Auswählen der Analyseoptionen für Trennschärfe und Stichprobenumfang für Test auf Varianzen, 1 Stichprobe

Wählen Sie die Alternativhypothese aus, oder geben Sie das Signifikanzniveau für den Test an.

Alternativhypothese

Wählen Sie im Feld Alternativhypothese die zu testende Hypothese aus:

• Kleiner als: Verwenden Sie diesen einseitigen Test, um zu ermitteln, ob die Standardabweichung oder Varianz der Grundgesamtheit kleiner als die hypothetische Standardabweichung oder Varianz ist. Dieser einseitige Test ist trennschärfer als ein beidseitiger Test, mit ihm kann aber nicht erkannt werden, ob die Standardabweichung oder Varianz der Grundgesamtheit größer als der hypothetische Wert ist.

  Ein Logistikanalytiker verwendet diesen einseitigen Test beispielsweise, um zu ermitteln, ob die Standardabweichung bei Liefergewichten kleiner als 8,8 kg ist. Dieser einseitige Test besitzt eine größere Trennschärfe, um zu ermitteln, ob die Standardabweichung kleiner als 8,8 ist, aber mit ihm kann nicht festgestellt werden, ob die Standardabweichung größer als 8,8 ist.

• Ungleich: Verwenden Sie diesen beidseitigen Test, um zu ermitteln, ob die Standardabweichung oder Varianz der Grundgesamtheit von der hypothetischen Standardabweichung oder Varianz abweicht. Mit diesem beidseitigen Test können Differenzen erkannt werden, die kleiner oder größer als der hypothetische Wert sind; seine Trennschärfe ist aber geringer als die eines einseitigen Tests.

  Ein Qualitätsanalytiker testet beispielsweise, ob die Varianz des Füllvolumens vom Sollwert 2,5 abweicht. Da jede Abweichung vom Sollwert wichtig ist, testet der Analytiker, ob die Differenz größer oder kleiner als der Sollwert ist.

• Größer als: Verwenden Sie diesen einseitigen Test, um zu ermitteln, ob die Standardabweichung oder Varianz der Grundgesamtheit größer als die hypothetische Standardabweichung oder Varianz ist. Dieser einseitige Test ist trennschärfer als ein beidseitiger Test, mit ihm kann aber nicht erkannt werden, ob die Standardabweichung oder Varianz der Grundgesamtheit kleiner als die hypothetische Standardabweichung oder Varianz ist.

  Ein Analytiker verwendet diesen einseitigen Test beispielsweise, um zu ermitteln, ob die Standardabweichung bei Rohrdurchmessern größer als 2 mm ist. Dieser einseitige Test besitzt eine größere Trennschärfe, um zu ermitteln, ob die Abweichung größer als 2 mm ist, mit ihm kann aber nicht festgestellt werden, ob die Abweichung kleiner als 2 mm ist.

Weitere Informationen zum Auswählen einer einseitigen oder beidseitigen Alternativhypothese finden Sie unter Informationen zur Nullhypothese und zur Alternativhypothese.

Signifikanzniveau

Verwenden Sie das Signifikanzniveau, um den Trennschärfewert des Tests zu minimieren, wenn die Nullhypothese (H₀) wahr ist. Bei höheren Signifikanzniveaus ist der Test trennschärfer, gleichzeitig steigt jedoch die Wahrscheinlichkeit, dass ein Fehler 1. Art auftritt, beim dem die Nullhypothese zurückgewiesen wird, wenn diese tatsächlich wahr ist.

In der Regel ist ein Signifikanzniveau (als α oder Alpha bezeichnet) von 0,05 gut geeignet. Ein Signifikanzniveau von 0,05 gibt ein Risiko von 5 % an, dass auf eine vorhandene Differenz geschlossen wird, während tatsächlich keine vorhanden ist. Zudem wird damit angegeben, dass die Trennschärfe des Tests gleich 0,05 ist, wenn keine Differenz vorhanden ist.

• Wählen Sie ein höheres Signifikanzniveau wie 0,10, um möglicherweise vorhandene Differenzen mit größerer Gewissheit zu erkennen. Ein Qualitätstechniker vergleicht beispielsweise die Stabilität von neuen Kugellagern mit der Stabilität der derzeit verwendeten Kugellager. Der Techniker muss mit großer Sicherheit schlussfolgern können, dass die neuen Kugellager stabil sind, denn instabile Kugellager können schwere Unfälle nach sich ziehen. Daher wählt er ein Signifikanzniveau von 0,10, um mit größerer Sicherheit mögliche Differenzen in der Stabilität der Kugellager zu erkennen.
• Wählen Sie niedrigeres Signifikanzniveau wie 0,01, um mit größerer Sicherheit davon ausgehen zu können, dass nur tatsächlich vorhandene Differenzen erkannt werden. Ein Forscher in einem Pharmaunternehmen muss beispielsweise sehr sicher sein, dass die Behauptung, dass das neue Medikament des Unternehmens die Symptome signifikant reduziert, der Wahrheit entspricht. Er wählt ein Signifikanzniveau von 0,01, um mit größerer Sicherheit behaupten zu können, dass signifikante Differenzen hinsichtlich der Symptome tatsächlich vorhanden sind.