Wichtige Fakten
- Kategorie
- Mathe, Datum & Finanzen
- Eingabetypen
- select, number
- Ausgabetyp
- json
- Sample-Abdeckung
- 4
- API verfügbar
- Yes
Überblick
Der Statistische Power-Rechner ermittelt die Wahrscheinlichkeit, mit der ein Hypothesentest einen tatsächlich vorhandenen Effekt erkennt. Durch die Eingabe von Stichprobengröße, Signifikanzniveau (Alpha) und den erwarteten Werten für Mittelwert oder Anteil berechnet das Tool die statistische Power sowie die Effektstärke. Dies hilft Forschern und Analysten, die Zuverlässigkeit ihrer Studienergebnisse vorab zu bewerten oder nachträglich zu überprüfen.
Wann verwenden
- •Bei der Planung von Experimenten oder Studien, um zu prüfen, ob die geplante Stichprobengröße für aussagekräftige Ergebnisse ausreicht.
- •Zur nachträglichen Analyse von Testergebnissen, um die Wahrscheinlichkeit eines Fehlers 2. Art (falsch-negativ) einzuschätzen.
- •Wenn Sie zwischen einem Mittelwerttest und einem Anteilswerttest wählen und die erforderliche Power für verschiedene Szenarien vergleichen möchten.
So funktioniert es
- •Wählen Sie den Testtyp aus (Mittelwertdifferenz oder Anteilsdifferenz) und legen Sie die Alternativhypothese (zweiseitig, größer als, kleiner als) fest.
- •Geben Sie das gewünschte Signifikanzniveau (Alpha) und die verfügbare Stichprobengröße ein.
- •Tragen Sie die Parameter für die Nullhypothese und die Alternativhypothese ein (z. B. Nullmittelwert, alternativer Mittelwert und Standardabweichung).
- •Das Tool berechnet sofort die statistische Power (als Dezimalwert und in Prozent) sowie die zugrunde liegende Effektstärke im JSON-Format.
Anwendungsfälle
Beispiele
1. Power-Berechnung für einen Mittelwerttest
Qualitätsmanager- Hintergrund
- Ein Unternehmen produziert Bauteile mit einer Soll-Länge von 100 mm. Es wird vermutet, dass eine neue Maschine Bauteile mit 105 mm produziert. Die Standardabweichung beträgt 15 mm.
- Problem
- Es soll geprüft werden, ob eine Stichprobe von 64 Bauteilen ausreicht, um diese Abweichung zuverlässig zu erkennen.
- Verwendung
- Wählen Sie 'Mittelwertdifferenz', setzen Sie die Stichprobengröße auf 64, den Nullmittelwert auf 100, den alternativen Mittelwert auf 105 und die Standardabweichung auf 15.
- Beispielkonfiguration
-
{ "testType": "mean", "alternative": "two-sided", "alpha": 0.05, "sampleSize": 64, "nullMean": 100, "alternativeMean": 105, "standardDeviation": 15 } - Ergebnis
- Das Tool berechnet eine Power von ca. 76,01 % und eine Effektstärke von 0,3333. Dies zeigt, dass die Stichprobengröße für eine 80%-Power leicht erhöht werden sollte.
2. Power-Analyse für einen Anteilswerttest
Marketing-Analyst- Hintergrund
- Die aktuelle Konversionsrate einer Webseite liegt bei 50 %. Eine neue Landingpage soll die Rate auf 60 % erhöhen.
- Problem
- Der Analyst möchte wissen, wie hoch die statistische Power bei einer Stichprobe von 100 Besuchern ist.
- Verwendung
- Wählen Sie 'Anteilsdifferenz', setzen Sie die Stichprobengröße auf 100, den Nullanteil auf 0,5 und den alternativen Anteil auf 0,6.
- Beispielkonfiguration
-
{ "testType": "proportion", "alternative": "greater", "alpha": 0.05, "sampleSize": 100, "nullProportion": 0.5, "alternativeProportion": 0.6 } - Ergebnis
- Die JSON-Ausgabe liefert die berechnete Power und Effektstärke, sodass der Analyst beurteilen kann, ob der Test mit 100 Besuchern aussagekräftig genug ist.
Mit Samples testen
barcodeVerwandte Hubs
FAQ
Was ist die statistische Power?
Die statistische Power (oder Teststärke) ist die Wahrscheinlichkeit, dass ein Hypothesentest die Nullhypothese korrekterweise ablehnt, wenn die Alternativhypothese wahr ist.
Welcher Wert für die statistische Power gilt als ausreichend?
In vielen wissenschaftlichen Disziplinen wird eine Power von 0,80 (oder 80 %) als Standard angesehen. Dies bedeutet ein 20-prozentiges Risiko für einen Fehler 2. Art.
Was ist der Unterschied zwischen Mittelwert- und Anteilswerttest?
Ein Mittelwerttest vergleicht den Durchschnittswert einer Stichprobe mit einem Referenzwert. Ein Anteilswerttest vergleicht den Anteil einer bestimmten Eigenschaft (z. B. Konversionsrate) mit einem Referenzanteil.
Wie beeinflusst die Stichprobengröße die Power?
Eine größere Stichprobe führt in der Regel zu einer höheren statistischen Power, da sie die Schätzgenauigkeit erhöht und es einfacher macht, echte Effekte zu erkennen.
Was bedeutet das Signifikanzniveau (Alpha)?
Alpha ist die Wahrscheinlichkeit, einen Fehler 1. Art (falsch-positiv) zu begehen. Ein häufig verwendeter Wert ist 0,05, was einem Risiko von 5 % entspricht, fälschlicherweise einen Effekt anzunehmen.