Zusammenfassung
In diesem Beitrag werden die Begriffe Alpha- und Beta Fehler sowie Power und Sensitivität
eines Tests erläutert. Es wird dargelegt, dass durch Beobachtungen an einer Stichprobe,
deren Größe sorgfältig berechnet werden muss, nicht eine allgemeingültige Aussage
definitiv „bewiesen”, sondern nur mit einer gewissen Sicherheit bestätigt werden kann.
Abstract
In inferential statistics there are some crucial issues: the first concerns the idea
to make inference about the population based on a sample one has studied. The second
major issue is that every measurement has some associated errors that take two forms,
i. e. systematic error and random error. In testing a hypothesis there are other possible
errors resulting form false rejection of a null hypothesis or wrongly accepting the
alternative hypothesis. These errors are named type I error and type II (or beta)
error respectively. The value (1-Beta) is called power. Power by itself is directly
related to the sample size.
Schlüsselwörter
Wahrscheinlichkeit - Normalverteilung - Irrtumswahrscheinlichkeit - Signifikanz
Key words
Probability - normal distribution - error level - significance
