Wie berechnet man den p-Wert aus einem Z-Wert oder t-Wert?

Zur Berechnung des p-Werts wird die Wahrscheinlichkeitsdichtefunktion der Testverteilung von der beobachteten Prüfgröße bis unendlich integriert. Bei der Standardnormalverteilung nutzt man die Verteilungsfunktion Φ(z): Für einen zweiseitigen Test gilt p = 2 · (1 - Φ(|z|)). Bei Z = 1,96 ergibt sich beispielsweise Φ(1,96) = 0,9750 und damit p = 2 · (1 - 0,9750) = 0,0500. Für eine Student-t-Verteilung mit Freiheitsgraden df wird die regularisierte unvollständige Beta-Funktion ausgewertet: p = I_{df/(df + t²)}(df/2, 1/2).

Welcher p-Wert gilt als statistisch signifikant?

Ein p-Wert unter 0,05 (p < 0,05) gilt in der wissenschaftlichen Forschung als klassischer Standard für statistische Signifikanz. Er besagt, dass die Wahrscheinlichkeit für das Auftreten der beobachteten Daten unter der Nullhypothese unter 5 % liegt. Bestimmte Fachdisziplinen fordern jedoch strengere Schwellen: Klinische Zulassungsstudien verlangen häufig p < 0,01 oder p < 0,001 mit Adjustierung für multiples Testen, genomweite Assoziationsstudien (GWAS) setzen p < 5 × 10⁻⁸ an, um falsch-positive Treffer zu minimieren, und in der Teilchenphysik gilt die 5-Sigma-Regel (p < 3 × 10⁻⁷).

Was ist der Unterschied zwischen einem einseitigen und einem zweiseitigen p-Wert?

Ein zweiseitiger p-Wert prüft, ob ein Unterschied in beliebiger Richtung (positiv oder negativ, H₁: μ ≠ μ₀) vorliegt, indem das Signifikanzniveau α gleichmäßig auf beide Verteilungsenden aufgeteilt wird (jeweils α/2 = 0,025). Ein einseitiger p-Wert testet gezielt auf eine vorab definierte Richtung (H₁: μ > μ₀ oder H₁: μ < μ₀) und konzentriert das gesamte Signifikanzniveau (α = 0,05) auf eine Flanke. Bei symmetrischen Verteilungen (Z und t) ist der zweiseitige p-Wert bei gleicher Prüfgröße exakt doppelt so groß wie der einseitige p-Wert.

Bedeutet ein hoher p-Wert, dass die Nullhypothese wahr ist?

Nein, ein hoher p-Wert (p ≥ 0,05) beweist keineswegs, dass die Nullhypothese zutrifft. Er zeigt lediglich, dass die vorliegenden Stichprobendaten keine ausreichende statistische Evidenz liefern, um sie zu verwerfen („Fehlen von Evidenz ist kein Beweis für das Nichtvorhandensein eines Effekts“). Häufig resultiert ein hoher p-Wert aus unzureichender Teststärke (Power) oder zu kleinen Stichproben (Fehler 2. Art), wodurch ein real existierender Populationseffekt statistisch schlicht unentdeckt bleibt.

Wie bestimmt man den kritischen Wert aus dem Signifikanzniveau Alpha?

Der kritische Wert wird über die inverse Verteilungsfunktion (Quantilfunktion) der jeweiligen Prüfverteilung unter Berücksichtigung der Freiheitsgrade berechnet. Für eine Standardnormalverteilung bei zweiseitigem α = 0,05 berechnet man das (1 - α/2) = 0,975-Quantil: Z* = Φ⁻¹(0,975) = 1,95996 (gerundet 1,96). Für eine Student-t-Verteilung mit df = 20 bei zweiseitigem α = 0,05 ergibt sich t* = t⁻¹(0,975; 20) = 2,086. Jede empirische Teststatistik, deren Betrag diesen Schwellenwert übersteigt, führt zu p < α.

Wie hängen p-Werte und das 95-%-Konfidenzintervall zusammen?

Ein zweiseitiger Hypothesentest auf dem Signifikanzniveau α = 0,05 ist mathematisch äquivalent zur Prüfung, ob der hypothetische Nullwert innerhalb des 95-%-Konfidenzintervalls (KI = 1 - α) liegt. Schließt das 95-%-Konfidenzintervall einer Differenz [0,42; 3,18] die Null nicht ein, ist der zweiseitige p-Wert garantiert kleiner als 0,05. Überdeckt das Konfidenzintervall hingegen die Null (z. B. [-0,35; 2,10]), ist der p-Wert stets größer oder gleich 0,05.

p-Wert-Rechner & Hypothesentest

Q: Was ist der Unterschied zwischen einem einseitigen und einem zweiseitigen p-Wert?

Ein zweiseitiger p-Wert prüft, ob ein Unterschied in beliebiger Richtung (positiv oder negativ, H₁: μ ≠ μ₀) vorliegt, indem das Signifikanzniveau α gleichmäßig auf beide Verteilungsenden aufgeteilt wird (jeweils α/2 = 0,025). Ein einseitiger p-Wert testet gezielt auf eine vorab definierte Richtung (H₁: μ > μ₀ oder H₁: μ < μ₀) und konzentriert das gesamte Signifikanzniveau (α = 0,05) auf eine Flanke. Bei symmetrischen Verteilungen (Z und t) ist der zweiseitige p-Wert bei gleicher Prüfgröße exakt doppelt so groß wie der einseitige p-Wert.

Q: Bedeutet ein hoher p-Wert, dass die Nullhypothese wahr ist?

Nein, ein hoher p-Wert (p ≥ 0,05) beweist keineswegs, dass die Nullhypothese zutrifft. Er zeigt lediglich, dass die vorliegenden Stichprobendaten keine ausreichende statistische Evidenz liefern, um sie zu verwerfen („Fehlen von Evidenz ist kein Beweis für das Nichtvorhandensein eines Effekts“). Häufig resultiert ein hoher p-Wert aus unzureichender Teststärke (Power) oder zu kleinen Stichproben (Fehler 2. Art), wodurch ein real existierender Populationseffekt statistisch schlicht unentdeckt bleibt.

Q: Wie bestimmt man den kritischen Wert aus dem Signifikanzniveau Alpha?

Der kritische Wert wird über die inverse Verteilungsfunktion (Quantilfunktion) der jeweiligen Prüfverteilung unter Berücksichtigung der Freiheitsgrade berechnet. Für eine Standardnormalverteilung bei zweiseitigem α = 0,05 berechnet man das (1 - α/2) = 0,975-Quantil: Z* = Φ⁻¹(0,975) = 1,95996 (gerundet 1,96). Für eine Student-t-Verteilung mit df = 20 bei zweiseitigem α = 0,05 ergibt sich t* = t⁻¹(0,975; 20) = 2,086. Jede empirische Teststatistik, deren Betrag diesen Schwellenwert übersteigt, führt zu p < α.

Q: Wie hängen p-Werte und das 95-%-Konfidenzintervall zusammen?

Ein zweiseitiger Hypothesentest auf dem Signifikanzniveau α = 0,05 ist mathematisch äquivalent zur Prüfung, ob der hypothetische Nullwert innerhalb des 95-%-Konfidenzintervalls (KI = 1 - α) liegt. Schließt das 95-%-Konfidenzintervall einer Differenz [0,42; 3,18] die Null nicht ein, ist der zweiseitige p-Wert garantiert kleiner als 0,05. Überdeckt das Konfidenzintervall hingegen die Null (z. B. [-0,35; 2,10]), ist der p-Wert stets größer oder gleich 0,05.

Wissenschaftlicher Standard

p-Wert-Rechner für Z-, t-, Chi-Quadrat- und F-Tests. Berechnen Sie ein- und zweiseitige Signifikanz, p-Werte, kritische Werte und inverse Testschwellen.

Schnellauswahl & Fallbeispiele

Forschungsdisziplin & Reporting-Standard

BerechnungsmodusZwischen direkter p-Wert-Ermittlung und inverser Schwellenwert-Berechnung wechseln.

Verteilungsmodell

Beobachteter Prüfwert2.450

Freiheitsgrade (df)58

Alternativhypothese (H₁)

Signifikanzniveau Alpha (α)0.05

Anzahl multipler Tests (k)Bonferroni-Korrektur (α / k) 0.05000

Statistisches GesamtergebnisH₀ ablehnen (Statistisch signifikant)

Statistisch signifikant (H₀ ablehnen)

Exakter p-Wert0.01731.73e-2

Prüfgrößen-Wert (Teststatistik)2.450T (58 df)

Kritischer Schwellenwert2.002α = 0.0500

Nominales Alpha (α)0.05k = 1

Ergebnisinterpretation & Testentscheidung

Der beobachtete p-Wert liegt unter dem Signifikanzniveau α. Die Nullhypothese H₀ wird verworfen; der beobachtete Unterschied ist statistisch signifikant.

95% Konfidenzintervall[0.490, 4.410]

Zweiseitiges Konfidenzintervall (1 - α) für die geschätzte Parameterdifferenz.

Testrichtung (Ein- vs. Zweiseitig)Zweiseitig (Bilateral: H₁ ≠ 0)

Wählen Sie zweiseitig für ungerichtete Hypothesen oder einseitig bei theoretisch begründeter Wirkungsrichtung.

Interaktiver Prüfwert-Schieberegler2.45

Methodischer & Statistischer Hinweis Statistische Signifikanz (p < α) belegt die Unvereinbarkeit mit der Nullhypothese, impliziert aber nicht automatisch praktische Relevanz. Berücksichtigen Sie stets Effektstärke und Power.

Numerische PräzisionIEEE 754 64-Bit

TestverteilungenZ, t, χ², F (ANOVA)

Latenz & Sicherheit0 ms (100% Lokal)

Client-seitige Verarbeitung

Hochleistungsberechnung, die vollständig im Arbeitsspeicher des Browsers ausgeführt wird.

Kein Server-Upload & Datenschutz

Alle Daten verbleiben strikt lokal – ohne jegliche externe Serverkommunikation.

Produktionsreifer Export

Saubere, optimierte Ausgabeformate, sofort einsatzbereit für Publikation und Analyse.

p-Wert-Rechner & Hypothesentest

Ergebnisinterpretation & Testentscheidung

Client-seitige Verarbeitung

Kein Server-Upload & Datenschutz

Produktionsreifer Export

p-Wert Rechner & Hypothesentest — Referenzhandbuch

Wichtige Parameter & Einstellungen

Profi-Tipps & Best Practices

Häufige Fehlerquellen & Fehlerbehebung

⚠️Berechneter p-Wert wird als 0,0000 oder p < 0,0001 statt als exakter Dezimalwert angezeigt

⚠️Einseitiger p-Wert liegt über 0,500 trotz hohem Betrag der Teststatistik

⚠️Chi-Quadrat- oder F-Test bietet keine zweiseitige Auswertungsoption

⚠️Abweichung zwischen dem p-Wert des Zwei-Stichproben-t-Tests und dem der Regressionssteigung

Häufig gestellte Fragen (FAQ)

Verwandte Tools & Hilfsprogramme