Mathematik · Stochastik

Sigma-Regeln (Sigma-Umgebungen)

Die Sigma-Regeln geben an, mit welcher Wahrscheinlichkeit eine normalverteilte Größe in den Umgebungen μ ± σ, μ ± 2σ und μ ± 3σ liegt.

FortgeschrittenPrüfungsrelevant

Formel als Prüfungsset lernen Ich habe schon ein Konto

Kostenlos · keine Kreditkarte · in 2 Minuten in deinem Lernplan

Formel

P (μ - 2 σ \leq X \leq μ + 2 σ) \approx 95, 4 %

LaTeX: P(\mu - 2\sigma \leq X \leq \mu + 2\sigma) \approx 95{,}4\,\%

Wahrscheinlichkeiten dimensionslos · μ und σ in der Einheit der Zufallsgröße

Variablen & Einheiten – Sigma-Regeln (Sigma-Umgebungen)

Symbol	Bedeutung	Einheit
μ	Erwartungswert (Zentrum der Umgebung)	wie X
σ	Standardabweichung (halbe Breite der 1σ-Umgebung)	wie X
k	Umgebungsfaktor (1, 2, 3 oder 1,64 / 1,96 / 2,58)	dimensionslos
P	Wahrscheinlichkeit der k·σ-Umgebung	dimensionslos

Herleitung & Hintergrund – Sigma-Regeln (Sigma-Umgebungen)

Die Regeln folgen aus der Normalverteilung: 68,3 % der Werte liegen in μ ± σ, 95,4 % in μ ± 2σ und 99,7 % in μ ± 3σ. Für glatte Niveaus nutzt man die umgekehrten Faktoren μ ± 1,64σ (90 %), μ ± 1,96σ (95 %) und μ ± 2,58σ (99 %). Auf Binomialverteilungen sind die Regeln anwendbar, wenn die Laplace-Bedingung σ = √(n·p·(1−p)) > 3 erfüllt ist; dann gilt μ = n·p.

Prüfungs-Blueprint

Gültigkeitsbereich

Exakt für die Normalverteilung; für Binomialverteilungen als Näherung zulässig, wenn die Laplace-Bedingung σ = √(np(1−p)) > 3 erfüllt ist. Bei ganzzahligen Trefferzahlen Intervallgrenzen runden.

Herleitung in Schritten

Flächen unter der Glockenkurve zwischen symmetrischen Grenzen um μ.

1Standardisieren: z = (X − μ)/σ macht aus jeder Normalverteilung die Standardnormalverteilung.
2Die Tabelle liefert Φ(1) − Φ(−1) ≈ 0,683, Φ(2) − Φ(−2) ≈ 0,954, Φ(3) − Φ(−3) ≈ 0,997.

Umstellen

Umgekehrte Sigma-Regeln

μ \pm 1, 64 σ (90 %), μ \pm 1, 96 σ (95 %), μ \pm 2, 58 σ (99 %)

Für vorgegebene glatte Sicherheitsniveaus.

Umgebungsradius

r = k \cdot σ

Prognoseintervall [μ − kσ; μ + kσ]; k nach Niveau wählen.

Binomial-Kennwerte

μ = n p, σ = n p (1 - p)

Vorab berechnen und Laplace-Bedingung σ > 3 prüfen.

Aufgabenvariante

n = 100, p = 0,3: Gib das 95-Prozent-Prognoseintervall für die Trefferzahl an.

μ = 30, σ = √(100·0,3·0,7) = √21 ≈ 4,58 > 3 ✓. 1,96σ ≈ 8,98: Intervall [21,02; 38,98], darin liegen die ganzen Trefferzahlen 22 bis 38.

IQ-Werte: μ = 100, σ = 15. Wie viel Prozent liegen zwischen 85 und 115, wie viel über 130?

85 bis 115 ist die 1σ-Umgebung: ≈ 68,3 %. Über 130 (mehr als 2σ über μ): (100 − 95,4)/2 ≈ 2,3 %.

Typische Fehler

2σ-Regel (95,4 %) mit dem 95-%-Faktor 1,96 verwechseln.

k = 2 liefert 95,4 %; exakt 95 % gehört zu k = 1,96.

Sigma-Regeln ohne Laplace-Bedingung auf Binomialverteilungen anwenden.

Erst σ = √(np(1−p)) > 3 prüfen, sonst ist die Näherung zu grob.

Einseitige und symmetrische Fragen mischen.

Außerhalb von μ ± 2σ liegen 4,6 %, oberhalb allein nur 2,3 %.

Klausurkontext

Prognoseintervalle und Hypothesentests im Stochastik-Abitur, Qualitätskontrolle, Interpretation von Messreihen.

Die typischen Fehler stecken als eigene Karten im Prüfungsset. Einmal aktiv trainiert, passieren sie in der Klausur selten.

Diese Fehler im Set trainieren Ich habe schon ein Konto

Formelcluster

Normalverteilung anwenden

Sigma-Regeln übersetzen μ und σ in konkrete Intervalle und Testentscheidungen.

f (x) = \frac{1}{σ 2 π} e^{- \frac{( x - μ ) ^{2}}{2 σ ^{2}}}

Normalverteilung (Gaußsche Glockenkurve)

σ = Var (X) = E ((X - μ)^{2})

Standardabweichung

P (X = k) = (k n) \cdot p^{k} \cdot (1 - p)^{n - k}

Binomialverteilung

Rechenbeispiel

Binomial mit n = 200, p = 0,5: μ = 100 und σ = √(200·0,5·0,5) = √50 ≈ 7,07 > 3. Die 2σ-Umgebung 100 ± 14,1 bedeutet: Rund 95,4 % aller Trefferzahlen liegen in [86; 114].

Anwendungsgebiete

Prognoseintervalle im Abitur, Hypothesentests (Annahme- und Ablehnungsbereich), Qualitätskontrolle (Six Sigma), Interpretation von IQ- und Messwerten

Quanta-Prüfungsset

Kuratiertes Prüfungsset für "Sigma-Regeln (Sigma-Umgebungen)":

Frage (Vorderseite)

Welche Formel beschreibt Sigma-Regeln (Sigma-Umgebungen)?

Antwort in deinem Set

Frage (Vorderseite)

Wie stellst du μ±σ: 68,3 %, μ±2σ: 95,4 %, μ±3σ: 99,7 % nach Umgekehrte Sigma-Regeln um?

Antwort in deinem Set

Frage (Vorderseite)

Welcher typische Fehler passiert bei μ±σ: 68,3 %, μ±2σ: 95,4 %, μ±3σ: 99,7 %?

Antwort in deinem Set

+ 7 weitere Karten: Einheiten, Variablen, Herleitung, Beispiel, Klausuraufgabe

Diese 10 Karten sind fertig kuratiert. Ein Klick, und sie liegen in deinem Lernstapel, FSRS plant die Wiederholungen bis zur Klausur.

Set übernehmen, kostenlos Ich habe schon ein Konto

Wissenschaftliche Quellen

[1]Henze, N. (2018). Stochastik für Einsteiger. Springer.

Häufige Schreibweisen & Suchanfragen

68-95-99.7 RegelSigma Regeln Stochastiksigma Umgebung berechnen1,96 sigma 95 ProzentPrognoseintervall Binomialverteilungempirical ruleLaplace Bedingung sigma größer 32 sigma Umgebung

Weitere Mathematik-Formeln

a^{2} + b^{2} = c^{2}

Satz des Pythagoras

x = \frac{- b \pm b ^{2} - 4 a c}{2 a}

Quadratische Formel (ABC-Formel)

e^{i φ} = cos φ + i \cdot sin φ

Eulersche Formel

(f \cdot g)^{'} = f^{'} \cdot g + f \cdot g^{'}

Produktregel der Differentiation

Spaced Repetition

Formeln nachhaltig lernen

Aktiver Abruf

Abrufen statt wiederlesen

FSRS vs. SM-2

Optimaler Algorithmus

Formel-Prüfungsset erstellen

Kostenlos in Quanta

Häufige Fragen zu Sigma-Regeln (Sigma-Umgebungen)

Was besagen die Sigma-Regeln konkret?+

Sie geben an, welcher Anteil einer normalverteilten Größe in symmetrischen Umgebungen um den Erwartungswert liegt: In μ ± σ liegen etwa 68,3 % aller Werte, in μ ± 2σ etwa 95,4 % und in μ ± 3σ etwa 99,7 %. Beispiel IQ-Skala (μ = 100, σ = 15): 68,3 % der Werte liegen zwischen 85 und 115, 95,4 % zwischen 70 und 130, fast alle zwischen 55 und 145. Die Regeln gelten für jede Normalverteilung, egal welche Werte μ und σ haben, weil die Standardisierung z = (X − μ)/σ alle auf dieselbe Glockenkurve abbildet. Sie sind das Schnellwerkzeug, um ohne Tabelle oder Rechner Wahrscheinlichkeiten und Prognoseintervalle abzuschätzen.

Was ist der Unterschied zwischen der 2σ-Regel und dem Faktor 1,96?+

Es sind zwei Blickrichtungen auf dieselbe Glockenkurve. Die 2σ-Regel startet beim glatten Faktor k = 2 und fragt nach der Wahrscheinlichkeit: In μ ± 2σ liegen 95,4 % der Werte. Der Faktor 1,96 startet umgekehrt beim glatten Niveau 95 % und fragt nach dem nötigen k: Für exakt 95 % reicht μ ± 1,96σ. Analog gehören 90 % zu 1,64σ und 99 % zu 2,58σ. In Aufgaben entscheidet die Formulierung: "2σ-Umgebung" heißt k = 2 und 95,4 %; "95-%-Prognoseintervall" heißt k = 1,96. Wer beide vermischt, bekommt systematisch leicht falsche Intervalle. Als Eselsbrücke: glattes k, krumme Prozente; krummes k, glatte Prozente.

Was ist die Laplace-Bedingung und warum braucht man sie?+

Die Sigma-Regeln gelten exakt nur für die Normalverteilung. Trefferzahlen im Abitur sind aber meist binomialverteilt, also diskret und bei kleinem n oder extremem p auch schief. Die Laplace-Bedingung σ = √(n·p·(1−p)) > 3 prüft, ob die Glockenkurve die Binomialverteilung gut genug annähert; erst dann darfst du die Sigma-Regeln anwenden. Beispiel: n = 200, p = 0,5 ergibt σ = √50 ≈ 7,07 > 3 ✓, die 2σ-Umgebung [86; 114] trägt also wirklich rund 95,4 %. Dagegen liefert n = 20, p = 0,1 nur σ = √1,8 ≈ 1,34; hier wäre die Näherung grob falsch, und man rechnet die Wahrscheinlichkeiten direkt binomial (kumulierte Tabelle oder GTR).

Wie stellt man ein Prognoseintervall für eine Trefferzahl auf?+

In vier Schritten am Beispiel n = 100, p = 0,3, Niveau 95 %. Erstens Kennwerte: μ = n·p = 30 und σ = √(n·p·(1−p)) = √21 ≈ 4,58. Zweitens Laplace-Bedingung prüfen: 4,58 > 3 ✓. Drittens Radius: k·σ mit k = 1,96, also 1,96·4,58 ≈ 8,98. Viertens Intervall bilden: [30 − 8,98; 30 + 8,98] = [21,02; 38,98]; als ganze Trefferzahlen 22 bis 38. Interpretation: Mit etwa 95 % Wahrscheinlichkeit liegt die Trefferzahl in diesem Bereich; in rund 5 % der Fälle fällt sie trotzdem heraus, das ist kein Widerspruch. Für 90 % nimmst du k = 1,64, für 99 % k = 2,58, für die schnelle 2σ-Abschätzung k = 2.

Wie nutzt man die Sigma-Regeln bei Hypothesentests?+

Die Sigma-Umgebung wird zum Annahmebereich der Nullhypothese. Idee: Gilt H₀ (etwa p = 0,5), dann liegt die Trefferzahl mit 95 % Wahrscheinlichkeit in μ ± 1,96σ; Ergebnisse außerhalb sind unter H₀ so unwahrscheinlich (zusammen 5 %), dass man H₀ verwirft. Beispiel: Münze, n = 200 Würfe: μ = 100, σ ≈ 7,07, Annahmebereich [86; 114]. Wirft jemand 120-mal Kopf, liegt das außerhalb, die Fairness wird auf dem 5-%-Niveau angezweifelt. Wichtig sind zwei Feinheiten: Beim einseitigen Test liegt der ganze Ablehnungsbereich auf einer Seite (k = 1,64 statt 1,96 für 5 %), und ein Ergebnis im Annahmebereich BEWEIST H₀ nicht, es widerlegt sie nur nicht.