Tja, p-Werte.
Ich lese sie die ganze Zeit in Veröffentlichungen.
Sie bewerten die Signifikanz eines Unterschieds.
Aber wie berechne ich die selbst in meinem Datensatz, was sind die Voraussetzungen? Wo sind die Unterschiede zur Standardabweichung.
Eigentlich zu viele Fragen für einen Forumsbeitrag, aber ich bin für jede Antwort dankbar!
SPSS 11.5 ist vorhanden aber noch nicht verstanden.
Viele Grüße von
Onkel Heini
Hi Heini,
du hast recht, es ist viel zu viel für einen Forumsbeitrag 
.
Aber ich versuche es einmal.
Die Standardabweichung gibt an, wie weit deine Einzelstichproben von dem errechneten Mittelwert im Durchschnitt abweichen.
Bsp: 2 Studenten
Vordiplomsnoten Stud 1: 1, 2, 3, 4 Schnitt 2,5 Standardabw.: 1,3
Vordiplomsnoten Stud 2: 2, 2, 3, 3, Schnitt 2,5 Standardabw.: 0,6
Der p-Wert kommt zum Einsatz, wenn du nun veruchst, die beiden Studenten zu vergleichen. Wenn du also rausbekommen willst ob es signifikante Unterschiede in ihrer Studienleistung gibt.
Du hast deine Hypothesen
H_0: es gibt keine Unterschiede zw. Studienleistung von Stud 1 und 2
H_1: es gibt Unterschiede
führst den entsprechenden Test durch (z.b mit SPSS)
und bekommst einen p-Wert. Dieser heißt auch Irrtumswarscheinlichkeit.
z.B.: p-Wert von 0,05 bedeutet, dass wenn du H_1 annimmst, du mit einer Wahrsceinlichkeit von 5%daneben liegst und eigentlich H_0 richtig wäre.
=> je kleiner dein p, desto sicherer H_1.
Falls du noch Fragen hast meld dich, hab leider keine Zeit mehr…
Grüssle
m.
[Bei dieser Antwort wurde das Vollzitat nachträglich automatisiert entfernt]
Moin Manou,
danke für die schnelle Antwort.
führst den entsprechenden Test durch (z.b mit SPSS) und bekommst einen p-Wert.
Wie genau funktioniert denn dieser Test? Das Beispiel fand ich sehr schön, um die Aussage der Standardabw. zu verstehen. Quantifiziert der p-Wert nun den Unterschied der Standardabweichungen? Wie?
Noch stehe ich ein bisschen auf dem Schlauch.
Grüße
Heini
z.B.: p-Wert von 0,05 bedeutet, dass wenn du H_1 annimmst, du
mit einer Wahrsceinlichkeit von 5%daneben liegst und
eigentlich H_0 richtig wäre.
=> je kleiner dein p, desto sicherer H_1.
Hallo, also meines Wissens nach bedeutet es nicht, daß unter der Voraussetzung daß du H1 annimmst H0 mit einer Wahrscheinlichkeit von 5% doch richtig ist, sondern, daß unter der Bedingung, daß H0 richtig ist du trotzden mit der Wahrscheinlichkeit von 5% aufgrund des Tests annimmst H1 wäre richtig. Das ist ein gewaltiger Unterschied und bedeutet im Endeffekt, daß ein Signifikanztest zumindest nicht die Aussagekraft hat, die man damit erreichen möchte.
Gruß Tobias
Hallo.
Ich zitiere:"…Dann untersuchen wir, ob der betrachtete Wert t(x) zu einer dieser Verteilungen passt, wobei als Kriterium die Größe
p(x):=suptheta Element Theta0Ptheta(T>=t(x))
dient, welche auch p-Wert genannt wird. Wir verwerfen die Hypothese, wenn der p-Wert unterhalb eines vorgegebenen Schwellenwerts alpha liegt[…]"
Quelle: Einf. i.d. Wahrscheinlichkeitstheorie und Statistik Herold Dehling & Beate Haupt. Springer Verlag
Im Bronstein „Taschenbuch der Mathematik“ findet sich hierzu auch eine Formel, allerdings ohne rechnerisches Beispiel.
HTH
mfg M.L.
***Surftipp***
http://www.p-wert.de
http://www.mathematik.de
http://www.mathematik.ch
Google.de brachte nix…
Hallo Markus,
danke für Deine Antwort.
…
die Größe
p(x):=suptheta Element
Theta0Ptheta(T>=t(x))
dient, welche auch p-Wert genannt wird. Wir verwerfen die
Hypothese, wenn der p-Wert unterhalb eines vorgegebenen
Schwellenwerts alpha liegt[…]"
Genau solche für mich kryptischen Formulierungen habe ich in diversen Statistik-Büchern gelesen. Nur leider kann ich daraus keine Anwendung ableiten. Den Schwellenwert alpha kann ich frei wählen, häufig nimmt man z.B. 0,01 oder 0,05 - also 99 oder 95 % - und spricht dann von Irrtumswahrscheinlichkeit. Aber welche Variablen kann ich wie miteinander verrechnen, um ein Ergebnis zu erzielen, das ich mit dem Schwellenwert vergleiche?
Gruß, Heini
Hallo Tobias,
Das ist ein gewaltiger Unterschied und bedeutet im
Endeffekt, daß ein Signifikanztest zumindest nicht die
Aussagekraft hat, die man damit erreichen möchte.
Gruß Tobias
den Unterschied habe ich vermutlich begriffen, aber den „Endeffekt“ würde ich gerne noch näher erläutert bekommen.
Danke!
Heini
Hallo,
Also angenommen du nimmst aufgrund eines Tests an, daß H1 zutrifft. Dann möchtest du jetzt eigentlich wissen mit welcher Wahrscheinlichkeit diese Annahme falsch ist (d.h. H1 falsch unter der Bedingung, daß der Test H1 aussagt). Viele meinen jetzt die Irrtumswahrscheinlichkeit von 5% bedeutet, daß H1 mit 95% Wahrscheinlichkeit wahr ist. Dies ist aber ein Trugschluß!
Die Irrtumswahrscheinlichkeit gibt die Wahrscheinlichkeit an, daß unter der Bdingung daß H1 falsch ist, der Test trotzdem H1 ergibt (d.h. Test sagt H1 aus unter der Bedingung, daß H1 falsch ist).
Da du aber nicht weißt ob die Bedingung H1 wahr oder falsch ist sagt dir die Irrtumswahrscheinlichkeit eigentlich nix.
Gruß Tobias
Hallo.
Ich hatte eigentlich schon eine andere Antwort formuliert, die mir wg. eines Browserabsturzes (FF 1.0.3 kann irgendwie nicht mit pdf-downloads. Stürzt unter XP+SP2 beim Klick auf Zurück gerne mal ab…) verloren gegangen ist.
Ein p-Wert wird lt. Bronstein mit der Formel |1-F(???)| berechnet. F für die Stammfunktion einer Dichtefkt. an der Stelle ??? -> muss ich morgen mal nachschauen. Oder im Buch „Stochastik mit Mathematica“ von Overbeck-Larisch & Dolejsky ist die Formel auch drin. Aber mir gefällt die Bronstein Erklärung schon besser Aber auch hier kein gerechnetes Bspl.
Bis dann mal
mfg M.L.
***andere Suchmaschine***
http://www.alltheweb.com & http://www.a9.com
Unterschied alpha und p-Wert
Hi Tobias,
ich habe die Vermutung, dass du gerade über alpha schreibst, da hast du Recht mit deiner Aussage:
Hallo, also meines Wissens nach bedeutet es nicht, daß unter
der Voraussetzung daß du H1 annimmst H0 mit einer
Wahrscheinlichkeit von 5% doch richtig ist, sondern, daß unter
der Bedingung, daß H0 richtig ist du trotzden mit der
Wahrscheinlichkeit von 5% aufgrund des Tests annimmst H1 wäre
richtig.
wenn nun aber ein p-Wert (in SPSS) berechnet wird, kannst du anhand von alpha etwas über die Signifikanz aussagen.
Bsp.:
p: 0,025
wäre signifikant bei alpha 0,05
ist aber nicht signifikant bei alpha 0,01
vielleicht stehe ich aber gerade auf dem Schlauch?
Grüssle
m.
Moin Manou,
Moin Heini,
danke für die schnelle Antwort.
bitte, wobei ja gerade noch dskutiert wird, ob diese stimmt
führst den entsprechenden Test durch (z.b mit SPSS) und bekommst einen p-Wert.
Wie genau funktioniert denn dieser Test?
Es gibt nicht „den Test“. Es gibt sehr viele verschiedene, die immer von der Fragestellung und deinen Stichproben abhängen. Das ist aber ein ganz anderes Kapitel. SPSS gibt dir einen p-Wert anhand dessen du etwas über die Signifikanz sagen kannst. Rechnest du „zufuß“ bekommst du keinen p-Wert, kommst aber auf das gleiche Ergebnis.
Das Beispiel fand ich sehr schön, um die Aussage der Standardabw. zu verstehen.
Quantifiziert der p-Wert nun den Unterschied der
Standardabweichungen? Wie?
Der p-Wert hat mit der Standardabweichung nichts zu tun, was man sich an dem folgenden Beispiel verdeutlichen kann:
2 Studenten
Vordiplom Stud 1: 1, 2, 2, 3 Schnitt: 2 Staw: 0,8
Vordiplom Stud 2: 3, 4, 4, 5 Schnitt: 4 Staw: 0,8
Diese beiden Studenten unterscheiden sich signifikant in ihren Studienleistungen (getestet mit t-Test für unverbundene Stichproben, alpha: 0,05, ermittelter p-Wert: 0,013. HINWEIS: hätten wir auf alpha 1% getestet wäre der Unterschied NICHT signifikant, da dann p>alpha gewesen wäre. Übrigens alles SPSS 11.5 )
Noch stehe ich ein bisschen auf dem Schlauch.
stehe ich auch ab und an
Hoffe geholfen zu haben
Grüssle
m.
vielleicht interessanter link
hab grad noch gegoogelt
der p-Wert ist nicht ganz so schön erklärt…
Dennoch ganz nett zum durchklicken
Hallo die Damen und Herren.
Der alpha-Wert wird i.A. vor einem Test festgelegt. Der p-Wert ergibt sich dann aus einer konkreten Berechnung mit der Stammfkt. der angenommenen Verteilung (dazu morgen mehr). Wenn dieser p-Wert kleiner ist als alpha kann die Hypothese H1 mit Irrtumswahrscheinlichkeit 1-alpha nicht verworfen werden. Hier erstmal mehr zum Thema: http://www.univie.ac.at/medstat/zahnmed/Folien/F3_St…
Quelle: http://www.alltheweb.com/search?cat=web&cs=utf8&q=p-…
p: 0,025
wäre signifikant bei alpha 0,05
ist aber nicht signifikant bei alpha 0,01
Stimmt 
HTH
mfg M.L.
***noch eine Weisheit***
Der beta-Fehler ist die Fläche unter der Alternativhypothese im Bereich der Annahme der Nullhypothese. Alles unklar ? 
Hallo die Damen und Herren.
Hallo mein Herr…
Der alpha-Wert wird i.A. vor einem Test festgelegt.
OK, z.B. 0.05, ja?
Der p-Wert ergibt sich dann aus einer konkreten Berechnung mit der
Stammfkt. der angenommenen Verteilung
Das sehe ich ein
(dazu morgen mehr).
Wenn du dir die Mühe machen willst, aber wer soll das verstehen? Ich nicht, leider 
Wenn dieser p-Wert kleiner ist als alpha kann die Hypothese H1 mit
Irrtumswahrscheinlichkeit 1-alpha nicht verworfen werden.
Dann sind wir uns ja auch einig. Aber es macht doch immer noch einen Unterschied, ob mein p nun 0.01 oder 0.001 (zur Erinnerung wir tetsten auf alpha 0.05) ist. Beide sind signifikant, aber der Zweite doch mehr als der Erste, oder?
Und ich war immer (zumindest bis ihr mich hier alle verunsichert habt ) der Meinund, dass dies die Irrtumswahrscheinlichkeit ist, die aussagt, dass H1 doch nicht stimmt, sondern H0.
Aber ich bin ja hier um zu lernen, und freue mich, wenn mir das jemand mal in Nichtmathematikerworten erklären kann.
in freudiger Erwartung
m.
***noch eine Weisheit***
Der beta-Fehler ist die Fläche unter der Alternativhypothese
im Bereich der Annahme der Nullhypothese. Alles unklar ?
Das kann ich dir sogar als Bildchen malen
Guten Abend.
Der alpha-Wert wird i.A. vor einem Test festgelegt.
OK, z.B. 0.05, ja?
Genau. Auch wenn das nicht in jeder Situation sinnvoll ist, da man auf die Gefahr läuft weitere Parameter auszulassen. Hierzu keine Vertiefung.
Der p-Wert ergibt sich dann aus einer konkreten Berechnung mit der
Stammfkt. der angenommenen VerteilungDas sehe ich ein
(dazu morgen mehr).
Wenn du dir die Mühe machen willst, aber wer soll das
verstehen? Ich nicht, leider
Ich will nur die Erklärung aus dem Bronstein anbringen.
Dann sind wir uns ja auch einig. Aber es macht doch immer noch
einen Unterschied, ob mein p nun 0.01 oder 0.001 (zur
Erinnerung wir tetsten auf alpha 0.05) ist. Beide sind
signifikant, aber der Zweite doch mehr als der Erste, oder?
Wenn p
Sodele,
hab schon gedacht ich müßte kündigen, aber jetzt…
Dann sind wir uns ja auch einig. Aber es macht doch immer noch
einen Unterschied, ob mein p nun 0.01 oder 0.001 (zur
Erinnerung wir tetsten auf alpha 0.05) ist. Beide sind
signifikant, aber der Zweite doch mehr als der Erste, oder?Wenn p
wenn nun aber ein p-Wert (in SPSS) berechnet wird, kannst du
anhand von alpha etwas über die Signifikanz aussagen.
Bsp.:
p: 0,025
wäre signifikant bei alpha 0,05
ist aber nicht signifikant bei alpha 0,01
Hallo, sagen wir mal so, ich habe mich zumindest etwas unklar bzw. mathenmatisch unpräzise ausgedrückt. Du hast wohl Recht mit deiner Aussage, worauf ich allerdings hinaus wollte war, daß die Signifikanz nix darüber aussagt, ob es nun eher wahrscheinlich oder unwahrscheinlich ist ob dein Test das richtige Ergebnis gebracht hat (siehe mein Posting weiter unten).
Gruß Tobias
Guten Morgen .
Wie versprochen wollte ich ein Beispiel zur Errechnung eines p-Wertes posten. Leider war der Bronstein als Quelle dafür ungeeignet. Macht nichts. Das Buch „Introduction to statistical quality control“ von Douglas Montgomery (Third edition) tut es genauso
Allerdings ist das kein geschlossenes Beispiel, die Rechnereien musste ich zusammensuchen.
Seite 59: x~N(40,2²) [..] P{x\>=35} = 1 - P{x=35} = 1 - P{x<u>Definition</u>
The P-value is the smallest level of significance that would lead to rejection of the null hypothesis H<sub>0</sub> [..]
If z<sub>0</sub> is the computed value of the test statistic, then the P-Value is
{ 2[1-Φ[Z<sub>0</sub>] for a two-tailed test: H<sub>0</sub>: μ = μ<sub>0</sub> H<sub>1</sub>: μ != μ<sub>0</sub>
P={ 1-Φ(Z<sub>0</sub>) for an upper-tailed test: H<sub>0</sub>: μ = μ<sub>0</sub> H<sub>1</sub>: μ \> μ<sub>0</sub>
{Φ(Z<sub>0</sub>) for a lower-tailed test: H<sub>0</sub>: μ = μ<sub>0</sub> H<sub>1</sub>: μ 0
Here, Φ(Z) is the standard normal cumulative distribution[..] The computed value of the test statistic is Z<sub>0</sub> = 3.50 and since the the alternative hypothesis is one-tailed. the P-value is
P = 1 - Φ(3.50) = 0.00023
Thus, H<sub>0</sub>: μ = 175 would be rejected at any level of significance α\>=P = 0.00023[..]
Hoffentlich ist das verständlich
mfg M.L.
Guten Morgen,
Aber ich bin ja hier um zu lernen, und freue mich, wenn mir
das jemand mal in Nichtmathematikerworten erklären kann.
Dem kann ich mich nur vorbehaltlos anschließen.
Dankbar wäre ich auch über ein praxisnahes Beispiel.
Grüße vom Heini