Rechner für die empirische Regel 68-95-99,7
Wenden Sie die empirische Regel (68-95-99,7-Regel) auf jede Normalverteilung an: Geben Sie Mittelwert und Standardabweichung ein, um die exakten Bereiche für 68%, 95% und 99,7% der Daten zu erhalten.
Geben Sie den Mittelwert (μ) und die Standardabweichung (σ) einer Normalverteilung ein, um die drei Intervalle der empirischen Regel zu berechnen.
Rechner für die empirische Regel 68-95-99,7
Wenden Sie die empirische Regel (68-95-99,7-Regel) auf jede Normalverteilung an: Geben Sie Mittelwert und Standardabweichung ein, um die exakten Bereiche für 68%, 95% und 99,7% der Daten zu erhalten.
Über den Rechner für die empirische Regel
Die empirische Regel, auch Drei-Sigma-Regel oder 68-95-99,7-Regel genannt, ist eine statistische Faustregel, die beschreibt, wie Daten in einer normalen (glockenförmigen) Verteilung verteilt sind. Sie besagt, dass etwa 68% der Beobachtungen innerhalb einer Standardabweichung vom Mittelwert liegen, etwa 95% innerhalb von zwei Standardabweichungen und etwa 99,7% innerhalb von drei Standardabweichungen. Diese Zahlen gehören zu den wichtigsten in der angewandten Statistik.
Genauer betragen die Prozentsätze 68,27%, 95,45% und 99,73% und werden aus der Verteilungsfunktion der Standardnormalverteilung abgeleitet. Auch die Gegenwahrscheinlichkeiten sind wichtig: Rund 32% der Daten liegen außerhalb des Ein-Sigma-Intervalls, etwa 5% außerhalb des Zwei-Sigma-Intervalls und nur 0,27% (etwa 1 von 370) außerhalb des Drei-Sigma-Intervalls. Diese letzte Zahl ist die Grundlage der „Drei-Sigma-Grenze“, die in der Qualitätskontrolle und in der Six-Sigma-Methodik weit verbreitet ist.
Die empirische Regel gilt nur, wenn die Daten einer Normalverteilung folgen oder ihr stark ähneln. Viele natürliche Phänomene sind näherungsweise normalverteilt: Körpergrößen Erwachsener, IQ-Werte, Messfehler, Blutdruckwerte sowie viele wirtschaftliche und finanzielle Kennzahlen. In solchen Fällen liefert die empirische Regel schnelle, praktische Antworten ohne Berechnungen über einfache Arithmetik hinaus.
Zur Anwendung der Regel benötigen Sie nur zwei Parameter: den Mittelwert (μ), der das Zentrum der Verteilung festlegt, und die Standardabweichung (σ), die die Streuung misst. Das Ein-Sigma-Intervall ist (μ − σ, μ + σ), das Zwei-Sigma-Intervall ist (μ − 2σ, μ + 2σ), und das Drei-Sigma-Intervall ist (μ − 3σ, μ + 3σ). Dieser Rechner berechnet alle drei Intervalle sofort.
Es gibt zahlreiche praktische Anwendungen. In Fertigung und Qualitätskontrolle gilt ein Prozess als beherrscht, wenn die Ausgabe innerhalb der Drei-Sigma-Grenzen liegt (99,73% der Zeit). Bei IQ-Tests mit μ = 100 und σ = 15 erzielen etwa 68% der Personen Werte zwischen 85 und 115, etwa 95% zwischen 70 und 130 und etwa 99,7% zwischen 55 und 145. In der Finanzwirtschaft wird die empirische Regel verwendet, um unter der Normalitätsannahme die Wahrscheinlichkeit extremer Renditen zu schätzen; sie bildet eine Grundlage von Value-at-Risk-Berechnungen. In Biologie und Medizin hilft sie, ungewöhnliche Messwerte zu erkennen: Ein Blutdruckwert, der mehr als zwei Standardabweichungen vom Mittelwert entfernt ist, liegt außerhalb des 95%-Intervalls und sollte untersucht werden.
Beispiele zur empirischen Regel
Drei reale Verteilungen, die zeigen, wie die 68-95-99,7-Regel sofortige Einblicke liefert.
| Verteilung | 1σ-Bereich (68%) | Anwendung |
|---|---|---|
| IQ-Werte: μ = 100, σ = 15 | 85 bis 115 | Etwa 68% der Personen erreichen 85–115, etwa 95% erreichen 70–130 und etwa 99,7% erreichen 55–145. Ein Wert über 130 (2σ über dem Mittelwert) liegt in den obersten 2,5%. |
| Körpergröße erwachsener Männer: μ = 175 cm, σ = 7 cm | 168 bis 182 cm | Etwa 68% der erwachsenen Männer sind 168–182 cm groß. Etwa 95% liegen in 161–189 cm. Größen unter 154 cm oder über 196 cm liegen außerhalb des 3σ-Bereichs (<0,3%). |
| Universitätsprüfungsergebnisse: μ = 78, σ = 6 | 72 bis 84 | Etwa 68% der Studierenden erreichen 72–84. Die obersten 2,5% (über 2σ = 90) qualifizieren sich für eine Auszeichnung. Etwa 99,7% liegen zwischen 60 und 96. |
| Länge gefertigter Bolzen: μ = 50 mm, σ = 0,5 mm | 49,5 bis 50,5 mm | Etwa 99,73% der Bolzen liegen innerhalb von 3σ = 48,5–51,5 mm. Jeder Bolzen außerhalb dieses Bereichs wird nach Six-Sigma-Qualitätsstandards als fehlerhaft markiert. |
So verwenden Sie den Rechner für die empirische Regel
- Geben Sie im ersten Feld den Mittelwert (μ) Ihrer normalverteilten Daten ein. Der Mittelwert kann jede reelle Zahl sein.
- Geben Sie im zweiten Feld die Standardabweichung (σ) ein. Sie muss eine positive Zahl größer als null sein.
- Klicken Sie auf Berechnen. Der Rechner zeigt drei farbige Felder: die Intervalle 68,27%, 95,45% und 99,73%.
- Jedes Feld zeigt den Bereich (untere bis obere Grenze) und den erwarteten Prozentsatz der Daten darin.
- Verwenden Sie die Beispielschaltflächen, um bekannte Verteilungen (IQ-Werte, Erwachsenen-Größe, Prüfungsergebnisse) zu laden und die empirische Regel in Aktion zu sehen.
FAQ zur empirischen Regel
Was ist die empirische Regel in der Statistik?
Die empirische Regel (auch 68-95-99,7-Regel oder Drei-Sigma-Regel) besagt, dass bei einer Normalverteilung etwa 68% der Daten innerhalb einer Standardabweichung vom Mittelwert liegen, etwa 95% innerhalb von zwei Standardabweichungen und etwa 99,7% innerhalb von drei. Sie ist eine schnelle Methode, die Streuung einer Normalverteilung zu beschreiben und die Wahrscheinlichkeit zu schätzen, dass Beobachtungen in verschiedene Bereiche fallen.
Gilt die empirische Regel für alle Verteilungen?
Nein. Die empirische Regel gilt nur für normale (gaußsche) Verteilungen. Wenn Ihre Daten schief, multimodal oder dickschwänzig sind, weichen die Prozentsätze ab. Für nicht normale Verteilungen liefert die Tschebyscheff-Ungleichung ein schwächeres, aber allgemein gültiges Ergebnis: Mindestens 75% der Daten liegen innerhalb von 2σ des Mittelwerts (gegenüber 95% bei Normalverteilung), und mindestens 88,9% innerhalb von 3σ (gegenüber 99,7% bei Normalverteilung).
Woher weiß ich, ob meine Daten normalverteilt sind?
Übliche Ansätze sind die Betrachtung eines Histogramms (glockenförmig und symmetrisch?), ein Q-Q-Diagramm (Quantil-Quantil; Punkte sollten bei normalen Daten nahe einer Geraden liegen) oder formale Tests wie Shapiro-Wilk oder Kolmogorov-Smirnov. Bei großen Stichproben (n > 30) bedeutet der zentrale Grenzwertsatz, dass die Stichprobenverteilung des Mittelwerts annähernd normal ist, selbst wenn die zugrunde liegenden Daten es nicht sind.
Was bedeutet „außerhalb von zwei Standardabweichungen“?
Bei einer Normalverteilung liegen etwa 95,45% der Daten innerhalb von 2σ des Mittelwerts, also liegen etwa 4,55% außerhalb – ungefähr 2,275% in jedem Randbereich. Mehr als 2σ über dem Mittelwert zu liegen, ist statistisch ungewöhnlich und liegt in den obersten 2,27% der Verteilung. Diese Schwelle (oft grob als 5% oder 1 von 20 angegeben) bildet die Grundlage des konventionellen Signifikanzniveaus p < 0,05 in Hypothesentests.
Wie wird die empirische Regel in der Qualitätskontrolle verwendet?
In Fertigung und Prozessqualität werden Kontrollgrenzen typischerweise drei Standardabweichungen vom Mittelwert entfernt festgelegt (3σ-Grenzen). Unter der Normalitätsannahme liegen 99,73% der Prozessausgabe innerhalb dieser Grenzen, wenn der Prozess beherrscht ist. Punkte außerhalb der 3σ-Grenzen gelten als Signale einer besonderen Variationsursache, die untersucht werden muss. Dies bildet die Grundlage der statistischen Prozesskontrolle (SPC) und der Six-Sigma-Qualitätsmanagementmethodik.
Kann ich sie für einseitige Wahrscheinlichkeiten verwenden?
Die empirische Regel liefert zweiseitige Intervalle um den Mittelwert. Für einseitige Wahrscheinlichkeiten teilen Sie das Komplement durch zwei. Zum Beispiel liegen etwa 95,45% der Daten auf beiden Seiten innerhalb von 2σ, also liegen 4,55% außerhalb: 2,275% über μ+2σ und 2,275% unter μ−2σ. Deshalb verwendet ein zweiseitiges 95%-Konfidenzintervall z = 1,96 (ungefähr 2σ): Aus jedem Randbereich werden 2,5% ausgeschlossen.