Falsch-Negative
Ergebnisse, die einen tatsächlich vorhandenen Effekt nicht erkennen.
Ergebnis eines statistischen Tests, der einen tatsächlichen Effekt nicht erkennt und fälschlicherweise zu dem Schluss kommt, dass kein signifikanter Unterschied zwischen zwei Varianten besteht, obwohl einer vorhanden ist. Im Kontext von CRO und A/B testing kann ein falsch negatives Ergebnis dazu führen, dass eine eigentlich leistungsstarke Variante verworfen wird, nur weil dem Test die statistische Aussagekraft fehlte (z. B. zu kleine Stichprobe, zu kurze Laufzeit, zu niedriger MDE).
Falsch-Negative werden oft den Falsch-Positiven gegenübergestellt, die fälschlicherweise anzeigen, dass ein Effekt signifikant ist, obwohl er es nicht ist. Das Gleichgewicht zwischen diesen beiden Fehlerarten hängt von den gewählten statistischen Parametern ab (Konfidenzniveau, Teststärke) und muss sorgfältig austariert werden, um fehlerhafte Entscheidungen bei Optimierungstests zu vermeiden.
Autres termes : Statistiques
Gesamtes Glossar ansehen- Frequentist-Ansatz (A/B-Test)Ein statistischer Ansatz, der die Parameter des Modells ausschließlich auf Basis der beobachteten Daten schätzt, ohne Vorabinformationen zu verwenden.Statistiques
- Bayesian (A/B test)Ein statistischer Ansatz, der Wahrscheinlichkeit nutzt, um die Unsicherheit über Modellparameter darzustellen.Statistiques
- Statistische KonfidenzGrad der Sicherheit, den man bei den Ergebnissen eines statistischen Tests hat.Statistiques
- Falsch-positive ErgebnisseErgebnisse, die fälschlicherweise anzeigen, dass ein Effekt vorhanden ist, obwohl dies nicht der Fall ist.Statistiques
- Mann-Whitney U TestEin nicht-parametrischer Test, der verwendet wird, um zwei unabhängige Stichproben zu vergleichen und festzustellen, ob sie aus derselben Verteilung stammen.Statistiques
- MDE (Minimum Detectable Effect)Der kleinste Unterschied, der – sofern vorhanden – in einem statistischen Test zuverlässig erkannt werden kann.Statistiques