Zentraler Grenzwertsatz
In diesem Beitrag
Was versteht man unter dem Zentralen Grenzwertsatz?
Der Zentrale Grenzwertsatz (ZGS) ist eines der grundlegendsten Resultate der Wahrscheinlichkeitstheorie und Statistik. Er besagt: Wenn man aus einer beliebigen Grundgesamtheit mit Erwartungswert und endlicher Varianz wiederholt unabhängige Stichproben der Größe n zieht, dann ist die Stichprobenverteilung des Mittelwerts für hinreichend großes n annähernd normalverteilt – unabhängig davon, wie die ursprüngliche Verteilung aussieht.
Formal gilt für den standardisierten Stichprobenmittelwert:
Formel: Standardisierter Stichprobenmittelwert
Dabei ist der Standardfehler des Mittelwerts. Der standardisierte Wert Z nähert sich mit wachsendem n einer Standardnormalverteilung an.
Als Faustregel gilt: Ab einem Stichprobenumfang von n ≥ 30 ist die Annäherung an die Normalverteilung in den meisten Fällen ausreichend gut. Bei stark schiefen oder mehrgipfligen Verteilungen kann ein größeres n erforderlich sein.
Warum ist der Zentrale Grenzwertsatz für statistische Analysen wichtig?
Der ZGS ist das theoretische Fundament für eine Vielzahl statistischer Verfahren. Er begründet, warum Methoden wie der t-Test, die Konfidenzintervalle für Mittelwerte oder die lineare Regression funktionieren, obwohl die zugrundeliegenden Daten oft nicht perfekt normalverteilt sind. Konkret ermöglicht er:
- Inferenzstatistik: Schlüsse von einer Stichprobe auf die Grundgesamtheit, weil man die Stichprobenverteilung des Mittelwerts kennt.
- Hypothesentests: Berechnung von p-Werten und kritischen Werten auf Basis der Normalverteilung.
- Konfidenzintervalle: Konstruktion von Intervallschätzungen für den unbekannten Populationsmittelwert.
Praxisbeispiel zum Zentralen Grenzwertsatz
Eine Forscherin untersucht die tägliche Bildschirmzeit von Studierenden. Aus Vorerhebungen ist bekannt, dass die Verteilung der Bildschirmzeit in der Population rechtsschief ist – viele Studierende nutzen ihr Smartphone moderat, einige aber sehr viel. Der Populationsmittelwert beträgt = 4,5 Stunden, die Standardabweichung = 2,0 Stunden.
Die Forscherin zieht eine Zufallsstichprobe von n = 50 Studierenden und berechnet den Stichprobenmittelwert. Dank des ZGS weiß sie: Dieser Mittelwert ist annähernd normalverteilt mit
Stichprobenverteilung des Mittelwerts im Beispiel
Der Standardfehler beträgt also etwa 0,28 Stunden. Sie kann nun ein 95-%-Konfidenzintervall berechnen und einen Hypothesentest durchführen – obwohl die Rohdaten nicht normalverteilt sind. Genau das macht den ZGS in der empirischen Forschung so wertvoll.
| Stichprobenumfang n | Standardfehler (σ = 2,0) | Annäherung an Normalverteilung |
|---|---|---|
| 5 | 0,89 | Schwach |
| 30 | 0,37 | Ausreichend (Faustregel) |
| 50 | 0,28 | Gut |
| 100 | 0,20 | Sehr gut |
