Verteilungen: Die Form der Daten
Die Form der Daten erklärt — und warum eine Glockenkurve seltener ist, als man denkt.
Du kennst bereits die Mitte (Durchschnitt, Median) und die Streuung (Varianz, Standardabweichung) deiner Daten. Aber stell dir zwei Datensätze vor mit gleichem Durchschnitt 50 und gleicher Standardabweichung 10 — einer sieht aus wie eine Glocke, der andere hat einen langen Schwanz nach rechts. Die Form verändert alles.
Die Form einer Verteilung bestimmt, welchen Zusammenfassungen du vertrauen kannst, welche Modelle funktionieren, und ob seltene Ereignisse wirklich selten sind — oder nur im Schwanz versteckt. Dieser Artikel stellt drei Verteilungsformen vor, die den Großteil dessen abdecken, was dir in der Datenanalyse begegnet.
Die Normalverteilung — Die Glockenkurve
Definition
Normalverteilung
Analogie
Definition
Die Dartscheiben-Analogie bricht an drei Stellen: Erstens ist eine Dartscheibe zweidimensional, eine Normalverteilung aber typischerweise eindimensional. Zweitens haben echte Spieler systematische Verzerrungen (sie treffen nicht perfekt die Mitte). Drittens — und am wichtigsten: Nicht alle Daten folgen einer Glockenkurve.
Merke
Die 68-95-99,7-Regel
- 1. ±1σ = 68 %Etwa 68 % aller Werte liegen innerhalb einer Standardabweichung vom Durchschnitt.
- 2. ±2σ = 95 %Etwa 95 % aller Werte liegen innerhalb von zwei Standardabweichungen.
- 3. ±3σ = 99,7 %Nahezu alle Werte (99,7 %) liegen innerhalb von drei Standardabweichungen.
Diese Regel funktioniert nur bei normalverteilten Daten. Auf schiefe Verteilungen angewendet, unterschätzt sie extreme Ereignisse massiv.
Beispiel: Männer in Deutschland sind im Schnitt rund 180 cm groß mit σ ≈ 7 cm. 68 % liegen zwischen 173 und 187 cm. 95 % zwischen 166 und 194 cm. Ein 210 cm großer Mann liegt über 4σ über dem Durchschnitt — extrem selten. Wenn σ statt 7 nur 2 cm wäre, lägen 95 % zwischen 176 und 184 cm — ein viel engeres Band bei gleichem Durchschnitt.
Warum taucht die Glockenkurve überall auf? Der zentrale Grenzwertsatz liefert die Antwort: Wenn du viele kleine, unabhängige Zufallsgrößen addierst, nähert sich die Summe einer Normalverteilung — fast egal, wie die einzelnen Werte verteilt sind. Wirf einen Würfel: Die Ergebnisse sind gleichverteilt (1-6, jede Zahl gleich wahrscheinlich). Wirf 30 Würfel und addiere die Ergebnisse. Wiederhole das 1000-mal. Die Summen bilden eine fast perfekte Glockenkurve. Körpergröße und Messfehler (mit vielen unabhängigen Einflussfaktoren) folgen annähernd der Normalverteilung aus genau diesem Grund.
Achtung
Häufiger Irrtum
"Alle Daten folgen einer Normalverteilung." Falsch. Viele reale Datensätze — Einkommen, Web-Traffic, Aktienrenditen — sind eindeutig nicht normalverteilt. Die 68-95-99,7-Regel ist für diese Daten ungültig. Sie auf schiefe Daten anzuwenden, unterschätzt extreme Ereignisse massiv.
Die Glockenkurve ist symmetrisch — gleich viel auf der linken wie auf der rechten Seite. Aber was passiert, wenn die Glocke schief hängt?
Schiefe und Long-Tail — Wenn der Durchschnitt lügt
Definition
Schiefe (Skewness)
Analogie
Definition
Im Gedankenexperiment gibt es nur zwei Extreme (40.000 und 10 Millionen). In der echten Welt ist der Long-Tail kontinuierlich — es gibt auch Leute mit 100.000, 500.000 und 2 Millionen Euro. Die Kurve läuft nach rechts langsam aus, statt abrupt zu springen.
Durchschnitt = Median. Die Werte verteilen sich gleichmäßig um die Mitte. Ist sie zudem glockenförmig, funktioniert die 68-95-99,7-Regel.
Durchschnitt > Median. Der lange Schwanz nach rechts zieht den Durchschnitt nach oben. Die 68-95-99,7-Regel funktioniert hier nicht.
Durchschnitt: 50.000 € | Median: 50.000 € — Beide Werte stimmen überein. Die Gehälter sind gleichmäßig verteilt.
Durchschnitt: 50.000 € | Median: 35.000 € — Die meisten verdienen 25-40k, wenige Führungskräfte bei 500k+ ziehen den Durchschnitt nach oben.
Beide Firmen haben einen Durchschnitt von 50.000 Euro. Aber "Durchschnittsgehalt 50.000" ist bei Firma B technisch korrekt, jedoch zutiefst irreführend. Der Median von 35.000 Euro beschreibt das typische Gehalt viel ehrlicher. Long-Tail-Verteilungen sind verbreitet in der Finanzwelt ("Black Swan"-Ereignisse), in sozialen Netzwerken (wenige Superstar-Accounts, viele mit wenigen Followern) und im Machine Learning (seltene, aber kritische Edge Cases, die im Schwanz leben).
Achtung
Häufiger Irrtum
"Die 68-95-99,7-Regel funktioniert für jede Verteilung." Falsch — sie gilt nur für normalverteilte (symmetrische, glockenförmige) Daten. Bei rechtsschiefen Einkommensdaten liegen rechts jenseits von 2 Standardabweichungen oft deutlich mehr Werte als die 2,5 %, die die Glockenkurve dort erwartet – und links fast keine.
Interaktiv: Mitte, Breite und Schiefe
Probier es selbst aus. Die Box startet mit dem Beispiel aus der Einleitung: eine Glocke mit Durchschnitt 50 und Standardabweichung 10. Mit μ verschiebst du den Mittelpunkt, mit σ machst du die Glocke breiter oder schmaler; die Pfeile zeigen ±1σ, darunter stehen die Bereiche der 68-95-99,7-Regel. Dann zieh am Schiefe-Regler: Die Kurve bekommt einen langen Schwanz nach rechts. Der Median bleibt bei μ, der Durchschnitt wandert in den Schwanz – wie beim CEO im Gedankenexperiment. Die schiefe Kurve ist ein gezeichnetes Beispiel, keine Messdaten.
Bisher haben wir stetige Daten gemessen — Gehälter, Körpergrößen, Temperaturen. Aber was, wenn wir Ereignisse zählen?
Diskret vs. Stetig — Zählen vs. Messen
Definition
Diskret vs. Stetig
Analogie
Definition
Die Analogie bricht an zwei Stellen: Erstens sind echte Telefonanrufe nicht perfekt unabhängig — ein Anruf kann Folgeanrufe auslösen, was die Poisson-Annahmen verletzt. Zweitens wird Temperatur mit endlicher Genauigkeit gemessen (eine Nachkommastelle), was sie technisch diskret macht — aber das stetige Modell ist die bessere Abstraktion.
Verteilungen sind in der KI allgegenwärtig. Die Gewichte eines neuronalen Netzes werden häufig aus einer Normalverteilung N(0, σ²) initialisiert — zu groß, und das Training explodiert; zu klein, und die Gradienten verschwinden. Die Softmax-Funktion verwandelt einen Vektor roher Werte in eine diskrete Wahrscheinlichkeitsverteilung über Token oder Klassen. Und bei der Anomalieerkennung: Ein Datenpunkt, der mehr als 3σ vom Durchschnitt entfernt liegt, wird als Ausreißer markiert — aber das ist nur verlässlich, wenn die Daten tatsächlich normalverteilt sind.
Achtung
Häufiger Irrtum
"Alle Verteilungen sind glockenförmig." Falsch. Die Glockenkurve ist nur eine Form. Poisson-Verteilungen sind rechtsschief, Gleichverteilungen sind flach, und viele reale Verteilungen haben schwere Schwänze oder mehrere Spitzen. Visualisiere deine Daten immer (Histogramm), bevor du eine Form annimmst.
Interaktiv: Der Zentrale Grenzwertsatz
Wir haben gerade gesehen, dass längst nicht alle Daten glockenförmig sind — schiefe und mehrgipfelige Verteilungen sind überall. Und doch taucht die Glockenkurve immer wieder auf. Der Grund ist einer der überraschendsten Sätze der Statistik: Fast egal wie krumm die Ausgangsverteilung ist, die Verteilung ihrer Mittelwerte wird annähernd normal. Wähle unten eine beliebige Ausgangsform, ziehe viele Stichproben, und sieh zu, wie sich das Histogramm der Mittelwerte zur Glocke formt — und mit größerer Stichprobengröße n immer schmaler wird.
Zusammenfassung
Merke
Die drei wichtigsten Erkenntnisse
- Die Normalverteilung ist symmetrisch und vollständig durch μ und σ definiert. Die 68-95-99,7-Regel gibt dir ein sofortiges Gefühl dafür, wo die meisten Werte liegen — aber nur, wenn die Daten wirklich glockenförmig sind.
- Schiefe Verteilungen ziehen den Durchschnitt vom Median weg. Wenn diese beiden Werte weit auseinanderliegen, hat die Verteilung einen langen Schwanz — und der Median erzählt die ehrlichere Geschichte.
- Diskrete Verteilungen zählen Ereignisse (0, 1, 2, ...), stetige messen Werte (beliebige reelle Zahl). Den richtigen Verteilungstyp zu wählen ist die erste Modellierungsentscheidung in jeder Datenanalyse.
Prüfen
Quiz: Verteilungen
Was beschreibt die 68-95-99,7-Regel?
Wähle eine Antwort
1. Was beschreibt die 68-95-99,7-Regel?
2. Ein Datensatz hat Durchschnitt = 80 und Median = 45. Was sagt das über die Verteilung?
3. Ein Helpdesk bekommt im Schnitt 12 Tickets pro Stunde. Welche Verteilung modelliert die Anzahl der Tickets pro Stunde?
4. Warum ist der Durchschnitt bei rechtsschiefen Gehaltsdaten irreführend?
Checkpoint
Prüfen
Lernziele
Kannst du das in eigenen Worten erklären? Hake ab, was sitzt.
0 von 3 sitzen