Wie berechnet man das Konfidenzintervall

Berechne das Konfidenzintervall bei 90%, 95%, 99% mit KI = x̄ ± z·(σ/√n) für Normalverteilung oder Student-t für kleine Stichproben. SEM, kritischer Wert.

Berechnungsparameter
War dieser Rechner nützlich?

Wie berechnet man das Konfidenzintervall: die Formel ist KI = x̄ ± z·(σ/√n) für große Stichproben (n ≥ 30) mit Normalverteilung, oder KI = x̄ ± t·(s/√n) für kleine Stichproben mit Student-t-Verteilung. Für das Standard-Niveau 95% verwendet man z = 1,96 oder t aus Tabellen mit df = n-1.

Formel und Parameter

Das Konfidenzintervall (KI) quantifiziert die statistische Unsicherheit einer Punktschätzung. Der Stichprobenmittelwert x̄ ist von einer Fehlermarge ME = z·(σ/√n) umgeben, wobei σ/√n der Standardfehler (SEM) ist. Kritischer z-Wert je nach Niveau: 95% z=1,96; 99% z=2,576; 90% z=1,645. Bei unbekanntem σ und n<30: s und Student-t mit n-1 Freiheitsgraden.

Geschichte

Jerzy Neyman führte das KI 1937 formal ein. Die t-Verteilung wurde 1908 von Gosset entdeckt (veröffentlicht unter "Student"). Fisher formalisierte die Freiheitsgrade. Die ASA veröffentlichte 2016 eine Erklärung gegen mechanische Anwendung von p<0,05, empfahl KI. Destatis in Deutschland wendet KI in allen offiziellen Statistiken an.

Kritische Werte

  • 90% KI: z = 1,6449; t(10) = 1,8125
  • 95% KI: z = 1,9600; t(10) = 2,2281
  • 99% KI: z = 2,5758; t(10) = 3,1693
  • Schwelle: für n ≥ 30 unterscheiden sich t und z um <5%
  • Stichprobengröße: Verdopplung von n reduziert SEM um √2

Rechenbeispiele

Beispiel 1 — IQ n=25. x̄=100, s=15, 95%, t. df=24, t=2,0639. SEM=3. ME=6,19. KI=[93,81; 106,19].

Beispiel 2 — Wahlumfrage n=1000. p̂=0,52. SEM_p=0,0158. ME=3,1%. KI=[48,9%; 55,1%].

Beispiel 3 — Qualitätskontrolle n=36. Durchmesser 10,02 mm, σ=0,05, 99% normal. SEM=0,00833. ME=0,0215. KI=[9,9985; 10,0415] mm.

Beispiel 4 — Körpergröße n=100. x̄=170, s=8, 95%. SEM=0,8. ME=1,57. KI=[168,43; 171,57].

Beispiel 5 — klinische Studie n=12. Blutdrucksenkung 12 mmHg, s=6, 95% t. SEM=1,732. ME=3,81. KI=[8,19; 15,81] mmHg.

Voraussetzungen und Grenzen

  1. Zufällige unabhängige Stichprobe.
  2. n<30: Population annähernd normal.
  3. Schiefe: Median und Bootstrap.
  4. KI ist Eigenschaft der Methode.
  5. KEINE bayesianische Interpretation.
  6. Ausreißer: robuste Methoden.
  7. Abhängigkeit: SEM unterschätzt.
  8. n<10: KI instabil.

Praktische Anwendungen

  1. Umfragen (Fehlermarge ±3% für n=1000).
  2. Klinische Studien.
  3. Qualitätskontrolle DIN ISO 5725.
  4. Marketing und A/B-Tests.
  5. Finanzen (VaR).
  6. Psychometrie.
  7. Agrarwissenschaft.
  8. Analytische Chemie DIN EN ISO/IEC 17025.
  9. Sportwissenschaft.
  10. Politik und Exit Polls.

Häufige Fehler

  1. z statt t bei kleinen Stichproben.
  2. SEM mit s verwechseln.
  3. Konfidenzniveau weglassen.
  4. Normalität nicht prüfen.
  5. Bayesianische Fehlinterpretation.
  6. Abhängige Stichproben.
  7. Ausreißer ignorieren.
  8. KI Mittelwert vs Vorhersage-KI.

Support

Fragen: info@calcoi.com. Lernwerkzeug. Für professionelle Statistik Biostatistiker konsultieren nach ASA, Destatis, DIN ISO 5725.

Aktualisiert im Juli 2026

Häufig gestellte Fragen

Was ist ein Konfidenzintervall?

Ein numerisches Intervall, geschätzt aus den Daten, das den wahren Populationsparameter (Mittelwert, Anteil) mit einem bestimmten Konfidenzniveau, typisch 95%, enthalten sollte. Berechnet als KI = x̄ ± z·(σ/√n). Das Niveau gibt an, wie oft KIs den wahren Wert enthalten würden.

Unterschied 95% vs 99% KI?

99% KI ist breiter (z=2,576) als 95% (z=1,96). Mehr Sicherheit aber weniger Präzision. Für n=100 und s=10, ME 95% = 1,96 vs ME 99% = 2,58 (32% breiter). 95% ist der wissenschaftliche Standard.

Wann z und wann t?

z (normal) verwenden, wenn σ² bekannt oder n ≥ 30 (Zentraler Grenzwertsatz). Student-t verwenden, wenn σ unbekannt und n < 30; t ist etwas breiter als z.

Was bedeutet 95% Konfidenz?

Bedeutet, dass bei vielen Wiederholungen des Experiments ~95% der berechneten KIs den wahren Wert enthalten würden. Bedeutet NICHT, dass das spezifische Intervall mit 95% Wahrscheinlichkeit den Wert enthält (falsche Bayessche Interpretation).

Wie beeinflusst n das KI?

Erhöhung von n reduziert SEM um √n: um die Fehlermarge zu halbieren, muss n vervierfacht werden. Von n=100 auf n=400 halbiert ME. Bei kleinem n ist das KI breit; typisch n ≥ 30 für zuverlässige Schätzungen.

Funktioniert mit nicht-normalen Daten?

Für n ≥ 30 macht der ZGS das KI auf den Mittelwert auch bei nicht-normalen Populationen gültig. Bei kleinem n und Schiefe: Bootstrap oder Median-KI. Normalität prüfen mit Q-Q-Plot oder Shapiro-Wilk.

KI vs p-Wert?

Die ASA 2016 empfiehlt KI zusammen mit dem p-Wert anzugeben. Ein KI, das den Nullwert ausschließt, entspricht p<α. KI zeigt aber auch Effektgröße und Unsicherheit, während p-Wert nur binär ist.

Formel

CI = \bar{x} \pm z_{\alpha/2} \cdot \frac{\sigma}{\sqrt{n}}

Kommentare (0)

Noch keine Kommentare. Sei der Erste!