Intuition zur Normalverteilung: Warum die Glockenkurve überall ist

Die Glockenkurve ist das am häufigsten wiederverwendete Muster in der gesamten Statistik — Körpergröße, IQ-Werte, Messrauschen und Dutzende natürlicher Phänomene gruppieren sich um einen Mittelwert und laufen symmetrisch aus. Dieser Artikel gibt dir zuerst die Intuition und dann die Formeln, die du wirklich brauchst.

Was "normal" bedeutet

Eine Zufallsvariable $X$ ist normalverteilt mit Mittelwert $\mu$ und Standardabweichung $\sigma$, wenn ihre Dichte folgender Form folgt:

$f(x) = \frac{1}{\sigma\sqrt{2\pi}} \exp\left(-\frac{(x - \mu)^2}{2\sigma^2}\right)$

Lerne das nicht auswendig — was zählt, ist die Form: symmetrisch um $\mu$, dort mit Spitze, schnell abfallend, wobei zwei Sigma bereits merklich ungewöhnlich sind.

Warum ist sie überall? Der zentrale Grenzwertsatz

Der zentrale Grenzwertsatz (ZGS) ist der Grund. Er besagt: Der Mittelwert vieler unabhängiger Zufallseinflüsse strebt gegen eine Normalverteilung, unabhängig davon, wie jeder einzelne Einfluss aussieht.

Die Körpergröße zum Beispiel wird von Hunderten genetischen und Umweltfaktoren bestimmt, von denen jeder einen winzigen unabhängigen Beitrag leistet. Die Summe nähert sich einer Glockenkurve an.

Die 68-95-99,7-Regel

Für jede Normalverteilung, egal welches $\mu$ oder $\sigma$:

• 68 % der Daten liegen innerhalb von $\mu \pm 1\sigma$
• 95 % innerhalb von $\mu \pm 2\sigma$
• 99,7 % innerhalb von $\mu \pm 3\sigma$

Das ist die empirische Regel. Lerne sie auswendig — sie beantwortet die meisten Prüfungsfragen in 10 Sekunden.

Durchgerechnetes Beispiel

Die Körpergröße erwachsener Männer in den USA hat $\mu \approx 70$ in und $\sigma \approx 3$ in. Welcher Anteil der Männer ist zwischen 64 und 76 Zoll groß?

Dieser Bereich ist $70 \pm 6 = 70 \pm 2\sigma$, also 95 %.

z-Werte: jede Normalverteilung standardisieren

Um Werte über verschiedene Normalverteilungen hinweg zu vergleichen, rechne in einen z-Wert um:

$z = \frac{x - \mu}{\sigma}$

Ein z-Wert gibt an, "wie viele Standardabweichungen vom Mittelwert entfernt". Er erlaubt dir, die Standardnormalverteilung $N(0, 1)$ für alle Probleme über Nachschlagetabellen (oder unseren Rechner) zu nutzen.

z-Wert-Beispiel

Ein Testergebnis von $x = 85$ stammt aus $N(75, 5)$. Sein z-Wert ist $z = (85 - 75)/5 = 2$. Aus der empirischen Regel folgt, dass nur $\approx 2,5\%$ der Ergebnisse besser sind.

Häufige Fehler

• Verwechseln von $\sigma$ und $\sigma^2$: Standardabweichung vs. Varianz.
• Annehmen, dass alle Daten normalverteilt sind: Sind sie nicht! Einkommen, Dateigrößen und Erdbebenstärken sind stark schief verteilt. Zeichne immer zuerst ein Histogramm.
• Rohwerte direkt in die empirische Regel einsetzen — rechne zuerst in z-Werte um.

Probiere es mit dem KI-Normalverteilungsrechner

Nutze den Normalverteilungsrechner, um exakte Wahrscheinlichkeiten zu berechnen — besser, als eine Tabelle mit dem Auge abzulesen.

Verwandte Referenzen:

• Standardabweichungsrechner — der Streuungsparameter
• z-Wert-Rechner — zum Standardisieren
• Mittelwert / Median / Modus — Grundlagen der zentralen Tendenz