Berechnen Sie Konfidenzintervalle und Fehlerspannen für Mittelwerte und Anteile mittels Z- oder Student-t-Verteilung mit interaktiven Kurven und Stichprobenplaner.
Berechnen Sie Konfidenzintervalle und Fehlerspannen für Mittelwerte und Anteile mittels Z- oder Student-t-Verteilung. Inklusive Stichprobenrechner und Kurven.
Der langfristige Anteil wiederholter Zufallsstichproben, deren Intervalle den wahren Populationsparameter tatsächlich enthalten. Typische Branchenstandards: 90 % für explorative Vorstudien, 95 % als wissenschaftlicher und betriebswirtschaftlicher Standard sowie 99 % oder 99,9 % für Hochsicherheitsbereiche wie klinische Pharmakologie und Luft- und Raumfahrt.
Gesamtzahl unabhängiger Beobachtungen. Steuert die Gültigkeit des Zentralen Grenzwertsatzes (n ≥ 30 bei stetigen Merkmalen; np ≥ 10 und n(1-p) ≥ 10 bei Binomialanteilen) und bestimmt die Freiheitsgrade df = n - 1 bei der Student-t-Verteilung.
Der erwartungstreue Stichprobenmittelwert (x̄) oder relative Anteilswert (p̂ = x / n) als Mittelpunkt des symmetrischen Konfidenzintervalls, welcher die empirisch beste Schätzung des wahren Parameters der Grundgesamtheit darstellt.
Maß für die Streuung in der Grundgesamtheit (σ) oder Stichprobe (s). Ist die wahre Populationsstandardabweichung σ unbekannt (was in über 99 % praktischer Untersuchungen der Fall ist), wird die Stichprobenstandardabweichung s eingesetzt, was kritische Werte der t-Verteilung anstelle des Z-Werts erfordert.
Die Standardabweichung der Stichprobenkennwerteverteilung des Punktschätzers, berechnet als SE = s / √n für Mittelwerte oder SE = √[p̂(1 - p̂) / n] für Anteilswerte. Quantifiziert die zu erwartende Fluktuation der Kennzahl von Stichprobe zu Stichprobe.
Die halbe Breite des Konfidenzintervalls, berechnet aus kritischem Wert multipliziert mit dem Standardfehler (E = z* · SE bzw. E = t* · SE). Repräsentiert die maximal erwartete Abweichung zwischen dem wahren Populationsparameter und dem Stichprobenergebnis beim gewählten Konfidenzniveau.
Ein berechnetes 95-%-Konfidenzintervall wie [12,4; 16,8] bedeutet NICHT, dass der wahre Populationsmittelwert mit 95 % Wahrscheinlichkeit in diesem konkreten Zahlenbereich liegt. Der wahre Mittelwert ist eine feste, deterministische Konstante: Er liegt entweder zu 100 % darin oder zu 0 %. Die 95 % beschreiben die Verlässlichkeit der Methode: Zöge man 100 unabhängige Zufallsstichproben und berechnete jeweils das Intervall, würden rund 95 dieser Intervalle den wahren Wert einschließen.
Die klassische Wald-Formel CI = p̂ ± z*·√[p̂(1-p̂)/n] kollabiert, wenn p̂ nahe 0 oder 1 liegt oder n klein ist. Bei p̂ = 0 wird der Standardfehler 0, was zum unsinnigen Intervall [0, 0] führt. Zudem berechnet die Wald-Approximation oft unzulässige Werte unter 0 % oder über 100 %. Nutzen Sie stattdessen stets das Wilson-Score-Intervall oder die Agresti-Coull-Korrektur ('Plus-Vier-Methode'), die Grenzen strikt innerhalb von [0, 1] garantieren und exakte Überdeckungswahrscheinlichkeiten wahren.
Die Fehlerspanne sinkt proportional zu 1/√n und nicht zu 1/n. Um die Fehlerspanne zu halbieren (z. B. von ±4 % auf ±2 %), muss der Stichprobenumfang vervierfacht werden (von 600 auf 2.400). Eine Zehntelung der Fehlerspanne erfordert die 100-fache Datenmenge. In der Budgetplanung müssen die exponentiell steigenden Erhebungskosten gegen den abnehmenden Präzisionsgewinn sorgfältig abgewogen werden.
Beim Ziehen ohne Zurücklegen aus einer endlichen Grundgesamtheit mit einem Auswahlsatz von über 5 % (n/N > 0,05) überschätzen Standardformeln den Standardfehler systematisch. Der Korrekturfaktor √[(N - n)/(N - 1)] verkleinert die Fehlerspanne. Bei einer Belegschaft von N = 1.000 sinkt der benötigte Stichprobenumfang von n = 384 unkorrigiert auf n = 278 mit FPC – das spart über 27 % der Befragungskosten bei exakt gleichem 95-%-Konfidenzniveau.
Dies tritt auf, wenn die asymptotische Wald-Normalapproximation auf extreme Anteile (z. B. p̂ < 0,05 oder p̂ > 0,95) bei moderaten Stichproben angewendet wird. Schalten Sie in den Einstellungen auf das 'Wilson-Score-Intervall' oder 'Agresti-Coull' um. Diese mathematischen Modelle begrenzen die Intervallgrenzen zwingend auf den zulässigen Wahrscheinlichkeitsbereich [0, 1].
Wenn die Populationsstandardabweichung σ unbekannt ist und durch die Stichprobenstandardabweichung s geschätzt wird, wechselt der Rechner automatisch zur Student-t-Verteilung mit df = n - 1. Bei kleinen Stichproben (z. B. n = 15, df = 14) lautet der kritische Wert t* = 2,145 statt z* = 1,960, da die t-Verteilung dickere Enden (Heavy Tails) besitzt. Erst ab n > 100 konvergiert t* asymptotisch gegen 1,960.
Dies geschieht, wenn die Ziel-Fehlerspanne auf null gesetzt wurde (E = 0) oder die Varianz des Anteils p(1-p) undefiniert ist. Die gewünschte Fehlerspanne muss echt positiv sein (E > 0). Liegt kein Erfahrungswert für den Anteil p vor, wählen Sie p = 0,50. Dies liefert die maximale Varianz (0,25) und garantiert eine konservative, stets abgesicherte Stichprobengröße.
Im Rohdaten-Modus bei kleinen Fallzahlen (n < 30) mit ausgeprägter Rechtsschiefe oder extremen Ausreißern ist die Normalverteilungsannahme der t-Verteilung verletzt. Prüfen Sie das Diagnosefeld: Übersteigt die Schiefe |1,5|, erhöhen Sie die Stichprobe auf n ≥ 50, damit der Zentrale Grenzwertsatz greift, oder wenden Sie eine logarithmische Transformation auf die Messwerte an.
Ein 95-%-Konfidenzintervall für den Mittelwert wird mit der Formel KI = x̄ ± (t* · s / √n) berechnet, wenn die Standardabweichung der Population unbekannt ist, bzw. KI = x̄ ± (z* · σ / √n), falls σ bekannt ist. Hierbei ist x̄ der Stichprobenmittelwert, s die Stichprobenstandardabweichung, n der Stichprobenumfang und t* der kritische Wert der t-Verteilung für df = n - 1 bei beidseitigem α = 0,05 (für n > 100 gilt z* = 1,960). Beispiel: Bei x̄ = 50, s = 10 und n = 25 (df = 24, t* = 2,064) beträgt der Standardfehler 10 / √25 = 2,0, woraus sich eine Fehlerspanne von 2,064 · 2,0 = 4,13 und ein Intervall von [45,87; 54,13] ergibt.
Für eine unendliche Grundgesamtheit mit unbekanntem Anteilswert (unter der konservativen Annahme maximaler Varianz p = 0,5) werden exakt n = 1.068 Befragte benötigt. Die Formel lautet n = (z*² · p(1 - p)) / E² = (1,960² · 0,5 · 0,5) / 0,03² = 0,9604 / 0,0009 = 1.067,11, was kaufmännisch auf 1.068 aufgerundet wird. Bei einer bekannten endlichen Population von N = 10.000 sinkt der Bedarf durch die Endlichkeitskorrektur (FPC) auf n = 965 Personen.
Das Z-Intervall basiert auf der Standardnormalverteilung und setzt eine bekannte Standardabweichung der Grundgesamtheit (σ) oder sehr große Stichproben (n > 100) voraus. Das T-Intervall basiert auf der Student-t-Verteilung und ist zwingend erforderlich, wenn σ unbekannt ist und aus der Stichprobe (s) geschätzt wird. Da das Schätzen von σ zusätzliche Unsicherheit einbringt, weist die t-Verteilung breitere Ränder auf und liefert höhere kritische Werte (z. B. t* = 2,228 bei df = 10 gegenüber z* = 1,960), was zu realistischeren, breiteren Intervallen bei kleinen Stichproben führt.
Nein. In der klassischen frequentistischen Statistik ist der wahre Populationsparameter eine feste, wenn auch unbekannte Konstante und keine Zufallsvariable. Die Wahrscheinlichkeit, dass der wahre Wert in einem konkret berechneten Intervall (wie [10,2; 14,8]) liegt, beträgt daher entweder genau 1 oder 0. Das 95-%-Niveau beschreibt die Zuverlässigkeit des Verfahrens: Würde man unendlich oft Stichproben aus derselben Population ziehen, würden exakt 95 % aller so gebildeten Intervalle den wahren Parameter einschließen und 5 % ihn verfehlen.
Berechnen Sie den Wertverlust und Restwert Ihres Pkw nach Alter und Fahrleistung. Prognostizieren Sie 5-Jahres-Wertverlauf, Händlereinkaufswert und Gesamtkosten.
Berechnen Sie Stromkosten und Stromverbrauch für Haushaltsgeräte. Prognostizieren Sie kWh-Verbrauch, Betriebskosten und Ihre monatliche Stromrechnung.
Druckeinheiten präzise zwischen PSI, Bar, kPa, Pascal, atm und mmHg umrechnen. Professioneller Relativ- und Absolutdruck-Konverter mit Tauchtiefe- und Hydraulikmatrix.
Drehmomente präzise umrechnen zwischen Newtonmeter (Nm), Foot-Pound (ft-lb), Inch-Pound (in-lb) und kgf·m – inklusive Schraubenanzug nach VDI 2230, Hebelarm-Korrektur und Drehzahl-Leistungs-Diagrammen.
Berechnen Sie Ihren täglichen Elektrolytbedarf für Natrium, Kalium und Magnesium präzise nach Schweißrate, Trainingsintensität, Hitze, Ketose und Wasserverlust.
Berechnen Sie Ladezeit, Stromkosten und Reichweitengewinn für Elektroautos an AC-Wallboxen und DC-Schnellladestationen. Inklusive 80%-Ladekurve (CC/CV-Tapering), fahrzeugseitigem OBC-Engpass und Kraftstoff-Kostenvergleich.