Verständliche Erklärung der Streuungsmaße

Grundlagen der Streuungsmaße

Stell dir vor, zwei Klassen haben den gleichen Notendurchschnitt von 3,5 - trotzdem können sie völlig unterschiedlich sein! In der einen Klasse haben fast alle eine 3 oder 4, in der anderen gibt es sowohl Einser als auch Sechser.

Streuungsmaße (auch Dispersionsmaße genannt) messen genau diese Unterschiede. Sie zeigen dir, wie weit die einzelnen Werte vom Mittelwert nach oben und unten abweichen. Das ist mega wichtig, weil derselbe Durchschnitt völlig verschiedene Situationen bedeuten kann.

Der arithmetische Mittelwert ist dein Startpunkt: $\bar{x} = \frac{x_1 + x_2 + ... + x_n}{n}$. Du addierst alle Werte und teilst durch ihre Anzahl. Bei Körpergrößen von 1,75m, 1,80m und 1,87m wäre das etwa 1,81m.

Merktipp: Der Mittelwert allein reicht nicht - erst die Streuung zeigt dir das komplette Bild deiner Daten!

Spannweite und mittlere Abweichungen

Die Spannweite ist das einfachste Streuungsmaß: $w = x_{max} - x_{min}$. Du ziehst einfach den kleinsten vom größten Wert ab. Bei Körpergrößen von 1,70m bis 1,90m beträgt sie 20cm - bei 1,79m bis 1,81m nur 2cm.

Problem: Die Spannweite berücksichtigt nur zwei Werte und kann durch Ausreißer völlig verzerrt werden. Deshalb gibt's bessere Alternativen.

Die mittlere lineare Abweichung bezieht alle Werte ein: $d = \frac{|x_1 - \bar{x}| + |x_2 - \bar{x}| + ... + |x_n - \bar{x}|}{n}$. Die Betragsstriche sorgen dafür, dass sich positive und negative Abweichungen nicht gegenseitig aufheben.

Die Varianz funktioniert ähnlich, aber mit Quadraten statt Beträgen: $s^2 = \frac{(x_1 - \bar{x})^2 + (x_2 - \bar{x})^2 + ... + (x_n - \bar{x})^2}{n}$. Dadurch werden größere Abweichungen stärker gewichtet.

Praxistipp: Varianz ist mathematisch praktisch, aber die Einheit stimmt nicht mehr (z.B. cm² statt cm).

Standardabweichung und Quartilsabstand

Die Standardabweichung ist der Superstar unter den Streuungsmaßen: $s = \sqrt{s^2}$. Sie ist einfach die Wurzel aus der Varianz und gibt dir die durchschnittliche Abweichung vom Mittelwert in der ursprünglichen Einheit zurück.

Mit der Standardabweichung kannst du sofort einschätzen, wie "normal" ein Wert ist. Liegt er mehr als 2-3 Standardabweichungen vom Mittelwert entfernt, ist er ziemlich ungewöhnlich.

Der Quartilsabstand ist robuster gegen Ausreißer: $x_{0,75} - x_{0,25}$. Er misst den Abstand zwischen dem unteren und oberen Quartil und erfasst die mittleren 50% der Daten. Extreme Werte am Rand werden einfach ignoriert.

Beispiel: Bei Werten von 1 bis 1000 würde die Spannweite 999 betragen, der Quartilsabstand aber nur 6 - viel realistischer für die meisten Daten!

Klausurtipp: Standardabweichung für "normale" Daten, Quartilsabstand bei Ausreißern verwenden.