Eine Verteilung ist eine Form
Die Statistik hat eine Geometrie
Jeder Datensatz hat eine Form. Tragen Sie die Werte auf einer Zahlengeraden ab und stapeln Sie an den Häufungsstellen Balken, so entsteht eine Silhouette: ein Hügel, eine schräge Neigung, ein langer Schwanz. Die Statistik verleiht dieser Form Koordinaten.
Zwei Markierungen bestimmen den Mittelpunkt der Form.
Der Mittelwert ist der Schwerpunkt: der Gleichgewichtspunkt. Stellen Sie sich vor, jeder Datenwert sei ein gleiches Gewicht, das auf einer Waagebalken liegt, der entlang der Zahlengeraden verläuft. Der Mittelwert ist der einzelne Drehpunkt, an dem die Waage im Gleichgewicht ist. Werte, die weit vom Zentrum entfernt sind, üben Hebelwirkung aus, genau so wie ein schweres Kind weit draußen auf einer Waage: Distanz mal Gewicht.
Der Median ist das mittlere Element nach Anzahl: der Wert, unter dem die Hälfte der Daten liegt und über dem die andere Hälfte. Er berücksichtigt nur die Reihenfolge und die Anzahl, nie, wie weit ein Wert entfernt liegt.
Bei einer perfekt symmetrischen Form fallen Drehpunkt und Mitte zusammen: Mittelwert gleich Median. Wird die Symmetrie gebrochen, trennen sie sich.
Schiefe ist diese gebrochene Symmetrie. Eine Rechts-Schiefe hat einen langen Schwanz, der sich zu hohen Werten hin ausdehnt (ein paar Milliardäre in einem Einkommensdatensatz). Diese weit entfernten Gewichte ziehen den Gleichgewichtspunkt in Richtung des Schwanzes, sodass der Mittelwert rechts vom Median liegt. Eine Links-Schiefe ist das Spiegelbild davon.
Deshalb unterscheiden sich das Median-Haushaltseinkommen und das Durchschnitts-Haushaltseinkommen: Die Geometrie einer schiefen Form zieht den Schwerpunkt weg von der Mitte nach Anzahl.
In welche Richtung bewegt sich der Mittelwert?
Eine Stadt meldet ihre Haushaltseinkommen. Die meisten Familien verdienen zwischen 40.000 und 90.000, aber eine Handvoll Einwohner verdient mehrere Millionen. Die Einkommensverteilung hat einen langen Schwanz, der nach rechts reicht.
Wie weit vom Zentrum ist typischerweise entfernt?
Streuung ist eine Distanz
Der Schwerpunkt (Centroid) sagt dir, wo die Form im Gleichgewicht ist. Er sagt nichts darüber aus, wie breit die Form ist. Zwei Datensätze können einen identischen Mittelwert haben und sich dennoch völlig unterschiedlich anfühlen: einer ist eng um das Zentrum gepackt, der andere weit verstreut.
Die Standardabweichung (Sigma) misst die Streuung: Sie ist im Wesentlichen der typische Abstand eines Werts vom Mittelwert. Ein kleines Sigma bedeutet eine schmale, hohe Form, die sich eng um das Zentrum schmiegt. Ein großes Sigma bedeutet eine breite, flache Form, die weit auf beiden Seiten reicht.
Betrachte zwei Bogenschützen. Beide treffen im Durchschnitt ins Zentrum: Ihr Schwerpunkt liegt auf der Zehn. Bogenschütze A gruppiert jeden Pfeil innerhalb einer Handbreit vom Zentrum (kleines Sigma). Bogenschütze B streut seine Pfeile über das gesamte Ziel, doch die Fehltreffer heben sich gegenseitig auf, sodass der Durchschnitt weiterhin auf das Zentrum zeigt (großes Sigma). Gleicher Mittelwert, entgegengesetzte Streuung. Der Mittelwert allein kann sie nicht unterscheiden; die Standardabweichung kann es.
Geometrisch bestimmt Sigma die horizontale Skala der Verteilung. Streckt man eine Form breiter, ohne ihren Schwerpunkt zu verschieben, erhöht man Sigma, während der Mittelwert konstant bleibt. Diese einzelne Zahl, die Breite der Form, ist das, worauf die nächste Idee basiert.
Gleicher Mittelpunkt, unterschiedliche Breite
Zwei Fabriken füllen jeweils Säcke mit einem mittleren Gewicht von 500 Gramm. Fabrik A hat eine Standardabweichung von 4 Gramm. Fabrik B hat eine Standardabweichung von 20 Gramm.
Ein Kunde lehnt jeden Sack ab, der mehr als 15 Gramm von 500 abweicht.
Der Fehler, der wie 1 über Wurzel n schrumpft
Von der Streuung der Daten zur Streuung einer Schätzung
Du misst selten eine gesamte Population. Du nimmst eine Stichprobe und berechnen ihren Mittelwert als Schätzung. Nimmst du eine andere Stichprobe, erhältst du einen leicht anderen Mittelwert. Diese Stichprobenmittelwerte haben eine eigene Form: die Stichprobenverteilung, zentriert auf dem wahren Mittelwert.
Seine Breite hat einen Namen: der Standardfehler des Mittelwerts.
SE = sigma / sqrt(n)
wobei sigma die Streuung der Einzelwerte und n die Stichprobengröße ist. Der Standardfehler ist der typische Abstand zwischen einem Stichprobenmittelwert und dem wahren Mittelwert: Er ist die Streuung deiner Schätzung, nicht der Rohdaten.
Die Geometrie steckt in dieser Quadratwurzel. SE sinkt wie 1/sqrt(n), nicht wie 1/n. Das Mittelbilden mehrerer Messungen verengt die Stichprobenverteilung, aber mit abnehmendem Ertrag: Jede neue Beobachtung bringt weniger Verengung als die vorherige.
Die harte Konsequenz: Um den Standardfehler zu HALBIEREN, muss die Stichprobengröße VERVIERFACHT werden. Der Übergang von n = 100 zu n = 200 halbiert deinen Fehler nicht; du brauchst n = 400. Präzision ist teuer, weil sie mit der Quadratwurzel skaliert.
Die Kurven oben teilen sich einen gemeinsamen Mittelpunkt und schrumpfen in der Breite, wenn n von 25 auf 100 auf 400 steigt, wobei sigma bei 20 gehalten wird. Lies den SE an jeder Kurve ab: 4, dann 2, dann 1.
Berechne den Standardfehler
Eine Population von Testwerten hat eine Standardabweichung sigma = 20. Du ziehst eine Stichprobe der Größe n = 100 und berechnest deren Mittelwert.
Wenn die Achse lügt
Manipulierte Geometrie
Ein Diagramm ist eine geometrische Übersetzung: Zahlen werden zu Längen, Flächen und Steigungen, die das Auge sofort liest. Manipuliert man diese Übersetzung, meldet das Auge eine Lüge, die die Daten nie ausgesprochen haben.
Abgeschnittene Achse. Ein Balkendiagramm sollte seine Wertachse bei null beginnen, damit die Balkenhöhe proportional zum Wert bleibt. Beginnt die Achse beispielsweise bei 95 statt bei 0, füllt ein Anstieg von 100 auf 102 (eine tatsächliche Veränderung von 2 Prozent) den Rahmen, als wäre er enorm. Die gezeichneten Längen entsprechen nicht mehr den Verhältnissen der Zahlen. In einem Liniendiagramm macht derselbe Trick jede Steigung steiler: Ein sanfter Aufstieg wirkt wie eine Klippe, weil der vertikale Maßstab auf ein enges Fenster komprimiert wurde.
Steigungsaufblähung. Die Steigung ist Steigung über Lauf (rise over run). Verkleinert man den Bereich, den die Achse abdeckt (den Lauf der angezeigten Werte), während die Pixelhöhe konstant bleibt, wird jede Steigung steiler gezeichnet. Der Trend hat sich nicht geändert; nur die Geometrie des Rahmens hat sich verändert.
Verzerrung von Fläche gegenüber Länge. Um eine Verdopplung einer Größe darzustellen, verdoppelt ein ehrliches Diagramm EINE Dimension: einen Balken, der doppelt so hoch ist. Ein unseriöses skaliert ein Symbol oder einen Kreis in BEIDER Breite und Höhe, sodass ein 2-facher Wert zu einem Bild mit der 4-fachen Fläche wird. Da das Auge die Fläche beurteilt, wirkt eine Verdopplung wie eine Vervierfachung. Blasen-Diagramme missbrauchen dies ständig, wenn sie den Wert auf den Radius statt auf die Fläche abbilden, da die Fläche mit dem Quadrat des Radius wächst.
Die professionelle Gewohnheit: Prüfen, wo die Achse beginnt, prüfen, ob Länge oder Fläche den Wert kodiert, und das Bild mental neu skalieren, bevor man der Form vertraut.
Die Verzerrung diagnostizieren
Ein Dashboard zeigt, wie der Quartalseinnahmen von 100 auf 104 Millionen steigen. Um den Zuwachs dramatischer wirken zu lassen, beginnt der Designer die vertikale Achse bei 98 statt bei 0. Ein zweites Panel stellt denselben Zuwachs von 4 Prozent dar, indem ein Geldbeutel-Icon um 4 Prozent in BEIDER Breite und Höhe vergrößert wird.
Die Form, die Streuung, der Fehler, die Achse
Die Praxis
Automatisierte Dashboards zeichnen die Form für Sie. Sie rendern die Balken, passen die Kurve an und animieren den Trend. Was sie nicht können, ist die Geometrie mit Urteilskraft zu lesen. Das ist die Aufgabe des Profis.
Ein geschultes Auge führt bei jedem Diagramm vier Prüfungen durch:
- Schwerpunkt. Wo balanciert die Form, und zieht eine Schiefe den Mittelwert vom Median weg? Ein einzelner gemeldeter Durchschnitt kann eine einseitige Realität verbergen.
- Streuung. Wie breit ist die Form? Ein selbstbewusst wirkender Durchschnitt, der auf einer großen Varianz basiert, ist ein Münzwurf im Anzug.
- Stichprobenfehler. Wie groß war n? Die Schätzung trägt einen Standardfehler von sigma/sqrt(n), und eine kleine Stichprobe bedeutet ein breites, unzuverlässiges Intervall, egal wie präzise die Schlagzeilenzahl aussieht.
- Achsengeometrie. Beginnt die Wertachse bei null? Wird die Größe als Länge oder als Fläche kodiert? Eine manipulierte Achse verwandelt einen Rundungsfehler in eine Revolution.
Das Dashboard liefert das Bild. Du lieferst den Misstrauensfaktor. Ein Diagramm, dessen Achsengeometrie manipuliert ist oder dessen Stichprobe zu klein ist, verdient Skepsis, egal wie poliert es aussieht.
Dieses Dashboard lesen
Das Dashboard eines Startups verkündet: Der durchschnittliche Umsatz pro Nutzer ist in diesem Quartal ANGESTIEGEN. Die Kleingedruckten: Der Durchschnitt basiert auf einer Stichprobe von n = 9 Nutzern, von denen zwei enorme Enterprise-Konten sind, und die Achse des Balkendiagramms beginnt bei 90 Prozent des Werts des letzten Quartals.
Geometrie der Statistik: Zusammenfassung
Was du gelernt hast
Statistik ist Geometrie, die Zahlen trägt:
- Der Mittelwert ist ein Schwerpunkt: der Gleichgewichtspunkt der Daten. Schiefe zieht diesen Drehpunkt in Richtung des langen Schweifs, sodass eine rechtssteil verteilte Form Mittelwert > Median ergibt. Der Median zählt nur Positionen, daher widersteht er diesem Zug.
- Die Standardabweichung ist die Streuung: der typische Abstand vom Zentrum, die Breite der Form. Zwei Verteilungen können denselben Mittelwert haben, sich aber stark darin unterscheiden, wie weit ihre Werte verstreut sind.
- Der Stichprobenfehler ist sigma/sqrt(n): die Breite der Stichverteilung. Er schrumpft wie 1/sqrt(n), sodass eine Halbierung des Fehlers eine vierfache Stichprobe kostet. Präzision wird mit der Quadratwurzel erkauft.
- Achsengeometrie kann täuschen: eine abgeschnittene Achse entkoppelt Länge vom Wert und steilt den Verlauf an; die Skalierung eines Icons in zwei Dimensionen vergrößert die Fläche mit dem Quadrat des Faktors, sodass das Auge eine Verdopplung als Vervierfachung liest.
Automatisierte Dashboards zeichnen die Form. Die Fachkraft liest sie: Sie lokalisiert den Schwerpunkt, schätzt die Streuung, gewichtet den Stichprobenfehler und misstraut jedem Diagramm, dessen Achsengeometrie manipuliert ist. Das Bild ist der Boden; die Urteilsfähigkeit ist die Decke.