BetaFehler

BetaFehler, auch als β-Fehler bezeichnet, beschreibt in der Statistik die Wahrscheinlichkeit, die Nullhypothese H0 nicht abzulehnen, obwohl sie falsch ist. Die Wahrscheinlichkeit dieses Fehlers hängt von einer angenommenen wahren Effektgröße ab und wird mit β angegeben. Damit steht der BetaFehler im Zusammenhang mit der Teststärke (Power) eines Tests, die gleich 1−β ist. Der BetaFehler unterscheidet sich vom Typ-I-Fehler α, der die Wahrscheinlichkeit angibt, H0 fälschlich abzulehnen, wenn sie wahr ist.

β hängt von mehreren Faktoren ab, darunter dem Signifikanzniveau α, der Stichprobengröße n, der tatsächlichen Effektgröße und der Variabilität der Messungen. Größere Stichproben oder stärkere wahre Effekte verringern β, während kleine Effekte oder höhere Varianz β erhöhen. Die Art des Tests, etwa ein- oder zweiseitig, beeinflusst ebenfalls den BetaFehler.

In der Praxis wird oft eine Power-Analyse durchgeführt, um eine gewünschte Teststärke (Power = 1−β, häufig 0,8 oder 0,9) zu erreichen. Dadurch lässt sich die erforderliche Stichprobengröße bestimmen. Der BetaFehler erinnert daran, dass ein nicht signifikantes Ergebnis nicht automatisch bedeutet, dass kein Effekt besteht; es könnte schlicht an unzureichender Testmacht liegen.

Anwendungsbereiche finden sich in Medizin, Qualitätssicherung, Sozialwissenschaften und anderen Feldern, in denen das Versäumnis eines realen Effekts Kosten verursachen kann. Der BetaFehler ist somit ein zentrales Konzept der Versuchplanung und der Interpretation statistischer Befunde.