| |
|
Sie heisst auch mittlerer Fehler oder r.m.s error (root mean square Fehler). Als mathematisches Zeichen sind σ , s , m.F. oder englisch rms üblich. Oft nennt man den mittleren Fehler auch Plus/minus (±) und schreibt ihn direkt hinter den Mittel- bzw. Durchschnittswert. Letzterer wird oft mit MW oder Ø abgekürzt.
Mittleres Alter (z. B. in einer Tanzschule) = 17,5 ± 1,2 Jahre. Ein Beispiel (mit Schwankungsbreite)
Beide Werte zusammen ergeben die
mittlere Schwankungsbreite , MW ± s = 16,3 bis 18,7 Jahre.
Sie gilt im Falle normalverteilter Mengen (siehe Glockenkurve) mit einer Wahrscheinlichkeit von 68 Prozent (jene von 2.σ mit 95 %). Demnach läßt obige Schwankungsbreite erwarten, dass
Unser Beispiel hat jedoch kaum Normalverteilung => vermutlich sind von den Kursteilnehmern mehr als 2,5 % älter als 20 Jahre.
Dabei ist
Diese Formel ist eine Schätzung, die durch keine besondere Eigenschaft ausgezeichnet ist. Sie ist weder erwartungstreu noch eine Maximum-Likelihood-Schätzung für die Standardabweichung. Trotzdem ist sie weit verbreitet.
Mit Hilfe einer Arbeitstabelle kann die Summe der quadrierten Abweichungen vom Stichprobenmittelwert mit dem Wert 10 berechnet werden.
Um eine erwartungstreue Schätzung für die Varianz zu erhalten, teilt man diese Summe durch die Zahl der Meßwerte n weniger 1.
Das ergibt die Schätzung für die Varianz 10/4 = 2,5
Daraus nimmt man die Quadratwurzel:
Das ergibt die gebräuchliche Schätzung für die Standardabweichung von ca. 1,581.
Gebräuchliche Formel zur Schätzung der Standardabweichung aus einer Stichprobe
Dabei ist
Man hat bei einer Stichprobe fünf Werte gemessen: 3, 4, 5, 6, 7
Man soll nun die Schätzung für die Standardabweichung errechnen.Praktische Tipps
Um die Standardabweichung einer Messreihe mit der Hand zu errechnen, braucht man viel Zeit.
Leichter geht es mit einer Tabellenkalkulation wie Excel.
Auch die meisten Taschenrechner enthalten statistische Funktionen, die eine Berechnung erleichtern.
Siehe z.B. Kcalc unter KDE Linux oder der Taschenrechner unter Windows Zubehör mit der wissenschaftlichen Darstellung..
| Stichprobenumfang | Korrekturfaktor |
| 2 | 1,253314 |
| 5 | 1,063846 |
| 10 | 1,028109 |
| 15 | 1,018002 |
Die eindimensionale Normalverteilung kann unter anderem so dargestellt werden, dass die Standardabweichung ein Parameter der Verteilung ist.
Bei dieser Schätzung kann die Eigenschaft der Maximum-Likelihood-Schätzung genutzt werden, dass eine monotone Transformation einer Maximum-Likelihood-Schätzung eine Maximum-Likelihood-Schätzung für die monotone Transformation des geschätzten Parameters ist. Das bedeutet, dass die Quadratwurzel einer Maximum-Likelihood-Schätzung eines Parameters, der nur positiv sein kann eine Maximum-Likelihood-Schätzung für die Quadratwurzel dieses Parameters ist.
Diese Schätzung ist eine Maximum-Likelihood-Schätzung für einen Parameter der Normalverteilung oder für eine Transformation dieses Parameters. Sie ist nicht auf die Schätzung der Standardabweichung einer beliebigen Verteilung zu übertragen.
Die Maximum-Likelihood-Schätzung für die Standardabweichung einer Poisson-Verteilung ist beispielsweise die Quadratwurzel aus dem arithmetischen Mittel.
Als Maximum-Likelihood-Schätzung für die Standardabweichung aus der Stichprobe {3, 4, 5, 6, 7} erhält man also
Maximum-Likelihood-Schätzung für die Standardabweichung einer Normalverteilung