Mittelwert (Mean)

Der Mittelwert (genauer das arithmetische Mittel) ist die Summe einer Wertemenge geteilt durch ihre Anzahl. Für den Datensatz [4, 8, 6, 5, 3, 7]: Summe 33, Anzahl 6, Mittelwert 5,5. Er ist die häufigste Form von „Durchschnitt“ in der Alltagssprache und der Standardwert, den AVG(), numpy.mean, statistics.mean und jede andere als „mean“ bezeichnete Bibliotheksfunktion zurückgibt.

Wichtige Eigenschaften: Er ist empfindlich gegenüber Ausreißern (ein Extremwert zieht ihn dramatisch), er hat dieselben Einheiten wie die zugrunde liegenden Daten und er ist eine Eigenschaft einer Menge – nicht eines einzelnen Elements. Der Mittelwert von [1, 1, 1, 100] ist 25,75; nur einer der vier Werte kommt überhaupt in die Nähe.

Andere „Mittel“ existieren für spezifische Kontexte: das geometrische Mittel (n-te Wurzel des Produkts, für Zinseszins-Raten), das harmonische Mittel (Kehrwert des Mittels der Kehrwerte, für die Mittelung von Raten), das gewichtete Mittel (manche Werte zählen mehr als andere). Wenn jemand „Mittelwert“ ohne Zusatz sagt, ist das arithmetische Mittel gemeint.

Nutzen Sie den Statistikrechner für all diese oder für Median, Modalwert, Varianz und Standardabweichung in einem Durchgang.

Wenn der Mittelwert die falsche Zusammenfassung ist: Für Einkommen, Vermögen, Antwortzeiten und jede stark rechtsschiefe Verteilung liegt der Mittelwert deutlich über dem Median und stellt die „typische“ Beobachtung verzerrt dar. Das klassische Redaktionsbeispiel ist das Volkseinkommen – das durchschnittliche US-Haushaltseinkommen wird vom obersten 1 % nach oben gezogen, sodass der Mittelwert ein schlechter Stellvertreter dafür ist, was die meisten Haushalte tatsächlich verdienen. Der Median ist die ehrliche Ein-Zahl-Zusammenfassung für schiefe Daten; der Mittelwert ist ehrlich für symmetrische Daten. Beide zu berichten oder das vollständige Quartilsbild zu zeigen, ist meist der richtige Weg. Der Median, der IQR und ein Histogramm zusammen liefern in fast jedem Fall ein getreues Bild.

Die Falle geometrisches vs. arithmetisches Mittel in der Finanzwelt: Die Mittelung jährlicher Renditen durch Addieren und Teilen (arithmetisches Mittel) überschätzt das Zinseszinswachstum – ein Portfolio, das +50 % und dann −50 % erzielt, hat ein arithmetisches Mittel von 0 %, endet aber 25 % ärmer als zu Beginn. Das geometrische Mittel (multiplikativer Durchschnitt) ergibt −13,4 % pro Jahr, also die Zahl, die sich tatsächlich zum beobachteten Ergebnis aufzinst. Die in Fondsprospekten angegebene „durchschnittliche Jahresrendite“ ist aus diesem Grund fast immer das geometrische Mittel (CAGR); die in der akademischen Finanzlehre angegebene „erwartete Rendite“ ist meist das arithmetische Mittel. Sie sind nicht dieselbe Zahl, und der Unterschied zählt für jeden Horizont, der länger als ein Jahr ist. Verwandt: harmonisches Mittel, gewichteter Durchschnitt.

Durchgerechnetes Beispiel

Sie messen API-Antwortzeiten in Millisekunden über zehn Anfragen: [42, 48, 51, 39, 55, 47, 44, 50, 46, 980]. Summe = 1402, Anzahl = 10, Mittelwert = 140,2 ms. Der Median ist 47,5 ms. Der Mittelwert ist arithmetisch „richtig“, aber als Beschreibung der typischen Leistung völlig irreführend – neun von zehn Anfragen lagen unter 56 ms, und ein einziger Ausreißer von 980 ms (eine langsame Datenbankabfrage) hat den Mittelwert verdreifacht. Die Angabe „durchschnittliche Antwortzeit 140 ms“ auf einer Statusseite würde die geleistete Arbeitssumme korrekt zusammenfassen, aber die Nutzererfahrung verzerren. Der richtige Bericht lautet etwa „p50 = 47 ms, p95 = 980 ms“ – das bewahrt sowohl den typischen Fall als auch das Ende der Verteilung. Diese Zwei-Zahlen-Zusammenfassung ist der Grund, warum jedes moderne Observability-Produkt (Datadog, Honeycomb, Grafana) bei Latenz standardmäßig Perzentilansichten statt Mittelwerte zeigt.

Wann und warum es zählt

Die Wahl der richtigen Kennzahl verhindert schlechte Entscheidungen. A/B-Test-Analysen zur Konversionsrate nutzen den Mittelwert korrekt (Anteile sind beschränkt und annähernd symmetrisch); Engineering-SLOs zur Latenz sollten niemals den Mittelwert nutzen (schwerschwänzige Verteilungen). Gehaltsumfragen, Hauspreise und Customer-Lifetime-Value-Verteilungen sind stark rechtsschief – der Median ist die ehrliche Mitte. Testergebnisse und physische Messungen (Größe, Blutdruck) sind annähernd symmetrisch – der Mittelwert ist in Ordnung. Die diagnostische Frage: Würde sich meine Kennzahl spürbar ändern, wenn ich meine größte Beobachtung verdoppele? Wenn ja, haben Sie eine schiefe Verteilung, und der Mittelwert führt Sie in die Irre. Quelle: NIST/SEMATECH e-Handbook of Statistical Methods.