Standardabweichungs-Anleitung: Bedeutung, Formel und Beispiele

Standardabweichung ist mittlerer Abstand vom Mittelwert - die beste Einzelzahl für Streuung. Klausuren mit Schnitt 75 und SD 5 (homogene Klasse) vs SD 20 (wild gemischt) erzählen Gegenteile. Diese Anleitung baut Intuition mit durchgerechneten Datensätzen, erklärt Grundgesamtheit vs Stichprobe ein für alle Mal und zeigt die 68-95-99,7-Regel in Aktion.

Anleitung für Standardabweichungs-Rechner online

Datensatz einfügen.
σ (Grundgesamtheit) und s (Stichprobe) ablesen.
Mit Mittel und Median vergleichen für Gesamtbild.

Formel

σ = Wurzel aus (Summe(x minus μ)² durch N) · Stichprobe teilt durch N−1 · Varianz = σ²

Kernkonzepte erklärt

Varianz zuerst, SD danach

Varianz mittelt quadrierte Abweichungen (Einheiten² - seltsam). SD entquadriert zurück zu Originaleinheiten (interpretierbar). Varianz als Trittstein rechnen, SD als Antwort berichten.

Die N vs N−1 Saga

Stichproben untertreiben Streuung (Extreme fehlen), drum durch N−1 teilen bläht leicht zum Ausgleich - Bessel-Korrektur. Ganze Grundgesamtheit? N. Stichprobe inferiert Größeres? N−1. Meiste Software nimmt Stichprobe an.

Die empirische Regel

Glockenförmige Daten: circa 68 Prozent binnen 1 SD, 95 binnen 2, 99,7 binnen 3. Qualitätskontrolle, Testnormen und Umfrage-Margen leben hier. Schiefe Daten? Regel biegt - Form zuerst prüfen.

Paper lesen wie Statistiker

Signifikant heißt p unter 0,05 (1-zu-20-Zufallstreffer-Rate) - bei tausenden Papern fluten Zufallstreffer rein. Check: Stichprobengröße, Effektstärke (nicht nur p!), Präregistrierung, Replikationen. Ein p=0,049, n=12 Befund mit d=0,1 ist Rauschen im Laborkittel; Konfidenzintervalle immer fordern.

Bayes-Intuition ein Absatz

Glauben per Evidenzstärke updaten: Prior mal Likelihood. Seltene Krankheiten brauchen sehr genaue Tests (Basisraten-Trugschluss: 99-prozentiger Test für 0,1-Prozent-Krankheit heißt meiste Positive falsch!). In Frequenzen denken (1 von 1000) nicht Wahrscheinlichkeiten - Gigerenzer-Forschung beweist Verständnis springt.

Six Sigma ein Absatz

Motorola-Programm: 3,4 Defekte je Million circa 4,5σ mit Drift-Puffer. Das Sigma-NIVEAU misst Prozessfähigkeit (Spezbreite durch SD); höher Sigma = weniger Durchrutscher. Rechner-SD ist Schritt eins jeder Fähigkeitsstudie.

Volatilität: SD mit Dollarzeichen

Aktien 15-20 Prozent Jahres-SD heißt plusminus-1σ-Jahre spannen minus 5 bis plus 35 um 15 Mittel. Optionen preisen direkt ab SD (implizite Volatilität). Risikoadjustierte Renditen (Sharpe = Überrendite durch SD) ranken Investments gerecht. Gleiche Formel, Finanz-Haut.

Hypothesentests eine Seite

Nullhypothese (kein Effekt) vs Daten: z/t = (beobachtet minus erwartet) durch SE rechnen. Jenseits plusminus 1,96 (circa 5 Prozent zweiseitig)? Verwerfen. Das sind 80 Prozent angewandte Statistik: Mittel, Anteile, Regressionen alle trichtern durch SD-abgeleitete Standardfehler. P-Hacking (20 Dinge testen, das Signifikante berichten) ist wie falsche Befunde Journale fluten - Analysen präregistrieren.

ANOVA und Regression: SD erwachsen

ANOVA partitioniert Varianz zwischen/inner Gruppen (F = Verhältnis). Regressions-R² ist erklärter-Varianz-Anteil. Jede fortgeschrittene Methode ist Varianzbuchhaltung - SD mastern und Rest Buchführung.

Attribut-Übereinstimmung: Pass/Fail-Lehrenstudien

Prüfer vs Standards über 30 plus Teile, zweimal je: Effektivität, Verpass-/Fehlalarm-Raten, Cohens Kappa (Übereinstimmung über Zufall). Unter 80 Prozent Effektivität oder Kappa unter 0,6 fordert Retraining oder Lehren-Redesign. Variablen schlagen Attribute - messen wo möglich.

Boxplots: SDs visueller Cousin

Medianlinie, IQR-Box (mittlere 50), Whisker (1,5 mal IQR), Punkte jenseits (Ausreißer). Fünf Zahlen, sofort Form: schiefe Boxen warnen wo SD irreführt. Diagramme lernen vor jeder einzelnen Streuzahl vertrauen.

Chebyshev: Garantien ohne Glocken

Mindestens 75 Prozent binnen 2 SDs, 89 binnen 3 - für JEDE Verteilung. Schwächer als 68-95-99,7 aber universell. Wenn Normalität unbewiesen, ist Chebyshev die ehrliche Schranke.

Regression zum Mittel (Galtons Entdeckung)

Extreme Erstmessungen driften zu Schnitt bei Retest - pure Statistik, keine Kausalität. Neulings-Einbrüche, Zweitsemester-Tiefs, Wunderheilungen nach schlimmsten Tagen: meist Regression in Kostümen. Kontrollgruppen existieren um exakt das zu subtrahieren.

Simpson-Paradox: Aggregate lügen

Therapie A schlägt B in JEDER Untergruppe doch verliert gesamt - ungleiche Gruppengrößen flippen Totals (Berkeley 1973 Admissions Fame). Krankenhaus/Schul-Rankings begehen das ständig. Immer schichten vor Schließen; Paradox versteckt sich offen.

Youden-Plots: Interlab-Detektive

Zwei Proben, viele Labore, Scatter-Quadranten: oben-rechts/unten-links Quadranten schreien systematische Verzerrung (Kalibrierung!), verstreute Wolken schreien Zufallsfehler. Ein Plot diagnostiziert ganzer Industrien Messgesundheit.

Trichterplots: Metaanalyse-Lügendetektoren

Effekt vs Präzision: symmetrischer Trichter = gesunde Literatur; fehlende Ecke = Publikationsbias (Negative vergraben). Egger-Test formalisiert Augenmaß. Kleinstudien-Effekte blähen Felder - erst Trichtern, dann glauben.

Regelkarten-Regeln (Western Electric)

1 Punkt jenseits 3σ, 2 von 3 jenseits 2σ, 4 von 5 jenseits 1σ, 8 einseitig: jede löst Untersuchung aus. Diese Regeln balancieren Fehlalarme vs Misses - die ganze Sprache von Fabrikböden. Prozess zeichnen; Verstöße melden lassen.

Cp vs Cpk: Fähigkeit vs Zentrierung

Cp misst Streuungs-Passung (Spezbreite durch 6σ); Cpk straft dezentrierte Mittel. Cp 2,0 mit Cpk 0,8 = präzise aber verzogene Maschine. Zentrieren zuerst fixen (gratis), dann Variation (teuer) - Reihenfolge zählt.

Prozessfähigkeit im Detail (Cp/Cpk/Pp/Ppk)

Cp: Potenzial (Spez durch 6σ). Cpk: aktuell (straft dezentriert). Pp/Ppk: Langzeit-Geschwister (Gesamt-SD). Auto fordert Cpk mindestens 1,67 (5σ-ish); 1,33 generell ok. Unter 1,0: sortieren, nicht versenden.

Lehren-Linearität und Bias-Studien

Verzerrung konstant über Bereich? Linearitätsdiagramm (Verzerrung vs Referenz) zeigt Steigungen. Regressions-Steigung circa 0 plus Achsenabschnitt circa 0 = gesunde Lehre. Kalibrieren wo misst, nicht wo bequem.

Z-Werte: das Universal-Lineal

Z-Wert übersetzt jede Messung in Standardabweichungs-Einheiten via z = (x minus Mittel) / SD, drum sitzt Wert plus 2 zwei Streuungen über Zentrum egal ob Einheiten Kilo, Millisekunden oder Dollar. Diese Standardisierung lässt Ärzte Kindergrößen-Perzentil mit Blutwert-Markierung vergleichen, lässt Lehrer Klausuren über Sektionen verschiedener Mittel normieren, und lässt Qualitätsingenieure eine Sprache über Produktlinien sprechen. Empirische Regel wandelt dann Werte in Wahrscheinlichkeiten: circa 68 Prozent Glockendaten fallen binnen plusminus 1, 95 binnen plusminus 2, und 99,7 binnen plusminus 3. Jeder Z-Wert jenseits plusminus 3 in sauberen Daten verdient Untersuchung statt Akzeptanz.

Variationskoeffizient: gerecht vergleichen

Standardabweichungen tragen Einheiten, drum Vergleich SD von Mausgewichten mit Elefantengewichten sagt nichts Nützliches bis jede durch ihr Mittel geteilt, produziert dimensionslosen Variationskoeffizienten VK = SD / Mittel. Eine Mauskollonie mit VK 8 Prozent ist relativ variabler als Elefanten bei 5 Prozent trotz Gramm gegenüber Tonnen absoluter Streuung. Analytik fordert VKs unter 2 Prozent für Assay-Präzision, Fertigung vergleicht Linienkonsistenz über Produkte in VK-Begriffen, und Ökologen kontrastieren Variabilität Regens mit Variabilität Temperatur auf einer Skala. Wann Mittel um Größenordnungen differieren, ist VK der ehrliche Vergleich und rohe SD der irreführende.

Sharpe-Ratio: SD im Nenner

Sharpe-Ratio teilt Überrendite durch ihre Standardabweichung, beantwortet die einzige Investmentfrage die zählt: wie viel Belohnung je ertragenem Wackeln. Ein Fonds 10 Prozent verdienend mit 5 Prozent Vola postet Sharpe 2,0 vor risikofreien Raten, schlägt 15-Prozent-Fonds 20 Prozent schwingend, weil glatterer Pfad besser zinst und Einbrüche überlebt die Investoren wirklich tolerieren. Pensionsgremien filtern auf Sharpe statt rohe Rendite exakt drum, und Maß verallgemeinert jede Aktivität wägend Durchschnittsgewinn gegen Variabilität. Poker-Spieler rechnen Win-Rate je SD um Bankrolls zu bemessen, und Vertriebsleiter vergleichen Vertreter per Sharpe-ähnlichen Konsistenzwerten.

Konfidenzintervalle aus SD

Konfidenzintervall wandelt Stichprobenmittel plus Standardfehler in plausiblen Bereich für Wahrheit, typisch Mittel plusminus 2 mal SE für 95 Prozent Sicherheit mit ordentlichen Stichproben. Standardfehler selbst ist SD / Wurzel n, was Wurzelgesetz des Samplings kodiert: Vervierfachung Stichprobe halbiert Unsicherheit, drum Präzision wird schnell teuer. Umfrageinstitute leben in dieser Formel, berichten plusminus 3 Punkte aus grob 1000 Befragten, und Produktteams dimensionieren Experimente durch Umkehrung um n zu finden das minimale sinnvolle Effekte detektiert. Intervall-Habit schlägt Punktschätzer überall, weil 52 Prozent mit plusminus 8 was ganz anderes meint als 52 Prozent mit plusminus 1.

Cohens d und gepoolte SD

Cohens d teilt Mitteldifferenz durch gepoolte Standardabweichung, konvertiert rohe Lücken in universelle Sprache wo 0,2 klein liest, 0,5 mittel und 0,8 groß über Psychologie, Medizin und Bildung. Ein Leseprogramm hebend Scores 6 Punkte gegen gepoolte SD 15 erzielt d = 0,4, sofort vergleichbar Medikamentenstudie oder Trainingsintervention gemessen in verschiedenen Einheiten. Metaanalysen aggregieren tausende Studien durch d weil rohe Einheiten sich weigern zu kombinieren, so lernte Bildung dass Feedback Klassengröße übertrifft und Medizin lernte welche Therapien bloß anstoßen. Ohne Standardisierung bleibt Literatur Babel-Turm; mit ihr wächst Evidenz.

Schiefe und Kurtosis: Form jenseits Streu

Standardabweichung fasst Breite während nichts über Asymmetrie oder Tail-Gewicht sagend, drum zitieren Einkommensanalysten Schiefe neben SD: rechtsschiefe Lohnverteilungen stapeln Arbeiter unter Mittel während Top-Verdiener den Schwanz strecken, macht Median zum ehrlichen Zentrum. Schiefe über plus 1 oder unter minus 1 markiert Formen wo symmetrische Methoden irreführen, von Versicherungsschäden zu Latenz-Perzentilen. Kurtosis misst Tail-Extremität statt Gipfligkeit trotz Lehrbuch-Folklore, mit hoher Kurtosis warnend vor seltenen Desastern versteckt in normal wirkender Volatilität. Finanzrenditen zeigen das brutal: Jahre ruhiger SD punktiert von Crashs leben in Kurtosis, nicht Varianz.

Rollende SD: Volatilität die läuft

Eine einzelne SD über Dekade mittelt Krisen mit Ruhe in Bedeutungslosigkeit, drum rechnen Trader rollende Fenster, typisch 20 oder 60 Tage, schauen Volatilität atmen durch Regime. Bollinger-Bänder zeichnen Preis gegen gleitenden Schnitt plus und minus zwei rollende SDs, wandeln abstrakten Spread in sichtbare Enge-und-Expansions-Zyklen die Ausbrüche vorangehen. Risk-Desks bemessen Positionen per inverser rollender Volatilität damit jede Wette konstantes Risiko beiträgt wie Märkte heizen und kühlen. Fensterwahl wägt Reaktion gegen Rauschen ab: kurze Fenster zittern auf Einzelereignissen während lange antike Historie behalten.

Fehlerfortpflanzung: SD durch Rechnungen

Messungen tragen Unsicherheit in jedes berechnete Resultat, und Fortpflanzungsregeln verfolgen sie: Summen addieren Varianzen, drum Total unabhängiger plusminus-1-cm-Schnitte hat SD Wurzel 2 circa 1,4 cm statt 2 cm, weil Fehler sich teils aufheben. Produkte und Quotienten addieren relative Varianzen stattdessen, drum 2-Prozent-Längenfehler plus 2-Prozent-Breitenfehler ergibt circa 2,8 Prozent Flächenfehler. Kalibrierlabore leben per GUM-Rahmenwerk formalisierend diese Regeln mit Erweiterungsfaktoren, typisch k = 2 für grob 95-Prozent-Intervalle. Ignorierte Fortpflanzung untertreibt Unsicherheit systematisch, der stille Fehler zahlloser Studenten-Laborberichte.

Laufzeiten hüpfen rum warum

Wochenendläufer mit Blick auf Zeiten wie 31, 29, 33 und 30 Minuten treffen Streuung bevor sie Statistik treffen. Kleine Streuung heißt Training konsistent und Mittel vertrauenswürdig; breite Streuung deutet hin auf Schlaf-, Wind- oder Tempo-Chaos versteckt hinter gleichem Mittel. Zwei Monate über Mittel allein vergleichen verpasst Geschichte - Monat mit engerer Streuung zeigt echte Fitness selbst wenn Mittel binden.

Backen schmeckt jedes Mal gleich

Heimbäcker mit Tassen-Mehl kriegen Brote alternierend zwischen Ziegeln und Wolken während Rezept Schuld nimmt. Küchenwaage schrumpft Portionsstreuung dramatisch weil Gramm weniger variieren als Löffel, und gleiche Logik erklärt warum Fabriken alles wiegen. Wenn Messungen genauer werden, fühlen Resultate nicht mehr wie Glück.

Klassennoten und Streu Eltern sagt

Klasse mit Schnitt 75 Prozent kann zwei Realitäten verbergen: alle nah 75, oder Hälfte nah 95 und Hälfte nah 55. Homogene Klasse braucht Schubs vorwärts gemeinsam; gespaltene Klasse braucht unterschiedliche Hilfe je Hälfte. Eltern fragend nur Mittel verpassen ob Kind in ruhiger oder geteilter Gruppe sitzt.

Mittel Median Modus Trio

Mittel ( Durchschnitt!), Median (Mitte sortiert!), Modus (häufigster!): Schiefe trennt (Einkommen Mittel hoch!). Immer alle drei (Story!). Rechnen (sortieren!), vergleichen, berichten.

Spannweite Quartile schnell

Max minus Min (Spanne!): Q1 (25 Prozent!), Median (50!), Q3 (75!). IQR = Q3 minus Q1 (Box!). Schnell (5 Zahlen!). Rechnen (Quartile!), einordnen, berichten.

IQR Ausreißer 1,5-Regel

Zaun: Q1 minus 1,5 mal IQR (unten!), Q3 plus 1,5 mal (oben!): Draußen = Ausreißer-Kandidat. Boxplot-Whisker (Regel!). Prüfen (Ursache!), einordnen, entscheiden.

Perzentile Quantile lesen

90. Perzentil: 90 Prozent drunter (Größe!). Quantile teilen (Quartile, Dezile!). Perzentilrang (Position!). Ablesen (Tabelle!), teilen, einordnen.

Histogramm Klassen wählen

Balken (Häufigkeit!): Klassen 5-15 (Sturges!). Zu wenig glättet (Form weg!), zu viel rauscht. Breite gleich (Vergleich!). Wählen (Klassen!), auftragen, formen.

Glockenkurve Eigenschaften

Symmetrisch (Mittel = Median = Modus!): Wendepunkte bei plusminus 1 SD. Fläche 1 (100 Prozent!). Parameter (μ, σ!). Prüfen (Symmetrie!), parametrisieren, nutzen.

Schiefe links rechts

Rechtsschief: Tail rechts (Einkommen!), Mittel über Median. Linksschief: Tail links (Alter Tod!). Maß (Moment!). Erkennen (Ränder!), Median nehmen, transformieren.

Kurtosis Exzess verstehen

Steilgipflig (leptokurtisch!): schwere Tails (Crashs!). Flach (platykurtisch!). Exzess = Kurtosis minus 3. Messen (Momente!), Ränder prüfen, absichern.

Normalverteilung Tabelle ablesen

Phi(z) kumulativ (Fläche links!): z=1,96 circa 0,975. Rückwärts (Quantil!). Tabelle (Buch!). Ablesen (Zeile+Spalte!), invertieren, nutzen.

Z-Tabelle Beispiel 1,64

z=1,64: 95 Prozent einseitig (5 Prozent Schwanz!). z=2,33: 99 Prozent. Merken (1,64/1,96/2,58!). Nachschlagen (Tabelle!), merken, testen.

Konfidenzintervall 95 Beispiel

Mittel 100 plusminus 4 (SE 2!): Wahrheit drin mit 95 Verfahrenstreue. Breite schrumpft Wurzel n. Rechnen (plusminus 2 SE!), deuten, berichten.

Standardfehler Beispiel n=100

SD 15, n=100: SE = 15/10 = 1,5. Mittel plusminus 3 (95 Prozent!). n vervierfachen halbiert. Teilen (Wurzel!), intervallen, berichten.

Stichprobenumfang Formel

n = (z mal σ / E)² (Fehlermarge E!): E halbieren vervierfacht n. σ schätzen (Pilotstudie!). Rechnen (Formel!), pilotieren, bemessen.

Power 0,8 Beispiel

Effekt d=0,5 detektieren (80 Prozent Chance!): n circa 64 je Gruppe. Power-Analyse vor Studie (Geldgeber!). Rechnen (Software!), bemessen, finden.

Effektstärke d Beispiel

6 Punkte Differenz, SD 15: d = 0,4 (mittel!). 0,2 klein, 0,5 mittel, 0,8 groß. Teilen (Differenz/SD!), benchmarken, berichten.

P-Wert Fehlinterpretation

p ist NICHT P(Hypothese falsch!) sondern P(Daten|H0). p=0,04 heißt nicht 96 Prozent wahr. Deuten (korrekt!), Intervalle bilden, replizieren.

Signifikanz vs Relevanz

n=100000 macht Triviales signifikant (d=0,02!): Effektstärke fragen (praktisch?). Konfidenzintervall (Breite!). Fragen (Relevanz!), messen, entscheiden.

Multiples Testen Bonferroni

20 Tests: α/20 = 0,0025 (korrigiert!). Sonst Flukes sicher. Präregistrieren (Plan!). Korrigieren (Bonferroni!), präregistrieren, glauben.

Korrelation vs Kausalität

r=0,9 Eiscreme-Ertrinken (Sommer verzerrt!): Korrelation symmetrisch, Kausalität braucht Design. Störfaktoren suchen (dritte Variable!). Korrelieren (r!), entzerren, planen.

Pearson r Beispiel

r=0,7 Lernen-Note (stark!): r²=0,49 (49 Prozent Varianz!). r=0 nichts linear. Rechnen (Kovarianz/Norm!), quadrieren, deuten.

Regression Gerade Steigung

y = a + b x (b = Effekt je Einheit!): b = r mal (SDy/SDx). Vorhersage (Interpolieren!). Schätzen (OLS!), prognostizieren, prüfen.

R² Beispiel 0,64

64 Prozent Varianz erklärt (Modell gut!): Rest 36 Rauschen. Adjustiert (straft Variablen!). Rechnen (1 minus Rest/Total!), adjustieren, berichten.

Residuen prüfen Diagramm

Residuen vs Fit (Muster verboten!): Trichter = Heteroskedastizität. QQ-Norm (Normalität!). Zeichnen (immer!), mustern, fixen.

Ausreißer Hebelwirkung

Ein Punkt kippt Gerade (Hebel!): Cook-Distanz über 1 prüfen. Robust fitten (Alternative!). Messen (Cook!), prüfen, absichern.

Simpson Beispiel Zulassung

Fach A: Frauen 80 Prozent, Männer 70; Fach B: Frauen 30, Männer 20 - gesamt Männer vorn (Fächerwahl verzerrt!). Schichten (Fach!), vergleichen, staunen.

Basisrate Mammografie Beispiel

1 Prozent krank, Test 90/90: positiv heißt nur 8 Prozent krank (Basisrate!). Frequenzen (10 von 1000!). Rechnen (Bayes!), Häufigkeiten bilden, verstehen.

Bayes Spam-Filter

Wort Viagra: P(Spam|Wort) via Bayes (Prior mal Likelihood!). Filter lernen (Training!). Genau (99 Prozent!). Trainieren (Korpus!), filtern, sortieren.

Sensitivität Spezifität

Sensitivität: Kranke gefunden (90 Prozent!). Spezifität: Gesunde freigesprochen (95!). Zielkonflikt (Schwelle!). Messen (Vierfelder!), balancieren, testen.

Konfusionsmatrix lesen

TP, FP, TN, FN (Vierfelder!): Precision = TP/(TP+FP). Recall = TP/(TP+FN). Füllen (Zählen!), teilen, balancieren.

Overfitting Beispiel

Modell lernt Rauschen (100 Prozent Training, 60 Test!): Komplexität strafen (Regularisierung!). Aufteilen (Train/Test!). Aufteilen (Daten!), strafen, generalisieren.

Train Test Split

80/20 teilen (zufällig!): Test nie anfassen (Ehrlichkeit!). Kreuzvalidierung (k-fach!). Teilen (Startwert!), validieren, berichten.

Bias-Varianz-Abwägung

Einfach: hoher Bias (unterangepasst!). Komplex: hohe Varianz (überangepasst!). Sweetspot (Mitte!). Balancieren (Kurven!), validieren, wählen.

Monte Carlo Pi Beispiel

Zufallspunkte Quadrat/Kreis (Pi circa 3,14!): Mehr Punkte genauer (Wurzel n!). Simulieren (Millionen!), zählen, schätzen.

Bootstrap Beispiel

Resampling mit Zurücklegen (1000 mal!): Verteilung Schätzer (Intervall!). Keine Formel nötig. Stichproben ziehen (Computer!), Intervalle bilden, berichten.

Permutationstest Idee

Labels mischen (10000 mal!): Nullverteilung empirisch. p = Anteil extremer. Mischen (Computer!), zählen, testen.

T-Test Beispiel

Zwei Mittel vergleichen (t = Diff/SE!): p unter 0,05 signifikant. Voraussetzungen (Normalität!). Rechnen (t!), prüfen, schließen.

Chi-Quadrat Beispiel

Kategorien Unabhängigkeit (Tabelle!): Erwartet vs beobachtet. df = (r-1)(c-1). Tabellieren (Kreuz!), rechnen, testen.

ANOVA Beispiel Dünger

Drei Dünger Erträge (F = zwischen/inner!): F groß signifikant. Post-hoc (welche?). Testen (F!), nachtesten, düngen.

Mann-Whitney U Test

Nichtparametrisch zwei Gruppen (Ränge!): Keine Normalität nötig. Median vergleichen. Ränge vergeben (Daten!), testen, berichten.

Shapiro-Wilk Normalität

Testet Normalität (p über 0,05 ok!): Kleine n sensitiv. QQ-Plot dazu. Testen (Software!), zeichnen, entscheiden.

Q-Q-Plot lesen

Punkte auf Diagonale (normal!): S-Kurve schief, Enden mit schweren Rändern. Zeichnen (Software!), Diagonale prüfen, deuten.

Multikollinearität VIF

Prädiktoren korreliert (VIF über 10 schlimm!): Koeffizienten instabil. Verwerfen/Kombinieren. Messen (VIF!), verwerfen, stabilisieren.

Überlebenden-Bias Flugzeuge

Löcher heimkehrender zählen (falsch!): Fehlende (abgestürzte) zählen. Wald 2. Weltkrieg. Denken (fehlend!), korrigieren, wappnen.

Hot-Hand-Trugschluss

Treffer-Serien Zufall (Basketball!): Regression erklärt. Wette meiden. Erkennen (Regression!), ignorieren, sparen.

Spieler-Trugschluss Roulette

Rot 5 mal: Schwarz NICHT fälliger (unabhängig!). Jede Runde neu. Wissen (Unabhängigkeit!), widerstehen, gehen.

Geburtstags-Paradox 23

23 Leute: 50 Prozent Paar gleich (Kombinatorik!). 70 Leute 99,9. Rechnen (Komplement!), staunen, wetten.

Monty Hall 3 Türen

Wechseln gewinnt 2/3 (Bedingt!): Moderator-Wissen ändert. Simulieren (100 mal!). Wechseln (immer!), simulieren, gewinnen.

Normalverteilung Größe IQ

Größe μ=178 σ=7 (Männer!): IQ μ=100 σ=15 (Design!). Perzentile (z!). Messen (Stichprobe!), standardisieren, einordnen.

Six Sigma 3,4 DPMO

3,4 Defekte je Million (4,5σ mit Drift!): Cp=2,0. Automobilbau Cpk 1,67. Rechnen (Vorgaben!), zentrieren, liefern.

Cp Beispiel 1,33

Spezbreite durch 6σ = 1,33 (ok generell!): Unter 1,0 sortieren. Zentrieren (Cpk!). Rechnen (Cp!), zentrieren, versenden.

Schritt für Schritt

Anleitung: 12, 15, 18, 20, 22 per Hand

Mittel: 87 durch 5 = 17,4.
Abweichungen: minus 5,4, minus 2,4, 0,6, 2,6, 4,6.
Quadrate: 29,16, 5,76, 0,36, 6,76, 21,16 Summe 63,2.
Varianz Grundgesamtheit: 63,2 durch 5 = 12,64, σ circa 3,56. Stichprobe: 63,2 durch 4 = 15,8, s circa 3,97.

Anleitung: ist Webseite B besser?

A: 120/1000 (12 Prozent). B: 150/1000 (15 Prozent).
Gepoolter SE circa 1,5 Prozent, z circa 2,0, p circa 0,045.
Signifikant-ish: länger laufen lassen (Spähen bläht falsch Positive) vor Live-Schaltung.

Anleitung: ist Prozess fähig?

Teile Ziel 10,0 plusminus 0,3 mm; Stichproben-SD 0,08.
Cp = 0,6 durch (6 mal 0,08) = 1,25 - fähig-ish (1,33 plus lieber).
Zentrieren (Cpk) vor Feiern.

Anleitung: Ausreißer oder behalten?

Daten Mittel 50, SD 4; Punkt bei 70 (5 SD daneben).
Grubbs-Test: G = Betrag(70 minus 50)/4 = 5,0 - extrem.
Ursache untersuchen; nur mit dokumentiertem Grund entfernen, nie aus Bequemlichkeit.

Anleitung: Regression in Verkaufsdaten entdecken

Top-Vertreter fällt 30 Prozent nächstes Quartal - Formtief oder Regression?
Prüfung: war letztes Quartal 3 SD über eigenem Mittel? Wenn ja, Rückkehr erwarten egal.
Prozess coachen, Wackeln ignorieren.

Anleitung: Trichterplot lesen

Symmetrisch um gepoolten Effekt? Gesund.
Hohl unten-links (kleine Negative fehlen)? Bias vermutet.
Trim-and-Fill schätzt vergrabenen Rest.

Anleitung: fähig oder nicht?

Spez 10,0 plusminus 0,3; Prozess-SD 0,08, Mittel 10,02.
Cp = 0,6 durch 0,48 = 1,25.
Cpk (schlechtere Seite): (10,3 minus 10,02) durch 0,24 circa 1,17 - fähig-ish, zentrieren.

Anleitung: Cpk-Rettungsmission

Spez 10,0 plusminus 0,3, Prozess-Mittel 10,12, SD 0,08.
Cp = 1,25 aber Cpk = 0,75 (dezentriert!).
Rezentrieren auf 10,0 macht Cpk 1,25. Zentrieren ist gratis Fähigkeit.

Anleitung: SD-Teil Laborbericht in 10 Minuten

Rohwerte listen und Mittel plus Stichproben-SD mit N−1 rechnen, da Laborwiederholungen Grundgesamtheit aus Stichprobe schätzen.
In Standardfehler wandeln (SD/Wurzel n) und 95-Intervall als Mittel plusminus 2 mal SE neben roher SD nennen, damit Leser Streuung und Präzision sehen.
Gegen Referenzwert mit z-artigem Abstand vergleichen: innen plusminus 2 SE stimmt, jenseits plusminus 3 SE verlangt Erklärung, kein Achselzucken.
Dominante Fehlerquelle nennen und einen Schritt fortpflanzen, damit Endunsicherheit verstanden zeigt, dann Ergebnis passend runden.

Durchgerechnete Beispiele

Frage	Antwort
12, 15, 18, 20, 22	σ circa 3,56 · Mittel 17,4
70, 72, 74 (eng)	σ circa 1,63
50, 70, 90 (breit)	σ circa 16,33
Münze 55 Kopf/100	z circa 1,0 - nicht signifikant
Medikament 60 Prozent vs 50 Placebo, n=200	z circa 2,0 - signifikant
1,2,3,4,5	σ circa 1,41
100,100,100	σ = 0
Boxplot 1 bis 100	Median 50,5, IQR 50
70 bei Mittel-50/SD-4 Set	5 SD daneben - untersuchen
8, 9, 11, 12, 10	σ circa 1,41 · Mittel 10
20, 20, 25, 30, 30	σ circa 4,12 · breit

Berühmte Streuungen

Datensatz	SD-Gefühl
Körpergrößen Erwachsene	circa 7-8 cm
IQ-Werte	15 per Design
Roulette-Dutzend	riesig vs Mittel - Glücksspiel!
Fertigung (plusminus 3σ)	99,7 Prozent in Toleranz

Typische Fehler vermeiden

SD ohne Mittel berichten (Streuung braucht Zentrum).
Grundgesamtheit-Formel auf Stichproben (untertreibt).
68-95-Regel auf schiefe Daten.
SD mit Standardfehler verwechseln (Präzision Mittels).
N statt N−1 bei Stichprobe.
Ausreißer stillschweigend löschen.
Regel ohne Form-Prüfung.
Varianz statt SD berichten (Einheiten!).

Profi-Tipps

Histogramm zuerst skizzieren - Form führt alles.
VK (SD durch Mittel) über Skalen vergleichen.
Ausreißer blähen SD quadratisch - Extreme untersuchen.
Bei kleinem n (unter 10) Spannweite dazu.
Fixkosten von Variablen trennen vor Streuungsurteil.
Zehn aktuelle Zahlen skizzieren vor jedem Mittel-Vertrauen.
Messstreuung zuerst schrumpfen wenn Ergebnisse zufällig fühlen.
Spannweite neben Streuung bei Mini-Stichproben.
Median plus SD plus Form immer Trio.
Einheiten notieren (SD erbt Einheit!).

Wo du das brauchst

Qualitätskontrolle

Plusminus-3σ-Bänder flaggen kaputte Prozesse automatisch.

Finanzen

Volatilität IST Standardabweichung Renditen.

Sportwissenschaft

Konstante (niedrig SD) vs streaky Athleten.

Umfragen

Fehlermargen stammen aus Stichproben-SD.

Fertigung

Fähigkeitsindices Cp/Cpk starten hier.

Investieren

Volatilität und Sharpe-Ratios.

A/B-Tests

Conversion-Differenzen brauchen SE-Mathe, nicht Bauch.

Lauffortschritt beurteilen

Streuung aktueller Zeiten vergleichen, nicht nur Bestzeiten, ob Training stabilisiert.

Küche straffen

Zutaten wiegen schrumpft Portionsstreuung und beendet Zufalls-Backfehler.

Zeugnisse lesen

Nach Notenstreuung fragen ob Klasse gemeinsam läuft oder spaltet.

Haushaltsbudget checken

Breite Monatsstreuung flaggt Überraschungen schneller als Mittel versteckt.

Medizin Laborwerte

Referenzbereiche sind Mittel plusminus 2 SD - Markierungen verstehen.

Glossar

Varianz	Mittlere quadrierte Abweichung.
Bessel-Korrektur	N−1 bei Stichproben.
Normalverteilung	Glockenkurve.
Standardfehler	SD von Stichprobenmitteln.
Z-Wert	SDs vom Mittel.
VK	SD durch Mittel, einheitenfrei.
IQR	Mittlere 50 Prozent (Box).
Cp/Cpk	Prozessfähigkeit zentriert/unzentriert.

Häufige Fragen

Grundgesamtheit vs Stichprobe SD?

Ganze Gruppe: durch N (σ). Stichprobe größerer Gruppe: N−1 (s) gegen Untertreibung.

Was ist gute Standardabweichung?

Kontextabhängig: niedrig = konsistent, hoch = variiert. Keins gut/schlecht allein.

Was ist 68-95-99,7-Regel?

In Glocken-Daten: circa 68 Prozent binnen 1 SD, 95 binnen 2, 99,7 binnen 3.

SD vs Varianz?

Varianz ist SD quadriert (quadrierte Einheiten); SD in Originaleinheiten - leichter interpretieren.

Kann SD null sein?

Ja - alle Werte identisch.

Warum Abweichungen quadrieren?

Vorzeichen würden canceln; Quadrate strafen große Fehler mehr (und enablen Mathe).

Was ist Standardfehler?

SD durch Wurzel n - wie präzise Stichprobenmittel Grundgesamtheit-Mittel schätzt.

Welcher p-Wert signifikant?

Konvention 0,05 - arbiträr aber universell; exakte Werte berichten.

Wie viel Daten brauche ich?

Power-Analyse: Effektstärke, α, Power 0,8 ergibt n. Daumenregeln irreführen.

Was ist Basisraten-Trugschluss?

Seltenheit ignorieren: genaue Tests false-alarmen meist auf seltene Bedingungen.

Was ist Variationskoeffizient?

SD durch Mittel - skalenfreie Streuung zum Datensätze-Vergleichen.

Was ist Attribut-Übereinstimmung?

Pass/Fail-Lehrenstudie vs Standards - Effektivität plus Kappa.

Wykres pudełkowy vs SD?

Diagramme zeigen Form; SD fasst - beides nutzen.

Was ist Chebyshev-Regel?

Mindestens 75 Prozent binnen 2 SDs für JEDE Verteilung.

Wann Ausreißer droppen?

Nur dokumentierte Ursache - nie aus Bequemlichkeit.

Was ist Regression zum Mittel?

Extreme driften schnittwärts bei Retest - Statistik, nicht Kausalität.

Was ist Simpson-Paradox?

Untergruppen-Siege reversen in Totals - schichten vor Schließen.

Was ist Youden-Plot?

Zwei-Proben Interlabor-Streuung diagnostiziert Verzerrung vs Zufallsfehler.

Was ist Trichterplot-Asymmetrie?

Fehlende kleine Negative - Publikationsbias-Signal.

Was sind Western-Electric-Regeln?

Regelkarten-Verletzungsmuster lösen Untersuchung aus.

Cp vs Cpk?

Cp = Streuungs-Passung; Cpk = Fit gestraft für dezentrierte Mittel.

Cp vs Cpk vs Pp?

Cp Potenzial, Cpk aktuell (zentriert), Pp/Ppk Langzeit-Versionen.

Was ist Lehren-Linearität?

Bias-Konsistenz über Bereich - Steigung circa 0 gewollt.

Wie Z-Wert rechnen?

Mittel subtrahieren und durch SD teilen; jenseits plusminus 2 ungewöhnlich, jenseits plusminus 3 verlangt Untersuchung.

Wann VK besser als SD?

Variabilität über differente Mittel oder Einheiten vergleichen - VK teilt Streu durch Mittel für gerechte Relation.

Was ist guter Sharpe-Ratio?

Über 1 ordentlich, über 2 stark; über 3 aus kurzen Samples als Artefakt misstrauen.

Wie Cohens d interpretieren?

0,2 klein, 0,5 mittel, 0,8 groß - dann Kosten und Basisraten wägen vor Handeln.

Wie Fehler in Summen kombinieren?

Varianzen addieren: Total-SD ist Wurzel summierter Quadrate, kleiner als naive Addition dank Cancellation.

Warum Budget monatlich schwingt?

Irreguläre Rechnungen und Saison-Ausgaben weiten Spread während Mittel ruhig schaut.

Wie viel Zahlen reichen?

Zehn ehrliche Werte skizzieren Spread gut genug für Alltagsentscheidungen.

Mittel oder Median mit Spread?

Alle drei berichten wenn Daten schief; Trio erzählt volle Story.

Wetter weitet Läufe?

Wind und Hitze streuen Zeiten breit selbst bei stabiler Fitness.

Was Spread zum Mittel addiert?

Zeigt ob Zahlen eng klumpen oder weit schwingen um gleiches Mittel.

Warum Läufe so variieren?

Schlaf, Wind, Pacing und Ruhetage weiten Spread selbst wenn Fitness flach bleibt.

Waage hilft Backen wirklich?

Ja - Gramm variieren weit weniger als Tassen, drum Brote stoppen alternierende Extreme.

Was Lehrer fragen?

Ob Noten nah Mittel klumpen oder sich spalten, damit Förderung richtige Gruppe trifft.

Mittel Median Unterschied?

Mittel Durchschnitt, Median Mitte sortiert - Schiefe trennt beide.

Modus wofür?

Häufigster Wert - Kategorien, Größen, Noten-Häufungen.

Spannweite reicht?

Schnell aber extrem-anfällig - IQR robuster.

Quartile wie?

Sortieren, Median, Hälften-Mediane - Q1, Q2, Q3.

IQR wofür?

Mittlere 50 Prozent Streuung - Box-Höhe, robust.

1,5-Regel was?

Q1 minus 1,5 IQR Zaun - draußen Ausreißer-Kandidat.

Perzentil Beispiel?

90. Perzentil Größe: 90 Prozent kleiner - Wachstum, Tests.

Klassen wie viele?

5-15 nach Sturges - wenig glättet, viel rauscht.

Glocke Parameter?

μ Zentrum, σ Breite - Wendepunkte plusminus 1 σ.

Schiefe Maß?

Moment-Schiefe: über plus 1 rechtschief - Median dann Zentrum.

Kurtosis wofür?

Enden-Gewicht warnt Crashs - Finanzrenditen klassisch.

Z-Tabelle lesen?

Phi(z) Fläche links - z=1,96 circa 0,975.

1,64 wann?

95 Prozent einseitig - z=1,64, zweiseitig 1,96.

KI Breite halbieren?

n vervierfachen - Wurzelgesetz, teuer schnell.

SE bei n=100?

SD durch 10 - Mittel plusminus 2 SE 95 Prozent.

n Formel?

(z mal σ durch E)² - E halbieren vervierfacht.

Power Beispiel?

d=0,5, 80 Prozent: n circa 64 je Gruppe.

d=0,4 was?

Mittel - Metaanalysen vergleichen so Felder.

p falsch deuten?

p ist P(Daten|H0), nicht P(Hypothese falsch!).

Signifikant aber egal?

Groß n macht Triviales signifikant - Effektstärke fragen.

Bonferroni wann?

Multiples Testen: α durch Testzahl - Zufallstreffer sonst sicher.

Korrelation Kausalität?

Nein - Confounder dritte Variable suchen, Design braucht.

r=0,7 was?

Stark - r²=0,49, 49 Prozent Varianz erklärt.

Regression wofür?

Vorhersage Gerade - Steigung Effekt je Einheit.

R²=0,64 was?

64 Prozent erklärt - adjustiert Variablen strafen.

Residuen Muster?

Verboten - Trichter Heteroskedastizität, QQ Normalität.

Hebel Punkt?

Cook über 1 prüfen - robust anpassen Alternative.

Simpson Beispiel?

Uni-Zulassung Fächerwahl confoundet - schichten immer.

Mammografie Paradox?

1 Prozent krank: positiv nur 8 Prozent krank - Basisrate!

Bayes wofür?

Prior mal Likelihood - Spam-Filter, Tests, Frequenzen.

Sensitivität was?

Kranke gefunden Rate - Zielkonflikt Spezifität Schwelle.

Konfusionsmatrix?

TP FP TN FN - Precision, Recall, F1 teilen.

Overfitting Zeichen?

Training 100, Test 60 - Komplexität strafen, teilen.

Teilung 80/20?

80/20 zufällig - Test nie anfassen, Cross-Val besser.

Bias Varianz?

Einfach unterangepasst, komplex überangepasst - Mitte Sweetspot.

Monte Carlo wofür?

Zufall simuliert Integrale - Pi, Risiko, Millionen Punkte.

Bootstrap wann?

Keine Formel - Resampling 1000 mal, Intervall empirisch.

Permutationstest was?

Labels mischen 10000 mal - Nullverteilung empirisch, p zählen.

T-Test wann?

Zwei Mittel - t Diff/SE, Normalität prüfen.

Chi-Quadrat wofür?

Kategorien Unabhängigkeit - erwartet vs beobachtet tafeln.

ANOVA wann?

Drei plus Gruppen - F zwischen/inner, post-hoc welche.

Mann-Whitney wann?

Nichtparametrisch zwei Gruppen - Ränge, keine Normalität.

Shapiro-Wilk was?

Normalitätstest - p über 0,05 ok, QQ dazu.

Q-Q-Plot lesen?

Diagonale normal - S-Kurve schief, Enden mit schweren Rändern.

VIF über 10?

Multikollinearität schlimm - Koeffizienten instabil, droppen.

Überlebenden-Bias?

Fehlende zählen - Wald Flugzeuge, Fonds, Erfolg.

Heiße Hand?

Serien Zufall - Regression erklärt, Wette meiden.

Roulette austricksen?

Keines - unabhängig jede Runde, Tische leben davon.

Geburtstage 23?

50 Prozent Paar - Kombinatorik überrascht, wetten gewinnen.

Monty Hall?

Wechseln 2/3 - Moderator-Wissen, simulieren glauben.

IQ 100/15?

Per Design - 130 plus 2 Prozent, Perzentile z.

3,4 DPMO?

Six Sigma 4,5σ Drift - Weltklasse, Auto Cpk 1,67.

Cp 1,33?

Ok generell - unter 1,0 sortieren, zentrieren Cpk.

Regelkarte wofür?

Prozess über Zeit - Western Electric Verstöße melden.

Messunsicherheit was?

GUM k=2 95 Prozent - Fortpflanzung, Runden danach.

Kalibrierung wo?

Wo misst - nicht wo bequem, Linearität Steigung null.

Ringversuch was?

Labore vergleichen - z-Werte, Verzerrung finden.

Sharpe 1,5?

Gut - über 2 stark, über 3 Artefakt misstrauen.

Volatilität annualisieren?

Tages-SD mal Wurzel 252 - 1 Prozent pro Tag circa 16 pro Jahr.

VaR 95?

Maximalverlust 95 Prozent - Tails fehlen, Shortfall besser.

Diversifikation wie?

Korrelation unter 1 senkt Portfolio-Varianz - Formel nutzen.

Umfrage n=1000?

Plusminus 3 Punkte - Wurzelgesetz, Zufall Pflicht.

Wahlprognose Fehler?

Nichtwähler, Lügen, Beteiligung - Intervalle statt Punkte.

A/B n wie?

Power-Rechnung - Zuwachs, Basisrate, α, Power 0,8.

Conversion 5 Prozent?

SE Wurzel(p(1-p)/n) - 1000 Besucher plusminus 1,4.

Problem des Reinschauens?

Spähen bläht falsch Positive - sequentiell oder verblindet.

Bandit-Algorithmus wofür?

Mehrarmiger Bandit verteilt Datenverkehr adaptiv - Erkunden/Nutzen.

Ökologisch Fehlschluss?

Aggregate auf Individuen - Bezirke vs Personen trennen.

Galton Größen?

Eltern extrem: Kinder mittiger - Regression entdeckt.

Beta was?

Markt-Sensitivität Aktie - 1 Markt, 1,5 wilder.

CAPM wofür?

Renditeerwartung Zins plus Beta mal Prämie - Modell, Kritik.

Turnout Fehler?

Nichtwähler verzerren - Gewichtung, wahrscheinliche Wähler.

Lügen Umfrage?

Shy Tory, sozial erwünscht - anonym, online ehrlicher.

Zuwachs 1 Punkt?

5 auf 6 Prozent: n circa 8000 je Arm - Power rechnet.

Sequenzielles Testen?

Alpha-Spending-Funktionen - Spähen legal mit Plan.

Explore Exploit?

Bandit lernt - 90 Prozent Bewährtes, 10 Test.

Mean Reversion Aktien?

Kurzfristig Rauschen - Volatilität klumpt, GARCH.

GARCH was?

Volatilitäts-Cluster-Modell - Hoch folgt Hoch, Optionen preisen.

Bollinger-Bänder wofür?

Preis vs gleitend plusminus 2 rollende SD - Enge vor Ausbruch.

Welford-Verfahren wofür?

Inkrementell Mittel/Varianz - Dashboards ohne Fenster.

Regimewechsel erkennen?

Rollende Werte testen - Modelle verfallen, Alarm.

Fermi-Check?

Größenordnung Plausibilität - Ergebnisse fern Erwartung fangen.

Signifikante Stellen?

Unsicherheit bestimmt - 12,345 plusminus 0,4 wird 12,3.

Dominanter Fehler?

Größten zuerst - Rest verfeinern verschwendet.

Mikrometer-Spruch?

Messen Mikrometer, markieren Kreide, schneiden Axt - Tragödie.

Anscombe-Quartett?

Gleiche Stats, verschiedene Diagramme - immer zeichnen, Poster.

Zuerst zeichnen?

Ja - Histogramm QQ Residuen vor jeder Zahl.

Median Einkommen?

Ehrlich bei Schiefe - Mittel Top-Verdiener verzerren.

Logarithmieren?

Multiplikativ gerade - rechtschief zähmen, Box-Cox auto.

Ränge wann?

Form egal - Mediane Quantile, Einkommen Studien.

Zweigipflig was?

Zwei Gipfel - Subgruppen mischen, trennen analysieren.

Stress-Szenario?

Regulator will Tails - VaR versagte 2008, Shortfall jetzt.

Perzentil-Design?

Belastung schief - Perzentile statt Mittel plus Marge.

Trio berichten?

Zentrum Spread Form untrennbar - eins allein irreführt.

Kaffee Studien?

Meta d - kleine Effekte, Störfaktor Schlaf.

Schlaf Gedächtnis d?

0,4-0,6 mittel - Naps steigern Behalten messbar.

Feedback d?

0,7 groß - Bildung größter Hebel, Klassengröße übertrifft.

Klassengröße Effekt?

d circa 0,2 klein - teuer wenig, Feedback schlägt.

Overlap d=0,8?

Behandelter schlägt 79 Prozent Kontrollen - verständlich gesagt.

Hedges g wann?

Kleine n - d übertreibt, g korrigiert exakt.

Glass-Delta wann?

Varianzen verschieden - Kontroll-SD Maßstab.

Power d=0,3?

175 je Arm 80 Prozent - drum liefern schwache Studien Rauschen.

Trichter zuerst?

Symmetrie prüfen - Ecke fehlt Verzerrung, Egger formal.

Trim-and-Fill was?

Vergrabene schätzen - Asymmetrie füllen, adjustieren.

Statistik Software?

R gratis stark - Python pandas, Excel Start, SPSS Uni.

R lernen wo?

Swirl interaktiv - YouTube, Bücher, Kaggle üben.

Kaggle wofür?

Wettbewerbe Datensätze - Portfolio, Lernen, Jobs.

p-hacking erkennen?

Viele Tests ein Stern - Präregistrierung fragen, Replikation.

Replikationskrise?

Psychologie Hälfte scheitert - Power niedrig, p-Hacking, Verzerrung.

Präregistrierung wo?

OSF AsPredicted - Hypothese Analyse vor Daten fixieren.

Open Science was?

Daten Code teilen - Replikation möglich, Vertrauen zurück.

Paper lesen wie?

Abstract, Bilder, Methoden - n, Effekt, Intervalle prüfen.

Beliebte Suchen

Standardabweichung Rechner · was ist Standardabweichung · Varianz vs Standardabweichung · Standardabweichung berechnen wie · Grundgesamtheit vs Stichprobe Standardabweichung · 68 95 99,7 Regel · Paper lesen wie · P-Hacking erklärt · Basisraten Trugschluss Beispiel · Power-Analyse Statistik · Six Sigma erklärt · Volatilität Standardabweichung · Standardfehler vs Abweichung · Fähigkeitsindex Cp Cpk · Hypothesentest erklärt · p-Wert Bedeutung · A/B-Test Statistik · ANOVA einfach erklärt · Attribut Übereinstimmung · Cohen Kappa Lehrenstudie · Boxplot erklärt · Chebyshev Regel · Grubbs Ausreißertest · Regression zum Mittel Beispiele · Simpson-Paradox erklärt · Zweitsemester-Tief Statistik · Youden-Plot Interlabor · Trichterplot Publikationsbias · Egger Test erklärt · Western Electric Regeln · Cp Cpk erklärt · Prozessfähigkeit Beispiel · Cp Cpk Pp Ppk Unterschied · Lehren Linearität Studie · Prozessfähigkeit Fallstudie · Z-Wert Universal-Lineal · Variationskoeffizient erklärt · Sharpe Ratio Volatilität Nenner · Konfidenzintervall Standardfehler

Bereit zum Rechnen? Den kostenlosen Standardabweichungs-Rechner online.

Rechner öffnen →

Ähnliche Tools: Mittelwert Rechner · Gewichteter Schnitt Rechner