Konfidenzintervall-Rechner
KI für den Mittelwert (z- oder t-Verteilung) und Anteil — mit Fehlermarge, kritischem Wert und visuellem Bereich.
Beispiel versuchen
Als Dezimalzahl eingeben: z. B. 0.42 für 42 %
Beispiel versuchen
Konfidenzintervall-Ergebnisse
—
Kritischer Werts (z*) Reference
| Konfidenzniveau | z* (Kritischer Wert) | α (Fehlerrate) | Typische Verwendung |
|---|---|---|---|
| 80% | 1.282 | 0.20 | Explorative Forschung, Pilotstudien |
| 85% | 1.440 | 0.15 | Moderate Präzisionsanforderungen |
| 90% | 1.645 | 0.10 | Ingenieurwesen, Qualitätskontrolle |
| 95% | 1.960 | 0.05 | Am häufigsten — Wissenschaft, Medizin, Umfragen |
| 99% | 2.576 | 0.01 | Entscheidungen mit hohem Einsatz, klinische Studien |
Verwendete Formeln
Was ist ein Konfidenzintervall?
Ein Konfidenzintervall (KI) ist ein Bereich plausibler Werte für einen Populationsparameter (wie einen Mittelwert oder einen Anteil), der aus einer Zufallsstichprobe konstruiert wird. Anstatt mit einer einzigen Zahl zu schätzen — die mit an Sicherheit grenzender Wahrscheinlichkeit nicht genau dem wahren Wert entspricht —, liefert ein Konfidenzintervall einen Bereich, der die der Stichprobenziehung innewohnende Unsicherheit erfasst. for a population parameter (such as a mean or proportion), constructed from a random sample. Instead of estimating with a single number — which is almost certainly not exactly equal to the true value — a confidence interval provides a range that captures the uncertainty inherent in sampling.
Das „Konfidenzniveau“ (80 %, 90 %, 95 %, 99 %) beschreibt die Zuverlässigkeit der Konstruktionsmethode: Wenn Sie den Prozess der Stichprobenziehung und KI-Konstruktion viele Male wiederholen würden, würde dieser Prozentsatz der resultierenden Intervalle den wahren Populationswert enthalten. of the construction method: if you repeated the sampling and CI construction process many times, that percentage of the resulting intervals would contain the true population value.
Das häufigste Missverständnis über Konfidenzintervalle
Die Aussage „Wir sind zu 95 % sicher, dass der Mittelwert zwischen 47,1 und 52,9 liegt“ wird oft (fälschlicherweise) als „Es besteht eine Wahrscheinlichkeit von 95 %, dass der wahre Mittelwert in diesem Intervall liegt“ interpretiert. Das ist falsch. is often (incorrectly) interpreted as "There is a 95% probability the true mean is in this interval." This is wrong.
Der wahre Populationsmittelwert ist ein fester (wenn auch unbekannter) Wert — er hat keine Wahrscheinlichkeitsverteilung. Das Intervall selbst ist zufällig (es ändert sich mit jeder Stichprobe). Die korrekte Interpretation lautet: „Wenn wir diese Methode auf 100 verschiedene Zufallsstichproben anwenden würden, würden ungefähr 95 der resultierenden Intervalle den wahren Mittelwert enthalten.“ Ihr spezifisches Intervall enthält ihn oder eben nicht — Sie wissen nur nicht, welches von beiden zutrifft. — it doesn't have a probability distribution. The interval itself is what's random (it changes with each sample). The correct interpretation: "If we used this method on 100 different random samples, approximately 95 of the resulting intervals would contain the true mean." Your specific interval either contains it or it doesn't — you just don't know which.
Wann man z vs. t-Verteilung verwendet
- Verwenden Sie das z-Intervall, wenn: die Standardabweichung der Population σ bekannt ist ODER wenn n ≥ 30 (der zentrale Grenzwertsatz macht die Normalapproximation zuverlässig)., OR when n ≥ 30 (Central Limit Theorem makes the normal approximation reliable).
- Verwenden Sie das t-Intervall, wenn: σ unbekannt ist UND n < 30. Die t-Verteilung hat schwerere „Tails“ (Ränder) als die Normalverteilung, um zusätzliche Unsicherheiten bei der Schätzung von σ zu berücksichtigen. Mit zunehmendem n konvergiert t gegen z. The t-distribution has heavier tails than the normal to account for additional uncertainty from estimating σ. As n increases, t converges to z.
- KI für Anteil: Verwenden Sie immer das z-Intervall (Normalapproximation), gültig wenn np̂ ≥ 10 und n(1-p̂) ≥ 10. (normal approximation), valid when np̂ ≥ 10 and n(1-p̂) ≥ 10.
Wie sich der Stichprobenumfang auf die Präzision auswirkt
Die Fehlermarge E = z* × σ/√n. Da n unter einer Quadratwurzel steht, ist die Beziehung nicht linear:
- Um die Fehlermarge zu halbieren, müssen Sie den Stichprobenumfang vervierfachen.
- Eine Stichprobe von 400 ergibt die halbe Fehlermarge einer Stichprobe von 100.
- Deshalb melden Umfragen mit n = 1.000 typischerweise Fehlermargen von ±3 % und n = 400 ergibt ±5 %.
Reale Anwendungen von Konfidenzintervallen
Medizinische Forschung
Ergebnisse klinischer Studien werden immer mit Konfidenzintervallen angegeben. Ein Medikament, das den Blutdruck um „−5,2 mmHg (95 % KI: −7,8 bis −2,6)“ senkt, vermittelt sowohl die Effektgröße als auch den Bereich der plausiblen wahren Effekte. Ein KI, das die Null kreuzt, würde anzeigen, dass der Effekt statistisch nicht von keinem Effekt zu unterscheiden ist. A drug that reduces blood pressure by "−5.2 mmHg (95% CI: −7.8 to −2.6)" conveys both the effect size and the range of plausible true effects. A CI that crosses zero would indicate the effect is not statistically distinguishable from no effect.
Politische Umfragen
Meinungsumfragen melden routinemäßig Fehlermargen, z. B. „48 % Zustimmung (±3 %, 95 % KI)“. Das bedeutet, dass die Umfrage dieses Intervall in 95 % der Fälle liefern würde, wenn die Stichprobenziehung wiederholt würde. Beachten Sie, dass sich die „Fehlermarge“ in Umfragen auf die halbe Breite des KI bezieht, nicht auf die volle Breite., e.g., "48% support (±3%, 95% CI)." This means the poll would produce this interval 95% of the time if sampling were repeated. Note that "margin of error" in polling refers to the half-width of the CI, not the full width.
Qualitätskontrolle
Fertigungsprozesse verwenden KIs, um zu überwachen, ob die Produktabmessungen innerhalb akzeptabler Bereiche liegen. Ein Stichprobenmittelwert, der außerhalb des KI liegt, deutet darauf hin, dass der Prozess abgedriftet ist und angepasst werden muss. A sample mean that falls outside the CI suggests the process has drifted and requires adjustment.
Häufig gestellte Fragen
Ein Konfidenzintervall ist ein Bereich plausibler Werte für einen Populationsparameter, berechnet aus Stichprobendaten. Ein 95 % KI bedeutet: Wenn Sie den Stichprobenprozess 100 Mal wiederholen und jedes Mal ein KI erstellen, würden ungefähr 95 dieser Intervalle den wahren Parameter enthalten., calculated from sample data. A 95% CI means: if you repeated the sampling process 100 times and built a CI each time, approximately 95 of those intervals would contain the true parameter. It quantifies the uncertainty arising from using a sample (not the whole population).
Es bedeutet, dass die Methode eine Erfolgsquote von 95 % hat — nicht, dass die Wahrscheinlichkeit, dass der wahre Wert in Ihrem spezifischen Intervall liegt, 95 % beträgt. Der wahre Populationsmittelwert ist festgelegt; nur das Intervall ist zufällig. — not that there's a 95% probability the true value is in your specific interval. The true population mean is fixed; only the interval is random. If you built 100 CIs from 100 different samples, about 95 would contain the true mean. Your specific interval either contains it or it doesn't — the 95% describes the procedure, not an individual interval.
Verwenden Sie z, wenn: die Populations-σ bekannt ist, ODER n ≥ 30. Verwenden Sie t, wenn: σ unbekannt ist UND n < 30 (mit df = n − 1)., OR n ≥ 30 (CLT ensures normality). Use t when: σ is unknown AND n < 30, using the sample standard deviation s (with df = n − 1). For proportions, always use z (normal approximation), valid when np̂ ≥ 10 and n(1−p̂) ≥ 10. As n grows large, t* converges to z* — for n = 100, the difference is negligible.
Größere Stichproben ergeben engere (präzisere) KIs. Die Fehlermarge E = z* × σ/√n — um E zu halbieren, müssen Sie n vervierfachen. The margin of error E = z* × σ/√n — to halve E, you must quadruple n. A sample of 400 gives half the margin of error of n = 100. This relationship (√n denominator) explains why polling organizations use large samples and why collecting twice as many data points does not double precision.
Die Fehlermarge (E) ist die halbe Breite des Konfidenzintervalls: E = kritischer_Wert × SE. Sie wird zum Punktschätzer addiert und von diesem subtrahiert.: E = critical_value × SE. It is added and subtracted from the point estimate to get the CI bounds: [x̄ − E, x̄ + E]. In polling, a "±3% margin of error" means E = 0.03. A smaller margin of error requires a larger sample size, as the relationship is E ∝ 1/√n.
Für den Mittelwert mit bekanntem σ: x̄ ± 1,960 × (σ/√n). Für den Mittelwert mit unbekanntem σ, n < 30: x̄ ± t* × (s/√n). For mean with unknown σ, n < 30: x̄ ± t* × (s/√n) where t* from t-table with df = n−1. For proportion: p̂ ± 1.960 × √(p̂(1−p̂)/n). The key z* for 95% CI is 1.960. Example: x̄=50, n=25, s=10 → E = 1.960 × (10/5) = 3.92 → CI is (46.08, 53.92) using z, slightly wider with t*.
Ein Punktschätzer ist ein einzelner Wert, der einen Populationsparameter schätzt. Für den Mittelwert ist es x̄ (Stichprobenmittelwert). Ein Punktschätzer allein liefert keine Informationen über die Unsicherheit. For the mean, it's x̄ (sample mean). For a proportion, it's p̂ (sample proportion). A point estimate alone gives no information about uncertainty — the CI wraps uncertainty around it. Reporting only a point estimate (e.g., "the average is 47") without a CI or margin of error is statistically incomplete.
Ja — und das ist beabsichtigt. Ein 95 % KI wird den wahren Wert in etwa 5 % der Fälle nicht enthalten. Dies ist die Fehlerquote α (Alpha). If you run 20 studies and build a 95% CI in each, on average one will miss the true value. This is the α (alpha) error rate. Higher confidence levels (99%) miss less often but produce wider intervals. There is always a trade-off between precision and confidence — you cannot have a very narrow CI with a very high confidence level unless you have a very large sample.