Gepoolte Standardabweichung für mehrere Gruppen

Was ist die gepoolte Standardabweichung?

Die gepoolte Standardabweichung kombiniert Varianzschätzungen aus zwei oder mehr Gruppen zu einer einzigen, gewichteten Schätzung. Sie ist unverzichtbar für Zwei-Stichproben-t-Tests unter der Annahme gleicher Varianzen.

Das Konzept ist einfach: Wenn wir glauben, dass zwei Gruppen aus Populationen mit derselben zugrundeliegenden Variabilität stammen, können wir ihre Daten zusammenfassen, um eine bessere Schätzung dieser gemeinsamen Variabilität zu erhalten. Mehr Daten bedeuten eine präzisere Schätzung.

Stellen Sie es sich so vor: Wenn Sie 20 Beobachtungen aus Gruppe A und 30 aus Gruppe B haben und beide Gruppen die gleiche wahre Varianz besitzen, haben Sie nun 50 Beobachtungen zur Schätzung dieser Varianz, anstatt sie separat aus kleineren Stichproben zu schätzen.

Wann poolen

Poolen Sie Standardabweichungen nur, wenn Sie Grund zur Annahme haben, dass die zugrundeliegenden Populationsvarianzen gleich sind. Verwenden Sie den Levene-Test oder den F-Test, um diese Annahme vor dem Poolen zu überprüfen.

Die Formel der gepoolten SD

Für zwei Gruppen lautet die gepoolte Standardabweichung:

Gepoolte SD für zwei Gruppen

sp = √[((n₁-1)s₁² + (n₂-1)s₂²) / (n₁+n₂-2)]

Dabei sind n₁ und n₂ die Stichprobengrößen und s₁ und s₂ die Stichprobenstandardabweichungen.

Für k Gruppen (wie bei der ANOVA) verallgemeinert sich die Formel:

Gepoolte SD für mehrere Gruppen

sp = √[Σ(nᵢ-1)sᵢ² / Σ(nᵢ-1)]

Beachten Sie, dass die Formel (n-1)-Terme sowohl im Zähler als auch im Nenner verwendet. Diese Gewichtung stellt sicher, dass größere Stichproben mehr zur gepoolten Schätzung beitragen, was angemessen ist, da größere Stichproben zuverlässigere Varianzschätzungen liefern.

Zugrundeliegende Annahmen

Die gepoolte Standardabweichung setzt Varianzhomogenität voraus — dass alle Gruppen die gleiche Populationsvarianz teilen. Diese Annahme ist besonders kritisch, wenn:

Die Stichprobengrößen ungleich sind (besonders problematisch, wenn die größere Gruppe die kleinere Varianz hat)
Das Verhältnis von größter zu kleinster Varianz 2-3 übersteigt
Die Stichprobengrößen klein sind (große Stichproben sind robuster gegenüber Verletzungen)

Wenn Varianzen unterschiedlich sind

Bei ungleichen Varianzen verwenden Sie den Welch-t-Test statt des gepoolten t-Tests oder separate Varianzschätzungen. Der Welch-Test setzt keine gleichen Varianzen voraus und wird oft als Standardansatz empfohlen.

Rechenbeispiel

Szenario: Vergleich von Testergebnissen zwischen zwei Klassen:

Klasse A: n₁ = 25, Mittelwert = 78, s₁ = 12
Klasse B: n₂ = 30, Mittelwert = 82, s₂ = 14

Berechnung der gepoolten SD:

sp = √[((25-1)(12)² + (30-1)(14)²) / (25+30-2)] sp = √[(24×144 + 29×196) / 53] sp = √[(3456 + 5684) / 53] sp = √[9140 / 53] = √172,45 = 13,13

Die gepoolte SD von 13,13 liegt zwischen den einzelnen SDs (12 und 14), gewichtet in Richtung der größeren Stichprobe. Dieser gepoolte Wert wird dann in der t-Test-Formel oder der Berechnung von Cohens d verwendet.

Statistische Anwendungen

Unabhängiger Zwei-Stichproben-t-Test: Die gepoolte SD wird zur Berechnung des Standardfehlers der Mittelwertdifferenz verwendet.
Cohens d Effektgröße: Effektgrößen werden mit der gepoolten SD standardisiert: d = (M₁ - M₂) / sp
ANOVA: Die mittlere Fehlerquadratsumme (MSE) in der ANOVA ist im Wesentlichen eine gepoolte Varianzschätzung über alle Gruppen.
Meta-Analyse: Bei der Zusammenführung von Studien helfen gepoolte Schätzungen, Effekte über verschiedene Kontexte hinweg zu standardisieren.

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

Reading goal	What to focus on	Common mistake
Definition	What the metric is and what quantity it summarizes	Treating the formula as self-explanatory
Formula choice	Sample versus population assumptions and notation	Using n when n-1 is required or vice versa
Interpretation	Whether the result indicates concentration, spread, or risk	Calling a large value good or bad without context

Frequently Asked Questions

How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

Authoritative References

These sources define the concepts referenced most often across our articles. Bessel's correction is a sample adjustment, variance is a squared measure of spread, and standard deviation is the square root of variance expressed in the same units as the data.