Rechner für Stichprobenverteilung eines Anteils
Ermitteln Sie Mittelwert, Standardfehler, Normalitätsbedingung, Z-Wert und kumulative Wahrscheinlichkeiten für die Stichprobenverteilung eines beliebigen Stichprobenanteils.
Geben Sie den Populationsanteil (p) und den Stichprobenumfang (n) ein. Optional können Sie einen bestimmten Stichprobenanteil (p̂) eingeben, um den zugehörigen Z-Wert und die kumulative Wahrscheinlichkeit zu erhalten.
Rechner für Stichprobenverteilung eines Anteils
Ermitteln Sie Mittelwert, Standardfehler, Normalitätsbedingung, Z-Wert und kumulative Wahrscheinlichkeiten für die Stichprobenverteilung eines beliebigen Stichprobenanteils.
Über die Stichprobenverteilung des Stichprobenanteils
Die Stichprobenverteilung des Stichprobenanteils ist eine theoretische Verteilung, die mögliche Werte von p̂ in allen Zufallsstichproben festen Umfangs n aus einer Population mit wahrem Anteil p beschreibt. Sie ist ein Grundkonzept der Inferenzstatistik und stützt Umfragen, Hypothesentests und Konfidenzintervalle.
Ihr Mittelwert entspricht dem Populationsanteil p; das ist Erwartungstreue. Die Standardabweichung, der Standardfehler des Anteils, lautet σ(p̂) = √[p(1–p)/n]. Mit größerem n sinkt der Standardfehler und Stichprobenanteile liegen enger um p.
Nach dem zentralen Grenzwertsatz ist die Verteilung näherungsweise normal, wenn np ≥ 10 und n(1–p) ≥ 10 gelten. Diese Bedingungen sichern ausreichend Erfolge und Misserfolge. Werden sie nicht erfüllt, vor allem bei kleinen Stichproben oder Anteilen nahe 0 oder 1, sollte die Binomialverteilung verwendet werden.
Bei einem beobachteten p̂ berechnet der Rechner Z = (p̂ – p) / σ(p̂). Dieser Wert zeigt, wie viele Standardfehler p̂ vom Mittelwert entfernt ist. Ein großer absoluter Z-Wert deutet auf ein unter dem angenommenen p unwahrscheinliches Zufallsergebnis hin und ist Grundlage von Hypothesentests.
P(p̂ < x) ist die Wahrscheinlichkeit, einen Stichprobenanteil höchstens x zu beobachten; P(p̂ > x) ist die Wahrscheinlichkeit für einen Anteil größer als x. Beide Werte zeigen, wie extrem die Beobachtung relativ zur theoretischen Verteilung ist.
Das Konzept wird in Wahlumfragen, Qualitätskontrolle und medizinischer Forschung genutzt, etwa zur Schätzung von Unterstützungswahrscheinlichkeiten, zur Prüfung von Fehlerquoten oder zum Vergleich von Behandlungsansprechen mit historischen Referenzen.
Beispiele zur Stichprobenverteilung
Drei Szenarien mit Berechnungen 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 große Stichprobe verbessert die Präzision. Der Standardfehler halbiert sich, wenn sich der Stichprobenumfang vervierfacht, wodurch Abweichungen von 0.50 leichter erkennbar werden. |
| 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 verwenden Sie stattdessen die exakte Binomialverteilung. |
So verwenden Sie den Stichprobenverteilungsrechner
- Geben Sie den Populationsanteil (p) als Dezimalzahl zwischen 0 und 1 (exklusiv) ein. Dies ist der bekannte oder angenommene wahre Anteil in der Population.
- Geben Sie den Stichprobenumfang (n) als positive ganze Zahl ein. Er bestimmt den Standardfehler und ob die Normalitätsbedingung erfüllt ist.
- Geben Sie optional einen Stichprobenanteil (p̂) ein, um den Z-Wert und die kumulativen Wahrscheinlichkeiten P(p̂ < x) und P(p̂ > x) zu berechnen.
- Klicken Sie auf Berechnen, um Mittelwert, Standardfehler, Ergebnis der Normalitätsprüfung und – falls p̂ angegeben wurde – Z-Wert und Wahrscheinlichkeiten zu sehen.
- Klicken Sie auf Zurücksetzen, um alle Felder zu leeren und eine neue Berechnung zu starten.
FAQ zur Stichprobenverteilung eines Anteils
Was ist der Standardfehler des Stichprobenanteils?
Der Standardfehler ist die Standardabweichung der Stichprobenverteilung und misst, wie stark Stichprobenanteile von Stichprobe zu Stichprobe variieren. Er beträgt √[p(1–p)/n]. Ein kleinerer Standardfehler bedeutet, dass die Stichprobenanteile enger um den wahren Populationsanteil p gruppiert sind.
Wann ist die Stichprobenverteilung näherungsweise normal?
Die Normalapproximation ist gültig, wenn sowohl np ≥ 10 als auch n(1–p) ≥ 10 gilt. Wenn eine Bedingung nicht erfüllt ist, ist die Verteilung schief und Wahrscheinlichkeitsberechnungen auf Basis der Normalapproximation sind ungenau. Verwenden Sie dann die exakte Binomialverteilung.
Wie wirkt sich ein größerer Stichprobenumfang auf die Verteilung aus?
Ein größeres n reduziert den Standardfehler proportional zu 1/√n und verengt die Stichprobenverteilung. Der Mittelwert bleibt p. Eine engere Verteilung macht Schätzung und Inferenz präziser.
Was bedeutet ein Z-Wert von 2 für einen Stichprobenanteil?
Ein Z-Wert von 2 bedeutet, dass p̂ 2 Standardfehler über 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 nicht abschließendes Indiz.
Kann dieser Rechner Anteile nahe 0 oder 1 verarbeiten?
Der Rechner berechnet weiterhin die Ergebnisse, kennzeichnet jedoch die Normalitätsbedingung als nicht erfüllt, wenn np < 10 oder n(1–p) < 10. Bei extremen Anteilen wie p = 0.02 oder p = 0.98 verwenden Sie die Binomialverteilung.
Was ist der Unterschied zwischen Standardabweichung und Standardfehler des Anteils?
Die Populationsstandardabweichung einer binären Variablen misst die Variabilität einzelner Beobachtungen: σ = √[p(1–p)]. Der Standardfehler misst die Variabilität von Stichprobenanteilen über wiederholte Stichproben: σ(p̂) = √[p(1–p)/n]. Er ist um den Faktor 1/√n kleiner.