Streuungsmaße
Foto: Markt + Technik
Lageparameter reichen oft nicht aus, um Merkmale einer Datenreihe befriedigend zu beschreiben. Angenommen, Sie haben ein Steak gegrillt, das auf der einen Seite noch roh und blutig, aber auf der anderen Seite total verkohlt ist. Im Durchschnitt ist es gut durch, aber es schmeckt garantiert scheußlich. Zwei Datenreihen können gleiche Extrempunkte oder Mittelwerte haben, aber trotzdem eine völlig unterschiedliche Streuung aufweisen, die mit Hilfe von Streuungsparametern bestimmt werden.
Die Funktion HÄUFIGKEIT(Daten;Klassen) teilt die Werte der Datenreihe in Intervalle bzw. Häufigkeitsklassen ein. Das Array {6.9} im Argument Klasse teilt die Datenreihe in drei Klassen auf. Die erste Klasse enthält die Werte <=6, die zweite Klasse enthält alle Werte >6 und <=9 und die dritte Klasse enthält die übrigen Werte >9. Als Ergebnis liefert die Funktion die Häufigkeit der Werte in den drei Klassen. Streuungsmaße messen durchschnittliche Abweichungen der Werte einer Datenreihe von ihrem Mittelwert. Um zu verhindern, dass sich positive und negative Abweichungen neutralisieren, hat man zwei Möglichkeiten. Entweder man betrachtet nur die Absolutwerte der Abweichungen (so macht es die Funktion MITTELABW zur Berechnung der mittleren, absoluten Abweichung) oder man quadriert die Abweichungen. Nach diesem Prinzip wird die Varianz berechnet und weiterhin die Standardabweichung, die die Wurzel der Varianz ist.
Varianz=SUMME((Werte-MITTELWERT(Werte))^2)/ANZAHL(Werte)
Die Berechnung der Varianz gibt es in den Alternativen VARIANZEN, VARIANZENA, VARIANZ und VARIANZA. Die ersten beiden gehen davon aus, dass die Datenreihe aus einer vollständigen Grundgesamtheit besteht. Die letzten beiden unterstellen, dass die beobachteten Werte lediglich eine Stichprobe der Grundgesamtheit darstellen. Die Alternativen mit der A-Erweiterung interpretieren WAHR als 1 und FALSCH und Text als 0. Multipliziert man die Varianz mit der Anzahl der Werte der Datenreihe, so erhält man die Summe der quadrierten Abweichungen. Den gleichen Zweck erfüllt die Funktion SUMQUADABW. Zieht man von allen vier Varianzfunktionen die Quadratwurzel, erhält man ihre Pendants zur Berechnung der Standardabweichung STABWN, STABWNA, STABW und STABWA. KOVAR berechnet die Varianz von zwei zueinander in Beziehung gesetzten Datenreihen und wird beispielsweise in der Kapitalmarkttheorie (Capital Asset Pricing Model) benötigt. Rechnerisch entspricht KOVAR(DatA;DatB) dem Ergebnis aus {=MITTELWERT((DatA-MITTELWERT(DatA))*(DatB-MITTELWERT(DatB)))} Die folgende Abb. 3.6 vergleicht Datenreihen mit gleichem arithmetischen Mittel, aber unterschiedlichen Streuungen. Wie zu sehen ist, sind die Streuungsmaße der Wertereihe B kleiner, da ihre Werte näher am arithmetischen Mittelwert liegen.