Konfidenzintervall-Anteil-Rechner

Was ist ein Konfidenzintervall für einen Anteil?

Wenn Sie beobachten, dass 60 % einer Stichprobe eine bestimmte Politik unterstützen, möchten Sie den wahren Anteil in der Grundgesamtheit schätzen. Ein Konfidenzintervall gibt einen Bereich an: „Wir sind zu 95 % sicher, dass die wahre Unterstützung zwischen 55 % und 65 % liegt."

Dieses Intervall erfasst sowohl die Schätzung (60 %) als auch die Unsicherheit durch die Stichprobenziehung (±5 %).

Die Methoden

Wald-Intervall (Normalapproximation)

Die einfachste und gebräuchlichste Methode:

$KI = \hat{p} \pm z^* \times \sqrt{\frac{\hat{p}(1-\hat{p})}{n}}$

Wobei:

• $\hat{p}$ = Stichprobenanteil (Erfolge/Gesamtzahl)
• $z^*$ = kritischer z-Wert (1,96 für 95 %)
• $n$ = Stichprobengröße

Einschränkung: Funktioniert schlecht, wenn p nahe 0 oder 1 liegt oder wenn n klein ist.

Wilson-Score-Intervall

Genauer, besonders für extreme Anteile:

$\tilde{p} = \frac{\hat{p} + \frac{z^{*2}}{2n}}{1 + \frac{z^{*2}}{n}}$

$KI = \frac{\tilde{p} \pm z^* \sqrt{\frac{\hat{p}(1-\hat{p})}{n} + \frac{z^{*2}}{4n^2}}}{1 + \frac{z^{*2}}{n}}$

Das Wilson-Intervall ist auf $\tilde{p}$ (eine modifizierte Schätzung) zentriert anstatt auf $\hat{p}$.

Wann welche Methode verwenden

• Wald: Schnelle Berechnungen, große Stichproben, p nicht extrem
• Wilson: Kleine Stichproben, Anteile nahe 0 oder 1, computergestützte Berechnung

Dieser Rechner verwendet standardmäßig Wilson für bessere Leistung in allen Szenarien.

Interpretation

„Die Unterstützung für den Kandidaten betrug 52 % (95 %-KI: 49 % bis 55 %)"

Das Intervall reicht von 49 % bis 55 %, was 50 % einschließt – das bedeutet, wir können nicht mit Sicherheit sagen, dass der Kandidat führt. Wenn das Intervall 52 % bis 58 % wäre, wäre der Vorsprung statistisch signifikant.

Anwendungen

Politische Umfragen

„Die Umfrage zeigt 48 % Zustimmung (Fehlerspanne ±3 %)"

Die Fehlerspanne ist die Hälfte der Konfidenzintervallbreite. Die wahre Zustimmung liegt wahrscheinlich zwischen 45 % und 51 %.

Qualitätskontrolle

„Fehlerrate: 2,3 % (95 %-KI: 1,8 % bis 2,9 %)"

Das Management kann sowohl die Punktschätzung als auch den plausiblen Bereich sehen.

Medizinische Studien

„Behandlungserfolgsrate: 78 % (95 %-KI: 71 % bis 84 %)"

Kliniker müssen nicht nur die beobachtete Rate kennen, sondern auch deren Unsicherheit.

Marktforschung

„Markenbekanntheit: 62 % (95 %-KI: 57 % bis 67 %)"

Marketingentscheidungen sollten den Bereich berücksichtigen, nicht nur die Punktschätzung.

A/B-Tests

„Konversionsrate: 4,2 % (95 %-KI: 3,8 % bis 4,7 %)"

Vergleichen Sie die Intervalle zwischen Varianten, um bedeutsame Unterschiede zu bewerten.

Anforderungen an die Stichprobengröße

Die Normalapproximation funktioniert angemessen, wenn:

• $np \geq 5$
• $n(1-p) \geq 5$

Zum Beispiel benötigen Sie bei p = 0,05 mindestens n = 100.

Das Wilson-Intervall funktioniert gut, auch wenn diese Bedingungen nicht erfüllt sind.

Historischer Kontext

Abraham de Moivre (1733) leitete erstmals die Normalapproximation für Binomialanteile her und stellte fest, dass Stichprobenanteile für große Stichproben annähernd normalverteilt sind.

Edwin Bidwell Wilson (1927) entwickelte das Wilson-Score-Intervall und adressierte Probleme mit dem Wald-Intervall nahe den Grenzen. Obwohl die Methode fast 100 Jahre alt ist, wird sie oft zu wenig genutzt.

Theodore Brown und Kollegen erneuerten in den 1990er- und 2000er-Jahren das Interesse an Intervallmethoden und zeigten, dass die schlechte Leistung des Wald-Intervalls nahe p = 0 oder p = 1 schlimmer war als zuvor angenommen.

Heute empfehlen viele statistische Organisationen das Wilson-Intervall oder ähnliche angepasste Intervalle gegenüber der einfachen Wald-Methode.

Warum das Wilson-Intervall besser ist

Das Randproblem

Wenn der wahre Anteil nahe 0 liegt:

• Das Wald-Intervall kann negative Werte enthalten (unmöglich)
• Das Wald-Intervall kann zu schmal sein
• Die Überdeckungswahrscheinlichkeit fällt unter das angegebene Konfidenzniveau

Das Wilson-Intervall vermeidet diese Probleme konstruktionsbedingt.

Überdeckungswahrscheinlichkeit

Das „angegebene" 95 %-KI sollte den wahren Anteil in 95 % der Fälle enthalten. Studien zeigen:

• Wald-Intervall: Die Überdeckung kann in extremen Fällen auf 80–85 % fallen
• Wilson-Intervall: Die Überdeckung bleibt nahe 95 %

Bestimmungsfaktoren der Breite

Die Intervallbreite hängt ab von:

1. Stichprobengröße: Größeres n → schmaleres Intervall
2. Anteilswert: p = 0,5 ergibt das breiteste Intervall; extreme p ergeben schmalere
3. Konfidenzniveau: Höhere Konfidenz → breiteres Intervall

Die maximale Breite tritt bei p = 0,5 auf. Wenn Sie eine Studie ohne vorherige Schätzung planen, nehmen Sie p = 0,5 für konservative Planung an.

Fehlerspanne

Für Anteile beträgt die Fehlerspanne ungefähr:

$ME \approx z^* \times \sqrt{\frac{p(1-p)}{n}}$

Bei 95 % Konfidenz ($z^* = 1{,}96$) mit p = 0,5:

$ME \approx \frac{1}{\sqrt{n}}$

Dies ergibt die Faustregel: 1.000 Befragte → etwa 3 % Fehlerspanne.

Stetigkeitskorrektur

Für diskrete Anteile kann eine Stetigkeitskorrektur die Genauigkeit verbessern:

$KI = \hat{p} \pm \left[z^* \times \sqrt{\frac{\hat{p}(1-\hat{p})}{n}} + \frac{1}{2n}\right]$

Die Anpassung $+\frac{1}{2n}$ berücksichtigt die diskrete Natur von Zählungen. Diese wird für große n vernachlässigbar.

Mehrere Anteile

Bei der Schätzung von Anteilen für viele Kategorien:

• Jeder Anteil hat sein eigenes KI
• Anpassungen für Mehrfachvergleiche können erforderlich sein
• Betrachten Sie multinomiale Konfidenzbereiche

Das KI für die Differenz von Anteilen behandelt den Vergleich zweier Anteile.

Verwandte Berechnungen

• Standardfehler des Anteils — SE = √[p(1-p)/n]
• Fehlerspanne-Rechner — Hälfte der KI-Breite
• Kritischer-Wert-Rechner (z*) — z*-Werte finden
• KI für Differenz von Anteilen — Zwei Gruppen vergleichen
• Stichprobengrößen-Rechner — Für gewünschte Präzision planen

Zusammenfassung

Konfidenzintervalle für Anteile übersetzen Stichprobenprozentsätze in Bereiche plausibler Werte der Grundgesamtheit. Während das Wald-Intervall (Normalapproximation) am einfachsten ist, bietet das Wilson-Score-Intervall zuverlässigere Überdeckung, besonders für Anteile nahe 0 oder 1. Ob bei der Interpretation von Umfrageergebnissen, Qualitätsraten oder Behandlungserfolgen – das Intervall kommuniziert nicht nur die Schätzung, sondern auch die Unsicherheit, die jede stichprobenbasierte Schlussfolgerung begleitet.