Test auf eine Varianz (One Variance Test)

Ein Test auf eine Varianz, genauer der Chi-Quadrat-Test für eine Varianz, ist ein statistischer Test, mit dem die Varianz einer Stichprobe mit einer bekannten Varianz der Grundgesamtheit verglichen wird. Er dient dazu, eine Hypothese über die Varianz der Grundgesamtheit zu prüfen, unter der Annahme, dass die Stichprobe aus einer normalverteilten Grundgesamtheit stammt.

Zuletzt geprüft

Kernaussage

Ein Test auf eine Varianz, genauer der Chi-Quadrat-Test für eine Varianz, ist ein statistischer Test, mit dem die Varianz einer Stichprobe mit einer bekannten Varianz der Grundgesamtheit verglichen wird.

Auf dieser Seite
  1. Was ist ein Test auf eine Varianz?
  2. Wann wird ein Test auf eine Varianz eingesetzt?
  3. Hinweise zur richtigen Anwendung des Tests auf eine Varianz
  4. Alternativen: Wann Sie den Test auf eine Varianz nicht verwenden sollten
  5. Beispiel für einen Test auf eine Varianz
  6. Anleitung: Test auf eine Varianz durchführen

Was ist ein Test auf eine Varianz?

Ein Test auf eine Varianz, genauer der Chi-Quadrat-Test für eine Varianz, ist ein statistischer Test, mit dem die Varianz einer Stichprobe mit einer bekannten Varianz der Grundgesamtheit verglichen wird. Er dient dazu, eine Hypothese über die Varianz der Grundgesamtheit zu prüfen, unter der Annahme, dass die Stichprobe aus einer normalverteilten Grundgesamtheit stammt. Die Nullhypothese (H₀) besagt, dass die Varianz der Grundgesamtheit (σ²) gleich einem festgelegten Wert (σ₀²) ist, während die Alternativhypothese (H₁) annimmt, dass die Varianz von diesem Wert abweicht. Die Teststatistik wird als (n−1)*s^2/σ0^2 berechnet, wobei s^2 die Stichprobenvarianz, σ0^2​​ die hypothetische Varianz der Grundgesamtheit und n der Stichprobenumfang ist. Diese Statistik folgt einer Chi-Quadrat-Verteilung mit n−1 Freiheitsgraden, sodass sich beurteilen lässt, ob die beobachtete Varianz signifikant von der hypothetischen Varianz abweicht. Der Test wird typischerweise in der Qualitätskontrolle, im Risikomanagement und in der experimentellen Forschung eingesetzt, um zu beurteilen, ob die beobachtete Streuung theoretischen Erwartungen oder Vorgaben entspricht.

Wann wird ein Test auf eine Varianz eingesetzt?

  • Varianz beurteilen: Wenn Sie feststellen müssen, ob die Varianz einer einzelnen Stichprobe signifikant von einer bekannten Varianz der Grundgesamtheit abweicht.
  • Chi-Quadrat-Test: Insbesondere bei Verwendung des Chi-Quadrat-Tests für eine Varianz, der die Stichprobenvarianz mit einer festgelegten Varianz der Grundgesamtheit vergleicht, unter der Annahme, dass die Stichprobe aus einer normalverteilten Grundgesamtheit stammt.
  • Normalverteilung: Wenn angenommen wird, dass die Daten einer Normalverteilung folgen, da der Test für genaue Ergebnisse auf dieser Annahme beruht.
  • Qualitätskontrolle: Um zu beurteilen, ob die Streuung eines Fertigungsprozesses oder Produkts dem erwarteten Standard oder der Spezifikation entspricht.
  • Risikomanagement: Um zu beurteilen, ob die Streuung von Finanzrenditen, betrieblichen Kennzahlen oder anderen Indikatoren mit festgelegten Risikoniveaus oder Schwellenwerten übereinstimmt.
  • Experimentelle Forschung: Um zu prüfen, ob die beobachtete Streuung in Versuchsdaten theoretischen Vorhersagen oder erwarteten Werten entspricht.
  • Konsistenzprüfung: Wenn die Konsistenz von Messungen oder Prozessergebnissen anhand bekannter Standards oder Referenzwerte beurteilt wird.

Hinweise zur richtigen Anwendung des Tests auf eine Varianz

  • Zufallsstichprobe: Stellen Sie sicher, dass die Stichprobendaten zufällig ausgewählt werden, damit gültige Aussagen über die Grundgesamtheit möglich sind.
  •  Datenverteilung: Die Stichprobendaten sollten nicht stark schief sein. Für die Bonett-Methode wird ein Stichprobenumfang von mehr als 40 empfohlen, auch bei leicht schiefen Daten. Prüfen Sie bei kleineren Stichproben auf Schiefe und ungewöhnliche Beobachtungen, und seien Sie bei Daten aus Verteilungen mit schweren Rändern vorsichtig. [Hinweis: Verwenden Sie die Chi-Quadrat-Methode nur, wenn die Daten normalverteilt sind, da Abweichungen die Ergebnisse erheblich beeinflussen können.]
  • Unabhängigkeit der Beobachtungen: Jede Beobachtung sollte von allen anderen unabhängig sein. Abhängige Beobachtungen können die Ergebnisse ungültig machen.
  • Angemessener Stichprobenumfang: Stellen Sie sicher, dass der Stichprobenumfang groß genug ist, um genaue Schätzwerte, schmale Konfidenzintervalle und ausreichenden Schutz vor Fehlern 1. und 2. Art zu gewährleisten.

Alternativen: Wann Sie den Test auf eine Varianz nicht verwenden sollten

  • Kleiner Stichprobenumfang: Der Test auf eine Varianz erfordert einen Mindeststichprobenumfang, um eine ausreichende Trennschärfe zu gewährleisten. Ist der Stichprobenumfang klein, ist der Test möglicherweise nicht zuverlässig, und alternative Tests wie der t-Test können besser geeignet sein.

Beispiel für einen Test auf eine Varianz

Der Leiter eines Holzlagers beurteilt, wie genau das Sägewerk Balken mit einer Soll-Länge von 100 cm zuschneidet. Dazu entnimmt er dem Sägewerk eine Stichprobe von 50 Balken und misst deren Längen. Anschließend führt er einen Test auf eine Varianz durch, um festzustellen, ob die Standardabweichung des Sägewerks signifikant von 1 abweicht. Dabei wurden folgende Schritte durchgeführt:

  1. Die nötigen Daten wurden erhoben.
One variance test — figure 1
  1.  Analysieren Sie die Daten nun in Zometric Statistical Software unter https://statsai.zometric.com/.
  2.  Um den Test auf eine Varianz zu finden, wählen Sie Statistical module> Graphical analysis> One variance test.
  3.  Im Tool gibt er die Daten zusammen mit weiteren Eingaben wie folgt ein:
One variance test — figure 2

5. Mit dem oben genannten Tool erhält er folgende Ausgabe:

One variance test — figure 3

Anleitung: Test auf eine Varianz durchführen

Gehen Sie wie folgt vor:

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

Das Dashboard von One variance test ist in zwei Bereiche geteilt.

One variance test — figure 4

Links 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 (Ctrl+C) und hier eingefügt (Ctrl+V) werden.

Load example: Beispieldaten werden geladen.

Load File: Damit laden Sie Excel-Daten direkt.

Rechts stehen folgende Optionen zur Verfügung:

  • Confidence level: Beim Hypothesentest gibt das Konfidenzniveau den Grad an Sicherheit bzw. Vertrauen 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. Das Konfidenzniveau wird meist in Prozent angegeben und als (1 - α) bezeichnet, wobei α das Signifikanzniveau bzw. die Wahrscheinlichkeit ist, eine wahre Nullhypothese abzulehnen. Bei einem Konfidenzniveau von 95% sagen wir beispielsweise, dass wir zu 95% sicher sind, dass der wahre Parameter der Grundgesamtheit in unserer Intervallschätzung liegt, und dass mit 5% Wahrscheinlichkeit ein Fehler 1. Art (Ablehnung einer wahren Nullhypothese) auftritt. Praktisch bedeutet ein höheres Konfidenzniveau, dass wir unserer statistischen Analyse und den Ergebnissen mehr 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 des Untersuchenden ab.
  • Hypothesized standard deviation: Die hypothetische Standardabweichung, auch angenommene oder bekannte Standardabweichung genannt, ist der Wert der Standardabweichung der Grundgesamtheit, der für den Hypothesentest als wahr angenommen wird.
  • Alternative hypothesis: Beim Hypothesentest ist die Alternativhypothese (auch Forschungshypothese genannt) eine Aussage, die zu einem anderen Schluss führt als die Nullhypothese. Die Nullhypothese steht in der Regel für den Status quo bzw. die Annahme, dass zwischen zwei oder mehr Gruppen oder Variablen kein signifikanter Unterschied oder Zusammenhang besteht. Die Alternativhypothese ist die zu prüfende Aussage und besagt, dass zwischen den untersuchten Gruppen oder Variablen ein signifikanter Unterschied oder Zusammenhang besteht.
  • Download as Excel: Zeigt das Ergebnis im Excel-Format an; es lässt sich leicht bearbeiten und über die Option load file für Berechnungen erneut laden.

Häufig gestellte Fragen

Was ist ein Test auf eine Varianz?

Ein Test auf eine Varianz, genauer der Chi-Quadrat-Test für eine Varianz, vergleicht die Varianz einer Stichprobe mit einer bekannten oder hypothetischen Varianz der Grundgesamtheit. Die Nullhypothese besagt, dass die Varianz der Grundgesamtheit dem festgelegten Wert entspricht, die Alternativhypothese, dass sie davon abweicht. Er wird in der Qualitätskontrolle, im Risikomanagement und in der experimentellen Forschung eingesetzt.

Wie wird die Chi-Quadrat-Statistik für eine Varianz berechnet?

Die Teststatistik ist (n - 1) mal die Stichprobenvarianz s², geteilt durch die hypothetische Varianz der Grundgesamtheit σ0², wobei n der Stichprobenumfang ist. Diese Statistik folgt einer Chi-Quadrat-Verteilung mit n - 1 Freiheitsgraden, anhand derer beurteilt wird, ob die beobachtete Varianz signifikant von der hypothetischen Varianz abweicht.

Welche Voraussetzungen hat der Test auf eine Varianz?

Die Stichprobe sollte zufällig ausgewählt und die Beobachtungen unabhängig sein. Verwenden Sie die Chi-Quadrat-Methode nur, wenn die Daten normalverteilt sind, da Abweichungen die Ergebnisse erheblich beeinflussen können. Für die Bonett-Methode wird ein Stichprobenumfang von mehr als 40 empfohlen, auch bei leicht schiefen Daten; prüfen Sie bei kleineren Stichproben auf Schiefe, ungewöhnliche Beobachtungen und schwere Ränder.

Wann sollten Sie einen Test auf eine Varianz verwenden?

Verwenden Sie ihn, wenn Sie wissen müssen, ob die Streuung einer einzelnen Stichprobe von einem bekannten Standard abweicht, etwa ob ein Fertigungsprozess oder Messsystem so gleichmäßig ist, wie eine Spezifikation oder ein Referenzwert es verlangt. Die Stichprobe sollte groß genug sein für genaue Schätzwerte, schmale Konfidenzintervalle und Schutz vor Fehlern 1. und 2. Art.