Begriff im Kontext statistischer Tests. Gegenthese zur Alternativhypothese. In der Nullhypothese wird für gewöhnlich der Status Quo festgehalten. Es wird also davon ausgegangen, dass der in der Alternativhypothese vermutete innovative Zusammenhang nicht besteht.
Begriff im Kontext statistischer Tests. Beschreibt die Wahrscheinlichkeit, dass bei Gültigkeit der Nullhypothese die beobachtete Teststatistik oder sogar ein noch extremeres Ergebnis eintritt. Je kleiner der -Wert ist, desto mehr spricht dies folglich für die Ablehnung der Nullhypothese. Ist der -Wert kleiner als das vorher festgelegte Signifikanzniveau wird von einem signifikanten Ergebnis gesprochen. Folglich wird der -Wert verwendet, um eine logisch nachvollziehbare und objektive Entscheidung für Null- oder Alternativhypothese zu fällen. Er ergibt sich aus der Fläche unter der dem Testverfahren zugrundeliegenden Verteilung vom Wert der Teststatistik bis zu ihren Rändern.angelehnt an Weiß, Christel (2013): Prinzip eines statistischen Test. In: Christel Weiß (Hg.): Basiswissen Medizinische Statistik. Mit 20 Tabellen. 6., überarbeitete Auflage. Berlin, Heidelberg: Springer (Springer-Lehrbuch), S. 161-177, Kapitel 9.[/katex]
Oder auch: Teststärke. Gütemaß für statistische Tests. Wahrscheinlichkeit, eine in Wahrheit korrekte Alternativhypothese auch durch Ablehnung der Nullhyptohese als korrekt zu identifizieren. Ergibt sich aus -Fehler. Es werden grundsätzlich Tests mit hoher Power bevorzugt.
Methode, mit dem Ziel, eine Hypothese statistisch zu überprüfen. Zu diesem Zweck müssen relevante Daten erhoben und mit einer geeigneten Testmethode analysiert werden. Ein statistischer Test wird nach folgendem Ablauf durchgeführt: Es werden zwei komplementäre Hypothesen aufgestellt und ein zur Fragestellung passender Test ausgewählt. Im nächsten Schritt wird dann das Signifikanzniveau festgelegt und auf Basis der Stichprobendaten und mithilfe der zum ausgewählten Test zugehörigen Berechnungsformel die sogenannte Teststatistik und daraus der p-Wert ermittelt. Über die Größe der Teststatistik oder des p-Werts kann dann eine Entscheidung für eine der beiden Hypothesen getroffen werden.
Statistischer Test, um zu untersuchen, ob sich die Mittelwerte der metrischen und annähernd normalverteilten Outcomes zwischen zwei voneinander abhängigen Gruppen signifikant voneinander unterscheiden. Hier nicht weiter thematisiert.
Statistischer Test, um zu untersuchen, ob sich die Mittelwerte der metrischen und annähernd normalverteilten Outcomes zwischen zwei voneinander unabhängigen Gruppen signifikant voneinander unterscheiden (siehe Mittelwertsdifferenz). Die unbekannte Varianz der Grundgesamtheit wird auf Basis der Stichprobendaten geschätzt. Ist diese stattdessen bekannt, kann auf den z-Test zurückgegriffen werden. Der t-Test basiert auf der um den Stichprobenmittelwert symmetrischen t-Verteilung, sodass der kritische Wert das -Quantil dieser Verteilung ist.
Oder auch: Prüfgröße. Begriff im Kontext statistischer Tests. Die Testentscheidung hängt von der Teststatistik ab. Diese wird ihrerseits aus den Stichprobenwerten ermittelt, indem die für die jeweilige Testmethode geeignete Berechnungsformel angewendet wird. Der ermittelte Wert der Teststatistik wird mit ihrer theoretischen Verteilung unter der Nullhypothese (dem kritischen Wert) verglichen und so die Testentscheidung getroffen.
Statistischer Test, um zu untersuchen, ob sich die Mittelwerte der metrischen und annähernd normalverteilten Outcomes zwischen zwei Gruppen signifikant voneinander unterscheiden (siehe Mittelwertsdifferenz). Eine Voraussetzung zur Durchführung des z-Tests ist die bekannte Varianz der Grundgesamtheit. Ist diese unbekannt, wird auf den t-Test für unabhängige Stichproben oder den t-Test abhängige Stichproben zurückgegriffen. Der z-Test basiert auf der um 0 symmetrischen Standardnormalverteilung, sodass der kritische Wert das -Quantil dieser Verteilung ist.
Statistischer Test zur Überprüfung einer ungerichteten Alternativhypothese (im Gegensatz zu einer gerichteten).
