z-Tests und t-Tests

z-Tests werden angewendet, wenn man Mittelwerte oder Anteilswerte einer Stichprobe gegen eine Population bzw. eine zweite Stichprobe testen möchte. Dabei wird die Varianz als bekannt vorausgesetzt.
Ist die Varianz der Grundgesamtheit unbekannt, so testet man mit einem t-Test. Dieser übernimmt die Varianz aus der Stichprobe (empirische Varianz).

Da der z-Test die Standardfehler via Normalverteilung berechnet, ist er für kleine Stichproben (\(n \le 30\)) ungeeignet. Hier ist die t-Verteilung präziser.

Hier wurden nur die z-Tests implementiert. Einen Online-Statistikrechner für diverse Testarten finden Sie bei datatab.

Testdaten: μ₁ vs μ₀
Hypothesen
Nullhypothese
H₀ : μ₁ = μ₀

Stichprobe & Population

Signifikanzniveau
Testdaten: μ₁ vs μ₂
Hypothesen
Nullhypothese
H₀ : μ₁ = μ₂

Stichprobe 1
Stichprobe 2

Signifikanzniveau
Testdaten: p₁ vs p₀
Hypothesen
Nullhypothese
H₀ : p₁ = p₀

Stichprobe & Population

Signifikanzniveau
Testdaten: p₁ vs p₂
Hypothesen
Nullhypothese
H₀ : p₁ = p₂

Stichproben

Signifikanzniveau