# Winsorisierter-Mittelwert-Rechner Berechnet einen winsorisierten Mittelwert durch Begrenzen niedriger und hoher Extremwerte vor dem Mitteln > Kanonische Seite: https://elysiatools.com/de/tools/winsorized-mean-calculator - **Kategorie:** Math & Numbers - **Schlagwörter:** winsorisierter mittelwert, statistik, ausreisser, robust ## Überblick Sortiert Daten, ersetzt Extremwerte durch die nachsten behaltenen Grenzen und mittelt. Geeignet, wenn Ausreisser begrenzt, aber nicht entfernt werden sollen. ## Eingaben - **Datensatz** (textarea): e.g. 10, 12, 14, 16, 18, 100 - **Winsor-Prozent je Seite** (number) - **Dezimalstellen** (number) - **Winsorisierte Daten einschliessen** (checkbox) ## Wann verwenden - Wenn Sie einen Durchschnitt berechnen möchten, der nicht durch extreme Ausreißer verfälscht wird. - Wenn Sie die Stichprobengröße Ihres Datensatzes beibehalten müssen, anstatt Extremwerte komplett zu entfernen. - Wenn Sie Finanzdaten, Testergebnisse oder Messreihen mit starken Schwankungen an den Rändern analysieren. ## Funktionsweise - Geben Sie Ihre Zahlenreihe in das Textfeld ein (z. B. durch Kommas oder Leerzeichen getrennt). - Legen Sie den Winsor-Prozentsatz fest, um zu bestimmen, wie viele Datenpunkte an beiden Enden begrenzt werden sollen. - Das Tool sortiert die Daten, ersetzt die Extremwerte durch die Werte an den festgelegten Prozentgrenzen und berechnet den neuen Durchschnitt. - Optional können Sie sich den angepassten (winsorisierten) Datensatz in der Ausgabe anzeigen lassen. ## Anwendungsfälle - Analyse von Gehaltsstrukturen oder Immobilienpreisen, bei denen wenige extrem hohe Werte den Durchschnitt verzerren. - Auswertung von Labor- oder Sensordaten, bei denen Messfehler zu unrealistischen Spitzenwerten führen. - Berechnung der durchschnittlichen Rendite von Anlageportfolios unter Ausschluss extremer Marktschwankungen. ## Häufig gestellte Fragen ### Was ist der Unterschied zwischen einem winsorisierten und einem getrimmten Mittelwert? Beim getrimmten Mittelwert werden die Ausreißer komplett aus dem Datensatz entfernt. Beim winsorisierten Mittelwert werden sie durch den nächstgelegenen Wert innerhalb der festgelegten Grenzen ersetzt, sodass die Anzahl der Datenpunkte gleich bleibt. ### Welcher Winsor-Prozentsatz ist üblich? Häufig werden 10 % oder 20 % pro Seite verwendet. Ein Wert von 10 % bedeutet, dass die unteren 10 % und die oberen 10 % der Daten durch das 10. bzw. 90. Perzentil ersetzt werden. ### Wie formatiere ich meinen Datensatz für die Eingabe? Sie können die Zahlen einfach als Liste eingeben, getrennt durch Kommas, Leerzeichen oder Zeilenumbrüche (z. B. 10, 12, 14, 16, 18, 100). ### Kann ich die Anzahl der Dezimalstellen im Ergebnis anpassen? Ja, Sie können die gewünschte Anzahl der Dezimalstellen (zwischen 0 und 10) in den Einstellungen festlegen. Standardmäßig sind 4 Dezimalstellen eingestellt. ### Warum sollte ich Ausreißer begrenzen statt löschen? Das Begrenzen (Winsorisieren) erhält die statistische Power und die ursprüngliche Stichprobengröße, was besonders bei kleinen Datensätzen wichtig ist, während gleichzeitig die Verzerrung durch Extremwerte reduziert wird. ## Ähnliche Tools - [Durchschnittsrechner](https://elysiatools.com/de/tools/average-calculator): Vergleicht arithmetisches, geometrisches und harmonisches Mittel in einem Datensatz - [Konfidenzintervall-Rechner](https://elysiatools.com/de/tools/confidence-interval-calculator): Berechnet Konfidenzintervalle für Stichprobenmittelwerte oder Anteile anhand von Rohdaten oder zusammengefassten Kennzahlen - [Geometrischer-Mittelwert-Rechner](https://elysiatools.com/de/tools/geometric-mean-calculator): Berechnet das geometrische Mittel positiver Werte fur Wachstumsraten, Verhaltnisse und multiplikative Daten - [Harmonisches-Mittel-Rechner](https://elysiatools.com/de/tools/harmonic-mean-calculator): Berechnet das harmonische Mittel positiver Werte mit optionalem Mittelwertvergleich - [Wärmetauscher-LMTD-Rechner (logarithmische mittlere Temperaturdifferenz)](https://elysiatools.com/de/tools/heat-exchanger-lmtd): Berechnet die LMTD (logarithmische mittlere Temperaturdifferenz) eines Wärmetauschers: Gleichstrom ΔT₁=T_h,in-T_c,in, ΔT₂=T_h,out-T_c,out; Gegenstrom ΔT₁=T_h,in-T_c,out, ΔT₂=T_h,out-T_c,in. LMTD=(ΔT₁-ΔT₂)/ln(ΔT₁/ΔT₂); bei ΔT₁=ΔT₂ wird ΔT₁ verwendet; ist ein ΔT ≤ 0, liegt ein Temperaturüberkreuzung vor (physikalisch unmöglich) und es wird ein Fehler ausgegeben. Optional liefern der Wärmedurchgangskoeffizient U (W/(m²·K)) und die Fläche A (m²) den Wärmestrom Q=U·A·LMTD (W). Temperaturen werden nur als Differenzen verwendet: Δ°C=ΔK, °F-Differenz×5/9=ΔK; die LMTD wird in K angegeben. - [Mittelwert-Rechner](https://elysiatools.com/de/tools/mean-calculator): Berechnet den arithmetischen Mittelwert eines Datensatzes mit den wichtigsten Zusatzwerten - [Normalverteilungsrechner](https://elysiatools.com/de/tools/normal-distribution-calculator): Berechnet Z-Scores, kumulative Wahrscheinlichkeit, Randwahrscheinlichkeit und Intervallwahrscheinlichkeit für eine Normalverteilung - [Statistik-Rechner](https://elysiatools.com/de/tools/statistics-calculator): Berechnet statistische Maße für numerische Datensätze einschließlich Mittelwert, Median, Modus, Standardabweichung und mehr ## Beispiele - [Android Java Bildverarbeitungsbeispiele](https://elysiatools.com/de/samples/android-image-processing-java): Android Java Bildverarbeitungsbeispiele einschließlich Lesen/Schreiben, Skalierung und Formatkonvertierung - [Android Kotlin Bildverarbeitungsbeispiele](https://elysiatools.com/de/samples/android-image-processing-kotlin): Android Kotlin Bildverarbeitungsbeispiele einschließlich Lesen/Schreiben, Skalierung und Formatkonvertierung - [Web Python Bildverarbeitung Beispiele](https://elysiatools.com/de/samples/web-image-processing-python): Web Python Bildverarbeitungsbeispiele mit PIL/Pillow einschließlich Lesen, Speichern, Skalieren und Formatkonvertierung - [Web Rust Bildverarbeitungsbeispiele](https://elysiatools.com/de/samples/web-image-processing-rust): Web Rust Bildverarbeitungsbeispiele einschließlich Lesen/Schreiben, Skalierung und Formatkonvertierung ## Verwandte Inhalte - [Workflows fuer Datenqualitaet und Anomalieuntersuchung](https://elysiatools.com/de/hubs/data-quality-anomaly-workflows): Profilieren Sie tabellarische Daten, isolieren Sie Duplikate, Fehlwerte, Referenzbrueche, Ausreisser und Zeitreihenanomalien und machen Sie daraus belastbare Qualitaetsnachweise.