Die Glockenkurve

Die Normalverteilung (auch Gauß-Verteilung) wird durch ihre glockenförmige Dichtefunktion beschrieben. Sie ist symmetrisch um den Erwartungswert \(\mu\) und wird durch zwei Parameter bestimmt.

Dichtefunktion der Normalverteilung
\(f(x) = \frac{1}{\sigma \sqrt{2\pi}} \cdot e^{-\frac{1}{2}\left(\frac{x - \mu}{\sigma}\right)^2}\)

\(\mu\) = Erwartungswert (Lage), \(\sigma\) = Standardabweichung (Streuung)

Schreibweise: \(X \sim N(\mu, \sigma^2)\) bedeutet: \(X\) ist normalverteilt mit Erwartungswert \(\mu\) und Varianz \(\sigma^2\).

Beispiel: Körpergröße

Die Körpergröße von erwachsenen Männern in Österreich ist annähernd normalverteilt mit \(\mu = 178\) cm und \(\sigma = 7\) cm.

\(X \sim N(178, 49)\)

Die meisten Männer sind zwischen 171 cm und 185 cm groß (ein \(\sigma\)-Bereich um \(\mu\)).

Parameter \(\mu\) und \(\sigma\)

Die beiden Parameter bestimmen Form und Lage der Glockenkurve:

ParameterWirkungÄnderung
\(\mu\) (Erwartungswert)Lage der KurveVerschiebt die Kurve nach links oder rechts
\(\sigma\) (Standardabweichung)Breite der KurveKleines \(\sigma\): schmal und hoch; großes \(\sigma\): breit und flach

Eigenschaften der Normalverteilung:

- Symmetrisch um \(\mu\)

- Maximum bei \(x = \mu\)

- Wendepunkte bei \(x = \mu \pm \sigma\)

- Die Fläche unter der gesamten Kurve beträgt 1

Standardnormalverteilung

Die Standardnormalverteilung hat \(\mu = 0\) und \(\sigma = 1\). Jede Normalverteilung kann durch Standardisierung (z-Transformation) in die Standardnormalverteilung überführt werden.

z-Transformation
\(z = \frac{x - \mu}{\sigma}\)

Der z-Wert gibt an, wie viele Standardabweichungen \(x\) vom Erwartungswert entfernt ist.

Beispiel: z-Wert berechnen

Körpergröße: \(\mu = 178\) cm, \(\sigma = 7\) cm. Ein Mann ist 192 cm groß.

\(z = \frac{192 - 178}{7} = \frac{14}{7} = 2\)

Er ist 2 Standardabweichungen über dem Durchschnitt.

Die 68-95-99,7-Regel

Diese wichtige Faustregel gibt an, welcher Anteil der Werte in bestimmten Bereichen um den Erwartungswert liegt:

Sigma-Regeln
\(P(\mu - \sigma \leq X \leq \mu + \sigma) \approx 68{,}3\%\)
\(P(\mu - 2\sigma \leq X \leq \mu + 2\sigma) \approx 95{,}4\%\)
\(P(\mu - 3\sigma \leq X \leq \mu + 3\sigma) \approx 99{,}7\%\)
Beispiel: Sigma-Regeln anwenden

Körpergröße: \(\mu = 178\) cm, \(\sigma = 7\) cm.

Ca. 68 % der Männer sind zwischen \(178 - 7 = 171\) cm und \(178 + 7 = 185\) cm groß.

Ca. 95 % sind zwischen \(178 - 14 = 164\) cm und \(178 + 14 = 192\) cm groß.

Ca. 99,7 % sind zwischen \(178 - 21 = 157\) cm und \(178 + 21 = 199\) cm groß.

Übungen

Aufgabe 1Leicht

Welche Parameter bestimmen die Normalverteilung?

Aufgabe 2Leicht

Wie groß ist nach der 68-95-99,7-Regel der Anteil der Werte im Bereich \([\mu - 2\sigma; \mu + 2\sigma]\)?

Aufgabe 3Mittel

\(X \sim N(100, 225)\). Wie groß ist die Standardabweichung \(\sigma\)?

Aufgabe 4Mittel

\(X \sim N(50, 16)\). Berechne den z-Wert für \(x = 58\).

Aufgabe 5Schwer

Die Füllmenge einer Maschine ist normalverteilt mit \(\mu = 500\) ml und \(\sigma = 5\) ml. In welchem Bereich liegen ca. 99,7 % aller Füllungen?

🎯 Dein Ergebnis
0 / 5 richtig