AT Academy
Zum Mathematik-Inhalt

Verteilungen · Erklären & üben

Normalverteilung

Die Normalverteilung beschreibt ein symmetrisches glockenförmiges Modell. Du erkennst Lage und Streuung, berechnest Flächen und kennst die Grenzen einer Normalapproximation.

Erklärung 01

Zwei Parameter, eine klare Schreibweise

Hier bedeutet X∼N(μ,σ2)\mathsf{X\sim N(\mu,\sigma^2)}: Der zweite Parameter ist die Varianz. Die Standardabweichung ist σ>0\mathsf{\sigma>0}. Andere Darstellungen verwenden an zweiter Stelle die Standardabweichung; lies deshalb immer die Definition. Eine ungefähr glockenförmige Stichprobe ist ein Hinweis, aber kein Beweis für ein Normalmodell. Das Modell reicht über alle reellen Zahlen; bei Größen mit festen Grenzen kann es nur eine geeignete Näherung sein.

  1. Lies Erwartungswert und Varianz ab.

  2. Ziehe die Wurzel der Varianz, bevor du standardisierst.

E(X)=μ,Var⁡(X)=σ2\mathsf{E(X)=\mu,\qquad\operatorname{\textsf{Var}}(X)=\sigma^2}

Erklärung 02

Die Glocke und ihre Flächen

Die Dichte ist symmetrisch um den Erwartungswert. Größere Standardabweichung bedeutet eine breitere, niedrigere Glocke; die Gesamtfläche bleibt 1. Die Dichtehöhe ist keine Punktwahrscheinlichkeit. Für stetige Modelle gilt P(X=x)=0\mathsf{P(X=x)=0}. Die Formel beschreibt die Kurve; zum Berechnen von Flächen verwenden wir die Verteilungsfunktion.

  1. Ordne die Mitte und die Streuung zu.

  2. Lies Wahrscheinlichkeiten als Flächen unter der Kurve.

f(x)=1σ2πexp⁡ ⁣(−(x−μ)22σ2)\mathsf{f(x)=\frac1{\sigma\sqrt{2\pi}}\exp\!\left(-\frac{(x-\mu)^2}{2\sigma^2}\right)}

Normaldichte N(50,25) mit schraffiertem Intervall45 bis60Gramm.

Erklärung 03

Auf die Standardnormalverteilung zurückführen

Die Größe Z=(X−μ)/σ\mathsf{Z=(X-\mu)/\sigma} ist standardnormalverteilt. Die Tabelle liefert Φ(z)=P(Z≤z)\mathsf{\Phi(z)=P(Z\le z)}, also die linke Fläche. Für rechte Randbereiche nimmst du das Gegenereignis; für Intervalle die Differenz. Negative Werte erhältst du durch Symmetrie. Die spezielle Arbeit mit Tabellen und Quantilen vertieft das Thema Standardnormalverteilung.

  1. Standardisiere die Grenze mit der Standardabweichung.

  2. Verwende die linke Fläche, deren Ergänzung oder eine Differenz.

FX(x)=Φ ⁣(x−μσ),Φ(−z)=1−Φ(z)\mathsf{F_X(x)=\Phi\!\left(\frac{x-\mu}{\sigma}\right),\qquad\Phi(-z)=1-\Phi(z)}

CDF derselben Normalverteilung, Mitte50Gramm mit Fläche0,5.
Kleiner Phi-Tabellenausschnitt mit linkerFlächenkonvention und Symmetrie.

So geht es am Beispiel

Eine Masse X in Gramm sei N(50,25)\mathsf{N(50,25)}-verteilt. Berechne P(X≤55)\mathsf{P(X\le55)}.

σ=25=5,z=55−505=1\mathsf{\sigma=\sqrt{25}=5,\qquad z=\frac{55-50}{5}=1}
P(X≤55)=Φ(1)≈0,8413\mathsf{P(X\le55)=\Phi(1)\approx0{,}8413}

Ergebnis

Im Modell sind das ungefähr 84,13 Prozent.

So geht es am Beispiel

Berechne im selben Modell P(45≤X≤60)\mathsf{P(45\le X\le60)}.

z1=45−505=−1,z2=60−505=2\mathsf{z_1=\frac{45-50}{5}=-1,\qquad z_2=\frac{60-50}{5}=2}
Φ(−1)≈1−0,8413=0,1587\mathsf{\Phi(-1)\approx1-0{,}8413=0{,}1587}
P(45≤X≤60)≈0,9772−0,1587=0,8185\mathsf{P(45\le X\le60)\approx0{,}9772-0{,}1587=0{,}8185}

Ergebnis

Etwa 81,85 Prozent liegen im genannten Massenintervall.

Erklärung 04

Begrenzter Anschluss: Binomialwerte annähern

Für K∼B(n,p)\mathsf{K\sim B(n,p)} setzt die Binomialverteilung unabhängige Versuche mit gleichbleibender Trefferwahrscheinlichkeit voraus. Bei ausreichend großer Streuung und ohne extreme Schiefe kann ein Normalmodell mit Erwartungswert np\mathsf{np} und Varianz np(1−p)\mathsf{np(1-p)} annähern. Als übliche Orientierung dient np(1−p)>3\mathsf{\sqrt{np(1-p)}>3}; das ist keine exakte Fehlergarantie. Weil K ganzzahlig ist, verschieben wir inklusive Grenzen um eine halbe Einheit. Diese Stetigkeitskorrektur ersetzt keinen Grenzwertbeweis. Bei kleinen oder extremen Parametern und kritischen Randwahrscheinlichkeiten rechne binomial oder mit geeigneter Software exakt.

  1. Prüfe das Binomialmodell und die Streuung.

  2. Ersetze eine inklusive untere Grenze durch minus 0,5 und eine inklusive obere durch plus 0,5.

  3. Standardisiere erst die korrigierten Grenzen; kennzeichne das Ergebnis als Näherung.

P(a≤K≤b)≈Φ ⁣(b+0,5−npnp(1−p))−Φ ⁣(a−0,5−npnp(1−p))\mathsf{P(a\le K\le b)\approx\Phi\!\left(\frac{b+0{,}5-np}{\sqrt{np(1-p)}}\right)-\Phi\!\left(\frac{a-0{,}5-np}{\sqrt{np(1-p)}}\right)}

So geht es am Beispiel

Bei 100 unabhängigen Versuchen sei die Trefferwahrscheinlichkeit jeweils 0,5. Nähere P(K≤55)\mathsf{P(K\le55)} an.

μ=50,σ=100⋅0,5⋅0,5=5>3\mathsf{\mu=50,\quad\sigma=\sqrt{100\cdot0{,}5\cdot0{,}5}=5>3}
P(K≤55)≈Φ ⁣(55,5−505)=Φ(1,1)≈0,8643\mathsf{P(K\le55)\approx\Phi\!\left(\frac{55{,}5-50}{5}\right)=\Phi(1{,}1)\approx0{,}8643}

Ergebnis

Die Normalapproximation ergibt ungefähr 86,43 Prozent.

So geht es am Beispiel

Nähere im selben Binomialmodell P(45≤K≤55)\mathsf{P(45\le K\le55)} an.

Beide Grenzen sind inklusive; der passende stetige Bereich reicht von 44,5 bis 55,5.

P(45≤K≤55)≈Φ(1,1)−Φ(−1,1)\mathsf{P(45\le K\le55)\approx\Phi(1{,}1)-\Phi(-1{,}1)}
≈2⋅0,8643−1=0,7286\mathsf{\approx2\cdot0{,}8643-1=0{,}7286}

Ergebnis

Die Näherung beträgt 72,86 Prozent; sie ist kein exakter Binomialwert.

Jetzt bist du dran

Aufgaben & Lösungen

Rechne zuerst selbst. Nutze den Platz für deinen Rechenweg und vergleiche anschließend mit der Lösung.

  1. Aufgabe 1Normalverteilung · EinstiegEine Masse in Gramm folgt im Modell X∼N(100,225)\mathsf{X\sim N(100,225)}. Gib Erwartungswert, Varianz und Standardabweichung mit passenden Einheiten an.Aufgabe öffnenAufgabe einklappen
    Lösung & Rechenweg

    Rechenweg

    1. Schritt 1 · Rechnung / Rechenweg
      μ=100 g\mathsf{\mu=100\,\mathsf g}
      σ2=225 g2\mathsf{\sigma^2=225\,\mathsf g^2}
      σ=225=15 g\mathsf{\sigma=\sqrt{225}=15\,\mathsf g}

    Ergebnisse & Teilantworten

    1. Erwartungswert100 g\mathsf{100\,\mathsf g}
    2. Varianz225 g2\mathsf{225\,\mathsf g^2}
    3. Standardabweichung15 g\mathsf{15\,\mathsf g}
  2. Aufgabe 2Normalverteilung · EinstiegFür X∼N(100,225)\mathsf{X\sim N(100,225)}: Berechne P(X≤115)\mathsf{P(X\le115)} mit der Tabelle.Aufgabe öffnenAufgabe einklappen
    Lösung & Rechenweg

    Rechenweg

    1. Schritt 1 · Rechnung / Rechenweg
      z=115−10015=1\mathsf{z=\frac{115-100}{15}=1}
      P(X≤115)=Φ(1)≈0,8413\mathsf{P(X\le115)=\Phi(1)\approx0{,}8413}

    Ergebnisse & Teilantworten

    1. Standardisierte Grenzez=1\mathsf{z=1}
    2. Wahrscheinlichkeit ungefähr0,8413\mathsf{0{,}8413}
  3. Aufgabe 3Normalverteilung · StandardBerechne im selben Modell P(85≤X≤115)\mathsf{P(85\le X\le115)}.Aufgabe öffnenAufgabe einklappen
    Lösung & Rechenweg

    Rechenweg

    1. Schritt 1 · Rechnung / Rechenweg
      z1=−1,z2=1\mathsf{z_1=-1,\quad z_2=1}
      P(85≤X≤115)=2Φ(1)−1≈0,6826\mathsf{P(85\le X\le115)=2\Phi(1)-1\approx0{,}6826}

    Ergebnis

    1. Intervallwahrscheinlichkeit ungefähr0,6826\mathsf{0{,}6826}
  4. Aufgabe 4Normalverteilung · StandardBerechne für X∼N(100,225)\mathsf{X\sim N(100,225)} die Wahrscheinlichkeit für mehr als 130 g.Aufgabe öffnenAufgabe einklappen
    Lösung & Rechenweg

    Rechenweg

    1. Schritt 1 · Rechnung / Rechenweg
      z=130−10015=2\mathsf{z=\frac{130-100}{15}=2}
      P(X>130)=1−Φ(2)≈0,0228\mathsf{P(X>130)=1-\Phi(2)\approx0{,}0228}

    Ergebnis

    1. Rechter Rand ungefähr0,0228\mathsf{0{,}0228}
  5. Aufgabe 5Normalverteilung · TransferSkizziere in die Achsen die Dichte von N(100,225)\mathsf{N(100,225)}. Markiere die Mitte und schraffiere den Bereich von 85 bis 115 g. Die maximale Höhe beträgt ungefähr 0,0266 pro Gramm.Aufgabe öffnenAufgabe einklappen

    Glocke und Schraffur

    Vorbereitete Dichteachsen für N(100,225), Masse in Gramm.

    Du kannst auf Papier arbeiten oder deine Zeichnung in Worten beschreiben.

    Lösung & Rechenweg

    Rechenweg

    1. Schritt 1 · Erklärung

      Die Glocke ist symmetrisch um 100 g, ihr Maximum liegt dort. Die Grenzen 85 und 115 liegen jeweils eine Standardabweichung von der Mitte entfernt.

      P(85≤X≤115)≈0,6826\mathsf{P(85\le X\le115)\approx0{,}6826}

    Ergebnis

    1. Glocke und SchraffurSymmetrische Glocke um 100, Schraffur 85–115, Höhe etwa 0,0266.
  6. Aufgabe 6Normalverteilung · TransferFür K∼B(100;0,5)\mathsf{K\sim B(100;0{,}5)}: Prüfe die Streuungsorientierung und nähere P(K≤54)\mathsf{P(K\le54)} mit Stetigkeitskorrektur an.Aufgabe öffnenAufgabe einklappen
    Lösung & Rechenweg

    Rechenweg

    1. Schritt 1 · Rechnung / Rechenweg
      μ=50,σ=5>3\mathsf{\mu=50,\qquad\sigma=5>3}
      z=54,5−505=0,9\mathsf{z=\frac{54{,}5-50}{5}=0{,}9}
      P(K≤54)≈Φ(0,9)≈0,8159\mathsf{P(K\le54)\approx\Phi(0{,}9)\approx0{,}8159}

    Ergebnisse & Teilantworten

    1. Korrigierte obere Grenze54,5\mathsf{54{,}5}
    2. Standardisierte Grenze0,9\mathsf{0{,}9}
    3. Näherungswahrscheinlichkeit0,8159\mathsf{0{,}8159}
  7. Aufgabe 7Normalverteilung · TransferEin Normalmodell soll Körpermassen beschreiben. Erkläre eine Modellgrenze und bestimme im stetigen Modell die Wahrscheinlichkeit für genau 100 g.Aufgabe öffnenAufgabe einklappen
    Lösung & Rechenweg

    Rechenweg

    1. Schritt 1 · Rechnung / Rechenweg

      Eine Normalverteilung erlaubt auch negative Werte. Für Körpermassen ist das unrealistisch; ein Einsatz verlangt, dass dieser Modellanteil im betrachteten Kontext vernachlässigbar ist.

      P(X=100)=0\mathsf{P(X=100)=0}
    2. Schritt 2 · Rechnung / Rechenweg

      Eine gerundete Messanzeige 100 g kann dagegen ein kleines Intervall repräsentieren und positive Wahrscheinlichkeit haben.

    Ergebnisse & Teilantworten

    1. ModellgrenzeNormalmodell hat auch negative Werte; Eignung im Kontext prüfen.
    2. Punktwahrscheinlichkeit0\mathsf{0}

Selbstcheck

Das kann ich jetzt

  • Ich benenne Modell, Parameter und Einheiten.
  • Ich bestimme Wahrscheinlichkeiten als Flächen oder CDF-Differenzen.
  • Ich unterscheide Dichtehöhe, Punktwahrscheinlichkeit und Intervallwahrscheinlichkeit.

AT Academy · Version 2026-10-21

Normalverteilung | AT Academy