In diesem Leitfaden
Ein Konfidenzintervall für einen Mittelwert und ein Prognoseintervall für eine künftige Einzelbeobachtung beantworten unterschiedliche Fragen. Das erste schätzt einen unbekannten Durchschnitt. Das zweite berücksichtigt, wie weit ein einzelnes Ergebnis davon abweichen kann. Prüfen Sie vor dem Vergleich der Grenzen die Zielgröße: Zwei Intervalle können denselben Mittelpunkt haben und dennoch verschiedene Aufgaben erfüllen.
Sie möchten etwa den durchschnittlichen Messwert eines stabilen Prozesses schätzen oder dessen nächsten Messwert vorhersagen. Ein genauer bekannter Mittelwert beseitigt nicht die Streuung zwischen Einzelmessungen. NIST unterscheidet deshalb zwischen einer geschätzten mittleren Antwort und einer neuen gemessenen Antwort. NIST: Schätzung der mittleren Antwort.
Zuerst die Zielgröße bestimmen
Beschreiben Sie die Zielgröße in Worten. Geht es um den Mittelwert der Grundgesamtheit, die mittlere Antwort bei bestimmten Eingabewerten oder eine neue Beobachtung? Ein Konfidenzintervall kann auch andere Parameter als Mittelwerte betreffen. Dieser Leitfaden vergleicht einen Mittelwert mit einem einzelnen künftigen Wert.
In einer Regression bezeichnet die geschätzte mittlere Antwort den Durchschnitt bei bestimmten Werten der erklärenden Variablen. Eine individuelle Antwort bei denselben Werten unterliegt zusätzlich eigener zufälliger Streuung. Das Prognoseintervall muss diese zusätzliche Streuung berücksichtigen. NIST: Unsicherheit einer einzelnen Antwort.
| Frage | Zielgröße | Passendes Intervall in diesem Vergleich | Was es nicht belegt |
|---|---|---|---|
| Wie hoch ist der durchschnittliche Messwert des Prozesses? | Der unbekannte Mittelwert der Grundgesamtheit | Ein Konfidenzintervall für diesen Mittelwert | Einen Bereich, der den nächsten einzelnen Messwert abdecken soll |
| Welchen Bereich soll ich für die nächste Messung verwenden? | Eine unabhängige künftige Beobachtung desselben Prozesses | Ein Prognoseintervall für eine Beobachtung | Eine Garantie, dass dieser Messwert darin liegt |
Ein klar definiertes Modell durchrechnen
Betrachten Sie einen fiktiven Prozess mit Messwerten in beliebigen Einheiten. Die Beobachtungen seien unabhängige Ziehungen aus derselben Normalverteilung. Ihr Mittelwert μ ist unbekannt. Die Standardabweichung der Grundgesamtheit σ ist bekannt und beträgt 10 Einheiten. Eine Stichprobe mit 25 Messungen hat einen beobachteten Mittelwert von 50 Einheiten.
Die nächste Messung ist von diesen 25 Messungen unabhängig und stammt aus derselben unveränderten Verteilung. Das sind Annahmen für die Aufgabe, keine Befunde über ein reales Messgerät. Insbesondere ist 10 eine als bekannt vorausgesetzte Standardabweichung der Grundgesamtheit, nicht eine unbemerkt als bekannt behandelte Stichprobenschätzung.
Für zweiseitige 95-Prozent-Intervalle verwenden wir den kritischen Wert der Standardnormalverteilung von ungefähr 1,96. Unter diesem Modell lautet das Konfidenzintervall für μ x̄ ± 1,96σ/√n. Das Prognoseintervall für eine neue Beobachtung lautet x̄ ± 1,96σ√(1 + 1/n). Die Unterlagen der Calvin University geben das Konfidenzintervall für den Mittelwert bei bekanntem σ an und leiten den zusätzlichen Prognoseterm her. Math 143: Konfidenzintervalle und §1.11.
| Berechnung | Konfidenzintervall für den Mittelwert | Prognoseintervall für eine Einzelbeobachtung |
|---|---|---|
| Mittelpunkt | 50 Einheiten | 50 Einheiten |
| Für das Intervall verwendete Standardabweichung | 10/√25 = 2 Einheiten | 10√(1 + 1/25) ≈ 10,1980 Einheiten |
| Fehlerspanne mit 1,96 | 1,96 × 2 = 3,92 Einheiten | 1,96 × 10√1,04 ≈ 19,9882 Einheiten |
| Untere Grenze | 46,08 Einheiten | Ungefähr 30,01 Einheiten |
| Obere Grenze | 53,92 Einheiten | Ungefähr 69,99 Einheiten |
Das Konfidenzintervall für den Mittelwert hat eine Fehlerspanne von 3,92 Einheiten, das Prognoseintervall von etwa 19,99 Einheiten. Beide sind um den beobachteten Stichprobenmittelwert 50 zentriert. Das zweite muss jedoch neben der Unsicherheit des geschätzten Mittelwerts auch die Streuung einer Einzelmessung berücksichtigen.
In diesem Modell beträgt die Varianz der Differenz zwischen der künftigen Messung und dem Stichprobenmittelwert σ² + σ²/n = 100 + 4 = 104 Quadrateinheiten. Wegen der Unabhängigkeit dürfen die Varianzen addiert werden; ihre Quadratwurzel ergibt die Standardabweichung für die Prognose. Die Standardabweichungen zu addieren, also 10 + 2, wäre eine andere und falsche Rechnung. Dies entspricht dem von NIST für eine neue Antwort beschriebenen Prinzip der Varianzaddition.
95 % als Eigenschaft des Verfahrens verstehen
Stellen Sie sich für das Konfidenzintervall für den Mittelwert wiederholte unabhängige Stichproben von jeweils 25 Beobachtungen aus derselben Grundgesamtheit vor. Jedes Mal wird ein Intervall berechnet. Unter den Annahmen deckt das Verfahren den festen, unbekannten Mittelwert in ungefähr 95 % der Wiederholungen ab. Daraus folgt keine nachträgliche Wahrscheinlichkeit von 95 %, dass μ im bereits berechneten einzelnen Intervall liegt. NIST erläutert die Überdeckung anhand wiederholter Experimente. NIST: Interpretation von Konfidenzintervallen.
Wiederholen Sie beim Prognoseintervall beide Schritte: eine Stichprobe ziehen, das Intervall berechnen und anschließend eine unabhängige neue Beobachtung aus derselben Grundgesamtheit ziehen. In ungefähr 95 % dieser Wiederholungen aus Stichprobe und künftiger Beobachtung enthält das Intervall die zugehörige neue Beobachtung. Das garantiert weder den nächsten Messwert noch, dass genau 95 der nächsten 100 Messwerte im einzigen hier angezeigten Intervall liegen. NIST: Interpretation von Prognoseintervallen.
Nehmen wir zur Veranschaulichung an, eine spätere fiktive Messung betrage 60 Einheiten. Sie liegt außerhalb von 46,08–53,92, aber innerhalb von ungefähr 30,01–69,99. Das allein bedeutet nicht, dass das Konfidenzintervall für den Mittelwert versagt hat: Seine Zielgröße war μ, nicht die neue Messung. Um festzustellen, ob dieses einzelne Konfidenzintervall für den Mittelwert μ abdeckt, müssten Sie den wahren Mittelwert kennen.
Breiten nur bei vergleichbarer Analyse vergleichen
Hier ist das Prognoseintervall breiter, weil Modell, Daten, Mittelpunkt, Konfidenzniveau und Einheiten übereinstimmen, seine Zielgröße aber zusätzliche individuelle Streuung umfasst. Übertragen Sie diesen Vergleich nicht auf ein Konfidenzintervall aus einer Studie und ein Prognoseintervall aus einer anderen oder auf unterschiedliche Konfidenzniveaus und Grundgesamtheiten.
Im fiktiven Modell mit bekanntem σ nähert sich σ/√n bei wachsendem n null, während σ√(1 + 1/n) gegen σ geht. Mehr Beobachtungen können den Mittelwert genauer bestimmbar machen, ohne die individuelle Streuung zu beseitigen. Dabei bleiben σ und das Modell unverändert. Das bedeutet nicht, dass jedes reale Prognoseintervall mit zusätzlichen Daten schrumpfen muss.
Einen bestimmten Anteil der Grundgesamtheit abzudecken, ist wiederum eine andere Aufgabe. NIST unterscheidet solche Toleranzintervalle von Prognoseintervallen für eine Einzelbeobachtung. Bezeichnen Sie das dargestellte Prognoseintervall nicht als Beleg dafür, dass es 95 % der gesamten Grundgesamtheit mit einer zusätzlichen Konfidenzgarantie enthält. NIST: Toleranzintervalle.
Vor der Übernahme der Formel die Annahmen prüfen
Die bekannte Streuung der Grundgesamtheit vereinfacht diese Aufgabe bewusst. Muss σ geschätzt werden, lassen sich die Formeln mit kritischem Normalverteilungswert nicht unverändert übernehmen. Unter den entsprechenden Annahmen einer unabhängigen normalverteilten Stichprobe verwenden die üblichen Intervalle für Mittelwert und Einzelbeobachtung stattdessen die Stichprobenstandardabweichung und einen kritischen Wert der Student-t-Verteilung mit n − 1 Freiheitsgraden. Calvin University, §1.9–1.11.
Benennen Sie in einem tatsächlichen Bericht Grundgesamtheit, Stichprobenverfahren, Zeitraum, Einheiten, Zielgröße und Konfidenzniveau. Prüfen Sie, ob Beobachtungen abhängig sind, sich der Prozess verändert hat und die Verteilungsannahmen passen. Eine Formel für unabhängige normalverteilte Messungen gilt nicht automatisch für Klumpenstichproben, veränderliche Zeitreihen oder jedes Regressionsmodell.
Keines der hier gezeigten Intervalle liefert eine Wahlgewinnwahrscheinlichkeit, die Auszahlungswahrscheinlichkeit eines Marktkontrakts oder einen Beleg für eine profitable Transaktion. Eine Ereigniswahrscheinlichkeit erfordert ein definiertes Ereignis und ein geeignetes Wahrscheinlichkeitsmodell. Die Leitfäden zu Umfragen und Wahlchancen (auf Englisch) sowie zu Erwartungswert und Wahrscheinlichkeit erläutern, warum verschiedene numerische Zielgrößen nicht austauschbar sind.
Häufige Fragen
Enthält ein 95-Prozent-Konfidenzintervall 95 % der Beobachtungen?
Nicht, wenn es ein Konfidenzintervall für den Mittelwert ist. Unter den Modellannahmen deckt das Verfahren den unbekannten Mittelwert bei wiederholten Stichproben in ungefähr 95 % der Fälle ab. Im fiktiven Beispiel schätzt das Intervall von 46,08 bis 53,92 den Mittelwert μ; dieser Bereich soll nicht 95 % der einzelnen Messwerte enthalten.
Ist ein Prognoseintervall immer breiter als ein Konfidenzintervall?
Im hier gezeigten Vergleich ja: Die Vorhersage einer neuen Messung berücksichtigt zusätzlich zur Unsicherheit des geschätzten Mittelwerts deren eigene Streuung. Das ist keine Vergleichsregel für unterschiedliche Datensätze, Konfidenzniveaus, Zielgrößen oder statistische Methoden. Prüfen Sie zuerst, ob die Analysen vergleichbar sind.
Warum braucht die nächste Messung mehr Unsicherheit, wenn beide Intervalle bei 50 beginnen?
Der beobachtete Mittelwert 50 schätzt den Prozessdurchschnitt. Eine neue Einzelmessung kann davon abweichen, selbst wenn dieser Durchschnitt genau bekannt wäre. Hier enthält die Prognosevarianz sowohl 100 Quadrateinheiten individueller Streuung als auch 4 Quadrateinheiten aus der Schätzung des Mittelwerts.
Darf ich 1,96 verwenden, wenn die Standardabweichung aus meiner Stichprobe stammt?
Behandeln Sie diese Schätzung nicht als bekanntes σ der Grundgesamtheit. Bei der hier besprochenen Methode für unabhängige normalverteilte Stichproben führt die Schätzung von σ zu Student-t-Intervallen mit den passenden Freiheitsgraden. Andere Designs und Modelle können andere Verfahren erfordern; 1,96 ist kein universeller Intervallfaktor.
Beweist ein Wert im Prognoseintervall, dass das Modell stimmt?
Nein. Eine einzelne abgedeckte Beobachtung bestätigt nicht die Annahmen über Verteilung, Unabhängigkeit oder Stabilität. Auch bei einem korrekt spezifizierten 95-Prozent-Verfahren ist eine Beobachtung außerhalb möglich. Beurteilen Sie Modell und Leistung anhand geeigneter Belege, nicht anhand eines einzigen Ergebnisses.
HypaForecast erkunden
Optionale Links zur allgemeinen Marktseite und den Beschreibungen der BTC-Seiten. Sie sind vom fiktiven Statistikbeispiel getrennt und belegen weder Verfügbarkeit noch persönliche Teilnahmeberechtigung.
Quellen und Geltungsbereich
NIST: Toleranzintervalle. Geprüft am 13. November 2026: Ein bestimmter Bevölkerungsanteil mit festgelegtem Konfidenzniveau ist ein anderes Ziel als eine Einzelprognose.
Der Vergleich nutzt die getrennten Erläuterungen von NIST zur Schätzung der mittleren Antwort, zur Prognose einzelner Antworten und zur Überdeckung bei wiederholter Stichprobenziehung. Die Formeln mit bekannter Standardabweichung der Grundgesamtheit stützen sich auf Math 143 der Calvin University, insbesondere die Einführung zu Konfidenzintervallen und §1.9–1.11. Die 25 Messungen, der Mittelwert 50 und die bekannte Standardabweichung 10 sind eigene fiktive Annahmen eines unabhängigen Normalmodells, keine beobachteten Leistungsdaten. Es werden weder ein Wetterprodukt noch ein Wahlmodell oder eine Marktwahrscheinlichkeit berechnet.
HypaForecast veröffentlicht Bildungsleitfäden und betreibt einen Prognosemarkt. Dieser Artikel erklärt die Zielgrößen statistischer Intervalle. Er empfiehlt keine Transaktion und belegt weder eine Marktwahrscheinlichkeit noch ein aktuelles Angebot oder Ihre persönliche Teilnahmeberechtigung.
Diesen Leitfaden teilen