Von der Stichprobe zur Stichprobenverteilung

Fast die gesamte schließende Statistik hängt an einer einzigen Idee. Wenn die klick macht, verstehst du den Rest viel leichter: Konfidenzintervalle, p-Werte, t-Tests. Schauen wir sie uns also in Ruhe an.

Die Frage dahinter klingt fast wie ein Zaubertrick: Warum sagt uns eine kleine Stichprobe überhaupt etwas über eine riesige Grundgesamtheit ? Stell dir vor, du willst die Flügellänge aller Amseln in einem großen Wald kennen. Die kannst du niemals alle fangen. Du fängst und misst ein paar Dutzend Vögel und willst daraus auf den ganzen Bestand schließen. Wie kann das funktionieren? Und vor allem: Wie sicher darfst du dir dabei sein?

Stell dir kurz das Setup vor. Die Grundgesamtheit sind alle Amseln des Waldes, die dich eigentlich interessieren. Du kannst sie nie ganz messen, also ziehst du eine Stichprobe, du fängst ein paar Vögel, und rechnest daraus einen Mittelwert , hier die mittlere Flügellänge der gefangenen Tiere. Dieser eine Mittelwert ist dein Schätzwert. Die spannende Frage ist: Wie sehr würde er schwanken, wenn du noch einmal losziehst und andere Amseln fängst? Genau diese Schwankung ist der Standardfehler , und sie ist der Schlüssel zu allem, was danach kommt.

Probier es selbst aus

Lass uns die Idee nicht behaupten, sondern bauen. Geh im Widget am besten in dieser Reihenfolge vor:

1. Zieh ein paar einzelne Stichproben (stell dir vor, du fängst jedes Mal eine Handvoll Amseln) und beobachte, wie jeder Fang eine mittlere Flügellänge liefert.
2. Klick dann auf ×100 und sieh zu, wie sich aus den vielen Mittelwerten eine neue Verteilung aufbaut.
3. Mach den Stichprobenumfang n größer, miss also mehr Vögel pro Fang, und achte darauf, wie schmal die Verteilung der Mittelwerte wird.
4. Stell zum Schluss die Grundgesamtheit auf rechtsschief um und schau, was mit den Mittelwerten passiert.

Ist dir aufgefallen, dass diese Verteilung der Mittelwerte deutlich schmaler ist als die Grundgesamtheit? Das ist kein Zufall. Ein Mittelwert mittelt Ausreißer nach oben und unten gegeneinander weg, also liegt er fast immer näher an der Wahrheit als ein einzelner Wert. Und je größer du n machst, desto stärker passiert dieses Wegmitteln. Die Verteilung wird immer schmaler.

Und jetzt der Teil, der die meisten überrascht. Selbst wenn du die Grundgesamtheit auf rechtsschief stellst (also auf etwas, das überhaupt nicht nach Glocke aussieht), formen die Mittelwerte trotzdem eine schöne, symmetrische Glocke. Die Daten dürfen schief sein; die Mittelwerte werden es nicht bleiben.

Die eine Formel dahinter

Die ganze Beobachtung „schmaler mit mehr Daten“ steckt in einer einzigen, erstaunlich kurzen Formel. Du musst sie nicht auswendig lernen, schau sie dir einfach an und prüfe, ob sie zu dem passt, was du gerade im Widget gesehen hast.

Lies sie ruhig Symbol für Symbol: Oben steht σ , die Streuung der Grundgesamtheit. Unten steht √n, also die Wurzel aus deinem Stichprobenumfang. Weil n unten im Nenner steht, wird der ganze Bruch, der Standardfehler, kleiner, sobald n größer wird. Und weil dort die Wurzel steht, brauchst du die vierfache Stichprobe, um den Standardfehler zu halbieren. Mehr Daten helfen, aber mit abnehmendem Tempo.

Sitzt es? Drei kurze Fragen

Keine Prüfung, nur eine Selbstkontrolle. Du bekommst zu jeder Frage sofort eine Erklärung.