informellen Einschätzung der Beweiskraft: \(p < 0.001\) ist sehr stark, \(p < 0.01\) stark, \(p < 0.05\) moderat und \(p < 0.10\) schwach. Werte über 0,10 liefern wenig Anhaltspunkte gegen \(H_0\). Es handelt sich um Konventionen, nicht um Schwellen mit magischer Bedeutung.

Welche Verteilung sollten Sie wählen?

Standardnormalverteilung (Z) — Tests bei großen Stichproben zu Mittelwerten und Anteilen, wenn die Populationsvarianz bekannt ist oder die Stichprobe groß genug für den zentralen Grenzwertsatz ist. Wenn Sie zuerst die Statistik selbst benötigen, nutzen Sie den z-Wert-Rechner.
t-Verteilung (Student) — Tests zu Mittelwerten bei kleinen Stichproben oder unbekannter Populationsvarianz; erfordert einen df-Wert, üblicherweise \(n - 1\) oder \(n_1 + n_2 - 2\).
Chi-Quadrat (χ²) — Anpassungstests und Unabhängigkeitstests bei Kontingenztafeln; die df hängen von der Anzahl der Kategorien bzw. Zellen ab. Diese Tests sind fast immer rechtsseitig.
F-Verteilung — Varianzanalyse (ANOVA) und Varianzvergleiche; erfordert Zähler-DF \(df_1\) und Nenner-DF \(df_2\). Ebenfalls fast immer rechtsseitig.

Wenn Sie noch nicht in der Testphase sind, decken unser Rechner für die Normalverteilung und unser Konfidenzintervall-Rechner die verwandten Aufgaben zu Wahrscheinlichkeiten und Schätzungen ab.

Annahmen, Grenzen und praktische Hinweise

Der Rechner benötigt eine bereits berechnete Teststatistik. Er berechnet z, t, χ² oder F nicht aus Rohdaten — Sie müssen die Statistik aus Ihrem Test angeben. Den Wert finden Sie in Ihrer Statistiksoftware oder in Ihren Vorlesungsunterlagen.
Die Statistik muss unter \(H_0\) der gewählten Verteilung folgen. Das setzt voraus, dass die Annahmen des jeweiligen Tests erfüllt sind: zufällige Stichproben, ungefähre Normalverteilung oder große Stichproben für Z/t, erwartete Zellhäufigkeiten von mindestens 5 bei χ² und Varianzhomogenität bei der klassischen ANOVA.
Legen Sie α vor dem Test fest. Das Signifikanzniveau nachträglich anhand des p-Werts zu wählen erhöht die Fehlalarmrate. Ist Ihr Signifikanzniveau nicht aufgeführt, vergleichen Sie den angegebenen p-Wert manuell mit Ihrem α.
Bei χ² und F rechtsseitige Tests verwenden. Diese Statistiken sind nicht-negativ, und ihre Tests sind konventionsgemäß einseitig; die zweiseitige Option des Rechners verdoppelt den kleineren Rand, was bei diesen Verteilungen selten zu einer realistischen Hypothese passt.
Statistische Signifikanz ist keine praktische Bedeutung. Bei einer ausreichend großen Stichprobe werden auch winzige, bedeutungslose Unterschiede signifikant. Berichten Sie neben dem p-Wert die Effektstärke und ein Konfidenzintervall und stellen Sie sicher, dass Ihr Stichprobenumfang sinnvoll geplant wurde — siehe den Stichprobenumfang-Rechner.
Sehr kleine p-Werte werden in wissenschaftlicher Notation angezeigt (z. B. 2.1e−05, das heißt \(2.1 \times 10^{-5}\)).

Häufig gestellte Fragen

Wie berechne ich einen p-Wert von Hand ohne Rechner?

Bei einem z-Test verwenden Sie die Verteilungsfunktion der Standardnormalverteilung: Für einen rechtsseitigen Test gilt \(p = 1 - \Phi(z)\), für einen linksseitigen \(p = \Phi(z)\). Werte von \(\Phi(z)\) entnehmen Sie einer Normalverteilungstabelle: Suchen Sie Ihren z-Wert (auf zwei Dezimalen gerundet), lesen Sie die Tabellenwahrscheinlichkeit ab und bilden Sie für den rechten Rand das Komplement. Für t-, χ²- und F-Tests brauchten Sie die entsprechenden Tabellenwerke — genau diese ersetzt der vorliegende Rechner, indem er die Verteilungsfunktion numerisch berechnet.

Was ist ein guter oder normaler p-Wert?

Es gibt keinen objektiv „guten“ Wert — der p-Wert hängt von Ihren Daten und dem Stichprobenumfang ab. Konventionsgemäß werden Ergebnisse mit \(p \le 0.05\) als statistisch signifikant und solche mit \(p \le 0.01\) als hochsignifikant bezeichnet. Diese Schwellen sind jedoch Konventionen, keine Beweise. Ein kleiner p-Wert deutet auf starke Evidenz gegen die Nullhypothese hin, nicht darauf, dass Ihr Befund groß oder bedeutsam ist. Berichten Sie deshalb immer die Effektstärke und das Konfidenzintervall zusammen mit dem p-Wert.

Ist der p-Wert die Wahrscheinlichkeit, dass die Nullhypothese wahr ist?

Nein — das ist die häufigste Fehlinterpretation. Der p-Wert ist die Wahrscheinlichkeit, eine mindestens so extreme Teststatistik wie die Ihre zu beobachten, unter der Annahme, dass die Nullhypothese wahr ist. Ein p-Wert von 0,03 bedeutet nicht, dass mit 3 % Wahrscheinlichkeit die Nullhypothese zutrifft. Er kann Ihnen auch nicht die Wahrscheinlichkeit nennen, dass Ihre Alternativhypothese wahr ist; dafür wäre ein bayesianischer Ansatz nötig.

Warum weicht mein p-Wert von dem in SPSS, R oder Excel ab?

Prüfen Sie zuerst die Anzahl der Ränder: Software gibt möglicherweise standardmäßig einen zweiseitigen p-Wert aus, der etwa doppelt so groß ist wie der einseitige. Überprüfen Sie außerdem die Freiheitsgrade, da Tests wie der Welch-t-Test andere df verwenden als die Standardversion mit gepoolter Varianz. Schließlich können Rundungen der Teststatistik oder Stetigkeitskorrekturen bei χ²-Tests den p-Wert leicht verschieben. Kleine Unterschiede in der dritten oder vierten Dezimale sind meist bloß Rundungseffekte.

Kann ich einen zweiseitigen p-Wert in einen einseitigen umrechnen (oder umgekehrt)?

Zeigt die Teststatistik in die Richtung Ihrer einseitigen Alternativhypothese, so ist der einseitige p-Wert die Hälfte des zweiseitigen: \(p_{ein} = p_{zwei}/2\). Zeigt sie in die entgegengesetzte Richtung, liegt der einseitige p-Wert über 0,5, und das Ergebnis kann nicht signifikant sein. Wichtig: Sie sollten die Anzahl der Ränder vor der Durchführung des Tests festlegen — ein nachträgliches Umschalten, nur um Signifikanz zu erreichen, erhöht die Fehlalarmrate und gilt als p-Hacking.

Was tun, wenn meine Teststatistik negativ ist?