Statistik-Glossar

Alternativhypothese

Alternative hypothesis · Gegenhypothese · Maximilian Fuchs · 24. April 2026 · 4 Min. Lesezeit

In diesem Beitrag

Was versteht man unter Alternativhypothese?
Warum ist die Alternativhypothese wichtig?
Praxisbeispiel

Was versteht man unter Alternativhypothese?

Die Alternativhypothese (kurz: H₁ oder H_A) ist eine der beiden zentralen Hypothesen im statistischen Hypothesentest. Sie beschreibt die Annahme, die gilt, wenn die Nullhypothese (H₀) abgelehnt wird. In der Regel formuliert die Alternativhypothese einen erwarteten Effekt, einen Unterschied oder einen Zusammenhang in der Grundgesamtheit.

Die Alternativhypothese kann in zwei grundlegenden Formen auftreten:

Gerichtet (einseitig): Die Hypothese gibt eine bestimmte Richtung des Effekts vor, z. B. „Gruppe A erzielt höhere Werte als Gruppe B.“ Man unterscheidet dabei eine rechtsseitige und eine linksseitige Alternativhypothese.
Ungerichtet (zweiseitig): Die Hypothese besagt lediglich, dass ein Unterschied oder Zusammenhang besteht, ohne eine Richtung festzulegen, z. B. „Gruppe A und Gruppe B unterscheiden sich.“

Formale Schreibweise (Beispiel: Mittelwertvergleich)

$H_0: \mu_1 = \mu_2 \qquad \text{vs.} \qquad H_1: \mu_1 \neq \mu_2 \quad \text{(zweiseitig)}$

Einfach erklärt Stell dir vor, du vermutest, dass eine neue Lernapps das Testergebnis von Schülerinnen und Schülern verbessert. Die Nullhypothese sagt: „Die App verändert nichts.“ Die Alternativhypothese ist deine eigentliche Vermutung: „Die App führt zu besseren Testergebnissen.“ Im Hypothesentest prüfst du letztlich, ob die Daten stark genug gegen die Nullhypothese sprechen – und damit indirekt für deine Alternativhypothese.

Warum ist die Alternativhypothese für statistische Analysen wichtig?

Die Alternativhypothese ist das eigentliche Erkenntnisziel einer statistischen Untersuchung. Sie formuliert, was du als Forscherin oder Forscher erwartest oder nachweisen möchtest. Ohne eine klar definierte Alternativhypothese lässt sich kein sinnvoller Hypothesentest durchführen.

Für die praktische Analyse hat die Wahl der Alternativhypothese direkte Konsequenzen:

Testrichtung: Eine gerichtete Alternativhypothese führt zu einem einseitigen Test, eine ungerichtete zu einem zweiseitigen Test. Das beeinflusst die Berechnung des p-Werts und damit die Entscheidung, ob H₀ abgelehnt wird.
Teststärke (Power): Ein einseitiger Test hat bei gleicher Stichprobengröße mehr statistische Power als ein zweiseitiger – sofern die Richtung des Effekts korrekt vorhergesagt wurde.
Wissenschaftliche Integrität: Die Alternativhypothese muss vor der Datenerhebung festgelegt werden. Wird sie nachträglich an die Daten angepasst, spricht man von HARKing (Hypothesizing After Results are Known) – ein schwerwiegender methodischer Fehler.

Häufiger Fehler Viele verwechseln Nullhypothese und Alternativhypothese oder formulieren die Alternativhypothese zu vage. Die Alternativhypothese sollte immer eine konkrete, inhaltlich begründete Aussage über den erwarteten Effekt oder Zusammenhang machen – nicht einfach das Gegenteil der Nullhypothese ohne inhaltliche Basis.

Gut zu wissen Statistisch gesehen kann ein Hypothesentest die Alternativhypothese niemals direkt „beweisen“. Ein signifikantes Ergebnis bedeutet nur, dass die Daten unwahrscheinlich unter der Nullhypothese sind – nicht, dass die Alternativhypothese wahr ist.

Praxisbeispiel zu Alternativhypothese

Angenommen, eine Psychologiestudierende untersucht in ihrer Bachelorarbeit, ob Studierende, die regelmäßig Sport treiben, niedrigere Stresswerte aufweisen als Studierende, die keinen Sport treiben.

Sie formuliert die Hypothesen wie folgt:

Tabelle 1. Beispielhafte Hypothesenformulierung im Gruppenvergleich
Hypothese	Formale Schreibweise	Inhaltliche Aussage
Nullhypothese (H₀)	μ_Sport ≥ μ_{kein Sport}	Sportliche Studierende haben gleich hohe oder höhere Stresswerte.
Alternativhypothese (H₁)	μ_Sport < μ_{kein Sport}	Sportliche Studierende haben niedrigere Stresswerte.

Da die Studierende eine klare Richtung erwartet (geringerer Stress durch Sport), wählt sie eine gerichtete Alternativhypothese und führt entsprechend einen einseitigen t-Test durch. Ergibt der Test einen p-Wert unterhalb des festgelegten Signifikanzniveaus (z. B. α = 0,05), wird die Nullhypothese abgelehnt – die Daten sprechen dann für die Alternativhypothese.