Liegt eine Menge vergleichbarer Objekte vor, etwa Noten einer Klassenarbeit, und will man eine Aussage über ihre Einheitlichkeit machen, so sind die wichtigsten Maßzahlen die Anzahl der Noten, der Mittelwert und die Standardabweichung.
Letztere ist eine Maßzahl der Streuung. Wird in der Statistik eine Auswertung über eine Menge von Werten benötigt, gibt die Standardabweichung ein sinnvolles Maß für die Streuung um den Mittelwert an.
Sie heißt auch mittlerer Fehler oder r.m.s. error (root mean square). Als mathematisches Zeichen sind σ , s , m.F. oder englisch rms üblich. Oft nennt man den mittleren Fehler auch Plus/minus (±) und schreibt ihn direkt hinter den Mittel- bzw. Durchschnittswert. Letzterer wird oft mit MW oder Ø abgekürzt.
16% der Tanzschüler jünger als 16,3 Jahre sind (davon 2-3% unter 15 Jahre) und
16% älter als 18,7 Jahre (davon 2-3% über 19,9 Jahre) sind.
Unser Beispiel hat jedoch kaum Normalverteilung => vermutlich sind von den Kursteilnehmern mehr als 2,5% älter als 20 Jahre.
Werte außerhalb der zwei- bis dreifachen Standardabweichung nennt man Ausreißer; sie deuten häufig auf grobe Fehler der Datenerfassung hin.
Mittlerer Fehler, Streuung und Varianz
Die Standardabweichung (m. F.) ist die Quadratwurzel einer anderen Streuungsmaßzahl, der Varianz. Sie hat gegenüber dieser den Vorteil, dass sie die gleiche Einheit hat wie die ursprünglichen Messwerte.
Wenn die Zahl der Kinder in einem Haushalt untersucht wird, so ist die Einheit der Varianz ein Quadratkind, die Einheit der Standardabweichung aber wieder ein Kind.
Mathematische Definition der Standardabweichung
Dabei ist
Σ
die Standardabweichung
μ
der Erwartungswert (Mittelwert)
N
der Umfang der Grundgesamtheit (Anzahl der Werte)
xi
die Merkmalsausprägungen am
i-ten Element der Grundgesamtheit (dasi-te Element in der Menge der Werte)
Die Standardabweichung
Σ
der Grundgesamtheit kann aus einer Stichprobe auf verschiedene Weise geschätzt werden.
Gebräuchliche Formel zur Schätzung der Standardabweichung aus einer Stichprobe
Diese Formel ist eine Schätzung, die durch keine besondere Eigenschaft ausgezeichnet ist. Sie ist weder erwartungstreu noch eine Maximum-Likelihood-Schätzung für die Standardabweichung. Trotzdem ist sie weit verbreitet.
Dabei ist
s
die Schätzung für die Standardabweichung
Xi
die Merkmalsausprägung am
i-ten Element der Stichprobe
das arithmetische Mittelwert der Stichprobe (und damit die erwartungstreue Schätzung für den Erwartungswert).
n
der Stichprobenumfang
Man hat bei einer Stichprobe fünf Werte gemessen: 3, 4, 5, 6, 7
Man soll nun die Schätzung für die Standardabweichung errechnen.
Mit Hilfe einer Arbeitstabelle kann die Summe der quadrierten Abweichungen vom Stichprobenmittelwert mit dem Wert 10 berechnet werden.
Um eine erwartungstreue Schätzung für die Varianz zu erhalten, teilt man diese Summe durch die Zahl der Messwerte n weniger 1.
Das ergibt die Schätzung für die Varianz 10/4 = 2,5
Daraus nimmt man die Quadratwurzel:
Das ergibt die gebräuchliche Schätzung für die Standardabweichung von ca. 1,581.
Praktische Tipps
Um die Standardabweichung einer Messreihe mit der Hand zu errechnen, braucht man viel Zeit.
sucht man jenes Sechstel der Werte, die am kleinsten bzw. am größten sind. Die Standardabweichung ist dann die halbe Differenz der beiden Grenzwerte.
Erwartungstreue Schätzung der Standardabweichung aus einer Stichprobe
mit Bezeichnungen wie oben.
Der Korrekturfaktor ist in diesem Fall
und die erwartungstreue Schätzung für die Standardabweichung ist damit näherungsweise 1,064.
Korrekturfaktoren für die erwartungstreue Schätzung der Standardabweichung
Stichprobenumfang
Korrekturfaktor
2
1,253314
5
1,063846
10
1,028109
15
1,018002
Maximum-Likelihood-Schätzung für die Standardabweichung einer Normalverteilung
Die eindimensionale Normalverteilung kann unter anderem so dargestellt werden, dass die Standardabweichung ein Parameter der Verteilung ist.
Bei dieser Schätzung kann die Eigenschaft der Maximum-Likelihood-Schätzung genutzt werden, dass eine monotone Transformation einer Maximum-Likelihood-Schätzung eine Maximum-Likelihood-Schätzung für die monotone Transformation des geschätzten Parameters ist. Das bedeutet, dass die Quadratwurzel einer Maximum-Likelihood-Schätzung eines Parameters, der nur positiv sein kann, eine Maximum-Likelihood-Schätzung für die Quadratwurzel dieses Parameters ist.
Diese Schätzung ist eine Maximum-Likelihood-Schätzung für einen Parameter der Normalverteilung oder für eine Transformation dieses Parameters. Sie ist nicht auf die Schätzung der Standardabweichung einer beliebigen Verteilung zu übertragen.
Die Maximum-Likelihood-Schätzung für die Standardabweichung einer Poisson-Verteilung ist beispielsweise die Quadratwurzel aus dem arithmetischen Mittel.
Als Maximum-Likelihood-Schätzung für die Standardabweichung aus der Stichprobe {3, 4, 5, 6, 7} erhält man also
Beispiele
Das aus der Varianz bekannte Würfelbeispiel hier für die Standardabweichung:
Die Standardabweichung beim 500-maligen Würfeln und der Zufallsgröße X: Anzahl der Einsen
Dieser Beitrag ist aus der XML-Version der deutschen WikiPedia® entwickelt worden und unterliegt inhaltlich den GNU FDL-Lizenzbestimmungen. Linkziele außerhalb der wikipedia-Inhalte unterliegen den Urheberrechten der jeweiligen Anbieter
( DirectDownloads ) Kalenderblätter druckfertig aufbereitet für Schmuckblätter zum Selbstdrucken im Word DOC6/RTF Format, je Euro 5 über Click&BuyJAN | FEB | MÄRZ APRIL | MAI | JUNI JULI | AUG | SEPT OKT | NOV | DEZ
Das Geschenk für jeden Anlass, nicht nur bei 'runden' Jubiläen Andere Einzeltage oder Zahlungsarten bitte HIER bestellen
Diese Web Site verdient ihr Geld durch Produktverkäufe (CD-ROM, downloads) und in erster Linie durch Anzeigen. Wenn Sie als Webmaster zuverlässige Partner suchen für Ihr eigenes Anzeigenschäft, dürfen Sie sich gerne auf unsere Empfehlungen stützen:
z.B.: GigaCash & ProfiWin
