Skip to content
TheChatArchiveThe Chat Archive
Qwenqwen3-30b-a3b· Alibaba (Qwen)Hugging Face LMArena Human Preference 140K

was ist der unterschied zwischen dem gauß-Test und dem t-Test für eine Stichprobe?

From a Chatbot Arena battleThe same person sent this prompt to two anonymous models at once. Compare it with Claudeclaude-3-5-haiku-20241022’s answer.
  1. User

    was ist der unterschied zwischen dem gauß-Test und dem t-Test für eine Stichprobe?

  2. Qwen Assistant

    Der Gauß-Test (Z-Test) und der t-Test sind statistische Verfahren zur Prüfung von Hypothesen über den Mittelwert einer Stichprobe. Der Hauptunterschied liegt in den Annahmen und Voraussetzungen, die für die Anwendung dieser Tests gelten:


    1. Annahme über die Standardabweichung der Grundgesamtheit

    • Gauß-Test (Z-Test):
      • Voraussetzung: Die Standardabweichung der Grundgesamtheit (σ) ist bekannt.
      • Beispiel: Wenn die Standardabweichung der gesamten Bevölkerung bekannt ist (z. B. aus vorherigen Studien), wird der Z-Test verwendet.
    • t-Test:
      • Voraussetzung: Die Standardabweichung der Grundgesamtheit (σ) ist nicht bekannt und wird aus der Stichprobe geschätzt (Stichprobenstandardabweichung ss).

    2. Verwendete Verteilung

    • Gauß-Test (Z-Test):
      • Nutzt die Standardnormalverteilung (Z-Verteilung).
      • Die Teststatistik folgt einer Z-Verteilung.
    • t-Test:
      • Nutzt die t-Verteilung (Student-Verteilung).
      • Die t-Verteilung hat schwerere Enden als die Z-Verteilung, was die Unsicherheit bei der Schätzung von σ berücksichtigt.

    3. Anwendungsbereich

    • Gauß-Test (Z-Test):
      • Große Stichproben (n ≥ 30): Aufgrund des Zentralen Grenzwertsatzes ist die Stichprobenverteilung des Mittelwerts annähernd normal, auch wenn σ nicht bekannt ist.
      • Selten in der Praxis: Da σ in der Realität selten bekannt ist, wird der Z-Test seltener verwendet.
    • t-Test:
      • Kleine bis mittelgroße Stichproben (n < 30): Die t-Verteilung ist robuster gegenüber Abweichungen von der Normalverteilung.
      • Häufig in der Praxis: Da σ in der Realität meist nicht bekannt ist, wird der t-Test oft bevorzugt.

    4. Teststatistik

    • Gauß-Test: Z=xˉ−μσ/nZ = \frac{\bar{x} - \mu}{\sigma / \sqrt{n}} (mit xˉ\bar{x}: Stichprobenmittelwert, μ\mu: Hypothetischer Mittelwert, σ\sigma: bekannte Grundgesamtheitsstandardabweichung, nn: Stichprobengröße)
    • t-Test: t=xˉ−μs/nt = \frac{\bar{x} - \mu}{s / \sqrt{n}} (mit ss: geschätzte Standardabweichung der Stichprobe)

    5. Kritische Werte

    • Gauß-Test: Kritische Werte basieren auf der Standardnormalverteilung (z. B. ±1.96 für 95% Konfidenzniveau).
    • t-Test: Kritische Werte hängen von den Freiheitsgraden (n – 1) ab und sind in der Regel größer als bei der Z-Verteilung, insbesondere bei kleinen Stichproben.

    6. Voraussetzungen

    • Gauß-Test:
      • Normalverteilung der Grundgesamtheit (für kleine Stichproben).
      • Bekannte Standardabweichung.
    • t-Test:
      • Normalverteilung der Grundgesamtheit (für kleine Stichproben).
      • Robuster gegenüber Abweichungen von der Normalverteilung bei größeren Stichproben.
      • Unbekannte Standardabweichung.

    Zusammenfassung:

    MerkmaleGauß-Test (Z-Test)t-Test
    StandardabweichungBekannt (σ\sigma)Unbekannt (geschätzt als ss)
    VerteilungStandardnormalverteilung (ZZ)t-Verteilung (tt)
    AnwendungGroße Stichproben (n ≥ 30), wenn σ\sigma bekanntKleine bis mittelgroße Stichproben
    RobustheitEingeschränkt (bei Abweichungen von Normalverteilung)Robuster (besonders bei kleineren Stichproben)

    Praktische Anwendung:

    • In der Praxis wird der t-Test häufiger verwendet, da die Standardabweichung der Grundgesamtheit selten bekannt ist. Der Z-Test ist eher theoretisch oder in speziellen Fällen (z. B. bei sehr großen Stichproben) relevant.

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.