Interquartilsabstand-Rechner

Berechnen Sie den IQR, die Streuung der mittleren 50%.

Geben Sie Ihre Daten ein

Geben Sie mindestens 4 Werte für die IQR-Berechnung ein

Beispiele:

Dezimalstellen

Berechnungsschritte anzeigen

Daten zur Berechnung eingeben

Was ist der Interquartilsabstand?

Der Interquartilsabstand (IQR) misst die Streuung der mittleren 50% Ihrer Daten. Er ist die Differenz zwischen dem dritten Quartil (Q3) und dem ersten Quartil (Q1):

$IQR = Q_3 - Q_1$

Dabei ist Q1 das 25. Perzentil und Q3 das 75. Perzentil.

Im Gegensatz zur Spannweite, die vom Minimum bis zum Maximum reicht, ignoriert der IQR die extremen 25% an jedem Ende - was ihn resistent gegen Ausreisser macht.

Warum der IQR wichtig ist

Robuste Streuung

Betrachten Sie zwei Datensatze:

Datensatz A: {20, 25, 30, 35, 40, 45, 50}
Datensatz B: {20, 25, 30, 35, 40, 45, 500}

Fur Datensatz A: Spannweite = 30, IQR = 20 Fur Datensatz B: Spannweite = 480, IQR = 20

Der Ausreisser (500) hat die Spannweite explodieren lassen, aber den IQR unverandert gelassen. Wenn Ihre Daten Ausreisser enthalten konnten, erzahlt der IQR die wahre Geschichte der Streuung.

Ausreissererkennung

Die Tukey-Methode verwendet den IQR zur Definition von Ausreissergrenzen:

Milde Ausreisser: Werte unter $Q_1 - 1{,}5 \times IQR$ oder uber $Q_3 + 1{,}5 \times IQR$
Extreme Ausreisser: Werte unter $Q_1 - 3 \times IQR$ oder uber $Q_3 + 3 \times IQR$

Diese IQR-basierte Regel ist im Ausreisser-Rechner implementiert.

Boxplot-Konstruktion

Der IQR ist die Hohe der Box in einem Boxplot:

Unterkante der Box: Q1
Oberkante der Box: Q3
Boxhohe: IQR
Whisker erstrecken sich bis zu 1,5×IQR (oder bis zu den Datenextremen, falls kleiner)

Schiefe-Beurteilung

Der Vergleich von Abstanden innerhalb des IQR zeigt Asymmetrie:

Wenn (Q3 - Q2) > (Q2 - Q1): Rechtsschief
Wenn (Q3 - Q2) < (Q2 - Q1): Linksschief
Wenn ungefahr gleich: Symmetrisch

Praktische Anwendungen

Medizinische Referenzbereiche

Klinische Labore berichten Referenzbereiche oft als Interquartilsabstande statt als Min-Max-Bereiche, um zu verhindern, dass seltene Extremwerte die normalen Grenzen verzerren.

Immobilienanalyse

Immobilienpreise haben typischerweise Ausreisser (Villen, Notverkaufe). Der IQR erfasst die typische Marktstreuung:

"Immobilienpreise: Median 350.000 €, IQR 280.000 € - 450.000 €"

Dies zeigt Ihnen, wo die meisten Kaufer suchen, unbeeinflusst von der gelegentlichen 5-Millionen-Euro-Villa.

Bildungsbewertung

Testergebnis-Verteilungen haben oft Ausreisser (Schuler, die sich nicht bemuht haben, oder aussergewohnliche Leistungstrager). Der IQR beschreibt die typische Streuung der Schulerleistung.

Einkommensanalyse

Einkommensverteilungen sind bekannt fur ihre Rechtsschiefe mit extremen Ausreissern. Der IQR beschreibt die Mittelklasse-Streuung ohne Verzerrung durch Milliardare.

Prozesssteuerung

Wenn Fertigungsdaten gelegentliche Gerateausfalle enthalten, ist eine IQR-basierte Uberwachung zuverlassiger als eine spannweitenbasierte Uberwachung.

Historische Entwicklung

Das Quartilkonzept geht auf Francis Galton (1822-1911) zuruck, der perzentilbasierte Analysen zur Untersuchung menschlicher Eigenschaften entwickelte. Galton erkannte, dass Extremwerte den Eindruck der typischen Variation verzerren konnten.

John Tukey (1915-2000) forderte den IQR als Eckpfeiler der explorativen Datenanalyse. Sein 1977 erschienenes Buch "Exploratory Data Analysis" etablierte den IQR als bevorzugtes robustes Streuungsmass, neben dem Median als bevorzugtes robustes Lagemass.

Tukeys Philosophie: Schauen Sie sich die Daten an, bevor Sie Annahmen aufstellen. Der IQR verkorpert diesen Ansatz - er beschreibt, was vorhanden ist, ohne sich von Extremen tauschen zu lassen.

Berechnung des IQR

Schritt-fur-Schritt-Prozess

Sortieren Sie die Daten in aufsteigender Reihenfolge
Finden Sie Q1 (25. Perzentil) - den Median der unteren Halfte
Finden Sie Q3 (75. Perzentil) - den Median der oberen Halfte
Berechnen Sie IQR = Q3 - Q1

Quartil-Berechnungsmethoden

Verschiedene Software verwendet unterschiedliche Konventionen fur die Quartilberechnung (es gibt mehrere gultige Methoden). Der Quartil-Rechner erklart diese Variationen. Die Unterschiede sind normalerweise gering, es sei denn, die Stichprobengrosse ist sehr klein.

Beispielrechnung

Daten: {12, 15, 18, 22, 25, 28, 32, 35, 40}

Sortiert: Bereits sortiert (n = 9)

Untere Halfte: {12, 15, 18, 22} → Q1 = (15 + 18)/2 = 16,5 Obere Halfte: {28, 32, 35, 40} → Q3 = (32 + 35)/2 = 33,5

IQR = 33,5 - 16,5 = 17

IQR vs. Standardabweichung

Beide messen die Streuung, aber auf unterschiedliche Weise:

Aspekt	IQR	Standardabweichung
Verwendet	Nur Q1 und Q3	Alle Datenpunkte
Von Ausreissern beeinflusst	Nein	Ja
Fur Normaldaten	IQR ≈ 1,35σ	Volle Information
Fur schiefe Daten	Reprasentativer	Kann aufgeblaht sein
Inferenz	Begrenzt	Umfangreiche Theorie

Die 1,35-Beziehung

Fur perfekt normalverteilte Daten:

$IQR \approx 1{,}35 \times \sigma$

Dies ermoglicht eine grobe Umrechnung zwischen den Massen. Wenn IQR >> 1,35 × SD oder IQR << 1,35 × SD, weicht die Verteilung wahrscheinlich von der Normalitat ab.

Semi-Interquartilsabstand

Der Semi-Interquartilsabstand (SIQR) ist die Halfte des IQR:

$SIQR = \frac{IQR}{2} = \frac{Q_3 - Q_1}{2}$

Dies wird manchmal als Quartilabweichung bezeichnet. Er approximiert den durchschnittlichen Abstand vom Median zu den Quartilen.

IQR in verschiedenen Verteilungen

Symmetrische Verteilungen

Fur symmetrische Daten sind Q1 und Q3 gleich weit vom Median entfernt:

Abstand vom Median zu Q1 = Abstand vom Median zu Q3 = IQR/2

Rechtsschiefe Verteilungen

Der obere "Arm" des IQR ist langer:

(Q3 - Median) > (Median - Q1)
Mittelwert > Median

Linksschiefe Verteilungen

Der untere "Arm" ist langer:

(Median - Q1) > (Q3 - Median)
Mittelwert < Median

Die Zaun-Methode fur Ausreisser

Tukeys Zaun-Methode setzt Grenzen basierend auf dem IQR:

Innere Zaune (milde Ausreisser):

Untere: $Q_1 - 1{,}5 \times IQR$
Obere: $Q_3 + 1{,}5 \times IQR$

Aussere Zaune (extreme Ausreisser):

Untere: $Q_1 - 3 \times IQR$
Obere: $Q_3 + 3 \times IQR$

Fur Normalverteilungen:

Etwa 0,7% der Daten fallen ausserhalb der inneren Zaune
Etwa 0,0002% fallen ausserhalb der ausseren Zaune

Konfidenzintervalle fur den IQR

Im Gegensatz zur Standardabweichung fehlen dem IQR einfache Formeln fur Konfidenzintervalle. Bootstrap-Methoden bieten den Standardansatz:

Stichproben mit Zurucklegen ziehen
IQR fur jede Stichprobe berechnen
Perzentile der Bootstrap-IQRs als Konfidenzgrenzen verwenden

Wann der IQR zu bevorzugen ist

Wahlen Sie den IQR statt der Standardabweichung, wenn:

Die Daten Ausreisser enthalten oder Sie dies vermuten
Die Verteilung schief ist (Einkommen, Immobilien, Wartezeiten)
Eine robuste Beschreibung wichtiger ist als parametrische Inferenz
Eine schnelle explorative Analyse das Ziel ist
Gruppen verglichen werden mit unterschiedlichen Ausreissermustern

Wahlen Sie die Standardabweichung, wenn:

Formale Inferenz (Hypothesentests, Konfidenzintervalle) benotigt wird
Die Daten annahernd normalverteilt und ausreisserfrei sind
Effizienz wichtig ist (SD nutzt alle Informationen; IQR verwirft 50%)
Kombination mit anderen Statistiken, die Normalverteilung annehmen

Zusammenfassung

Der Interquartilsabstand misst die Streuung der mittleren Halfte Ihrer Daten und bietet eine robuste Alternative zu Spannweite und Standardabweichung. Indem er die extremen 25% an jedem Ende ignoriert, widersteht der IQR Verzerrungen durch Ausreisser. Dies macht ihn ideal fur schiefe Verteilungen, explorative Analysen und Daten mit Anomalien. Der IQR bildet auch die Grundlage fur Boxplots und die weit verbreitete Tukey-Zaun-Methode zur Ausreissererkennung. Wenn Ihre Daten Ausreisser enthalten konnten - oder wenn Sie es noch nicht wissen - ist der IQR die sicherere Wahl zum Verstandnis der Streuung.