Zweiseitiger Test

Was ist ein zweiseitiger Test?

Ein zweiseitiger Test in der Statistik bewertet, ob eine Stichprobe signifikant von einem Populationsmittelwert abweicht, entweder durch Überschreiten oder Unterschreiten. Es ist ein grundlegendes Werkzeug in der Nullhypothesenprüfung, das in verschiedenen Bereichen wie Fertigungsqualitätskontrolle und Finanzanalyse eingesetzt wird. Wenn der Stichprobenmittelwert in kritische Bereiche auf einem der beiden Verteilungsenden fällt, deutet dies auf eine Abweichung vom Populationsmittelwert hin, was zur Ablehnung der Nullhypothese zugunsten der Alternativhypothese führt. Das Verständnis der Prinzipien und Anwendungen dieses Tests kann die Entscheidungsfindung in datengesteuerten Umgebungen verbessern.

Wichtige Erkenntnisse

• Ein zweiseitiger Test bewertet, ob eine Stichprobe signifikant vom Populationsmittelwert abweicht, indem beide Enden einer Verteilung untersucht werden.
• Diese Art von Test ist entscheidend in der Hypothesenprüfung, da kritische Ergebnisse zur Ablehnung der Nullhypothese zugunsten der Alternativhypothese führen können.
• Zweiseitige Tests sind in verschiedenen Bereichen anwendbar, z.B. in der Fertigung, um sicherzustellen, dass Stichproben bestimmte Qualitätsstandards erfüllen.
• Sie unterscheiden sich von einseitigen Tests, die nur prüfen, ob ein Stichprobenmittelwert ausschließlich höher oder niedriger als der Populationsmittelwert ist, aber nicht beides.
• Ein anschauliches Beispiel beinhaltet die Prüfung der Behauptung eines Brokerunternehmens über niedrige Gebühren und zeigt die praktische Anwendung eines zweiseitigen Tests in realen Szenarien.
• Erhalten Sie personalisierte, KI-gestützte Antworten, die auf über 27 Jahren vertrauenswürdiger Expertise basieren.

Schlüsselkonzepte des zweiseitigen Hypothesentests

Die Hypothesenprüfung ist eine Kernidee der schließenden Statistik, die verwendet wird, um die Wahrheit einer Behauptung über einen Populationsparameter zu bewerten. Ein zweiseitiger Test zeigt, ob der Stichprobenmittelwert signifikant größer oder kleiner als der Populationsmittelwert ist. Der Test ist nach der Untersuchung der Fläche unter beiden Enden einer Normalverteilung benannt, gilt aber auch für nicht-normale Verteilungen.

Ein zweiseitiger Test ist darauf ausgelegt, beide Seiten eines bestimmten Datenbereichs zu untersuchen, wie durch die beteiligte Wahrscheinlichkeitsverteilung festgelegt. Die Wahrscheinlichkeitsverteilung sollte die Wahrscheinlichkeit eines bestimmten Ergebnisses basierend auf vorgegebenen Standards darstellen. Dies beinhaltet die Festlegung von Grenzen für die höchsten und niedrigsten akzeptierten Werte im Bereich. Jeder Datenpunkt außerhalb dieser Grenzen fällt in den Ablehnungsbereich.

Es gibt keinen inhärenten Standard für die Anzahl der Datenpunkte, die im Akzeptanzbereich liegen müssen. Wenn Präzision entscheidend ist, wie bei der Entwicklung von pharmazeutischen Arzneimitteln, kann eine Ablehnungsrate von 0,001% oder weniger verwendet werden. Für weniger kritische Fälle, wie das Zählen von Lebensmitteln in einer Tüte, kann eine Ablehnungsrate von 5% ausreichen.

Praktische Anwendungen von zweiseitigen Tests

Ein zweiseitiger Test kann in der Produktion angewendet werden, wie z.B. bei der Verpackung von Süßigkeiten in einer Anlage. Wenn das Ziel 50 Süßigkeiten pro Tüte ist, werden Tüten mit weniger als 45 oder mehr als 55 Süßigkeiten abgelehnt.

Eine Zufallsstichprobe kann prüfen, ob die Verpackungsmaschine genau für die erwartete Ausgabe kalibriert ist. Eine einfache Zufallsstichprobe wählt einen zufälligen Teil der Population aus, wobei jedes Mitglied die gleiche Chance hat, ausgewählt zu werden.

Der Verpackungsmechanismus muss durchschnittlich 50 Süßigkeiten pro Tüte mit einer akzeptablen Verteilung aufweisen, um als genau zu gelten. Die Anzahl der abgelehnten Tüten sollte ebenfalls innerhalb der akzeptablen Fehlerrate bleiben. Hier wäre die Nullhypothese, dass der Mittelwert 50 ist, während die Alternativhypothese wäre, dass er nicht 50 ist.

Wenn der z-Score im Ablehnungsbereich liegt und eine große Abweichung vom Mittelwert zeigt, könnten in der Anlage Anpassungen erforderlich sein. Die regelmäßige Verwendung von zweiseitigen Tests kann dazu beitragen, die Produktion langfristig innerhalb der Grenzen zu halten.

Wichtig

Achten Sie darauf, ob ein statistischer Test ein- oder zweiseitig ist, da dies die Interpretation eines Modells stark beeinflusst.

Zweiseitige vs. einseitige Tests: Hauptunterschiede

Ein einseitiger Test prüft, ob der Stichprobenmittelwert nur höher als der Populationsmittelwert ist. Eine Beispielhypothese ist, dass "die Renditen von Investmentfonds mindestens x% betragen". Einseitige Tests können auch so eingerichtet werden, dass der Stichprobenmittelwert nur niedriger als der Populationsmittelwert sein kann. Der Hauptunterschied zu einem zweiseitigen Test besteht darin, dass bei einem zweiseitigen Test der Stichprobenmittelwert vom Populationsmittelwert abweichen kann, indem er entweder höher oder niedriger als dieser ist.

Wenn die getestete Stichprobe in den einseitigen kritischen Bereich fällt, wird die Alternativhypothese anstelle der Nullhypothese akzeptiert. Ein einseitiger Test wird auch als gerichtete Hypothese oder gerichteter Test bezeichnet.

Im Gegensatz dazu betrachtet ein zweiseitiger Test beide Seiten eines Datenbereichs, um zu sehen, ob eine Stichprobe darüber oder darunter liegt.

Beispiel: Wie zweiseitige Tests in der Praxis funktionieren

Als hypothetisches Beispiel stellen Sie sich vor, dass ein neuer Börsenmakler namens XYZ behauptet, dass seine Maklergebühren niedriger sind als die Ihres derzeitigen Börsenmaklers ABC). Daten einer unabhängigen Forschungsfirma zeigen, dass der Mittelwert und die Standardabweichung aller ABC-Maklerkunden $18 bzw. $6 betragen.

Eine Stichprobe von 100 Kunden von ABC wird genommen, und die Maklergebühren werden mit den neuen Tarifen des XYZ-Maklers berechnet. Wenn der Mittelwert der Stichprobe $18.75 und die Stichprobenstandardabweichung $6 beträgt, kann dann eine Aussage über den Unterschied in der durchschnittlichen Maklerrechnung zwischen ABC- und XYZ-Makler getroffen werden?

H0: Nullhypothese: Mittelwert = 18

H1: Alternativhypothese: Mittelwert <> 18 (Das wollen wir beweisen.)

Ablehnungsbereich: Z <= - Z2.5 und Z >= Z2.5 (unter Annahme eines Signifikanzniveaus von 5%, aufgeteilt in 2.5 % auf jeder Seite).

Z = (Stichprobenmittelwert – Mittelwert) / (Standardabweichung / sqrt (Anzahl der Stichproben)) = (18.75 – 18) / (6/(sqrt(100)) = 1.25

Dieser berechnete Z-Wert liegt zwischen den beiden Grenzen, die definiert sind durch: - Z2.5 = -1.96 und Z2.5 = 1.96.

Dies führt zu dem Schluss, dass es nicht genügend Beweise gibt, um auf einen Unterschied zwischen den Tarifen Ihres bestehenden Maklers und des neuen Maklers zu schließen. Daher kann die Nullhypothese nicht abgelehnt werden. Alternativ ergibt sich der p-Wert = P(Z< -1.25)+P(Z >1.25) = 2 * 0.1056 = 0.2112 = 21.12%, was größer als 0.05 oder 5% ist, und führt zu derselben Schlussfolgerung.

Wie wird ein zweiseitiger Test konzipiert?

Ein zweiseitiger Test ist darauf ausgelegt, zu bestimmen, ob eine Behauptung über einen Populationsparameter wahr ist oder nicht. Er untersucht beide Seiten eines bestimmten Datenbereichs, wie durch die beteiligte Wahrscheinlichkeitsverteilung festgelegt. Daher sollte die Wahrscheinlichkeitsverteilung die Wahrscheinlichkeit eines bestimmten Ergebnisses basierend auf vorgegebenen Standards darstellen.

Was ist der Unterschied zwischen einem zweiseitigen und einem einseitigen Test?

Ein zweiseitiger Hypothesentest ist darauf ausgelegt, zu zeigen, ob der Stichprobenmittelwert signifikant größer oder signifikant kleiner als der Mittelwert einer Population ist. Der zweiseitige Test hat seinen Namen von der Prüfung der Fläche unter beiden Enden (Seiten) einer Normalverteilung. Ein einseitiger Hypothesentest hingegen ist so eingerichtet, dass er nur eine Richtung zeigt; dass der Stichprobenmittelwert höher als der Populationsmittelwert ist, oder, in einem separaten Test, dass der Stichprobenmittelwert niedriger als der Populationsmittelwert ist.

Was ist ein Z-Score?

Ein Z-Score beschreibt numerisch die Beziehung eines Werts zum Mittelwert einer Gruppe von Werten und wird in Form der Anzahl von Standardabweichungen vom Mittelwert gemessen. Wenn ein Z-Score 0 ist, zeigt dies an, dass der Datenpunkt identisch mit dem Mittelwert ist, während Z-Scores von 1.0 und -1.0 Werte angeben, die eine Standardabweichung über bzw. unter dem Mittelwert liegen. In den meisten großen Datensätzen haben 99% der Werte einen Z-Score zwischen -3 und 3, was bedeutet, dass sie innerhalb von drei Standardabweichungen über und unter dem Mittelwert liegen.