Normalverteilungs-Wahrscheinlichkeit-Rechner

Finden Sie die Wahrscheinlichkeit zwischen zwei Werten.

Bitte geben Sie gültige Werte für X, Mittelwert und Standardabweichung ein (σ > 0)

Beispiele:

Geben Sie Werte ein, um die Wahrscheinlichkeit zu berechnen

Was ist der Normalverteilungs-Wahrscheinlichkeitsrechner?

Dieser Rechner berechnet Wahrscheinlichkeiten aus der Normal- (Gauß-)Verteilung mit beliebigem Mittelwert und Standardabweichung. Im Gegensatz zum Z-Tabellen-Rechner, der nur die Standardnormalverteilung N(0,1) verarbeitet, kann dieser jede beliebige Normalverteilung N(μ, σ) berechnen.

Gegeben: Mittelwert (μ), Standardabweichung (σ) und ein Wert oder Bereich Ergebnis: Die Wahrscheinlichkeit, dass eine normalverteilte Variable in diesen Bereich fällt

Arten von Wahrscheinlichkeitsberechnungen

P(X < x): Unterer Schwanz

„Wie hoch ist die Wahrscheinlichkeit, unter 85 Punkte zu erzielen?"

Gegeben X ~ N(70, 12): P(X < 85) = ?

P(X > x): Oberer Schwanz

„Wie hoch ist die Wahrscheinlichkeit, über 85 Punkte zu erzielen?"

P(X > 85) = 1 - P(X < 85)

P(a < X < b): Zwischen zwei Werten

„Wie hoch ist die Wahrscheinlichkeit, zwischen 65 und 75 Punkte zu erzielen?"

P(65 < X < 75) = P(X < 75) - P(X < 65)

Funktionsweise

Standardisierung

Jedes Normalverteilungsproblem wird in die Standardnormalverteilung umgewandelt:

z=x−μσz = \frac{x - \mu}{\sigma}

Dann wird die kumulative Verteilungsfunktion (CDF) der Standardnormalverteilung verwendet.

Beispiel

Körpergrößen sind N(170, 8) cm. Wie groß ist P(Größe < 180)?

z = (180 - 170) / 8 = 1,25 P(Z < 1,25) = 0,894

Etwa 89,4 % der Menschen sind kleiner als 180 cm.

Anwendungen

Qualitätskontrolle

„Schrauben haben einen Durchmesser N(10mm, 0,1mm). Welcher Anteil liegt außerhalb von 9,8-10,2mm?"

P(X < 9,8) + P(X > 10,2) = P(|X - 10| > 0,2)

Dies ist die Ausschussrate.

Testbewertung

„SAT-Ergebnisse sind N(1060, 195). Welcher Wert entspricht dem 90. Perzentil?"

Finde x, wobei P(X < x) = 0,90 (Dies ist das inverse Problem – verwende den Inverse-Normalverteilungs-Rechner)

Risikobewertung

„Jährliche Renditen sind N(8 %, 15 %). Wie hoch ist die Wahrscheinlichkeit eines Verlusts?"

P(X < 0 %) = ?

Prozessfähigkeit

„Prozessmittelwert ist 50, Standardabweichung ist 2. Spezifikationen sind 45-55. Wie hoch ist die Fehlerquote?"

P(X < 45) + P(X > 55) = Anteil außerhalb der Spezifikationen

Biologie und Medizin

„Blutdruck N(120, 10). Welcher Anteil ist ‚hoch' (>140)?"

P(X > 140) = P(Z > 2) ≈ 0,023

Etwa 2,3 % dieser Population haben hohen Blutdruck.

Die Normalverteilung

Die Normalverteilung ist charakterisiert durch:

  • Mittelwert (μ): Zentrum der Verteilung
  • Standardabweichung (σ): Streuung
  • Glockenkurve: Symmetrisch um den Mittelwert
  • Wahrscheinlichkeit nach Fläche: Gesamtfläche = 1

Die Wahrscheinlichkeitsdichtefunktion:

f(x)=12πσ2exp⁡[−(x−μ)22σ2]f(x) = \frac{1}{\sqrt{2\pi\sigma^2}} \exp\left[-\frac{(x-\mu)^2}{2\sigma^2}\right]

Diese Formel benötigt man selten – der Rechner übernimmt das.

Wichtige Eigenschaften

Symmetrie

P(X<μ−a)=P(X>μ+a)P(X < \mu - a) = P(X > \mu + a)

Die Schwänze sind Spiegelbilder.

Die 68-95-99,7-Regel

  • P(μ−σ<X<μ+σ)≈0,68P(\mu - \sigma < X < \mu + \sigma) \approx 0,68
  • P(μ−2σ<X<μ+2σ)≈0,95P(\mu - 2\sigma < X < \mu + 2\sigma) \approx 0,95
  • P(μ−3σ<X<μ+3σ)≈0,997P(\mu - 3\sigma < X < \mu + 3\sigma) \approx 0,997

Lineare Transformationen

Wenn X ~ N(μ, σ), dann:

  • aX + b ~ N(aμ + b, |a|σ)

Skalierung und Verschiebung normalverteilter Variablen erhält die Normalität.

Summe von Normalverteilungen

Wenn X∼N(μ1,σ1)X \sim N(\mu_1, \sigma_1) und Y∼N(μ2,σ2)Y \sim N(\mu_2, \sigma_2) unabhängig sind:

X+Y∼N(μ1+μ2,σ12+σ22)X + Y \sim N(\mu_1 + \mu_2, \sqrt{\sigma_1^2 + \sigma_2^2})

Historische Entwicklung

Abraham de Moivre (1733) entdeckte die Normalkurve erstmals bei der Approximation von Binomialverteilungen.

Carl Friedrich Gauß (1809) wandte sie auf Messfehler in der Astronomie an, was ihr den Namen „Gauß-Verteilung" gab.

Pierre-Simon Laplace entwickelte die Theorie weiter und verband sie mit dem Zentralen Grenzwertsatz.

Adolphe Quetelet (1835) wandte die Normalverteilung auf menschliche Messungen an und etablierte sie als Standardmodell für biologische Variation.

Wann gilt die Normalverteilung?

Die Normalverteilung beschreibt oft:

  • Physische Messungen (Größen, Gewichte)
  • Messfehler
  • IQ- und standardisierte Testergebnisse
  • Viele natürliche Phänomene

Sie gilt möglicherweise NICHT, wenn:

  • Daten begrenzt sind (Prozentsätze, Anzahlen)
  • Die Verteilung schief ist (Einkommen, Reaktionszeiten)
  • Schwere Schwänze existieren (Finanzrenditen)

Die Rechner für Schiefe und Kurtosis helfen bei der Beurteilung der Normalität.

Zentraler Grenzwertsatz

Auch wenn einzelne Daten nicht normal sind, tendieren Stichprobenmittelwerte zur Normalität:

Wenn X1,X2,…,XnX_1, X_2, \ldots, X_n unabhängig mit Mittelwert μ\mu und Standardabweichung σ\sigma sind:

Xˉ∼N(μ,σn)\bar{X} \sim N\left(\mu, \frac{\sigma}{\sqrt{n}}\right) (näherungsweise, für großes n)

Dies rechtfertigt die Verwendung von Normalwahrscheinlichkeiten für Inferenz auch bei nicht-normalen Daten, bei ausreichender Stichprobengröße.

Beziehung zu anderen Verteilungen

Standardnormalverteilung: N(0,1) ist der Spezialfall μ=0, σ=1

Lognormalverteilung: Wenn log(X) ~ Normal, dann ist X lognormal

Chi-Quadrat-Verteilung: Summe quadrierter Standardnormalverteilungen

Student-t-Verteilung: Standardnormalverteilung geteilt durch √(χ²/df)

F-Verteilung: Verhältnis von Chi-Quadrat-Verteilungen

Berechnungsmethoden

Die normale CDF hat keine geschlossene Lösung – sie erfordert numerische Integration oder Approximation. Moderne Rechner verwenden:

  • Taylor-Reihenentwicklungen
  • Rationale Funktionsapproximationen
  • Kettenbrüche

Die Fehlerfunktion (erf) ist mathematisch äquivalent zur normalen CDF.

Verwandte Berechnungen

Zusammenfassung

Der Normalverteilungs-Wahrscheinlichkeitsrechner berechnet Wahrscheinlichkeiten aus jeder beliebigen Normalverteilung durch Angabe von Mittelwert, Standardabweichung und dem/den interessierenden Wert(en). Von Qualitätskontrolle über Testbewertung bis zur Risikobewertung beantworten Normalwahrscheinlichkeiten Fragen darüber, welcher Anteil einer Population in bestimmte Bereiche fällt. Der Rechner übernimmt die zugrundeliegende Standardisierung und numerische Integration und liefert sofortige Wahrscheinlichkeitsergebnisse für jede Normalverteilung.

Verwandte Werkzeuge