t-Test-Rechner

Testen, ob sich zwei Gruppen signifikant unterscheiden — p-Wert in Sekunden berechnen

Der t-Test beantwortet eine grundlegende Frage: Ist der Unterschied zwischen zwei Gruppen real, oder könnte er zufällig sein? Er erzeugt einen p-Wert: Wenn p < 0,05, ist der Unterschied statistisch signifikant auf dem 95-%-Konfidenzniveau.

Dieses Tool lädt einen Stichprobendatensatz von 30 Testergebnissen aus zwei Gruppen — Kontrolle (Standardlehrplan) und Behandlung (neuer Lehrplan). Klicke auf Daten verknüpfen, um einen Zwei-Stichproben-t-Test durchzuführen, den Boxplot-Vergleich anzuzeigen und zu sehen, ob der Unterschied signifikant ist.

Füge deine eigene Zwei-Gruppen-CSV ein, um deine eigene Hypothese zu testen.

Verwandte Themen

StatistikrechnerBoxplot-ErstellerVerteilungsanpassungHistogramm-Ersteller
Was ist ein p-Wert?
Der p-Wert ist die Wahrscheinlichkeit, einen Unterschied mindestens so groß wie den in deinen Daten zu beobachten, wenn die Nullhypothese wahr wäre. Ein p-Wert < 0,05 bedeutet, dass eine weniger als 5-prozentige Chance besteht, dass der Unterschied durch Zufall entstand — konventionell als „statistisch signifikant" bezeichnet.
Was ist die Nullhypothese beim t-Test?
Die Nullhypothese (H₀) besagt, dass die beiden Gruppenmittelwerte gleich sind: μ₁ = μ₂. Der t-Test fragt: Wie groß ist die Wahrscheinlichkeit, den gemessenen Unterschied zu beobachten, wenn H₀ wahr wäre? Niedriger p-Wert → H₀ ablehnen.
Was ist der Unterschied zwischen ein- und zweiseitigen Tests?
Ein zweiseitiger Test fragt „gibt es irgendeinen Unterschied?" (in beide Richtungen). Ein einseitiger Test fragt „ist Gruppe A höher als Gruppe B?" und hat mehr Teststärke, einen Unterschied in dieser spezifischen Richtung zu erkennen. Verwende zweiseitig, außer du hattest vor der Datenerhebung eine gerichtete Hypothese.
Welche Stichprobengröße benötige ich für einen t-Test?
Der t-Test funktioniert auch mit kleinen Stichproben (n ≥ 5 pro Gruppe), aber kleine Stichproben haben geringe statistische Teststärke — sie können echte Effekte übersehen. Ein gängiges Ziel ist n ≥ 30 pro Gruppe. Die KI kann dir sagen, ob deine Stichprobengröße ausreichend ist.