Beispielfragen und Diskussion: Varianz und Standardabweichung einzelner Daten
Die Statistik ist ein Teilgebiet der Mathematik, das sich mit der Erhebung, Analyse, Interpretation, Darstellung und Organisation von Daten befasst. Zwei wichtige Konzepte der Statistik sind Varianz und Standardabweichung. Dieser Artikel erläutert anhand mehrerer Beispielaufgaben detailliert die Berechnung von Varianz und Standardabweichung eines einzelnen Datensatzes.
Varianz und Standardabweichung verstehen
Die Varianz ist ein Maß dafür, wie stark die Zahlen in einem Datensatz um den Mittelwert streuen. Sie wird in Quadrateinheiten der Originaldaten angegeben, was ihre Interpretation oft erschwert.
Die Standardabweichung ist die Quadratwurzel der Varianz. Sie bietet ein intuitiveres Maß dafür, wie stark die Daten im Allgemeinen vom Mittelwert abweichen, da ihre Einheiten mit den ursprünglichen Einheiten der Daten übereinstimmen.
Allgemeine Formel
Für Einzeldaten lautet die Formel für die Varianz \( \sigma^2 \) und die Standardabweichung \( \sigma \) der Grundgesamtheit wie folgt:
1. Varianz (σ²):
\( \sigma^2 = \frac{1}{N} \sum_{i=1}^{N} (x_i – \mu)^2 \)
2. Standardabweichung (σ):
\( \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^{N} (x_i – \mu)^2} \)
Von Mana:
– \( N \) ist die Anzahl der Daten in der Grundgesamtheit.
– \( x_i \) ist der i-te Datenwert.
– \( \mu \) ist der Mittelwert oder Durchschnitt der Daten.
Berechnet man die Varianz und die Standardabweichung der Stichprobe, so ändert sich die obige Formel geringfügig:
1. Stichprobenvarianz (s²):
\( s^2 = \frac{1}{n-1} \sum_{i=1}^{n} (x_i – \bar{x})^2 \)
2. Standardabweichung der Stichprobe (s):
\( s = \sqrt{\frac{1}{n-1} \sum_{i=1}^{n} (x_i – \bar{x})^2} \)
Von Mana:
– \( n \) ist die Anzahl der Daten in der Stichprobe.
– \( \bar{x} \) ist der Mittelwert oder Durchschnitt der Stichprobe.
Contoh Soal dan Pembahasan
Beispielfrage 1:
Gegeben seien folgende Daten:
8, 10, 10, 10, 12, 14
Berechnen Sie die Varianz und die Standardabweichung der Daten!
Lösungsschritte:
1. Berechnung des Mittelwerts (Mittelwerts) \( \mu \):
\[
\mu = \frac{8 + 10 + 10 + 10 + 12 + 14}{6} = \frac{64}{6} = 10.67
\]
2. Berechne die Differenz zwischen den Daten und dem Mittelwert und quadriere sie anschließend:
\[
(8 – 10.67)^2 = 7.1289
\]
\[
(10 – 10.67)^2 = 0.4489
\]
\[
(10 – 10.67)^2 = 0.4489
\]
\[
(10 – 10.67)^2 = 0.4489
\]
\[
(12 – 10.67)^2 = 1.7689
\]
\[
(14 – 10.67)^2 = 11.1089
\]
3. Alle quadrierten Ergebnisse addieren:
\[
\sum (x_i – \mu)^2 = 7.1289 + 0.4489 + 0.4489 + 0.4489 + 1.7689 + 11.1089 = 21.3534
\]
4. Berechnung der Varianz (σ²) von Populationsdaten:
\[
\sigma^2 = \frac{21.3534}{6} = 3.559
\]
Hinweis: Da es sich bei diesen Daten um Bevölkerungsdaten handelt, teilen wir sie durch 6.
5. Berechnung der Standardabweichung (σ):
\[
\sigma = \sqrt{3.559} \approx 1.886
\]
Die Varianz der Daten beträgt also 3.559 und die Standardabweichung 1.886.
Beispielfrage 2:
Gegeben seien die folgenden Beispieldaten:
5, 6, 8, 9, 10, 11
Berechnen Sie die Varianz und die Standardabweichung der Stichprobe!
Lösungsschritte:
1. Berechnung des Mittelwerts \( \bar{x} \) :
\[
\bar{x} = \frac{5 + 6 + 8 + 9 + 10 + 11}{6} = \frac{49}{6} = 8.167
\]
2. Berechne die Differenz zwischen den Daten und dem Mittelwert und quadriere sie anschließend:
\[
(5 – 8.167)^2 = 10.035
\]
\[
(6 – 8.167)^2 = 4.694
\]
\[
(8 – 8.167)^2 = 0.028
\]
\[
(9 – 8.167)^2 = 0.694
\]
\[
(10 – 8.167)^2 = 3.361
\]
\[
(11 – 8.167)^2 = 7.945
\]
3. Alle quadrierten Ergebnisse addieren:
\[
\sum (x_i – \bar{x})^2 = 10.035 + 4.694 + 0.028 + 0.694 + 3.361 + 7.945 = 26.757
\]
4. Berechnung der Stichprobenvarianz (s²):
\[
s² = 26.757/5 = 5.351
\]
Hinweis: Da es sich um Stichprobendaten handelt, teilen wir durch 5 (n-1).
5. Berechnung der Standardabweichung (s):
\[
s = \sqrt{5.351} \approx 2.313
\]
Die Varianz der Stichprobendaten beträgt also 5.351 und die Standardabweichung 2.313.
Abschluss
Die Berechnung von Varianz und Standardabweichung ist entscheidend, um die Streuung der Daten innerhalb eines Datensatzes zu verstehen. Während die Varianz ein theoretisches Streuungsmaß in Quadraten der ursprünglichen Einheiten liefert, interpretiert die Standardabweichung dieses Streuungsmaß in Bezug auf die ursprünglichen Dateneinheiten und ist somit leichter verständlich. In der Datenanalyse werden diese beiden Maße häufig verwendet, um die Datenvariabilität zu beurteilen und statistische Entscheidungen zu treffen.
Durch das Verständnis der notwendigen Schritte und Formeln können wir Varianz und Standardabweichung für verschiedene Situationen, die uns bei der alltäglichen Datenerhebung und -analyse begegnen, leicht berechnen. Dieser Artikel soll Ihnen ein tieferes Verständnis der Konzepte von Varianz und Standardabweichung in einzelnen Datensätzen vermitteln.
