Tabelle 1Aus „Was ist ein A/B-Test? Randomisierte Experimente, statistische Power und Governance“
Statistische Fehlentscheidungen und Teststärke (Power)
Tabelle 1Statistische Fehlentscheidungen und Teststärke (Power)
| Entscheidung | Nullhypothese wahr | Behandlungseffekt real |
|---|---|---|
| Nullhypothese ablehnen (Erfolg erklären) | Alpha-Fehler (Typ I): falsch-positiv, in etwa 5 % der Fälle | Richtige Entscheidung (Power, eins minus Beta): echte Entdeckung, in 80 % bis 90 % der Fälle |
| Nullhypothese beibehalten (Kontrolle bleibt) | Richtige Entscheidung (eins minus Alpha): richtig-negativ, in etwa 95 % der Fälle | Beta-Fehler (Typ II): falsch-negativ, in 10 % bis 20 % der Fälle |
Bei breiten Tabellen horizontal wischen oder scrollen.
Quelle: Tabelle aus diesem Essay. Quellen und Einordnung stehen im Beitrag.

Aus dem Beitrag
Aus der Forschung
Was ist ein A/B-Test? Randomisierte Experimente, statistische Power und Governance
Ein A/B-Test ist ein randomisiertes Experiment zweier Varianten, um die kausale Wirkung einer Änderung auf geschäftliche Kennzahlen valide zu messen.
Den Beitrag lesenDiese Abbildung gehört zu einem Essay: Die Zahlen stehen hier, das Argument dort.
Zitieren oder einbetten
Verwandte Abbildungen

Abbildung 1Grafik
Die experimentelle Architektur des A/B-Tests
Was ist ein A/B-Test? Randomisierte Experimente, statistische Power und Governance

Abbildung 2Grafik
Taxonomie der Experimentier-Architekturen
Was ist ein A/B-Test? Randomisierte Experimente, statistische Power und Governance

Tabelle 2Tabelle
Die Kennzahlen-Hierarchie kontrollierter Experimente
Was ist ein A/B-Test? Randomisierte Experimente, statistische Power und Governance
Kontakt
Schicken Sie die Frage, an der Sie arbeiten.
Forschung, ein Gastvortrag oder eine Frage aus der Praxis.