Gütefunktion eines statistischen Tests verständlich erklärt

Gütefunktion eines statistischen Tests: Vorgehen und typische Fehler

Die Gütefunktion eines statistischen Tests ordnet jedem möglichen wahren Parameterwert die Wahrscheinlichkeit zu, dass der Test die Nullhypothese ablehnt. Im Bereich der Nullhypothese sollte sie höchstens beim Signifikanzniveau α liegen, im Bereich der Alternative möglichst nahe bei 1. Hier siehst du Formel, Rechenbeispiel, typische Fehler und eine Checkliste für Klausur und Hausarbeit.

Was die Gütefunktion angibt

Die Gütefunktion g(θ) eines statistischen Tests gibt für jeden wahren Wert θ des geprüften Parameters die Wahrscheinlichkeit an, die Nullhypothese abzulehnen: g(θ) = Pθ(H0 wird abgelehnt). Ein guter Test hat für alle θ aus der Nullhypothese g(θ) ≤ α und für θ aus der Alternative einen Wert möglichst nahe bei 1.

Aus dieser einen Funktion lassen sich beide Fehlerarten ablesen. Liegt θ im Bereich der Nullhypothese, ist g(θ) die Wahrscheinlichkeit für einen Fehler 1. Art. Liegt θ im Bereich der Alternative, ist g(θ) die Macht oder Power des Tests, und 1 minus g(θ) ist die Wahrscheinlichkeit für einen Fehler 2. Art. Die Werte, die du dir merken solltest:

• Am Rand der Nullhypothese, etwa bei θ = θ0, gilt bei einem exakten Test g(θ0) = α, zum Beispiel 0,05.
• Eine Power von mindestens 0,80 gilt in vielen Fächern als übliche Zielgröße bei der Planung einer Studie.
• Je weiter der wahre Wert von θ0 entfernt ist und je größer der Stichprobenumfang n ist, desto näher rückt g(θ) an 1.

Viele Studiengänge mit Methodenausbildung, etwa Psychologie, Wirtschaftswissenschaften, Soziologie, Medizin oder Ingenieurfächer, behandeln die Gütefunktion im Rahmen ihrer Statistikveranstaltungen. Wer gerade einen Studiengang wählen möchte, sollte wissen, dass Statistik mit Hypothesentests dort oft schon im ersten oder zweiten Semester geprüft wird. Der Index θ am P zeigt dabei an, dass die Ablehnwahrscheinlichkeit unter dem jeweils angenommenen wahren Parameterwert berechnet wird.

Gütefunktion Schritt für Schritt berechnen

Am einseitigen Gauß-Test lässt sich das Vorgehen am klarsten zeigen. Angenommen, die Daten sind normalverteilt mit bekannter Standardabweichung σ = 1, du ziehst n = 25 Beobachtungen und prüfst H0: μ ≤ 0 gegen H1: μ > 0 bei α = 0,05.

1. Hypothesen und Niveau festlegen: Schreib H0, H1 und α vor jeder Rechnung auf, damit klar ist, welcher Parameterbereich zur Nullhypothese gehört.
2. Teststatistik und Ablehnbereich bestimmen: Die Statistik lautet Z = X̄ · √n / σ. Abgelehnt wird, wenn Z > 1,645 ist, denn das ist das 95-Prozent-Quantil der Standardnormalverteilung.
3. Verteilung unter beliebigem μ aufschreiben: Ist der wahre Mittelwert μ, dann ist Z normalverteilt mit Erwartungswert μ · √n / σ und Varianz 1.
4. Gütefunktion herleiten: Daraus folgt g(μ) = 1 − Φ(1,645 − μ · √n / σ), wobei Φ die Verteilungsfunktion der Standardnormalverteilung ist.
5. Werte einsetzen: Mit σ = 1 und n = 25 ist √n / σ = 5.

Die Tabelle zeigt, warum die Kurve S-förmig steigt: Bei μ = 0 liegt sie genau bei α, bei μ = 0,5 erreicht sie etwa die Zielgröße 0,80. Ein Effekt von 0,2 würde dagegen nur in rund einem Viertel der Fälle entdeckt.

Für die Planung drehst du die Rechnung um. Für eine Power von 0,80 gilt beim einseitigen Test n = ((1,645 + 0,842) · σ / δ)², wobei 0,842 das 80-Prozent-Quantil ist und δ der kleinste relevante Effekt. Mit δ = 0,5 und σ = 1 ergibt sich n ≈ 24,7, also aufgerundet 25. Beim zweiseitigen Test mit α = 0,05 ersetzt du 1,645 durch 1,96, und die Gütefunktion hat dann die Form Φ(−1,96 + μ√n/σ) + Φ(−1,96 − μ√n/σ), eine U-förmige Kurve mit Minimum α bei μ = 0.

Eine Formel ist in der Prüfung nur dann hilfreich, wenn du sie nutzen darfst: Schau deshalb in die Prüfungsordnung und die Modulbeschreibung, ob eine Formelsammlung oder Quantiltabelle erlaubt ist. Bei Software wie R hilft dir der Befehl power.t.test(), Ergebnisse von Hand gegenzuprüfen.

Typische Fehler und wie du sie vermeidest

• Gütefunktion und Fehler 2. Art verwechseln: Viele schreiben g(θ) = β. Richtig ist: Im Alternativbereich ist g(θ) = 1 minus β(θ), also die Power. β ist die Gegenwahrscheinlichkeit.
• Die Gütefunktion nur unter H1 betrachten: Die Funktion ist auf dem ganzen Parameterraum definiert. Unter H0 liefert sie die Wahrscheinlichkeit für den Fehler 1. Art und muss dort unter α bleiben.
• Falscher kritischer Wert: Wer beim einseitigen Test 1,96 statt 1,645 verwendet, testet faktisch auf dem Niveau 0,025 und unterschätzt die Power. Prüf vor dem Einsetzen, ob die Hypothese ein- oder zweiseitig formuliert ist.
• Vorzeichen in der Formel vertauschen: Bei H1: μ < 0 lautet die Gütefunktion Φ(−1,645 − μ√n/σ). Ein Kontrollwert hilft: Bei μ = 0 muss genau α herauskommen.
• Nachträgliche Power-Berechnung mit dem beobachteten Effekt: Eine Power, die aus dem in den Daten gemessenen Effekt berechnet wird, liefert keine neue Information über das Testergebnis. Besser plant man die Power vorab mit einem fachlich begründeten Mindesteffekt.
• Den Stichprobenumfang abrunden: Aus n ≈ 24,7 wird 25, nicht 24, sonst verfehlst du die Zielpower knapp.

Diese Fehler betreffen Studierende an allen Hochschulen und Universitäten gleichermaßen, weil die Notation in Lehrbüchern unterschiedlich ist: Manche Autoren nennen die Gütefunktion selbst β(θ), andere reservieren β für den Fehler 2. Art. Notiere dir deshalb, welche Konvention deine Vorlesung nutzt. Wer ein Auslandssemester plant, trifft im englischsprachigen Raum auf den Begriff power function und sollte die Bezeichnungen vor der Klausur abgleichen.

Statistik wird je nach Hochschulart unterschiedlich gewichtet: Ob du an einer Universität oder Fachhochschule studierst, bestimmt oft, ob du die Gütefunktion formal herleiten oder vor allem anwenden und interpretieren musst. Wenn dir unklar ist, welche Tiefe in deinem Modul verlangt wird, kann dir die Studienberatung oder die Fachschaft den Bezug zu den Modulzielen erklären.

Checkliste für Klausur und Hausarbeit

Mit diesen Kontrollpunkten prüfst du jede Aufgabe zur Gütefunktion, bevor du sie abgibst:

• H0, H1 und α stehen ausdrücklich da, und die Seite der Alternative ist klar benannt.
• Der kritische Wert passt zur Testform: 1,645 einseitig, 1,96 zweiseitig bei α = 0,05.
• Die Gütefunktion liefert am Rand der Nullhypothese genau α.
• Die Kurve steigt einseitig monoton in Richtung der Alternative beziehungsweise hat zweiseitig ihr Minimum bei θ0.
• Power und Fehler 2. Art addieren sich an jeder Stelle der Alternative zu 1.
• Ein berechneter Stichprobenumfang ist aufgerundet.
• Die Interpretation nennt den konkreten Effekt, zum Beispiel: „Bei μ = 0,5 lehnt der Test H0 mit etwa 80 Prozent Wahrscheinlichkeit ab.“

Beim Lernen hilft es, die Kurve einmal selbst zu zeichnen, etwa für n = 10, 25 und 100 nebeneinander, weil du dann siehst, wie ein größerer Stichprobenumfang die Kurve steiler macht. Solche Übungen gehören zu den Studium-Tipps, die sich in jedem Methodenfach bewähren. Die Erstsemester-Tipps deiner Fachschaft verweisen oft auf Tutorien, in denen genau solche Rechnungen geübt werden.

Für eine Lerngruppe mit festen Terminen ist ein ruhiger Arbeitsplatz wichtig, was beim Wohnen im Studium in einer WG bewusst eingeplant werden sollte. Wer Statistik sicher beherrscht, findet unter den Studentenjobs häufig Stellen als Tutorin, Tutor oder studentische Hilfskraft in der Datenauswertung.

Falls du noch vor der Studienwahl stehst und unsicher bist, ob dir mathematische Methoden liegen, zeigt dir ein Studienorientierungstest, wie gut deine Interessen zu methodenlastigen Fächern passen.

Quellen und Stand

• Offizielle Quelle: wirtschaftslexikon.gabler.de (geprüft am 2026-10-28)
• Wikipedia: Statistischer Test: de.wikipedia.org (geprüft am 2026-10-28)
• Wikipedia: Fehler 1. und 2. Art: de.wikipedia.org (geprüft am 2026-10-28)