Einführung in die Normalverteilung
Die 68-95-99,7-Regel verstehen
Die Körpergröße erwachsener Männer in einem Land ist normalverteilt mit Mittelwert $\mu = 175$ cm und Standardabweichung $\sigma = 7$ cm. Welcher Prozentsatz der Männer ist zwischen 168 cm und 182 cm groß?
Bestimme die Grenzen in Standardabweichungen: $168 = 175 - 7 = \mu - 1\sigma$ $182 = 175 + 7 = \mu + 1\sigma$ = Wir betrachten $\pm 1$ Standardabweichung vom Mittelwert
Wende die 68-95-99,7-Regel an: Innerhalb 1 Standardabweichung vom Mittelwert: 68% Innerhalb 2 Standardabweichungen: 95% Innerhalb 3 Standardabweichungen: 99,7% = 68% der Daten liegen innerhalb 1 Standardabweichung
Formuliere die Antwort: Da 168 cm und 182 cm genau 1 Standardabweichung vom Mittelwert entfernt sind = Ungefähr 68% der Männer sind zwischen 168 cm und 182 cm groß
Answer: Ungefähr 68% der erwachsenen Männer haben eine Körpergröße zwischen 168 cm und 182 cm.
Z-Werte berechnen
Bei einem standardisierten Test sind die Ergebnisse normalverteilt mit $\mu = 500$ und $\sigma = 100$. Ein Schüler erreicht 650 Punkte. Was ist sein z-Wert und was bedeutet er?
Schreibe die z-Wert-Formel: $Z = \frac{X - \mu}{\sigma}$ = Formel zur Umrechnung des Rohwertes in einen z-Wert
Setze die Werte ein: $Z = \frac{650 - 500}{100}$ = $Z = \frac{150}{100}$
Berechne: $Z = 1{,}5$ = Der z-Wert beträgt 1,5
Interpretiere das Ergebnis: Ein z-Wert von 1,5 bedeutet, dass der Schüler 1,5 Standardabweichungen über dem Mittelwert liegt = Dies ist ein starkes Ergebnis, besser als etwa 93% der Testteilnehmer
Answer: Der z-Wert beträgt $Z = 1{,}5$, was bedeutet, dass der Schüler 1,5 Standardabweichungen über dem Durchschnitt liegt.
Werte aus z-Werten finden
Die Gewichte von Äpfeln aus einem Obstgarten sind normalverteilt mit $\mu = 180$ g und $\sigma = 20$ g. Welches Gewicht entspricht dem 84. Perzentil (z-Wert ungefähr 1)?
Verwende die nach X aufgelöste z-Wert-Formel: $X = \mu + Z \cdot \sigma$ = Umgestellte Formel zur Berechnung des Rohwertes
Setze die Werte ein: $X = 180 + 1 \cdot 20$ = $X = 180 + 20$
Berechne: $X = 200$ g = Das Gewicht am 84. Perzentil beträgt 200 g
Interpretiere: Ein Apfel mit 200 g ist schwerer als etwa 84% aller Äpfel aus diesem Obstgarten = Nur etwa 16% der Äpfel sind schwerer
Answer: Ein Apfel am 84. Perzentil wiegt 200 g.
Mistake: Verwechslung von Standardabweichung und Varianz
Why: Die Varianz ($\sigma^2$) ist das Quadrat der Standardabweichung. Die Verwendung der Varianz statt der Standardabweichung bei z-Wert-Berechnungen führt zu falschen Ergebnissen.
Correct: Verwende immer die Standardabweichung ($\sigma$) in der z-Wert-Formel: $Z = \frac{X - \mu}{\sigma}$
Mistake: Vergessen, dass die Normalverteilung symmetrisch ist
Why: Schüler berechnen manchmal Wahrscheinlichkeiten nur für eine Seite und vergessen die Symmetrie zu berücksichtigen.
Correct: Die Wahrscheinlichkeit, mehr als 2 Standardabweichungen über dem Mittelwert zu liegen (2,5%), entspricht der Wahrscheinlichkeit, mehr als 2 Standardabweichungen unter dem Mittelwert zu liegen (2,5%).
Mistake: Anwendung der 68-95-99,7-Regel auf nicht-normale Verteilungen
Why: Diese Regel gilt nur für Normalverteilungen. Andere Verteilungen können sehr unterschiedliche Prozentsätze haben.
Correct: Überprüfe zuerst, ob deine Daten einer Normalverteilung folgen, bevor du diese Regeln anwendest.
Mistake: Denken, ein negativer z-Wert sei schlecht
Why: Ein negativer z-Wert bedeutet einfach, dass der Wert unter dem Mittelwert liegt, nicht dass er falsch oder ungültig ist.
Correct: Z-Werte können positiv (über dem Mittelwert) oder negativ (unter dem Mittelwert) sein. Der Kontext bestimmt, ob höher oder niedriger wünschenswert ist.
Qualitätskontrolle in der Fertigung
Fabriken nutzen Normalverteilungen zur Überwachung der Produktqualität und zur Festlegung akzeptabler Toleranzbereiche.
Eine Schraubenfabrik produziert Schrauben mit mittlerem Durchmesser $\mu = 10{,}00$ mm und $\sigma = 0{,}02$ mm. Schrauben außerhalb von $\pm 3\sigma$ (9,94 mm bis 10,06 mm) werden als fehlerhaft aussortiert.
Medizinische Tests und Diagnose
Ärzte nutzen Normalverteilungen zur Interpretation von medizinischen Testergebnissen und zur Bestimmung, was als gesund oder abnormal gilt.
Blutdruckwerte sind annähernd normalverteilt. Ein Wert, der mehr als 2 Standardabweichungen über dem Bevölkerungsmittelwert liegt, kann auf Bluthochdruck hindeuten.
Die Normalverteilung ist eine symmetrische, glockenförmige Kurve, definiert durch Mittelwert ($\mu$) und Standardabweichung ($\sigma$)
Die **68-95-99,7-Regel**: 68% der Daten liegen innerhalb von $\pm 1\sigma$, 95% innerhalb von $\pm 2\sigma$, 99,7% innerhalb von $\pm 3\sigma$
**Z-Wert-Formel**: $Z = \frac{X - \mu}{\sigma}$ zeigt, wie viele Standardabweichungen ein Wert vom Mittelwert entfernt ist
Die Standardnormalverteilung hat $\mu = 0$ und $\sigma = 1$
Normalverteilungen erscheinen bei Körpergrößen, Testergebnissen, Messfehlern und vielen natürlichen Phänomenen
Q: Warum heißt sie Glockenkurve?
A: Die Form des Normalverteilungsgraphen ähnelt einer Glocke – breit in der Mitte, wo die meisten Werte vorkommen, und symmetrisch abflachend an beiden Enden, wo extreme Werte selten sind.
Q: Kann ein z-Wert negativ sein?
A: Ja! Ein negativer z-Wert bedeutet, dass der Wert unter dem Mittelwert liegt. Zum Beispiel bedeutet z = -1,5, dass der Wert 1,5 Standardabweichungen unter dem Durchschnitt liegt. Das ist nicht schlecht – es hängt vom Kontext ab.
Q: Was ist der Unterschied zwischen Normal- und Standardnormalverteilung?
A: Jede Normalverteilung kann einen beliebigen Mittelwert und eine beliebige Standardabweichung haben. Die Standardnormalverteilung hat speziell Mittelwert = 0 und Standardabweichung = 1. Wir wandeln mit z-Werten in die Standardnormalverteilung um.
Q: Folgen alle Daten einer Normalverteilung?
A: Nein. Einkommensverteilungen sind typischerweise schief (nicht symmetrisch). Anzahlen und Anteile folgen anderen Verteilungen. Überprüfe immer, ob Normalität eine vernünftige Annahme für deine Daten ist.
Einführung in die Normalverteilung
1 / 11
Einführung in die Normalverteilung
Lerne die Glockenkurve kennen – die wichtigste Wahrscheinlichkeitsverteilung in der Statistik.