Hypothesentest Aufgaben Mit Lösung Pdf

Ein Hypothesentest ist ein statistisches Verfahren, um auf Basis von Stichprobendaten eine Entscheidung über eine Hypothese zu treffen. Kurz gesagt: Wir testen, ob eine Annahme (Hypothese) über eine Population plausibel ist, gegeben die Daten, die wir gesammelt haben.

Lass uns das schrittweise durchgehen:

Schritt 1: Formulierung der Nullhypothese (H0) und Alternativhypothese (H1). Die Nullhypothese ist die Annahme, die wir widerlegen wollen. Die Alternativhypothese ist das, was wir vermuten, wenn die Nullhypothese falsch ist. Zum Beispiel:

H0: Der durchschnittliche IQ einer Population ist 100.
H1: Der durchschnittliche IQ einer Population ist nicht 100. (zweiseitig) oder H1: Der durchschnittliche IQ einer Population ist größer als 100. (einseitig).

Wichtig ist, dass wir die Nullhypothese widerlegen oder nicht widerlegen können. Wir "beweisen" sie nie.

Schritt 2: Wahl des Signifikanzniveaus (α). Das Signifikanzniveau (oft 5% oder 0.05) ist die Wahrscheinlichkeit, die Nullhypothese zu verwerfen, obwohl sie wahr ist (Fehler 1. Art). Es definiert den kritischen Bereich.

Wenn unser p-Wert kleiner als α ist, verwerfen wir die Nullhypothese. Ein kleineres α macht es schwieriger, die Nullhypothese zu verwerfen.

Schritt 3: Wahl des geeigneten Tests. Die Wahl des Tests hängt von der Art der Daten (numerisch oder kategorial), der Fragestellung und den Annahmen über die Daten (z.B. Normalverteilung) ab. Beispiele sind t-Test, z-Test, Chi-Quadrat-Test oder ANOVA.

Beispiel: Wenn wir den Mittelwert einer Stichprobe mit einem bekannten Populationsmittelwert vergleichen und die Standardabweichung der Population bekannt ist, verwenden wir einen z-Test.

Schritt 4: Berechnung der Teststatistik. Die Teststatistik misst, wie weit unsere Stichprobendaten von dem abweichen, was unter der Nullhypothese erwartet wird. Die Formel hängt vom gewählten Test ab.

Beispiel: Für einen z-Test ist die Teststatistik: z = (Stichprobenmittelwert - Populationsmittelwert) / (Populationsstandardabweichung / Wurzel(Stichprobengröße)).

Schritt 5: Berechnung des p-Werts. Der p-Wert ist die Wahrscheinlichkeit, eine Teststatistik zu beobachten, die so extrem oder extremer ist als die beobachtete, unter der Annahme, dass die Nullhypothese wahr ist.

Ein kleiner p-Wert deutet darauf hin, dass die beobachteten Daten unwahrscheinlich sind, wenn die Nullhypothese wahr ist.

Schritt 6: Entscheidung. Vergleiche den p-Wert mit dem Signifikanzniveau (α).
* Wenn p-Wert ≤ α: Verwerfe die Nullhypothese. Die Daten liefern genügend Beweise gegen die Nullhypothese.
* Wenn p-Wert > α: Verwerfe die Nullhypothese nicht. Die Daten liefern nicht genügend Beweise gegen die Nullhypothese.

Beispiel: Angenommen, wir testen, ob eine neue Düngemittelmarke das Pflanzenwachstum verbessert. Wir haben eine Nullhypothese (kein Unterschied im Wachstum) und eine Alternativhypothese (verbessertes Wachstum). Nach der Durchführung eines t-Tests erhalten wir einen p-Wert von 0.03. Wenn unser Signifikanzniveau 0.05 beträgt, verwerfen wir die Nullhypothese und schließen, dass das neue Düngemittel das Pflanzenwachstum wahrscheinlich verbessert.

Praktische Anwendungen:

Medizin: Testen der Wirksamkeit eines neuen Medikaments. Wir müssen sicherstellen, dass ein Medikament tatsächlich wirkt und nicht nur durch Zufall positive Ergebnisse erzielt werden.

Marketing: Testen der Wirksamkeit einer neuen Werbekampagne. Hypothesentests helfen zu beurteilen, ob die Kampagne tatsächlich zu einer Umsatzsteigerung führt.