Podcast über Wichtige Wahrscheinlichkeitsverteilungen

Kapitoly

Der häufigste Fehler

Was ist eine Normalverteilung?

Die magische Standardnormalverteilung

Der Trick: Standardisierung

Das Rostock-Beispiel gelöst

Die Normalverteilung im Detail

Chi-Quadrat: Die Verteilung der Quadrate

Student-t: Der kleine Bruder der Normalverteilung

Zusammenfassung und Abschied

Přepis

Hannah: Stell dir vor, du sitzt in der Klausur und bekommst diese Aufgabe: Das Einkommen in einer Stadt ist normalverteilt mit einem Mittelwert von 40.000 Euro und einer Standardabweichung von 10.000. Wie hoch ist die Wahrscheinlichkeit, dass jemand höchstens 50.000 verdient? Klingt unlösbar, oder?

Maximilian: Genau hier scheitern über 80% der Studierenden. Sie sehen diese Zahlen und wissen nicht, wie sie die mit ihrer Formelsammlung in Einklang bringen sollen. Aber ich verspreche dir, in den nächsten Minuten zeigen wir dir einen Trick, mit dem du das nie wieder falsch machst.

Hannah: Das ist eine Ansage! Du hörst den Studyfi Podcast, und wir knacken heute die Normalverteilung.

Maximilian: Also, die Normalverteilung ist diese berühmte Glockenkurve. Sie wird durch zwei Werte bestimmt: den Erwartungswert, also den Gipfel der Glocke, den wir "My" nennen…

Hannah: …also µ. Das ist quasi der Durchschnittswert.

Maximilian: Genau. Und dann gibt's die Varianz, Sigma-Quadrat, oder σ². Die sagt uns, wie breit oder schmal die Glocke ist. Eine große Varianz bedeutet eine breite, flache Kurve. Eine kleine Varianz eine schmale, hohe.

Hannah: Okay, also Mittelwert und Streuung. Das ist die Basis.

Maximilian: Korrekt. Und jetzt kommt der Held unserer Geschichte: die Standardnormalverteilung. Das ist eine ganz besondere Normalverteilung mit einem Erwartungswert von 0 und einer Varianz von 1.

Hannah: Und was macht die so besonders? Ist sie der Superstar unter den Verteilungen?

Maximilian: Absolut! Sie ist der Superstar, weil nur für sie die Wahrscheinlichkeiten in deiner Formelsammlung stehen. Diese riesige Tabelle mit den Z-Werten? Die gilt nur für µ gleich 0 und σ² gleich 1.

Hannah: Ah, okay. Das ist also unser universelles Nachschlagewerk. Aber was nützt es uns, wenn unsere Aufgaben, wie das Einkommensbeispiel, ganz andere Werte haben?

Maximilian: Und genau da kommt der versprochene Trick ins Spiel: die Standardisierung! Wir können JEDE beliebige Normalverteilung in unsere Standardnormalverteilung umrechnen.

Hannah: Wie ein universeller Übersetzer?

Maximilian: Exakt! Die Formel ist super einfach: z ist gleich, in Klammern, x minus µ, geteilt durch σ. Das z ist dann der Wert, den du in der Tabelle nachschlagen kannst.

Hannah: Wow, okay. Das heißt, wir schieben und stauchen einfach jede Glockenkurve so, dass sie auf die Standardkurve passt. Das ist ja genial!

Maximilian: Probieren wir's mit deinem Beispiel. Das Einkommen in Rostock. µ ist 40.000 und σ, die Wurzel aus der Varianz, ist 10.000. Wir suchen die Wahrscheinlichkeit für höchstens 50.000 Euro.

Hannah: Okay, also setze ich in die Formel ein: z ist gleich (50.000 minus 40.000) geteilt durch 10.000.

Maximilian: Richtig. Und was kommt raus?

Hannah: Das sind 10.000 durch 10.000… also genau 1!

Maximilian: Perfekt. Jetzt schaust du in deiner Tabelle bei z gleich 1 nach. Dort findest du den Wert 0,8413.

Hannah: Das bedeutet, die Wahrscheinlichkeit, nicht mehr als 50.000 Euro zu verdienen, liegt bei 84,13%. Siehst du? Einmal verstanden, und es ist total logisch.

Maximilian: So ist es. Und mit diesem Trick seid ihr für die Klausur bestens gewappnet. Damit kommen wir auch schon zum nächsten Thema…

Hannah: Okay, das war wirklich ein super Überblick über die Grundlagen. Aber jetzt kommt der Endgegner, oder? Die theoretischen stetigen Verteilungen.

Maximilian: Endgegner ist vielleicht etwas übertrieben, aber es ist definitiv der letzte große Baustein für heute. Aber keine Sorge, das packen wir auch.

Hannah: Fangen wir doch nochmal kurz bei der Normalverteilung an. Es gab da eine konkrete Frage, wie man ein Quantil berechnet.

Maximilian: Genau. Stell dir vor, wir wissen, das Einkommen ist normalverteilt. Sagen wir mit einem Mittelwert von 40.000 Euro und einer Standardabweichung von 10.000.

Hannah: Und die Frage war: Welches Einkommen wird von 40 Prozent der Leute höchstens verdient?

Maximilian: Richtig. Hier ist der Trick: Wir können nicht direkt in der Normalverteilung nachsehen. Zuerst müssen wir das standardisieren. Wir suchen also den passenden Z-Wert für 40 Prozent.

Hannah: Den finden wir in der Tabelle, richtig?

Maximilian: Genau. Der Z-Wert für 0,4 ist -0,253. Das Minuszeichen ist wichtig, weil wir ja unter dem Mittelwert liegen.

Hannah: Und dann? Wie kommen wir vom Z-Wert zurück zum Einkommen in Euro?

Maximilian: Ganz einfach. Wir rechnen den Z-Wert mal die Standardabweichung und addieren den Mittelwert. Also -0,253 mal 10.000 plus 40.000.

Hannah: Ergibt... 37.470 Euro. Das heißt, 40 Prozent der Leute verdienen höchstens diesen Betrag. Das ist wirklich ein mächtiges Werkzeug.

Maximilian: Absolut. Und das ist nur eine von vielen Anwendungen, von Aktienkursen bis zu Messfehlern. Die Normalverteilung ist überall!

Hannah: Okay, verstanden. Aber was ist mit diesen anderen Verteilungen, von denen man immer hört? Chi-Quadrat zum Beispiel. Klingt kompliziert.

Maximilian: Klingt es, ist es aber nicht. Denk dran: Das sind oft einfach nur technische Hilfsmittel. Die Chi-Quadrat-Verteilung ist im Grunde die Summe von quadrierten, standardnormalverteilten Zufallsvariablen.

Hannah: Okay, der Satz war jetzt schon etwas für Fortgeschrittene. Einfacher bitte!

Maximilian: Fair enough. Stell dir vor, du nimmst mehrere Werte aus einer Standardnormalverteilung, quadrierst jeden einzelnen und zählst sie alle zusammen. Das Ergebnis folgt dann einer Chi-Quadrat-Verteilung.

Hannah: Und wozu braucht man das?

Maximilian: Das wird superwichtig, wenn wir später Varianzen schätzen oder Hypothesentests durchführen. Der wichtigste Parameter hier ist die Anzahl der Freiheitsgrade, also wie viele quadrierte Werte wir aufsummiert haben.

Hannah: Freiheitsgrade... klingt fast wie Urlaub. Kommen wir zum letzten Kandidaten für heute: die Student-t-Verteilung.

Maximilian: Genau, die t-Verteilung. Du kannst sie dir als den vorsichtigen, kleinen Bruder der Normalverteilung vorstellen. Sie kommt ins Spiel, wenn wir kleine Stichproben haben und die echte Varianz der Grundgesamtheit nicht kennen.

Hannah: Ah, also für realistischere Szenarien?

Maximilian: Exakt. Die t-Verteilung ist der Normalverteilung sehr ähnlich, aber sie hat etwas breitere Ränder. Das spiegelt die zusätzliche Unsicherheit wider, weil wir mit einer kleinen Stichprobe arbeiten.

Hannah: Und je größer die Stichprobe, desto...?

Maximilian: Desto mehr nähert sich die t-Verteilung der perfekten Glockenkurve der Normalverteilung an. Auch hier sind die Freiheitsgrade, die von der Stichprobengröße abhängen, der entscheidende Parameter.

Hannah: Wahnsinn. Also, um das kurz zusammenzufassen: Wir haben die Normalverteilung als Alleskönner. Dann die Chi-Quadrat-Verteilung, die sich mit der Summe von Quadraten beschäftigt und für Varianzen wichtig ist.

Maximilian: Und die Student-t-Verteilung, unser Spezialwerkzeug für kleine Stichproben, wenn die Bedingungen nicht ganz perfekt sind.

Hannah: Das war eine Menge Stoff, aber super erklärt. Maximilian, vielen Dank, dass du heute wieder da warst und Licht ins Dunkel der Statistik gebracht hast.

Maximilian: Sehr gerne, Hannah! Denkt dran, das sind nur Werkzeuge. Lernt, wann man welches benutzt, dann seid ihr für die Klausur bestens gerüstet.

Hannah: Perfektes Schlusswort. Das war's für heute vom Studyfi Podcast. Bleibt neugierig und bis zum nächsten Mal!