Winsorisierter Mittelwert-Rechner

Geben Sie ein Array und einen Grenzanteil je Ende an. Der Rechner sortiert die Beobachtungen, bestimmt rangbasierte Unter- und Obergrenzen, ersetzt Werte außerhalb dieser Grenzen und mittelt die angepasste Stichprobe. Zusätzlich erhalten Sie Grenzen, Anzahl je Ende und winsorisierte Werte, sodass das Ergebnis transparent und reproduzierbar bleibt.

Wählen Sie einen passenden Anteil für Ihre Analyse

Der Grenzanteil legt fest, welcher Teil der Stichprobe als jeweils extremes Ende behandelt wird. Ein Anteil von 0.10 bedeutet, dass die niedrigsten zehn Prozent und die höchsten zehn Prozent begrenzt werden können. Da Beobachtungen diskret sind, multipliziert der Rechner den Stichprobenumfang mit dem Anteil und verwendet den ganzzahligen Teil als Anzahl je Ende. Bei 23 Beobachtungen und einem Anteil von 0.10 werden auf jeder Seite zwei Beobachtungen begrenzt. Ein Anteil von null lässt sämtliche Werte unverändert und ergibt somit das gewöhnliche arithmetische Mittel. Höhere Anteile machen die Kennzahl zunehmend unempfindlicher gegenüber Extremwerten, entfernen jedoch auch mehr Informationen über echte Streuung. Wählen Sie den Anteil möglichst vor der Betrachtung eines gewünschten Ergebnisses und dokumentieren Sie die Entscheidung zusammen mit der Ausgabe. Verwenden Sie bei formalen Arbeiten den Anteil, den Ihre Methode, Ihr Protokoll oder die Fachkonvention vorgibt. Gibt es keine Konvention, vergleichen Sie einige sinnvolle Anteile und berichten Sie, ob sich die inhaltliche Schlussfolgerung ändert, statt die Einstellung mit der bequemsten Zahl auszuwählen.

Verstehen Sie genau, wie die Begrenzung die Stichprobe verändert

Die Beobachtungen werden vom kleinsten bis zum größten Wert sortiert. Beträgt die Anzahl je Ende k, wird der Wert an der sortierten Position k zur Untergrenze; der Wert k Positionen vom oberen Ende wird zur Obergrenze. Jede Beobachtung unterhalb der Untergrenze wird durch diese ersetzt, und jede Beobachtung oberhalb der Obergrenze durch die Obergrenze. Werte dazwischen bleiben unverändert. Anschließend wird der Mittelwert der angepassten Beobachtungen berechnet. Das unterscheidet sich vom getrimmten Mittel: Beim Trimmen werden Randbeobachtungen entfernt und die Zahl der gemittelten Werte sinkt, während die Winsorisierung den ursprünglichen Stichprobenumfang beibehält und Extremwerte durch Grenzwerte ersetzt. Die Antwort zeigt das sortierte, angepasste Array als winsorized_values sowie lower_limit, upper_limit und tail_count, damit Sie jede Ersetzung nachvollziehen können. Ist der Anteil genau ein Halb, würden sich die Ranggrenzen bei einer geraden Stichprobe überschneiden. Der Rechner definiert diesen Grenzfall als Stichprobenmedian und begrenzt jede Beobachtung auf diesen Wert; bei geradem Umfang entspricht der Median dem Mittel der beiden zentralen Werte.

Deuten Sie das Ergebnis, ohne wichtige Extremwerte zu verbergen

Ein winsorisierter Mittelwert ist sinnvoll, wenn extreme Beobachtungen plausibel genug sind, dass ihre Löschung schwer zu rechtfertigen wäre, zugleich aber das gewöhnliche Mittel stark verzerren. Er ist keine automatische Reparatur fehlerhafter Daten. Untersuchen Sie zunächst Einheitenfehler, doppelte Datensätze, Sensorausfälle, unmögliche Messungen und Übertragungsfehler; korrigieren oder entfernen Sie bestätigte Fehler anhand einer dokumentierten Bereinigungsregel. Wenden Sie die Winsorisierung auf die verbleibende Analysestichprobe an, wenn eine robuste Lageschätzung die eigentliche Frage beantwortet. Bewahren Sie gewöhnliches Mittel, Stichprobenumfang, Anteil und Grenzen stets in Ihren Arbeitsunterlagen auf. Ein großer Unterschied zwischen gewöhnlichem und winsorisiertem Mittel ist diagnostisch bedeutsam: Er zeigt, dass die Enden den Durchschnitt wesentlich beeinflussen, und verlangt eine Erklärung. Beachten Sie außerdem, dass Winsorisierung die empirische Verteilung verändert und Varianzschätzungen, Konfidenzintervalle sowie nachgelagerte Modelle beeinflussen kann. Benötigen Sie Inferenzstatistik, verwenden Sie eine Methode, deren Standardfehler die Winsorisierung ausdrücklich berücksichtigen, statt angepasste Werte wie unveränderte Rohmessungen zu behandeln. Der Rechner liefert eine deterministische Zusammenfassung, aber keine Aussage darüber, ob ein bestimmter Anteil wissenschaftlich angemessen ist.