Statistik

Konfidenzintervall einfach erklärt

Aktualisiert am 30. Oktober 2026 · mit Rechenbeispiel, Klausurfehlern und Mini-Quiz

✓ Gegengeprüft · Quellen: Gabler Wirtschaftslexikon

So ist diese Seite geprüft: Jede Rechnung, jede Tabelle und jede Quizlösung ist von unserem Rechen-Algorithmus ohne KI nachgerechnet. Fachlich wurde der Text in zwei unabhängigen Prüfrunden kontrolliert und gegen 22 belegte Kernaussagen aus festen Quellen abgeglichen.

Quellen

So prüfen wir · Fehler gefunden? Melde ihn uns

Kurz erklärt

Ein Konfidenzintervall ist ein Bereich um einen Schätzwert aus der Stichprobe, der den unbekannten wahren Parameter der Grundgesamtheit mit einer vorgegebenen Sicherheit (meist 95 %) überdeckt. Für den Mittelwert gilt: Stichprobenmittel plus/minus kritischer Wert mal Standardfehler. Je größer die Stichprobe, desto schmaler das Intervall.

Was ist ein Konfidenzintervall?

Wenn ein Onlineshop aus 25 Bestellungen einen durchschnittlichen Warenkorb von 48 € ermittelt, ist das eine Punktschätzung. Sie ist fast sicher nicht exakt der wahre Durchschnitt aller Bestellungen – eine andere Stichprobe hätte vielleicht 46 € oder 51 € ergeben. Wie weit du dieser Zahl trauen kannst, sagt die Punktschätzung nicht.

Das Konfidenzintervall (auch Vertrauensintervall) ist eine Intervallschätzung: Es gibt einen Bereich an, der so konstruiert ist, dass er den wahren Wert mit einer festgelegten Wahrscheinlichkeit überdeckt. Diese Wahrscheinlichkeit heißt Konfidenzniveau 1−α1 - \alpha, üblich sind 90 %, 95 % und 99 %.

Für die Praxis ist das enorm nützlich. Ein Controller, der den Umsatz pro Kunde schätzt, will nicht nur einen Wert, sondern auch wissen, wie unsicher er ist. Ein Intervall von 47 € bis 49 € erlaubt eine ganz andere Planung als eines von 30 € bis 66 €.

Symmetrisches Konfidenzintervall = [Punktschätzung − Fehlermarge ; Punktschätzung + Fehlermarge]. Die Fehlermarge zeigt, wie genau deine Stichprobe ist.

Wie lautet die Formel für das Konfidenzintervall?

Die hier behandelten symmetrischen Intervalle (z-, t- und Wald-Intervall) folgen demselben Bauplan; andere Konfidenzintervalle, etwa für Varianzen, können asymmetrisch sein:

Scha¨tzwert±kritischer Wert⋅Standardfehler\text{Schätzwert} \pm \text{kritischer Wert} \cdot \text{Standardfehler}

Mittelwert, σ bekannt (z-Intervall)

[xˉ−z1−α/2⋅σn ;  xˉ+z1−α/2⋅σn]\left[ \bar{x} - z_{1-\alpha/2} \cdot \frac{\sigma}{\sqrt{n}} \, ; \; \bar{x} + z_{1-\alpha/2} \cdot \frac{\sigma}{\sqrt{n}} \right]

Mittelwert, σ unbekannt (t-Intervall)

[xˉ−tn−1; 1−α/2⋅sn ;  xˉ+tn−1; 1−α/2⋅sn]\left[ \bar{x} - t_{n-1;\,1-\alpha/2} \cdot \frac{s}{\sqrt{n}} \, ; \; \bar{x} + t_{n-1;\,1-\alpha/2} \cdot \frac{s}{\sqrt{n}} \right]

Anteilswert (für große n)

p^±z1−α/2⋅p^⋅(1−p^)n\hat{p} \pm z_{1-\alpha/2} \cdot \sqrt{\frac{\hat{p} \cdot (1 - \hat{p})}{n}}

Die kritischen Werte der Normalverteilung für die gängigen Niveaus:

Konfidenzniveauαz1−α/2z_{1-\alpha/2}
90 %10 %1,645
95 %5 %1,960
99 %1 %2,576

Ist σ unbekannt, nimmst du die t-Verteilung mit n − 1 Freiheitsgraden. Sie ist bei unabhängigen, normalverteilten Beobachtungen exakt, andernfalls braucht es eine hinreichend gute Verteilungsnäherung. Sie hat breitere Ränder, weil zusätzlich die Schätzung von σ unsicher ist – das Intervall wird breiter. Ab etwa n > 30 erlauben viele Skripte die Näherung mit z. Die Anteilsformel setzt eine ausreichend große Stichprobe voraus; eine gängige Faustregel ist n⋅p^⋅(1−p^)>9n \cdot \hat{p} \cdot (1 - \hat{p}) > 9.

Beispiel: Durchschnittlicher Warenkorb im Onlineshop

Ein Onlineshop für Kaffeezubehör zieht 25 zufällige Bestellungen. Durchschnittlicher Warenkorb: xˉ=48\bar{x} = 48 €, Stichprobenstandardabweichung s = 10 €. Gesucht ist das 95-%-Konfidenzintervall für den durchschnittlichen Warenkorb aller Bestellungen. Die Warenkorbwerte seien annähernd normalverteilt.

Schritt 1: Welche Verteilung?
σ ist unbekannt und n = 25 ist klein, also t-Verteilung mit 25−1=2425 - 1 = 24 Freiheitsgraden: t24; 0,975=2,064t_{24;\,0{,}975} = 2{,}064.

Schritt 2: Standardfehler
sn=1025=2 €\dfrac{s}{\sqrt{n}} = \dfrac{10}{\sqrt{25}} = 2\ \text{€}

Schritt 3: Fehlermarge
2,064⋅2=4,128≈4,132{,}064 \cdot 2 = 4{,}128 \approx 4{,}13 €

Schritt 4: Intervall
[48−4,13 ; 48+4,13]=[43,87 € ; 52,13 €][48 - 4{,}13 \, ; \, 48 + 4{,}13] = [43{,}87 \text{ €} \, ; \, 52{,}13 \text{ €}]

Vergleich: Wäre σ = 10 € aus langjährigen Daten bekannt, nähmest du z0,975=1,96z_{0{,}975} = 1{,}96: Fehlermarge 1,96⋅2=3,921{,}96 \cdot 2 = 3{,}92 €, Intervall [44,08 € ; 51,92 €]. Das t-Intervall ist etwas breiter, weil die Unsicherheit über σ eingepreist wird.

Interpretation: Mit 95 % Konfidenz liegt der durchschnittliche Warenkorb aller Bestellungen zwischen 43,87 € und 52,13 €. Plant das Management eine Versandkostenfrei-Grenze oder rechnet es den Customer Lifetime Value durch, sollte es mit dieser Bandbreite statt nur mit 48 € rechnen.

Nachgerechnet von unserem Rechen-AlgorithmusJede Rechnung in diesem Beispiel ist ohne KI exakt geprüft. So funktioniert’s

Konfidenzintervall für einen Anteil und den nötigen Stichprobenumfang

Der Shop fragt 400 zufällig ausgewählte Kunden, ob sie ein Kaffee-Abo abschließen würden. 120 sagen ja.

Schritt 1: Anteil
p^=120400=0,30\hat{p} = \dfrac{120}{400} = 0{,}30. Faustregel: 400⋅0,3⋅0,7=84>9400 \cdot 0{,}3 \cdot 0{,}7 = 84 > 9 ✓

Schritt 2: Standardfehler
0,3⋅0,7400=0,000525≈0,0229\sqrt{\frac{0{,}3 \cdot 0{,}7}{400}} = \sqrt{0{,}000525} \approx 0{,}0229

Schritt 3: Intervall (95 %)
0,30±1,96⋅0,0229=0,30±0,0449⇒[25,5 % ; 34,5 %]0{,}30 \pm 1{,}96 \cdot 0{,}0229 = 0{,}30 \pm 0{,}0449 \Rightarrow [25{,}5\,\% \, ; \, 34{,}5\,\%]

Damit kann der Shop das Potenzial für das Abo realistisch einschätzen: zwischen gut einem Viertel und gut einem Drittel der Kunden.

Wie groß muss die Stichprobe sein? Löst du die Fehlermarge e=z⋅σne = z \cdot \dfrac{\sigma}{\sqrt{n}} nach n auf, erhältst du den Mindestumfang. Will der Shop den durchschnittlichen Warenkorb bei σ = 10 € auf ±2 € genau schätzen (95 %):

n≥(z1−α/2⋅σe)2=(1,96⋅102)2=96,04⇒n=97n \ge \left( \frac{z_{1-\alpha/2} \cdot \sigma}{e} \right)^2 = \left( \frac{1{,}96 \cdot 10}{2} \right)^2 = 96{,}04 \Rightarrow n = 97

Immer aufrunden, sonst wird die gewünschte Genauigkeit knapp verfehlt. Beachte das Wurzelgesetz: Für eine halb so große Fehlermarge brauchst du die vierfache Stichprobe.

Wie interpretiert man ein Konfidenzintervall richtig?

Hier passieren die meisten Fehler. Der wahre Mittelwert μ ist eine feste, unbekannte Zahl – er „schwankt“ nicht. Zufällig ist das Intervall, weil es von der Stichprobe abhängt. Die korrekte Deutung lautet deshalb:

Würde man das Verfahren sehr oft mit neuen Stichproben wiederholen, würden etwa 95 % der so berechneten Intervalle den wahren Wert enthalten.

In Klausuren reicht meist die Kurzform „Mit 95 % Konfidenz liegt der wahre Mittelwert zwischen … und …“. Vermeide aber die Aussage, μ liege „mit 95 % Wahrscheinlichkeit“ in genau diesem einen berechneten Intervall, wenn dein Prof Wert auf saubere Formulierung legt.

Die Breite des Intervalls hängt von drei Stellschrauben ab:

Konfidenzintervall und Hypothesentest: der Unterschied

Beide Verfahren nutzen dieselben Bausteine, beantworten aber unterschiedliche Fragen. Das Konfidenzintervall fragt: Wo liegt der wahre Wert vermutlich? Der Hypothesentest fragt: Ist ein bestimmter behaupteter Wert mit den Daten vereinbar?

Der Zusammenhang ist direkt: Ein zweiseitiger Test von H0:μ=μ0H_0: \mu = \mu_0 zum Niveau α lehnt genau dann ab, wenn μ0\mu_0 nicht im (1−α)(1 - \alpha)-Konfidenzintervall liegt. Behauptet der Shopbetreiber, der Durchschnittswarenkorb liege bei 55 €, verwirft der zugehörige zweiseitige t-Test diese Nullhypothese bei α = 5 %, denn 55 € liegt außerhalb von [43,87 € ; 52,13 €]. Eine Behauptung von 50 € dagegen kann nicht abgelehnt werden.

Vorteile des Intervalls: Es zeigt Lage und Genauigkeit auf einen Blick und ist für Entscheider intuitiver als ein p-Wert. Grenzen: Es setzt eine echte Zufallsstichprobe voraus. Gegen systematische Fehler – etwa wenn nur Stammkunden befragt werden – hilft auch das schönste Intervall nicht; es misst ausschließlich den Zufallsfehler.

Typische Fehler in der Klausur

  1. Bei kleiner Stichprobe und unbekanntem σ mit z statt t rechnen: Dann ist das Intervall zu schmal. Bei n = 25 ist der kritische Wert 2,064 statt 1,96.
  2. Den einseitigen kritischen Wert nehmen: Für ein 95-%-Intervall brauchst du z0,975=1,96z_{0{,}975} = 1{,}96, weil auf jeder Seite 2,5 % abgeschnitten werden – nicht 1,645.
  3. Die Wurzel aus n vergessen: Der Standardfehler ist sn\dfrac{s}{\sqrt{n}}, nicht sn\dfrac{s}{n} und nicht s allein.
  4. Beim Stichprobenumfang abrunden: Aus 96,04 wird 97, nicht 96 – sonst ist die geforderte Genauigkeit nicht erreicht.
  5. Das Intervall als Bereich für einzelne Werte deuten: Es gilt für den Mittelwert. Einzelne Bestellungen streuen viel stärker, ein Warenkorb von 70 € ist trotz Intervall [43,87 € ; 52,13 €] völlig normal.

Teste dich: Mini-Quiz

1. Wie verändert sich die Breite eines Konfidenzintervalls, wenn der Stichprobenumfang vervierfacht wird (sonst alles gleich)?

  1. Sie halbiert sich.
  2. Sie viertelt sich.
  3. Sie verdoppelt sich.
  4. Sie bleibt gleich.
Lösung anzeigen

Richtig: A) Sie halbiert sich.. Der Standardfehler enthält n\sqrt{n} im Nenner. Viermal so viele Beobachtungen bedeuten 4=2\sqrt{4} = 2, also eine halb so breite Fehlermarge.

2. n = 100, xˉ=80\bar{x} = 80 €, σ = 15 € (bekannt). Wie lautet das 95-%-Konfidenzintervall?

  1. [77,53 € ; 82,47 €]
  2. [50,60 € ; 109,40 €]
  3. [78,50 € ; 81,50 €]
  4. [77,06 € ; 82,94 €]
Lösung anzeigen

Richtig: D) [77,06 € ; 82,94 €]. Standardfehler 15100=1,5\dfrac{15}{\sqrt{100}} = 1{,}5, Fehlermarge 1,96⋅1,5=2,941{,}96 \cdot 1{,}5 = 2{,}94, also [77,06 € ; 82,94 €]. 77,53/82,47 entsteht mit dem einseitigen Wert 1,645.

3. Ein 95-%-Intervall für die durchschnittliche Lieferzeit ist [27 ; 33] Minuten. Was lässt sich zum zweiseitigen Test von H0:μ=35H_0: \mu = 35 bei α = 5 % sagen?

  1. H0 kann nicht abgelehnt werden.
  2. Ohne p-Wert ist keine Aussage möglich.
  3. H0 wird abgelehnt, weil 35 außerhalb des Intervalls liegt.
  4. H0 wird nur bei α = 1 % abgelehnt.
Lösung anzeigen

Richtig: C) H0 wird abgelehnt, weil 35 außerhalb des Intervalls liegt.. Ein zweiseitiger Test zum Niveau α lehnt H0 genau dann ab, wenn der Hypothesenwert außerhalb des (1 − α)-Konfidenzintervalls liegt.

Häufige Fragen

Was sagt ein 95-%-Konfidenzintervall aus?

Es ist ein Bereich, der nach einem Verfahren berechnet wurde, das bei vielen Wiederholungen in 95 % der Fälle den wahren Parameter enthält. Vereinfacht: Mit 95 % Konfidenz liegt der wahre Wert in diesem Bereich.

Wann nimmt man beim Konfidenzintervall z und wann t?

Die z-Werte der Standardnormalverteilung nimmst du, wenn σ bekannt ist oder die Stichprobe groß ist (Faustregel n > 30). Ist σ unbekannt, nimmst du die t-Verteilung mit n − 1 Freiheitsgraden (exakt bei normalverteilten Beobachtungen, sonst als Näherung bei hinreichend großer Stichprobe).

Warum wird ein Konfidenzintervall breiter, wenn das Konfidenzniveau steigt?

Mehr Sicherheit verlangt einen größeren kritischen Wert, etwa 2,576 statt 1,96 bei 99 % statt 95 %. Damit wächst die Fehlermarge. Mehr Sicherheit kostet also Genauigkeit, solange die Stichprobe gleich groß bleibt.

Wie berechne ich den nötigen Stichprobenumfang?

Du stellst die Formel für die Fehlermarge nach n um: n ist mindestens das Quadrat aus kritischem Wert mal σ geteilt durch die gewünschte Fehlermarge. Das Ergebnis rundest du immer auf die nächste ganze Zahl auf.

Was ist der Unterschied zwischen Konfidenzniveau und Signifikanzniveau?

Sie ergänzen sich zu 100 %. Ein Konfidenzniveau von 95 % entspricht einem Signifikanzniveau α von 5 %. Beim Intervall betonst du die Sicherheit, beim Test die Irrtumswahrscheinlichkeit.

Hilft dir das?

Teil die Seite mit deiner Lerngruppe oder schick sie deiner Fachschaft.

Per WhatsApp teilen

Lernpfad Statistik und Wirtschaftsmathematik

Thema 9 von 10 · Abschnitt „Schließende Statistik“. Alle 10 Themen in Lernreihenfolge

Passt dazu