Standard Deviation And Mean Deviation

Kennst du das, wenn du versuchst, mit deinen Freunden ein Restaurant auszusuchen? Sagen wir, ihr wollt Pizza. Einer schwärmt für "Luigis Trattoria", weil er dort angeblich die beste Pizza der Stadt gegessen hat. Der nächste meint, "Pizza Palace" sei der absolute Hammer, und der dritte behauptet steif und fest, nur "Pizza Planet" serviere das einzig Wahre. Und du stehst da und denkst: "Okay, aber welche Pizza ist denn nun wirklich gut?" Das ist wie bei Daten! Du hast viele einzelne Werte, und du willst wissen, wo so ungefähr der Durchschnitt liegt – und wie stark die Meinungen (äh, die Datenpunkte!) auseinandergehen.

Genau da kommen Standardabweichung und mittlere absolute Abweichung ins Spiel! Sie sind wie zwei Detektive, die dir helfen, die Streuung deiner Daten zu verstehen. Stell sie dir als Sherlock Holmes und Dr. Watson der Statistik vor. (Okay, vielleicht ist das ein bisschen übertrieben, aber sie sind schon ziemlich nützlich.)

Der Durchschnitt: Die Mitte der Party

Bevor wir uns mit der Abweichung beschäftigen, müssen wir erstmal wissen, wo die Mitte ist. Und das ist der Durchschnitt (oder das arithmetische Mittel). Einfach alle Werte zusammenzählen und durch die Anzahl der Werte teilen. Super easy, oder? (Hoffentlich, denn das ist wirklich die Basis für alles.)

Sagen wir, du hast fünf Pizza-Bewertungen von Freunden bekommen (auf einer Skala von 1 bis 10): 7, 8, 6, 9, 5. Der Durchschnitt wäre (7+8+6+9+5)/5 = 7. Also, im Schnitt finden deine Freunde die Pizzen so mittelmäßig bis gut. (Klingt nicht gerade nach dem kulinarischen Highlight des Jahrhunderts, ehrlich gesagt.)

Mittlere absolute Abweichung: Der sanfte Weg

Die mittlere absolute Abweichung (MAD) ist ein ziemlich einfacher Weg, um zu messen, wie weit die einzelnen Werte im Durchschnitt vom Mittelwert entfernt sind. Sie nimmt die absolute Differenz jedes Wertes zum Durchschnitt (also den positiven Wert der Differenz, egal ob der Wert größer oder kleiner ist) und berechnet dann den Durchschnitt dieser absoluten Differenzen.

Für unser Pizza-Beispiel: * |7-7| = 0 * |8-7| = 1 * |6-7| = 1 * |9-7| = 2 * |5-7| = 2 Die MAD wäre dann (0+1+1+2+2)/5 = 1.2. Das bedeutet, dass die Bewertungen im Schnitt 1.2 Punkte vom Durchschnitt abweichen. Nicht schlecht, aber auch nicht superpräzise.

Warum "absolut"? Weil wir negative Differenzen vermeiden wollen. Stell dir vor, du würdest einfach die Differenzen aufsummieren. Dann würden sich die positiven und negativen Abweichungen aufheben, und du hättest am Ende vielleicht eine Abweichung von Null, obwohl die Daten total verstreut sind! (Das wäre so, als würde man sagen, alle Pizzen sind gleich gut, obwohl die Meinungen total auseinandergehen.)

Standardabweichung: Der König der Streuung

Die Standardabweichung ist so ähnlich wie die MAD, aber sie benutzt eine andere Methode, um negative Werte zu vermeiden: Sie quadriert die Differenzen! (Ja, richtig gehört. Quadrieren. Mathe!)

Für unser Pizza-Beispiel: * (7-7)^2 = 0 * (8-7)^2 = 1 * (6-7)^2 = 1 * (9-7)^2 = 4 * (5-7)^2 = 4 Dann berechnet man den Durchschnitt dieser quadrierten Differenzen (die Varianz), und zieht anschließend die Quadratwurzel, um die Standardabweichung zu erhalten.

Die Standardabweichung ist etwas komplizierter zu berechnen als die MAD, aber sie hat einige Vorteile. Sie ist empfindlicher gegenüber Ausreißern (also extremen Werten), und sie wird häufiger in der Statistik verwendet, weil sie sich mathematisch besser handhaben lässt. (Vertrau mir, das ist ein Grund!)

Was bedeutet das jetzt? Eine hohe Standardabweichung bedeutet, dass die Daten stark verstreut sind, während eine niedrige Standardabweichung bedeutet, dass die Daten eng um den Durchschnitt liegen. In unserem Pizza-Beispiel würde eine hohe Standardabweichung bedeuten, dass die Meinungen über die Pizza sehr unterschiedlich sind, während eine niedrige Standardabweichung bedeuten würde, dass die meisten Leute die Pizza ähnlich bewerten.

Merke: Du musst das nicht alles manuell ausrechnen! Es gibt genug Rechner im Internet oder sogar Funktionen in Tabellenkalkulationsprogrammen (wie Excel oder Google Sheets), die dir die Arbeit abnehmen. (Sei ehrlich, das ist doch das, was du hören wolltest, oder?)

Fazit: Welcher Detektiv ist besser?

Sowohl Standardabweichung als auch MAD sind nützliche Werkzeuge, um die Streuung von Daten zu verstehen. Die MAD ist einfacher zu berechnen und zu verstehen, während die Standardabweichung häufiger verwendet wird und mathematisch "eleganter" ist. Welchen Detektiv du wählst, hängt von der Situation und deinen Bedürfnissen ab. Und ob du wirklich wissen willst, welche Pizza am besten ist, steht auf einem ganz anderen Blatt! (Vielleicht probierst du einfach alle drei?)