Was ist die Standardabweichung?
Die Standardabweichung quantifiziert die Streuung eines Datensatzes in Bezug auf seinen Mittelwert. Eine niedrige Standardabweichung zeigt an, dass die Datenpunkte eng um den Mittelwert gruppiert sind. Eine hohe Standardabweichung bedeutet, dass sich die Datenpunkte über einen weiten Bereich verteilen.
Analysten verwenden diese Metrik, um Volatilität, Risiko und Konsistenz zu messen. In der Finanzwelt erlebt eine Aktie mit hoher Standardabweichung erhebliche Preisschwankungen. In der Fertigung weist eine niedrige Standardabweichung auf strenge Qualitätskontrolle und konsistente Produktabmessungen hin.
Standardabweichung der Population vs. Stichprobe
Die Berechnung der Standardabweichung erfordert einen präzisen zentralen Referenzpunkt. Sie müssen zuerst den Mittelwert Ihres Datensatzes bestimmen, bevor Sie seine Streuung messen können. Unser Mittelwert Rechner liefert den exakten zentralen Wert, der für diesen grundlegenden Schritt erforderlich ist.
Die mathematische Formel ändert sich, je nachdem, ob Ihre Daten eine gesamte Population oder eine Teilmenge darstellen. Die Verwendung der falschen Formel führt zu einer systematischen Verzerrung in Ihrer statistischen Analyse.
| Merkmal | Standardabweichung der Population ($\sigma$) | Standardabweichung der Stichprobe ($s$) |
|---|---|---|
| Definition | Misst die Streuung einer gesamten Gruppe. | Misst die Streuung einer Teilmenge (Stichprobe). |
| Nenner | Teilt durch $N$ (Gesamtgröße der Population). | Teilt durch $n - 1$ (Bessel-Korrektur). |
| Anwendungsfall | Volkszählungsdaten, vollständige Datensätze. | Umfragen, Experimente, schließende Statistik. |
Formeln für die Standardabweichung
Die mathematische Notation ändert sich, je nachdem, ob Sie die Streuung für eine gesamte Population oder eine Stichprobe berechnen. Beide Formeln basieren auf dem Summenoperator, der durch den griechischen Großbuchstaben Sigma ($\sum$) gekennzeichnet ist.
Formel für die Standardabweichung der Population
Wenn Sie Daten für jedes einzelne Mitglied der Population besitzen, lautet die Formel:
Wobei:
- $\sigma$ = Standardabweichung der Population
- $\mu$ = Mittelwert der Population
- $x_i$ = jeder einzelne Datenwert
- $N$ = Gesamtzahl der Werte in der Population
Formel für die Standardabweichung der Stichprobe
Wenn Sie mit einer Stichprobe arbeiten, die aus einer größeren Population gezogen wurde, lautet die Formel:
Wobei:
- $s$ = Standardabweichung der Stichprobe
- $\bar{x}$ = Mittelwert der Stichprobe
- $x_i$ = jeder einzelne Datenwert
- $n - 1$ = Freiheitsgrade (Bessel-Korrektur)
Die Kurzformeln (Berechnungsformeln)
Die Berechnungsformel bietet eine schnellere Alternative bei der Arbeit mit Zusammenfassungsstatistiken. Sie eliminiert die Notwendigkeit, individuelle Abweichungen vom Mittelwert zu berechnen. Diese Methode ist höchst praktisch für große Datensätze oder manuelle Berechnungen.
Kurzformel für die Population:
Kurzformel für die Stichprobe:
Manuelle Berechnung der Standardabweichung
Die manuelle Berechnung folgt einem strengen Sechs-Schritte-Prozess. Obwohl unser Rechner dies automatisiert, bleibt das Verständnis der Mechanik für die statistische Grundbildung unerlässlich. Die folgenden Beispiele demonstrieren beide Methoden im Detail.
Standardabweichung der Stichprobe
Ein Pharmaforscher zeichnet die Genesungszeiten (in Tagen) von 8 Patienten auf, die ein neues Medikament einnehmen. Der Datensatz lautet: $12, 15, 14, 18, 13, 16, 14, 17$. Wir behandeln dies als eine aus einer größeren Population von allen potenziellen Patienten gezogene Stichprobe.
Lösung
- Berechnen Sie den Stichprobenmittelwert ($\bar{x}$): Summieren Sie die Werte ($119$) und teilen Sie durch $n$ ($8$). $\bar{x} = 14,875$ Tage.
- Finden Sie die Abweichungen vom Mittelwert: Subtrahieren Sie $14,875$ von jedem Wert (z. B. $12 - 14,875 = -2,875$).
- Quadrieren Sie jede Abweichung: Multiplizieren Sie jede Abweichung mit sich selbst (z. B. $(-2,875)^2 = 8,265625$).
- Summieren Sie die quadrierten Abweichungen: Addieren Sie alle quadrierten Werte zusammen. $\sum (x_i - \bar{x})^2 = 28,875$.
- Teilen Sie durch $n-1$, um die Stichprobenvarianz ($s^2$) zu erhalten: $28,875 \div 7 = 4,125$.
- Ziehen Sie die Quadratwurzel: $\sqrt{4,125} \approx 2,031$.
Ergebnis: Die Standardabweichung der Stichprobe beträgt 2,031 Tage. Dies zeigt, dass die Genesungszeiten der Patienten im Durchschnitt um etwa 2,031 Tage vom mittleren Genesungswert von 14,875 Tagen abweichen.
Die folgende Tabelle detailliert die Abweichungsberechnungen für diese Stichprobe:
| Beobachtung ($x_i$) | Abweichung ($x_i - \bar{x}$) | Quadrierte Abweichung $(x_i - \bar{x})^2$ |
|---|---|---|
| 12 | -2,875 | 8,266 |
| 15 | 0,125 | 0,016 |
| 14 | -0,875 | 0,766 |
| 18 | 3,125 | 9,766 |
| 13 | -1,875 | 3,516 |
| 16 | 1,125 | 1,266 |
| 14 | -0,875 | 0,766 |
| 17 | 2,125 | 4,516 |
| Summe: | 28,875 | |
Standardabweichung der Population
Ein Lehrer zeichnet die Abschlussnoten aller 10 Schüler in einer kleinen Klasse auf. Der Datensatz lautet: $78, 82, 85, 90, 92, 88, 84, 86, 91, 89$. Da dies jeden Schüler in der Klasse umfasst, behandeln wir es als eine vollständige Population.
Lösung
- Berechnen Sie den Populationsmittelwert ($\mu$): Summieren Sie die Werte ($865$) und teilen Sie durch $N$ ($10$). $\mu = 86,5$ Punkte.
- Finden Sie die Abweichungen vom Mittelwert: Subtrahieren Sie $86,5$ von jedem Wert (z. B. $78 - 86,5 = -8,5$).
- Quadrieren Sie jede Abweichung: Multiplizieren Sie jede Abweichung mit sich selbst (z. B. $(-8,5)^2 = 72,25$).
- Summieren Sie die quadrierten Abweichungen: Addieren Sie alle quadrierten Werte zusammen. $\sum (x_i - \mu)^2 = 198,5$.
- Teilen Sie durch $N$, um die Populationsvarianz ($\sigma^2$) zu erhalten: $198,5 \div 10 = 19,85$.
- Ziehen Sie die Quadratwurzel: $\sqrt{19,85} \approx 4,455$.
Ergebnis: Die Standardabweichung der Population beträgt 4,455 Punkte. Dies zeigt, dass die Schülernoten typischerweise um etwa 4,455 Punkte vom Klassendurchschnitt von 86,5 Punkten abweichen.
Die folgende Tabelle detailliert die Abweichungsberechnungen für diese Population:
| Beobachtung ($x_i$) | Abweichung ($x_i - \mu$) | Quadrierte Abweichung $(x_i - \mu)^2$ |
|---|---|---|
| 78 | -8,5 | 72,25 |
| 82 | -4,5 | 20,25 |
| 85 | -1,5 | 2,25 |
| 90 | 3,5 | 12,25 |
| 92 | 5,5 | 30,25 |
| 88 | 1,5 | 2,25 |
| 84 | -2,5 | 6,25 |
| 86 | -0,5 | 0,25 |
| 91 | 4,5 | 20,25 |
| 89 | 2,5 | 6,25 |
| Summe: | 198,50 | |
Berechnung mit der Kurzformel
Ein Qualitätskontrolleur misst den Durchmesser von 5 Metallstangen in Millimetern. Der Datensatz lautet: $10,1, 9,9, 10,0, 10,2, 9,8$. Wir verwenden die Stichproben-Kurzformel, um die Berechnung individueller Abweichungen zu vermeiden.
Lösung
- Berechnen Sie die Summe der Werte ($\sum x_i$): $10,1 + 9,9 + 10,0 + 10,2 + 9,8 = 50,0$.
- Berechnen Sie den Stichprobenmittelwert ($\bar{x}$): $50,0 \div 5 = 10,0$ mm.
- Berechnen Sie die Summe der quadrierten Werte ($\sum x_i^2$): $10,1^2 + 9,9^2 + 10,0^2 + 10,2^2 + 9,8^2 = 102,01 + 98,01 + 100,00 + 104,04 + 96,04 = 500,10$.
- Wenden Sie die Stichproben-Kurzformel an: $s = \sqrt{\frac{500,10 - 5(10,0)^2}{5-1}}$.
- Vereinfachen Sie den Zähler: $500,10 - 5(100) = 500,10 - 500 = 0,10$.
- Teilen und ziehen Sie die Quadratwurzel: $s = \sqrt{\frac{0,10}{4}} = \sqrt{0,025} \approx 0,158$.
Ergebnis: Die Standardabweichung der Stichprobe beträgt 0,158 mm. Die Kurzformel hat erfolgreich die mühsame Subtraktion und Quadrierung individueller Abweichungen umgangen.
Vergleich der Konsistenz: Ein Doppel-Datensatz-Beispiel
Eine Fabrik betreibt zwei Maschinen, die 1-Liter-Flaschen abfüllen. Maschine A produziert Volumina von: $998, 1002, 1000, 1001, 999$ ml. Maschine B produziert Volumina von: $990, 1010, 1005, 995, 1000$ ml. Beide Maschinen haben einen identischen Mittelwert von 1000 ml, aber ihre Konsistenz unterscheidet sich drastisch.
Lösung
- Analysieren Sie Maschine A: Die Abweichungen vom Mittelwert sind sehr klein ($-2, 2, 0, 1, -1$). Die Summe der quadrierten Abweichungen beträgt nur 10. Die Division durch $n-1$ (4) ergibt eine Varianz von 2,5. Die Standardabweichung ist $\sqrt{2,5} \approx 1,58$ ml.
- Analysieren Sie Maschine B: Die Abweichungen sind viel größer ($-10, 10, 5, -5, 0$). Die Summe der quadrierten Abweichungen beträgt 250. Die Division durch 4 ergibt eine Varianz von 62,5. Die Standardabweichung ist $\sqrt{62,5} \approx 7,91$ ml.
Ergebnis: Maschine A hat eine Standardabweichung von 1,58 ml, während Maschine B eine Standardabweichung von 7,91 ml hat. Obwohl beide Maschinen durchschnittlich das 1000-ml-Ziel treffen, ist Maschine A für die Fertigung weitaus konsistenter und zuverlässiger.
Standardabweichung vs. Varianz und Spannweite
Varianz und Standardabweichung messen dasselbe Konzept, verwenden jedoch unterschiedliche Einheiten. Die Varianz repräsentiert die durchschnittliche quadrierte Abweichung, was die ursprüngliche Messskala verzerrt. Das Ziehen der Quadratwurzel aus der Varianz bringt die Standardabweichung auf die ursprünglichen Einheiten des Datensatzes zurück.
Die Spannweite bietet ein viel einfacheres Maß für die Streuung. Sie subtrahiert den Minimalwert vom Maximalwert. Die Spannweite verwendet jedoch nur zwei Datenpunkte, was sie höchst anfällig für Ausreißer macht.
Die Standardabweichung bezieht jeden einzelnen Datenpunkt ein und bietet ein weitaus robusteres Maß für die Streuung. Betrachten Sie einen Datensatz von Testnoten: $70, 80, 90$. Die Spannweite ist $90 - 70 = 20$. Die Varianz ist $100$. Die Standardabweichung ist $\sqrt{100} = 10$. Während die Spannweite die totale Streuung angibt, zeigt die Standardabweichung die typische Distanz jeder Note zum Mittelwert von 80.
Unser Varianz Rechner und Spannweite Rechner helfen Ihnen, diese alternativen Streuungsmetriken schnell zu berechnen.
Die empirische Regel der Standardabweichung
Die empirische Regel, auch bekannt als 68-95-99,7-Regel, besagt, dass bei einer Normalverteilung fast alle Daten innerhalb von drei Standardabweichungen vom Mittelwert liegen.
- 68 % der Daten fallen innerhalb einer Standardabweichung (oberhalb und unterhalb) des Mittelwerts.
- 95 % der Daten fallen innerhalb von zwei Standardabweichungen vom Mittelwert.
- 99,7 % der Daten fallen innerhalb von drei Standardabweichungen vom Mittelwert.
Wie es funktioniert
- Mittelwert ($\mu$): Der Durchschnitt oder Mittelpunkt der Daten.
- Standardabweichung ($\sigma$): Ein Maß dafür, wie weit sich die Datenpunkte von der Mitte ausbreiten.
Praktisches Beispiel
Angenommen, die Höhen einer bestimmten Pflanzenart sind normalverteilt mit einem Mittelwert ($\mu$) von 150 cm und einer Standardabweichung ($\sigma$) von 10 cm.
- Eine Standardabweichung: $150 \pm 10$ cm. Ungefähr 68 % der Pflanzen sind zwischen 140 cm und 160 cm groß.
- Zwei Standardabweichungen: $150 \pm 20$ cm. Ungefähr 95 % der Pflanzen sind zwischen 130 cm und 170 cm groß.
- Drei Standardabweichungen: $150 \pm 30$ cm. Ungefähr 99,7 % der Pflanzen sind zwischen 120 cm und 180 cm groß.
Diese Regel ermöglicht es Forschern, Wahrscheinlichkeiten schnell zu schätzen und Ausreißer ohne komplexe Berechnungen zu identifizieren.
Der Variationskoeffizient (CV) ermöglicht es Ihnen, die Volatilität von zwei völlig unterschiedlichen Datensätzen zu vergleichen. Sie berechnen ihn, indem Sie die Standardabweichung durch den Mittelwert teilen und mit 100 multiplizieren. Ein höherer CV zeigt eine größere relative Variabilität an, unabhängig von der absoluten Skala der Daten.
Extreme Ausreißer blähen die Standardabweichung drastisch auf. Da die Formel die Abweichungen quadriert, übt ein einzelner extremer Wert einen massiven mathematischen Einfluss auf das Endergebnis aus. Wenn Ihre Standardabweichung aufgrund von Ausreißern hoch ist, bietet der Median Rechner oft ein zuverlässigeres Maß für die zentrale Tendenz.
Mathematische Eigenschaften der Standardabweichung
Die Standardabweichung zeigt ein vorhersagbares Verhalten unter spezifischen mathematischen Transformationen:
- Addieren oder Subtrahieren einer Konstante: Wenn Sie zu jedem Datenpunkt in einem Datensatz einen konstanten Wert addieren oder subtrahieren, bleibt die Standardabweichung vollständig unverändert. Die Daten verschieben sich auf der Zahlenlinie, aber der relative Abstand zwischen den Punkten bleibt exakt gleich.
- Multiplizieren oder Dividieren mit einer Konstante: Wenn Sie jeden Datenpunkt mit einer Konstante $c$ multiplizieren oder dividieren, skaliert die Standardabweichung um den absoluten Wert dieser Konstante ($|c|$). Wenn Sie beispielsweise jeden Wert in Ihrem Datensatz verdoppeln, verdoppelt sich auch die Standardabweichung exakt.
- Nicht-Negativität: Die Standardabweichung ist immer größer oder gleich null. Sie kann nur dann null sein, wenn jeder Wert im Datensatz identisch ist.
Standardabweichung und Z-Werte
Der Z-Wert stellt eine direkte, praktische Beziehung zwischen einzelnen Datenpunkten und der Standardabweichung her. Er standardisiert Ihre Daten, indem er genau angibt, wie viele Standardabweichungen ein spezifischer Wert über oder unter dem Mittelwert liegt.
Wobei:
- $Z$ = Z-Wert (Standardwert)
- $x$ = einzelner Datenwert
- $\mu$ = Mittelwert der Population
- $\sigma$ = Standardabweichung der Population
Praktisches Beispiel
Ein Schüler erzielt 92 Punkte in einem Mathematiktest. Der Klassendurchschnitt ($\mu$) beträgt 80, und die Standardabweichung ($\sigma$) beträgt 6. Wir möchten den Z-Wert des Schülers ermitteln, um seine relative Leistung zu verstehen.
| Schritt | Berechnung | Ergebnis |
|---|---|---|
| 1. Abweichung finden | $x - \mu = 92 - 80$ | 12 |
| 2. Durch Standardabweichung teilen | $Z = \frac{12}{6}$ | 2,0 |
Ergebnis: Der Z-Wert des Schülers beträgt 2,0. Dies bedeutet, dass seine Note genau zwei Standardabweichungen über dem Klassendurchschnitt liegt, was ihn gemäß der empirischen Regel in die oberen 2,5 % der Klasse einordnet.
Diese Metrik überbrückt die Lücke zwischen deskriptiver und schließender Statistik. Durch die Umwandlung von Rohdaten in Z-Werte können Sie Werte aus völlig unterschiedlichen Datensätzen leicht vergleichen oder präzise Wahrscheinlichkeiten berechnen. Verwenden Sie unseren Z-Wert Rechner, um die standardisierte Position eines beliebigen Datenpunkts innerhalb Ihrer Verteilung zu bestimmen.
Häufig gestellte Fragen
Was bedeutet eine Standardabweichung von 0?
Eine Standardabweichung von null bedeutet, dass jeder einzelne Wert in Ihrem Datensatz identisch ist. Es gibt absolut keine Streuung oder Variabilität in den Daten. Jeder Datenpunkt entspricht exakt dem Mittelwert.
Kann die Standardabweichung negativ sein?
Nein, die Standardabweichung kann nicht negativ sein. Die Berechnung beinhaltet das Quadrieren der Abweichungen, was immer positive Zahlen erzeugt. Der letzte Schritt zieht die principale (positive) Quadratwurzel aus der Varianz.
Warum teilen wir bei der Standardabweichung der Stichprobe durch $n-1$?
Das Teilen durch $n-1$ wendet die Bessel-Korrektur an. Diese Anpassung kompensiert die Tatsache, dass eine Stichprobe die wahre Variabilität der gesamten Population unterschätzt. Sie liefert einen unverzerrten Schätzwert der Populationsvarianz.
Wie hängt die Standardabweichung mit dem Mittelwert zusammen?
Die Standardabweichung misst die durchschnittliche Distanz der Datenpunkte vom Mittelwert. Der Mittelwert etabliert den zentralen Referenzpunkt. Ohne zuerst den Mittelwert zu berechnen, können Sie die Standardabweichung nicht bestimmen.
Was ist der Unterschied zwischen Standardabweichung und Varianz?
Die Varianz misst die durchschnittliche quadrierte Abweichung vom Mittelwert. Die Standardabweichung ist die Quadratwurzel der Varianz. Die Standardabweichung wird für die Interpretation bevorzugt, da sie zu den ursprünglichen Einheiten der Daten zurückkehrt.
Wann sollte ich die Standardabweichung der Population vs. der Stichprobe verwenden?
Verwenden Sie die Standardabweichung der Population, wenn Ihre Daten jedes Mitglied der von Ihnen untersuchten Gruppe umfassen. Verwenden Sie die Standardabweichung der Stichprobe, wenn Ihre Daten eine Teilmenge darstellen, die aus einer größeren Gruppe gezogen wurde, und Sie Rückschlüsse auf diese größere Gruppe ziehen möchten.
Wie beeinflussen Ausreißer die Standardabweichung?
Ausreißer blähen die Standardabweichung erheblich auf. Die Formel quadriert die Distanz vom Mittelwert, was bedeutet, dass extreme Werte einen unverhältnismäßig großen mathematischen Einfluss auf das Endergebnis ausüben.
Was ist eine "gute" Standardabweichung?
Eine "gute" Standardabweichung hängt vollständig von Ihrem Kontext und Ihrer Risikotoleranz ab. In der Fertigung ist eine niedrige Standardabweichung ideal für die Qualitätskontrolle. In Anlageportfolios könnte eine höhere Standardabweichung akzeptabel sein, wenn sie mit höheren erwarteten Renditen einhergeht.
Quellen für weiterführende Literatur
- MIT OpenCourseWare: 18.05 Einführung in Wahrscheinlichkeit und Statistik: Zusammenfassende Statistiken – Strenge akademische Materialien zur Messung der Streuung vom Massachusetts Institute of Technology.
- NIST/SEMATECH e-Handbuch: Maße der Skala: Standardabweichung und Varianz – Der definitive Regierungsstandard für statistische Ingenieurwesen- und Datenanalysemethoden.
- Khan Academy (Deutsch): Überprüfung der Populations- und Stichproben-Standardabweichung – Ausgezeichnete fundamentale Erklärungen und interaktive Übungsaufgaben zum Verständnis der Streuung.
- Destatis (Statistisches Bundesamt): Methoden und Qualitätsstandards – Offizielle staatliche Methodik und Standards zur Messung von Variabilität und Streuung in großen demografischen Datensätzen.