T-Test-Rechner
Berechnen Sie einen Einstichproben- oder Zweistichproben-t-Test anhand von Rohdaten oder zusammenfassenden Kennzahlen. Geben Sie Ihre Werte ein, wählen Sie Alternativhypothese und Signifikanzniveau und erhalten Sie t-Statistik, Freiheitsgrade, p-Wert und Schlussfolgerung.
T-Test durchführen
Formel des t-Tests
Wobei gilt:
- \(\bar{x}\) — Stichprobenmittelwert
- \(\mu_0\) — hypothetischer Populationsmittelwert unter H0
- \(s\) — Stichprobenstandardabweichung (mit \(n - 1\) im Nenner)
- \(n\) — Stichprobenumfang
- \(\bar{x}_1, \bar{x}_2\), \(s_1, s_2\), \(n_1, n_2\) — Mittelwerte, Standardabweichungen und Umfänge der beiden unabhängigen Stichproben
Die t-Statistik misst, wie viele Standardfehler der Stichprobenmittelwert vom unter H0 angenommenen Wert entfernt liegt. Sie wird mit der Student-t-Verteilung mit \(df\) Freiheitsgraden verglichen, um den p-Wert zu erhalten: die Wahrscheinlichkeit, ein mindestens ebenso extremes Ergebnis zu beobachten, wenn H0 wahr wäre. Bei einem zweiseitigen Test gilt \(p = 2\,P(T_{df} \ge |t|)\); einseitige Tests verwenden nur eine Verteilungsseite. Wird bei zwei Stichproben die Option der gepoolten Varianz gewählt, verwendet der Standardfehler die gepoolte Varianz \(s_p^2\), und es gilt \(df = n_1 + n_2 - 2\).
t-Test – Rechenbeispiel
{shortcode_start}
Beispiel: Eine Maschine soll Flaschen mit 100 ml befüllen. Zehn Füllmengen werden gemessen: 99,2, 98,7, 100,3, 101,1, 99,5, 98,9, 100,8, 99,6, 100,2, 97,9. Weicht die mittlere Füllmenge bei \(\alpha = 0.05\) von 100 ml ab? (Dies sind die Standardwerte des Rechners.)
\[ n = 10, \quad \bar{x} = \frac{996.2}{10} = 99.62, \quad s = \sqrt{\frac{\sum (x_i - \bar{x})^2}{n - 1}} \approx 0.994 \]
\[ t = \frac{99.62 - 100}{0.994/\sqrt{10}} = \frac{-0.38}{0.314} \approx -1.209, \quad df = 10 - 1 = 9 \]
\[ p = 2\,P(T_9 \ge |-1.209|) \approx 0.258 \]
Ergebnis: \(t \approx -1.209\), \(df = 9\), \(p \approx 0.258\). Da \(p > 0.05\), verwerfen wir H0 nicht: Es gibt keine statistisch signifikanten Hinweise darauf, dass die mittlere Füllmenge von 100 ml abweicht.
{/shortcode_start}
So benutzen Sie den T-Test-Rechner
- Wählen Sie unter Testeinstellungen den Testtyp: Einstichprobentest (Vergleich eines Stichprobenmittelwerts mit einem hypothetischen Wert) oder Zweistichprobentest (Vergleich zweier unabhängiger Stichprobenmittelwerte).
- Wählen Sie die Alternativhypothese (H1) — zweiseitig (\(\neq\)), rechtsseitig (\(>\)) oder linksseitig (\(<\)) — sowie das Signifikanzniveau (\(\alpha\)): 0,05, 0,01 oder 0,10.
- Geben Sie bei einem Einstichprobentest den hypothetischen Mittelwert (\(\mu_0\)) ein.
- Wählen Sie bei einem Zweistichprobentest die Varianzannahme: Welch (ungleiche Varianzen, die sicherere Standardeinstellung) oder gepoolt (gleiche Varianzen).
- Legen Sie den Eingabemodus fest. Bei Rohdaten fügen Sie Ihre Werte in Stichprobendaten (und Daten der Stichprobe 2 beim Zweistichprobentest) ein, getrennt durch Leerzeichen, Semikolons oder Zeilenumbrüche. Bei Kennzahlen geben Sie Mittelwert, Standardabweichung und Stichprobenumfang für jede Stichprobe ein.
- Lesen Sie die t-Statistik, die Freiheitsgrade, den p-Wert und die Schlussfolgerung ab, die besagt, ob H0 beim gewählten \(\alpha\) verworfen wird.
Was ist ein t-Test und wie interpretiert man das Ergebnis?
Ein t-Test ist ein statistischer Hypothesentest, der einen Mittelwert (oder die Differenz zweier Mittelwerte) mit einem behaupteten Wert vergleicht, wenn die Populationsstandardabweichung unbekannt ist und aus der Stichprobe geschätzt werden muss. Das ist die typische Situation bei kleinen Datensätzen in Wissenschaft, Qualitätskontrolle, Medizin und A/B-Tests. Die resultierende t-Statistik drückt die beobachtete Differenz in Einheiten des Standardfehlers aus; Werte weit von null sprechen dafür, dass die Daten der Nullhypothese widersprechen.
Der p-Wert beantwortet die Frage: Wenn die Nullhypothese wahr wäre, wie wahrscheinlich wäre dann ein mindestens so extremes Ergebnis wie das beobachtete? Ein kleiner p-Wert bedeutet, dass die Daten unter H0 überraschend wären, und liefert Evidenz dagegen. Konventionell wird das Ergebnis statistisch signifikant genannt, wenn \(p \le \alpha\) (üblicherweise 0,05), und H0 wird verworfen. Ein großer p-Wert beweist nicht, dass H0 wahr ist — er bedeutet nur, dass nicht genügend Evidenz dagegen vorliegt.
Wählen Sie die Richtung der Testseite entsprechend Ihrer Fragestellung. Ein zweiseitiger Test prüft auf jede beliebige Differenz (\(\mu \ne \mu_0\)). Ein rechtsseitiger Test fragt, ob der Mittelwert größer als der hypothetische Wert ist; ein linksseitiger Test fragt, ob er kleiner ist. Einseitige Tests sind in der gewählten Richtung mächtiger, müssen aber begründet werden, bevor man die Daten ansieht — ein nachträgliches Wechseln der Testseite erhöht die Falsch-Positiv-Rate.
Bei zwei unabhängigen Stichproben bietet der Rechner standardmäßig den Welch-Test an. Er setzt keine gleichen Varianzen voraus und nutzt die Welch–Satterthwaite-Approximation für die Freiheitsgrade, was zuverlässiger ist, wenn die beiden Stichproben unterschiedliche Streuung oder unterschiedliche Umfänge haben. Die gepoolte Variante ist nur angemessen, wenn angenommen wird, dass die Populationen gleiche Varianzen besitzen.
Voraussetzungen, Grenzen und praktische Tipps
- Normalität: Der t-Test setzt voraus, dass die zugrunde liegende Population (oder die Residuen) ungefähr normalverteilt ist. Prüfen Sie bei kleinen Stichproben ein Histogramm oder einen Normalverteilungsplot; bei großen Stichproben (etwa \(n \ge 30\)) macht der zentrale Grenzwertsatz den Test robust gegenüber moderater Nichtnormalität. Stark schiefe Daten mit Ausreißern verlangen nach einer nichtparametrischen Alternative.
- Unabhängigkeit: Die Beobachtungen müssen voneinander unabhängig sein. Gepaarte bzw. Messwiederholungsdaten (Vorher/Nachher bei denselben Versuchspersonen) sollten nicht mit einem Zweistichprobentest analysiert werden — verwenden Sie stattdessen die Differenzen in einem Einstichprobentest für die gepaarten Differenzen.
- Stichprobenumfang: Es sind mindestens 2 Werte pro Stichprobe erforderlich, und die Werte dürfen nicht alle identisch sein (SD = 0). Kleine Stichproben führen zu großer Unsicherheit, sodass ein nicht signifikantes Ergebnis möglicherweise nur eine geringe Teststärke widerspiegelt — siehe den Stichprobengrößen-Rechner bei der Planung einer Studie.
- Signifikanz vs. Bedeutung: Ein winziger p-Wert sagt nur, dass die Differenz unwahrscheinlich null ist — nicht, dass sie groß oder praktisch bedeutsam ist. Geben Sie immer die Effektstärke an und ergänzen Sie den Test durch einen Konfidenzintervall-Rechner, um den plausiblen Bereich der Mittelwertdifferenz zu sehen.
- Rohdaten vs. Kennzahlen: Bei Rohdaten berechnet der Rechner Mittelwert und SD für Sie (mit einem \(n-1\)-Nenner); der Kennzahlen-Modus ist praktisch, wenn Sie publizierte Ergebnisse auswerten. Zum Prüfen einzelner Werte sind der Standardabweichungs-Rechner und der z-Wert-Rechner (für bekanntes \(\sigma\) oder große Stichproben) nützliche Begleiter.
Häufig gestellte Fragen
Was ist ein guter oder signifikanter t-Wert?
Es gibt keinen universell „guten“ t-Wert — seine Bedeutung hängt von den Freiheitsgraden ab und davon, ob Ihr Test ein- oder zweiseitig ist. Grob gesagt ist bei etwa 20 Freiheitsgraden ein zweiseitiges t jenseits von ±2,09 bei \(\alpha = 0.05\) signifikant. Größere \(|t|\|-Werte deuten auf stärkere Evidenz gegen die Nullhypothese hin. Beurteilen Sie die Signifikanz immer anhand des p-Werts und nicht allein anhand der t-Statistik.
Wie berechne ich eine t-Statistik von Hand?
Ziehen Sie bei einem Einstichprobentest den hypothetischen Mittelwert von Ihrem Stichprobenmittelwert ab und teilen Sie das Ergebnis durch den Standardfehler \(s/\sqrt{n}\). Berechnen Sie zuerst den Mittelwert, dann die Stichprobenstandardabweichung mit einem \(n-1\)-Nenner. Beispiel: mit \(\bar{x} = 12\), \(\mu_0 = 10\), \(s = 3\), \(n = 9\): \(t = (12-10)/(3/\sqrt{9}) = 2\). Vergleichen Sie dies mit der t-Verteilung mit \(df = n-1\), um den p-Wert zu erhalten.
Sollte ich einen einseitigen oder zweiseitigen t-Test verwenden?
Verwenden Sie einen zweiseitigen Test, wenn jede Differenz relevant ist (höher oder niedriger). Verwenden Sie einen einseitigen Test nur, wenn Sie vor der Datenerhebung eine gerichtete Vorhersage festgelegt haben — etwa: „das neue Medikament senkt den Blutdruck“. Das Wählen der Testseite nach dem Ansehen des Ergebnisses erhöht künstlich die Falsch-Positiv-Rate. Im Zweifel ist der zweiseitige Test die konservative und in den meisten Forschungsbereichen anerkannte Wahl.
Was ist der Unterschied zwischen einem t-Test und einem z-Test?
Ein z-Test wird verwendet, wenn die Populationsstandardabweichung \(\sigma\) bekannt ist oder wenn die Stichproben sehr groß sind; ein t-Test wird verwendet, wenn \(\sigma\) aus der Stichprobe geschätzt werden muss, was zusätzliche Unsicherheit mit sich bringt. Die t-Verteilung hat schwerere Ränder als die Normalverteilung, insbesondere bei wenigen Freiheitsgraden. Mit wachsendem \(n\) (etwa ab 30) liefern beide Tests nahezu identische Ergebnisse.
Kann ich einen t-Test mit gepaarten bzw. Vorher-Nachher-Daten verwenden?
Nicht als gewöhnlichen Zweistichprobentest. Gepaarte Messungen — etwa Blutdruck vor und nach der Behandlung bei denselben Personen — verletzen die Unabhängigkeitsannahme. Berechnen Sie stattdessen für jede Person die Differenz und führen Sie mit diesen Differenzen einen Einstichproben-t-Test durch, bei dem geprüft wird, ob ihr Mittelwert null ist. Ein unabhängiger Zweistichprobentest mit gepaarten Daten verliert meist statistische Power.
Warum weicht mein p-Wert leicht von dem anderer Software ab?
Kleine Unterschiede stammen meist vom Runden der Eingaben oder von unterschiedlichen Varianzannahmen. Prüfen Sie, ob das andere Tool gepoolte Varianzen verwendet hat, während dieser Rechner Welch nutzt, oder ob es standardmäßig gleiche Varianzen angenommen hat (wie Excels T.TEST mit Typ 2). Auch das Runden der Standardabweichung auf weniger Dezimalstellen vor der Eingabe kann die t-Statistik und den p-Wert spürbar verschieben — geben Sie also Werte in voller Präzision ein.
Welchen Stichprobenumfang benötigt ein t-Test, um gültig zu sein?
Streng genommen funktioniert der Test schon mit nur 2 Beobachtungen, doch sehr kleine Stichproben haben geringe Teststärke und reagieren empfindlich auf Nichtnormalität. Ab \(n \ge 30\) macht der zentrale Grenzwertsatz den Test auch bei schiefen Daten ziemlich robust. Für die Planung hängt der benötigte Stichprobenumfang von der Effektstärke, die Sie erkennen möchten, dem Signifikanzniveau und der angestrebten Power ab — eine Poweranalyse ist der richtige Weg zur Festlegung.