Stichprobenverteilung des Anteils Rechner
Berechnen Sie Mittelwert, Standardfehler, Normalitätsbedingung, Z-Wert und kumulative Wahrscheinlichkeiten für die Stichprobenverteilung eines beliebigen Anteils.
Geben Sie den Populationsanteil (p) und die Stichprobengröße (n) ein. Optional können Sie einen bestimmten Stichprobenanteil (p̂) eingeben, um den zugehörigen Z-Wert und die kumulative Wahrscheinlichkeit zu erhalten.
Stichprobenverteilung des Anteils Rechner
Berechnen Sie Mittelwert, Standardfehler, Normalitätsbedingung, Z-Wert und kumulative Wahrscheinlichkeiten für die Stichprobenverteilung eines beliebigen Anteils.
Zur Stichprobenverteilung des Anteils
Die Stichprobenverteilung des Anteils ist eine theoretische Verteilung, die den Bereich möglicher Werte des Stichprobenanteils (p̂) beschreibt, der aus allen möglichen Zufallsstichproben fester Größe n aus einer Population mit wahrem Anteil p entstehen kann. Sie ist eines der grundlegendsten Konzepte der Inferenzstatistik und bildet die Grundlage für viele Verfahren der Umfrageforschung, der Hypothesentests und des Konstruierens von Konfidenzintervallen.
Der Mittelwert der Stichprobenverteilung ist gleich dem Populationsanteil p. Das ist die Eigenschaft der Unverzerrtheit: Im Durchschnitt entspricht der Stichprobenanteil dem Parameter, den er schätzt. Die Standardabweichung der Stichprobenverteilung — Standardfehler des Anteils genannt — wird als σ(p̂) = √[p(1–p)/n] berechnet. Wenn die Stichprobengröße n wächst, sinkt der Standardfehler, was bedeutet, dass größere Stichproben zu Stichprobenanteilen führen, die enger um den wahren Wert p liegen.
Nach dem Zentralen Grenzwertsatz ist die Stichprobenverteilung näherungsweise normalverteilt, sofern zwei Bedingungen erfüllt sind: np ≥ 10 und n(1–p) ≥ 10. Diese Bedingungen stellen sicher, dass sowohl die Anzahl der Erfolge als auch der Misserfolge in der Stichprobe groß genug ist, damit die Normalapproximation verlässlich ist. Wenn eine oder beide Bedingungen nicht erfüllt sind — typischerweise bei kleinen Stichproben oder extremen Anteilen nahe 0 oder 1 — sollte stattdessen die Binomialverteilung verwendet werden.
Wenn ein bestimmter beobachteter Stichprobenanteil p̂ angegeben wird, berechnet der Rechner den Z-Wert, der angibt, wie viele Standardfehler p̂ vom Mittelwert entfernt liegt: Z = (p̂ – p) / σ(p̂). Ein großer absoluter Z-Wert deutet darauf hin, dass der beobachtete Stichprobenanteil unter dem angenommenen Populationsanteil eher nicht zufällig entstanden ist; das ist die Grundlage für Hypothesentests.
Die kumulative Wahrscheinlichkeit P(p̂ < x) gibt die Wahrscheinlichkeit an, in einer Zufallsstichprobe der Größe n aus der angegebenen Population einen Stichprobenanteil kleiner oder gleich x zu beobachten. Die komplementäre Wahrscheinlichkeit P(p̂ > x) gibt die Wahrscheinlichkeit an, einen Anteil größer als x zu beobachten. Zusammen zeigen diese Werte, wie extrem Ihr beobachteter Stichprobenanteil im Vergleich zur theoretischen Verteilung ist.
Dieses Konzept wird in Umfragen (Abschätzen, ob die wahre Zustimmung für eine Kandidatin oder einen Kandidaten über einem Schwellenwert liegt), in der Qualitätskontrolle (Prüfen, ob die Fehlerrate einer Charge einen akzeptablen Standard überschreitet) und in der medizinischen Forschung (Bewerten, ob sich der Anteil der auf eine Behandlung ansprechenden Patienten von einem historischen Referenzwert unterscheidet) eingesetzt.
Beispiele für die Stichprobenverteilung
Drei Szenarien zeigen die Berechnung von Mittelwert, Standardfehler, Normalitätsprüfung und Z-Wert.
| Parameter | Wichtige Ergebnisse | Hinweise |
|---|---|---|
| p=0.60, n=100, p̂=0.65 | μ=0.60, σ=0.049, Z=1.02, P(<0.65)≈0.846 | Die Normalitätsbedingungen sind erfüllt (np=60, n(1-p)=40). Die beobachteten 65 % liegen etwa 1 Standardfehler über dem Populationsanteil. |
| p=0.50, n=400, p̂=0.53 | μ=0.50, σ=0.025, Z=1.20, P(<0.53)≈0.885 | Eine größere Stichprobe verbessert die Genauigkeit. Der Standardfehler halbiert sich, wenn sich die Stichprobengröße vervierfacht, wodurch Abweichungen von 0.50 leichter zu erkennen sind. |
| p=0.05, n=50 | μ=0.05, σ=0.031, Normalität nicht bestanden | np=2.5 < 10, daher ist die Normalitätsbedingung nicht erfüllt. Bei kleinen Anteilen und kleinen Stichproben sollte stattdessen die exakte Binomialverteilung verwendet werden. |
So verwenden Sie den Rechner für die Stichprobenverteilung
- Geben Sie den Populationsanteil (p) als Dezimalzahl zwischen 0 und 1 ein (ohne Randwerte). Das ist der bekannte oder angenommene wahre Anteil in der Population.
- Geben Sie die Stichprobengröße (n) als positive ganze Zahl ein. Sie bestimmt den Standardfehler und ob die Normalitätsbedingung erfüllt ist.
- Optional können Sie einen Stichprobenanteil (p̂) eingeben, um den Z-Wert sowie die kumulativen Wahrscheinlichkeiten P(p̂ < x) und P(p̂ > x) zu berechnen.
- Klicken Sie auf Berechnen, um Mittelwert, Standardfehler, das Ergebnis der Normalitätsprüfung und — falls p̂ angegeben wurde — den Z-Wert und die Wahrscheinlichkeiten anzuzeigen.
- Klicken Sie auf Zurücksetzen, um alle Felder zu löschen und eine neue Berechnung zu starten.
FAQ zur Stichprobenverteilung des Anteils
Was ist der Standardfehler des Stichprobenanteils?
Der Standardfehler ist die Standardabweichung der Stichprobenverteilung und misst, wie stark sich Stichprobenanteile von Stichprobe zu Stichprobe unterscheiden. Er beträgt √[p(1–p)/n]. Ein kleinerer Standardfehler bedeutet, dass die Stichprobenanteile enger um den wahren Populationsanteil p liegen.
Wann ist die Stichprobenverteilung näherungsweise normal?
Die Normalapproximation ist gültig, wenn sowohl np ≥ 10 als auch n(1–p) ≥ 10 gilt. Wenn eine der Bedingungen nicht erfüllt ist, ist die Verteilung schief und Wahrscheinlichkeitsrechnungen auf Basis der Normalapproximation sind ungenau. Verwenden Sie dann die exakte Binomialverteilung für präzise Aussagen.
Wie wirkt sich eine größere Stichprobengröße auf die Verteilung aus?
Ein größeres n verringert den Standardfehler proportional zu 1/√n und macht die Stichprobenverteilung schmaler. Der Mittelwert bleibt unabhängig von der Stichprobengröße gleich p. Eine schmalere Verteilung bedeutet, dass Stichprobenanteile wahrscheinlicher nahe am wahren Populationsanteil liegen, was Schätzung und Inferenz präziser macht.
Was bedeutet ein Z-Wert von 2 für einen Stichprobenanteil?
Ein Z-Wert von 2 bedeutet, dass der beobachtete Stichprobenanteil p̂ um 2 Standardfehler über dem Populationsanteil p liegt. Unter der Normalapproximation beträgt die Wahrscheinlichkeit, rein zufällig einen so großen oder größeren Z-Wert zu beobachten, etwa 2,3 % (einseitig). Das ist ein starkes, aber kein endgültiges Indiz gegen den angenommenen Populationsanteil.
Kann dieser Rechner Anteile nahe 0 oder 1 verarbeiten?
Der Rechner liefert weiterhin Ergebnisse, weist aber darauf hin, dass die Normalitätsbedingung nicht erfüllt ist, wenn np < 10 oder n(1–p) < 10 gilt. Bei extremen Anteilen (z. B. p = 0.02 oder p = 0.98) ist die Stichprobenverteilung schief; für genaue Wahrscheinlichkeiten sollten Sie die Binomialverteilung verwenden.
Was ist der Unterschied zwischen Standardabweichung und Standardfehler des Anteils?
Die Populationsstandardabweichung einer binären Variable misst die Streuung einzelner Beobachtungen: σ = √[p(1–p)]. Der Standardfehler des Anteils misst die Streuung der Stichprobenanteile über wiederholte Stichproben: σ(p̂) = √[p(1–p)/n]. Der Standardfehler ist um den Faktor 1/√n kleiner und spiegelt den Mittelungseffekt mehrerer Beobachtungen wider.