Warum die „Normalverteilung“ nicht normal ist: 4 überraschende Fakten
Einleitung: Die Kurve, die wir alle kennen, aber nicht verstehen
Die „Glockenkurve“ oder Gaußsche Normalverteilung ist eines der bekanntesten Konzepte der Statistik und findet Anwendung in Bereichen von der Medizin bis zur Finanzwelt. Doch ihre gebräuchliche Bezeichnung – „Normalverteilung“ – führt oft zu grundlegenden Missverständnissen darüber, was sie tatsächlich darstellt.
Diese Spannung zwischen seiner weitverbreiteten Verwendung und seinem subtilen Charakter wurde von G. Lippman perfekt eingefangen:
Alle glauben an die Normalapproximation, die Experimentatoren, weil sie sie für einen mathematischen Lehrsatz halten, die Mathematiker, weil sie sie für eine experimentelle Tatsache halten.
Dieser Beitrag erläutert vier der überraschendsten und wichtigsten Erkenntnisse über die Gaußsche Normalverteilung, um Ihnen zu helfen zu verstehen, was sie ist, woher sie kommt und wie man sie richtig interpretiert.
Erkenntnis 1: „Normal“ bedeutet nicht normal
1. „Normal“ bedeutet nicht das, was Sie denken.
Die Gaußsche Verteilung wird zwar gemeinhin als „Normalverteilung“ bezeichnet, doch handelt es sich hierbei um einen Fall, in dem die Statistik einem alltäglichen Begriff eine spezielle, technische Bedeutung verliehen hat. Sie sollte nicht mit der allgemeinen Bedeutung von „normal“ im Sinne von „üblicherweise beobachtet“, „gewöhnlich“ oder „nicht krankheitsbedingt“ verwechselt werden.
Eine gängige, aber konzeptionell fehlerhafte Anwendung besteht darin, die Verteilung zur Definition eines „Normalbereichs“ für einen klinischen Wert zu verwenden. Beispielsweise könnte man annehmen, dass die Körpertemperatur einer Gaußverteilung folgt und die oberen und unteren 2.5 % der Bevölkerung als „abnormal“ definieren. Dies würde den Normalbereich auf den bedeuten plus/minus 1.96 Standardabweichungen festlegen.
Dieser rein statistische Ansatz birgt mehrere Probleme:
- Der klinische Kontext ist unerlässlich. Die Definition dessen, was als „abnormal“ gilt, erfordert klinische Kenntnisse darüber, was auf eine Krankheit hinweist; dies kann nicht allein durch eine statistische Berechnung ermittelt werden.
- „Normal“ hängt von anderen Faktoren ab. Ein Wert, der für einen 80-Jährigen normal ist, kann für einen 25-Jährigen abnormal sein. Faktoren wie Alter und Geschlecht müssen berücksichtigt werden.
- Grenzen sind selten scharf. In der Medizin gibt es häufig Grenzwerte. Eine klare statistische Trennlinie zwischen normal und abnormal ist oft unrealistisch.
- Daten aus der realen Welt sind selten perfekt. Daten können sein ca. Gauß-verteilt, aber Abweichungen treten am ehesten bei den Extremwerten (den Ausläufern) auf, und genau dort werden die „abnormalen“ Werte gefunden.
- Hohe und niedrige Werte sind nicht gleichermaßen aussagekräftig. Dieser statistische Ansatz geht davon aus, dass ein sehr hoher Wert genauso besorgniserregend ist wie ein sehr niedriger. Bei der Körpertemperatur ist ein niedriger Wert in der Regel kein medizinischer Grund zur Sorge, während ein hoher Wert ein Anzeichen für eine Infektion sein kann.
Erkenntnis 2: Sie ergibt sich aus den Durchschnittswerten, nicht immer aus den Daten.
2. Seine Stärke beruht auf dem zentralen Grenzwertsatz.
Die zentrale Rolle der Gaußverteilung in der Statistik liegt nicht darin begründet, dass die meisten Rohdaten einer perfekten Glockenkurve folgen, sondern in einer wirkungsvollen mathematischen Beziehung, dem zentralen Grenzwertsatz.
Die Kernidee des Theorems lässt sich anhand eines einfachen, gedanklichen Experiments verstehen:
- Beginnen Sie mit einer Population, deren Datenverteilung not Gaußsch.
- Ziehen Sie zufällig viele verschiedene Stichproben gleicher Größe aus dieser Grundgesamtheit.
- Berechnen Sie den Mittelwert für jede dieser Einzelstichproben.
- Erstellen Sie ein Häufigkeitsverteilungsdiagramm aller Stichprobenmittelwerte.
Der zentrale Grenzwertsatz besagt, dass sich die Verteilung der Stichprobenmittelwerte einer Gaußverteilung annähert, selbst wenn die ursprüngliche Grundgesamtheit nicht Gaußverteilt war.
Deshalb funktionieren viele gängige statistische Tests, wie der T-Test und die Varianzanalyse, so gut. Da diese Tests sich nur mit Unterschieden zwischen Mittelwerten befassen, besagt der zentrale Grenzwertsatz, dass die Mittelwerte selbst tendenziell einer vorhersagbaren Normalverteilung folgen, was die Tests robust macht.
Erkenntnis 3: Es besteht aus vielen kleinen, additiv zusammensetzbaren Teilen.
3. Es hat eine einfache Entstehungsgeschichte: Zufall hebt sich selbst auf
Der intuitive Grund, warum die Gaußsche Verteilung so häufig auftritt, liegt darin, dass sie das natürliche Ergebnis vieler unabhängiger, zufälliger Faktoren ist, die Variabilität erzeugen. Einige dieser Faktoren treiben einen Wert nach oben, während andere ihn nach unten ziehen.
Meistens heben sich diese Zufallseffekte teilweise auf, weshalb die meisten Werte nahe am Mittelwert liegen. Nur selten wirken die meisten Zufallsfaktoren in dieselbe Richtung und erzeugen einen Wert weit entfernt vom Mittelwert. Dieser Prozess führt zu der charakteristischen symmetrischen, glockenförmigen Kurve, bei der Werte nahe dem Mittelwert häufig und Extremwerte selten sind.
Die entscheidende Voraussetzung dafür ist, dass die verschiedenen Variationsquellen unabhängig und additiv sind und keine einzelne Variationsquelle die anderen dominiert.
Erkenntnis 4: Man kann die Daten mit nur zwei Zahlen visualisieren.
4. Mittelwert und Standardabweichung bilden ein aussagekräftiges beschreibendes Duo.
Wenn Sie vernünftigerweise davon ausgehen können, dass Ihre Daten einer annähernd Gaußschen Verteilung folgen, können Sie sich ein mentales Bild des gesamten Datensatzes machen, indem Sie nur zwei Zahlen kennen: den Mittelwert und die Standardabweichung (SD).
Dies ist aufgrund zweier verlässlicher Faustregeln möglich:
- Etwa zwei Drittel (68.3 %) aller Werte liegen innerhalb einer Standardabweichung vom Mittelwert.
- Etwa 95 % aller Werte liegen innerhalb von 2 Standardabweichungen vom Mittelwert (genauer: 1.96 Standardabweichungen).
Wenn Ihnen beispielsweise nur mitgeteilt wird, dass die mittlere Körpertemperatur in einer Studie 36.82 °C mit einer Standardabweichung von 0.41 °C beträgt, können Sie daraus schließen, dass etwa 95 % der Werte zwischen 36.0 °C und 37.6 °C liegen. Diese einfache Berechnung liefert eine recht genaue Zusammenfassung der Streuung der Daten.
Fazit: Jenseits der Glocke
Die Gaußverteilung ist ein grundlegendes und leistungsstarkes Werkzeug. Ihre Stärke liegt jedoch im Verständnis ihrer Nuancen. Sie ist ein Modell für das Verhalten von Mittelwerten und das Ergebnis kumulativer Zufallseffekte – keine universelle Beschreibung für alle Daten und keine starre Definition von „normal“.
Wenn Sie das nächste Mal Daten sehen, die als „normal“ beschrieben werden, welche tiefergehenden Fragen werden Sie sich über deren wahre Beschaffenheit und Bedeutung stellen?
