p-Wert-Rechner
Berechnen Sie p-Werte für Z-Tests und t-Tests online kostenlos mit unserem p-Wert-Rechner. Geben Sie Ihren Z-Wert oder Ihre t-Statistik ein und erhalten Sie sofort zweiseitige, linksseitige und rechtsseitige p-Werte mit Signifikanzinterpretation bei α = 0,001, 0,01, 0,05 und 0,10 - keine Registrierung erforderlich.
Enter your test statistic and select the test type. For a t-test, also enter the degrees of freedom. The p-value calculator instantly returns two-tailed, left-tailed, and right-tailed p-values with significance interpretation. All calculations run locally in your browser - no data is sent to any server.
Standard normal statistic
Determines which p-value to highlight
- Use Z-test when population σ is known or n > 30
- Use t-test when σ is unknown and n is small; df = n − 1 for one-sample
- Two-tailed tests H₁: μ ≠ μ₀ - use for most research questions
- A p-value < 0.05 means the result is statistically significant at the 5% level
- All calculations run locally in your browser - 100% private
Warum unseren p-Wert-Rechner verwenden?
- Sofortige p-Wert-Berechnung: Berechnen Sie p-Werte für Z-Tests und t-Tests sofort in Ihrem Browser. Unser p-Wert-Rechner liefert zweiseitige, linksseitige und rechtsseitige p-Werte in Millisekunden - kein Warten, keine Server-Roundtrips.
- Sicherer p-Wert-Rechner online: Alle Berechnungen laufen lokal in Ihrem Browser mit JavaScript. Ihre Daten verlassen niemals Ihr Gerät, was jedes Mal 100 % Privatsphäre gewährleistet, wenn Sie unseren p-Wert-Rechner online nutzen - ideal für sensible Forschungsdaten.
- p-Wert-Rechner online ohne Installation: Nutzen Sie unseren p-Wert-Rechner direkt in jedem Browser ohne Downloads, Plugins oder Software. Berechnen Sie p-Werte von jedem Gerät, überall, völlig kostenlos.
- Z-Test & t-Test mit Signifikanzinterpretation: Unser p-Wert-Rechner unterstützt sowohl Z-Tests (Normalverteilung) als auch t-Tests (Student-t-Verteilung mit beliebigen Freiheitsgraden), mit automatischer Signifikanzinterpretation bei α = 0,001, 0,01, 0,05 und 0,10.
Häufige Anwendungsfälle des p-Wert-Rechners
- Akademische Forschung & Hypothesentests: Forschende nutzen unseren p-Wert-Rechner, um festzustellen, ob Versuchsergebnisse statistisch signifikant sind. Geben Sie Ihren Z-Wert oder Ihre t-Statistik ein und erhalten Sie sofort den p-Wert, der zum Annehmen oder Verwerfen der Nullhypothese benötigt wird.
- Klinische Studien & medizinische Forschung: Medizinische Forschende nutzen p-Werte, um zu beurteilen, ob ein Behandlungseffekt statistisch signifikant ist. Unser p-Wert-Rechner unterstützt t-Tests mit beliebigen Freiheitsgraden und eignet sich damit für kleine klinische Datensätze.
- A/B-Tests & Conversion-Rate-Optimierung: Produktmanager und Marketingspezialisten nutzen p-Werte, um festzustellen, ob Unterschiede bei Conversion-Raten, Klickraten oder Umsatz zwischen Testvarianten statistisch signifikant sind. Unser p-Wert-Rechner macht diese Analyse sofort möglich.
- Qualitätskontrolle & Fertigung: Ingenieure nutzen Hypothesentests, um festzustellen, ob eine Prozessänderung Qualitätskennzahlen des Produkts signifikant verändert hat. Unser p-Wert-Rechner wandelt t-Statistiken aus Prozessdaten schnell in umsetzbare Signifikanzentscheidungen um.
- Finanzen & Ökonometrie: Analysten nutzen p-Werte, um zu prüfen, ob Regressionskoeffizienten, Renditeunterschiede oder Wirtschaftsindikatoren statistisch signifikant sind. Unser p-Wert-Rechner bewältigt sowohl Z-Tests für große Stichproben als auch t-Tests für kleinere Datensätze.
- Statistikausbildung & Studium: Studierende nutzen unseren p-Wert-Rechner, um Lehrbuchantworten zu überprüfen, Prüfungslösungen zu kontrollieren und ein Gefühl für Hypothesentests zu entwickeln. Die Signifikanztabelle bei α = 0,001, 0,01, 0,05 und 0,10 macht Signifikanzniveaus greifbar.
Was ist ein p-Wert?
Ein p-Wert ist die Wahrscheinlichkeit, eine Teststatistik zu erhalten, die mindestens so extrem ist wie der beobachtete Wert, unter der Annahme, dass die Nullhypothese H₀ wahr ist. Er misst nicht die Wahrscheinlichkeit, dass H₀ wahr ist - er misst, wie überraschend die Daten wären, wenn H₀ wahr wäre. Unser p-Wert-Rechner berechnet exakte p-Werte mithilfe der Standardnormalverteilung (für Z-Tests) und der Student-t-Verteilung (für t-Tests) und liefert gleichzeitig zweiseitige, linksseitige und rechtsseitige p-Werte, damit Sie stets den richtigen Wert für Ihre Hypothese haben.
So funktioniert unser p-Wert-Rechner
- 1. Testtyp auswählen und Statistik eingeben: Wählen Sie Z-Test (bei bekanntem σ oder großen Stichproben) oder t-Test (bei unbekanntem σ oder kleinen Stichproben). Geben Sie Ihre Teststatistik und beim t-Test die Freiheitsgrade ein (df = n − 1 für Einstichprobentests).
- 2. Sofortige Berechnung im Browser: Klicken Sie auf p-Wert berechnen, und das Tool berechnet sofort alle drei p-Werte mithilfe der normalen Standard-CDF (Z-Test) oder der CDF der Student-t-Verteilung (t-Test). Die gesamte Verarbeitung erfolgt lokal in Ihrem Browser - Ihre Daten werden niemals an einen Server gesendet.
- 3. Ergebnisse interpretieren und Signifikanz prüfen: Sehen Sie den hervorgehobenen p-Wert für den gewählten Seitentyp, die Signifikanztabelle auf vier α-Niveaus und eine Interpretation Ihres Ergebnisses in klarer Sprache. Verwenden Sie den zweiseitigen p-Wert für die meisten Forschungsfragen.
Schlüsselkonzepte des Hypothesentests
- Was ist ein p-Wert?: Ein p-Wert ist die Wahrscheinlichkeit, eine Teststatistik zu beobachten, die mindestens so extrem ist wie die berechnete, unter der Annahme, dass die Nullhypothese (H₀) wahr ist. Ein kleiner p-Wert (typischerweise < 0,05) bedeutet, dass das beobachtete Ergebnis unter H₀ unwahrscheinlich ist, was Evidenz für deren Verwerfung liefert. Ein großer p-Wert bedeutet, dass die Daten mit H₀ vereinbar sind.
- Z-Test vs. t-Test: Verwenden Sie einen Z-Test, wenn die Populationsstandardabweichung (σ) bekannt ist oder die Stichprobengröße groß ist (n > 30) - die Teststatistik folgt einer Standardnormalverteilung. Verwenden Sie einen t-Test, wenn σ unbekannt und die Stichprobe klein ist - die Statistik folgt einer Student-t-Verteilung mit df Freiheitsgraden, die schwerere Ränder als die Normalverteilung hat.
- Zweiseitige vs. einseitige Tests: Ein zweiseitiger Test prüft, ob der Parameter vom Nullwert in beide Richtungen abweicht (H₁: μ ≠ μ₀). Ein rechtsseitiger Test prüft auf eine Erhöhung (H₁: μ > μ₀); ein linksseitiger Test prüft auf eine Verringerung (H₁: μ < μ₀). Der zweiseitige p-Wert ist stets das Doppelte des kleineren einseitigen p-Werts.
- Signifikanzniveau (α) und Fehler 1. Art: Das Signifikanzniveau α ist der Schwellenwert, unterhalb dessen Sie H₀ verwerfen. Übliche Wahlen sind α = 0,05 (5 % Chance auf einen falsch-positiven Befund) und α = 0,01 (1 % Chance). Ein kleineres α reduziert Fehler 1. Art (falsch-positiv), erhöht aber Fehler 2. Art (falsch-negativ). Unser p-Wert-Rechner zeigt Signifikanz bei α = 0,10, 0,05, 0,01 und 0,001.
Wichtige Hinweise zur Interpretation des p-Werts
Ein statistisch signifikanter p-Wert bedeutet nicht, dass der Effekt praktisch bedeutsam ist - er bedeutet nur, dass das Ergebnis unter H₀ unwahrscheinlich ist. Berücksichtigen Sie stets die Effektstärke (Cohen's d, r² usw.) neben dem p-Wert. Unser p-Wert-Rechner verwendet die Abramowitz-&-Stegun-Näherung der Fehlerfunktion für die normale CDF (max. Fehler ≈ 1,5 × 10⁻⁷) und den Kettenbruchalgorithmus von Lentz für die regularisierte unvollständige Betafunktion, die in der CDF der t-Verteilung verwendet wird, und bietet damit eine Genauigkeit, die für jede praktische statistische Arbeit ausreicht.
Häufig gestellte Fragen
Ein p-Wert-Rechner wandelt eine Teststatistik (Z-Wert oder t-Statistik) in eine Wahrscheinlichkeit um - den p-Wert -, der angibt, wie wahrscheinlich das beobachtete Ergebnis unter der Nullhypothese ist. Unser p-Wert-Rechner unterstützt sowohl Z-Tests als auch t-Tests und liefert zweiseitige, linksseitige und rechtsseitige p-Werte mit Signifikanzinterpretation auf vier α-Niveaus.
Ein p-Wert von 0,05 bedeutet, dass die Wahrscheinlichkeit 5 % beträgt, eine Teststatistik zu beobachten, die mindestens so extrem ist wie Ihre, wenn die Nullhypothese wahr wäre. Konventionell gilt p < 0,05 als statistisch signifikant. Dieser Schwellenwert ist willkürlich; berücksichtigen Sie stets Effektstärke und Kontext neben dem p-Wert.
Verwenden Sie einen Z-Test, wenn die Populationsstandardabweichung (σ) bekannt ist oder Ihre Stichprobengröße groß ist (n > 30). Verwenden Sie einen t-Test, wenn σ unbekannt und die Stichprobe klein ist - die Statistik folgt einer Student-t-Verteilung mit schwereren Rändern, die die zusätzliche Unsicherheit aus der Schätzung von σ berücksichtigt.
Freiheitsgrade (df) repräsentieren die Anzahl unabhängiger Informationsstücke in Ihren Daten. Für einen Einstichproben-t-Test gilt df = n − 1. Für einen Zweistichproben-t-Test mit gleichen Varianzen gilt df = n₁ + n₂ − 2. Je größer df, desto mehr nähert sich die t-Verteilung der Standardnormalverteilung an.
Ein zweiseitiger p-Wert prüft, ob der Parameter sich in beide Richtungen unterscheidet (H₁: μ ≠ μ₀), und entspricht dem Doppelten des kleineren einseitigen p-Werts. Ein einseitiger p-Wert prüft eine bestimmte Richtung. Verwenden Sie zweiseitige Tests für die meisten Forschungsfragen, es sei denn, Sie haben vor der Datenerhebung eine starke gerichtete Hypothese festgelegt.
Ja, vollständig. Alle Berechnungen laufen lokal in Ihrem Browser mit JavaScript. Ihre Daten werden niemals an einen Server gesendet, was 100 % Privatsphäre für sensible Forschungs- oder klinische Daten gewährleistet.
Ja! Unser p-Wert-Rechner ist 100 % kostenlos, ohne Registrierung, ohne Konto und ohne Nutzungslimits. Berechnen Sie p-Werte für Z-Tests und t-Tests direkt in Ihrem Browser, völlig kostenlos für immer.
Unser p-Wert-Rechner verwendet die Abramowitz-&-Stegun-Näherung der Fehlerfunktion für die normale CDF (max. Fehler ≈ 1,5 × 10⁻⁷) und den Kettenbruchalgorithmus von Lentz für die CDF der t-Verteilung. Das bietet eine Genauigkeit, die für jede praktische statistische Arbeit ausreicht und mit Standard-Statistiksoftware übereinstimmt.
Nein. Ein großer p-Wert bedeutet, dass die Daten mit H₀ vereinbar sind, aber er beweist nicht, dass H₀ wahr ist - er bedeutet nur, dass es nicht genügend Evidenz gibt, um sie zu verwerfen. Um H₀ formal zu stützen, verwenden Sie Äquivalenztests oder bayesianische Methoden statt eines nicht signifikanten p-Werts.