For AI agents: use /llms.txt for the Nakafa content index.
Messwerte wie die Körpergröße von Menschen oder wiederholte Laborergebnisse häufen sich oft um einen Mittelwert. Für manche Populationen und unter passenden Bedingungen kann eine Normalverteilung dieses Muster annähern. Ob das Modell geeignet ist, muss dennoch anhand der Daten geprüft werden.
Im Jahr leitete Abraham de Moivre eine Normalapproximation der Binomialverteilung für große her. Pierre-Simon Laplace erweiterte das Ergebnis später. Heute ist es mit dem Satz von de Moivre-Laplace und der Entwicklung des zentralen Grenzwertsatzes verbunden.
Die Normalverteilung ist ein Modell und kein Gesetz, dem jeder Datensatz folgt. Sie ist geeignet, wenn die Beobachtungen ungefähr symmetrisch um einen Mittelwert liegen und das Modell die Daten für die untersuchte Frage ausreichend gut beschreibt.
Die Dichtefunktion der Normalverteilung bildet eine symmetrische Glockenkurve. Die folgende Visualisierung zeigt die Standardnormalverteilung mit μ=0 und σ=1:
Die Kurve besitzt vier kennzeichnende Eigenschaften:
-
Form und Symmetrie
Die Kurve ist glockenförmig und symmetrisch zur vertikalen Linie, die durch den Mittelwert (μ) verläuft. Das bedeutet, dass der linke und der rechte Teil der Kurve perfekte Spiegelbilder voneinander sind.
-
Zentraler Punkt
Die Normaldichte ist symmetrisch und besitzt genau einen Gipfel. Daher fallen Mittelwert, Median und Modus bei μ zusammen.
-
Wendepunkte
Die Kurve hat Wendepunkte bei x=μ±σ, was bedeutet, dass sich die Kurve in einem Abstand von einer Standardabweichung vom Mittelwert von konkav zu konvex (oder umgekehrt) ändert.
-
Horizontale Asymptote
Die Dichte bleibt für jedes endliche x positiv und nähert sich 0, wenn x gegen eine der beiden Unendlichkeiten strebt.
Die folgende Formel gibt die Wahrscheinlichkeitsdichte an jeder Stelle x an.
Ist X normalverteilt mit Mittelwert μ, Varianz σ2 und σ>0, lautet die Dichtefunktion:
für −∞<x<∞.
- π≈3,1416 ist die Kreiszahl
- e≈2,7183 ist die Eulersche Zahl
- μ ist der Mittelwert der Verteilung
- σ>0 ist die Standardabweichung
Der Parameter μ verschiebt das Zentrum der Kurve, während σ ihre Streuung bestimmt. Wahrscheinlichkeiten entsprechen Flächen unter der Dichtekurve, nicht der Höhe f(x) an einem einzelnen Punkt.
In der Praxis verwenden wir häufig die Standardnormalverteilung mit Mittelwert μ=0 und Standardabweichung σ=1. Um eine reguläre Normalverteilung in eine Standardnormalverteilung umzuwandeln, verwenden wir die Transformation:
Die Variable Z heißt Standardwert oder z-Wert. Sie gibt an, wie viele Standardabweichungen x über oder unter dem Mittelwert liegt. Dadurch kann dieselbe Standardnormalverteilungstabelle für jede Normalverteilung verwendet werden.
Mit dieser Transformation lassen sich Werte aus verschiedenen Verteilungen vergleichen. So können etwa Mathematik- und Physikergebnisse trotz unterschiedlicher Mittelwerte und Standardabweichungen auf derselben Skala eingeordnet werden.
Angenommen, X ist normalverteilt mit μ=50 und σ=10. Gesucht ist die Wahrscheinlichkeit, dass X zwischen 45 und 62 liegt.
Schritt 1: In z-Werte umwandeln
Schritt 2: Standardnormalverteilungstabelle verwenden
Das standardisierte Intervall lautet P(−0,5<Z<1,2). Von der kumulierten Wahrscheinlichkeit an der oberen Grenze wird die kumulierte Wahrscheinlichkeit an der unteren Grenze abgezogen:
Aus der Standardnormalverteilungstabelle:
-
P(Z<−0,5)=0,3085
-
P(Z<1,2)=0,8849
Schritt 3: Endgültige Wahrscheinlichkeit berechnen
Die Wahrscheinlichkeit, dass X zwischen 45 und 62 liegt, beträgt also 0,5764 oder ungefähr 57,64%.
