Arithmetisches Mittel

Das arithmetische Mittel (auch Durchschnitt) ist derjenige Mittelwert, der als Quotient aus der Summe der beachteten Zahlen und ihrer Anzahl berechnet ist. Die zwei Zahlen 1 und 2 haben zum Beispiel den arithmetischen Mittelwert 1,5 (= (1 + 2) / 2).

In der Statistik wird das arithmetische Mittel einer Stichprobe auch empirischer Mittelwert genannt.

Definition

Das arithmetische Mittel einer Menge von Werten $x_1,\; x_2, \;\ldots \;,\; x_n$ ist definiert als

$\bar x_\mathrm{arithm} = \frac1n \sum_{i=1}^n{x_i} = \frac{x_1 + x_2 + \cdots + x_n}n$

Gelegentlich wird zur Bezeichnung des arithmetischen Mittels auch das Durchschnittszeichen ⌀ verwendet.

Beispiele

Das arithmetische Mittel aus 50 und 100 ist $\tfrac{50+100}{2} = 75$ .

Anwendungsbeispiel

Ein Auto fährt eine Stunde lang 100 km/h und die darauf folgende Stunde 200 km/h. Mit welcher konstanten Geschwindigkeit muss ein anderes Auto fahren, um denselben Weg ebenfalls in zwei Stunden zurückzulegen?

Der Weg s_1 , den das erste Auto insgesamt zurückgelegt hat, beträgt

$s_1=100\ \mathrm{km/h} \cdot 1\ \mathrm{h}+200\ \mathrm{km/h} \cdot 1\ \mathrm{h}$

und der des zweiten Autos

$s_2=v_2 \cdot 2\ \mathrm{h},$

wobei v_2 die Geschwindigkeit des zweiten Autos ist. Aus s_1=s_2 ergibt sich

$v_2 \cdot 2\ \mathrm{h}=100\ \mathrm{km/h} \cdot 1\ \mathrm{h}+200\ \mathrm{km/h} \cdot 1\ \mathrm{h}$

und damit

$v_2=\frac{100\ \mathrm{km/h}\cdot 1\ \mathrm{h}+200\ \mathrm{km/h} \cdot 1\mathrm{h}}{2\ \mathrm{h}}=\frac{100\ \mathrm{km}+200\ \mathrm{km}}{2\ \mathrm{h}}=150\ \mathrm{km/h}.$

Interpretationen

Die Summe aller Abweichungen, die Daten von ihrem arithmetischen Mittelwert haben, ist 0.

Die Summe aller Einzelwerte kann man sich ersetzt denken durch gleiche Werte von der Größe des arithmetischen Mittels.

Die Summe der Quadrate der Abweichungen aller Daten vom Mittelwert ist kleiner als die Summe der Quadrate der Abweichungen von irgendeinem anderen Wert.

Arithmetisch

Das arithmetische Mittel zweier Zahlen a,b ist diejenige Zahl , für die

gilt.

Schwerpunkteigenschaft

Die Schwerpunkteigenschaft besagt, dass die Summen der negativen und positiven Abweichungen der Merkmalswerte vom arithmetischen Mittel absolut gleich sind. Anders ausgedrückt besagt die Schwerpunkteigenschaft, dass die Summe der Abweichungen aller beobachteten Merkmalsausprägungen vom arithmetischen Mittel gleich Null ist.

$\sum _{i=1}^{n}\left(x_{i}-{\bar {x}}\right)=0$

Beweis:

$\sum _{i=1}^{n}\left(x_{i}-{\bar {x}}\right)=\sum _{i=1}^{n}x_{i}-\sum _{i=1}^{n}{\bar {x}}=n{\bar {x}}-n{\bar {x}}=0$

Wahrscheinlichkeitstheoretisch

Sind $X_1, \dotsc, X_n$ Zufallsvariablen, die unabhängig und identisch verteilt mit Erwartungswert $\mu$ und Varianz $\sigma^2$ sind, so hat der Stichprobenmittelwert $\bar{X}:=\frac{1}{n}\sum_{i=1}^n X_i$ ebenfalls den Erwartungswert $\mu$ , aber die kleinere Varianz $\sigma^2/n$ . Hat also eine Zufallsvariable endlichen Erwartungswert und endliche Varianz, so folgt aus der Tschebyscheff-Ungleichung, dass das arithmetische Mittel einer Stichprobe gegen den Erwartungswert der Zufallsvariablen stochastisch konvergiert. Das arithmetische Mittel ist daher nach vielen Kriterien eine geeignete Schätzung für den Erwartungswert der Verteilung, aus der die Stichprobe stammt. Es ist allerdings sehr empfindlich gegenüber Ausreißern (siehe Median).

Gewichtetes arithmetisches Mittel

Es lässt sich auch ein gewichtetes arithmetisches Mittel definieren. Es erweitert den Anwendungsbereich des gewöhnlichen (ungewichteten) arithmetischen Mittels auf Werte mit unterschiedlicher Wichtigkeit. Ein Beispiel ist die Berechnung einer Schulnote, in die mündliche und schriftliche Leistungen unterschiedlich stark einfließen.

Deskriptive Statistik

Das gewichtete Mittel wird beispielsweise verwendet, wenn man Mittelwerte x_i , $i=1,\dots, n$ aus Stichproben der gleichen Grundgesamtheit mit verschiedenen Stichprobenumfängen w_i miteinander kombinieren will:

$\bar{x} = \frac{\sum_{i=1}^n{w_i \cdot x_i}}{\sum_{i=1}^n w_i}$ .

Wahrscheinlichkeitsrechnung

Sind die X_i unabhängig verteilte Zufallsgrößen (d.h. X_1 ist eine Zufallsgröße mit den Zufallsvariablen $X_{11}, \dots, X_{1n}$ und X_2 ist eine Zufallsgröße mit den Zufallsvariablen $X_{21},\dots,X_{2m}$ …) mit gemeinsamem Erwartungswert $\mu$ aber unterschiedlichen Varianzen $\sigma_i^2$ , so hat der gewichtete Mittelwert ebenfalls Erwartungswert $\mu$ und seine Varianz beträgt

$\sigma^2_{\bar{x}} = \frac{\sum_{i=1}^n w_i^2\sigma_i^2}{\left(\sum_{i=1}^n w_i\right)^2}$ .

Wählt man

$w_i = \frac{1}{\sigma_{i}^2}$ ,

so vereinfacht sich die Varianz zu

$\sigma^2_{\bar{x}} = \frac{\sum_{i=1}^n \frac{1}{\sigma_i^4}\sigma_i^2}{\left(\sum_{i=1}^n \frac{1}{\sigma_i^2}\right)^2} = \frac{\sum_{i=1}^n \frac{1}{\sigma_i^2}}{\left(\sum_{i=1}^n \frac{1}{\sigma_i^2}\right)^2} = \frac{1}{\sum_{i=1}^n\frac{1}{\sigma_i^2}}$ .

Aus der Cauchy-Schwarzschen Ungleichung folgt

$\left(\sum_{i=1}^n w_i^2\sigma_i^2\right)\cdot\left(\sum_{i=1}^n\frac{1}{\sigma_i^2}\right)\geq \left(\sum_{i=1}^n w_i\right)^2$ .

Die Wahl der Gewichte $w_i = 1/\sigma_{i}^2$ oder eine Wahl proportional dazu minimiert also die Varianz $\sigma^2_{\bar{x}}$ des gewichteten Mittels. Mit dieser Formel lassen sich die Gewichte w_i abhängig von der Varianz des jeweiligen Wertes, der dementsprechend den Mittelwert mehr oder weniger stark beeinflusst, zweckmäßig wählen.

Sind die X_i speziell Stichprobenmittelwerte vom Umfang n_i aus derselben Grundgesamtheit, so hat X_i die Varianz $\sigma^2/n_i$ , also ist die Wahl w_i=n_i optimal.

Beispiele

Das arithmetische Mittel $\bar{x}_1$ der n_1=3 Zahlen 1, 2 und 3 beträgt 2, das arithmetische Mittel $\bar{x}_2$ der n_2=2 Zahlen 4 und 5 beträgt 4,5. Das arithmetische Mittel aller 5 Zahlen ergibt sich als mit dem Stichprobenumfang gewichteter Mittelwert der Teilmittelwerte:

$\bar{x}=\frac{1+2+3+4+5}{5}=\frac{3\frac{1+2+3}{3}+2\frac{4+5}{2}}{3+2}=\frac{n_1\bar{x}_1+n_2\bar{x}_2}{n_1+n_2}=\frac{6+9}{3+2}=3.$

Liegen die Beobachtungen als klassierte Häufigkeit vor, kann man das arithmetische Mittel näherungsweise als gewichtetes Mittel bestimmen, wobei die Klassenmitten als Wert und der Klassenumfang als Gewicht zu wählen sind. Sind beispielsweise in einer Schulklasse ein Kind in der Gewichtsklasse 20 bis 25 kg, 7 Kinder in der Gewichtsklasse 25 bis 30 kg, 8 Kinder in der Gewichtsklasse 30 bis 35 kg und 4 Kinder in der Gewichtsklasse 35 bis 40 kg, so lässt sich das Durchschnittsgewicht als

$\frac{1 \cdot 22{,}5 + 7 \cdot 27{,}5 + 8 \cdot 32{,}5 + 4 \cdot 37{,}5}{1 + 7 + 8 + 4} = \frac{625}{20} = 31{,}25$

abschätzen. Um die Güte dieser Schätzung zu ermitteln, muss man dann den minimal / maximal möglichen Mittelwert ermitteln, indem man pro Intervall die kleinsten / größten Werte zugrunde legt. Damit ergibt sich dann, dass der tatsächliche Mittelwert zwischen 28,75 kg und 33,75 kg liegt. Der Fehler der Schätzung 31,25 beträgt also maximal ±2,5 kg oder ±8 %.

Weiteres Beispiel: Ein Bauer stellt im Nebenerwerb 100 kg Butter her. 10 kg kann er für 10 €/kg verkaufen, weitere 10 kg für 6 €/kg und den Rest muss er für 3 €/kg abgeben. Zu welchem (gewichtetem) Durchschnittspreis hat er seine Butter verkauft? Lösung: (10 kg · 10 €/kg + 10 kg · 6 €/kg + 80 kg · 3 €/kg) / (10 kg + 10 kg + 80 kg) = 400 € / 100 kg = 4 €/kg. Der mit der jeweils verkauften Menge gewichtete Durchschnittspreis entspricht also dem fixen Preis, zu dem die Gesamtmenge verkauft werden müsste, um den gleichen Erlös zu erzielen wie beim Verkauf von Teilmengen zu wechselnden Preisen.

Der Mittelwert einer Funktion

Als Mittelwert der Riemann-integrierbaren Funktion $f\colon[a,b]\to\R$ wird die Zahl

$\bar{f}:=\frac{1}{b-a}\int_a^b f(x) \mathrm{d}x$

definiert.

Die Bezeichnung Mittelwert ist insofern gerechtfertigt, als für eine äquidistante Zerlegung $\{x_0,x_1, x_2,\dotsc, x_n\}$ des Intervalls mit der Schrittweite $h=\tfrac{b-a}{n}$ das arithmetische Mittel

$m_n(f):=\frac{f(x_1)+f(x_2)+\dotsb+f(x_n)}{n}=\frac{1}{b-a}\sum_{k=1}^nf(x_k)h$

gegen $\bar{f}\;$ konvergiert.

Ist $f\;$ stetig, so besagt der Mittelwertsatz der Integralrechnung, dass es ein $\xi\in[a,b]$ gibt mit $f(\xi)=\bar{f}$ , die Funktion nimmt also an mindestens einer Stelle ihren Mittelwert an.

Der Mittelwert der Funktion f(x) mit dem Gewicht $w(x)\;$ (wobei $w(x)>0\;$ für alle $x \in [a,b]$ ) ist

$\bar{f} = \frac{\int_a^b f(t) w(t) \mathrm{d}t}{\int_a^b w(t) \mathrm{d}t}$ .

Für Lebesgue-Integrale im Maßraum $(\Omega, \mathcal A, \mu)$ mit einem endlichen Maß $\mu(\Omega)<\infty$ lässt sich der Mittelwert einer Lebesgue-integrierbaren Funktion als

$\bar{f}:=\frac{1}{\mu(\Omega)}\int_\Omega f(x)\,\mathrm{d}\mu(x)$

definieren. Handelt es sich um einen Wahrscheinlichkeitsraum, gilt also $\mu(\Omega)=1\;$ , so nimmt der Mittelwert die Form

$\bar{f}:=\int_\Omega f(x)\,\mathrm{d}\mu(x)$

an; das entspricht genau dem Erwartungswert von $f\;$ .

Der Mittelwert einer Funktion hat in Physik und Technik erhebliche Bedeutung insbesondere bei periodischen Funktionen der Zeit, siehe Gleichwert.

Quasi-arithmetischer Mittelwert (f-Mittel)

Sei eine auf einem reellen Intervall streng monotone stetige (und daher invertierbare) Funktion und seien

$w_i, 0\leq w_i\leq 1, \sum_i w_i =1$

Gewichtsfaktoren. Dann ist für $x_i\in I$ das mit den Gewichten w_i gewichtete quasi-arithmetische Mittel definiert als

$\bar{x}_f = f^{-1}\left(\sum_{i=1}^n w_i f(x_i)\right)$ .

Offensichtlich gilt

$\min(x_i)\leq \bar{x}_f \leq\max(x_i).$

Für f(x)=x erhält man das arithmetische, für $f(x)=\log(x)$ das geometrische Mittel, und für f(x)=x^k das -Potenzmittel.

Dieser Mittelwert lässt sich auf das gewichtete quasi-arithmetische Mittel einer Funktion verallgemeinern, wobei in einem die Bildmenge von umfassenden Intervall streng monoton und stetig sei:

$\bar{x}_f = f^{-1}\left(\frac{\int f(x(t)) w(t) \mathrm{d}t}{\int w(t) \mathrm{d}t}\right)$

Siehe auch

Basierend auf einem Artikel in:

Wikipedia.de