Welche Aussage über Median und Mittelwert ist KORREKT bei einem Datensatz mit Ausreißern?

Richtige Antwort: Median ist robust, Mittelwert wird stark verändert. Median nimmt nur den mittleren Wert, ein einzelner Ausreißer schiebt ihn höchstens um eine Position. Mittelwert summiert alle Werte — ein extremer Ausreißer kann den Mittelwert dramatisch verzerren. Klausur-Klassiker.

Datensatz [10, 20, 30, 40]. Was ist der Median?

Richtige Antwort: 25. Bei gerader Anzahl ist der Median der Durchschnitt der zwei mittleren: (20+30)/2 = 25. Median muss kein vorhandener Datenwert sein.

Was misst der IQR (Interquartilsabstand)?

Richtige Antwort: Den Bereich der mittleren 50% der Daten (Q3 − Q1). IQR = Q3 − Q1, also der Bereich, in dem die mittleren 50% liegen. Vorteil gegenüber Spannweite: ignoriert die unteren und oberen 25% → robust gegen Ausreißer.

Bei einem Boxplot: der Median ist näher an Q1, der rechte Whisker ist deutlich länger. Wie ist die Verteilung?

Richtige Antwort: Rechtsschief. Median näher Q1 + langer rechter Whisker → Rechtsschief (positive Schiefe). Typisch bei Einkommen, Hauspreisen, Wartezeiten — wenige hohe Werte ziehen den Mittelwert nach oben, der Median bleibt unten.

Was passiert mit Mittelwert und Standardabweichung, wenn man jeden Wert um +10 verschiebt?

Richtige Antwort: Mittelwert +10, SD unverändert. Lineare Transformation y = x + 10: Mittelwert verschiebt sich um +10. SD misst Streuung um den Mittelwert — Verschiebung ändert die Streuung nicht. Wenn man stattdessen mit a multipliziert: ȳ = a·x̄, σy = |a|·σx.

Wann bevorzugst du den Median über den Mittelwert als Lagemaß?

Richtige Antwort: Bei schiefen Verteilungen oder Daten mit Ausreißern (z.B. Einkommen). Bei schiefen Verteilungen oder Ausreißern ist der Median repräsentativer. Klassisches Beispiel: Einkommen — wenige Multimillionäre verzerren den Mittelwert dramatisch, der Median spiegelt das 'typische' Einkommen besser wider.

UniProMax/Mathematik/statistik

Mathematik·14 Min Lesezeit·Fortgeschritten

Beschreibende Statistik

Mittelwert, Median, Modus, Varianz, Standardabweichung, Quartile, Boxplot. Mit interaktivem Statistik-Lab — sieh wie ein einziger Ausreißer den Mittelwert zerlegt, der Median aber ruhig bleibt.

Voraussetzung:Wahrscheinlichkeit

Lerneinheit 1 von 3

Beschreibende Statistik

Beschreibende Statistik fasst große Datensätze in wenigen Kennzahlen zusammen, um sie schnell vergleichbar zu machen. Statt 120 Klausurnoten einzeln zu lesen, sagst du: "Mittelwert 2,8, Standardabweichung 0,9". Klausurpflicht in Mathe für BWL, Wirtschaftsinformatik und Data Science.

Die Kennzahlen die du in der Klausur kennen musst:

Mittelwert (arithmetisches Mittel): Summe / Anzahl, x̄ = (x₁ + x₂ + ... + xₙ) / n
Median: der mittlere Wert wenn die Daten sortiert sind, robust gegen Ausreißer
Modus: der häufigste Wert
Spannweite: Maximum minus Minimum
Varianz s²: durchschnittliche quadrierte Abweichung vom Mittelwert
Standardabweichung s: Wurzel der Varianz, gleiche Einheit wie die Daten
Quartile: Teilen die sortierten Daten in 4 gleiche Teile (Q1, Median, Q3)

In Klausuren oft gefragt: berechne Mittelwert, Median, Standardabweichung für diese Daten. Plus die Frage wann ist Median besser als Mittelwert? (Antwort: bei Ausreißern, weil Median robust ist).

Du hast eine Liste von 120 Klausurnoten. Wie sagst du mit einer Zahl, "wie ist die Klausur gelaufen"?

Notendurchschnitt 2,8?
Mittlere Note 2,5?
Häufigste Note: 3?
Wie unterschiedlich waren die Ergebnisse?

Beschreibende Statistik kondensiert viele Daten zu wenigen aussagekräftigen Kennzahlen. Vier davon sind Klausur-Pflicht.

1. Lagemaße — wo liegt das Zentrum?

Maß	Formel	Bedeutung
Mittelwert $\bar{x}$	$\frac{1}{n}\sum_{i=1}^n x_i$	arithmetisches Mittel
Median	mittlerer Wert nach Sortierung	50%-Marke
Modus	häufigster Wert	wo die meisten liegen

2. Streuungsmaße — wie weit auseinander?

Maß	Formel	Bedeutung
Spannweite	$\max - \min$	Gesamtbreite
Varianz $\sigma^2$	$\frac{1}{n}\sum (x_i - \bar{x})^2$	mittlere quadratische Abweichung
Std-Abweichung $\sigma$	$\sqrt{\sigma^2}$	mittlere Abweichung in Original-Einheit

3. Quartile + Boxplot

Maß	Bedeutung
Q1	25%-Marke
Q2 = Median	50%-Marke
Q3	75%-Marke
IQR = Q3 − Q1	mittlere Spannweite (50% der Daten)

Der Boxplot visualisiert all das auf einen Blick.

$\bar{x}$ (sprich: "x-Quer") = Summe aller Werte ÷ Anzahl.

Daten: 3, 5, 6, 7, 8
Summe: 3 + 5 + 6 + 7 + 8 = 29
n = 5
Mittelwert = 29 / 5 = 5,8

Klausur-Trick: Mittelwert kann ein Wert sein der gar nicht im Datensatz vorkommt (5,8 ist kein Datenpunkt).

Sortieren und den mittleren Wert nehmen.

Ungerade Anzahl (n = 5):

Daten: 3, 5, 6, 7, 8       (schon sortiert)
Mitte: Position (n+1)/2 = 3
Median: 6                  (das 3. Element)

Gerade Anzahl (n = 6):

Daten: 3, 5, 6, 7, 8, 50   (sortiert)
Zwei Mittlere: Position 3 und 4 → 6 und 7
Median: (6 + 7) / 2 = 6,5

Wichtigster Trick: Median ist robust gegen Ausreißer, Mittelwert nicht.

Datensatz A: [3, 5, 6, 7, 8]      → Mean 5,8 · Median 6
Datensatz B: [3, 5, 6, 7, 8, 50]  → Mean 13,17 · Median 6,5

Der eine Ausreißer (50) hebt den Mittelwert auf das Doppelte — der Median verschiebt sich kaum. Bei Einkommen, Hauspreisen, etc. ist deshalb der Median oft aussagekräftiger.

Der häufigste Wert. Kann mehrere geben (bimodal, multimodal) oder gar keinen.

Daten: 1, 2, 2, 3, 3, 3, 3, 4, 4, 5
Häufigkeiten: 1→1, 2→2, 3→4, 4→2, 5→1
Modus: 3   (4-mal aufgetreten)

Bei stetigen Daten (z.B. Größe in cm) ist der Modus selten sinnvoll — selten kommt exakt dieselbe Zahl mehrmals vor. Bei kategorischen Daten (Noten, Farben) extrem nützlich.

Die Varianz misst die mittlere quadratische Abweichung vom Mittelwert.

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

Beispiel mit Daten [3, 5, 6, 7, 8] und Mittelwert 5,8:

$x_i$	$x_i - \bar{x}$	$(x_i - \bar{x})^2$
3	−2,8	7,84
5	−0,8	0,64
6	0,2	0,04
7	1,2	1,44
8	2,2	4,84
Σ		14,80

$\sigma^2 = \frac{14,80}{5} = 2,96$

Standardabweichung $\sigma = \sqrt{\sigma^2} = \sqrt{2,96} \approx 1,72$

Vorteil von $\sigma$ : hat dieselbe Einheit wie die Originaldaten. Wenn Daten in € sind, ist $\sigma$ auch in €. Varianz wäre €².

Stichproben-Varianz: n − 1 statt n

In der Stichproben-Statistik (typisch in Klausuren) wird durch n − 1 geteilt, nicht durch n. Grund: Bessel-Korrektur (Stichprobe unterschätzt sonst die wahre Varianz).

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

Klausurtrick: Wenn die Aufgabe sagt "Stichprobe" → Nenner $n−1$ . Wenn sie sagt "Grundgesamtheit" → Nenner $n$ .

Q1 = 25%-Marke (ein Viertel der Daten ist kleiner) Q2 = Median = 50%-Marke Q3 = 75%-Marke IQR = Q3 − Q1 (Inter-Quartile-Range)

Hinweis zur Quartil-Konvention: Quartile werden je nach Methode unterschiedlich berechnet (Excel, R, SPSS nutzen verschiedene Definitionen — z.B. "Methode 7" in R, oder "exclusive median" in Excel). Hier verwenden wir die lineare Interpolation der Position (n+1)/4 bzw. 3(n+1)/4. Bei Klausuraufgaben Methodik des Dozenten prüfen.

Daten sortiert: 1, 2, 2, 3, 3, 3, 3, 4, 4, 5    (n=10)
Position Q1:   25% von 9 = 2,25  →  zwischen Pos 3 und 4 → 2 + 0,25·(3-2) = 2,25
Position Q3:   75% von 9 = 6,75  →  zwischen Pos 7 und 8 → 3 + 0,75·(4-3) = 3,75
Median:        50% von 9 = 4,5   →  (3+3)/2 = 3
IQR:           3,75 - 2,25 = 1,5

IQR ist die "robuste Spannweite" — ignoriert die obersten und untersten 25%, also Ausreißer-resistent.

Ein Boxplot zeigt 5 Zahlen auf einen Blick: Min, Q1, Median, Q3, Max.

                     Median (50%)
                       |
   |───────[Q1───────|───────Q3]───────|
  Min     25%       50%      75%     Max

  ←── Whisker ──→← Box (50%) →← Whisker ──→

Was du im Boxplot siehst:

Box-Breite = IQR = wo die mittleren 50% liegen
Median-Linie im Verhältnis zur Box: mittig = symmetrisch, schief = schiefe Verteilung
Whisker-Längen: ungleich = Asymmetrie / Ausreißer

Klausur-Klassiker: "Beschreibe die Verteilung anhand des Boxplots."

Median in der Mitte der Box, Whisker gleich lang → symmetrisch
Median näher Q1, langer rechter Whisker → rechtsschief (Ausreißer oben, z.B. Einkommen)
Median näher Q3, langer linker Whisker → linksschief

Frage	Bestes Maß	Warum
"Typischer Wert?"	Median	Robust
"Was haben die meisten?"	Modus	Häufigster
"Streuung?"	Std-Abweichung	Original-Einheit
"Robuste Streuung?"	IQR	Ignoriert Ausreißer
"Spannweite?"	Max − Min	Einfach
"Position?"	Quartil	25/50/75

Faustregel: bei schiefen Daten (Einkommen, Hauspreise, Wartezeiten) → Median + IQR. Bei symmetrischen Daten (Größe, Klausuren) → Mittelwert + Std.

Trick 1 — Lage von Mean und Median als Schiefe-Indikator: bei symmetrischen Verteilungen fallen Mittelwert und Median oft zusammen, aber Gleichheit allein beweist keine Symmetrie. Praktischer: Mean > Median → rechtsschief, Mean < Median → linksschief, Mean ≈ Median → vermutlich symmetrisch (Boxplot/Histogramm zur Bestätigung anschauen).

Trick 2 — Robuster sein bei Ausreißern: Median und IQR. Mittelwert und SD reagieren stark auf Extremwerte.

Trick 3 — n vs. n−1: Stichprobe (typisch) → durch n−1, Grundgesamtheit → durch n. Wenn die Aufgabe nichts sagt: Stichprobe annehmen, n−1 nehmen.

Trick 4 — Sortieren ist Pflicht: Median, Quartile, Min, Max — alles braucht sortierte Daten. Nicht vergessen.

Trick 5 — Unimodal vs. Bimodal: ein Modus heißt unimodal, mehrere bimodal/multimodal. Bimodal ist oft Hinweis auf zwei verschiedene Gruppen im Datensatz.

Trick 6 — Z-Score: $z = (x - \bar{x}) / \sigma$ . Sagt: "wie viele Standardabweichungen ist x vom Mittel entfernt?" Bei Normalverteilung gilt: |z| < 1 → 68%, |z| < 2 → 95%, |z| < 3 → 99,7%.

Trick 7 — Lineare Transformation: wenn man jeden Wert mit a multipliziert und b addiert ( $y = a \cdot x + b$ ):

Mean: $\bar{y} = a \cdot \bar{x} + b$
SD: $\sigma_y = |a| \cdot \sigma_x$ (b verschwindet, |a| skaliert)

Häufige Klausurfrage. Beispiel: alle Einkommen +100€ → Mean +100€, SD unverändert.

Trick 8 — Histogram-Bins: bei stetigen Daten gruppiert man in Klassen. Anzahl Klassen ≈ $\sqrt{n}$ oder Sturges-Regel: $\lceil \log_2(n) + 1 \rceil$ .

Klausuren: Notenverteilung, mittlere Bearbeitungszeit, Streuung
BWL/Marketing: durchschnittlicher Warenkorbwert, Conversion-Rate, Standardabweichung
Data Science: erste Exploration eines Datensatzes (df.describe() in Pandas)
Sportstatistik: Trefferquoten, Ranglisten
Wirtschaftsdaten: Einkommensverteilung, Inflation
A/B-Tests: Mittelwert + SD beider Gruppen vergleichen

Faustregel: Mittelwert und Median immer beide angeben. Wenn sie auseinanderlaufen, gibt's einen interessanten Grund.

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

Alle Tabs der Lerneinheit (Erklärung · Interaktiv · 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

Beschreibende Statistik

Mehr aus Mathematik

Mathematik

Lineare Funktionen

y = mx + b verstehen, Graph zeichnen, Werte berechnen. Die Grundlage für Algorithmus-Laufzeit, Kostenmodelle und einfache Regression.

Mathematik

Quadratische Funktionen

f(x) = ax² + bx + c. Parabeln verstehen, Scheitelpunkt finden, Nullstellen berechnen mit pq- und abc-Formel. Drei Darstellungsformen und wann welche.

Mathematik

Ableitungen

Vom Differenzenquotienten zum Differentialquotienten: Tangentensteigung als Grenzwert der Sekantensteigungen. Grundregeln (Potenz, Faktor, Summe, Differenz) und erweiterte Regeln (Produkt, Quotient, Kette). Extremwerte über die notwendige Bedingung f'(x) = 0 und hinreichende Bedingung mit f''.

Was du danach lernen kannst

Folge-TopicKorrelation — Pearson & SpearmanAnschauen

Beschreibende Statistik

Die Kennzahlen die du in der Klausur kennen musst:

Mittelwert (arithmetisches Mittel): Summe / Anzahl, x̄ = (x₁ + x₂ + ... + xₙ) / n

Median: der mittlere Wert wenn die Daten sortiert sind, robust gegen Ausreißer

Modus: der häufigste Wert

Spannweite: Maximum minus Minimum

Varianz s²: durchschnittliche quadrierte Abweichung vom Mittelwert

Standardabweichung s: Wurzel der Varianz, gleiche Einheit wie die Daten

Quartile: Teilen die sortierten Daten in 4 gleiche Teile (Q1, Median, Q3)

Maß

Formel

Bedeutung

Mittelwert

\bar{x}

\frac{1}{n}\sum_{i=1}^n x_i

arithmetisches Mittel

Median

mittlerer Wert nach Sortierung

50%-Marke

Modus

häufigster Wert

wo die meisten liegen

Maß

Formel

Bedeutung

Spannweite

\max - \min

Gesamtbreite

Varianz

\sigma^2

\frac{1}{n}\sum (x_i - \bar{x})^2

mittlere quadratische Abweichung

Std-Abweichung

\sigma

\sqrt{\sigma^2}

mittlere Abweichung in Original-Einheit

Maß

Bedeutung

25%-Marke

Q2 = Median

50%-Marke

75%-Marke

IQR = Q3 − Q1

mittlere Spannweite (50% der Daten)

x_i

x_i - \bar{x}

(x_i - \bar{x})^2

−2,8

7,84

−0,8

0,64

0,2

0,04

1,2

1,44

2,2

4,84

14,80

Daten sortiert: 1, 2, 2, 3, 3, 3, 3, 4, 4, 5 (n=10) Position Q1: 25% von 9 = 2,25 → zwischen Pos 3 und 4 → 2 + 0,25·(3-2) = 2,25 Position Q3: 75% von 9 = 6,75 → zwischen Pos 7 und 8 → 3 + 0,75·(4-3) = 3,75 Median: 50% von 9 = 4,5 → (3+3)/2 = 3 IQR: 3,75 - 2,25 = 1,5

Median (50%) | |───────[Q1───────|───────Q3]───────| Min 25% 50% 75% Max ←── Whisker ──→← Box (50%) →← Whisker ──→

Frage

Bestes Maß

Warum

"Typischer Wert?"

Median

Robust

"Was haben die meisten?"

Modus

Häufigster

"Streuung?"

Std-Abweichung

Original-Einheit

"Robuste Streuung?"

IQR

Ignoriert Ausreißer

"Spannweite?"

Max − Min

Einfach

"Position?"

Quartil

25/50/75

Maß	Formel	Bedeutung
Mittelwert `x̄`	`1/nΣ_(i=1)ⁿ x_i`	arithmetisches Mittel
Median	mittlerer Wert nach Sortierung	50%-Marke
Modus	häufigster Wert	wo die meisten liegen

Maß	Formel	Bedeutung
Spannweite	`max - min`	Gesamtbreite
Varianz `σ²`	`1/nΣ (x_i - x̄)²`	mittlere quadratische Abweichung
Std-Abweichung `σ`	`√(σ²)`	mittlere Abweichung in Original-Einheit

Beschreibende Statistik

Beschreibende Statistik

Das Problem

Die vier Kennzahlen-Familien

1. Lagemaße — wo liegt das Zentrum?

2. Streuungsmaße — wie weit auseinander?

3. Quartile + Boxplot

Schritt für Schritt: Mittelwert

Schritt für Schritt: Median

Schritt für Schritt: Modus

Streuung: Varianz & Standardabweichung

Stichproben-Varianz: n − 1 statt n

Quartile und IQR

Boxplot lesen

Welches Maß wann?

Klausur-Tricks

Wo brauchst du beschreibende Statistik?

Erklärung

Beschreibende Statistik

Lineare Funktionen

Quadratische Funktionen

Ableitungen

Beschreibende Statistik

Beschreibende Statistik

Das Problem

Die vier Kennzahlen-Familien

1. Lagemaße — wo liegt das Zentrum?

2. Streuungsmaße — wie weit auseinander?

3. Quartile + Boxplot

Schritt für Schritt: Mittelwert

Schritt für Schritt: Median

Schritt für Schritt: Modus

Streuung: Varianz & Standardabweichung

Stichproben-Varianz: n − 1 statt n

Quartile und IQR

Boxplot lesen

Welches Maß wann?

Klausur-Tricks

Wo brauchst du beschreibende Statistik?

Erklärung

Beschreibende Statistik

Lineare Funktionen

Quadratische Funktionen

Ableitungen

Das Problem

Die vier Kennzahlen-Familien

1. Lagemaße — wo liegt das Zentrum?

2. Streuungsmaße — wie weit auseinander?

3. Quartile + Boxplot

Schritt für Schritt: Mittelwert

Schritt für Schritt: Median

Schritt für Schritt: Modus

Streuung: Varianz & Standardabweichung

Stichproben-Varianz: n − 1 statt n

Quartile und IQR

Boxplot lesen

Welches Maß wann?

Klausur-Tricks

Wo brauchst du beschreibende Statistik?

Interaktiv

Statistik-Lab

Quiz

Integrale

Vektoren

Mengenlehre