Einstichproben-z-Test

Der Einstichproben-z-Test vergleicht einen Stichprobenmittelwert mit einem hypothetischen Mittelwert, wenn die Standardabweichung der Grundgesamtheit aus früheren Studien oder historischen Daten bekannt ist. Die Daten sollten stetig, zufällig und unabhängig sein und entweder normalverteilt sein oder einen Stichprobenumfang über 20 ohne starke Schiefe haben. Ist die Standardabweichung unbekannt, verwenden Sie einen t-Test für eine Stichprobe. Die Ausgabe enthält die z-Statistik, den p-Wert und das Konfidenzintervall.

Zuletzt geprüft

Kernaussage

Ein Einstichproben-z-Test prüft mithilfe der Standardnormalverteilung, ob sich ein Stichprobenmittelwert signifikant von einem hypothetischen Mittelwert der Grundgesamtheit unterscheidet, wenn deren Standardabweichung bekannt ist.

Auf dieser Seite
  1. Was ist der Einstichproben-z-Test?
  2. Wann wird der Einstichproben-z-Test eingesetzt?
    1. Voraussetzungen für einen Einstichproben-z-Test:
  3. Hinweise zur richtigen Anwendung des Einstichproben-z-Tests
  4. Alternativen: Wann Sie den Einstichproben-z-Test nicht verwenden sollten
  5. Beispiel für den Einstichproben-z-Test
  6. Anleitung: Einstichproben-z-Test durchführen
  7. Anleitung: Einstichproben-z-Test für zusammengefasste Daten durchführen

Was ist der Einstichproben-z-Test?

Ein Einstichproben-z-Test ist ein grundlegendes Verfahren der schließenden Statistik, mit dem bestimmt wird, ob sich der Mittelwert einer Stichprobe signifikant von einem bekannten Mittelwert der Grundgesamtheit unterscheidet. Dieser parametrische Test ist anwendbar, wenn die Standardabweichung der Grundgesamtheit bekannt ist, die Datenpunkte unabhängig sind und die Daten entweder einer Normalverteilung folgen oder der Stichprobenumfang groß genug ist (über 20, bei Daten ohne starke Schiefe), damit der Stichprobenmittelwert annähernd normalverteilt ist. Er ist vielseitig und lässt sich beim Hypothesentest auf eine Stichprobe, zwei Stichproben oder Anteile anwenden. Je nach Art der Daten und der geprüften Hypothese unterscheidet man links-, rechts- und zweiseitige z-Tests. Beim Test wird der Stichprobenmittelwert mit dem Mittelwert der Grundgesamtheit verglichen, wobei die kritischen Werte aus der Standardnormalverteilung berechnet werden.

Der Einstichproben-z-Test beurteilt, ob der Stichprobenmittelwert signifikant größer, kleiner oder ungleich dem Mittelwert der Grundgesamtheit ist. Die Nullhypothese besagt, dass es keinen signifikanten Unterschied zwischen dem Stichprobenmittelwert und dem Mittelwert der Grundgesamtheit gibt. Die Teststatistik wird berechnet und mit den kritischen Werten verglichen; liegt sie im kritischen Bereich, wird die Nullhypothese verworfen.

Wann wird der Einstichproben-z-Test eingesetzt?

Er wird in der Regel verwendet, wenn Sie eine einzelne Stichprobe haben und sie mit einem bekannten Wert der Grundgesamtheit vergleichen möchten.

Voraussetzungen für einen Einstichproben-z-Test:

  1. Bekannte Standardabweichung der Grundgesamtheit: Die Standardabweichung der Grundgesamtheit (σ) muss bekannt sein.
  2. Stichprobenumfang: Sind die Daten nicht normalverteilt, sollte der Stichprobenumfang über 20 liegen und die Daten sollten nicht stark schief sein.
  3. Normalverteilung: Die zugrunde liegende Grundgesamtheit, aus der die Stichprobe stammt, sollte normalverteilt sein, insbesondere bei kleinen Stichprobenumfängen (20 oder weniger). Bei größeren Stichprobenumfängen ist der z-Test jedoch robust gegenüber Abweichungen von der Normalverteilung.
  4. Unabhängige Datenpunkte: Die Datenpunkte der Stichprobe müssen voneinander unabhängig sein. Das heißt, der Wert eines Datenpunkts beeinflusst den Wert eines anderen nicht.

Einige Situationen, in denen sich ein Einstichproben-z-Test anbietet:

  • Qualitätslenkung: Eine Fabrik stellt Bauteile her, und Sie möchten wissen, ob das Gewicht der Bauteile der Spezifikation des Kunden entspricht. In diesem Fall können Sie eine Stichprobe von Bauteilen entnehmen, ihr Gewicht messen und es mit der Spezifikation des Kunden vergleichen.
  • Medizinische Forschung: Ein neues Medikament zur Blutdrucksenkung wurde entwickelt, und Sie möchten wissen, ob es wirkt. Sie können eine Stichprobe von Patienten mit Bluthochdruck nehmen, ihnen das Medikament verabreichen und ihren Blutdruck nach einer bestimmten Zeit messen. Anschließend können Sie den durchschnittlichen Blutdruck der Stichprobe mit dem Mittelwert der Grundgesamtheit vergleichen.
  • Kundenzufriedenheit: Ein Unternehmen möchte wissen, ob seine Kunden mit seinen Produkten zufrieden sind. Dazu kann es eine Zufallsstichprobe von Kunden ziehen und sie bitten, ihre Zufriedenheit auf einer Skala von 1 bis 10 zu bewerten. Anschließend kann es den durchschnittlichen Zufriedenheitswert der Stichprobe mit dem Mittelwert der Grundgesamtheit vergleichen.

Hinweise zur richtigen Anwendung des Einstichproben-z-Tests

  • Verwenden Sie den Einstichproben-z-Test, wenn die Standardabweichung der Grundgesamtheit bekannt ist
  • Verwenden Sie stetige Daten für die Analyse, etwa Gewichte von Verpackungen
  • Verwenden Sie One sample Poisson Rate für Zähldaten und One Proportion für Daten vom Typ gut/schlecht
  • Der Stichprobenumfang sollte über 20 liegen und die Daten sollten nicht stark schief sein
  • Wählen Sie die Stichprobendaten zufällig aus und stellen Sie sicher, dass jede Beobachtung unabhängig ist
  • Bestimmen Sie einen geeigneten Stichprobenumfang, um genaue Schätzungen, enge Konfidenzintervalle und Schutz vor Fehlern zu gewährleisten.

Alternativen: Wann Sie den Einstichproben-z-Test nicht verwenden sollten

Wenn Sie die Standardabweichung der Grundgesamtheit nicht kennen, sollten Sie den t-Test für eine Stichprobeverwenden.

Beispiel für den Einstichproben-z-Test

Ein Wissenschaftler eines Herstellers von verarbeiteten Lebensmitteln möchte den Fettanteil in der abgefüllten Soße des Unternehmens beurteilen. Der beworbene Anteil beträgt 15 %. Der Wissenschaftler misst den Fettanteil in 20 Zufallsproben. Frühere Messungen ergaben eine Standardabweichung der Grundgesamtheit von 2.6 %. Der Wissenschaftler führt einen Einstichproben-z-Test durch, um festzustellen, ob der Fettanteil von 15 % abweicht. Die Schritte:

  1. Die erforderlichen Daten wurden erhoben.
One sample z-test — figure 1
  1.  Analysieren Sie die Daten nun in Zometric Statistical Software unter https://statsai.zometric.com/.
  2.  Den Einstichproben-z-Test finden Sie unter Statistical module> Graphical analysis> One sample z-test.
  3.  Geben Sie im Werkzeug die Daten zusammen mit den weiteren Eingaben wie folgt ein:
  4. Nach Ausführung des oben genannten Werkzeugs erhalten Sie folgende Ausgabe:
One sample z-test — figure 2One sample z-test — figure 3One sample z-test — figure 4

Anleitung: Einstichproben-z-Test durchführen

So gehen Sie vor:

  1. Melden Sie sich bei Zometric Statistical Software an unter https://statsai.zometric.com/
  2. Wählen Sie auf der Startseite Statistical Tool> Graphical analysis >One sample z-test.
  3. Klicken Sie auf One sample z-test , um zum Dashboard zu gelangen.
  4. Geben Sie die Daten anschließend manuell ein, oder kopieren Sie die Daten vollständig (Strg+C) aus einer Excel-Tabelle und fügen Sie sie hier ein (Strg+V).
  5. Geben Sie anschließend die Werte für Konfidenzniveau, bekannte Standardabweichung und hypothetischen Mittelwert ein.
  6. Klicken Sie abschließend unten auf der Seite auf calculate, um die gewünschten Ergebnisse zu erhalten.

Das Dashboard von One sample z-test ist in zwei Bereiche unterteilt.

One sample z-test — figure 5

Im linken Bereich befindet sich der Datenbereich (Data Pane). Im Data Pane bildet jede Zeile eine Teilgruppe. Die Daten können manuell eingegeben oder vollständig aus einer Excel-Tabelle kopiert (Strg+C) und hier eingefügt (Strg+V) werden.

Load example: Es werden Beispieldaten geladen.

Load File: Damit werden Excel-Daten direkt geladen.

Im rechten Bereich stehen folgende Optionen zur Verfügung:

  • Confidence level: Beim Hypothesentest gibt das Konfidenzniveau den Grad der Sicherheit bzw. des Vertrauens an, den wir in unsere statistische Analyse haben. Es ist ein Wahrscheinlichkeitswert, der angibt, mit welcher Wahrscheinlichkeit der wahre Parameter der Grundgesamtheit im angegebenen Wertebereich liegt. Üblicherweise wird das Konfidenzniveau in Prozent angegeben und als (1 - α) bezeichnet, wobei α das Signifikanzniveau bzw. die Wahrscheinlichkeit ist, eine wahre Nullhypothese zu verwerfen. Bei einem Konfidenzniveau von 95 % sagen wir zum Beispiel, dass wir zu 95 % sicher sind, dass der wahre Parameter der Grundgesamtheit in unserer Intervallschätzung liegt, und dass mit einer Wahrscheinlichkeit von 5 % ein Fehler 1. Art auftritt (Verwerfen einer wahren Nullhypothese). Praktisch bedeutet ein höheres Konfidenzniveau, dass wir unserer statistischen Analyse und unseren Ergebnissen stärker vertrauen. Ein höheres Konfidenzniveau vergrößert jedoch auch die Breite des Konfidenzintervalls, wodurch kleine Effekte schwerer zu erkennen sind. Die Wahl des Konfidenzniveaus hängt daher vom Kontext der Untersuchung und den Zielen der Forschenden ab.
  • Known standard deviation: Die Standardabweichung der Grundgesamtheit (σ), die aus früheren Studien oder historischen Daten bekannt ist und nicht aus der Stichprobe geschätzt wird. Die Teststatistik z wird als Differenz zwischen Stichprobenmittelwert und hypothetischem Mittelwert, geteilt durch den Standardfehler des Mittelwerts (σ geteilt durch die Quadratwurzel des Stichprobenumfangs), berechnet und mit der Standardnormalverteilung verglichen.
  • Hypothesized mean: Der hypothetische Mittelwert, auch erwarteter Mittelwert oder Mittelwert der Grundgesamtheit genannt, ist ein in der Nullhypothese festgelegter Wert, der den Durchschnittswert der geprüften Variable darstellt. Er ist ein theoretischer Wert, mit dem der tatsächliche Stichprobenmittelwert verglichen wird, um festzustellen, ob der Unterschied statistisch signifikant oder zufallsbedingt ist.
  • Alternative hypothesis: Beim Hypothesentest ist die Alternativhypothese (auch Forschungshypothese genannt) eine Aussage, die eine andere Schlussfolgerung als die Nullhypothese darstellt. Die Nullhypothese steht typischerweise für den Status quo bzw. die Annahme, dass es keinen signifikanten Unterschied oder Zusammenhang zwischen zwei oder mehr Gruppen oder Variablen gibt. Die Alternativhypothese ist die geprüfte Aussage; sie besagt, dass es einen signifikanten Unterschied oder Zusammenhang zwischen den untersuchten Gruppen oder Variablen gibt.
  • Box Plot: Wenn angehakt, wird ein Boxplot ausgegeben, sonst nicht.
  • Histogram: Wenn angehakt, wird ein Histogramm ausgegeben, sonst nicht.
  • Label:  Damit werden Datenbeschriftungen gesetzt; es gibt drei Optionen:
    • Outlier: Datenwerte, die weit von den übrigen Datenwerten entfernt liegen, können Ihre Ergebnisse stark beeinflussen.
    • All quartiles: Quartile sind Werte, die eine Datenstichprobe in vier gleich große Teile teilen. Damit lassen sich Streuung und Lage eines Datensatzes schnell beurteilen.
    • Mean: Der Mittelwert im Boxplot liefert zusätzliche Informationen über die Lage der Daten.
    • Individual Data: Ein einzelner Datenpunkt ist eine einzelne Beobachtung bzw. ein einzelner Wert in einem Datensatz.
  • Download as Excel: Gibt das Ergebnis im Excel-Format aus, das sich leicht bearbeiten und über die Option load file erneut für Berechnungen laden lässt.

Anleitung: Einstichproben-z-Test für zusammengefasste Daten durchführen

So gehen Sie vor:

  1. Melden Sie sich bei Zometric Statistical Software an unter https://statsai.zometric.com/
  2. Wählen Sie auf der Startseite Statistical Tool> Graphical analysis >One sample z-test for summarized data
  3. Klicken Sie auf One sample z-test for summarized data , um zum Dashboard zu gelangen.
  4. Geben Sie die Daten anschließend manuell ein, oder kopieren Sie die Daten vollständig (Strg+C) aus einer Excel-Tabelle und fügen Sie sie hier ein (Strg+V).
  5. Geben Sie anschließend die Werte für Stichprobenumfang, Stichprobenmittelwert, bekannte Standardabweichung, hypothetischen Mittelwert und Konfidenzniveau ein.
  6. Klicken Sie abschließend unten auf der Seite auf calculate, um die gewünschten Ergebnisse zu erhalten.

Das Dashboard von One sample z-test for summarized data besteht nur aus dem linken Bereich.

Load File: Damit werden Excel-Daten direkt geladen.

One sample z-test — figure 6

In diesem Bereich stehen folgende Optionen zur Verfügung:

  • Sample size: Der Stichprobenumfang ist die Anzahl der Personen, Objekte oder Ereignisse, die aus einer Grundgesamtheit ausgewählt und untersucht werden, um Rückschlüsse auf die gesamte Grundgesamtheit zu ziehen. Mit anderen Worten: Es ist die Anzahl der Beobachtungen oder Teilnehmer einer Studie. Der Stichprobenumfang kann die Genauigkeit und Zuverlässigkeit der Ergebnisse erheblich beeinflussen. Ein größerer Stichprobenumfang liefert in der Regel ein repräsentativeres Bild der Grundgesamtheit und verringert die Auswirkungen des zufälligen Stichprobenfehlers. Daher ist es wichtig, vor einer Untersuchung einen geeigneten Stichprobenumfang festzulegen, damit die Ergebnisse statistisch gültig und zuverlässig sind.
  • Sample mean: Der Stichprobenmittelwert ist der Durchschnittswert einer Menge von Beobachtungen oder Datenpunkten, die aus einer größeren Grundgesamtheit ausgewählt wurden. Er wird berechnet, indem alle Werte der Stichprobe addiert und durch die Anzahl der Beobachtungen geteilt werden. Der Stichprobenmittelwert dient häufig als Schätzer für den Mittelwert der Grundgesamtheit, also den Durchschnittswert der gesamten Grundgesamtheit.
  • Confidence level: Beim Hypothesentest gibt das Konfidenzniveau den Grad der Sicherheit bzw. des Vertrauens an, den wir in unsere statistische Analyse haben. Es ist ein Wahrscheinlichkeitswert, der angibt, mit welcher Wahrscheinlichkeit der wahre Parameter der Grundgesamtheit im angegebenen Wertebereich liegt. Üblicherweise wird das Konfidenzniveau in Prozent angegeben und als (1 - α) bezeichnet, wobei α das Signifikanzniveau bzw. die Wahrscheinlichkeit ist, eine wahre Nullhypothese zu verwerfen. Bei einem Konfidenzniveau von 95 % sagen wir zum Beispiel, dass wir zu 95 % sicher sind, dass der wahre Parameter der Grundgesamtheit in unserer Intervallschätzung liegt, und dass mit einer Wahrscheinlichkeit von 5 % ein Fehler 1. Art auftritt (Verwerfen einer wahren Nullhypothese). Praktisch bedeutet ein höheres Konfidenzniveau, dass wir unserer statistischen Analyse und unseren Ergebnissen stärker vertrauen. Ein höheres Konfidenzniveau vergrößert jedoch auch die Breite des Konfidenzintervalls, wodurch kleine Effekte schwerer zu erkennen sind. Die Wahl des Konfidenzniveaus hängt daher vom Kontext der Untersuchung und den Zielen der Forschenden ab.
  • Known standard deviation: Die Standardabweichung der Grundgesamtheit (σ), die aus früheren Studien oder historischen Daten bekannt ist und nicht aus der Stichprobe geschätzt wird. Die Teststatistik z wird als Differenz zwischen Stichprobenmittelwert und hypothetischem Mittelwert, geteilt durch den Standardfehler des Mittelwerts (σ geteilt durch die Quadratwurzel des Stichprobenumfangs), berechnet und mit der Standardnormalverteilung verglichen.
  • Hypothesized mean: Der hypothetische Mittelwert, auch erwarteter Mittelwert oder Mittelwert der Grundgesamtheit genannt, ist ein in der Nullhypothese festgelegter Wert, der den Durchschnittswert der geprüften Variable darstellt. Er ist ein theoretischer Wert, mit dem der tatsächliche Stichprobenmittelwert verglichen wird, um festzustellen, ob der Unterschied statistisch signifikant oder zufallsbedingt ist.
  • Alternative hypothesis: Beim Hypothesentest ist die Alternativhypothese (auch Forschungshypothese genannt) eine Aussage, die eine andere Schlussfolgerung als die Nullhypothese darstellt. Die Nullhypothese steht typischerweise für den Status quo bzw. die Annahme, dass es keinen signifikanten Unterschied oder Zusammenhang zwischen zwei oder mehr Gruppen oder Variablen gibt. Die Alternativhypothese ist die geprüfte Aussage; sie besagt, dass es einen signifikanten Unterschied oder Zusammenhang zwischen den untersuchten Gruppen oder Variablen gibt.
  • Download as Excel: Gibt das Ergebnis im Excel-Format aus, das sich leicht bearbeiten und über die Option load file erneut für Berechnungen laden lässt.

Häufig gestellte Fragen

Was ist ein Einstichproben-z-Test?

Ein Einstichproben-z-Test bestimmt, ob sich der Mittelwert einer Stichprobe signifikant von einem bekannten Mittelwert der Grundgesamtheit unterscheidet, wenn die Standardabweichung der Grundgesamtheit bekannt ist. Die z-Statistik ist die Differenz zwischen Stichprobenmittelwert und hypothetischem Mittelwert, geteilt durch den Standardfehler, also Sigma geteilt durch die Quadratwurzel des Stichprobenumfangs. Er kann links-, rechts- oder zweiseitig durchgeführt werden.

Welche Voraussetzungen gelten für einen Einstichproben-z-Test?

Die Standardabweichung der Grundgesamtheit muss bekannt sein, und die Datenpunkte müssen unabhängig, stetig und zufällig ausgewählt sein. Die Daten sollten normalverteilt sein, insbesondere bei Stichprobenumfängen von 20 oder weniger; sind die Daten nicht normalverteilt, sollte der Stichprobenumfang über 20 liegen und die Daten sollten nicht stark schief sein, damit der Stichprobenmittelwert annähernd normalverteilt ist.

Was ist der Unterschied zwischen einem Einstichproben-z-Test und einem t-Test?

Der z-Test wird verwendet, wenn die Standardabweichung der Grundgesamtheit bekannt ist. Ist sie unbekannt und muss aus der Stichprobe geschätzt werden, verwenden Sie stattdessen den t-Test für eine Stichprobe. Für Zähldaten verwenden Sie den Test One sample Poisson Rate, für Gut/schlecht-Daten One Proportion.

Wie führt man einen Einstichproben-z-Test in Zometric Statistical Software durch?

Öffnen Sie das Werkzeug One sample z-test, geben Sie die Daten ein oder fügen Sie sie ein, legen Sie dann Konfidenzniveau, bekannte Standardabweichung, hypothetischen Mittelwert und Alternativhypothese fest und klicken Sie auf Calculate. Eine Version für zusammengefasste Daten nimmt statt der Rohdaten Stichprobenumfang, Stichprobenmittelwert, bekannte Standardabweichung, hypothetischen Mittelwert und Konfidenzniveau entgegen.