Standardnormalverteilung
In diesem Beitrag
Was versteht man unter Standardnormalverteilung?
Die Standardnormalverteilung ist ein Spezialfall der Normalverteilung mit einem Mittelwert von 0 und einer Standardabweichung von 1. Sie wird häufig mit N(0, 1) bezeichnet, und Zufallsvariablen, die dieser Verteilung folgen, werden üblicherweise mit dem Buchstaben Z abgekürzt.
Die Wahrscheinlichkeitsdichte der Standardnormalverteilung ist symmetrisch und glockenförmig. Ihre Dichtefunktion lautet:
Dichtefunktion der Standardnormalverteilung
Dabei ist z der jeweilige Wert der Zufallsvariablen, e die Eulersche Zahl und π die Kreiszahl Pi. Die Kurve ist vollständig durch diese beiden Parameter – Mittelwert und Standardabweichung – bestimmt.
Jede beliebige normalverteilte Variable X mit Mittelwert μ und Standardabweichung σ lässt sich durch die sogenannte z-Transformation in eine standardnormalverteilte Variable Z umrechnen:
z-Transformation (Standardisierung)
Warum ist die Standardnormalverteilung für statistische Analysen wichtig?
Die Standardnormalverteilung ist ein zentrales Werkzeug in der Statistik – aus mehreren Gründen:
- Grundlage für Hypothesentests: Viele statistische Tests, etwa der z-Test, basieren direkt auf der Standardnormalverteilung. Auch für t-Tests, Chi-Quadrat-Tests und F-Tests spielen standardisierte Verteilungen eine wichtige Rolle.
- Berechnung von Wahrscheinlichkeiten: Mithilfe der sogenannten Standardnormalverteilungstabelle (z-Tabelle) lassen sich Wahrscheinlichkeiten und kritische Werte schnell ablesen, ohne komplexe Integrationen durchführen zu müssen.
- Zentraler Grenzwertsatz: Der zentrale Grenzwertsatz besagt, dass die Summe vieler unabhängiger Zufallsvariablen – unabhängig von ihrer ursprünglichen Verteilung – bei ausreichend großer Stichprobenzahl annähernd normalverteilt ist. Die Standardnormalverteilung ist dabei die Referenzverteilung.
- Vergleichbarkeit herstellen: Durch die z-Transformation werden Messwerte aus unterschiedlichen Skalen vergleichbar gemacht, etwa Testergebnisse aus verschiedenen Prüfungen.
Praxisbeispiel zu Standardnormalverteilung
Angenommen, du untersuchst die Prüfungsergebnisse einer großen Studierendengruppe. Die Punktzahlen sind normalverteilt mit einem Mittelwert von μ = 65 Punkten und einer Standardabweichung von σ = 10 Punkten. Du möchtest wissen: Wie wahrscheinlich ist es, dass ein zufällig ausgewählter Studierender mehr als 80 Punkte erzielt?
Zuerst standardisierst du den Wert mit der z-Transformation:
Berechnung des z-Werts
Ein z-Wert von 1,5 bedeutet: 80 Punkte liegen 1,5 Standardabweichungen über dem Mittelwert. Nun schlägst du in der z-Tabelle nach und findest, dass der Flächenanteil links von z = 1,5 etwa 0,9332 beträgt – also rund 93,3 % der Studierenden erzielen 80 Punkte oder weniger.
Die gesuchte Wahrscheinlichkeit für mehr als 80 Punkte ergibt sich durch Subtraktion:
Wahrscheinlichkeit
Nur etwa 6,7 % der Studierenden erzielen mehr als 80 Punkte. Dieses Vorgehen – standardisieren, z-Tabelle nutzen, interpretieren – ist typisch für den Einsatz der Standardnormalverteilung in der Praxis.
