wiwiweb
online lernen

Besser lernen mit Online-Kursen

NEU! Jetzt online lernen:
Deskriptive Statistik
Den Kurs kaufen für:
einmalig 29,00 €
Zur Kasse
Verteilungsmaße > Lagemaße:

Arithmetisches Mittel

WebinarTerminankündigung:
 Am 19.01.2017 (ab 18:00 Uhr) findet unser nächstes Webinar statt.
Gratis-Webinar Statistik: Konfidenzintervalle und Testtheorie
- In diesem 60-minütigen Gratis-Webinar gibt Daniel Lambert einen Überblick über die Stichprobentheorie: was sind Konfidenzintervalle, wie testet man?
[weitere Informationen] [Terminübersicht]

Ein weiteres Lagemaß ist das arithmetische Mittel.

Auf den metrischen Skalen sind alle numerischen Operationen, also addieren, subtrahieren, multiplizieren und dividieren, erlaubt (wenngleich nicht immer sinnvoll – so ist $\ {20°C \over 10°C} = 2 $ keine sinnvolle Aussage, wie wir bei der Intervallskala gesehen hatten. Erst ab der Verhältnisskala ist auch die Division ohne Probleme anwendbar). Man wählt deshalb als Mittelwert auf den metrischen Skalen das arithmetische Mittel $\ \overline x $ mit $$\ \overline x = {1 \over n} (x_1+x_2+...+x_n) $$ Dieses gewöhnliche arithmetisches Mittel wird auch als ungewogenes arithmetisches Mittel bezeichnet.

Beispiel

Beispiel 36 - Arithmetisches Mittel:
Die Körpergrößen von fünf Personen lauten 1,80 m, 1,70 m, 1,75 m, 1,89 m, 1,90 m.
Die mittlere Körpergröße ist dann $$\ \overline x={1 \over n} \sum_{i=1}^n x_i = {1 \over 5} \cdot (1,8 + 1,7 + 1,75 + 1,89 + 1,9) = 1,808 m $$

Formel arithmetisches Mittel

Es gibt zwei Varianten des arithmetischen Mittels, die unterschiedlich aussehen, es aber nicht sind:

  • Das ungewogene arithmetische Mittel
    $$\ \overline x= {1 \over n} \sum_{i=1}^n x_i $$ Jeder einzelne Beobachtungswert geht gleichstark (jeweils mit $\ {1 \over n} $ gewichtet) in das arithmetische Mittel $\ \overline x $ ein.
  • Das gewogene arithmetische Mittel
    $$\ \overline x = \sum_{j=1}^m f(a_j) \cdot a_j= {1 \over n} \cdot \sum_{j=1}^m h(a_j) \cdot a_j $$
    Diese Formel wird benutzt, wenn einzelne Beobachtungswerte, also einzelne $\ x_i $, mehrfach vorkommen.

Video zum arithmetischen Mittel

Video: Arithmetisches Mittel

Das arithmetische Mittel ist ein weiteres Lagemaß. Es gibt den Mittelwert an. Anwendung findet das arithmetische Mittel bei metrischen Skalen.

Beispiel gewogenes arithmetisches Mittel berechnen

Beispiel

Beispiel 37:
Es soll das arithmetische Mittel der folgenden Zahlen ausgerechnet werden:
2, 3, 4, 3, 7, 8, 3, 2, 7, 7, 7, 9, 10, 8, 11.

Mit dem ungewogenen arithmetischen Mittel wird jeder Beobachtungswert xi gleich gewichtet. Es ist $\ x_1 = 2, x_2 = 3, x_3 = 4, ... , x_{15} = 11 $.
Man rechnet also $$\ \overline x= {1 \over n} \sum_{j=1}^n x_i= {1 \over 15} \sum_{i=1}^{15} x_i= {1 \over 15}(2 + 3 + 4 + ... + 8 + 11) = 6,067 $$

Beim gewogenen arithmetischen Mittel hingegen erfolgt eine Gewichtung. Man rechnet nicht mehr mit den Beobachtungswerten xi – die mehrfach auftreten können – sondern mit den Merkmalsprägungen aj, die zwar mehrfach vorkommen können, aber immer unterschiedlich sind. So ist hier $\ a_1 = 2, a_2 = 3, a_3 = 4, a_4 = 7, a_5 = 8, a_6 = 9, a_7 = 10, a_8 = 11 $

j 1 2 3 4 5 6 7 8
$\ a_j $ 2 3 4 7 8 9 10 11
$\ h(a_j)   $ 2 3 1 4 2 1 1 1
$\ f(a_j)   $ 2/15 3/15 1/15 4/15 2/15 1/15 1/15 1/15

Der Wert $\ a_4 = 7 $ tritt viermal auf, deshalb ist die absolute Häufigkeit $\ h(a_4) = h(7) = 4 $. Die relative Häufigkeit lautet demnach
$\ f(a_4)=f(7)= {1 \over n} \cdot h(7) = {1 \over 15} \cdot 4= {4 \over 15} $.
Man fasst also Werte zusammen, die gleich sind und kann dadurch das arithmetische Mittel schneller ausrechnen:
$$\ \overline x= {1 \over n} \sum_{j=1}^m h(a_j)\cdot a_j = {1 \over 15} \cdot (2 \cdot 2+3 \cdot 3+1 \cdot 4+4 \cdot 7+...+1 \cdot 11)= {91 \over 15} = 6.067 $$ bzw. $$\ \overline x= \sum_{j=1}^m f(a_j)\cdot a_j= {2 \over 15} \cdot 2 + {3 \over 15} \cdot 3+...+{1 \over 15} \cdot 11=6,067 $$

Merke

Merke:
  • Die Anzahl m der (unterschiedlichen) Merkmalsausprägungen $\ a_j $ (hier m=8) ist stets kleiner oder gleich der Anzahl n der (nicht unbedingt unterschiedlichen) Beobachtungswerte $\ x_i $ (hier n=15).
  • Wenn alle Beobachtungswerte vorliegen, ist es lediglich ein geringerer Rechenaufwand, das gewogene arithmetische Mittel zu rechnen.

Eigenschaften des arithmetischen Mittels

Achtung:
Das arithmetische Mittel ist anfälliger für Ausreißer als es der Median oder der Modus ist. Dies zeigt folgendes Beispiel

Beispiel 38:
Eine Sekretärin sollte folgende Rechnungsbeträge in den Computer eingeben: 100 €, 200 €, 100 €, 300 € und 350€. Statt der letzten Zahl hängt sie fälschlicherweise eine Null zuviel an, schreibt also 3.500 €. Wie verändern sich die einzelnen Mittelwerte?
Die geordnete Urliste sollte eigentlich 100, 100, 200, 300, 350 sein, in Wahrheit ist sie aber nun 100, 100, 200, 300, 3.500. Der Modus und der Median bleiben gleich bei 100 € und bei 200 €, sie verändern sich also nicht durch den statistischen Ausreißer. Lediglich das arithmetische Mittel $\ \overline x $ ändert sich von vorher $\ \overline x = 210 € $ auf nunmehr $\ \overline x = 840 € $.

Das arithmetische Mittel zeichnet sich aus durch die

  • Ersatzwerteigenschaft, die
  • Nulleigenschaft und eine
  • Optimalitätseigenschaft.

Im einzelnen:
Ersatzwerteigenschaft bedeutet, dass $$\ {n \cdot \overline x} = \sum_{i=1}^n x $$ gilt, was unmittelbar aus der Definition des arihmetischen Mittels hervorgeht. Wenn man also das $\ \overline x $ mit dem Umfang n der statistischen Masse multipliziert, dann erhält man die Merkmalssumme $\ \sum_{i=1}^n x $. Für das Beispiel 36 der Körpergrößen rechnet man diese Gleichheit nach: $\ {n \cdot \overline x}= {5 \cdot 1,8} =9 $ und $\ \sum_{i=1}^n x_i = 1,8 + 1,7 + 1,75 + 1,85 + 1,9 = 9 $.

Nulleigenschaft sagt aus, dass $$\ \sum_{i=1}^n (x_i - \overline x) =0 $$ was klar wird aus der Rechnung $\ \sum_{i=1}^n (x_i - \overline x)= \sum_{i=1}^n x_i - \sum_{i=1}^n \overline x = n \cdot {1 \over n} \cdot \sum_{i=1}^n x_i- n \cdot \overline x = {n \cdot \overline x} - {n \cdot \overline x}=0 $.
Die positiven und die negativen Abweichungen vom arithmetischen Mittel heben sich also gegenseitig auf. Für das Beispiel 36 der Körpergrößen heißt dies $\ \sum_{i=1}^n (x_i- \overline x) $
$\ = (1,8 – 1,8) + (1,7-1,8) + (1,75-1,8) + (1,85 - 1,8) + (1,9 – 1,8) = 0 + (-0,1) + (-0,05) + 0,05 + 0,1 = 0. $

Optimalitätseigenschaft besagt, dass $$\ \sum_{i=1}^n (x_i-m)^2 $$ Min!, wenn $\ m= \overline x $. Die Summe der quadrierten Abweichungen der Beobachtungswerte $\ x_i $ von einem beliebigen Punkt $\ m $ wird minimal, wenn dieser Punkt das arithmetische Mittel $\ \overline x $ ist. Auch hier wieder das Beispiel 36 der Körpergrößen: wählt man z.B. $\ m = 1 $, dann ist die Summe der quadrierten Abweichungen $\ \sum_{i=}^n (x_i-m)^2 =(1,8-1)^2+(1,7-1)^2+...+(1,9-1)^2=3,225 $ , für $\ m= 2 $ hingegen erhält man $\ \sum_{i=1}^n (x_i-m)^2=0,225 $ , für $\ m= \overline x =1,8 $ schließlich ist die Summe der Abweichungsquadrate $\ \sum_{i=1}^n (x_i-m)^2=0,025 $ , und das ist unter den gegebenen Ergebnissen (und unter allen möglichen) minimal . Die Zahl 0,025 wird nicht unterschritten, kein anderes m liefert einen kleineren Wert.

Lückentext
Bitte die Lücken im Text sinnvoll ausfüllen.
Das arithmetische Mittel der Zahlen 4, 4, und 1 lautet 3.
0/0
Lösen

Hinweis:

Bitte füllen Sie alle Lücken im Text aus. Möglicherweise sind mehrere Lösungen für eine Lücke möglich. In diesem Fall tragen Sie bitte nur eine Lösung ein.

Kommentare zum Thema: Arithmetisches Mittel

  • Maren Nebeling schrieb am 25.02.2015 um 08:40 Uhr
    Hallo, auf unseren folgenden Kursseiten gibt es Beispiele zur Gewichtung bei Klassen, bei denen die Werte nicht die gleichen Abstände aufweisen. Schöne Grüße
  • Max Mustermann schrieb am 18.02.2015 um 18:42 Uhr
    Wie funktioniert eigentlich die gewichtung bei nicht äquidistanten Klassen und bei welchen Maßzahlen/Parametern muss ich dies tun?
  • Maren Nebeling schrieb am 30.09.2014 um 15:54 Uhr
    Hallo Fabian, vielen Dank für den Hinweis. Ich habe den Fehler sofort behoben. Schöne Grüße.
  • Fabian Geffers schrieb am 26.09.2014 um 21:08 Uhr
    Im Beispiel 36 ist ein Fehler. Im Text wird von 1,85m gesprochen, in der Rechnung wird dieser durch 1,89 ersetzt.. lg fg
  • Maren Nebeling schrieb am 06.02.2014 um 13:20 Uhr
    Hallo Thomas. Erneut danke für dein Feedback. Auch diesen Fehler habe ich soeben berichtigt. Schöne Grüße.
  • Thomas Ingenhorst schrieb am 06.02.2014 um 09:45 Uhr
    Auch hier ist ein Fehler. Es muss in der Berechnung für das gewogene arithmetische Mittel in der Klammer heißen (2*2 + 3*3 + 1*4...) und nicht (2*2 + 3*3 + a*4...) ;)
Bild von Autor Daniel Lambert

Autor: Daniel Lambert

Dieses Dokument Arithmetisches Mittel ist Teil eines interaktiven Online-Kurses zum Thema Deskriptive Statistik.

Dipl.-Math. Dipl.-Kfm. Daniel Lambert gibt seit vielen Jahren Kurse zur Prüfungsvorbereitung. Er unterrichtet stets orientiert an alten Prüfungen und weiß aus langjähriger Erfahrung, wie sich komplexe Sachverhalte am besten aufbereiten und vermitteln lassen. Daniel Lambert ist Repetitor aus Leidenschaft seit nunmehr 20 Jahren.
Vorstellung des Online-Kurses Deskriptive StatistikDeskriptive Statistik
Dieser Inhalt ist Bestandteil des Online-Kurses

Deskriptive Statistik

wiwiweb - Interaktive Online-Kurse (wiwiweb.de)
Diese Themen werden im Kurs behandelt:

[Bitte auf Kapitelüberschriften klicken, um Unterthemen anzuzeigen]

  • Grundbegriffe der deskriptiven Statistik
    • Einleitung
      • Statistische Datenauswertung
      • Merkmal, Merkmalsausprägung und Merkmalsträger
    • Masse und Merkmal
      • Statistische Masse
      • Statistisches Merkmal
    • Skalierungen
      • Grundlagen Skalierung
      • Nominalskala
      • Ordinalskala
      • Metrische Skalen
      • Metrische Skalen - Intervallskala
      • Metrische Skalen - Verhältnisskala
      • Metrische Skalen - Absolutskala
      • Skalenniveau bestimmen
      • Aufgabe Skalierung
      • Lösung Aufgabe Skalierung
    • Skalentransformation
      • Grundlagen Skalentransformation
      • Skalentransformation auf der Nominalskala
      • Skalentransformation auf der Ordinalskala
      • Skalentransformation auf der Kardinalskala
    • Abzählbarkeit
      • Diskrete Merkmale
      • Stetige Merkmale
    • Quasistetige Merkmale und Klassierung
      • Gründe für quasistetige Merkmale
      • Quasistetige Merkmale
      • Klassierung
    • Selbstkontrollaufgabe zu den Grundbegriffen der deskriptiven Statistik
      • Aufgabe Merkmale
      • Lösung Aufgabe Merkmale
  • Häufigkeitsverteilungen
    • Unklassierte Daten und ihre Darstellung
      • Grundlagen der Häufigkeitsverteilung
      • Häufigkeiten
      • Absolute Häufigkeiten
      • Relative Häufigkeit
      • Graphische Darstellung
      • Stabdiagramm oder Säulendiagramm
      • Kreisdiagramm
    • Klassierte Daten und ihre Darstellung
      • Grundlagen Klassierung
      • Klassierung und ihre Darstellung
      • Histogramm
      • Aufgabe Histogramm
      • Lösung Aufgabe Histogramm
      • Häufigkeitspolygon
      • Regeln zur Klassenbildung in der Statistik
    • Empirische Verteilungsfunktion
      • Beispiel und Eigenschaften der Verteilungsfunktion
      • Beispielaufgabe empirische Verteilungsfunktion
    • Selbstkontrollaufgaben zu den Häufigkeitsverteilungen
      • Aufgabe Urliste und Median
      • Lösung Aufgabe Urliste und Median
  • Verteilungsmaße
    • Lagemaße
      • Modus
      • Fraktile
      • Median
      • Boxplot
      • Arithmetisches Mittel
      • Geometrisches Mittel
      • Harmonisches Mittel
      • Zusammenfassung Lagemaße
    • Streuungsmaße
      • Unterschiedliche Streuungsmaße
      • Streuungszerlegung
      • Mittlere quadratische Abweichung berechnen
    • Formmaße
      • Unterschiedliche Formmaße
      • Schiefe
      • Wölbung
  • Konzentrationsmessung
    • Einleitung
      • Konzentrationsmaße
    • Relative Konzentration
      • Übersicht relative Konzentration
      • Lorenzkurve
      • Gini-Koeffizient
      • Länge der Lorenzkurve
      • Concentration-Ratio
    • Absolute Konzentration
      • Übersicht absolute Konzentration
      • Absolute Konzentrationskurve
      • Herfindahl-Index
      • Exponentialindex
      • Rosenbluth-Index
  • Mehrdimensionale Verteilungen
    • Mehrdimensionale Verteilung - Einführung
    • Gemeinsame Verteilung
    • Randverteilungen
    • Bedingte Verteilungen
    • Unabhängigkeit
    • Beispiel mehrdimensionale Verteilung
  • Zusammenhangsmaße
    • Zusammenhangsmaße auf Nominal- und Ordinalskala
      • Korrelationsanalyse
      • Zusammenhangsmaße auf der Nominalskala
      • Zusammenhangsmaße auf der Ordinalskala
    • Zusammenhangsmaße auf metrischen Skalen
      • Übersicht Zusammenhangsmaße auf metrischen Skalen
      • Bravais-Pearsonscher Korrelationskoeffizient
      • Korrelationskoeffizient von Fechner
  • Zeitreihenanalyse
    • Einleitung
      • Längsschnittdaten und Querschnittdaten
    • Zeitreihenverfahren
      • Verfahren der Zeitreihenanalyse
      • Methode der gleitenden Durchschnitte
      • Exponentielle Glättung
      • Beispiel Methode der Kleinsten Quadrate
      • Methode der Kleinsten Quadrate
      • Exkurs: Linearisierung
      • Methode der Reihenhälften
    • Zeitreihenzerlegung
      • Zeitreihenzerlegung
  • Indexrechnung
    • Grundbegriffe
      • Verhältniszahlen
    • Preisindizes
      • Definition Preisindizes
      • Preisindizes nach Laspeyres und Paasche
      • Indexrechnung mit Preisindizes
    • Mengenindizes
      • Definition Mengenindizes
      • Mengenindizes nach Laspeyres und Paasche
    • Wertindizes
      • Der Wertindex
    • Weitere Indizes
      • Übersicht weitere Indizes
      • Index nach Lowe
      • Fisherscher Idealindex
      • Marshall-Edgeworth-Preisindex
    • Umbasierung und Verkettung von Indizes
      • Die Rundprobe
      • Umbasierung
      • Verkettung
  • 103
  • 27
  • 181
  • 37
einmalig 29,00
umsatzsteuerbefreit gem. § 4 Nr. 21 a bb) UStG
Online-Kurs Top AngebotTrusted Shop

Unsere Nutzer sagen:

  • Gute Bewertung für Deskriptive Statistik

    Ein Kursnutzer am 22.07.2015:
    "gut aufgebaut, gut verständlich"

  • Gute Bewertung für Deskriptive Statistik

    Ein Kursnutzer am 18.10.2014:
    "Man super. Mein Professor hat mich total mit seinen Ausführungen verwirrt, wo doch die Antwort so einfach ist. Vielen Dank Herr Lambert. Ich finde sowieso, dass Sie der Beste sind :o)"

  • Gute Bewertung für Deskriptive Statistik

    Ein Kursnutzer am 01.09.2014:
    "sehr gut erklärt, schnell verständlich. Gute Beispiele!"

  • Gute Bewertung für Deskriptive Statistik

    Ein Kursnutzer am 06.07.2014:
    "Locker flockig an anschaulichen Beispielen ausführlich erklärt."

  • Gute Bewertung für Deskriptive Statistik

    Ein Kursnutzer am 14.06.2014:
    "Perfekt erklärt, danke!!!"

NEU! Sichere dir jetzt die perfekte Prüfungsvorbereitung und spare 10% bei deiner Kursbuchung!

10% Coupon: lernen10

Zu den Online-Kursen