Varianz
Die Varianz ist eine zentrale statistische Kennzahl, die die Streuung oder Dispersion von Datenpunkten um den Mittelwert quantifiziert. In der Luftfahrt bildet ...
6 Min. Lesezeit
Statistics
Aviation safety
+2
Abweichung — Differenz vom Erwartungswert (Statistik)
Einführung
Abweichung ist ein zentrales Konzept in Statistik und Wahrscheinlichkeit und beschreibt die Differenz zwischen einem beobachteten Wert und dem erwarteten Wert (Mittelwert) einer Zufallsvariablen. Ob bei der Analyse von Messfehlern, der Bewertung von Risiken oder der Überwachung der Qualität – die Abweichung liefert die Grundlage, um zu verstehen, wie typisch oder ungewöhnlich ein bestimmter Wert ist. Dieses Konzept wird in Bereichen wie Ingenieurwesen, Luftfahrt, Finanzen und Datenwissenschaft weit verbreitet eingesetzt, von der Prozesskontrolle bis hin zu Prognosen und Zuverlässigkeitsanalysen.
Verständnis des Erwartungswerts (Mittelwert)
Der Erwartungswert (oder Mittelwert, bezeichnet als ( \mu )) ist der theoretische langfristige Durchschnitt einer Zufallsvariablen. Für diskrete Variablen wird er wie folgt berechnet:
[ E(X) = \mu = \sum_{i=1}^{n} x_i \cdot P(x_i) ]
wobei ( x_i ) die möglichen Werte und ( P(x_i) ) deren Wahrscheinlichkeiten sind. Bei kontinuierlichen Verteilungen wird anstelle der Summe integriert. Der Erwartungswert fungiert als „Schwerpunkt“ der Verteilung – wenn Wahrscheinlichkeiten physische Gewichte auf einer Zahlengeraden wären, wäre der Mittelwert der Ausgleichspunkt.
Berechnung der Abweichung
Die Abweichung für eine bestimmte Beobachtung ( x ) ist:
[ \text{Abweichung} = x - \mu ]
- Positive Abweichung: ( x > \mu ) (über dem Mittelwert)
- Negative Abweichung: ( x < \mu ) (unter dem Mittelwert)
- Null-Abweichung: ( x = \mu ) (entspricht dem Mittelwert)
Abweichungen bilden die Grundlage vieler statistischer Kennzahlen, darunter Varianz und Standardabweichung. In der Praxis helfen sie, ungewöhnliche Datenpunkte (Ausreißer) zu identifizieren und die Streuung eines Datensatzes zu charakterisieren.
Eigenschaften von Abweichungen
Summe der Abweichungen vom Mittelwert für eine vollständige Grundgesamtheit ist stets null:
[ \sum (x - \mu) = 0 ]
Varianz und Standardabweichung messen die Größe der Abweichungen, wobei deren Richtung ignoriert wird (da die Werte quadriert oder positiv gemacht werden).
Standardabweichung ist immer nicht-negativ.
Bei gleichwahrscheinlichen Ergebnissen wird die Abweichung vom arithmetischen Mittel gemessen.
Varianz und Standardabweichung
Varianz (( \sigma^2 ))
Die Varianz quantifiziert die durchschnittliche quadrierte Abweichung vom Mittelwert:
[ \sigma^2 = \text{Var}(X) = \sum_{i=1}^{n} (x_i - \mu)^2 \cdot P(x_i) ]
Das Quadrieren verhindert, dass sich positive und negative Abweichungen aufheben, und betont größere Abweichungen.
Standardabweichung (( \sigma ))
Die Standardabweichung ist die Quadratwurzel der Varianz:
[ \sigma = \sqrt{\sigma^2} ]
Sie kehrt zu den ursprünglichen Messeinheiten zurück und erleichtert so die Interpretation. Eine niedrige Standardabweichung bedeutet, dass die Daten eng beieinander liegen; eine hohe Standardabweichung zeigt eine größere Streuung an.
Gesetz der großen Zahlen
Das Gesetz der großen Zahlen besagt, dass mit steigender Anzahl von Versuchen der Stichprobenmittelwert gegen den Erwartungswert konvergiert. Dies bildet die Grundlage für die Zuverlässigkeit statistischer Schlussfolgerungen und rechtfertigt die Verwendung des Erwartungswerts als zentrale Kennzahl in großen Stichproben.
[ \lim_{n \to \infty} \frac{1}{n} \sum_{i=1}^{n} X_i = \mu ]
Theoretische vs. empirische Wahrscheinlichkeit
- Theoretische Wahrscheinlichkeit: Basierend auf mathematischen Modellen.
- Empirische Wahrscheinlichkeit: Basierend auf beobachteten Häufigkeiten.
Die Abweichungen zwischen beiden nehmen mit zunehmender Datenmenge ab, bedingt durch das Gesetz der großen Zahlen. Dieser Prozess hilft, Modelle zu validieren und reale Variabilität sichtbar zu machen.
Abweichung in der Praxis
Abweichung wird in einer Vielzahl realer Anwendungen genutzt:
Qualitätskontrolle
Abweichungen von erwarteten Werten in der Produktion zeigen Schwankungen im Herstellungsprozess und können systematische Probleme aufdecken. Statistische Prozesskontrollkarten nutzen Abweichungen, um Veränderungen oder Trends in Prozessen zu erkennen und so die Produktzuverlässigkeit zu sichern.
Risikobewertung (Finanzen, Ingenieurwesen)
Varianz und Standardabweichung von Renditen quantifizieren die Volatilität von Investitionen. Eine hohe Standardabweichung signalisiert hohes Risiko, während niedrige Werte auf Stabilität hinweisen.
Luftfahrt & Ingenieurwesen
Abweichung ist entscheidend in der Zuverlässigkeitsanalyse. So informieren Abweichungen von erwarteten Lebensdauern von Bauteilen Wartungspläne und Sicherheitsmargen.
Umfrageauswertung
Abweichungen vom Mittelwert in Umfrageantworten zeigen die Vielfalt der Erfahrungen auf und machen Verbesserungsbereiche sichtbar.
Glücksspiele
Abweichung, Varianz und Standardabweichung helfen, Risiko und erwartete Ergebnisse in Glücksspielszenarien zu bestimmen.
Durchgerechnetes Beispiel: Fußballmannschaft — gespielte Tage
Problem: Eine Fußballmannschaft spielt 0, 1 oder 2 Tage pro Woche mit folgenden Wahrscheinlichkeiten:
| Gespielte Tage (( x )) | Wahrscheinlichkeit (( P(x) )) |
|---|---|
| 0 | 0.2 |
| 1 | 0.5 |
| 2 | 0.3 |
Schritt 1: Erwartungswert
[ \mu = (0 \times 0.2) + (1 \times 0.5) + (2 \times 0.3) = 1.1 ]
Schritt 2: Abweichungen
| ( x ) | ( x - \mu ) |
|---|---|
| 0 | -1.1 |
| 1 | -0.1 |
| 2 | 0.9 |
Schritt 3: Quadrat der Abweichungen
| ( x ) | ( (x - \mu)^2 ) |
|---|---|
| 0 | 1.21 |
| 1 | 0.01 |
| 2 | 0.81 |
Schritt 4: Gewichtete quadrierte Abweichungen
| ( x ) | ( (x - \mu)^2 \cdot P(x) ) |
|---|---|
| 0 | 0.242 |
| 1 | 0.005 |
| 2 | 0.243 |
Varianz: ( 0.49 )
Standardabweichung: ( 0.7 )
Interpretation: Die typische wöchentliche Abweichung von der durchschnittlichen Anzahl an gespielten Tagen beträgt etwa 0,7 Tage.
Reales Beispiel: Neugeborenes weckt Mutter durch Schreien
Eine Umfrage unter 50 Müttern erfasst, wie oft pro Woche ihr Neugeborenes sie nach Mitternacht weckt:
| ( x ) | ( P(x) ) |
|---|---|
| 0 | 0.04 |
| 1 | 0.22 |
| 2 | 0.46 |
| 3 | 0.18 |
| 4 | 0.08 |
| 5 | 0.02 |
- Erwartungswert: ( \mu = 2.1 )
- Varianz: ( 1.05 )
- Standardabweichung: ( 1.02 )
Interpretation: Die meisten Mütter werden durchschnittlich etwa 2,1-mal pro Woche geweckt, mit einer individuellen Schwankung von etwa 1-mal.
Übungsaufgabe: Krankenhausschwestern — Rufbereitschaft
Eine Forscherin befragt postoperierte Patienten zur Anzahl der Schwesternrufe während einer 12-Stunden-Schicht:
| Anzahl der Rufe (( x )) | Wahrscheinlichkeit (( P(x) )) |
|---|---|
| 0 | 0.08 |
| 1 | 0.16 |
| 2 | 0.32 |
| 3 | 0.28 |
| 4 | 0.12 |
| 5 | 0.04 |
- Erwartungswert: ( \mu = 2.32 )
- Abweichung bei 3 Rufen: ( 0.68 )
- Varianz: ( 1.4977 )
- Standardabweichung: ( 1.224 )
Begriffstabelle
| Begriff | Definition | Formel |
|---|---|---|
| Erwartungswert (( \mu )) | Langfristiger Durchschnitt oder Mittelwert einer Zufallsvariablen | ( \mu = \sum x \cdot P(x) ) |
| Abweichung | Differenz zwischen beobachtetem Wert und Erwartungswert | ( x - \mu ) |
| Varianz (( \sigma^2 )) | Durchschnittliche quadrierte Abweichung vom Mittelwert | ( \sigma^2 = \sum (x - \mu)^2 \cdot P(x) ) |
| Standardabweichung (( \sigma )) | Quadratwurzel der Varianz, typische Abweichung vom Mittelwert | ( \sigma = \sqrt{\sum (x - \mu)^2 \cdot P(x)} ) |
Grafische Darstellung
Abbildung: Visualisierung von Mittelwert, Abweichung und Standardabweichung auf einer Wahrscheinlichkeitsverteilung.
Fazit
Die Abweichung ist das grundlegende Maß dafür, wie stark eine Einzelbeobachtung vom Erwartungswert abweicht. Sie ist unerlässlich für die Berechnung von Varianz und Standardabweichung sowie für das Verständnis von Streuung, Risiko und Qualität von Daten. Die Beherrschung der Abweichung und ihrer verwandten Konzepte ermöglicht fundierte Entscheidungen in Ingenieurwesen, Finanzen, Qualitätskontrolle und Datenwissenschaft.
Siehe auch
- Varianz
- Standardabweichung
- Gesetz der großen Zahlen
- Erwartungswert
- Wahrscheinlichkeitsverteilungen
- Statistische Prozesskontrolle
Für weitere Details oder um zu besprechen, wie die Abweichungsanalyse auf Ihren spezifischen Kontext angewendet werden kann, kontaktieren Sie uns oder vereinbaren Sie eine Demo .