Mittelwert, Median, Modus-Rechner

Die Maße der zentralen Tendenz

Statistische Daten, Tabellen und Diagramme richtig zu interpretieren, kann eine Herausforderung sein. Um aus großen Datenmengen nützliche Informationen zu gewinnen, müssen wir Datensätze oft zusammenfassen und ihre wichtigsten Merkmale identifizieren.

In der Statistik kommen verschiedene Maßzahlen zum Einsatz, um Daten aussagekräftig zu beschreiben. Einige dieser Maße beschreiben den Mittelpunkt oder Schwerpunkt der Daten – man nennt sie Maße der zentralen Tendenz (Lagemasse). Andere wiederum geben an, wie stark die einzelnen Datenwerte voneinander abweichen; dies sind die sogenannten Streuungsmaße (Dispersionsmaße). Darüber hinaus gibt es Positionsmaße (Quantile), die aufzeigen, welcher Anteil der Daten unterhalb oder oberhalb eines bestimmten Wertes liegt.

Der Hauptzweck dieses Statistik-Rechners ist die schnelle und präzise Berechnung der Maße der zentralen Tendenz – insbesondere Mittelwert und Median. Diese spiegeln den typischen oder zentralen Wert eines Datensatzes wider. Als sekundäre Funktion hilft Ihnen dieses Tool dabei, den Grad der Streuung (Varianz) in Ihren Daten zu bestimmen, indem es die Spannweite (den Bereich), die Quartile und den Interquartilsabstand berechnet.

Mittelwert-Rechner

Der Mittelwert (auch Durchschnitt oder arithmetisches Mittel genannt) ist die Summe aller Werte geteilt durch die Gesamtzahl der Werte. Er ist intuitiv verständlich und lässt sich für eine Stichprobe mit der folgenden Formel berechnen:

$$\bar{x}=\frac{x₁+x₂+x₃+\ldots+x_n}{n}=\frac{\sum_{}^{}x}{n}$$

Die Formel für den Mittelwert einer gesamten Grundgesamtheit (Population) lautet:

$$\mu=\frac{x₁+x₂+x₃+\ldots+x_n}{N}=\frac{\sum_{}^{}x}{N}$$

Dabei steht der Zähler für die Summe aller Werte im Datensatz. Der Nenner repräsentiert die absolute Anzahl der Werte.

Das wichtigste Merkmal des arithmetischen Mittels ist, dass ausnahmslos alle im Datensatz vorhandenen Datenpunkte in die Berechnung einfließen.

Die größte Schwäche des Mittelwerts liegt jedoch in seiner Anfälligkeit für Extremwerte (Werte, die im Vergleich zum Rest ungewöhnlich groß oder klein sind). Solche Werte werden in der Statistik als Ausreißer bezeichnet und können den Durchschnitt massiv verfälschen.

Zudem ist zu beachten, dass der Durchschnittswert nicht zwingend der "typische" Wert der Daten sein muss. Der berechnete Mittelwert kann theoretisch eine Zahl sein, die im eigentlichen Datensatz überhaupt nicht vorkommt.

Durchschnitt für die Stichprobe und die Grundgesamtheit

Die Grundgesamtheit umfasst die vollständige Menge aller Objekte oder Personen, über die Informationen gewonnen werden sollen. Eine Stichprobe ist hingegen eine kleinere, repräsentative Teilmenge, die aus dieser Grundgesamtheit entnommen wird.

Die mathematische Methode zur Berechnung des Mittelwerts ist für Stichproben und Grundgesamtheiten identisch. Lediglich die statistischen Bezeichnungen und Symbole unterscheiden sich.

Wenn x₁, x₂,..., xₙ eine Stichprobe darstellt, wird der berechnete Wert als Stichprobenmittelwert bezeichnet und mit dem Symbol x̄ (x-Quer) dargestellt. Der Mittelwert einer vollständigen Grundgesamtheit wird hingegen mit dem griechischen Buchstaben 𝜇 (Mü) abgekürzt.

In der statistischen Notation verwendet man typischerweise den Kleinbuchstaben n für den Stichprobenumfang (Anzahl der Beobachtungen) und den Großbuchstaben N für den Umfang der Grundgesamtheit.

Beispiel für die Berechnung des Mittelwerts

Betrachten wir folgendes Praxisbeispiel: Luigi ist ein erstklassiger Koch und leidenschaftlicher Pizzaliebhaber. Er plant, eine eigene Pizzeria auf Bali zu eröffnen. Um potenzielle Investoren zu überzeugen, verfasst Luigi einen fundierten Businessplan. Dafür möchte er die durchschnittlichen Kosten für eine Pizza in verschiedenen Restaurants auf der Insel ermitteln, um seine zukünftige wirtschaftliche Leistungsfähigkeit zu kalkulieren.

Er recherchiert die Preise für eine Pizza Margherita auf Bali und erstellt einen Datensatz. Um die Berechnung übersichtlicher zu gestalten, lassen wir die letzten drei Nullen der Währung weg und verwenden die Tausenderschritte. Eine 60 in unseren Berechnungen entspricht also 60.000 Indonesischen Rupiah (IDR).

60, 60, 84, 45, 59, 70, 42, 59, 53, 70, 69, 70, 120, 160, 95, 50, 75, 55, 72, 70

Luigi hat natürlich nicht jede einzelne Pizzeria auf der Insel besucht, sondern zufällig 20 Restaurants ausgewählt. Wir arbeiten hier also mit einer Stichprobe.

Berechnen wir nun den Durchschnittswert für diesen Datensatz mithilfe der Formel:

$$\bar{x}=\frac{x₁+x₂+x₃+\ldots+x_n}{n}=\frac{\sum_{}^{}x}{n}$$

Das Ergebnis ist ein Mittelwert von x̄ = 71,9.

Luigis Marktforschung zeigt somit, dass der Durchschnittspreis für eine Pizza Margherita auf Bali bei 71.900 IDR liegt. Auf diesem Wert kann er nun seine weiteren Finanzkalkulationen aufbauen.

Median-Rechner

Der Median (auch Zentralwert genannt) ist ein Positionsmaß. Er stellt genau den mittleren Wert eines Datensatzes dar, nachdem dieser aufsteigend oder absteigend sortiert wurde.

Die Berechnung des Medians zielt darauf ab, die Daten in zwei exakt gleich große Hälften zu teilen: 50 % der Datenwerte sind kleiner (oder gleich) dem Median, die anderen 50 % sind größer (oder gleich) dem Median. Möchte man den Median ohne einen digitalen Rechner manuell bestimmen, ist der erste zwingende Schritt stets die Sortierung der Werte.

Die genaue Methode zur Bestimmung des Medians hängt davon ab, ob die Gesamtzahl der Werte im Datensatz gerade oder ungerade ist.

Wenn die Gesamtzahl der Elemente ungerade ist (d. h. n oder N ist eine ungerade Zahl), greift folgende Formel:

$$Median=(\frac{n+1}{2})-tes \ Element$$

Ist die Anzahl der Elemente jedoch gerade (d. h. n ist eine gerade Zahl), dann wird das arithmetische Mittel der beiden mittleren Werte gebildet:

$$Median=\frac{\left[(\frac{n}{2})-te \ Element+(\frac{n}{2}+1)-te \ Element\right]}{2}$$

Der entscheidende Vorteil des Medians ist seine Robustheit. Er wird durch extrem hohe oder extrem niedrige Ausreißer im Datensatz kaum bis gar nicht beeinflusst.

Beispiel für die Berechnung des Medians

Betrachten wir erneut unsere Stichprobe von zwanzig Werten:

60, 60, 84, 45, 59, 70, 42, 59, 53, 70, 69, 70, 120, 160, 95, 50, 75, 55, 72, 70

Wir können den Median in folgenden Schritten berechnen:

1. Sortieren Sie den Datensatz aufsteigend (oder absteigend). In aufsteigender Reihenfolge sieht das so aus:

42, 45, 50, 53, 55, 59, 59, 60, 60, 69, 70, 70, 70, 70, 72, 75, 84, 95, 120, 160

2. Bestimmen Sie die Anzahl der Werte. In unserem Fall ist n = 20.

3. Da n gerade ist (20), müssen wir das arithmetische Mittel der beiden zentralen Werte ermitteln. Addieren Sie die beiden mittleren Zahlen und teilen Sie das Ergebnis durch 2.

Die zentralen Werte an der 10. und 11. Stelle unserer Stichprobe sind 69 und 70. Den Median berechnen wir also wie folgt:

$$Median = \frac{69 + 70}{2} = 69,5$$

Hätte Luigi beispielsweise einen Datensatz mit 21 Werten gehabt, wie etwa:

60, 60, 84, 45, 59, 70, 42, 59, 53, 70, 69, 70, 120, 160, 95, 50, 75, 90, 55, 72, 70

Würde er die Werte zunächst wieder sortieren:

42, 45, 50, 53, 55, 59, 59, 60, 60, 69, 70, 70, 70, 70, 72, 75, 84, 90, 95, 120, 160

Da 21 ungerade ist, wählt er einfach den exakten Mittelwert an der 11. Stelle aus, was in diesem Fall die 70 wäre.

Der Unterschied zwischen dem Mittelwert und dem Median

Sowohl der Mittelwert als auch der Median dienen als Maße der zentralen Tendenz. Für eine korrekte statistische Analyse ist es jedoch unerlässlich, ihre feinen Unterschiede zu verstehen.

Der grundlegendste Unterschied liegt in der Einbeziehung der Datenpunkte: Bei der Berechnung des Mittelwerts fließt jeder einzelne Wert des Datensatzes in die Formel ein. Die Bestimmung des Medians hängt hingegen nur von dem einen oder den zwei Werten exakt in der Mitte der sortierten Datenreihe ab.

Das wird besonders wichtig bei Datensätzen, die Ausreißer (ungewöhnlich große oder kleine Zahlen) enthalten. In den meisten Fällen verzerren diese Ausreißer den Mittelwert extrem, während sie auf den Median kaum oder gar keine Auswirkungen haben.

In der Statistik bezeichnet man ein Maß als robust, wenn sein Wert nicht stark von Extremwerten beeinflusst wird. Man kann also festhalten: Der Median ist ein robustes Maß, der Mittelwert hingegen nicht.

Zusammenfassend messen beide den "Mittelpunkt", aber auf unterschiedliche Art und Weise. Der Mittelwert ist der Schwerpunkt, an dem sich die Werte ausbalancieren. Der Median ist die exakte Trennlinie, die 50 % der niedrigeren Daten von 50 % der höheren Daten trennt. Bei einem perfekt symmetrischen Datensatz sind Mittelwert und Median exakt gleich.

In der Praxis ist diese Symmetrie jedoch selten gegeben. Oft unterscheiden sich Mittelwert und Median.

Ist der Mittelwert kleiner als der Median, spricht man von einem linksschiefen (oder rechtssteilen) Datensatz. Ist der Mittelwert größer als der Median, so ist der Datensatz rechtsschief (oder linkssteil).

Es lässt sich nicht pauschal sagen, dass der Mittelwert oder der Median das "bessere" Maß ist. Viele Statistiker und Datenanalysten ziehen es jedoch vor, bei stark schiefen Daten oder beim Vorhandensein extremer Ausreißer (z.B. bei der Betrachtung von Durchschnittseinkommen) den Median zu verwenden, da dieser in solchen Fällen den "typischen" Wert der Realität besser widerspiegelt.

Modus-Rechner

Der Modus (häufig auch Modalwert genannt) ist derjenige Wert eines Datensatzes, der am häufigsten vorkommt. Es ist schlichtweg der populärste Wert.

Besitzt ein Datensatz genau einen Wert, der am häufigsten auftritt, nennt man ihn unimodal.

Kommen zwei Werte exakt gleich oft vor und weisen die höchste Häufigkeit auf, gelten beide als Modus. Ein solcher Datensatz wird als bimodal bezeichnet.

Gibt es mehr als zwei Spitzenreiter mit der gleichen höchsten Häufigkeit, ist jeder dieser Werte ein Modus und der Datensatz wird multimodal genannt.

Kommt hingegen kein einziger Wert öfter als ein Mal vor, sagt man, dass der Datensatz keinen Modus besitzt. Es wäre in diesem Fall mathematisch falsch, zu behaupten, der Modus sei "Null". Schließlich kann die Null in einigen Datensätzen (beispielsweise bei der Temperaturmessung in Grad Celsius) ein ganz regulärer, echter Wert sein.

Der große Vorteil des Modus ist, dass er extrem leicht zu ermitteln ist und absolut unempfindlich gegenüber Ausreißern ist. Der Nachteil ist jedoch, dass er für viele kontinuierliche Datensätze schlichtweg nicht existiert oder nur wenig Aussagekraft besitzt.

Beispiel für eine Modusberechnung

Nehmen wir wieder unsere bekannte Stichprobe von zwanzig Werten:

60, 60, 84, 45, 59, 70, 42, 59, 53, 70, 69, 70, 120, 160, 95, 50, 75, 55, 72, 70

Wir können den Modus (Modalwert) so ermitteln:

Ordnen Sie den Datensatz wieder der Größe nach. Das erleichtert die Übersicht:

42, 45, 50, 53, 55, 59, 59, 60, 60, 69, 70, 70, 70, 70, 72, 75, 84, 95, 120, 160

Suchen Sie nun nach der Zahl, die sich am häufigsten wiederholt. Man sieht auf einen Blick: Die 70 kommt viermal vor. Für diesen Datensatz ist der Modalwert also 70.

Obwohl der Modus zu den Maßen der zentralen Tendenz gezählt wird, ist dies mit Vorsicht zu genießen. Der Modus muss nicht zwangsläufig in der "Mitte" liegen – er kann theoretisch auch der absolut kleinste oder größte Wert im gesamten Datensatz sein. Betrachten wir ein anderes Beispiel:

42, 45, 50, 53, 55, 57, 59, 60, 63, 69, 70, 72, 79, 82, 83, 95, 96, 120, 120, 120

Hier wäre der Modus eindeutig 120. Dieser Wert spiegelt jedoch in keiner Weise das wahre Zentrum der Daten wider.

Eine interessante Besonderheit: Während Mittelwert und Median ausschließlich für quantitative (numerische) Daten berechnet werden können, lässt sich der Modus auch hervorragend auf qualitative (kategoriale) Daten anwenden.

Ein Beispiel: Anna isst im Durchschnitt 12 Mal pro Monat Pizza. Ihre Bestellungen sehen so aus:

• 3 Mal eine Pizza Napoletana,
• 3 Mal eine Pizza Margherita,
• 2 Mal eine Calzone-Pizza,
• 1 Peperoni,
• 1 Marinara,
• 1 Four Cheeze,
• 1 Caprese.

In diesem kategorialen Datensatz haben wir einen bimodalen Fall: Die beliebtesten Varianten sind "Pizza Napoletana" und "Pizza Margherita".

Maße der Streuung

Um zu verstehen, wie stark die Datenpunkte voneinander abweichen, verwenden wir Streuungsmaße (Dispersionsmaße). Sie verraten uns, wie dicht die Daten um den Zentralwert gebündelt sind oder ob sie weit verstreut liegen. Die gängigsten Werkzeuge, um die Streuung in einem Datensatz zu analysieren, sind die Spannweite (der Bereich), die Quartile und der Interquartilsabstand.

Spannweiten-Berechnung

Die Spannweite (im Folgenden auch als Bereich oder Range bezeichnet) ist die simpelste Form der Streuungsmessung. Sie ist schlicht die Differenz zwischen dem größten (Maximum) und dem kleinsten (Minimum) Wert eines Datensatzes. Die Formel zur Berechnung lautet:

$$Bereich = Größter\ Wert - Kleinster\ Wert$$

Beispiel für die Berechnung der Spannweite

Für unsere bekannte Datenmenge von zwanzig Werten:

60, 60, 84, 45, 59, 70, 42, 59, 53, 70, 69, 70, 120, 160, 95, 50, 75, 55, 72, 70

Wir bestimmen die Spannweite wie folgt:

Ordnen Sie den Datensatz. Die sortierte Reihenfolge macht die Suche nach Maxima und Minima kinderleicht:

42, 45, 50, 53, 55, 59, 59, 60, 60, 69, 70, 70, 70, 70, 72, 75, 84, 95, 120, 160

Der höchste Wert ist 160 und der niedrigste liegt bei 42. Setzen wir dies in die Formel ein:

$$Bereich = Größter\ Wert - Kleinster\ Wert = 160 - 42 = 118$$

Die Spannweite (der Bereich) für diesen Datensatz beträgt somit 118.

Quartil-Rechner

Quartile sind Schwellenwerte, die einen sortierten Datensatz an drei Punkten in vier exakt gleich große Abschnitte (Viertel) unterteilen.

Das erste Quartil (unteres Quartil), bezeichnet mit Q₁, ist der Punkt, an dem 25 % der Datenwerte kleiner oder gleich diesem Wert sind. Die restlichen 75 % der Werte liegen darüber.

Das zweite Quartil, bezeichnet mit Q₂, entspricht genau dem Median. Es teilt die Daten präzise in der Mitte: 50 % sind kleiner, 50 % sind größer als Q₂.

Das dritte Quartil (oberes Quartil), bezeichnet mit Q₃, markiert den Punkt, an dem 75 % der Werte unterhalb und nur noch die restlichen 25 % oberhalb dieses Wertes liegen.

Berechnung der Quartile

So berechnen Sie die Quartile eines Datensatzes manuell:

1. Ordnen Sie die Daten zwingend in aufsteigender Reihenfolge an.

2. Um das zweite Quartil (Q₂) zu berechnen, ermitteln Sie einfach den Median. Für Q₁ und Q₃ gehen Sie wie folgt vor: Bestimmen Sie zunächst n, die Gesamtanzahl der Werte im Datensatz.

3. Um die Position für das erste Quartil zu finden, berechnen Sie L = 0,25 × n. Für das dritte Quartil berechnen Sie L = 0,75 × n.

4. Wenn L eine glatte, ganze Zahl ist, ist das Quartil der Durchschnitt aus dem Wert an Position L und dem Wert an Position L + 1.

5. Wenn L keine ganze Zahl ist, runden Sie auf die nächsthöhere ganze Zahl auf. Das Quartil ist dann exakt die Zahl an dieser gerundeten Position.

Beispiel für eine Quartilsberechnung

Schauen wir uns das wieder an unseren zwanzig Pizzapreisen an:

60, 60, 84, 45, 59, 70, 42, 59, 53, 70, 69, 70, 120, 160, 95, 50, 75, 55, 72, 70

So ermitteln wir die Quartile:

1. Wir sortieren den Datensatz aufsteigend:

42, 45, 50, 53, 55, 59, 59, 60, 60, 69, 70, 70, 70, 70, 72, 75, 84, 95, 120, 160

2. Aus unseren vorherigen Berechnungen wissen wir bereits, dass Q₂ (der Median) bei 69,5 liegt:

Median = 69,5

3. Wir ermitteln die Position L für das erste Quartil: 0,25 × 20 = 5. Position L für das dritte Quartil: 0,75 × 20 = 15.

4. Da 5 eine ganze Zahl ist, bilden wir für Q₁ den Durchschnitt der Werte an 5. und 6. Stelle (das sind die Werte 55 und 59):

$$Q₁=\frac{55+59}{2}=57$$

5. Da auch 15 eine ganze Zahl ist, bilden wir für Q₃ den Durchschnitt der Werte an 15. und 16. Stelle (das sind die Werte 72 und 75):

$$Q₃=\frac{72+75}{2}=73,5$$

Zusammenfassend: Für diesen Datensatz liegt das erste Quartil bei 57, das zweite (Median) bei 69,5 und das dritte bei 73,5.

Rechner für den Interquartilsabstand (IQR)

Der Interquartilsabstand (IQR – Interquartile Range) beschreibt die Differenz zwischen dem dritten Quartil (Q₃) und dem ersten Quartil (Q₁). Er ist ein äußerst wichtiges Maß für die Streuung, da er angibt, in welchem Bereich sich die mittleren 50 % der Daten befinden – völlig unbeeinflusst von extremen Ausreißern an den Rändern. Er wird so berechnet:

IQR = Q₃ - Q₁

IQR-Berechnungsbeispiel

Im vorherigen Abschnitt haben wir das erste und dritte Quartil bereits berechnet. Sie lauten 57 und 73,5. Wir müssen diese Werte nur noch in die Formel einsetzen:

IQR = Q₃ - Q₁ = 73,5 - 57 = 16,5

Für diesen Pizzapreis-Datensatz beträgt der Interquartilsabstand somit 16,5.

Ergebnisse

Kommen wir zurück zu Luigis Marktuntersuchung auf Bali. Dank der statistischen Auswertung seiner Datenreihe konnte er folgende Schlüsse ziehen: Der berechnete Mittelwert (71,9) und der Median (69,5) stimmen nicht exakt überein. Es liegt eine leichte rechtsschiefe Verteilung vor (verursacht durch ein paar sehr teure Restaurants). Diese Schiefe ist jedoch nicht gravierend, weshalb beide Maße zur Orientierung herangezogen werden können.

Sucht Luigi nach einem validen Durchschnittspreis für seine Margherita, könnte er sich sowohl am Mittelwert als auch am Median orientieren. Weder 71.900 IDR noch 69.500 IDR klingen jedoch nach einem eingängigen, runden Preis für eine Speisekarte. Glücklicherweise liegt der statistisch robustere Median extrem nah an der psychologisch attraktiven Marke von 70.000 Indonesischen Rupiah – was zudem auch der Modus (der am häufigsten vorkommende Preis) auf der Insel ist. Luigi kann diesen Preis also mit exzellentem statistischen Gewissen für seinen Businessplan verwenden.

Falls er sich entscheidet, eine Pizzeria für eine preisbewusstere Zielgruppe zu eröffnen, könnte er sich an den Werten um das erste Quartil (Q₁) orientieren. Das entspräche einem Kampfpreis von etwa 57.000 IDR. Sich auf das dritte Quartil (73.500 IDR) zu stützen, um ein Premium-Segment anzusprechen, wäre hingegen riskant, da dieser Bereich bereits stark streut und weniger verlässlich für den Massenmarkt ist.