Über 1,6 Millionen Schüler*innen nutzen sofatutor!
  • 93%

    haben mit sofatutor ihre Noten in mindestens einem Fach verbessert

  • 94%

    verstehen den Schulstoff mit sofatutor besser

  • 92%

    können sich mit sofatutor besser auf Schularbeiten vorbereiten

Varianz und Standardabweichung

Die Varianz misst die Streuung von Datenpunkten in einem Datensatz um den Mittelwert, während die Standardabweichung die Wurzel aus der Varianz ist. Sie geben beide Aufschluss über die Variabilität oder Konsistenz eines Datensatzes. Beispiel: Eine niedrige Varianz und Standardabweichung weisen auf eine geringe Streuung hin.

Du möchtest schneller & einfacher lernen?

Dann nutze doch Erklärvideos & übe mit Lernspielen für die Schule.

Kostenlos testen
Du willst ganz einfach ein neues Thema lernen
in nur 12 Minuten?
Du willst ganz einfach ein neues
Thema lernen in nur 12 Minuten?
  • Das Mädchen lernt 5 Minuten mit dem Computer 5 Minuten verstehen

    Unsere Videos erklären Ihrem Kind Themen anschaulich und verständlich.

    92%
    der Schüler*innen hilft sofatutor beim selbstständigen Lernen.
  • Das Mädchen übt 5 Minuten auf dem Tablet 5 Minuten üben

    Mit Übungen und Lernspielen festigt Ihr Kind das neue Wissen spielerisch.

    93%
    der Schüler*innen haben ihre Noten in mindestens einem Fach verbessert.
  • Das Mädchen stellt fragen und nutzt dafür ein Tablet 2 Minuten Fragen stellen

    Hat Ihr Kind Fragen, kann es diese im Chat oder in der Fragenbox stellen.

    94%
    der Schüler*innen hilft sofatutor beim Verstehen von Unterrichtsinhalten.
Bewertung

Ø 4.8 / 4 Bewertungen
Die Autor*innen
Avatar
Team Digital
Varianz und Standardabweichung
lernst du in der 11. Klasse - 12. Klasse - 13. Klasse

Grundlagen zum Thema Varianz und Standardabweichung

Nach dem Schauen dieses Videos wirst du in der Lage sein, Varianz und Standardabweichung von Zufallsgrößen zu berechnen.

Zunächst lernst du, wie die Formel für die Varianz zustande kommt. Anschließend erfährst du, wie du die Standardabweichung aus der Varianz berechnen kannst. Abschließend erfährst du, wie du Varianz und Standardabweichung als Streumaße deuten kannst.

Varianz und Standardabweichung

Das Video beinhaltet Schlüsselbegriffe, Bezeichnungen und Fachbegriffe wie Zufallsgröße, Wahrscheinlichkeitsverteilung, Erwartungswert, Varianz, Standardabweichung, Streuung und Streumaß.

Bevor du dieses Video schaust, solltest du bereits den Erwartungswert kennen. Außerdem solltest du grundlegendes Wissen zu Wahrscheinlichkeitsrechnung haben.

2 Kommentare
2 Kommentare
  1. Hallo Lucca, schau mal, ob dir dieses Video weiterhilft: https://www.sofatutor.com/mathematik/videos/erwartungswert-faires-spiel?launchpad=video
    Liebe Grüße aus der Redaktion

    Von Lukas Peitz, vor etwa 2 Monaten
  2. Sehr gut erklärt. Ich hätte gerne noch etwas über das "fair & unfair" in Zufallsversuchen.

    Von Lucca, vor etwa 2 Monaten

Varianz und Standardabweichung Übung

Du möchtest dein gelerntes Wissen anwenden? Mit den Aufgaben zum Video Varianz und Standardabweichung kannst du es wiederholen und üben.
  • Beschreibe die Kenngrößen einer Wahrscheinlichkeitsverteilung.

    Tipps

    Der Erwartungswert gibt nicht an, wie sich die Werte um den Mittelwert herum verteilen.

    Die Standardabweichung ist die Wurzel aus der Varianz.

    Lösung

    Wir kennen bereits den Erwartungswert $E(X)$ für eine Zufallsgröße $X$. Um ihn zu berechnen, müssen wir nur jeden möglichen Wert mit der entsprechenden Wahrscheinlichkeit multiplizieren und die Produkte aufsummieren:

    $\mu = E(X) = x_{1} \cdot P (X = x_{1}) +~ \ldots~+ x_{n} \cdot P (X = x_{n})$

    Der Erwartungswert gibt an, mit welchem Wert wir im Durchschnitt bei einer Zufallsgröße rechnen können. Er gibt jedoch nicht an, wie sich die Werte um den Mittelwert herum verteilen. Der Erwartungswert allein ist daher für die Beschreibung einer Verteilung nicht immer besonders aussagekräftig.

    Varianz und Standardabweichung sind Maße, die es uns ermöglichen, die Streuung bei Zufallsgrößen in Zahlen auszudrücken. Für die Berechnung der Varianz $V(X)$ quadrieren wir die Abweichungen vom Erwartungswert, multiplizieren diese mit ihren Wahrscheinlichkeiten und summieren schließlich alle diese Produkte:

    $V(X)= (x_1- \mu)^2 \cdot P(X=x_1) + (x_2- \mu)^2 \cdot P(X=x_2) +~ \ldots~+ (x_n- \mu)^2 \cdot P(X=x_n)$

    Die Standardabweichung $\sigma(X)$ ist die Wurzel aus der Varianz. Es gilt:

    $\sigma(X)= \boldsymbol {\sqrt{V(X)}}$

  • Gib die Rechnungen für die Größen Varianz und Standardabweichung an.

    Tipps

    Für die Berechnung der Varianz $V(X)$ quadrieren wir die Abweichungen vom Erwartungswert, multiplizieren diese mit ihren Wahrscheinlichkeiten und summieren schließlich alle diese Produkte.

    Für beide Wahrscheinlichkeitsverteilungen beträgt der Erwartungswert $E(X) = E(Y) = 4$.

    Lösung

    Varianz und Standardabweichung sind Maße, die es uns ermöglichen, die Streuung bei Zufallsgrößen in Zahlen auszudrücken. Um sie zu bestimmen, müssen wir zunächst den Erwartungswert der jeweiligen Verteilung berechnen. Der Erwartungswert gibt an, mit welchem Wert wir im Durchschnitt bei einer Zufallsgröße rechnen können. Um ihn zu ermitteln, müssen wir nur jeden möglichen Wert mit der entsprechenden Wahrscheinlichkeit multiplizieren und die Produkte aufsummieren:

    $\mu = E (X) = x_{1} \cdot P (X = x_{1}) +~ \ldots~+ x_{n} \cdot P (X = x_{n})$


    Für die Berechnung der Varianz $V(X)$ quadrieren wir die Abweichungen vom Erwartungswert, multiplizieren diese mit ihren Wahrscheinlichkeiten und summieren schließlich alle diese Produkte:

    $V(X)= (x_1- \mu)^2 \cdot P(X=x_1) + (x_2- \mu)^2 \cdot P(X=x_2) +~ \ldots~+ (x_n- \mu)^2 \cdot P(X=x_n)$


    Für die Standardabweichung $\sigma(X)$ gilt:

    $\sigma(X)= \sqrt{V(X)}$


    Für die Verteilung der Zufallsvariable $X$ (graue Tabelle) ergibt sich damit:

    $\mu = E (X) =3 \cdot 0{,}25 + 4 \cdot 0{,}5 + 5 \cdot 0{,}25 = 4$

    $V(X)= (3-4)^2 \cdot 0{,}25 + (4-4)^2 \cdot 0{,}5 + (5-4)^2 \cdot 0{,}25 = 0{,}5$

    $\sigma(X)= \sqrt{0{,}5} \approx 0{,}71$


    Für die Verteilung der Zufallsvariable $Y$ (rosafarbene Tabelle) ergibt sich damit:

    $\mu = E (Y) = 1 \cdot 0{,}1 + 2 \cdot 0{,}3 + 4 \cdot 0{,}15 + 6 \cdot 0{,}45 = 4$

    $V(Y)= (1-4)^2 \cdot 0{,}1 + (2-4)^2 \cdot 0{,}3 + (4-4)^2 \cdot 0{,}15+ (6-4)^2 \cdot 0{,}45 = 3{,}9$

    $\sigma(Y)= \sqrt{3{,}9} \approx 1{,}97$

  • Berechne Varianz und Standardabweichung.

    Tipps

    Berechne jeweils zuerst den Erwartungswert $E(X)$:

    $\mu = {E (X) = x_{1} \cdot P (X = x_{1}) ~+~ \ldots~+~ x_{n} \cdot P (X = x_{n})}$

    Ermittle danach die Varianz $V(X)$:

    ${V(X)= (x_1- \mu)^2 \cdot P(X=x_1) + (x_2- \mu)^2 \cdot P(X=x_2) +~ \ldots}$
    ${+~(x_n- \mu)^2 \cdot P(X=x_n)}$

    Berechne zuletzt die Standardabweichung $\sigma(X)$:

    $\sigma(X)= \sqrt{V(X)}$

    Achte darauf, richtig zu runden.

    Beispiel:

    $3{,}31813... \approx 3{,}32$

    Lösung

    Wir berechnen jeweils zuerst den Erwartungswert $E(X)$:

    $\mu = E (X) = x_{1} \cdot P (X = x_{1}) + ~ \ldots~ + x_{n} \cdot P (X = x_{n})$

    Danach ermitteln wir die Varianz $V(X)$:

    $V(X)= (x_1- \mu)^2 \cdot P(X=x_1) + (x_2- \mu)^2 \cdot P(X=x_2) +~ \ldots~ + (x_n- \mu)^2 \cdot P(X=x_n)$

    Zuletzt berechnen wir die Standardabweichung $\sigma(X)$:

    $\sigma(X)= \sqrt{V(X)}$


    Erstes Spiel:

    $\begin{array}{l|c|c|c} \text{Gewinn } x \text{ in Euro} & 1 & 5 & 10 \\ \hline P(X=x) & 0{,}3 & 0{,}5& 0{,}2 \\ \end{array}$

    Der Erwartungswert dieser Zufallsverteilung beträgt:

    $\mu = E (X) =1 \cdot 0{,}3 + 5 \cdot 0{,}5 + 10 \cdot 0{,}2 = 4{,}8$

    Für die Berechnung der Varianz $V(X)$ ergibt sich damit:

    $V(X)= (1-4{,}8)^2 \cdot 0{,}3 + (5-4{,}8)^2 \cdot 0{,}5 + (10-4{,}8)^2 \cdot 0{,}2 = 9{,}76$

    Für die Standardabweichung $\sigma(X)$ gilt:

    $\sigma(X)= \sqrt{9{,}76} \approx 3{,}12$


    Zweites Spiel:

    $\begin{array}{l|c|c|c|c} \text{Gewinn } y \text{ in Euro} & 1 & 2 & 3 & 4 & 5 \\ \hline P(Y=y) & 0{,}1 & 0{,}1& 0{,}6 & 0{,}1 & 0{,}1 \\ \end{array}$

    Der Erwartungswert dieser Zufallsverteilung beträgt:

    $\mu = E (Y) =1 \cdot 0{,}1 + 2 \cdot 0{,}1 + 3 \cdot 0{,}6 + 4 \cdot 0{,}1 + 5 \cdot 0{,}1 = 3$

    Für die Berechnung der Varianz $V(Y)$ ergibt sich damit:

    $V(Y)= (1-3)^2 \cdot 0{,}1 + (2-3)^2 \cdot 0{,}1 + (3-3)^2 \cdot 0{,}6 + (4-3)^2 \cdot 0{,}1 + (5-3)^2 \cdot 0{,}1 = 1$

    Für die Standardabweichung $\sigma(Y)$ gilt:

    $\sigma(Y)= \sqrt{1} = 1$


    Drittes Spiel:

    $\begin{array}{l|c|c|c|c|c} \text{Gewinn } z \text{ in Euro} & 10 & 15 & 16 & 22 \\ \hline P(Z=z) & 0{,}1 & 0{,}3 & 0{,}4 & 0{,}2 \\ \end{array}$

    Der Erwartungswert dieser Zufallsverteilung beträgt:

    $\mu = E (Z) =10 \cdot 0{,}1 + 15 \cdot 0{,}3 + 16 \cdot 0{,}4 + 22 \cdot 0{,}2 = 16{,}3$

    Für die Berechnung der Varianz $V(Z)$ ergibt sich damit:

    $V(Z)= (10-16{,}3)^2 \cdot 0{,}1 + (15-16{,}3)^2 \cdot 0{,}3 + (16-16{,}3)^2 \cdot 0{,}4 + (22-16{,}3)^2 \cdot 0{,}2 = 11{,}01$

    Für die Standardabweichung $\sigma(Z)$ gilt:

    $\sigma(Z)= \sqrt{11{,}01} \approx 3{,}32$

  • Beurteile das Risiko der gegebenen Glücksspiele.

    Tipps

    Varianz und Standardabweichung sind Maße für die Streuung einer Zufallsvariable. Eine größere Streuung bedeutet ein größeres Risiko beim Glücksspiel.

    Es reicht, wenn du jeweils die Varianz berechnest.

    Lösung

    Varianz und Standardabweichung sind Maße für die Streuung einer Zufallsvariable. Eine größere Streuung bedeutet ein größeres Risiko beim Glücksspiel, da die Werte dann stärker vom Erwartungswert abweichen.

    Um die Aufgabe zu lösen, berechnen wir also für die gegebenen Verteilungen die Varianz und ordnen diese anschließend der Größe nach: Die Verteilung mit der kleinsten Varianz hat das geringste Risiko und die Verteilung mit der größten Varianz hat das größte Risiko.

    Hinweis: Wir können natürlich außerdem noch die Standardabweichung berechnen. Diese führt zum gleichen Ergebnis, da eine größere Varianz auch immer eine größere Standardabweichung liefert. Wir verzichten daher auf den zusätzlichen Rechenschritt.


    Spiel A:

    $\begin{array}{l|c|c|c|c} \text{Gewinn } y \text{ in Euro} & 15 & 22 & 41 & 45 \\ \hline P(Y=y) & 0{,}9& 0{,}08 & 0{,}01 &0{,}01 \\ \end{array}$

    Der Erwartungswert dieser Zufallsverteilung beträgt:

    $\mu = E (Y) =15 \cdot 0{,}9 + 22 \cdot 0{,}08 + 41 \cdot 0{,}01 + 45 \cdot 0{,}01 = 16{,}12$

    Für die Berechnung der Varianz $V(Y)$ ergibt sich damit:

    ${V(Y)= (15-16{,}12)^2 \cdot 0{,}9 + (22-16{,}12)^2 \cdot 0{,}08 + (41-16{,}12)^2 \cdot 0{,}01} \\ {\qquad \qquad +~(45-16{,}12)^2 \cdot 0{,}01 \approx 18{,}43}$


    Spiel B:

    $\begin{array}{l|c|c|c|c} \text{Gewinn } y \text{ in Euro} & 0{,}2 & 0{,}5 & 1 & 1{,}2 \\ \hline P(Y=y) & 0{,}3 & 0{,}2& 0{,}1 & 0{,}4 \\ \end{array}$

    Der Erwartungswert dieser Zufallsverteilung beträgt:

    $\mu = E (Y) =0{,}2 \cdot 0{,}3 + 0{,}5 \cdot 0{,}2 + 1 \cdot 0{,}1 + 1{,}2 \cdot 0{,}4 = 0{,}74$

    Für die Berechnung der Varianz $V(Y)$ ergibt sich damit:

    $V(Y)= (0{,}2-0{,}74)^2 \cdot 0{,}3 + (0{,}5-0{,}74)^2 \cdot 0{,}2 + (1-0{,}74)^2 \cdot 0{,}1 + (1{,}2-0{,}74)^2 \cdot 0{,}4 \approx 0{,}19$


    Spiel C:

    $\begin{array}{l|c|c|c} \text{Gewinn } y \text{ in Euro} & 11 & 12 & 13 \\ \hline P(Y=y) & 0{,}1 & 0{,}8& 0{,}1 \\ \end{array}$

    Der Erwartungswert dieser Zufallsverteilung beträgt:

    $\mu = E (Y) =11 \cdot 0{,}1 + 12 \cdot 0{,}8 + 13 \cdot 0{,}1 = 12$

    Für die Berechnung der Varianz $V(Y)$ ergibt sich damit:

    $V(Y)= (11-12)^2 \cdot 0{,}1+ (12-12)^2 \cdot 0{,}8 + (13-12)^2 \cdot 0{,}1 = 0{,}2$


    Spiel D:

    $\begin{array}{l|c|c|c|c} \text{Gewinn } y \text{ in Euro} & 4 & 5 & 6 & 7 \\ \hline P(Y=y) & 0{,}05 & 0{,}45& 0{,}45 & 0{,}05 \\ \end{array}$

    Der Erwartungswert dieser Zufallsverteilung beträgt:

    $\mu = E (Y) =4 \cdot 0{,}05 + 5 \cdot 0{,}45 + 6 \cdot 0{,}45 + 7 \cdot 0{,}05 = 5{,}5$

    Für die Berechnung der Varianz $V(Y)$ ergibt sich damit:

    $V(Y)= (4-5{,}5)^2 \cdot 0{,}05 + (5-5{,}5)^2 \cdot 0{,}45 + (6-5{,}5)^2 \cdot 0{,}45 + (7-5{,}5)^2 \cdot 0{,}05 = 0{,}45$


    Somit lautet die Reihenfolge für das Risiko:

    Spiel B $<$ Spiel C $<$ Spiel D $<$ Spiel A

  • Gib an, welche Werte zu welchem Histogramm passen.

    Tipps

    Die Varianz und die Standardabweichung sind Größen, die die Streuung einer Zufallsgröße um den Erwartungswert angeben.

    Vergleiche die beiden Histogramme: Bei welchem liegen die Werte dicht beisammen, bei welchem weit auseinander?

    Lösung

    Da wir wissen, dass die Varianz und die Standardabweichung Größen sind, die die Streuung einer Zufallsgröße um den Erwartungswert angeben, können wir die Zuordnung direkt durch Betrachtung der Histogramme vornehmen: Das graue Histogramm streut deutlich weniger um einen Mittelwert als das rosafarbene Histogramm. Dementsprechend ordnen wir die kleineren Werte von Varianz und Standardabweichung dem grauen Histogramm und die größeren Werte dem rosafarbenen Histogramm zu.

    Wir können die Größen aber auch formal berechnen und so zuordnen. Dazu betrachten wir die beiden durch die Histogramme dargestellten Zufallsverteilungen im Detail: Die Wahrscheinlichkeitsverteilungen der beiden Zufallsgrößen $X$ und $Y$ beschreiben den möglichen Gewinn bei einem Glücksspiel.



    Graues Histogramm:

    $\begin{array}{l|c|c|c} \text{Gewinn } x \text{ in Euro} & 3 & 4 & 5 \\ \hline P(X=x) & 0{,}25 & 0{,}5& 0{,}25 \\ \end{array}$


    Der Erwartungswert dieser Zufallsverteilung beträgt:

    $\mu = E (X) =4$

    Denn für den Erwartungswert gilt:

    $\mu = E (X) = x_{1} \cdot P (X = x_{1}) + ~\dots~ + x_{n} \cdot P (X = x_{n})$

    In unserem Beispiel also:

    $\mu = E (X) =3 \cdot 0{,}25 + 4 \cdot 0{,}5 + 5 \cdot 0{,}25 = 4$

    Für die Berechnung der Varianz $V(X)$ quadrieren wir die Abweichungen vom Erwartungswert, multiplizieren diese mit ihren Wahrscheinlichkeiten und summieren schließlich alle diese Produkte:

    $V(X)= (x_1- \mu)^2 \cdot P(X=x_1) + (x_2- \mu)^2 \cdot P(X=x_2) + ~\dots~ + (x_n- \mu)^2 \cdot P(X=x_n)$

    In unserem Beispiel also:

    $V(X)= (3-4)^2 \cdot 0{,}25 + (4-4)^2 \cdot 0{,}5 + (5-4)^2 \cdot 0{,}25 = 0{,}5$

    Für die Standardabweichung $\sigma(X)$ gilt:

    $\sigma(X)= \sqrt{V(X)}$

    In unserem Beispiel also:

    $\sigma(X)= \sqrt{0{,}5} \approx 0{,}71$



    Rosafarbenes Histogramm:

    $\begin{array}{l|c|c|c|c} \text{Gewinn } y \text{ in Euro} & 1 & 2 & 4 & 6 \\ \hline P(Y=y) & 0{,}1 & 0{,}3& 0{,}15 & 0{,}45 \\ \end{array}$


    Der Erwartungswert dieser Zufallsverteilung beträgt auch:

    $\mu = E (Y) =4$

    Denn:

    $\mu = E (Y) =1 \cdot 0{,}1 + 2 \cdot 0{,}3 + 4 \cdot 0{,}15+ 6 \cdot 0{,}45 = 4$

    Für die Varianz $V(Y)$ gilt:

    $V(X)= (1-4)^2 \cdot 0{,}1 + (2-4)^2 \cdot 0{,}3 + (4-4)^2 \cdot 0{,}15+ (6-4)^2 \cdot 0{,}45 = 3{,}9$

    Und für die Standardabweichung $\sigma(X)$ gilt:

    $\sigma(X)= \sqrt{3{,}9} \approx 1{,}97$

  • Überprüfe die Aussagen zu Varianz und Standardabweichung.

    Tipps

    Es sind zwei Aussagen richtig.

    Die Zufallsvariable kann auch nur einen Wert annehmen. Wir sprechen dann von einem sicheren Ereignis mit der Wahrscheinlichkeit $1$. Die Abweichung vom Erwartungswert ist in diesem Fall $0$.

    Die Varianz kann auch den Wert $1$ annehmen.

    Beispiel:

    $\begin{array}{l|c|c|c|c|c} \text{Gewinn } y \text{ in Euro} & 1 & 2 & 3 & 4 & 5 \\ \hline P(Y=y) & 0{,}1 & 0{,}1& 0{,}6 & 0{,}1 & 0{,}1 \\ \end{array}$

    Der Erwartungswert dieser Zufallsverteilung beträgt:

    $\mu = E (Y) =1 \cdot 0{,}1 + 2 \cdot 0{,}1 + 3 \cdot 0{,}6 + 4 \cdot 0{,}1 + 5 \cdot 0{,}1 = 3$

    Für die Berechnung der Varianz $V(Y)$ ergibt sich damit:

    ${V(Y)= (1-3)^2 \cdot 0{,}1 + (2-3)^2 \cdot 0{,}1 + (3-3)^2 \cdot 0{,}6} \\ { \qquad \qquad +~(4-3)^2 \cdot 0{,}1 + (5-3)^2 \cdot 0{,}1 = 1}$

    Lösung

    Um die Aussagen zu überprüfen, betrachten wir zunächst noch einmal die Definition der Größen Erwartungswert, Varianz und Standardabweichung:

    Der Erwartungswert gibt an, mit welchem Wert wir im Durchschnitt bei einer Zufallsgröße rechnen können. Um ihn zu ermitteln, müssen wir nur jeden möglichen Wert mit der entsprechenden Wahrscheinlichkeit multiplizieren und die Produkte aufsummieren:

    $\mu = E (X) = x_{1} \cdot P (X = x_{1}) + ~ \dots~ + x_{n} \cdot P (X = x_{n})$

    Varianz und Standardabweichung sind Maße, die es uns ermöglichen, die Streuung bei Zufallsgrößen in Zahlen auszudrücken.

    Für die Berechnung der Varianz $V(X)$ quadrieren wir die Abweichungen vom Erwartungswert, multiplizieren diese mit ihren Wahrscheinlichkeiten und summieren schließlich alle diese Produkte:

    $V(X)= (x_1- \mu)^2 \cdot P(X=x_1) + (x_2- \mu)^2 \cdot P(X=x_2) + ~ \dots~ + (x_n- \mu)^2 \cdot P(X=x_n)$

    Für die Standardabweichung $\sigma(X)$ gilt:

    $\sigma(X)= \sqrt{V(X)}$


    Wir betrachten nun die gegebenen Aussagen:


    • Die Standardabweichung ist immer kleiner als die Varianz.
    $\Rightarrow$ Diese Aussage ist falsch. Denn es gilt: Wenn die Varianz kleiner als $1$ ist, dann ist die Standardabweichung größer als die Varianz. Das liegt daran, dass man zur Berechnung der Standardabweichung die Wurzel aus der Varianz ziehen muss, und diese wird bei Werten kleiner als $1$ größer. Wenn die Varianz hingegen größer als $1$ ist, dann ist die Standardabweichung, also die Wurzel aus der Varianz, kleiner als sie selbst.


    • Die Varianz kann nicht null sein.
    $\Rightarrow$ Diese Aussage ist falsch: Für den Fall, dass die Zufallsvariable nur einen Wert annehmen kann (sicheres Ereignis), ist die Varianz $0$.


    • Die Varianz und die Standardabweichung können auch den gleichen Wert annehmen.
    $\Rightarrow$ Diese Aussage ist richtig: Für den Fall, dass die Varianz den Wert $1$ hat, ist ihr Wert gleich dem der Standardabweichung. Lediglich die Einheit ist unterschiedlich.


    • Je größer die Varianz ist, umso größer ist der Erwartungswert.
    $\Rightarrow$ Diese Aussage ist falsch: Die Varianz ist ein Maß für die Streuung einer Zufallsvariable. Bei der Berechnung der Varianz wird lediglich mit der Abweichung vom Erwartungswert gearbeitet.


    • Je größer die Varianz ist, umso größer ist die Standardabweichung.
    $\Rightarrow$ Diese Aussage ist richtig: Zur Berechnung der Standardabweichung muss man die Wurzel aus der Varianz ziehen. Es gilt:

    $a > b ~\Leftrightarrow ~ \sqrt{a} > \sqrt{b} \qquad$ (die Wurzelfunktion ist stetig steigend)

30 Tage kostenlos testen
Mit Spaß Noten verbessern
und vollen Zugriff erhalten auf

7.895

sofaheld-Level

6.601

vorgefertigte
Vokabeln

7.906

Lernvideos

36.912

Übungen

34.171

Arbeitsblätter

24h

Hilfe von Lehrer*
innen

laufender Yeti

Inhalte für alle Fächer und Klassenstufen.
Von Expert*innen erstellt und angepasst an die Lehrpläne der Bundesländer.

30 Tage kostenlos testen

Testphase jederzeit online beenden