- T-Test
-
Der t-Test ist ein Begriff aus der mathematischen Statistik, er bezeichnet eine Gruppe von Hypothesentests. Den t-Test im eigentlichen Sinn gibt es nicht. Es handelt sich hier lediglich um einen beliebigen Hypothesentest mit t-verteilter Testprüfgröße.
Oft ist jedoch mit dem t-Test der Einstichproben- bzw. Zweistichproben t-Test gemeint:
- Der Einstichproben t-Test prüft anhand des Mittelwertes einer Stichprobe, ob der Erwartungswert einer Grundgesamtheit ungleich, kleiner oder größer einem vorgegebenem Wert ist.
- Der Zweistichproben t-Test prüft anhand der Mittelwerte zweier Stichproben, ob die Erwartungswerte zweier Grundgesamtheiten ungleich, kleiner oder größer sind.
Weitere wichtige Tests mit t-verteilter Prüfgröße sind:
- Test der Koeffizienten einer Regressionsanalyse bei normalverteilter Störgröße,
- Test des Korrelationskoeffizienten zweier normalverteilter Zufallsvariablen.
Der t-Test ist ein Spezialfall des Wald-Tests.
Inhaltsverzeichnis
Einstichproben t-Test
Grundidee für den t-Test über den Erwartungswert einer normalverteilten Grundgesamtheit
Sind
unabhängige normalverteilte Zufallsvariablen mit Erwartungswert μ und Standardabweichung σ, dann ist ihr arithmetisches Mittel
ebenfalls normalverteilt mit Erwartungswert μ und hat die Standardabweichung
. Daher ist der standardisierte Mittelwert
standardnormalverteilt und könnte mit einem Gauß-Test getestet werden.
Normalerweise ist jedoch die Standardabweichung unbekannt. In diesem Fall liegt es nahe, sie durch die empirische Standardabweichung
zu schätzen und als Teststatistik
zu verwenden. Dieser Wert ist allerdings nicht mehr normalverteilt, sondern t-verteilt mit n − 1 Freiheitsgraden. Ist er für eine konkrete Stichprobe so groß (oder so klein), dass dieser oder ein noch extremerer Wert unter der Nullhypothese hinreichend unwahrscheinlich ist, wird die Nullhypothese abgelehnt.
Grundidee für den t-Test über den Erwartungswert einer beliebig verteilten Grundgesamtheit
Sind
(n > 30) unabhängige beliebig verteilte Zufallsvariablen mit Erwartungswert
und Standardabweichung
, dann ist aufgrund des zentralen Grenzwertsatzes ihr arithmetisches Mittel
ebenfalls approximativ normalverteilt mit Erwartungswert μ und hat die Standardabweichung
. Mit der gleichen Argumentation wie zuvor gelangt man zu einer t-verteilten Teststatistik
Vorgehen
Für eine Stichprobe
aus einer normalverteilten Grundgesamtheit mit unbekanntem Erwartungswert μ und unbekannter Standardabweichung σ soll die Nullhypothese H0:μ = μ0 (mit einem festen vermuteten Wert μ0) gegen die zweiseitige Alternative
getestet werden. Dazu wird mit dem Stichprobenmittelwert
und der Stichprobenstandardabweichung
die Testprüfgröße
berechnet. Die Nullhypothese wird zum Signifikanzniveau α abgelehnt, falls
ist, dem
-Quantil der t-Verteilung mit n − 1 Freiheitsgraden.
Die Prüfgröße t kann auch zum Testen der einseitigen Alternative μ > μ0 gegen die Nullhypothese
zum Signifikanzniveau α verwendet werden. Diese wird nun abgelehnt, wenn
gilt. Analog wird die Nullhypothese
abgelehnt, wenn
ist.
Beispiel 1
Es soll getestet werden, ob die durchschnittliche Laufzeit von Notebook-Akkus tatsächlich mindestens 3,5 Stunden beträgt, wie vom Hersteller behauptet. Dazu werden bei 10 Akkus dieser Marke unter kontrollierten gleichen Bedingungen die Laufzeiten gemessen. Es ergibt sich ein empirischer Mittelwert von 3,25 Stunden mit einer Standardabweichung von 0,31 Stunden. Daraus berechnet sich als Prüfgröße ein t-Wert von
. Für das 0,95-Quantil der t-Verteilung mit 10 − 1 = 9 Freiheitsgraden findet man mit Hilfe einer t-Tabelle oder eines Computerprogramms den Wert t(0,95;9) = 1,833. Wegen t < − 1,833 kann die Nullhypothese, dass der Erwartungswert der Laufzeit größer oder gleich 3,5 Stunden ist, zum Signifikanzniveau
abgelehnt werden. Die Akkus erreichen also nicht die behaupteten Laufzeiten.
Kompaktdarstellung
Einstichproben t-Test Voraussetzungen unabhängig voneinander
oder
mit n > 30
Hypothesen
(rechtsseitig)
(zweiseitig)
(linksseitig)Teststatistik Prüfwert mit
und
Annahmebereich H0 Annahmebereich H1
oder
Zweistichproben t-Test
Aus der Theorie der multivariaten Normalverteilung folgt, dass die Differenz zweier normal verteilter (oder approximativ normalverteilter) Zufallsvariable wieder normalverteilt ist. Damit kann der Zweistichproben t-Test auf den Einstichproben t-Test zurückgeführt werden mit
:
Das Problem ist die Schätzung der Varianz von
unter Gültigkeit der Nullhypothese zur Bestimmung der Verteilung der Teststatistik:
- Sind die Grundgesamtheiten abhängig voneinander, dann muss der t-Test für gepaarte Stichproben durchgeführt werden.
- Sind die Grundgesamtheiten unabhängig voneinander und
- sind die Varianzen in den Grundgesamtheiten gleich, dann muss der t-Test für zwei unabhängige Stichproben durchgeführt werden und
- sind die Varianzen in den Grundgesamtheiten ungleich, dann muss der Welch-Test durchgeführt werden.
Die drei Tests unterscheiden sich im wesentlichen dadurch, wie die Varianz von
geschätzt wird. Dies beeinflusst auch die Zahl der Freiheitsgrade für die t-Verteilung der Teststatistik.
t-Tests für gepaarte Stichproben
Hier sind
und
zwei paarweise verbundene Stichproben, die beispielsweise aus zwei Messungen an denselben Untersuchungseinheiten gewonnen wurden (Messwiederholung). Die Stichproben können auch aus anderen Gründen paarweise abhängig sein, z.B., wenn die x- und y-Werte Messergebnisse von Frauen bzw. Männern in einer Partnerschaft sind und Unterschiede zwischen den Geschlechtern interessieren.
Soll die Nullhypothese getestet werden, dass die beiden Erwartungswerte der zugrunde liegenden normalverteilten Grundgesamtheiten gleich sind, so können mit dem oben beschriebenen Einstichproben-t-Test die Differenzen di = xi − yi auf den Erwartungswert 0 getestet werden.
Beispiel 2
Um eine neue Therapie zur Senkung des Cholesterinspiegels zu testen, werden bei zehn Probanden vor und nach der Behandlung die Cholesterinwerte bestimmt. Es ergeben sich die folgenden Messergebnisse:
vor der Behandlung: 223 259 248 220 287 191 229 270 245 201 nach der Behandlung: 220 244 243 211 299 170 210 276 252 189 Differenz: 3 15 5 9 -12 21 19 -6 -7 12
Die Differenzen der Messwerte haben das arithmetisches Mittel
und die Stichprobenstandardabweichung sd = 11,39. Das ergibt als Prüfgrößenwert
.
Es ist
, also gilt
. Somit kann die Nullhypothese, dass die Erwartungswerte der Cholesterinwerte vor und nach der Behandlung gleich sind, die Therapie also keine Wirkung hat, zum Signifikanzniveau
nicht abgelehnt werden. Wegen
ist auch die einseitige Alternative, dass die Therapie den Cholesterinspiegel senkt, nicht signifikant. Wenn die Behandlung überhaupt einen Effekt hat, so ist dieser nicht groß genug, um ihn mit einem so kleinen Stichprobenumfang zu entdecken.
Kompaktdarstellung
Zweistichproben t-Test für zwei gepaarte Stichproben Voraussetzungen unabhängig voneinander
(zumindest approximativ)
Hypothesen
(rechtsseitig)
(zweiseitig)
(linksseitig)Teststatistik Prüfwert mit
,
undAnnahmebereich H0 Annahmebereich H1
oder
t-Tests für zwei unabhängige Stichproben
Gegeben sind nun zwei unabhängige Stichproben
und
jeweils aus normalverteilten Grundgesamtheiten mit den Erwartungswerten μx bzw. μy und unbekannter, aber gleicher Standardabweichung σ. Es soll die Nullhypothese H0:μx = μy gegen die zweiseitige Alternative
getestet werden. Dazu wird mit den Stichprobenmittelwerten
,
, den Stichprobenvarianzen
und der sogenannten gewichteten Varianz
die Prüfgröße
berechnet. (Bei gleich großen Stichproben, also m = n, vereinfacht sich diese Formel zu
). Die Prüfgröße ist t-verteilt mit n + m − 2 Freiheitsgraden, also wird H0 zum Signifikanzniveau α abgelehnt, wenn
gilt. Es können auch wieder einseitige Hypothesen getestet werden: Zum Beispiel wird die Nullhypothese
zugunsten der Alternative μx > μy abgelehnt, wenn
gilt.
Beispiel 3
Zwei Düngemittelsorten sollen verglichen werden. Dazu werden 10 Parzellen mit Sorte A und 15 Parzellen mit Sorte B gedüngt. Bei ersteren ergibt sich ein mittlerer Ernteertrag
mit Stichprobenvarianz
und bei den anderen Parzellen das Mittel
mit Varianz
. Für die gewichtete Varianz berechnet man damit
.
Daraus erhält man die Prüfgröße
.
Dieser Wert ist größer als das 0,975-Quantil der t-Verteilung mit 10 + 15 − 2 = 23 Freiheitsgraden
. Es kann also mit einer Konfidenz von
behauptet werden, dass ein Unterschied in der Wirkung der beiden Düngemittel besteht. Wegen
ist Sorte A besser.
Kompaktdarstellung
Zweistichproben t-Test für zwei unabhängige Stichproben Voraussetzungen und
unabhängig voneinander
unbekannt
oder
mit n > 30
oder
mit m > 30
Hypothesen
(rechtsseitig)
(zweiseitig)
(linksseitig)Teststatistik Prüfwert mit
,
,
,
und
Annahmebereich H0 Annahmebereich H1
oder
Testen der Voraussetzungen und Alternativen zum t-Test
Der t-Test wird, wie oben ausgeführt, zum Testen von Hypothesen über Erwartungswerte einer oder zweier Stichproben aus normalverteilten Grundgesamtheiten mit unbekannter Standardabweichung verwendet.
- Die Normalverteilungsannahme kann mit dem Shapiro-Wilk-Test oder dem Kolmogorow-Smirnow-Test geprüft werden. Liegt keine Normalverteilung vor, können als Ersatz für den t-Test nichtparametrische Tests angewendet werden, etwa ein Wilcoxon-Rangsummentest für unabhängige Stichproben oder ein Wilcoxon-Vorzeichen-Rang-Test für gepaarte Stichproben.
- Sollen mehr als zwei normalverteilte Stichproben auf Gleichheit der Erwartungswerte getestet werden, kann eine Varianzanalyse angewendet werden.
- Bei Mittelwertvergleichen normalverteilter Stichproben mit bekannter Standardabweichung werden Gauß-Tests verwendet.
Weblinks
Wikimedia Foundation.