Hypothesentest
Definition
Ein Hypothesentest prüft anhand von Daten, wie vereinbar eine Beobachtung mit einer formulierten Nullhypothese ist.
Typischerweise werden Hypothesen, Teststatistik, Signifikanzniveau und Annahmen vorab festgelegt. Ein p-Wert ist keine Wahrscheinlichkeit dafür, dass die Nullhypothese wahr ist.
Einfach erklärt
Wie zu prüfen, ob ein beobachteter Unterschied plausibel durch Zufall erklärbar wäre – unter klaren Modellannahmen.
Warum das im Alltag wichtig ist
Relevant für Experimente, A/B-Tests und datenbasierte Entscheidungen, wenn Unsicherheit transparent quantifiziert werden soll.
Beispiel aus dem Mittelstand
Ein Unternehmen testet, ob eine neue Landingpage in einem kontrollierten Experiment die Conversion messbar verändert.
Grenzen und Fallstricke
- p-Werte falsch interpretieren; viele Tests ohne Korrektur; Effektgröße ignorieren; nachträgliches Hypothesen-Shopping; Kausalität ohne Experiment behaupten.
Entstehung & Geschichte
Statistische Hypothesentests arbeiten mit Null- und Alternativhypothesen sowie kontrollierten Fehlerrisiken. Die ASA erläutert Grenzen der Interpretation von p-Werten.
Anwendung im Mittelstand
- Mögliche Anwendungen: A/B-Tests, Prozessverbesserungen, Qualitätsvergleiche und Modellmetriken.
Häufige Fragen
Bedeutet p<0,05 einen großen Effekt?
Nein. Beweist ein nicht signifikanter Test Gleichheit? Nein, Teststärke und Unsicherheit müssen betrachtet werden.
Quellen
- ASA Statement on Statistical Significance and P-Values · ASA Statement on Statistical Significance and P-Values
- What are statistical tests · NIST, What are statistical tests
Quellenprüfung: 10./11.10.2026.
Redaktionell geprüft am: