Normalverteilung Rechner

Verteilung

Berechnungsmodus

Werte

Anzeige

Wahrscheinlichkeit97.5002 %
Wahrscheinlichkeit (dezimal)0.9750
z-Wert1.9600
Quantil / x-Wert1.9600

Rechenweg

z = (1.96 − 0) / 1 = 1.9600 → P(X ≤ 1.96) = Φ(1.9600) ≈ 0.9750

Φ wird über die erf-Approximation (Abramowitz/Stegun 7.1.26) berechnet, Φ⁻¹ über Beasley-Springer-Moro.

Wann lassen sich Daten mit der Normalverteilung berechnen?

Die Normalverteilung beschreibt zufällige Größen, die symmetrisch um einen Mittelwert streuen – etwa Körpergrößen, Messfehler oder Prüfergebnisse. Charakteristisch ist die Glockenkurve mit μ als Maximum und σ als Maß für die Streuung.

Rund 68 % aller Werte liegen im Bereich μ ± σ, etwa 95 % in μ ± 2σ und 99,7 % in μ ± 3σ. Diese 68-95-99,7-Regel hilft, Ergebnisse einzuordnen, bevor man eine genaue Wahrscheinlichkeit berechnet.

Mittelwert, Standardabweichung und Berechnungsmodus eingeben

  1. Mittelwert μ und Standardabweichung σ eintragen (σ muss größer als 0 sein).
  2. Berechnungsmodus auswählen: P(X ≤ x), P(X ≥ x), P(a ≤ X ≤ b), z-Wert oder Quantil.
  3. Je nach Modus die Grenzen x, a, b oder die Wahrscheinlichkeit p eingeben.
  4. Dezimalstellen für die Anzeige festlegen – die Berechnung selbst arbeitet hochpräzise.

Wie berechnet man Wahrscheinlichkeiten der Normalverteilung?

z = (x − μ) / σ P(X ≤ x) = Φ(z) x = μ + σ · Φ⁻¹(p)

Φ ist die Verteilungsfunktion der Standardnormalverteilung, Φ⁻¹ ihre Inverse für Quantile. Der z-Wert standardisiert eine Beobachtung auf μ = 0 und σ = 1.

Φ(z) hat keine elementare Form. Der Rechner verwendet eine numerisch stabile Approximation auf Basis der Fehlerfunktion erf(x) (Abramowitz/Stegun 7.1.26) mit einer Genauigkeit besser als 1·10⁻⁷.

Quantile werden über die Beasley-Springer-Moro-Approximation für Φ⁻¹(p) bestimmt – in der Praxis hinreichend genau für klassische Statistik-Aufgaben.

Beispiel aus dem Alltag

Die Lieferzeiten eines Onlineshops sind normalverteilt mit μ = 3 Tagen und σ = 0,8 Tagen. Wie hoch ist die Wahrscheinlichkeit, dass ein Paket spätestens nach 4 Tagen ankommt?

z = (4 − 3) / 0,8 = 1,25 → P(X ≤ 4) = Φ(1,25) ≈ 0,8944, also etwa 89,4 %. Umgekehrt: Soll der Shop in 95 % der Fälle pünktlich sein, liegt das 95 %-Quantil bei x = 3 + 0,8 · 1,645 ≈ 4,3 Tagen.

Was sagen z-Wert, Wahrscheinlichkeit und Quantil aus?

Ein z-Wert sagt, wie viele Standardabweichungen ein Beobachtungswert vom Mittelwert entfernt liegt. |z| > 2 deutet auf einen ungewöhnlich hohen oder niedrigen Wert hin.

Eine Wahrscheinlichkeit ist immer eine Aussage über einen Bereich – „mindestens“, „höchstens“ oder „zwischen“. Quantile drehen die Frage um: Welcher x-Wert wird mit gegebener Wahrscheinlichkeit nicht überschritten?

FAQ: Häufige Fragen

Warum muss σ größer als 0 sein?+

σ ist die Standardabweichung und beschreibt die Streuung. Ein Wert von 0 würde bedeuten, dass alle Beobachtungen exakt μ sind – dann existiert keine Verteilung im klassischen Sinn.

Wie genau ist die verwendete Approximation?+

Φ wird über die erf-Approximation nach Abramowitz/Stegun (Genauigkeit ≈ 1·10⁻⁷) und Φ⁻¹ über Beasley-Springer-Moro berechnet. Für typische Statistik-Aufgaben ist das deutlich genauer als gedruckte Tabellenwerte.

Was ist der Unterschied zwischen z-Wert und Quantil?+

Der z-Wert standardisiert einen Beobachtungswert (wie viele σ vom Mittelwert entfernt). Das Quantil dreht die Richtung um: Welcher x-Wert hat eine vorgegebene Wahrscheinlichkeit p?

Gilt P(X ≤ x) = P(X < x)?+

Bei stetigen Verteilungen wie der Normalverteilung ja, weil P(X = x) = 0 ist. Bei diskreten Verteilungen wäre der Unterschied relevant.

Quellen

Verwandte Rechner