Statistik4Lerneinheiten24minStand30.05.2026

Lage- und Streuungsmaße.

Du hast 120 Klausurnoten — wie sagst du mit einer Zahl, wie die Klausur gelaufen ist? Mittelwert 2,8 oder Median 2,5? Beides? Und wie viel "Streuung" gab es — alle nahe der 2,5 oder ein wildes Auf-und-Ab von 1 bis 6? Genau das machen Lage- und Streuungsmaße: sie verdichten einen ganzen Datensatz auf wenige Klausur-Kennzahlen. Klausur-Pflicht in jedem Stat-1-Modul (BWL, WInf, Informatik, Data Science, Psychologie).

Wir gehen die 3 Lagemaße (Mittelwert, Median, Modus) und die 4 Streuungsmaße (Spannweite, Varianz, Standardabweichung, IQR) systematisch durch, mit den Klausur-Klassikern: wann ist Median besser als Mittelwert? Warum quadriert man bei der Varianz? Wieso n−1 statt n? Am Ende der interaktive Lab, mit dem du sehen kannst, wie ein einziger Ausreißer den Mittelwert kippt, der Median aber ruhig bleibt.

Drei klassische Lagemaße, jeweils mit eigener Sicht aufs Zentrum:

Arithmetisches Mittel (Mittelwert) — $\bar{x}$

$\bar{x} = \frac{1}{n} \sum_{i=1}^{n} x_i = \frac{x_1 + x_2 + \ldots + x_n}{n}$

Klassische Schwerpunkt-Idee: alle Werte summieren, durch Anzahl teilen.

Beispiel — 5 Klausurnoten: 1, 2, 3, 3, 5. $\bar{x} = 14/5 = 2{,}8$ .

Achtung Ausreißer: ein einziger extremer Wert verschiebt den Mittelwert deutlich. Aus 1, 2, 3, 3, 5 wird durch einen Ausreißer 1, 2, 3, 3, 20 → $\bar{x} = 29/5 = 5{,}8$ . Vom Bild "guter Schnitt" zu "katastrophale Klausur" — durch einen einzigen Wert.

Median — $\tilde{x}$

Der mittlere Wert, wenn alle Daten sortiert sind. Bei gerader Anzahl: Durchschnitt der beiden mittleren.

Beispiel — 5 Noten sortiert: 1, 2, 3, 3, 5. Median = 3 (der 3. Wert). Bei 6 Noten sortiert: 1, 2, 3, 3, 4, 5. Median = $(3+3)/2 = 3$ .

Robust gegen Ausreißer: Wenn aus dem 5er-Datensatz 1, 2, 3, 3, 20 wird, ist der Median immer noch 3. Der Ausreißer hat keine Wirkung auf den Median. Klausur-Klassiker: "Wann ist der Median dem Mittelwert vorzuziehen?" Antwort: bei schiefen Verteilungen oder Ausreißern (Einkommens-Verteilung, Wohnpreise, etc.).

Modus — $x_{\text{Mod}}$

Der am häufigsten vorkommende Wert.

Beispiel — Noten 1, 2, 3, 3, 5. Modus = 3 (kommt 2× vor, alle anderen 1×).

Bei mehreren gleich häufigen Werten gibt es mehrere Modi (bimodal, multimodal). Bei Nominalskala ist der Modus oft das einzige sinnvolle Lagemaß.

Wenn das Lagemaß sagt "der Schwerpunkt liegt bei 2,8" — das Streuungsmaß sagt "und die Werte liegen alle innerhalb ±0,5 davon" oder "es geht wild von 1 bis 6". Vier klassische Maße.

Spannweite

$R = x_{\max} - x_{\min}$

Einfachstes Maß: Maximum minus Minimum.

Beispiel — 1, 2, 3, 3, 5 → $R = 5 - 1 = 4$ .

Schwäche: extrem ausreißer-anfällig. Ein einziger extremer Wert dominiert die Spannweite vollständig.

Varianz — $s^2$ (Stichprobenvarianz)

$s^2 = \frac{1}{n-1} \sum_{i=1}^{n} (x_i - \bar{x})^2$

Mittlere quadrierte Abweichung vom Mittelwert. Quadrieren, weil sonst positive und negative Abweichungen sich aufheben würden ( $\sum (x_i - \bar{x}) = 0$ immer).

Warum n−1 statt n? Das ist die Stichprobenkorrektur (Bessel-Korrektur). Bei einer Stichprobe wird $\bar{x}$ aus den Daten geschätzt — dadurch wird die Varianz mit $n$ im Nenner systematisch unterschätzt. Der Faktor $n-1$ korrigiert das (technisch: macht den Schätzer erwartungstreu). Bei Populations-Daten (vollständige Erhebung) nimmst du $n$ .

Beispiel — 1, 2, 3, 3, 5, $\bar{x} = 2{,}8$ :

$s^2 = \frac{(1-2{,}8)^2 + (2-2{,}8)^2 + (3-2{,}8)^2 + (3-2{,}8)^2 + (5-2{,}8)^2}{5-1} = \frac{3{,}24 + 0{,}64 + 0{,}04 + 0{,}04 + 4{,}84}{4} = \frac{8{,}80}{4} = 2{,}20$

Standardabweichung — $s$

$s = \sqrt{s^2}$

Wurzel aus der Varianz. Vorteil: dieselbe Einheit wie die Daten. Mittelwert ± Standardabweichung ist eine sinnvolle Aussage; Mittelwert ± Varianz nicht (Einheit ²).

Im Beispiel: $s = \sqrt{2{,}20} \approx 1{,}48$ . Aussage: "Klausurschnitt $2{,}8 \pm 1{,}48$ ".

Interquartilsabstand (IQR)

$\text{IQR} = Q_3 - Q_1$

Abstand zwischen 1. und 3. Quartil — die mittleren 50 % der Daten. Robust gegen Ausreißer, weil die extremen 25 % auf jeder Seite ignoriert werden.

Quartile teilen die sortierten Daten in 4 gleich große Gruppen:

Q1 (unteres Quartil): 25 % der Werte liegen darunter
Q2 (Median): 50 %
Q3 (oberes Quartil): 75 %

Berechnung in der Klausur (Methode 7 / R / Excel-Standard): Position des p-Quantils ist $1 + p \cdot (n-1)$ . Bei nicht-ganzer Position linear zwischen den Nachbarn interpolieren.

Beispiel — 10 sortierte Werte: 1, 2, 2, 3, 3, 4, 4, 5, 6, 8.

$Q_1$ (p = 0,25): Position $1 + 0{,}25 \cdot 9 = 3{,}25$ → zwischen Pos. 3 (Wert 2) und 4 (Wert 3), Anteil 0,25 → $Q_1 = 2 + 0{,}25 \cdot (3-2) = 2{,}25$
Median (p = 0,5): Position $1 + 0{,}5 \cdot 9 = 5{,}5$ → zwischen Pos. 5 (Wert 3) und 6 (Wert 4), Anteil 0,5 → $\text{Med} = 3{,}5$
$Q_3$ (p = 0,75): Position $1 + 0{,}75 \cdot 9 = 7{,}75$ → zwischen Pos. 7 (Wert 4) und 8 (Wert 5), Anteil 0,75 → $Q_3 = 4 + 0{,}75 \cdot (5-4) = 4{,}75$
$\text{IQR} = 4{,}75 - 2{,}25 = 2{,}5$

Boxplot ist die visuelle Zusammenfassung: Box von Q1 bis Q3, Strich beim Median, "Whisker" zu Min/Max. Beim Tukey-Boxplot (Standard in R, Python, SPSS) gehen die Whisker nur bis zum letzten Wert innerhalb $Q1 - 1{,}5 \cdot \text{IQR}$ bzw. $Q3 + 1{,}5 \cdot \text{IQR}$ . Werte darüber hinaus werden als Ausreißer-Punkte einzeln markiert. Klausur-Klassiker: "Ist der Wert X ein Ausreißer?" → $|X - Q|$ mit $1{,}5 \cdot \text{IQR}$ vergleichen.

Mittelwert vs. Median: symmetrische Verteilung → beide ähnlich, nimm Mittelwert (mehr Info). Schief oder Ausreißer → Median (robust). Faustregel: $|\bar{x} - \tilde{x}|$ groß = Verteilung ist schief.

Bessel-Korrektur: Stichprobe → $n-1$ , Population → $n$ . In Aufgaben ohne Vorgabe: meist Stichprobe, also $n-1$ . Auch Excel-VAR.S/STDEV.S nimmt $n-1$ .

Quartil-Methode immer dazuschreiben. Es gibt 9+ Konventionen (R kennt 1–9). In der Klausur Methode 7 ( $1 + p(n-1)$ , R-Default) verwenden, außer Aufgabe gibt was vor.

Boxplot lesen: Box-Höhe = IQR (mittlere 50 %), Median-Strich nicht in Box-Mitte → Verteilung ist schief, Punkt außerhalb Whisker = Ausreißer.

Einheit beachten. Varianz hat die Einheit der Daten zum Quadrat (z.B. €²), Standardabweichung dieselbe wie die Daten (€). Beim Berichten immer Standardabweichung wählen.

1. Median bei gerader Anzahl Werten vergessen zu mitteln. Bei 6 Werten sortiert sind Position 3 und 4 die beiden Mittel-Werte, Median = Mittelwert dieser beiden — nicht etwa "Position 3" oder "Position 4" allein.

2. Stichprobenvarianz vs. Populationsvarianz verwechseln. Aufgaben-Vorgabe lesen: "in einer Stichprobe von 20 Studierenden" → $n-1$ . "in der Grundgesamtheit aller Bewerber" → $n$ . Das ist häufig 1 Punkt in der Klausur.

3. Quartile mit verschiedenen Methoden = verschiedene Werte. Methode 1 (klassisch) und Methode 7 (R) geben bei kleinen Stichproben oft unterschiedliche $Q_1$ / $Q_3$ . Im Boxplot fällt das auf — sieht aber gleich aus. Immer Methode angeben.

4. Mittelwert von Mittelwerten. Wenn du den Mittelwert zweier Gruppen kennst und den Gesamt-Mittelwert willst, geht das nicht durch $(\bar{x}_1 + \bar{x}_2)/2$ , sondern muss mit Gruppen-Größen gewichtet werden: $\bar{x} = (n_1 \bar{x}_1 + n_2 \bar{x}_2) / (n_1 + n_2)$ . Klausur-Klassiker.

Stelle 10 Werte über Slider ein und sieh live, wie sich Mittelwert, Median, Modus, Standardabweichung und Boxplot ändern. Vier Szenario-Buttons:

Symmetrisch — alle Maße liegen nahe beieinander, klassisches Lehrbuch-Bild
Mit Ausreißer — schau, wie Mittelwert nach oben springt, Median ruhig bleibt
Bimodal — zwei Häufungen, Modus zeigt nur einen, Mittelwert/Median dazwischen ohne Aussagekraft
Schief (rechtsschief) — Mittelwert > Median, klassisches Einkommens-Bild

Lern-Tipp: Stelle das "Mit Ausreißer"-Szenario ein, ziehe dann den letzten Punkt nach links — beobachte, wie der Mittelwert sofort mitwandert, der Median erst springt, wenn der Punkt den vorletzten überholt. Das ist der Robustheits-Effekt in Aktion.

Lade Visualisierung...

Klausur-Tipp: wenn du in der Klausur Mittelwert und Median rechnest und sie stark abweichen, ist das immer ein Signal — entweder Ausreißer oder schiefe Verteilung. Die Aufgabe will dann meistens hören, dass du den Median als robusteres Maß empfiehlst.

Anmelden, um den Fortschritt zu speichern.

Nächster Schritt

Wenn du fertig bist: jetzt üben.

Aktives Abrufen festigt Wissen schneller als nochmal lesen.

Fachliche Qualität

Noch nicht klassifiziertNoch nicht geprüft.

Diese Lerneinheit wurde für typische Bachelor-Klausuren konzipiert. So prüfen wir · Fehler entdeckt? Melde ihn uns oder markiere die fragliche Stelle direkt im Text oben.

Klausur-ÜbersichtKomplette Übersicht: alle Tabs als linearer Text zum Lernen

Alle Tabs der Lerneinheit (Erklärung · Interaktiv erkunden · Praxis-Übung · Klausur-Quiz) als durchgehender Text. Ideal zum Wiederholen vor der Klausur, und für Suchmaschinen wie Google, Bing und KI-Suche (ChatGPT, Perplexity).

Teil 1·Erklärung

Erklärung

Zur KategorieStatistik.Mehr Themen entdeckenZum Themen-Hub.

Statistik4Lerneinheiten24minStand30.05.2026

Lage- und Streuungsmaße.

Drei klassische Lagemaße, jeweils mit eigener Sicht aufs Zentrum:

Arithmetisches Mittel (Mittelwert) — $\bar{x}$

$\bar{x} = \frac{1}{n} \sum_{i=1}^{n} x_i = \frac{x_1 + x_2 + \ldots + x_n}{n}$

Klassische Schwerpunkt-Idee: alle Werte summieren, durch Anzahl teilen.

Beispiel — 5 Klausurnoten: 1, 2, 3, 3, 5. $\bar{x} = 14/5 = 2{,}8$ .

Median — $\tilde{x}$

Der mittlere Wert, wenn alle Daten sortiert sind. Bei gerader Anzahl: Durchschnitt der beiden mittleren.

Beispiel — 5 Noten sortiert: 1, 2, 3, 3, 5. Median = 3 (der 3. Wert). Bei 6 Noten sortiert: 1, 2, 3, 3, 4, 5. Median = $(3+3)/2 = 3$ .

Modus — $x_{\text{Mod}}$

Der am häufigsten vorkommende Wert.

Beispiel — Noten 1, 2, 3, 3, 5. Modus = 3 (kommt 2× vor, alle anderen 1×).

Bei mehreren gleich häufigen Werten gibt es mehrere Modi (bimodal, multimodal). Bei Nominalskala ist der Modus oft das einzige sinnvolle Lagemaß.

Wenn das Lagemaß sagt "der Schwerpunkt liegt bei 2,8" — das Streuungsmaß sagt "und die Werte liegen alle innerhalb ±0,5 davon" oder "es geht wild von 1 bis 6". Vier klassische Maße.

Spannweite

$R = x_{\max} - x_{\min}$

Einfachstes Maß: Maximum minus Minimum.

Beispiel — 1, 2, 3, 3, 5 → $R = 5 - 1 = 4$ .

Schwäche: extrem ausreißer-anfällig. Ein einziger extremer Wert dominiert die Spannweite vollständig.

Varianz — $s^2$ (Stichprobenvarianz)

$s^2 = \frac{1}{n-1} \sum_{i=1}^{n} (x_i - \bar{x})^2$

Mittlere quadrierte Abweichung vom Mittelwert. Quadrieren, weil sonst positive und negative Abweichungen sich aufheben würden ( $\sum (x_i - \bar{x}) = 0$ immer).

Beispiel — 1, 2, 3, 3, 5, $\bar{x} = 2{,}8$ :

$s^2 = \frac{(1-2{,}8)^2 + (2-2{,}8)^2 + (3-2{,}8)^2 + (3-2{,}8)^2 + (5-2{,}8)^2}{5-1} = \frac{3{,}24 + 0{,}64 + 0{,}04 + 0{,}04 + 4{,}84}{4} = \frac{8{,}80}{4} = 2{,}20$

Standardabweichung — $s$

$s = \sqrt{s^2}$

Wurzel aus der Varianz. Vorteil: dieselbe Einheit wie die Daten. Mittelwert ± Standardabweichung ist eine sinnvolle Aussage; Mittelwert ± Varianz nicht (Einheit ²).

Im Beispiel: $s = \sqrt{2{,}20} \approx 1{,}48$ . Aussage: "Klausurschnitt $2{,}8 \pm 1{,}48$ ".

Interquartilsabstand (IQR)

$\text{IQR} = Q_3 - Q_1$

Abstand zwischen 1. und 3. Quartil — die mittleren 50 % der Daten. Robust gegen Ausreißer, weil die extremen 25 % auf jeder Seite ignoriert werden.

Quartile teilen die sortierten Daten in 4 gleich große Gruppen:

Q1 (unteres Quartil): 25 % der Werte liegen darunter
Q2 (Median): 50 %
Q3 (oberes Quartil): 75 %

Berechnung in der Klausur (Methode 7 / R / Excel-Standard): Position des p-Quantils ist $1 + p \cdot (n-1)$ . Bei nicht-ganzer Position linear zwischen den Nachbarn interpolieren.

Beispiel — 10 sortierte Werte: 1, 2, 2, 3, 3, 4, 4, 5, 6, 8.

$Q_1$ (p = 0,25): Position $1 + 0{,}25 \cdot 9 = 3{,}25$ → zwischen Pos. 3 (Wert 2) und 4 (Wert 3), Anteil 0,25 → $Q_1 = 2 + 0{,}25 \cdot (3-2) = 2{,}25$
Median (p = 0,5): Position $1 + 0{,}5 \cdot 9 = 5{,}5$ → zwischen Pos. 5 (Wert 3) und 6 (Wert 4), Anteil 0,5 → $\text{Med} = 3{,}5$
$Q_3$ (p = 0,75): Position $1 + 0{,}75 \cdot 9 = 7{,}75$ → zwischen Pos. 7 (Wert 4) und 8 (Wert 5), Anteil 0,75 → $Q_3 = 4 + 0{,}75 \cdot (5-4) = 4{,}75$
$\text{IQR} = 4{,}75 - 2{,}25 = 2{,}5$

Mittelwert vs. Median: symmetrische Verteilung → beide ähnlich, nimm Mittelwert (mehr Info). Schief oder Ausreißer → Median (robust). Faustregel: $|\bar{x} - \tilde{x}|$ groß = Verteilung ist schief.

Bessel-Korrektur: Stichprobe → $n-1$ , Population → $n$ . In Aufgaben ohne Vorgabe: meist Stichprobe, also $n-1$ . Auch Excel-VAR.S/STDEV.S nimmt $n-1$ .

Quartil-Methode immer dazuschreiben. Es gibt 9+ Konventionen (R kennt 1–9). In der Klausur Methode 7 ( $1 + p(n-1)$ , R-Default) verwenden, außer Aufgabe gibt was vor.

Boxplot lesen: Box-Höhe = IQR (mittlere 50 %), Median-Strich nicht in Box-Mitte → Verteilung ist schief, Punkt außerhalb Whisker = Ausreißer.

Einheit beachten. Varianz hat die Einheit der Daten zum Quadrat (z.B. €²), Standardabweichung dieselbe wie die Daten (€). Beim Berichten immer Standardabweichung wählen.

Stelle 10 Werte über Slider ein und sieh live, wie sich Mittelwert, Median, Modus, Standardabweichung und Boxplot ändern. Vier Szenario-Buttons:

Symmetrisch — alle Maße liegen nahe beieinander, klassisches Lehrbuch-Bild
Mit Ausreißer — schau, wie Mittelwert nach oben springt, Median ruhig bleibt
Bimodal — zwei Häufungen, Modus zeigt nur einen, Mittelwert/Median dazwischen ohne Aussagekraft
Schief (rechtsschief) — Mittelwert > Median, klassisches Einkommens-Bild

Lade Visualisierung...

Anmelden, um den Fortschritt zu speichern.

Nächster Schritt

Wenn du fertig bist: jetzt üben.

Aktives Abrufen festigt Wissen schneller als nochmal lesen.

Lagemaße — "wo liegt das Zentrum?"

Arithmetisches Mittel (Mittelwert) — xˉ\bar{x}xˉ

Median — x~\tilde{x}x~

Modus — xModx_{\text{Mod}}xMod​

Streuungsmaße — "wie weit liegen die Werte auseinander?"

Spannweite

Varianz — s2s^2s2 (Stichprobenvarianz)

Standardabweichung — sss

Interquartilsabstand (IQR)

Quartile + Boxplot

Klausur-Faustregeln

Typische Stolpersteine

Lage- und Streuungs-Lab

Wenn du fertig bist: jetzt üben.

Erklärung

Lagemaße — "wo liegt das Zentrum?"

Arithmetisches Mittel (Mittelwert) — xˉ\bar{x}xˉ

Median — x~\tilde{x}x~

Modus — xModx_{\text{Mod}}xMod​

Streuungsmaße — "wie weit liegen die Werte auseinander?"

Spannweite

Varianz — s2s^2s2 (Stichprobenvarianz)

Standardabweichung — sss

Interquartilsabstand (IQR)

Quartile + Boxplot

Klausur-Faustregeln

Typische Stolpersteine

Lage- und Streuungs-Lab

Wenn du fertig bist: jetzt üben.

Erklärung

Lagemaße — "wo liegt das Zentrum?"

Arithmetisches Mittel (Mittelwert) — x̄

Median — tildex

Modus — x_(Mod)

Streuungsmaße — "wie weit liegen die Werte auseinander?"

Spannweite

Varianz — s² (Stichprobenvarianz)

Standardabweichung — s

Interquartilsabstand (IQR)

Quartile + Boxplot

Klausur-Faustregeln

Typische Stolpersteine

Interaktiv erkunden

Lage- und Streuungs-Lab

Praxis-Übung

Lage- und Streuungsmaße — Praxis-Übung

Klausur-Quiz

Arithmetisches Mittel (Mittelwert) — $\bar{x}$

Median — $\tilde{x}$

Modus — $x_{\text{Mod}}$

Varianz — $s^2$ (Stichprobenvarianz)

Standardabweichung — $s$

Arithmetisches Mittel (Mittelwert) — $\bar{x}$

Median — $\tilde{x}$

Modus — $x_{\text{Mod}}$

Varianz — $s^2$ (Stichprobenvarianz)

Standardabweichung — $s$

Arithmetisches Mittel (Mittelwert) — `x̄`

Median — `tildex`

Modus — `x_(Mod)`

Varianz — `s²` (Stichprobenvarianz)

Standardabweichung — `s`