Konzepte · Optimierung

Mittelwerte und Lagemaße erklärt

„Die Mitte“ der Daten ist keine einzelne Zahl, sondern eine Entscheidung: Der Mittelwert macht die Quadratsumme der Abweichungen klein, der Median die Betragssumme, und je nach Frage, Ausreißern und Art der Größe ist eine andere Zahl die richtige. Diese Linie nimmt das ernst. Sie fragt, wie genau ein Rechner ein Mittel aus Millionen Zahlen überhaupt ausrechnet, wie viel Median man gegen Ausfälle braucht und wo in der Ebene der Standort mit dem kürzesten Gesamtweg steht. Und sie fragt, welches Mittel zu einer Rate gehört und was die Mitte einer Uhrzeit oder einer Verteilung ist.

Mehrfach hält die schöne Vermutung nicht: Die übliche Verbesserung der Summe nach Neumaier ist bei einfacher Genauigkeit und Werten um 1 000 ungenauer als die nach Kahan, Median-of-Means schlägt bei Normalverteilung das gewöhnliche Mittel im getesteten Raster in keinem Niveau, und bei zwei Häufungen von Uhrzeiten im Abstand von 120° liegt das Kreismittel in allen erzeugten Datensätzen im Leeren dazwischen. Die Linie hat drei Äste ab dem Mittelwert: robuste Schätzer samt Absicherung bei schweren Rändern, das Strafmaß samt Standort in der Ebene und das passende Mittel für Quotienten, Gewichte, Uhrzeiten und Verteilungen. Alle Ergebnisse sind Befunde über erzeugte Daten und gewählte Szenarien, keine Messungen an echten Sendungen.

In short: Interactive demos on averages and measures of location: mean versus median, penalties for long distances, trimmed means and Huber, the geometric median, median-of-means, and centers for rates, circles and distributions. Each demo tests the alternatives on simulated data and states its assumptions.

Hintergrund zum Thema: Netzwerkdesign · Bestandsmanagement.

Diese Seite gehört zu Algorithmen und Verfahren erklärt. So lesen Sie sie: Das Diagramm zeigt, wie die Stücke zusammenhängen. Jede Kachel darunter öffnet eine interaktive Demo, wo es eine gibt, mit einer Erklärseite für Einsteiger und Fachleute. Auf der Suche nach einer Lösung für ein konkretes Problem? Zu den Interaktiven Demos.

Hinweis: Alle Demos rechnen mit synthetischen oder frei verfügbaren Beispieldaten und laufen auf einem externen Anbieter (Datenschutz). Bitte geben Sie darin keine vertraulichen oder personenbezogenen Daten ein. Die Ergebnisse gelten für die jeweilige Demo-Instanz und lassen sich nicht ungeprüft auf reale Fälle übertragen; für darauf gestützte Entscheidungen übernehme ich keine Gewähr.

Zuletzt aktualisiert:

Welches Verfahren passt zu Ihrem Fall? Zum Entscheidungsbaum ↓

Zum Nachlesen: erst einfach, dann fachlich

WELCHE ZAHL

Mittelwert und Median verständlich erklärt

Warum Mittelwert und Median bei schiefen Lieferzeiten verschiedene Antworten geben und warum ein Rechner den Durchschnitt aus Millionen Zahlen falsch ausrechnen kann: erst für Einsteiger ohne Formeln, dann für Fachleute mit Modell, Formeln und Messwerten.

LAGERSTANDORT

Der Weber-Punkt verständlich erklärt

Wo ein Lager stehen muss, damit der Gesamtweg zu allen Kunden am kürzesten ist, warum der beste Standort auf einem Kunden liegen kann und wo das übliche Rechenverfahren hakt: erst für Einsteiger ohne Formeln, dann für Fachleute mit Modell, Formeln und Messwerten.

WELCHES MITTEL

Welches Mittel gehört wozu? Verständlich erklärt

Warum dieselben Zahlen je nach Frage zu verschiedenen Durchschnitten führen und was das falsche Mittel kostet: erst für Einsteiger ohne Formeln, dann für Fachleute mit Modell, Formeln und Messwerten.

Die sieben Stücke im Überblick

Die Wurzel fragt, welche Zahl man will und wie genau der Rechner sie liefert. Von ihr führen drei Kanten. Ein einzelner Ausreißer zieht das Mittel beliebig weit und der Median verliert Effizienz: daraus entstehen Trimmen, Hodges–Lehmann und Huber, und bei schweren Rändern die Absicherung durch Median-of-Means. Dieselbe Frage mit anderem Strafmaß stellt die Lp-Mitte, und weil es in der Ebene für den kürzesten Gesamtweg keine Formel gibt, folgt der Weber-Punkt.

Der dritte Ast geht dorthin, wo das Mittel nicht zur Größe passt: bei Quotienten und Gewichten, und von dort bei Uhrzeiten und ganzen Verteilungen, wo nur die Idee bleibt, die Mitte als Minimierer einer Abstandssumme zu definieren.

Die Kästen sind klickbar und öffnen die jeweilige Demo direkt.

Seitlich verschieben oder die Gesamtansicht wählen.
Mittelwert und Median welche Zahl will ich? Lp-Mitte die Mitte hängt vom Strafmaß ab DIESELBE FRAGE MIT ANDEREM STRAFMASS Trimmen, Hodges–Lehmann, Huber wie viel Median braucht man? EIN PUNKT ZIEHT DAS MITTEL BELIEBIG WEIT, DER MEDIAN VERLIERT EFFIZIENZ Raten und Gewichte welches Mittel gehört wozu? DAS MITTEL PASST NICHT ZU QUOTIENTEN UND GEWICHTEN Weber-Punkt geometrischer Median in der Ebene IN DER EBENE GIBT ES KEINE FORMEL Median-of-Means wann zahlt sich die Absicherung aus? BEI SCHWEREN RÄNDERN HAT KEIN SCHÄTZER DIE ABSICHERUNG Mitte im Raum Kreis und Verteilungen DAS MITTEL PASST NICHT ZU ZYKLISCHEN GRÖSSEN UND VERTEILUNGEN k-Means Mittelwert oder Medoid MEDOID STATT MITTELWERT p-Center der Weiteste zählt DAS MAXIMUM ALS ENDE DER SKALA Standortplanung Kandidaten statt Ebene KANDIDATEN GEGEN DIE GANZE EBENE Robuster Filter Huber-Gewicht im Kalman-Filter HUBER-GEWICHT IM FILTER Permutationstest Winsorisieren vor dem Test WINSORISIEREN VOR DEM TEST Konfundierung gemeinsame Ursache kippt das Vorzeichen GEWICHTE KIPPEN DEN VERGLEICH Prognosekombination Mittelwert oder Median der Prognosen MITTE VON PROGNOSEVERTEILUNGEN Rangaggregation Borda, Copeland, Kemeny RANGFOLGEN ALS MITTE
  • behebt eine Schwäche des Vorgängers oder baut darauf auf
  • Gegenstück: derselbe Zweck, andere Bauweise (kein Fix)
  • übernimmt nur eine Idee
  • Baustein aus einer anderen Linie

Der gestrichelte Doppelpfeil ist ein Kontrast (gleiche Aufgabe, anderes Ziel oder andere Regel), gepunktete Pfeile übernehmen nur eine Idee, graue gestrichelte Knoten sind Bausteine aus anderen Linien. Die Stücke lassen sich in beliebiger Reihenfolge lesen, ein Pfeil ist keine vorgeschriebene Reihenfolge.

Verwandt in anderen Linien

  • Standortplanung — Die Standortplanung wählt Standorte aus einer Liste von Kandidaten, der Weber-Punkt dieser Linie sucht den besten Punkt der ganzen Ebene. Das Maximum-Ende der Lp-Mitte, der kleinste umschließende Kreis, ist das 1-Center, das die p-Center-Demo nur als Radiusvergleich rechnet.
  • Clustering — Das Zentrum eines Clusters ist eine Mitte, und die k-Means-Demo schaltet es zwischen Mittelwert und Medoid um. Die Mittelwert-Median-Demo zeigt, was die Wahl der Mitte bei einem falsch gebuchten Kunden kostet, und die Lp-Mitte, dass in der Demo kein Strafmaß für Summe, Quadratsumme und längsten Weg zugleich optimal ist.
  • Zustandsschätzung und Filter — Im robusten Filter zählen GPS-Messungen mit großer Abweichung nach Huber weniger, und ein echtes Manöver sieht zuerst wie ein Ausreißer aus. Die Trimm-und-Huber-Demo dieser Linie zeigt dieselbe Gewichtung für eine einzelne Zahlenreihe samt der Lage ihrer Klippen.
  • Experimente und Wirkungsmessung — Der Permutationstest nutzt das Winsorisieren als Vorbehandlung eines Tests. Die Trimm-und-Huber-Demo misst es als Schätzer der Lage und zeigt, dass es bei zweiseitigen Ausfällen schlechter als das Mittel sein kann.
  • Kausale Diagramme und Adjustierung — Die Konfundierung erklärt, warum eine gemeinsame Ursache das Vorzeichen eines Vergleichs kippt. Die Raten-Demo stellt dieselbe Umkehr als Frage nach dem Gewicht, ohne die Kausalmechanik zu wiederholen: Bei gleicher wahrer Standortquote liegt Gruppe B in 81,3 % der Vergleiche vorn, wenn man die Gesamtquote nimmt und die Nachfrage mit der Quote gekoppelt ist, im ungewichteten Mittel der Quoten in 50,2 %.
  • Zeitreihen-Prognose — Die Prognosekombination mittelt Punktprognosen mit Mittelwert, Median oder Gewichten. Die Mitte im Raum mittelt ganze Prognoseverteilungen, einmal als Mischung und einmal als Quantilmittel: Im CRPS unterscheiden sich beide bei überzuversichtlicher Meldung nur wenig, in der Abdeckung des 80-%-Intervalls bei einem Lagefehler von 2 aber deutlich (72,2 gegen 53,9 %).
  • Ranking — Die Rangaggregation fasst viele Ordnungen zu einer zusammen, Borda summiert Plätze und Kemeny minimiert den Gesamtabstand. Die Mitte im Raum definiert die Mitte als Minimierer der Abstandssumme in einem beliebigen Raum und verweist für Rangfolgen auf diese Demo.
DIE WURZEL: WELCHE ZAHL

Mittelwert und Median: Welche Zahl will ich?

Sehen Sie, dass „die Mitte“ zwei Fragen trägt: Wie genau rechnet ein Rechner ein Mittel aus Millionen Zahlen, und welche Zahl will ich überhaupt, Mittelwert oder Median? Ein Reiter vergleicht Summierverfahren, ein zweiter Lieferzeiten, Kunden und Lager. Der Haken: Bei schiefen Lieferzeiten lässt der Plan „Aufträge mal Median“ im gewählten Szenario bei der stärksten Streuung (σ = 1,2) 51,1 % der Monatssumme aus.

Verständlich erklärt: erst für Einsteiger, dann für Fachleute

Demo starten →
ANDERES STRAFMASS

Die Mitte hängt vom Strafmaß ab

Verfolgen Sie, wie die Mitte einer Kundenwolke wandert, wenn man lange Wege unterschiedlich stark bestraft: als Summe, als Quadratsumme oder so, dass nur der längste Weg zählt. Eine Tabelle zeigt, was es kostet, nach dem einen Maß zu wählen und nach dem anderen zu bewerten. Der Haken: Bei 30 Kunden und einem Außenposten kostet die Wahl nach dem längsten Weg, bewertet nach der Quadratsumme, 214,2 % mehr.

Demo starten →
SCHÄTZER GEGEN AUSFÄLLE

Getrimmt, Hodges–Lehmann, Huber: wie viel Median braucht man?

Sehen Sie, wie man sich gegen Lieferausfälle wappnet, ohne ganz auf den Median zu wechseln: Trimmen lässt die extremsten Werte weg, Hodges–Lehmann nimmt den Median aller Paarmittel, Huber dämpft große Abweichungen. Die Demo lässt den Anteil der Ausfälle wachsen. Der Haken: In diesem Ausfallmodell hat Hodges–Lehmann eine Klippe zwischen 29 und 30 % Ausfällen, danach ist er bei sehr großem Abstand schlechter als das Mittel.

Demo starten →
DER WEBER-PUNKT

Geometrischer Median: Wo steht der Weber-Punkt?

Verfolgen Sie, wo der Lagerstandort mit dem kürzesten Gesamtweg zu gewichteten Kunden liegt: Jeder Kunde zieht mit seiner Sendungsmenge, und hat einer mindestens die Hälfte des Gewichts, liegt der Standort auf ihm. Der Haken: Startet das klassische Verfahren auf einem Kunden, endet es bei 30 Kunden gleichen Gewichts in 96,80 % der Fälle nicht im Optimum, auch mit nach unten begrenzten Abständen; die Variante von Vardi–Zhang in 0,00 %.

Verständlich erklärt: erst für Einsteiger, dann für Fachleute

Demo starten →
SCHWERE RÄNDER

Schwere Ränder: Wann zahlt sich Median-of-Means aus?

Sehen Sie, wann es sich lohnt, eine Stichprobe in Blöcke zu teilen, je Block das Mittel zu bilden und davon den Median zu nehmen, um auch bei seltenen Extremwerten sicher zu schätzen. Eine Kippkarte zeigt, ab welcher Seltenheit des Ernstfalls das gewöhnliche Mittel unterliegt. Der Haken: Die Absicherung kostet einen größeren typischen Fehler und bei schiefen Rändern eine Verzerrung nach unten; bei Normalverteilung gewinnt sie im getesteten Raster nie.

Demo starten →
WELCHES MITTEL GEHÖRT WOZU

Raten, Gewichte, Größenverzerrung: Welches Mittel gehört wozu?

Sehen Sie, dass jedes Mittel ein gewichtetes Mittel ist und die Frage die Gewichte festlegt: Dieselben zwei Fahrten haben je nach Gewicht zwei richtige Durchschnittsgeschwindigkeiten. Der Haken: Bei gleicher Strecke und Streuung σ = 1,0 liegt das arithmetische Mittel der Geschwindigkeiten 162,6 % über der richtigen Rechnung, und bei zwei gleich wahrscheinlichen Wachstumsfaktoren liegen nach 100 Perioden 86,4 % der Pfade unter dem Start.

Verständlich erklärt: erst für Einsteiger, dann für Fachleute

Demo starten →
MITTE AUF DEM KREIS

Mitte in anderen Räumen: Kreis und Verteilungen

Sehen Sie, warum das gewohnte Mittel bei Uhrzeiten über Mitternacht versagt und wie eine Mitte auf dem Kreis oder für ganze Lieferzeit-Verteilungen entsteht. Plant man mit dem Quantilmittel zweier Lieferanten mit Medianen von 10 und 30 Tagen, erreicht man bei enger Streuung nur 57,2 % statt 95 % Servicegrad. Der Haken: Bei zwei Häufungen von Ankünften im Abstand von 120° liegt das Kreismittel in allen Datensätzen im Leeren.

Demo starten →

Welches Stück passt zu meiner Frage?

Ein Entscheidungsbaum über alle sieben Stücke, entlang der Frage, was die Mitte der Daten leisten soll: eine Zahl aus einer Reihe, eine Antwort trotz unsauberer Daten, ein Ort in der Ebene oder ein Mittel für eine Größe, die kein gewöhnliches Zahlenmittel verträgt.

Welches Stück passt zu meiner Frage?

Seitlich verschieben oder die Gesamtansicht wählen.
Was soll die Mitte Ihrer Daten sagen? Welche Zahl will ich? EINE ZAHL AUS EINER REIHE Gibt es Ausreißer oder schwere Ränder? DIE DATEN SIND NICHT SAUBER Gesucht ist ein Ort in der Ebene? ES GEHT UM EINEN STANDORT Ist die Größe ein Quotient, eine Uhrzeit, eine Verteilung? DAS MITTEL PASST NICHT ZUR GRÖSSE Mittelwert und Median welche Zahl, und wie genau gerechnet MITTELWERT, MEDIAN ODER QUANTIL Trimmen, Hodges–Lehmann, Huber einzelne Ausfälle EINZELNE AUSFÄLLE Median-of-Means seltene, extreme Ereignisse SELTENE, EXTREME EREIGNISSE Lp-Mitte wie stark lange Wege zählen STRAFMASS FÜR LANGE WEGE WÄHLEN Weber-Punkt kürzester Gesamtweg zu den Kunden KÜRZESTER GESAMTWEG Raten und Gewichte Quotienten, Wachstum, Größenverzerrung QUOTIENT ODER GEWICHT Mitte im Raum Uhrzeiten und Verteilungen UHRZEIT ODER VERTEILUNG

Beige Kästen sind Fragen (nicht klickbar), weiße Kästen sind Ergebnisse (klickbar, sie öffnen die jeweilige Demo). Mehrere Fragen können zugleich zutreffen (zum Beispiel Ausreißer und ein Ort in der Ebene); der Baum zeigt die Frage, die in den Demos zuerst gestellt wird. Alle Antworten gelten für erzeugte Daten und gewählte Szenarien, nicht für jede Kundenlage.

Weitere Konzepte · Optimierung

Weitere Linien in diesem Bereich

Exakte Suche

Bewiesen beste statt nur guter Lösungen: zwei Linien, Rucksack und Cutting Stock, von Branch & Bound bis Column Generation und Branch & Price.

Lineare Programmierung

Was steckt in einem LP-Löser? Elf Stücke vom Tableau-Simplex über Schattenpreise und Innere Punkte bis zum Crossover, alle von Grund auf geschrieben und gemessen.

Nichtlineare Optimierung

Wie findet man ein Minimum, wenn nichts linear ist? Acht Stücke vom ersten Schritt bergab über Krümmung und Nebenbedingungen bis zur Brücke ins Deep Learning, jedes mit gemessenem statt behauptetem Befund.

Populations-Metaheuristiken

Wie durchsucht eine ganze Population den Lösungsraum? Elf Verfahren von der Kreuzung über Kovarianzmatrizen bis zu Pheromonspuren, jedes mit seiner gemessenen Grenze.

Trajektorien-Metaheuristiken

Wie kommt eine einzelne Lösung über ihr erstes lokales Optimum hinaus? Zwölf Verfahren von Verschlechterungen akzeptieren bis Destroy-and-Repair, jedes mit seiner gemessenen Grenze.

Heuristische Baumsuche

Was bleibt von der Suche, wenn man das Optimum nicht abwarten kann? Acht Verfahren von der gierigen Suche bis Monte Carlo Tree Search, jedes mit seiner gemessenen Grenze.

Novelty Search und Quality-Diversity

Ein Hof-Roboter im täuschenden Labyrinth, zwölf Stücke: von der Sackgasse der Fitness über Novelty Search und MAP-Elites bis zu Go-Explore, Routing und POET.

Standortplanung

Welche Standorte eröffnen, wenn jeder Kunde zum nächsten offenen geht? Sechs Stücke von der einfachen Fixkosten-Entscheidung über Kapazität, Maximum statt Summe und Lagerbestand bis zum Wettbewerb zweier Spieler und zum Hub mit Rabatt.

Klassische Scheduling-Theorie

Ein wachsendes Beispiel von einer Maschine bis zum allgemeinen Ressourcenmodell: elf Stücke, jedes hebt genau eine Annahme des vorigen auf.

Warteschlangentheorie und Simulation

Ein Terminal-Gate, dreizehn Stücke und ein Zusatzstück: jedes hebt genau eine Annahme der Formel davor auf, bis zum Netz aus Gate, Kran und Stapel und seinem Ersatzmodell.

Optimierung unter Unsicherheit

Eine Kapazität, die vor der unbekannten Nachfrage gewählt wird, sechs Stücke: vom Wert der Information über Stichprobe, CVaR, Robustheit und Garantie bis zur rollierenden Planung.

Bayessche Optimierung und Gauß-Prozesse

Eine teure Simulation, sieben Stücke: vom Gauß-Prozess und der erwarteten Verbesserung über Rauschen und Nebenbedingungen bis zu hohen Dimensionen, parallelen Läufen und mehreren Genauigkeiten.

Mehrkriterien-Ranking

Eine neutrale Entscheidungsmatrix, fünfzehn Stücke: von der Pareto-Dominanz über Gewichte, AHP, TOPSIS und Outranking bis zu unsicheren Gewichten, DEA, Gruppen und dem Verfahrensvergleich.

Komplexitätsklassen

Was sagt es aus, wenn ein Problem als NP-schwer gilt, und welcher Ausweg passt zu welchem Grund der Härte? Zehn Stücke über Reduktionen, typische Instanzen, große Zahlen, Garantien, Parameter, Zufall, Zählen, Spiele und lokale Optima.