Was ist eine Normalverteilung und wozu dient sie?

Eine Normalverteilung (auch Gauß-Verteilung oder Glockenkurve) ist ein glockenförmiges, kontinuierliches Modell für reale Daten. Sie wird vollständig durch zwei Parameter beschrieben: den Erwartungswert μ (Mitte der Kurve) und die Standardabweichung σ (Breite der Kurve). Man nutzt sie, um aus einer Tabelle diskreter Messwerte ein glattes mathematisches Modell zu erstellen – zum Beispiel für Körpergrößen, Testergebnisse oder Produktgewichte.

Wie berechnest du den Erwartungswert μ beim Modellieren mit Normalverteilungen?

Den Erwartungswert μ berechnest du so: Multipliziere jeden Messwert x i mit seiner relativen Häufigkeit P(X = x i ) (als Dezimalzahl, also z. B. 20 % = 0,20) und summiere alle Produkte. Die Formel lautet: μ = Σ (x i · P(X = x i )) . Das Ergebnis gibt dir den Gipfel der Glockenkurve – das Zentrum der Normalverteilung.

Wie berechnet man die Standardabweichung σ aus einer Datentabelle?

Die Standardabweichung σ berechnest du in zwei Schritten. Zuerst ermittelst du die Varianz : σ² = Σ ((x i − μ)² · P(X = x i )) – also die gewichtete Summe der quadrierten Abweichungen vom Erwartungswert. Danach ziehst du die Quadratwurzel: σ = √σ² . Die Standardabweichung bestimmt, wie breit oder schmal die Glockenkurve ist.

Was ist der Unterschied zwischen Varianz und Standardabweichung?

Die Varianz σ² ist ein Zwischenschritt: Sie summiert die quadrierten Abweichungen der Messwerte vom Erwartungswert, gewichtet nach ihrer Häufigkeit. Die Standardabweichung σ ist die Quadratwurzel der Varianz und hat dieselbe Einheit wie die ursprünglichen Messwerte – sie ist deshalb leichter zu interpretieren. Eine kleine σ bedeutet enge, hohe Glockenkurve; eine große σ bedeutet breite, flache Kurve.

Wann darf man Daten mit einer Normalverteilung modellieren?

Man modelliert Daten mit einer Normalverteilung, wenn die Verteilung der Messwerte annähernd glockenförmig ist – also die meisten Werte in der Mitte liegen und sehr hohe oder sehr niedrige Werte selten sind. Im Histogramm erkennst du das daran, dass die Säulen eine symmetrische Hügelform bilden. Typische Anwendungen sind Körpergrößen, Prüfungsergebnisse, Produktgewichte oder Reaktionszeiten.

Normalverteilung modellieren einfach erklärt

Stell dir vor, du hast eine riesige Tabelle mit Daten – zum Beispiel die Körpergrößen von tausend Leuten. Ziemlich unübersichtlich, oder? Beim Modellieren mit Normalverteilungen lernst du, wie man aus einer solchen Datentabelle eine glatte, perfekte Glockenkurve macht. Mit nur zwei Schlüsselwerten – dem Erwartungswert ( $\mu$ ) und der Standardabweichung ( $\sigma$ ) – kannst du dann Vorhersagen treffen, z. B. wie wahrscheinlich es ist, jemanden zu finden, der über 1,90 m groß ist. Das ist super nützlich, von der Qualitätskontrolle in Fabriken bis zur Analyse von Umfrageergebnissen. Du verwandelst Daten-Chaos in ein mächtiges Werkzeug!

Schnellantwort

Eine Normalverteilung (auch Gauß-Verteilung oder Glockenkurve genannt) ist ein glockenförmiges, kontinuierliches Modell für reale Daten. Sie wird durch zwei Parameter vollständig beschrieben: den Erwartungswert $\mu$ , der die Position des Gipfels bestimmt, und die Standardabweichung $\sigma$ , die die Breite der Kurve festlegt. Um Daten mit einer Normalverteilung zu modellieren, berechnest du $\mu$ und $\sigma$ direkt aus deiner Datentabelle.

Vorwissen

Bevor wir starten, frischen wir kurz ein paar Grundlagen auf:

Erwartungswert ( $\mu$ ): Das ist der Durchschnittswert, den du erwarten würdest, wenn du ein Experiment sehr oft wiederholst. Er gibt das Zentrum einer Verteilung an.
- Formel: $\mu = x_1 \cdot P(X=x_1) + x_2 \cdot P(X=x_2) + ...$
- Beispiel: Bei einem Würfelwurf ist der Erwartungswert $\mu = 1 \cdot \frac{1}{6} + 2 \cdot \frac{1}{6} + 3 \cdot \frac{1}{6} + 4 \cdot \frac{1}{6} + 5 \cdot \frac{1}{6} + 6 \cdot \frac{1}{6} = 3{,}5$ .
Standardabweichung ( $\sigma$ ): Sie misst, wie stark die Werte im Durchschnitt vom Erwartungswert abweichen. Eine kleine Standardabweichung bedeutet, die Werte liegen nah am Mittelwert; eine große bedeutet, sie sind weit verstreut.
- Formel: $\sigma = \sqrt{\sum (x_i - \mu)^2 \cdot P(X=x_i)}$
- Beispiel: Die Noten {3, 3, 4} haben eine kleinere Standardabweichung (weniger Streuung) als die Noten {1, 4, 6}.
Histogramm: Ein Säulendiagramm, das zeigt, wie häufig bestimmte Werte in einem Datensatz vorkommen. Jede Säule steht für einen Wert oder einen Wertebereich.

Histogramm als Grundlage für die Normalverteilung

Aufgabentyp 1: Daten mit einer Normalverteilung modellieren

In vielen realen Situationen sind Daten annähernd glockenförmig verteilt – das Normalverteilung modellieren ist deshalb eine der wichtigsten Techniken in der Stochastik. Zum Beispiel sind die meisten Menschen durchschnittlich groß, während sehr kleine oder sehr große Menschen selten sind. Eine solche Verteilung kann man durch eine Normalverteilung (auch Gauß-Verteilung oder Glockenkurve genannt) annähern oder „modellieren".

Unsere Aufgabe ist es, aus einer Tabelle mit diskreten Werten (z. B. Schuhgrößen 40, 41, 42) eine kontinuierliche, glatte Kurve zu machen. Diese Kurve wird durch zwei Parameter vollständig beschrieben:

Erwartungswert $\mu$ (My): Bestimmt die Position des Gipfels der Glockenkurve. Er ist das Zentrum der Verteilung.
Standardabweichung $\sigma$ (Sigma): Bestimmt die Breite und Form der Kurve. Eine kleine $\sigma$ macht die Kurve schmal und hoch, eine große $\sigma$ macht sie breit und flach.

Um das Modell zu erstellen, berechnen wir einfach $\mu$ und $\sigma$ aus den gegebenen Daten.

Glockenkurve mit Erwartungswert und Standardabweichung

Schritt-für-Schritt-Anleitung

Erwartungswert $\mu$ berechnen: Multipliziere jeden Messwert $x_i$ mit seiner Häufigkeit $P(X=x_i)$ (als Dezimalzahl) und summiere alle Produkte: $\mu = \sum (x_i \cdot P(X=x_i))$ .
Varianz $\sigma^2$ berechnen: Berechne für jeden Messwert die quadrierte Abweichung vom Mittelwert, multipliziere mit der Häufigkeit und summiere: $\sigma^2 = \sum ((x_i - \mu)^2 \cdot P(X=x_i))$ .
Standardabweichung $\sigma$ berechnen: Ziehe die Quadratwurzel aus der Varianz: $\sigma = \sqrt{\sigma^2}$ .
Ergebnis angeben und zeichnen: Gib $\mu$ und $\sigma$ an und skizziere die Glockenkurve mit Gipfel bei $\mu$ über dem Histogramm der Originaldaten.

Durchgerechnete Beispiele

Beispiel 1

Aufgabe

Eine Umfrage zur täglichen Bildschirmzeit (in Stunden) von Schülern ergab folgende Verteilung. Modelliere die Daten mit einer Normalverteilung und gib die Parameter $\mu$ und $\sigma$ an.

$\begin{array}{l|ccccc} \text{Stunden} & 2 & 3 & 4 & 5 & 6 \\ \hline \text{Häufigkeit} & 5\% & 20\% & 50\% & 20\% & 5\% \end{array}$

Fortschritt

4 / 4

Schritt 1
Erwartungswert $\mu$ berechnen
Wir multiplizieren jede Stundenanzahl mit ihrer Häufigkeit (als Dezimalzahl) und summieren die Ergebnisse.

$\mu = (2 \cdot 0{,}05) + (3 \cdot 0{,}20) + (4 \cdot 0{,}50) + (5 \cdot 0{,}20) + (6 \cdot 0{,}05)$

$= 0{,}1 + 0{,}6 + 2{,}0 + 1{,}0 + 0{,}3$

$= 4{,}0$

Der Erwartungswert ist $\mu = 4{,}0$ Stunden.
Schritt 2
Varianz $\sigma^2$ berechnen
Wir verwenden $\mu = 4{,}0$ und berechnen die Summe der quadrierten Abweichungen.

$\sigma^2 = (2 - 4{,}0)^2 \cdot 0{,}05 + (3 - 4{,}0)^2 \cdot 0{,}20 + (4 - 4{,}0)^2 \cdot 0{,}50 + (5 - 4{,}0)^2 \cdot 0{,}20 + (6 - 4{,}0)^2 \cdot 0{,}05$

$= (-2)^2 \cdot 0{,}05 + (-1)^2 \cdot 0{,}20 + (0)^2 \cdot 0{,}50 + (1)^2 \cdot 0{,}20 + (2)^2 \cdot 0{,}05$

$= (4 \cdot 0{,}05) + (1 \cdot 0{,}20) + (0 \cdot 0{,}50) + (1 \cdot 0{,}20) + (4 \cdot 0{,}05)$

$= 0{,}2 + 0{,}2 + 0 + 0{,}2 + 0{,}2$

$= 0{,}8$

Die Varianz beträgt $\sigma^2 = 0{,}8$ .
Schritt 3
Standardabweichung $\sigma$ berechnen
$\sigma = \sqrt{0{,}8} \approx 0{,}89$
Schritt 4 · Ergebnis
Ergebnis
Die Parameter für die Normalverteilung sind $\mu = 4{,}0$ und $\sigma \approx 0{,}89$ .

Normalverteilung der Bildschirmzeit mit Glockenkurve

Beispiel 2

Aufgabe

Das Gewicht von abgepackten Äpfeln (in Gramm) wird kontrolliert. Eine Stichprobe ergab die folgende Verteilung. Bestimme die Parameter $\mu$ und $\sigma$ für ein Normalverteilungsmodell.

$\begin{array}{l|cccccc} \text{Gewicht (g)} & 140 & 145 & 150 & 155 & 160 & 165 \\ \hline \text{Häufigkeit} & 3\% & 12\% & 35\% & 33\% & 15\% & 2\% \end{array}$

Fortschritt

4 / 4

Schritt 1
Erwartungswert $\mu$ berechnen
$\mu = (140 \cdot 0{,}03) + (145 \cdot 0{,}12) + (150 \cdot 0{,}35) + (155 \cdot 0{,}33) + (160 \cdot 0{,}15) + (165 \cdot 0{,}02)$

$= 4{,}2 + 17{,}4 + 52{,}5 + 51{,}15 + 24{,}0 + 3{,}3$

$= 152{,}55$

Der Erwartungswert ist $\mu = 152{,}55$ g.
Schritt 2
Varianz $\sigma^2$ berechnen
Wir verwenden $\mu = 152{,}55$ .

$\sigma^2 = (140 - 152{,}55)^2 \cdot 0{,}03 + (145 - 152{,}55)^2 \cdot 0{,}12 + ...$

$= (-12{,}55)^2 \cdot 0{,}03 + (-7{,}55)^2 \cdot 0{,}12 + (-2{,}55)^2 \cdot 0{,}35 + (2{,}45)^2 \cdot 0{,}33 + (7{,}45)^2 \cdot 0{,}15 + (12{,}45)^2 \cdot 0{,}02$

$= (157{,}50 \cdot 0{,}03) + (57{,}00 \cdot 0{,}12) + (6{,}50 \cdot 0{,}35) + (6{,}00 \cdot 0{,}33) + (55{,}50 \cdot 0{,}15) + (155{,}00 \cdot 0{,}02)$

$= 4{,}725 + 6{,}84 + 2{,}275 + 1{,}98 + 8{,}325 + 3{,}1$

$= 27{,}245$

Die Varianz beträgt $\sigma^2 \approx 27{,}25$ .
Schritt 3
Standardabweichung $\sigma$ berechnen
$\sigma = \sqrt{27{,}245} \approx 5{,}22$
Schritt 4 · Ergebnis
Ergebnis
Die Parameter für die Normalverteilung sind $\mu = 152{,}55$ g und $\sigma \approx 5{,}22$ g.

Normalverteilung des Apfelgewichts als Glockenkurve

Beispiel 3

Aufgabe

Die Ergebnisse eines standardisierten Tests sind wie folgt verteilt. Finde die Parameter $\mu$ und $\sigma$ für eine Normalverteilung, die diese Daten modelliert.

$\begin{array}{l|cccc} \text{Punktzahl} & 80 & 90 & 100 & 110 \\ \hline \text{Häufigkeit} & 10\% & 40\% & 40\% & 10\% \end{array}$

Fortschritt

4 / 4

Schritt 1
Erwartungswert $\mu$ berechnen
$\mu = (80 \cdot 0{,}10) + (90 \cdot 0{,}40) + (100 \cdot 0{,}40) + (110 \cdot 0{,}10)$

$= 8 + 36 + 40 + 11$

$= 95$

Der Erwartungswert ist $\mu = 95$ .
Schritt 2
Varianz $\sigma^2$ berechnen
Wir verwenden $\mu = 95$ .

$\sigma^2 = (80 - 95)^2 \cdot 0{,}10 + (90 - 95)^2 \cdot 0{,}40 + (100 - 95)^2 \cdot 0{,}40 + (110 - 95)^2 \cdot 0{,}10$

$= (-15)^2 \cdot 0{,}10 + (-5)^2 \cdot 0{,}40 + (5)^2 \cdot 0{,}40 + (15)^2 \cdot 0{,}10$

$= (225 \cdot 0{,}10) + (25 \cdot 0{,}40) + (25 \cdot 0{,}40) + (225 \cdot 0{,}10)$

$= 22{,}5 + 10 + 10 + 22{,}5$

$= 65$

Die Varianz beträgt $\sigma^2 = 65$ .
Schritt 3
Standardabweichung $\sigma$ berechnen
$\sigma = \sqrt{65} \approx 8{,}06$
Schritt 4 · Ergebnis
Ergebnis
Die Parameter für die Normalverteilung sind $\mu = 95$ und $\sigma \approx 8{,}06$ .

Normalverteilung der Testergebnisse als Glockenkurve

Beispiel 4

Aufgabe

Ein Hersteller von Batterien testet deren Lebensdauer in Stunden. Die Testergebnisse sind in der Tabelle zusammengefasst. Modelliere die Daten mit einer Normalverteilung.

$\begin{array}{l|ccccc} \text{Lebensdauer (h)} & 95 & 100 & 105 & 110 & 115 \\ \hline \text{Häufigkeit} & 10\% & 25\% & 30\% & 25\% & 10\% \end{array}$

Fortschritt

4 / 4

Schritt 1
Erwartungswert $\mu$ berechnen
Da die Verteilung symmetrisch ist, können wir den Erwartungswert direkt ablesen: Er liegt in der Mitte.

$\mu = 105$

Zur Kontrolle die Rechnung:

$\mu = (95 \cdot 0{,}10) + (100 \cdot 0{,}25) + (105 \cdot 0{,}30) + (110 \cdot 0{,}25) + (115 \cdot 0{,}10)$

$= 9{,}5 + 25 + 31{,}5 + 27{,}5 + 11{,}5 = 105$
Schritt 2
Varianz $\sigma^2$ berechnen
Wir verwenden $\mu = 105$ .

$\sigma^2 = (95 - 105)^2 \cdot 0{,}10 + (100 - 105)^2 \cdot 0{,}25 + (105 - 105)^2 \cdot 0{,}30 + (110 - 105)^2 \cdot 0{,}25 + (115 - 105)^2 \cdot 0{,}10$

$= (-10)^2 \cdot 0{,}10 + (-5)^2 \cdot 0{,}25 + (0)^2 \cdot 0{,}30 + (5)^2 \cdot 0{,}25 + (10)^2 \cdot 0{,}10$

$= (100 \cdot 0{,}10) + (25 \cdot 0{,}25) + 0 + (25 \cdot 0{,}25) + (100 \cdot 0{,}10)$

$= 10 + 6{,}25 + 0 + 6{,}25 + 10$

$= 32{,}5$

Die Varianz beträgt $\sigma^2 = 32{,}5$ .
Schritt 3
Standardabweichung $\sigma$ berechnen
$\sigma = \sqrt{32{,}5} \approx 5{,}70$
Schritt 4 · Ergebnis
Ergebnis
Die Parameter für die Normalverteilung sind $\mu = 105$ h und $\sigma \approx 5{,}70$ h.

Normalverteilung der Batterielebensdauer als Glockenkurve

Beispiel 5

Aufgabe

Die Anzahl der täglichen Kunden in einem kleinen Café wurde über einen langen Zeitraum beobachtet. Modelliere die Daten mit einer Normalverteilung.

$\begin{array}{l|cccccc} \text{Kunden} & 40 & 50 & 60 & 70 & 80 & 90 \\ \hline \text{Häufigkeit} & 5\% & 15\% & 25\% & 30\% & 20\% & 5\% \end{array}$

Fortschritt

4 / 4

Schritt 1
Erwartungswert $\mu$ berechnen
$\mu = (40 \cdot 0{,}05) + (50 \cdot 0{,}15) + (60 \cdot 0{,}25) + (70 \cdot 0{,}30) + (80 \cdot 0{,}20) + (90 \cdot 0{,}05)$

$= 2 + 7{,}5 + 15 + 21 + 16 + 4{,}5$

$= 66$

Der Erwartungswert ist $\mu = 66$ Kunden.
Schritt 2
Varianz $\sigma^2$ berechnen
Wir verwenden $\mu = 66$ .

$\sigma^2 = (40 - 66)^2 \cdot 0{,}05 + (50 - 66)^2 \cdot 0{,}15 + (60 - 66)^2 \cdot 0{,}25 + (70 - 66)^2 \cdot 0{,}30 + (80 - 66)^2 \cdot 0{,}20 + (90 - 66)^2 \cdot 0{,}05$

$= (-26)^2 \cdot 0{,}05 + (-16)^2 \cdot 0{,}15 + (-6)^2 \cdot 0{,}25 + (4)^2 \cdot 0{,}30 + (14)^2 \cdot 0{,}20 + (24)^2 \cdot 0{,}05$

$= (676 \cdot 0{,}05) + (256 \cdot 0{,}15) + (36 \cdot 0{,}25) + (16 \cdot 0{,}30) + (196 \cdot 0{,}20) + (576 \cdot 0{,}05)$

$= 33{,}8 + 38{,}4 + 9 + 4{,}8 + 39{,}2 + 28{,}8$

$= 154$

Die Varianz beträgt $\sigma^2 = 154$ .
Schritt 3
Standardabweichung $\sigma$ berechnen
$\sigma = \sqrt{154} \approx 12{,}41$
Schritt 4 · Ergebnis
Ergebnis
Die Parameter für die Normalverteilung sind $\mu = 66$ und $\sigma \approx 12{,}41$ .

Normalverteilung der täglichen Café-Kundenzahlen

Wichtige Erkenntnisse

Eine Normalverteilung ist ein glockenförmiges, kontinuierliches Modell für diskrete, reale Daten.
Sie wird durch zwei Parameter definiert: den Erwartungswert $\mu$ (Position des Gipfels) und die Standardabweichung $\sigma$ (Breite der Kurve).
Formel für den Erwartungswert: $\mu = \sum (x_i \cdot P(X=x_i))$ . (Jeden Wert mit seiner Wahrscheinlichkeit multiplizieren und alles summieren.)
Formel für die Varianz: $\sigma^2 = \sum ((x_i - \mu)^2 \cdot P(X=x_i))$ . (Die Standardabweichung ist dann die Wurzel daraus: $\sigma = \sqrt{\sigma^2}$ .)

Normalverteilung modellieren: Daten als Glockenkurve

Schnellantwort

Vorwissen

Aufgabentyp 1: Daten mit einer Normalverteilung modellieren

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.