A/B-Test-Rechner: Zwei-Stichproben-T-Test

Der Zwei-Stichproben-t-Test vergleicht die Mittelwerte von zwei unabhängigen Gruppen, um festzustellen, ob sie sich signifikant unterscheiden. Verwenden Sie ihn, wenn Sie Mittelwerte zwischen zwei Gruppen mit kontinuierlichen Daten vergleichen.

Gepaarte t-Tests vergleichen abhängige Messungen (vor/nach, gepaarte Paare). Ungepaarte t-Tests vergleichen unabhängige Gruppen. Wählen Sie basierend auf Ihrem Studiendesign und Ihrer Datenstruktur.

t-Tests gehen von Folgendem aus: Normalverteilung (oder große Stichprobengröße), unabhängige Beobachtungen und gleiche Varianzen zwischen den Gruppen. Das Tool kann Tests für diese Annahmen bereitstellen.

Bei kleinen Stichproben (üblicherweise n < 30) ist es wichtig, dass die Daten in jeder Gruppe annähernd normalverteilt sind oder dass keine signifikanten Ausreißer vorhanden sind. Mit zunehmender Stichprobengröße verringert sich der Einfluss von Abweichungen von der Normalverteilung gemäß dem zentralen Grenzwertsatz.

Schauen Sie sich den p-Wert, das Konfidenzintervall und die Effektgröße an. Ein p-Wert < 0,05 deutet im Allgemeinen auf einen signifikanten Unterschied hin. Das Konfidenzintervall zeigt den Bereich plausibler Unterschiede.

Die Effektgröße (z. B. Cohen's d) misst die Größe des Unterschieds zwischen den Gruppenmittelwerten, abgesehen davon, ob der Unterschied statistisch signifikant ist. Sie hilft, die praktische Bedeutung des Unterschieds zu verstehen.

Ein Z-Test wird verwendet, wenn Sie die Populationsvarianz kennen und eine große Stichprobengröße haben. Ein t-Test ist angebrachter, wenn die Populationsvarianz unbekannt ist und aus der Stichprobe geschätzt wird, insbesondere für kleine Stichproben.

Die Nullhypothese (H0) im t-Test besagt typischerweise, dass es keinen signifikanten Unterschied zwischen den Mittelwerten der beiden verglichenen Gruppen gibt. Der t-Test bewertet, ob genügend Beweise vorhanden sind, um diese Hypothese abzulehnen.