Standardabweichung berechnen: Streuung für Stichprobe und Population

Der Rechner zeigt Mittelwert, Varianz, Standardabweichung und die Anzahl der eingegebenen Werte an, und zwar getrennt nach Grundgesamtheit und Stichprobe.

Die Standardabweichung beschreibt, wie weit Beobachtungen typischerweise vom Mittelwert entfernt liegen, gemessen in der gleichen Einheit wie Ihre Daten. Je größer dieser Wert ist, desto unruhiger oder heterogener ist die Datenreihe.

Ein kleiner Wert bedeutet, dass die Messungen eng um den Mittelwert konzentriert sind und die Verteilung homogen verläuft.

Zusammen mit dem Mittelwert ergibt die Standardabweichung eine vollständige Grundbeschreibung der Datenverteilung und dient als Basis für weitere statistische Auswertungen wie die Prüfung auf Normalverteilung, die 68-95-99,7-Regel oder die Berechnung von Konfidenzintervallen.

So lässt sich aus zwei Kennzahlen, Mittelwert und Standardabweichung, bereits ein aussagekräftiges Bild der gesamten Messreihe gewinnen, ohne jeden Einzelwert betrachten zu müssen.

Bei Tagestemperaturen mit einem Mittelwert von 15 °C und einer Standardabweichung von 3 °C schließt die 68-Prozent-Regel, dass rund zwei Drittel aller Tage zwischen 12 und 18 °C lagen.

Grundgesamtheit ist korrekt, wenn alle relevanten Werte vollständig vorliegen, etwa die Noten einer gesamten Klasse oder alle Messwerte einer abgeschlossenen Produktionsserie.

Stichprobe ist korrekt, wenn Ihre Liste nur ein Ausschnitt einer größeren Menge ist, etwa eine Umfrage mit 100 von 10.000 Kunden oder ein paar Füllmengen aus einer laufenden Konservenproduktion.

Bei der Stichprobe nutzt der Rechner die Bessel-Korrektur und teilt bei der Varianz durch n−1 statt durch n.

Diese Korrektur verhindert eine systematische Unterschätzung der Streuung in der Gesamtpopulation, weil eine Stichprobe die tatsächliche Varianz tendenziell unterschätzt.

Der Unterschied wirkt sich vor allem bei kleinen Datenmengen spürbar aus: Bei nur fünf Werten verändert der Wechsel von n auf n−1 das Ergebnis deutlich, während er bei mehreren tausend Werten kaum noch ins Gewicht fällt.

Wählen Sie also bewusst, ob Ihre Liste die gesamte Menge oder nur einen Auszug abbildet, denn diese Entscheidung bestimmt die Formel.

Zuerst wird der arithmetische Mittelwert aller Einträge berechnet, also die Summe geteilt durch die Anzahl der Werte. Dann werden die Abweichungen jedes einzelnen Werts vom Mittelwert bestimmt, quadriert und aufsummiert.

Für die Grundgesamtheit wird diese Summe durch n geteilt, für die Stichprobe durch n−1 (Bessel-Korrektur). Das Ergebnis ist die Varianz, ausgedrückt in einer quadrierten Einheit.

Aus dieser Varianz zieht der Rechner anschließend die Quadratwurzel, und das Ergebnis ist die Standardabweichung in der Originaleinheit.

Diese Rückführung in die Ausgangseinheit ist der entscheidende Vorteil der Standardabweichung gegenüber der Varianz bei der praktischen Interpretation.

Ein kurzes Beispiel: Bei den Werten 2, 4 und 6 ist der Mittelwert 4, die quadrierten Abweichungen sind 4, 0 und 4, summiert ergibt das 8, geteilt durch n gleich 3 ergibt eine Varianz von etwa 2,67 und damit eine Standardabweichung von rund 1,63.

Eine niedrige Standardabweichung bedeutet, dass die Messwerte eng um den Mittelwert konzentriert sind und die Verteilung homogen ist.

Eine hohe Standardabweichung zeigt breite Schwankungen oder starke Unterschiede innerhalb der Daten und deutet auf eine heterogene Reihe hin.

Belastbar wird diese Interpretation erst zusammen mit dem Mittelwert, der Datengröße und dem fachlichen Kontext.

Ein Wert von 5 Euro Standardabweichung bei einem Mittelwert von 10 Euro bedeutet etwas anderes als bei einem Mittelwert von 1.000 Euro, weil die Streuung im ersten Fall die Hälfte des Mittelwerts ausmacht und im zweiten Fall nur ein halbes Prozent.

Deshalb wird häufig zusätzlich der Variationskoeffizient berechnet, der die Standardabweichung ins Verhältnis zum Mittelwert setzt.

Bei annähernder Normalverteilung hilft außerdem die 68-95-99,7-Regel: Etwa 68 Prozent der Werte liegen innerhalb einer Standardabweichung um den Mittelwert, rund 95 Prozent innerhalb von zwei und etwa 99,7 Prozent innerhalb von drei Standardabweichungen.

Die relative Standardabweichung, auch Variationskoeffizient (VarK, englisch CV) genannt, ist die Standardabweichung geteilt durch den Mittelwert und wird meist als Prozentwert angegeben: CV = (s ÷ x̄) × 100 %.

Für die acht Klausurpunktzahlen 75, 60, 90, 80, 70, 85, 65 und 95 liefert der Rechner einen Mittelwert von 77,5 und eine Standardabweichung von 12,2474, woraus sich ein Variationskoeffizient von rund 15,80 Prozent ergibt.

Diese Kennzahl brauchen Sie, sobald Sie Streuungen zwischen Datensätzen mit unterschiedlich großen Mittelwerten vergleichen wollen, denn eine Standardabweichung von 5 Euro wirkt bei einem Mittelwert von 10 Euro völlig anders als bei einem Mittelwert von 1.000 Euro.

Der Rechner gibt den Variationskoeffizienten nicht direkt aus, Sie bilden ihn selbst aus den beiden angezeigten Werten Mittelwert und Standardabweichung.

Eine harte Grenze gilt beim Mittelwert null: Liegt x̄ bei oder nahe null, ist der Variationskoeffizient nicht aussagekräftig oder sogar undefiniert, weil dann durch eine Zahl nahe null geteilt wird.

Der Standardfehler des Mittelwerts (SEM, Standard Error of the Mean) misst, wie genau der berechnete Mittelwert einer Stichprobe den wahren Mittelwert der Grundgesamtheit trifft, und ist damit eine andere Kennzahl als die Standardabweichung, die nur die Streuung der Einzelwerte beschreibt.

Die Formel lautet SEM = s ÷ √n: Bei den acht Werten 75, 60, 90, 80, 70, 85, 65 und 95 liefert der Rechner eine Standardabweichung von 12,2474, woraus sich ein Standardfehler von rund 4,33 ergibt, also 12,2474 geteilt durch die Wurzel aus 8.

Entscheidend ist der Unterschied im Verhalten: Die Standardabweichung bleibt bei wachsender Stichprobe ungefähr gleich, während der Standardfehler mit wachsendem n immer kleiner wird, weil größere Stichproben den wahren Mittelwert präziser schätzen.

Nutzen Sie die Standardabweichung, um die Streuung der Einzelwerte zu beschreiben, und den Standardfehler, um die Unsicherheit einer Mittelwertschätzung anzugeben, etwa für Konfidenzintervalle.

Der Rechner berechnet ausschließlich die Standardabweichung; den Standardfehler müssen Sie aus Standardabweichung und Anzahl selbst ableiten.

σ, das griechische Sigma, bezeichnet die Standardabweichung der Grundgesamtheit, s steht für die Standardabweichung einer Stichprobe, und SD ist die englische Abkürzung für Standard Deviation, die in internationaler Fachliteratur und vielen Statistikprogrammen verwendet wird.

Welches Symbol zutrifft, hängt allein von der gewählten Berechnung ab: Wählen Sie im Rechner Grundgesamtheit, entspricht das Ergebnis σ; wählen Sie Stichprobe, entspricht es s, auch wenn beide auf dem Bildschirm schlicht als „Standardabweichung“ erscheinen.

Für die Werte 2, 4, 6, 8 und 10 liefert der Rechner als s (Stichprobe) den Wert 3,1623 und als σ (Grundgesamtheit) den Wert 2,8284 — derselbe Datensatz, aber zwei unterschiedliche Symbole und zwei unterschiedliche Zahlen.

Verwechseln Sie SD nicht mit SEM (Standardfehler des Mittelwerts) oder VarK (Variationskoeffizient): Alle drei Kürzel tauchen in Berichten häufig nebeneinander auf, messen aber unterschiedliche Dinge.

Prüfen Sie deshalb bei fremden Quellen und Formelsammlungen immer, ob mit σ oder s gearbeitet wird, bevor Sie Werte direkt vergleichen.

Der häufigste Grund ist die Verwechslung von Stichprobe und Grundgesamtheit: Excel unterscheidet zwischen STABW.S für die Stichprobenformel (Divisor n−1) und STABW.N für die Grundgesamtheitsformel (Divisor n).

Zusätzlich erzeugen unterschiedliche Rundungsregeln in Zwischenschritten kleine Differenzen, insbesondere wenn viele Dezimalstellen im Spiel sind.

Wenn Datensatz, Divisor und Rundungslogik identisch sind, sollten die Ergebnisse beider Methoden praktisch übereinstimmen und nur im letzten Nachkommabereich differieren.

In Python liefert numpy.std() standardmäßig die Grundgesamtheitsvariante mit Divisor n, während pandas.Series.std() die Stichprobenkorrektur mit n−1 anwendet; in R verwendet sd() ebenfalls Divisor n−1.

Diese Bibliotheksunterschiede sind eine häufige Fehlerquelle, wenn Analysen zwischen Softwareumgebungen portiert werden, da der gewählte Divisor die Streuungsschätzung bei kleinen Stichproben spürbar beeinflusst.

Als praktische Probe: Geben Sie dieselben fünf Werte 100, 102, 101, 103 und 99 in Excel unter STABW.S und in den Rechner unter Stichprobe ein — beide sollten 1,5811 ergeben, andernfalls liegt ein Formelauswahl-Fehler vor.

Den Mittelwert als Ausgangsgröße liefert der Durchschnittsrechner; für diskrete Zufallsvariablen ergänzt der Erwartungswert-Rechner die Analyse.

Ausreißer wirken auf die Standardabweichung besonders stark, weil ihre Abweichungen vor der Mittelung quadriert werden. Quadrieren verstärkt große Abstände überproportional gegenüber kleinen.

Schon wenige extreme Beobachtungen können die Standardabweichung deutlich anheben, obwohl der Großteil der Daten eng beisammen liegt.

Wenn die Standardabweichung unerwartet hoch erscheint, sollten die einzelnen Extremwerte fachlich geprüft werden: Sind sie Messtehler, Sonderfälle oder tatsächlich repräsentative Ausreißer der Grundgesamtheit?

Standardisierte Ausreißertests wie der Grubbs-Test oder die z-Score-Methode helfen dabei: Ein z-Score von z = (x − x̄) / σ mit einem Absolutwert ab 3 gilt in der Praxis als Warnschwelle für potenzielle Extrembeobachtungen.

Robuste Alternativen wie der Median und der Interquartilabstand IQR reagieren deutlich weniger sensitiv auf einzelne Spitzenwerte.

Der IQR beschreibt das Intervall der mittleren 50 Prozent der Daten und bleibt stabil, selbst wenn ein einziger Extremwert das Zehnfache der übrigen Beobachtungen beträgt und die Standardabweichung dabei um ein Vielfaches anhebt.

Die mittlere absolute Abweichung (MAD) und die Standardabweichung messen beide die Streuung einer Datenreihe um den Mittelwert, unterscheiden sich aber in der Gewichtung grosser Abweichungen.

Die Standardabweichung quadriert jede Abweichung vor dem Mitteln, wodurch einzelne Ausreisser ueberproportional ins Ergebnis einfliessen.

Der MAD bildet stattdessen den Durchschnitt der Absolutbetraege aller Abweichungen und reagiert deshalb weniger empfindlich auf Extremwerte.

Fuer die Werte 4, 8, 6, 5, 3, 7, 9 und 2 ergibt sich eine Standardabweichung von 2,45 bei der Stichprobenrechnung, waehrend der MAD nur 1,75 betraegt.

In der Praxis eignet sich der MAD als robuste Ersteinschaetzung, wenn Ausreisser vermutet werden oder die Verteilung stark von der Normalverteilung abweicht.

Die Standardabweichung bleibt dagegen der Standard in statistischen Tests, Konfidenzintervallen und Prozesskontrollen, weil sie die mathematischen Eigenschaften der Normalverteilung direkt nutzt.

Beide Kennzahlen haben dieselbe Einheit wie die urspruenglichen Daten und lassen sich deshalb direkt mit Toleranzgrenzen oder Benchmarks vergleichen.