Direkt zum Inhalt

Pfadnavigation

  1. Startseite
  2. Mathematik Abitur
  3. 13 Wahrscheinlichkeitstheorie
  4. 13.5 Binomialverteilung
  5. 13.5.7 Normalverteilung
  6. Normalverteilung (Gauß-Verteilung)

Normalverteilung (Gauß-Verteilung)

Auf der Suche nach „dem durchschnittlichen, dem normalen Menschen“ (l' homme moyen) ließ der auf vielen Gebieten tätige belgische Wissenschaftler LAMBERT ADOLPHE JACQUES QUÉTELET (1796 bis 1874) in den 30er Jahren des 19. Jahrhunderts biometrische Messungen in großem Umfang durchführen. In vielen Fällen wurde dabei seine Vorstellung bestätigt, dass die Häufigkeitsverteilung der gemessenen Werte (etwa zum Brustumfang) einer symmetrischen Glockenkurve entspricht. Das mag wohl auch ein wichtiger Grund dafür gewesen sein, dieser gleichsam als naturgemäß angesehenen Verteilung den Namen Normalverteilung zu geben, wobei diese Bezeichnung auch zu allerlei Fehldeutungen führte – vor allem dann, wenn alles nicht Normalverteilte als anormal eingestuft wurde.

Schule wird easy mit KI-Tutor Kim und Duden Learnattack

  • Kim hat in Deutsch, Mathe, Englisch und 6 weiteren Schulfächern immer eine von Lehrkräften geprüfte Erklärung, Video oder Übung parat.
  • 24/7 auf Learnattack.de und WhatsApp mit Bildupload und Sprachnachrichten verfügbar. Ideal, um bei den Hausaufgaben und beim Lernen von Fremdsprachen zu unterstützen.
  • Viel günstiger als andere Nachhilfe und schützt deine Daten.
Jetzt 30 Tage risikofrei testen
Your browser does not support the video tag.

Das Geburtsdatum der Normalverteilung lag aber fast 100 Jahre früher, als ABRAHAM DE MOIVRE (1667 bis 1754) im Jahre 1733 in einer kleinen Abhandlung die Normalverteilung als Grenzverteilung der Binomialverteilung herleitete.

Die große Anziehungskraft, die von dieser Verteilung auf viele Gelehrte ausging, resultierte hauptsächlich aus den mathematischen Arbeiten von PIERRE SIMON DE LAPLACE (1749 bis 1827) und CARL FRIEDRICH GAUSS (1777 bis 1855), die diese im Zusammenhang mit einer Theorie der Beobachtungsfehler Anfang des 19. Jahrhunderts veröffentlicht hatten. Daran anschließend spricht man auch von der gaußschen Glockenkurve.

Die Normalverteilung, für die im Folgenden eine Definition angegeben wird, zählt auch heute noch zu den bekanntesten und am häufigsten verwendeten Verteilungen.

  • Definition: Eine stetige Zufallsgröße X mit der Dichtefunktion
    f :       x ↦ 1 2 π σ 2 ⋅ e −   ( x   −   μ ) 2 2 σ 2
    heißt normalverteilt mit den Parametern μ und σ 2 ( m i t       μ ∈ ℝ ;       σ > 0 ) .

Anmerkung: Man nennt dann die Zufallsgröße X auch ( μ ;   σ 2 ) -normalverteilt oder kurz N ( μ ;   σ 2 ) -verteilt . Als Schreibweise verwendet man vielfach X ∼ N ( μ ;   σ 2 ) .

Für die Verteilungsfunktion F einer normalverteilten Zufallsgröße ergibt sich damit:
  P ( X ≤ a ) = F ( a ) = ∫ − ∞ a f ( x )   d x     ( a ∈ ℝ )

Der Graph der Dichtefunktion f einer normalverteilten Zufallsgröße ist eine Glockenkurve.

Bild

Führt man (wie in der Analysis) eine Kurvendiskussion durch, so ergibt sich weiterhin:
Der Graph der Dichtefunktion f hat als einzigen Extrempunkt den Hochpunkt (lokalen Maximumpunkt)
H ( μ     ;   1 2 π σ 2 ) ,
die Wendepunkte
W 1 ;   2 ( μ ± σ ;   1 2 e π σ 2 )
und die Symmetrieachse mit der Gleichung x = μ .

Indem man interaktiv die Werte für μ und σ verändert, kann man erkennen, dass sich

  1. der Graph von f längs der x-Achse verschiebt, falls sich μ ändert,
  2. der Graph von f in y-Richtung streckt bzw. staucht, falls sich σ ändert (je kleiner σ ist, umso stärker konzentriert sich der Graph von f um den Wert μ ).
  • Graphen der Dichtefunktionen f (für spezielle Werte)

Den Inhalt der Fläche unterhalb des Graphen von f über dem Intervall ]   − ∞ ;   a ] interpretiert man in der Stochastik (d.h. wenn f als Dichtefunktion einer normalverteilten Zufallsgröße aufgefasst wird) als die Wahrscheinlichkeit P ( X ≤ a ) .

Bild

Jede ( μ ;   σ 2 ) -normalverteilte Zufallsgröße X mit der Dichtefunktion f besitzt den Erwartungswert E X = μ .

Dies kann man sich zum einen durch eine Plausibilitätsbetrachtung klarmachen: Der Graph der Dichtefunktion f von N ( μ ;   σ 2 ) verläuft axialsymmetrisch zur Geraden mit der Gleichung x = μ .

Folglich kann μ als Schwerpunkt der Wahrscheinlichkeitsverteilung und somit als Erwartungswert von X betrachtet werden.

Zum anderen lässt sich ferner unter Verwendung von
∫ − ∞ ∞ e − x 2 d x = π
mit Mitteln der Analysis beweisen, dass gilt:
  E X = ∫ − ∞ ∞ [ x ⋅ 1 2 π σ 2 e − ( x   −   μ ) 2 σ 2 2 ]   d x = μ

Schließlich gibt es auch die Möglichkeit, das zur Bestimmung von EX zu berechnende Integral für verschiedene Werte von μ und σ interaktiv auszurechnen und zu prüfen, ob sich μ ergibt.

  • Erwartungswert der Normalverteilung (für spezielle Werte)

Jede Zufallsgröße X ∼ N ( μ ;   σ 2 ) besitzt die Streuung (bzw. Varianz) D 2 X = σ 2 .

Auch dies kann man sich durch eine Plausibilitätsbetrachtung verdeutlichen. Der Parameter σ 2 charakterisiert die Wendestellen x W 1 = μ − σ       u n d       x W 2 = μ + σ des Graphen ihrer Dichtefunktion f.

Je größer σ 2 ist, desto breiter ist der glockenförmige Graph von f und desto größer müsste demzufolge die Streuung D 2 X von X sein.

Interaktiv kann man das zur Bestimmung von D 2 X zu berechnende Integral für verschiedene Werte von μ und σ ausrechnen und prüfen, ob sich σ 2 ergibt.

Die Normalverteilung besitzt eine große praktische Bedeutung, was vor allem aus folgenden Eigenschaften resultiert:

  1. Mithilfe der Normalverteilung ist es möglich, die Werte der Binomialverteilung näherungsweise zu berechnen.
  2. Ein zufälliger Vorgang, der durch Überlagerung sehr vieler, kleiner, unabhängiger zufälliger Effekte entsteht, kann näherungsweise durch eine Normalverteilung beschrieben werden. Der zentrale Grenzwertsatz liefert dafür die theoretische Begründung.
  3. Kann man bei einem zufälligen Vorgang aus inhaltlichen Erwägungen davon ausgehen, dass er sich durch eine Normalverteilung modellieren lässt, so reicht es aus, den Erwartungswert μ und die Streuung σ 2 zu bestimmen, denn diese beiden Kennzahlen konstituieren eine Normalverteilung vollständig.

Ist X eine normalverteilte Zufallsgröße mit den Parametern μ und σ 2 , dann ist die standardisierte Zufallsgröße Y = X − μ σ ebenfalls normalverteilt, und zwar N ( 0 ;   1 ) -verteilt .

Man bezeichnet diese als standardnormalverteilt und den Graphen ihrer Dichtefunktion als gaußsche Glockenkurve. Wahrscheinlichkeiten für beliebige normalverteilte Zufallsgrößen können demzufolge auf Wahrscheinlichkeiten einer einzigen, speziellen Normalverteilung zurückgeführt werden. Das vereinfacht viele praktische Berechnungen erheblich.

Lernhelfer (Duden Learnattack GmbH): "Normalverteilung (Gauß-Verteilung)." In: Lernhelfer (Duden Learnattack GmbH). URL: http://www.lernhelfer.de/index.php/schuelerlexikon/mathematik-abitur/artikel/normalverteilung-gauss-verteilung (Abgerufen: 10. June 2025, 01:01 UTC)

Suche nach passenden Schlagwörtern

  • Berechnung
  • Glockenkurve
  • Standardnormalverteilung
  • Mathcad
  • gaußsche Glockenkurve
  • Schwerpunkt
  • normalverteilt
  • Verteilungsfunktion
  • Quételet
  • zentraler Grenzwertsatz
  • interaktives Rechenbeispiel
  • Zufallsgrößen
  • Dichtefunktion
  • Wahrscheinlichkeitsverteilung
  • Biometrie
  • Gauss
  • standardnormalverteilt
  • Varianz
  • Moivre
  • Erwartungswert
  • Gauß
  • Approximation
  • Binomialverteilung
  • Streuung
  • Animation
Jetzt durchstarten

Lernblockade und Hausaufgabenstress?

Entspannt durch die Schule mit KI-Tutor Kim und Duden Learnattack.

  • Kim hat in Deutsch, Mathe, Englisch und 6 weiteren Schulfächern immer eine von Lehrkräften geprüfte Erklärung, Video oder Übung parat.
  • 24/7 auf Learnattack.de und WhatsApp mit Bildupload und Sprachnachrichten verfügbar. Ideal, um bei den Hausaufgaben und beim Lernen von Fremdsprachen zu unterstützen.
  • Viel günstiger als andere Nachhilfe und schützt deine Daten.

Verwandte Artikel

Mehrstufige Zufallsexperimente

Besteht ein zufälliger Vorgang aus mehreren, nacheinander ablaufenden Teilvorgängen (oder aus Teilvorgängen, die als nacheinander ablaufend interpretiert werden können), so spricht man von einem mehrstufigen Zufallsexperiment (Zufallsversuch).

Dichtefunktion stetiger Zufallsgrößen

Wir nähern uns dem Begriff der Dichtefunktion stetiger Zufallsgrößen mittels eines Anwendungsbeispiels.

Dreiecksverteilung (simpsonsche Verteilung)

Die Dreiecksverteilung wird in den meisten Lehrbüchern zur Stochastik kaum erwähnt bzw. nur am Rande behandelt. Das mag seinen Grund darin haben, dass diese Verteilung kein eigenständiges, aus der Praxis stammendes Anwendungsgebiet besitzt.
Die erste Abhandlung über diese Form der Verteilung von Zufallsgrößen in der Geschichte der Wahrscheinlichkeitstheorie stammt vom englischen Mathematiker THOMAS SIMPSON (1710 bis 1761), deshalb spricht man mitunter auch von der simpsonschen Verteilung.

Carl Friedrich Gauß

* 30. April 1777 Braunschweig
† 23. Februar 1855 Göttingen

Der oft als „Princeps mathematicorum“ (Fürst der Mathematik) bezeichnete CARL FRIEDRICH GAUSS erzielte bahnbrechende Leistungen in Mathematik, Physik, Astronomie und Geodäsie.
Auf mathematischem Gebiet beschäftigte er sich vor allem mit Probemen der Zahlentheorie und Algebra sowie mit Fragen der numerischen Mathematik. Durch neue Berechnungsmethoden schuf er die Grundlagen für eine exakte Bestimmung der Planetenbahnen.
Gemeinsam mit dem Physiker WILHELM WEBER trug GAUSS wesentlich zur Erforschung des Erdmagnetismus und zur Aufstellung eines absoluten Maßsystems bei. Weitere erwähnenswerte Leistungen sind die Bestimmung der Lage der Magnetpole der Erde sowie die Entwicklung des elektromagnetischen Telegrafen.

Der Zentrale Grenzwertsatz

Ausgehend von der Erfahrung, dass viele Alltagsphänomene, die sich aus unabhängig voneinander wirkenden kleinen Komponenten zusammensetzen, annähernd normalverteilt sind, richtete sich das Augenmerk mehrerer Mathematikergenerationen vor allem auf die Frage, welche Bedingungen man dafür zu fordern hat.

Ein Angebot von

Footer

  • Impressum
  • Sicherheit & Datenschutz
  • AGB
© Duden Learnattack GmbH, 2025