Rechner für die Stichprobenverteilung des Mittelwerts
Berechnen Sie Wahrscheinlichkeiten für den Stichprobenmittelwert mit dem zentralen Grenzwertsatz — Standardfehler, z-Wert und exakte Wahrscheinlichkeit in Sekunden.
Geben Sie den Mittelwert der Grundgesamtheit, die Standardabweichung und die Stichprobengröße ein, wählen Sie dann einen Wahrscheinlichkeitstyp und tragen Sie den/die Stichprobenmittelwert(e) ein, um sofort ein Ergebnis zu erhalten.
Rechner für die Stichprobenverteilung des Mittelwerts
Berechnen Sie Wahrscheinlichkeiten für den Stichprobenmittelwert mit dem zentralen Grenzwertsatz — Standardfehler, z-Wert und exakte Wahrscheinlichkeit in Sekunden.
Berechnet die Wahrscheinlichkeit, dass der Stichprobenmittelwert kleiner als ein gegebener Wert x₁ ist.
Über den Rechner für die Stichprobenverteilung des Mittelwerts
Die Stichprobenverteilung des Mittelwerts beschreibt, wie sich der Mittelwert einer Zufallsstichprobe von einer Stichprobe zur nächsten verändert, wenn wiederholt Stichproben derselben Größe aus derselben Grundgesamtheit gezogen werden. Sie ist eines der wichtigsten Konzepte der Inferenzstatistik, weil sie die theoretische Grundlage für Konfidenzintervalle, Hypothesentests und Qualitätsregelkarten in nahezu jeder wissenschaftlichen und industriellen Disziplin bildet.
Der zentrale Grenzwertsatz (ZGWS) macht diese Verteilung nützlich. Er besagt, dass sich die Stichprobenverteilung des Mittelwerts unabhängig von der Form der Grundgesamtheitsverteilung einer Normalverteilung annähert, wenn die Stichprobengröße n wächst. In der Praxis ist eine Stichprobengröße von 30 oder mehr meist ausreichend für eine sehr gute Näherung. Ist die Grundgesamtheit selbst normalverteilt, gilt das Ergebnis für jede Stichprobengröße, ganz gleich wie klein.
Der Standardfehler des Mittelwerts (SE) beschreibt die Streuung der Stichprobenverteilung. Er ist gleich der Standardabweichung σ der Grundgesamtheit geteilt durch die Quadratwurzel von n: SE = σ / √n. Eine größere Stichprobe macht SE kleiner, was bedeutet, dass größere Stichproben genauere Schätzungen des Mittelwerts liefern. Das erklärt mathematisch, warum sich bei Verdopplung der Stichprobengröße der Standardfehler um den Faktor √2 verringert und warum Forschende mehr Daten sammeln, um Unsicherheit zu reduzieren.
Sobald der Standardfehler bekannt ist, lässt sich jeder Stichprobenmittelwert x̄ mit z = (x̄ − μ) / SE in einen z-Wert umrechnen. Der z-Wert misst, wie viele Standardfehler x̄ vom wahren Mittelwert μ entfernt ist. Da die Stichprobenverteilung (näherungsweise) normal ist, liefert die Standardnormalverteilung — oder ihr mathematisches Gegenstück Φ(z) — die exakte Wahrscheinlichkeit, dass der Stichprobenmittelwert unter, über oder zwischen bestimmten Werten liegt.
Dieser Rechner unterstützt drei Wahrscheinlichkeitstypen. Der erste, P(X̄ < x), liefert die linke Randwahrscheinlichkeit, dass eine Zufallsstichprobe der Größe n einen Mittelwert unter x hat. Der zweite, P(X̄ > x), liefert die rechte Randwahrscheinlichkeit. Der dritte, P(x₁ < X̄ < x₂), liefert die Wahrscheinlichkeit, dass der Stichprobenmittelwert zwischen zwei angegebenen Werten liegt, berechnet als Differenz zweier kumulativer Normalwahrscheinlichkeiten.
Die praktischen Anwendungen reichen durch alle Bereiche. Ein Qualitätsingenieur überwacht, ob der Durchschnitt eines Bauteillots außerhalb der Toleranz liegt. Ein Ernährungswissenschaftler prüft, ob die durchschnittliche Kalorienzufuhr einer Stichprobe plausibel aus einer Population mit bekanntem Mittelwert stammt. Ein Finanzanalyst schätzt die Wahrscheinlichkeit, dass die durchschnittliche Tagesrendite eines Quartals einen Schwellenwert übersteigt. Ein klinischer Forscher bestimmt, ob die mittlere Blutdrucksenkung in einer Stichprobe einen echten Populationseffekt widerspiegelt. In all diesen Fällen liefert dieser Rechner die Wahrscheinlichkeit in nur einer Berechnung.
Beispiele für die Stichprobenverteilung
Praxisnahe Szenarien zeigen, wie der Rechner für die Stichprobenverteilung angewendet wird.
| Szenario | Wahrscheinlichkeit | Interpretation |
|---|---|---|
| μ=80, σ=10, n=30, P(X̄ < 78) | ≈ 13.6% | Prüfungsergebnisse: Etwa 14 % Wahrscheinlichkeit, dass eine Klasse mit 30 Studierenden unter 78 im Durchschnitt liegt, wenn der wahre Mittelwert 80 ist. |
| μ=1000, σ=50, n=40, P(X̄ > 1010) | ≈ 10.3% | Lebensdauer von Glühbirnen: Etwa 10 % Wahrscheinlichkeit, dass ein Los von 40 Glühbirnen im Durchschnitt mehr als 1010 Stunden erreicht. |
| μ=3, σ=0.5, n=50, P(2.9 < X̄ < 3.1) | ≈ 84.3% | Kaffeebecher: Eine 84-prozentige Wahrscheinlichkeit, dass der Stichprobenmittelwert innerhalb von 0.1 Bechern um den Populationsmittelwert liegt. |
| μ=0.05, σ=1, n=100, P(X̄ < 0) | ≈ 30.9% | Aktienrenditen: Eine 31-prozentige Wahrscheinlichkeit, dass die 100-Tage-Durchschnittsrendite negativ ist, wenn der wahre Mittelwert 0.05 % beträgt. |
So verwenden Sie den Rechner für die Stichprobenverteilung
- Geben Sie den Mittelwert der Grundgesamtheit (μ) ein — den bekannten oder angenommenen Durchschnitt der gesamten Population.
- Geben Sie die Standardabweichung der Grundgesamtheit (σ) ein — sie muss positiv sein.
- Geben Sie die Stichprobengröße (n) ein — die Anzahl der Beobachtungen pro Stichprobe, als ganze Zahl ≥ 2.
- Wählen Sie den Wahrscheinlichkeitstyp: P(X̄ < x) für die linke Seite, P(X̄ > x) für die rechte Seite oder P(x₁ < X̄ < x₂) für eine Intervallwahrscheinlichkeit.
- Geben Sie den/die Stichprobenmittelwert(e) ein und klicken Sie auf Berechnen, um Standardfehler, z-Wert und exakte Wahrscheinlichkeit anzuzeigen.
FAQ zur Stichprobenverteilung
Was ist die Stichprobenverteilung des Mittelwerts?
Sie ist die Wahrscheinlichkeitsverteilung aller möglichen Stichprobenmittelwerte, die entstehen, wenn wiederholt Zufallsstichproben der Größe n aus einer Population gezogen werden. Der zentrale Grenzwertsatz garantiert, dass diese Verteilung für großes n annähernd normal ist, mit dem Mittelwert μ der Grundgesamtheit und der Standardabweichung SE = σ/√n.
Was ist der Standardfehler und wie unterscheidet er sich von der Standardabweichung?
Die Standardabweichung (σ) misst die Streuung einzelner Datenpunkte um den Mittelwert der Grundgesamtheit. Der Standardfehler (SE = σ/√n) misst die Streuung der Stichprobenmittelwerte um μ. SE wird kleiner, wenn n wächst — größere Stichproben liefern präzisere Schätzungen des Mittelwerts.
Wann kann ich diesen Rechner verwenden?
Sie können ihn verwenden, wenn Sie die Standardabweichung σ der Grundgesamtheit kennen und n groß genug ist, damit der zentrale Grenzwertsatz greift (im Allgemeinen n ≥ 30). Er ist auch für jedes n gültig, wenn die Grundgesamtheit selbst normalverteilt ist. Ist σ unbekannt, sollten Sie stattdessen die t-Verteilung verwenden.
Wie wird hier der z-Wert berechnet?
Der z-Wert wird als z = (x̄ − μ) / SE berechnet, wobei x̄ der von Ihnen angegebene Stichprobenmittelwert ist, μ der Mittelwert der Grundgesamtheit und SE = σ/√n. Er sagt Ihnen, um wie viele Standardfehler Ihr Zielmittelwert vom Mittelwert der Grundgesamtheit entfernt ist, sodass die Standardnormalverteilung diese Distanz in eine Wahrscheinlichkeit umrechnen kann.
Warum führt eine größere Stichprobengröße zu einer kleineren Wahrscheinlichkeitsstreuung?
Weil SE = σ/√n gilt: Verdoppelt sich n, verringert sich SE um den Faktor √2. Ein kleinerer SE bedeutet, dass die Stichprobenverteilung höher und schmaler wird — Stichprobenmittelwerte häufen sich enger um μ. Dadurch werden extreme Stichprobenmittelwerte seltener, und Konfidenzintervalle werden kürzer. Mehr Daten erhöhen also die Präzision jeder Schätzung.
Was berechnet der Modus 'between'?
Der between-Modus berechnet P(x₁ < X̄ < x₂) — die Wahrscheinlichkeit, dass ein zufälliger Stichprobenmittelwert strikt zwischen x₁ und x₂ liegt. Berechnet wird dies als Φ(z₂) − Φ(z₁), wobei z₁ und z₂ die z-Werte für x₁ bzw. x₂ sind. Das ist nützlich, wenn Sie wissen möchten, ob der Stichprobenmittelwert in einem akzeptablen Bereich um den Mittelwert der Grundgesamtheit liegt.