Sigma-Regel

Füllmengen von Getränkeflaschen, die Körpergröße von Menschen oder die Ergebnisse eines IQ-Tests – all diese Daten haben etwas gemeinsam: Sie häufen sich um einen zentralen Mittelwert und werden nach außen hin immer seltener. Solche Daten sind normalverteilt . Die Sigma-Regeln (oder sigma -Regeln) sind praktische Faustregeln für normalverteilte Daten. Mit ihnen kannst du blitzschnell und ohne komplizierte Berechnungen abschätzen, wie viel Prozent der Messwerte in einem bestimmten Bereich um den Erwartungswert liegen. Dazu benötigst du lediglich zwei Kennzahlen: 1. Den Erwartungswert mu (My), der das Zentrum der Verteilung angibt. 2. Die Standardabweichung sigma (Sigma), die misst, wie breit die Daten um dieses Zentrum streuen. Die Sigma-Regeln beschreiben die Wahrscheinlichkeiten für die sogenannten Sigma-Umgebungen einer normalverteilten Zufallsvariablen X : 1 sigma -Umgebung: Im Intervall [ mu - sigma; mu + sigma] liegen ungefähr 68{,}3 , % aller Werte. P( mu - sigma le X le mu + sigma) approx 0{,}683 2 sigma -Umgebung: Im Intervall [ mu - 2 sigma; mu + 2 sigma] befinden sich ungefähr 95{,}5 , % aller Werte. P( mu - 2 sigma le X le mu + 2 sigma) approx 0{,}955 3 sigma -Umgebung: Im Intervall [ mu - 3 sigma; mu + 3 sigma] liegen fast alle Werte, nämlich ungefähr 99{,}7 , % . P( mu - 3 sigma le X le mu + 3 sigma) approx 0{,}997 Außerhalb der 3 sigma -Umgebung liegen somit nur noch minimale 0{,}3 , % der Werte. Ein solches Ereignis ist im Alltag extrem unwahrscheinlich. Aufgab

Worum geht's?

Füllmengen von Getränkeflaschen, die Körpergröße von Menschen oder die Ergebnisse eines IQ-Tests – all diese Daten haben etwas gemeinsam: Sie häufen sich um einen zentralen Mittelwert und werden nach außen hin immer seltener. Solche Daten sind normalverteilt . Die Sigma-Regeln (oder σ \sigma σ -Regeln) sind praktische Faustregeln für normalverteilte Daten. Mit ihnen kannst du blitzschnell und ohne komplizierte Berechnungen abschätzen, wie viel Prozent der Messwerte in einem bestimmten Bereich um den Erwartungswert liegen. Dazu benötigst du lediglich zwei Kennzahlen: 1. Den Erwartungswert μ \mu μ (My), der das Zentrum der Verteilung angibt. 2. Die Standardabweichung σ \sigma σ (Sigma), die misst, wie breit die Daten um dieses Zentrum streuen.

Formel mit Erklärung

Die Sigma-Regeln beschreiben die Wahrscheinlichkeiten für die sogenannten Sigma-Umgebungen einer normalverteilten Zufallsvariablen X X X :
Die 1-Sigma-Umgebung (ca. 68,3 %) → N(0.0; 1.0)
μ−σμμ+σ-4.0-1.00.01.04.0
μ = 0  |  σ = 1
P(-1 ≤ X ≤ 1) ≈ 0.6827
Die Fläche unter der Glocke bleibt immer 1 – wird sie breiter, wird sie flacher.
1 σ 1\sigma 1 σ -Umgebung: Im Intervall [ μ − σ ; μ + σ ] [\mu - \sigma; \mu + \sigma] [ μ − σ ; μ + σ ] liegen ungefähr 68,3   % 68{,}3\,\% 68 , 3 % aller Werte. P ( μ − σ ≤ X ≤ μ + σ ) ≈ 0,683 P(\mu - \sigma \le X \le \mu + \sigma) \approx 0{,}683 P ( μ − σ ≤ X ≤ μ + σ ) ≈ 0 , 683 2 σ 2\sigma 2 σ -Umgebung: Im Intervall [ μ − 2 σ ; μ + 2 σ ] [\mu - 2\sigma; \mu + 2\sigma] [ μ − 2 σ ; μ + 2 σ ] befinden sich ungefähr 95,5   % 95{,}5\,\% 95 , 5 % aller Werte. P ( μ − 2 σ ≤ X ≤ μ + 2 σ ) ≈ 0,955 P(\mu - 2\sigma \le X \le \mu + 2\sigma) \approx 0{,}955 P ( μ − 2 σ ≤ X ≤ μ + 2 σ ) ≈ 0 , 955 3 σ 3\sigma 3 σ -Umgebung: Im Intervall [ μ − 3 σ ; μ + 3 σ ] [\mu - 3\sigma; \mu + 3\sigma] [ μ − 3 σ ; μ + 3 σ ] liegen fast alle Werte, nämlich ungefähr 99,7   % 99{,}7\,\% 99 , 7 % . P ( μ − 3 σ ≤ X ≤ μ + 3 σ ) ≈ 0,997 P(\mu - 3\sigma \le X \le \mu + 3\sigma) \approx 0{,}997 P ( μ − 3 σ ≤ X ≤ μ + 3 σ ) ≈ 0 , 997 Außerhalb der 3 σ 3\sigma 3 σ -Umgebung liegen somit nur noch minimale 0,3   % 0{,}3\,\% 0 , 3 % der Werte. Ein solches Ereignis ist im Alltag extrem unwahrscheinlich.

Beispiele

Leicht#1
Aufgabe: Die Körpergröße von Männern in Deutschland ist annähernd normalverteilt mit dem Erwartungswert μ = 180  cm \mu = 180\text{ cm} μ = 180  cm und der Standardabweichung σ = 7  cm \sigma = 7\text{ cm} σ = 7  cm . In welchem symmetrischen Bereich liegen die Körpergrößen von ca. 68,3   % 68{,}3\,\% 68 , 3 % aller Männer?
Körpergrößen deutscher Männer → N(180.0; 7.0)
μ−σμμ+σ152.0173.0180.0187.0208.0
μ = 180  |  σ = 7
P(173 ≤ X ≤ 187) ≈ 0.6827
Die Fläche unter der Glocke bleibt immer 1 – wird sie breiter, wird sie flacher.
Lösung: Der Anteil von 68,3   % 68{,}3\,\% 68 , 3 % entspricht genau der 1 σ 1\sigma 1 σ -Umgebung. Wir berechnen die Intervallgrenzen: Untere Grenze: μ − 1 σ = 180  cm − 7  cm = 173  cm \mu - 1\sigma = 180\text{ cm} - 7\text{ cm} = 173\text{ cm} μ − 1 σ = 180  cm − 7  cm = 173  cm Obere Grenze: μ + 1 σ = 180  cm + 7  cm = 187  cm \mu + 1\sigma = 180\text{ cm} + 7\text{ cm} = 187\text{ cm} μ + 1 σ = 180  cm + 7  cm = 187  cm Das gesuchte Intervall lautet somit [ 173 ; 187 ] [173; 187] [ 173 ; 187 ] . Antwort: Ungefähr 68,3   % 68{,}3\,\% 68 , 3 % der Männer sind zwischen 173  cm 173\text{ cm} 173  cm und 187  cm 187\text{ cm} 187  cm groß.

Zusammenfassung

Die Sigma-Regeln sind Faustformeln zur schnellen Analyse normalverteilter Daten. Sie bestimmen den prozentualen Anteil der Werte in symmetrischen Bereichen um das Zentrum μ \mu μ . 1 σ 1\sigma 1 σ -Intervall [ μ ± σ ] [\mu \pm \sigma] [ μ ± σ ] beherbergt ca. 68,3   % 68{,}3\,\% 68 , 3 % aller Datenpunkte. 2 σ 2\sigma 2 σ -Intervall [ μ ± 2 σ ] [\mu \pm 2\sigma] [ μ ± 2 σ ] beherbergt ca. 95,5   % 95{,}5\,\% 95 , 5 % aller Datenpunkte. 3 σ 3\sigma 3 σ -Intervall [ μ ± 3 σ ] [\mu \pm 3\sigma] [ μ ± 3 σ ] beherbergt ca. 99,7   % 99{,}7\,\% 99 , 7 % (praktisch fast alle) der Datenpunkte.

Jetzt üben

Kostenlose Aufgaben mit Lösungsweg zu diesem Begriff: