Was ist der Mittelwert bei einer Normalverteilung?

Der Mittelwert (auch Erwartungswert µ) gibt bei einer Normalverteilung an, wo das Zentrum der Glockenkurve liegt. Die meisten Werte häufen sich symmetrisch um diesen Punkt. Bei einem IQ-Mittelwert von µ = 100 liegt der Gipfel der Glockenkurve genau bei 100 – höhere und niedrigere IQ-Werte treten entsprechend seltener auf. Zusammen mit der Standardabweichung σ bestimmt µ die Form und Lage der gesamten Verteilung vollständig.

Wie berechnest du den Erwartungswert µ mit dem Taschenrechner?

Du stellst eine Gleichung mit dem normCdf-Befehl auf: z. B. normCdf(-10000, k, µ, σ) = p , wobei µ die Unbekannte ist. Anschließend verwendest du die solve()-Funktion deines Taschenrechners: solve(normCdf(-10000, k, x, σ) = p, x) . Alternativ kannst du µ durch systematisches Probieren eingrenzen – dabei erhöhst du µ, wenn die berechnete Wahrscheinlichkeit zu niedrig ist, und verringerst es, wenn sie zu hoch ist.

Was sagt die Standardabweichung σ über eine Normalverteilung aus?

Die Standardabweichung σ misst, wie weit die Werte im Durchschnitt vom Mittelwert abweichen. Eine kleine σ bedeutet, dass die Ergebnisse eng beieinander liegen und der Prozess sehr präzise ist. Eine große σ zeigt starke Streuung und geringere Vorhersagbarkeit. In der Qualitätskontrolle gilt: Je kleiner σ, desto konsistenter und zuverlässiger ist ein Produktionsprozess.

Was ist die Sigma-Regel und wann wendest du sie an?

Die Sigma-Regel (auch empirische Regel oder 68-95-99,7-Regel) besagt, dass bei jeder Normalverteilung ca. 68 % aller Werte im Intervall [µ − σ; µ + σ] liegen, ca. 95 % im Intervall [µ − 2σ; µ + 2σ] und ca. 99,7 % im Intervall [µ − 3σ; µ + 3σ] . Du wendest sie an, wenn du schnell abschätzen willst, wie wahrscheinlich bestimmte Wertebereiche sind – ohne den Taschenrechner.

Wie löst du zweistufige Aufgaben zur Normalverteilung?

Zweistufige Aufgaben löst du in zwei Teilen: Im ersten Teil berechnest du den fehlenden Parameter (µ oder σ) aus einer gegebenen Wahrscheinlichkeit – mit normCdf und der solve() -Funktion. Im zweiten Teil kennst du nun beide Parameter und berechnest damit eine neue, gesuchte Wahrscheinlichkeit direkt mit normCdf(untere Grenze, obere Grenze, µ, σ) . Der Schlüssel ist, die Aufgabe sauber in diese zwei Phasen aufzuteilen.

Normalverteilung: µ und σ berechnen

Hast du dich jemals gefragt, warum es deine Schuhgröße fast immer gibt, aber extrem große oder kleine Größen schwer zu finden sind? Oder wie Netflix weiß, welche Serien sie produzieren müssen, um die meisten Leute zu begeistern? Die Antwort ist die Normalverteilung, auch bekannt als die „Glockenkurve". Sie ist sozusagen der geheime Bauplan hinter unzähligen Dingen im Leben – von Körpergrößen über Testergebnisse bis hin zur Füllmenge deiner Chipstüte. Wenn du verstehst, wie man mit dem Mittelwert (dem „typischen" Wert) und der Standardabweichung (der „üblichen" Streuung) umgeht, knackst du den Code. Du kannst dann vorhersagen, wie wahrscheinlich bestimmte Ereignisse sind. Das ist kein Raten, das ist Mathe – und es ist wie ein Cheat-Code für das Verstehen der Welt um dich herum.

Vorwissen

Bevor wir starten, wiederholen wir kurz die Grundlagen der Normalverteilung:

Normalverteilung (Glockenkurve): Eine symmetrische Verteilung, bei der die meisten Werte in der Mitte um den Durchschnitt liegen. Sie wird vollständig durch zwei Parameter beschrieben: den Erwartungswert und die Standardabweichung.

Erwartungswert (µ): Der Mittelwert oder Durchschnitt einer Verteilung. Er gibt an, wo das Zentrum der Glockenkurve liegt.
- Beispiel: Wenn der erwartete IQ in einer Bevölkerung $\mu = 100$ ist, liegt der Gipfel der Glockenkurve bei 100.
Standardabweichung ( $\sigma$ ): Ein Maß für die Streuung der Werte um den Mittelwert. Eine kleine Standardabweichung bedeutet, die Werte liegen eng beieinander (spitze Kurve). Eine große bedeutet, sie sind weit verstreut (flache Kurve).
- Beispiel: Eine Klasse mit $\sigma = 5$ Punkten in einem Test hat homogenere Ergebnisse als eine Klasse mit $\sigma = 15$ Punkten.
Wahrscheinlichkeit $P(a \leq X \leq b)$ : Die Wahrscheinlichkeit, dass eine Zufallsvariable X einen Wert zwischen a und b annimmt. Dies entspricht der Fläche unter der Glockenkurve zwischen a und b.
- Beispiel: $P(170 \le \text{Körpergröße} \le 180)$ ist die Wahrscheinlichkeit, zwischen 170 cm und 180 cm groß zu sein.
Taschenrechner-Befehl (normCdf): Die meisten Taschenrechner haben eine Funktion, um Wahrscheinlichkeiten einer Normalverteilung zu berechnen. Der Befehl lautet oft normCdf oder Normal.Cdf.
- Syntax: $normCdf(\text{untere Grenze, obere Grenze, } \mu, \sigma)$
- Beispiel: normCdf(170, 180, 175, 7) berechnet die Wahrscheinlichkeit, bei $\mu=175$ und $\sigma=7$ einen Wert zwischen 170 und 180 zu erhalten.

Aufgabentyp 1: Fehlenden Erwartungswert (µ) aus einer Wahrscheinlichkeit berechnen

Manchmal kennen wir das Ergebnis eines Prozesses, aber nicht den genauen Durchschnittswert, auf den er eingestellt ist. Stell dir vor, eine Maschine füllt Zuckertüten. Wir wissen, wie stark die Füllmengen schwanken (Standardabweichung σ), und wir wissen, dass 15% der Tüten weniger als 490 g enthalten. Aber wir kennen nicht den genauen Mittelwert µ, den die Maschine anstrebt.

Die Aufgabe ist es, diesen unbekannten Erwartungswert µ zu finden. Wir nutzen die gegebene Wahrscheinlichkeit, um eine Gleichung aufzustellen und diese dann nach µ aufzulösen.

Die zentrale Gleichung lautet: $P(X \le k) = p$

Mit dem Taschenrechner ausgedrückt: $\text{normCdf}(\text{untere Grenze, obere Grenze, } \mu, \sigma) = p$

Hier ist µ die Unbekannte, die wir suchen. Dafür gibt es zwei gängige Methoden:

Solver-Funktion des Taschenrechners: Die schnellste Methode. Man gibt die Gleichung ein und der Taschenrechner löst sie automatisch.
Systematisches Probieren: Man setzt verschiedene Werte für µ ein und nähert sich schrittweise der Lösung an. Das hilft, das Verständnis für den Zusammenhang zwischen µ und der Wahrscheinlichkeit zu vertiefen.

Schritt-für-Schritt-Anleitung

Informationen identifizieren: Lies die Aufgabe sorgfältig und notiere Standardabweichung σ, die Bedingung (z. B. „höchstens k Gramm"), die Wahrscheinlichkeit p und den gesuchten Erwartungswert µ.
Gleichung aufstellen: Übersetze die Textinformation in eine mathematische Form mit dem normCdf-Befehl: „Höchstens k": $\text{normCdf}(-\infty, k, \mu, \sigma) = p$ – „Mindestens k": $\text{normCdf}(k, +\infty, \mu, \sigma) = p$ .
Gleichung nach µ auflösen: Nutze entweder die solve()-Funktion des Taschenrechners (empfohlen) oder systematisches Probieren.
Antwort formulieren: Gib die Antwort im Sachzusammenhang an, z. B.: „Der Erwartungswert muss auf mindestens 251,1 g eingestellt werden."

Tipp: Für $-\infty$ und $+\infty$ kannst du sehr kleine bzw. große Zahlen wie -10000 und 10000 verwenden.

Durchgerechnete Beispiele

Beispiel 1

Aufgabe

Ein Unternehmen füllt Honiggläser ab. Die Füllmenge ist normalverteilt mit einer Standardabweichung von $\sigma = 1 \text{ g}$ . Die Wahrscheinlichkeit, dass ein Glas weniger als $250 \text{ g}$ enthält, soll höchstens $15\%$ betragen. Auf welchen Wert muss die mittlere Füllmenge $\mu$ mindestens eingestellt werden?

Fortschritt

3 / 3

1
Schritt 1
Informationen identifizieren
- Standardabweichung: $\sigma = 1 \text{ g}$
- Bedingung: „weniger als $250 \text{ g}$ ", also $X < 250$ . Da es eine stetige Verteilung ist, ist das gleichbedeutend mit $X \le 250$ .
- Wahrscheinlichkeit: „höchstens $15\%$ ", also $P(X \le 250) \le 0{,}15$ .
- Gesucht: Der minimale Erwartungswert µ.
Schritt 2
Ungleichung aufstellen
Wir suchen den Grenzfall, also setzen wir die Wahrscheinlichkeit gleich 15%. $P(X \le 250) = 0{,}15$ Als Taschenrechner-Befehl: normCdf(-10000, 250, µ, 1) = 0.15
3
Schritt 3 · Ergebnis
Gleichung nach µ auflösen (mit systematischem Probieren)
Wir wissen, dass der Wert nahe bei 250 liegen muss. Probieren wir ein paar Werte für µ:
- Versuch 1: $\mu = 251{,}0$ . normCdf(-10000, 250, 251.0, 1) $\approx 0{,}1587$ (15,87%). Das ist zu hoch.
- Da die Wahrscheinlichkeit zu hoch ist, müssen wir die Glockenkurve nach rechts verschieben, also µ erhöhen.
- Versuch 2: $\mu = 251{,}1$ . normCdf(-10000, 250, 251.1, 1) $\approx 0{,}1357$ (13,57%). Das ist kleiner als 15% und erfüllt die Bedingung.
Der kleinste Wert für µ (auf 0,1 g genau), der die Bedingung erfüllt, ist also 251,1 g.

Ergebnis:

Der Erwartungswert der Füllmenge muss auf mindestens 251,1 g eingestellt werden.

Beispiel 2

Aufgabe

Die Lebensdauer von Akkus ist normalverteilt mit einer Standardabweichung von $\sigma = 4$ Monaten. Der Hersteller möchte, dass höchstens $5\%$ der Akkus weniger als 24 Monate halten. Welchen mittleren Wert $\mu$ für die Lebensdauer muss der Hersteller mindestens anstreben?

Fortschritt

3 / 3

1
Schritt 1
Informationen identifizieren
- Standardabweichung: $\sigma = 4$ Monate
- Bedingung: $X \le 24$ Monate
- Wahrscheinlichkeit: $P(X \le 24) \le 0{,}05$
- Gesucht: Minimaler Erwartungswert µ.
Schritt 2
Gleichung aufstellen
Wir suchen den Grenzwert: $P(X \le 24) = 0{,}05$ normCdf(-10000, 24, µ, 4) = 0.05
Schritt 3 · Ergebnis
Gleichung nach µ auflösen (mit Solver)
Wir verwenden die Solver-Funktion des Taschenrechners: solve(normCdf(-10000, 24, x, 4) = 0.05, x)

Der Taschenrechner liefert $x \approx 30{,}58$ .

Ergebnis:

Der Hersteller muss eine mittlere Lebensdauer von mindestens ca. 30,6 Monaten anstreben.

Beispiel 3

Aufgabe

Die Zeit für den 100-Meter-Lauf von Sportstudenten ist normalverteilt mit $\sigma = 0{,}5$ Sekunden. Es ist bekannt, dass $20\%$ der Studenten länger als 12 Sekunden benötigen. Was ist die mittlere Laufzeit $\mu$ ?

Fortschritt

3 / 3

1
Schritt 1
Informationen identifizieren
- Standardabweichung: $\sigma = 0{,}5$ s
- Bedingung: $X > 12$ s
- Wahrscheinlichkeit: $P(X > 12) = 0{,}20$
- Gesucht: Erwartungswert µ.
Schritt 2
Gleichung aufstellen
$P(X > 12) = 0{,}20$ normCdf(12, 10000, µ, 0.5) = 0.20
Schritt 3 · Ergebnis
Gleichung nach µ auflösen (mit Solver)
solve(normCdf(12, 10000, x, 0.5) = 0.20, x)

Der Taschenrechner liefert $x \approx 11{,}58$ .

Ergebnis:

Die mittlere Laufzeit der Sportstudenten beträgt ca. 11,6 Sekunden.

Beispiel 4

Aufgabe

Der IQ ist in einer Population normalverteilt mit einer Standardabweichung von $\sigma = 15$ . Wenn $2{,}5\%$ der Bevölkerung einen IQ von über 130 haben, was ist der mittlere IQ $\mu$ dieser Population?

Fortschritt

3 / 3

1
Schritt 1
Informationen identifizieren
- Standardabweichung: $\sigma = 15$
- Bedingung: $X > 130$
- Wahrscheinlichkeit: $P(X > 130) = 0{,}025$
- Gesucht: Erwartungswert µ.
Schritt 2
Gleichung aufstellen
$P(X > 130) = 0{,}025$ $normCdf(130, 10000, \mu, 15) = 0.025$
Schritt 3 · Ergebnis
Gleichung nach µ auflösen (mit Solver)
$solve(normCdf(130, 10000, x, 15) = 0.025, x)$

Der Taschenrechner liefert $x \approx 100{,}6$ . Da der IQ-Mittelwert üblicherweise auf 100 normiert ist, runden wir auf 100.

Ergebnis:

Der mittlere IQ der Population beträgt 100.

Beispiel 5

Aufgabe

Eine Bäckerei verkauft Brote, deren Gewicht normalverteilt ist mit $\sigma = 20 \text{ g}$ . Der Bäcker stellt fest, dass $10\%$ seiner Brote leichter als $475 \text{ g}$ sind. Welches mittlere Gewicht $\mu$ haben die Brote?

Fortschritt

3 / 3

1
Schritt 1
Informationen identifizieren
- Standardabweichung: $\sigma = 20 \text{ g}$
- Bedingung: $X < 475$ g
- Wahrscheinlichkeit: $P(X < 475) = 0{,}10$
- Gesucht: Erwartungswert µ.
Schritt 2
Gleichung aufstellen
$P(X < 475) = 0{,}10$ normCdf(-10000, 475, µ, 20) = 0.10
Schritt 3 · Ergebnis
Gleichung nach µ auflösen (mit Solver)
solve(normCdf(-10000, 475, x, 20) = 0.10, x)

Der Taschenrechner liefert $x \approx 500{,}63$ .

Ergebnis:

Das mittlere Gewicht der Brote beträgt ca. 500,6 g.

Aufgabentyp 2: Fehlende Standardabweichung (σ) aus einer Wahrscheinlichkeit berechnen

In anderen Fällen kennen wir den Mittelwert µ, den ein Prozess haben soll, aber wir wissen nicht, wie präzise oder konstant dieser Prozess ist. Die Standardabweichung σ, die diese Streuung misst, ist unbekannt.

Stell dir eine Kaffeemaschine vor, die auf $\mu = 200$ ml eingestellt ist. Wir stellen fest, dass $10\%$ der Tassen mehr als 210 ml enthalten. Diese Information hilft uns, die unbekannte Standardabweichung σ zu berechnen und damit herauszufinden, wie stark die Füllmenge schwankt.

Genau wie bei der Suche nach µ stellen wir eine Gleichung auf, aber diesmal ist die Unbekannte σ.

Die Gleichung lautet wieder: $P(X \ge k) = p$

Mit dem Taschenrechner-Befehl: $\text{normCdf(untere Grenze, obere Grenze, µ, } \sigma) = p$

Hier ist σ die Unbekannte. Da das manuelle Ausprobieren für σ komplizierter ist, ist die Solver-Funktion des Taschenrechners hier die mit Abstand beste Methode.

Schritt-für-Schritt-Anleitung

Informationen identifizieren: Notiere Erwartungswert µ, die Bedingung (z. B. „mehr als k Liter"), die Wahrscheinlichkeit p und die gesuchte Standardabweichung σ.
Gleichung aufstellen: Formuliere die Information als mathematische Gleichung mit dem normCdf-Befehl: „Weniger als k": $\text{normCdf}(-\infty, k, \mu, \sigma) = p$ – „Mehr als k": $\text{normCdf}(k, +\infty, \mu, \sigma) = p$ .
Gleichung nach σ auflösen: Verwende die solve()-Funktion deines Taschenrechners und setze für σ eine Variable (z. B. x) ein.
Antwort formulieren: Gib die berechnete Standardabweichung im Kontext der Aufgabe an, z. B.: „Die Standardabweichung des Wasserverbrauchs beträgt ca. 3,9 Liter."

Durchgerechnete Beispiele

Beispiel 1

Aufgabe

Der Wasserverbrauch einer Waschmaschine ist normalverteilt mit einem Erwartungswert von $\mu = 60$ Litern. Bei $10\%$ der Waschgänge werden mehr als 65 Liter verbraucht. Bestimmen Sie die Standardabweichung $\sigma$ .

Fortschritt

3 / 3

1
Schritt 1
Informationen identifizieren
- Erwartungswert: $\mu = 60$ Liter
- Bedingung: $X > 65$ Liter
- Wahrscheinlichkeit: $P(X > 65) = 0{,}10$
- Gesucht: Standardabweichung σ.
Schritt 2
Gleichung aufstellen
$P(X > 65) = 0{,}10$ $normCdf(65, 10000, 60, \sigma) = 0.10$
Schritt 3 · Ergebnis
Gleichung nach σ auflösen (mit Solver)
Wir setzen x für σ ein: $solve(normCdf(65, 10000, 60, x) = 0.10, x)$

Der Taschenrechner liefert $x \approx 3{,}90$ .

Ergebnis:

Die Standardabweichung des Wasserverbrauchs beträgt ca. 3,9 Liter.

Beispiel 2

Aufgabe

Eine Kaffeemaschine füllt Tassen mit einem mittleren Volumen von $\mu = 200$ ml. Es wird festgestellt, dass $5\%$ der Tassen weniger als 195 ml enthalten. Wie groß ist die Standardabweichung $\sigma$ des Füllprozesses?

Fortschritt

3 / 3

1
Schritt 1
Informationen identifizieren
- Erwartungswert: $\mu = 200$ ml
- Bedingung: $X < 195$ ml
- Wahrscheinlichkeit: $P(X < 195) = 0{,}05$
- Gesucht: Standardabweichung σ.
Schritt 2
Gleichung aufstellen
$P(X < 195) = 0{,}05$ $normCdf(-10000, 195, 200, \sigma) = 0.05$
Schritt 3 · Ergebnis
Gleichung nach σ auflösen (mit Solver)
solve(normCdf(-10000, 195, 200, x) = 0.05, x)

Der Taschenrechner liefert $x \approx 3{,}04$ .

Ergebnis:

Die Standardabweichung des Füllprozesses beträgt ca. 3,04 ml.

Beispiel 3

Aufgabe

Die Testergebnisse in einer Prüfung sind normalverteilt mit einem Mittelwert von $\mu = 75$ Punkten. Wenn $15\%$ der Teilnehmer weniger als 60 Punkte erreichen, was ist die Standardabweichung $\sigma$ der Ergebnisse?

Fortschritt

3 / 3

1
Schritt 1
Informationen identifizieren
- Erwartungswert: $\mu = 75$ Punkte
- Bedingung: $X < 60$ Punkte
- Wahrscheinlichkeit: $P(X < 60) = 0{,}15$
- Gesucht: Standardabweichung σ.
Schritt 2
Gleichung aufstellen
$P(X < 60) = 0{,}15$ $normCdf(-10000, 60, 75, \sigma) = 0.15$
Schritt 3 · Ergebnis
Gleichung nach σ auflösen (mit Solver)
solve(normCdf(-10000, 60, 75, x) = 0.15, x)

Der Taschenrechner liefert $x \approx 14{,}47$ .

Ergebnis:

Die Standardabweichung der Testergebnisse beträgt ca. 14,5 Punkte.

Beispiel 4

Aufgabe

Das Gewicht von Äpfeln einer bestimmten Sorte ist normalverteilt mit einem Mittelwert von $\mu = 150$ g. Nur $1\%$ der Äpfel sind besonders groß und wiegen mehr als 180 g. Berechnen Sie die Standardabweichung $\sigma$ .

Fortschritt

3 / 3

1
Schritt 1
Informationen identifizieren
- Erwartungswert: $\mu = 150$ g
- Bedingung: $X > 180$ g
- Wahrscheinlichkeit: $P(X > 180) = 0{,}01$
- Gesucht: Standardabweichung σ.
Schritt 2
Gleichung aufstellen
$P(X > 180) = 0{,}01$ $normCdf(180, 10000, 150, \sigma) = 0.01$
Schritt 3 · Ergebnis
Gleichung nach σ auflösen (mit Solver)
$solve(normCdf(180, 10000, 150, x) = 0.01, x)$

Der Taschenrechner liefert $x \approx 12{,}87$ .

Ergebnis:

Die Standardabweichung des Gewichts der Äpfel beträgt ca. 12,9 g.

Beispiel 5

Aufgabe

Die Körpergröße von Frauen in einer Stadt ist normalverteilt mit $\mu = 168$ cm. $30\%$ der Frauen sind kleiner als 165 cm. Bestimmen Sie die Standardabweichung $\sigma$ der Körpergröße.

Fortschritt

3 / 3

1
Schritt 1
Informationen identifizieren
- Erwartungswert: $\mu = 168$ cm
- Bedingung: $X < 165$ cm
- Wahrscheinlichkeit: $P(X < 165) = 0{,}30$
- Gesucht: Standardabweichung σ.
Schritt 2
Gleichung aufstellen
$P(X < 165) = 0{,}30$ $normCdf(-10000, 165, 168, \sigma) = 0.30$
Schritt 3 · Ergebnis
Gleichung nach σ auflösen (mit Solver)
solve(normCdf(-10000, 165, 168, x) = 0.30, x)

Der Taschenrechner liefert $x \approx 5{,}74$ .

Ergebnis:

Die Standardabweichung der Körpergröße beträgt ca. 5,7 cm.

Aufgabentyp 3: Bedeutung der Standardabweichung (σ) erklären

Die Standardabweichung σ ist mehr als nur eine Zahl; sie ist eine Aussage über die Qualität, Konsistenz und Vorhersagbarkeit eines Prozesses. Eine kleine σ bedeutet, dass die Ergebnisse sehr zuverlässig und nahe am Mittelwert µ liegen. Eine große σ bedeutet, dass die Ergebnisse stark streuen und weniger vorhersagbar sind.

Um die Bedeutung von σ greifbar zu machen, verwenden wir die Sigma-Regeln (auch empirische Regeln genannt). Diese gelten für jede Normalverteilung:

Innerhalb von $\pm 1\sigma$ um den Mittelwert liegen ca. 68% aller Werte.
Innerhalb von $\pm 2\sigma$ um den Mittelwert liegen ca. 95% aller Werte.
Innerhalb von $\pm 3\sigma$ um den Mittelwert liegen ca. 99,7% (also fast alle) aller Werte.

Diese Regeln helfen uns, schnell abzuschätzen, in welchem Bereich sich die meisten Ergebnisse befinden werden. Das ist besonders in der Qualitätskontrolle extrem nützlich.

Glockenkurve mit eingezeichneten Sigma-Intervallen 68, 95 und 99,7 Prozent

Schritt-für-Schritt-Anleitung

Grundbedeutung von σ im Kontext erklären: Beginne mit einem Satz, der σ direkt auf den Sachverhalt bezieht, z. B.: „Eine Standardabweichung von $\sigma = 0{,}4 \text{ ml}$ bedeutet, dass die Füllmenge der Parfümflakons typischerweise um 0,4 ml vom Mittelwert von 50 ml abweicht."
Sigma-Regeln anwenden und Intervalle berechnen: Berechne die drei zentralen Intervalle: $[\mu - 1\sigma;\, \mu + 1\sigma]$ , $[\mu - 2\sigma;\, \mu + 2\sigma]$ und $[\mu - 3\sigma;\, \mu + 3\sigma]$ .
Intervalle im Kontext interpretieren: Übersetze die Intervalle und die zugehörigen Prozentwerte (68%, 95%, 99,7%) in verständliche Aussagen über den Sachverhalt.
Schlussfolgerung für die Praxis ziehen: Fasse zusammen, was die Standardabweichung für die Praxis bedeutet, z. B. für Qualitätskontrolle, Zuverlässigkeit oder das Risiko.

Durchgerechnete Beispiele

Beispiel 1

Aufgabe

Die Füllmenge bei der maschinellen Abfüllung von Parfümflakons ist normalverteilt mit $\mu = 50{,}0 \text{ ml}$ und $\sigma = 0{,}4 \text{ ml}$ . Erläutern Sie, was die Standardabweichung im Kontext der Qualitätskontrolle aussagt.

Fortschritt

3 / 3

Schritt 1
Grundbedeutung von σ im Kontext erklären
Die Standardabweichung von $\sigma = 0{,}4 \text{ ml}$ gibt an, wie stark die Füllmenge der einzelnen Flakons im Durchschnitt vom Sollwert von $\mu = 50{,}0 \text{ ml}$ abweicht. Sie ist ein Maß für die Präzision der Abfüllmaschine.
2
Schritt 2
Sigma-Regeln anwenden und Intervalle berechnen
- 1σ-Intervall: $50{,}0 \pm 1 \cdot 0{,}4 = [49{,}6;\, 50{,}4]$ ml
- 2σ-Intervall: $50{,}0 \pm 2 \cdot 0{,}4 = [49{,}2;\, 50{,}8]$ ml
- 3σ-Intervall: $50{,}0 \pm 3 \cdot 0{,}4 = [48{,}8;\, 51{,}2]$ ml
3
Schritt 3 · Ergebnis
Intervalle im Kontext interpretieren
- Ca. 68% aller Flakons enthalten zwischen 49,6 ml und 50,4 ml Parfüm.
- Ca. 95% aller Flakons enthalten zwischen 49,2 ml und 50,8 ml Parfüm.
- Fast alle Flakons (99,7%) enthalten zwischen 48,8 ml und 51,2 ml Parfüm.

Ergebnis:

Für die Qualitätskontrolle bedeutet die kleine Standardabweichung von 0,4 ml, dass der Abfüllprozess sehr konsistent und zuverlässig ist. Das Unternehmen kann Toleranzgrenzen festlegen. Wenn z. B. alle Flakons zwischen 49,2 ml und 50,8 ml liegen müssen, weiß das Unternehmen, dass ca. 95% der Produktion diesen Standard erfüllen und nur 5% Ausschuss sind.

Beispiel 2

Aufgabe

Ein Hersteller produziert Schrauben mit einer Solllänge von $\mu = 20{,}0$ mm und einer Standardabweichung von $\sigma = 0{,}1$ mm. Erklären Sie die Bedeutung von $\sigma$ für einen Kunden, der diese Schrauben kauft.

Fortschritt

3 / 3

Schritt 1
Grundbedeutung von σ im Kontext erklären
Die Standardabweichung von $\sigma = 0{,}1 \text{ mm}$ beschreibt die durchschnittliche Abweichung der tatsächlichen Schraubenlänge vom Mittelwert von $20{,}0 \text{ mm}$ . Es ist ein Maß für die Fertigungsgenauigkeit.
2
Schritt 2
Sigma-Regeln anwenden und Intervalle berechnen
- 1σ-Intervall: $20{,}0 \pm 0{,}1 = [19{,}9;\, 20{,}1]$ mm
- 2σ-Intervall: $20{,}0 \pm 0{,}2 = [19{,}8;\, 20{,}2]$ mm
- 3σ-Intervall: $20{,}0 \pm 0{,}3 = [19{,}7;\, 20{,}3]$ mm
3
Schritt 3 · Ergebnis
Intervalle im Kontext interpretieren
- Ungefähr 68% der Schrauben haben eine Länge zwischen 19,9 mm und 20,1 mm.
- Ungefähr 95% der Schrauben haben eine Länge zwischen 19,8 mm und 20,2 mm.

Ergebnis:

Für den Kunden bedeutet die sehr kleine Standardabweichung, dass er sich auf eine hohe und gleichbleibende Qualität verlassen kann. Fast alle Schrauben werden sehr nah an der gewünschten Länge von 20,0 mm liegen, was für präzise Bauvorhaben wichtig ist.

Beispiel 3

Aufgabe

Die Lieferzeit eines Pizzaservices ist normalverteilt mit einer mittleren Zeit von $\mu = 25$ Minuten und einer Standardabweichung von $\sigma = 5$ Minuten. Was sagt $\sigma$ über die Zuverlässigkeit des Services aus?

Fortschritt

3 / 3

Schritt 1
Grundbedeutung von σ im Kontext erklären
Die Standardabweichung von $\sigma = 5 \text{ Minuten}$ gibt an, wie stark die tatsächliche Lieferzeit normalerweise von der durchschnittlichen Zeit von $25 \text{ Minuten}$ abweicht. Sie misst die Schwankung und damit die Planbarkeit der Lieferung.
2
Schritt 2
Sigma-Regeln anwenden und Intervalle berechnen
- 1σ-Intervall: $25 \pm 5 = [20;\, 30]$ Minuten
- 2σ-Intervall: $25 \pm 10 = [15;\, 35]$ Minuten
- 3σ-Intervall: $25 \pm 15 = [10;\, 40]$ Minuten
3
Schritt 3 · Ergebnis
Intervalle im Kontext interpretieren
- Mit ca. 68% Wahrscheinlichkeit kommt die Pizza zwischen 20 und 30 Minuten an.
- Mit ca. 95% Wahrscheinlichkeit kommt die Pizza zwischen 15 und 35 Minuten an.

Ergebnis:

Die Standardabweichung von 5 Minuten zeigt eine gewisse, aber nicht extreme Schwankung. Kunden können in den meisten Fällen (zu 95%) mit einer Lieferung innerhalb von 15 bis 35 Minuten rechnen. Der Service ist relativ zuverlässig, aber Ausreißer nach oben und unten sind nicht extrem selten.

Beispiel 4

Aufgabe

Die tägliche Höchsttemperatur im Sommer in einer Stadt ist normalverteilt mit $\mu = 24°\text{C}$ und $\sigma = 2°\text{C}$ . Interpretieren Sie die Standardabweichung.

Fortschritt

3 / 3

Schritt 1
Grundbedeutung von σ im Kontext erklären
Die Standardabweichung von $\sigma = 2°\text{C}$ bedeutet, dass die tägliche Höchsttemperatur typischerweise um 2°C vom langjährigen Mittel von $24°\text{C}$ abweicht. Sie beschreibt, wie stabil oder wechselhaft das Sommerwetter ist.
2
Schritt 2
Sigma-Regeln anwenden und Intervalle berechnen
- 1σ-Intervall: $24 \pm 2 = [22;\, 26]°\text{C}$
- 2σ-Intervall: $24 \pm 4 = [20;\, 28]°\text{C}$
- 3σ-Intervall: $24 \pm 6 = [18;\, 30]°\text{C}$
3
Schritt 3 · Ergebnis
Intervalle im Kontext interpretieren
- An ca. 68% der Sommertage liegt die Höchsttemperatur zwischen 22°C und 26°C.
- An ca. 95% der Tage liegt sie zwischen 20°C und 28°C.
- Extrem heiße Tage über 30°C oder kühle Tage unter 18°C sind sehr selten.

Ergebnis:

Eine kleine Standardabweichung von 2°C deutet auf ein sehr stabiles Sommerklima hin. Man kann mit hoher Sicherheit erwarten, dass die Temperaturen in einem recht engen und angenehmen Bereich bleiben.

Beispiel 5

Aufgabe

Der Blutdruck eines Patienten ist normalverteilt mit einem Mittelwert von $\mu = 120$ mmHg und einer Standardabweichung von $\sigma = 10$ mmHg. Erklären Sie, was $\sigma$ für die gesundheitliche Stabilität des Patienten bedeutet.

Fortschritt

3 / 3

Schritt 1
Grundbedeutung von σ im Kontext erklären
Die Standardabweichung von $\sigma = 10 \text{ mmHg}$ beschreibt die typische Schwankung des Blutdrucks um den mittleren Wert von $120 \text{ mmHg}$ . Sie ist ein Indikator für die Stabilität des Herz-Kreislauf-Systems.
2
Schritt 2
Sigma-Regeln anwenden und Intervalle berechnen
- 1σ-Intervall: $120 \pm 10 = [110;\, 130]$ mmHg
- 2σ-Intervall: $120 \pm 20 = [100;\, 140]$ mmHg
- 3σ-Intervall: $120 \pm 30 = [90;\, 150]$ mmHg
3
Schritt 3 · Ergebnis
Intervalle im Kontext interpretieren
- Bei ca. 68% der Messungen liegt der Blutdruck im Normalbereich zwischen 110 und 130 mmHg.
- Bei ca. 95% der Messungen liegt der Wert zwischen 100 und 140 mmHg.

Ergebnis:

Die Standardabweichung von 10 mmHg zeigt, dass der Blutdruck des Patienten relativ stabil ist. Werte über 140 mmHg, die auf Bluthochdruck hindeuten, treten nur in etwa 2,5% der Fälle auf. Für einen Arzt ist dies ein Zeichen für ein relativ geringes Risiko plötzlicher Blutdruckspitzen.

Aufgabentyp 4: Zweistufige Probleme lösen (z. B. erst µ, dann P berechnen)

Manche Aufgaben sind wie ein Puzzle, das man in zwei Schritten löst. Oft fehlt am Anfang eine wichtige Information – entweder der Erwartungswert µ oder die Standardabweichung σ. Man bekommt aber eine erste Wahrscheinlichkeit, mit der man diese fehlende Information berechnen kann.

Sobald man die Normalverteilung vervollständigt hat (also µ und σ kennt), kommt der zweite Teil der Aufgabe: Man soll eine neue Wahrscheinlichkeit für ein anderes Ereignis berechnen.

Der Ablauf ist also immer:

Teil 1: Detektivarbeit. Nutze die erste gegebene Wahrscheinlichkeit, um den fehlenden Parameter (µ oder σ) zu finden. Das ist genau das, was wir in Aufgabentyp 1 und 2 gemacht haben.
Teil 2: Vorhersage. Nutze die nun vollständige Normalverteilung (mit dem berechneten µ und dem gegebenen σ), um die zweite, gesuchte Wahrscheinlichkeit zu berechnen.

Schritt-für-Schritt-Anleitung

Informationen für Teil 1 identifizieren: Notiere die gegebene Standardabweichung σ (oder µ), die erste Bedingung und die zugehörige Wahrscheinlichkeit p₁. Identifiziere den gesuchten Parameter (µ oder σ).
Gleichung aufstellen und lösen: Stelle die Gleichung mit normCdf auf und löse sie mit der solve()-Funktion, um den fehlenden Parameter zu finden.
Informationen für Teil 2 identifizieren: Du kennst jetzt beide Parameter µ und σ. Notiere die neue Bedingung, für die du die Wahrscheinlichkeit suchst.
Wahrscheinlichkeit berechnen: Setze die vollständigen Informationen in den normCdf-Befehl ein, z. B. $P(X \ge k_2) = \text{normCdf}(k_2, +\infty, \mu, \sigma)$ .
Antwort formulieren: Gib die berechnete Wahrscheinlichkeit als Antwort auf die Frage an.

Durchgerechnete Beispiele

Beispiel 1

Aufgabe

Die Wartezeit bei einer Service-Hotline ist normalverteilt mit $\sigma = 1{,}25$ Minuten. Die Wahrscheinlichkeit, höchstens 3 Minuten zu warten, beträgt $15\%$ . Berechnen Sie die Wahrscheinlichkeit, mindestens 5 Minuten warten zu müssen.

Fortschritt

4 / 4

1
Schritt 1
Informationen für Teil 1 identifizieren
- Standardabweichung: $\sigma = 1{,}25$ min
- Bedingung 1: $X \le 3$ min
- Wahrscheinlichkeit 1: $P(X \le 3) = 0{,}15$
- Gesucht: Erwartungswert µ.
Schritt 2
Gleichung aufstellen und lösen
normCdf(-10000, 3, µ, 1.25) = 0.15 Mit der solve()-Funktion: solve(normCdf(-10000, 3, x, 1.25) = 0.15, x) Das Ergebnis ist $\mu \approx 4{,}30$ Minuten.
3
Schritt 3
Informationen für Teil 2 identifizieren
- Erwartungswert: $\mu = 4{,}30$ min
- Standardabweichung: $\sigma = 1{,}25$ min
- Bedingung 2: $X \ge 5$ min
- Gesucht: $P(X \ge 5)$
Schritt 4 · Ergebnis
Wahrscheinlichkeit berechnen
$P(X \geq 5) = normCdf(5, 10000, 4.30, 1.25)$ Das Ergebnis ist $\approx 0{,}2877$ .

Ergebnis:

Die Wahrscheinlichkeit, mindestens 5 Minuten warten zu müssen, beträgt ca. 28,8%.

Beispiel 2

Aufgabe

Das Gewicht von Broten ist normalverteilt mit $\sigma = 20$ g. 10% der Brote sind leichter als 480 g. Wie hoch ist die Wahrscheinlichkeit, dass ein Brot mehr als 510 g wiegt?

Fortschritt

4 / 4

1
Schritt 1
Informationen für Teil 1 identifizieren
- Standardabweichung: $\sigma = 20$ g
- Bedingung 1: $X < 480$ g
- Wahrscheinlichkeit 1: $P(X < 480) = 0{,}10$
- Gesucht: Erwartungswert µ.
Schritt 2
Gleichung aufstellen und lösen
normCdf(-10000, 480, µ, 20) = 0.10 solve(normCdf(-10000, 480, x, 20) = 0.10, x) $\to \mu \approx 505{,}63$ g.
3
Schritt 3
Informationen für Teil 2 identifizieren
- Erwartungswert: $\mu = 505{,}63$ g
- Standardabweichung: $\sigma = 20$ g
- Bedingung 2: $X > 510$ g
- Gesucht: $P(X > 510)$
Schritt 4 · Ergebnis
Wahrscheinlichkeit berechnen
P(X > 510) = normCdf(510, 10000, 505.63, 20) Das Ergebnis ist $\approx 0{,}4135$ .

Ergebnis:

Die Wahrscheinlichkeit, dass ein Brot mehr als 510 g wiegt, beträgt ca. 41,4%.

Beispiel 3

Aufgabe

Die Lebensdauer von Glühbirnen ist normalverteilt mit $\sigma = 100$ Stunden. 5% der Birnen fallen vor 800 Stunden aus. Wie groß ist die Wahrscheinlichkeit, dass eine Birne zwischen 900 und 1100 Stunden hält?

Fortschritt

4 / 4

1
Schritt 1
Informationen für Teil 1 identifizieren
- Standardabweichung: $\sigma = 100$ h
- Bedingung 1: $X < 800$ h
- Wahrscheinlichkeit 1: $P(X < 800) = 0{,}05$
- Gesucht: Erwartungswert µ.
Schritt 2
Gleichung aufstellen und lösen
normCdf(-10000, 800, µ, 100) = 0.05 solve(...) $\to \mu \approx 964{,}49$ h.
3
Schritt 3
Informationen für Teil 2 identifizieren
- Erwartungswert: $\mu = 964{,}49$ h
- Standardabweichung: $\sigma = 100$ h
- Bedingung 2: $900 < X < 1100$
- Gesucht: $P(900 < X < 1100)$
Schritt 4 · Ergebnis
Wahrscheinlichkeit berechnen
P(900 < X < 1100) = normCdf(900, 1100, 964.49, 100) Das Ergebnis ist $\approx 0{,}6514$ .

Ergebnis:

Die Wahrscheinlichkeit, dass eine Birne zwischen 900 und 1100 Stunden hält, beträgt ca. 65,1%.

Beispiel 4

Aufgabe

Die Download-Geschwindigkeit eines Internetanbieters ist normalverteilt mit $\sigma = 5$ Mbps. 80% der Messungen ergeben eine Geschwindigkeit von mehr als 40 Mbps. Wie wahrscheinlich ist es, eine Geschwindigkeit von weniger als 35 Mbps zu messen?

Fortschritt

4 / 4

1
Schritt 1
Informationen für Teil 1 identifizieren
- Standardabweichung: $\sigma = 5$ Mbps
- Bedingung 1: $X > 40$ Mbps
- Wahrscheinlichkeit 1: $P(X > 40) = 0{,}80$
- Gesucht: Erwartungswert µ.
Schritt 2
Gleichung aufstellen und lösen
normCdf(40, 10000, µ, 5) = 0.80 solve(...) $\to \mu \approx 44{,}21$ Mbps.
3
Schritt 3
Informationen für Teil 2 identifizieren
- Erwartungswert: $\mu = 44{,}21$ Mbps
- Standardabweichung: $\sigma = 5$ Mbps
- Bedingung 2: $X < 35$ Mbps
- Gesucht: $P(X < 35)$
Schritt 4 · Ergebnis
Wahrscheinlichkeit berechnen
P(X < 35) = normCdf(-10000, 35, 44.21, 5) Das Ergebnis ist $\approx 0{,}0327$ .

Ergebnis:

Die Wahrscheinlichkeit, eine Geschwindigkeit von weniger als 35 Mbps zu messen, beträgt ca. 3,3%.

Beispiel 5

Aufgabe

Die Reaktionszeit bei einem Test ist normalverteilt mit $\mu = 500$ ms. Es ist bekannt, dass 10% der Personen eine Reaktionszeit von über 550 ms haben. Wie hoch ist die Wahrscheinlichkeit, dass eine Person eine Reaktionszeit zwischen 480 ms und 520 ms hat?

Fortschritt

4 / 4

1
Schritt 1
Informationen für Teil 1 identifizieren
- Erwartungswert: $\mu = 500$ ms
- Bedingung 1: $X > 550$ ms
- Wahrscheinlichkeit 1: $P(X > 550) = 0{,}10$
- Gesucht: Standardabweichung σ.
Schritt 2
Gleichung aufstellen und lösen
$normCdf(550, 10000, 500, \sigma) = 0.10$ $solve(normCdf(550, 10000, 500, x) = 0.10, x) \to \sigma \approx 39{,}02 \text{ ms}$
3
Schritt 3
Informationen für Teil 2 identifizieren
- Erwartungswert: $\mu = 500$ ms
- Standardabweichung: $\sigma = 39{,}02$ ms
- Bedingung 2: $480 < X < 520$
- Gesucht: $P(480 < X < 520)$
Schritt 4 · Ergebnis
Wahrscheinlichkeit berechnen
P(480 < X < 520) = normCdf(480, 520, 500, 39.02) Das Ergebnis ist $\approx 0{,}3913$ .

Ergebnis:

Die Wahrscheinlichkeit für eine Reaktionszeit zwischen 480 ms und 520 ms beträgt ca. 39,1%.

Wichtige Erkenntnisse

Eine Normalverteilung wird immer durch den Erwartungswert µ (Mitte) und die Standardabweichung σ (Streuung) definiert.
Wenn einer dieser beiden Parameter unbekannt ist, kannst du ihn berechnen, wenn du eine bekannte Wahrscheinlichkeit für ein bestimmtes Intervall hast.
Der Schlüssel zur Lösung ist das Aufstellen einer Gleichung mit dem normCdf-Befehl und das anschließende Lösen mit der solve()-Funktion deines Taschenrechners.
Die Standardabweichung σ ist ein Maß für die Konsistenz eines Prozesses. Die Sigma-Regeln (68-95-99,7) helfen dir, ihre Bedeutung im Sachkontext schnell zu verstehen.

Normalverteilung: Mittelwert und Standardabweichung berechnen

Vorwissen

Aufgabentyp 1: Fehlenden Erwartungswert (µ) aus einer Wahrscheinlichkeit berechnen

Schritt-für-Schritt-Anleitung

Durchgerechnete Beispiele

Beispiel 1

Beispiel 2

Beispiel 3

Beispiel 4

Beispiel 5

Aufgabentyp 2: Fehlende Standardabweichung (σ) aus einer Wahrscheinlichkeit berechnen

Schritt-für-Schritt-Anleitung

Durchgerechnete Beispiele

Beispiel 1

Beispiel 2

Beispiel 3

Beispiel 4

Beispiel 5

Aufgabentyp 3: Bedeutung der Standardabweichung (σ) erklären

Schritt-für-Schritt-Anleitung

Durchgerechnete Beispiele

Beispiel 1

Beispiel 2

Beispiel 3

Beispiel 4

Beispiel 5

Aufgabentyp 4: Zweistufige Probleme lösen (z. B. erst µ, dann P berechnen)

Schritt-für-Schritt-Anleitung

Durchgerechnete Beispiele

Beispiel 1

Beispiel 2

Beispiel 3

Beispiel 4

Beispiel 5

Wichtige Erkenntnisse

Häufige Fragen

Das könnte Dich auch interessieren

Schneller zu besseren Mathe-Noten — starte heute kostenlos.