Was ist die Standardabweichung?
Die Standardabweichung ist ein statistisches Maß, das die Ausprägung der Streuung (Variabilität) in einem Datensatz quantifiziert. Eine niedrige Standardabweichung zeigt an, dass die Datenpunkte dicht um den Mittelwert (Erwartungswert) liegen, während eine hohe Standardabweichung darauf hindeutet, dass die Werte über einen breiteren Bereich verstreut sind. Sie wird durch den griechischen Buchstaben σ (Sigma) für Grundgesamtheiten und s für Stichproben symbolisiert und gehört zu den grundlegendsten Konzepten der deskriptiven Statistik.
Kerndefinition
Standardabweichung der Grundgesamtheit vs. Stichprobe
Bevor Sie die Standardabweichung berechnen, müssen Sie festlegen, ob Ihre Daten eine gesamte Grundgesamtheit (Population) oder nur eine Stichprobe daraus repräsentieren. Eine Grundgesamtheit umfasst alle Mitglieder einer definierten Gruppe, während eine Stichprobe eine repräsentative Teilmenge dieser Gruppe ist. Bei der Berechnung der Standardabweichung für eine Stichprobe ist eine mathematische Korrektur nötig – die Verwendung von n - 1 (Freiheitsgrade oder df) anstelle von N –, um sicherzustellen, dass das Ergebnis ein unverzerrter Schätzer der Varianz der Grundgesamtheit ist.
Standardabweichung der Grundgesamtheit
Standardabweichung der Stichprobe
Die Formel der Standardabweichung erklärt
Die Formeln für die Standardabweichung basieren darauf, zunächst die Varianz zu berechnen und dann die Quadratwurzel zu ziehen. Dieser Wurzel-Schritt ist entscheidend, da er das Streuungsmaß wieder in die ursprünglichen Einheiten der Daten zurückführt. Die wichtigsten Komponenten sind xᵢ (der einzelne Wert), μ oder x̄ (der Mittelwert der Grundgesamtheit oder Stichprobe) sowie N oder n (die Gesamtzahl der Werte).
Standardabweichung der Grundgesamtheit
Standardabweichung der Stichprobe
Schritt-für-Schritt-Berechnungsbeispiel
Lassen Sie uns die Standardabweichung der Stichprobe für einen kleinen Datensatz von Klausurergebnissen berechnen: [4, 8, 6, 5, 3, 2, 8, 9, 2, 5]. Wenn wir der Formel Schritt für Schritt folgen, wird deutlich, wie sich die Varianz aufsummiert, bevor wir schließlich die Quadratwurzel ziehen.
Mittelwert berechnen (x̄)
Mittelwert abziehen und das Ergebnis quadrieren
Quadrierte Abweichungen summieren
Durch n - 1 teilen (Freiheitsgrade)
Die Quadratwurzel ziehen
Standardabweichung in Python berechnen
Die manuelle Berechnung der Standardabweichung ist fehleranfällig, insbesondere bei großen Datensätzen. In der Praxis nutzen Statistiker und Data Scientists Programmiersprachen wie Python, um sie mithilfe integrierter Bibliotheken sofort zu berechnen.
import statistics
data = [4, 8, 6, 5, 3, 2, 8, 9, 2, 5]
# Stichproben-Standardabweichung berechnen (Standard)
sample_sd = statistics.stdev(data)
print(f"Sample SD: {sample_sd:.2f}")
# Standardabweichung der Grundgesamtheit berechnen
pop_sd = statistics.pstdev(data)
print(f"Population SD: {pop_sd:.2f}")Die empirische Regel und die Standardabweichung
Wenn Daten einer Normalverteilung (Glockenkurve) folgen, wird die Standardabweichung äußerst aussagekräftig. Die empirische Regel, auch 68-95-99,7-Regel genannt, besagt, dass nahezu alle Daten innerhalb von drei Standardabweichungen vom Mittelwert liegen. Dies ermöglicht es Analysten, Ausreißer schnell zu identifizieren und die Wahrscheinlichkeit eines bestimmten Ereignisses abzuschätzen.
| Abstand vom Mittelwert | Anteil der Daten | Anwendung |
|---|---|---|
| ±1σ | 68,27% | Identifikation typischer, alltäglicher Werte |
| ±2σ | 95,45% | Festlegung von Konfidenzintervallen |
| ±3σ | 99,73% | Erkennung extremer Ausreißer |
Standardabweichung vs. Varianz
Varianz und Standardabweichung sind eng verwandte Streuungsmaße. Die Varianz (σ² oder s²) ist der Durchschnitt der quadrierten Abweichungen vom Mittelwert, während die Standardabweichung die Quadratwurzel der Varianz ist. Da die Varianz in quadrierten Einheiten ausgedrückt wird (z. B. Euro², Quadratzentimeter), ist sie im Kontext der Originaldaten oft schwer interpretierbar. Die Standardabweichung löst dieses Problem, indem sie das Maß wieder in die ursprünglichen Einheiten umwandelt.
Daten richtig angeben
Häufige Fehlerquellen, die es zu vermeiden gilt
Obwohl die Standardabweichung ein mächtiges Werkzeug ist, wird sie oft falsch angewendet. Eine fehlerhafte Anwendung der Formeln oder ein Missverständnis darüber, was der Wert repräsentiert, kann zu fehlerhaften Datenanalysen und falschen Schlussfolgerungen führen.
- Verwendung der Formel für die Grundgesamtheit bei einer Stichprobe: Werden bei Stichproben die Freiheitsgrade (n - 1) vergessen, wird die berechnete Streuung künstlich reduziert und die wahre Varianz der Grundgesamtheit unterschätzt.
- Anwendung auf nicht-normalverteilte Daten: Die empirische Regel gilt nur für Normalverteilungen. Bei stark schiefen Daten spiegelt die Standardabweichung die Streuung möglicherweise nicht korrekt wider.
- Verwechslung mit dem Standardfehler: Der Standardfehler (Standard Error) misst die Präzision des geschätzten Stichprobenmittelwerts, während die Standardabweichung die Streuung der zugrunde liegenden Daten selbst misst.
Vorsicht vor Ausreißern
Further Reading
Sources
References and further authoritative reading used in preparing this article.