Quelltext der Seite ABI - Bernoulli-Experimente und Bernoulli-Ketten erkennen

{{T}}
{{BR}}
= ABI - Bernoulli-Experimente und Bernoulli-Ketten erkennen =

'''Mini-Beschreibung:''' Prüfe, ob eine Situation durch wiederholte unabhängige Versuche mit zwei Ergebniskategorien und konstanter Trefferwahrscheinlichkeit modelliert werden kann. Zielgruppe: Kursstufe, Mathematik-Abitur Baden-Württemberg.

[[Datei:Bernoulli coin toss.svg|500px|rahmenlos|center]]

{{BR}}
= Einleitung =

Ein Bernoulli-Modell ist schnell angesetzt – und ebenso schnell falsch. Entscheidend ist nicht, ob eine Aufgabe „nach Zufall“ klingt, sondern ob vier Bedingungen erfüllt sind:

# '''Zwei Ergebniskategorien''' pro Einzelversuch: Treffer oder Nichttreffer.
# '''Feste Anzahl''' von Wiederholungen <math>n</math>.
# '''Konstante Trefferwahrscheinlichkeit''' <math>p</math>.
# '''Unabhängigkeit''' der Einzelversuche.

Sind alle vier Bedingungen erfüllt, kann die Trefferzahl <math>X</math> binomialverteilt modelliert werden:

<math>X \sim B(n,p)</math>

[[Datei:Binomial bernoulli 001.svg|500px|rahmenlos|center]]

{{#ev:youtube|   https://www.youtube.com/watch?v=IznGcabGObQ   |500|center}}

'''Abiturhinweis Baden-Württemberg:''' Dieses Modul trainiert die Modellentscheidung rund um [[Bernoulli-Experiment]], [[Bernoulli-Kette]] und [[Binomialverteilung]]. Für den konkreten Prüfungsjahrgang gelten stets die aktuellen Vorgaben und der aktuelle Facherlass. Ein GeoGebra-Applet, CAS, Taschenrechner oder KI-System, das Du zum Üben nutzt, ist nicht automatisch als Prüfungshilfsmittel zugelassen.

'''KI-Hinweis:''' KI-Ausgaben können beim Üben helfen, müssen aber mathematisch geprüft werden. Eine KI-Antwort ersetzt weder eine Begründung noch einen Beweis.

{{BR}}
= Lernziele =

Nach diesem aiMOOC kannst Du:
# [[Bernoulli-Experiment|Bernoulli-Experimente]] an zwei Ergebniskategorien erkennen.
# [[Bernoulli-Kette|Bernoulli-Ketten]] mit <math>n</math> unabhängigen Wiederholungen und konstantem <math>p</math> identifizieren.
# ungeeignete Modelle durch ein konkretes Gegenargument ablehnen.
# die Trefferzahl <math>X</math> passend definieren und <math>X\sim B(n,p)</math> notieren.
# Modellannahmen in Sachkontexten kritisch prüfen.
# im Leistungsfach Unabhängigkeit und Modellgrenzen formaler begründen.

{{BR}}
= Vorwissen-Check =

Prüfe Dich kurz, bevor Du weiterarbeitest.

# Kannst Du ein Gegenereignis bilden, zum Beispiel <math>P(\overline{A})=1-P(A)</math>?
# Weißt Du, was [[Stochastische Unabhängigkeit|Unabhängigkeit]] bedeutet?
# Kannst Du ein Baumdiagramm lesen?
# Kennst Du die Bedeutung von <math>n</math>, <math>p</math> und <math>k</math>?

'''Schnellkontrolle:''' Wenn Dir mindestens zwei Punkte unsicher sind, wiederhole zuerst [[Wahrscheinlichkeit]], [[Baumdiagramm]] und [[Stochastische Unabhängigkeit]].

{{BR}}
= Erkennen statt sofort rechnen =

'''Merkschema: Z-K-U-F'''

# '''Z'''wei Kategorien?
# '''K'''onstantes <math>p</math>?
# '''U'''nabhängige Versuche?
# '''F'''este Zahl <math>n</math>?

Erst wenn alle Fragen mit „ja“ beantwortet werden können, ist eine Bernoulli-Kette als exaktes Modell gerechtfertigt.

[[Datei:Bernoulli distribution examples.svg|500px|rahmenlos|center]]

{{BR}}
== Bernoulli-Experiment ==

Ein einzelner Versuch ist ein Bernoulli-Experiment, wenn nur zwei Kategorien betrachtet werden. Diese müssen nicht „gut“ und „schlecht“ heißen.

Beispiele:
# Würfelwurf: „Sechs“ / „keine Sechs“.
# Bauteil: „defekt“ / „nicht defekt“.
# Freiwurf: „Treffer“ / „Fehlwurf“.

Mit Trefferwahrscheinlichkeit <math>p</math> gilt:

<math>P(T)=p</math>

<math>P(N)=1-p</math>

{{BR}}
== Bernoulli-Kette ==

Eine Bernoulli-Kette der Länge <math>n</math> besteht aus <math>n</math> gleichartigen Bernoulli-Experimenten mit konstantem <math>p</math>, die unabhängig voneinander modelliert werden.

Für die Trefferzahl <math>X</math> gilt:

<math>X\sim B(n,p)</math>

und für genau <math>k</math> Treffer:

<math>P(X=k)=\binom{n}{k}p^k(1-p)^{n-k}</math>

[[Datei:Binomial distribution formula.svg|500px|rahmenlos|center]]

{{#ev:youtube|   https://www.youtube.com/watch?v=qRkUCU7oJ34   |500|center}}

{{BR}}
= Interaktive Beispiele =

{{BR}}
== Beispiel 1: Qualitätskontrolle ==

Eine Maschine produziert unter stabilen Bedingungen Bauteile. Jedes Bauteil ist mit Wahrscheinlichkeit <math>p=0{,}03</math> defekt. Es werden <math>n=20</math> Bauteile unabhängig betrachtet.

'''Modellcheck:'''
# Zwei Kategorien: defekt / nicht defekt.
# <math>n=20</math> ist fest.
# <math>p=0{,}03</math> bleibt konstant.
# Unabhängigkeit wird als Modellannahme vorgegeben.

'''Ergebnis:'''

<math>X\sim B(20,0{,}03)</math>

Das ist eine Bernoulli-Kette.

{{BR}}
== Beispiel 2: Ziehen ohne Zurücklegen ==

Aus einem Kartenspiel werden nacheinander Karten gezogen. Treffer bedeutet „Ass“. Die gezogene Karte wird nicht zurückgelegt.

Zu Beginn:

<math>P(T_1)=\frac{4}{52}</math>

Nach einem Ass:

<math>P(T_2\mid T_1)=\frac{3}{51}</math>

Nach einer Nicht-Ass-Karte:

<math>P(T_2\mid N_1)=\frac{4}{51}</math>

Die Trefferwahrscheinlichkeit hängt vom vorherigen Ergebnis ab. Damit sind Konstanz und Unabhängigkeit verletzt.

'''Ergebnis:''' Keine exakte Bernoulli-Kette.

{{BR}}
== Beispiel 3: Regen an fünf aufeinanderfolgenden Tagen ==

Treffer bedeutet „Es regnet“. Es gibt zwar zwei Kategorien, aber Wetterlagen können über mehrere Tage zusammenhängen. Unabhängigkeit und konstantes <math>p</math> sind ohne zusätzliche Modellannahmen nicht gesichert.

'''Ergebnis:''' Nicht automatisch als Bernoulli-Kette modellieren.

{{BR}}
== Beispiel 4: Acht Freiwürfe ==

Unter der Modellannahme unabhängiger Würfe mit konstanter Trefferwahrscheinlichkeit <math>p=0{,}7</math> gilt:

<math>X\sim B(8,0{,}7)</math>

Gesucht: genau sechs Treffer.

'''Schritt 1:''' <math>n=8</math>, <math>k=6</math>, <math>p=0{,}7</math>

'''Schritt 2:'''

<math>P(X=6)=\binom{8}{6}\cdot 0{,}7^6\cdot 0{,}3^2</math>

'''Schritt 3:'''

<math>P(X=6)\approx 0{,}2965</math>

'''Schritt 4:''' Im Kontext sind das etwa <math>29{,}65\%</math>.

{{BR}}
= Simulation und dynamische Darstellung =

Mit einer Simulation kannst Du prüfen, wie sich Trefferhäufigkeiten bei vielen Wiederholungen verhalten. Eine Simulation beweist jedoch nicht, dass die Modellannahmen im Sachkontext stimmen.

[[Datei:Binomial distribution for n = 4.gif|500px|rahmenlos|center]]

'''Beobachtungsauftrag:''' Achte in der Animation darauf, wie sich die Balkenhöhen verändern, wenn sich die Trefferwahrscheinlichkeit ändert.

'''Dynamisches Histogramm:'''
<iframe> https://www.geogebra.org/m/turqFzJ9 </iframe>

'''Bernoulli-Gitter und Binomialkoeffizienten:'''
<iframe> https://www.geogebra.org/m/QmYFc74R </iframe>

'''Simulation:'''
# Setze <math>n=20</math> und <math>p=0{,}5</math>.
# Verändere nur <math>p</math>.
# Beschreibe, wie sich die Lage des Histogramms verändert.
# Verändere anschließend nur <math>n</math>.
# Trenne Beobachtung und Begründung.

[[Datei:Binomial distribution pmf.svg|500px|rahmenlos|center]]

'''Datenschutz:''' Gib in externe Übungswerkzeuge keine personenbezogenen Daten ein. Beachte schulische Datenschutzvorgaben für Drittanbieter-Einbettungen.

{{BR}}
= Basisfach und Leistungsfach =

{{BR}}
== Basisfach ==

Im Basisfach steht das verständige Erkennen und Begründen im Vordergrund. Eine gute Begründung nennt konkret:
# zwei Ergebniskategorien,
# konstantes <math>p</math>,
# Unabhängigkeit,
# feste Wiederholungszahl <math>n</math>.

{{BR}}
== Leistungsfach ==

Im Leistungsfach sollst Du Modellannahmen vertiefter prüfen. Für unabhängige Versuche gilt beispielsweise für Ereignisse aus verschiedenen Stufen:

<math>P(A\cap B)=P(A)\cdot P(B)</math>

Für eine vollständige Bernoulli-Kette ist gegenseitige Unabhängigkeit der Versuche erforderlich. Paarweise Unabhängigkeit allein genügt im Allgemeinen nicht als vollständige Begründung.

Bei Stichproben ohne Zurücklegen ist die hypergeometrische Verteilung das exakte Modell. Eine Binomialverteilung kann höchstens eine begründete Näherung sein, wenn sich die Trefferwahrscheinlichkeit durch die Entnahmen praktisch kaum verändert.

{{BR}}
= Übungen mit Hilfen und Feedback =

{{BR}}
== Übung A: Würfel ==

Ein fairer Würfel wird zwölfmal geworfen. Treffer bedeutet „Augenzahl größer als 4“.

'''Aufgabe:''' Prüfe, ob eine Bernoulli-Kette vorliegt, und bestimme <math>n</math> und <math>p</math>.

'''Hilfe:''' Fasse 5 und 6 zu einer Trefferkategorie zusammen.

'''Feedback:''' Es gibt zwei Kategorien, die Würfe werden unabhängig modelliert und <math>p=\frac{2}{6}=\frac13</math> bleibt konstant. Also:

<math>X\sim B(12,\frac13)</math>

{{BR}}
== Übung B: Urne ohne Zurücklegen ==

In einer Urne liegen fünf rote und fünf blaue Kugeln. Vier Kugeln werden ohne Zurücklegen gezogen. Treffer bedeutet „rot“.

'''Aufgabe:''' Prüfe die Bernoulli-Bedingungen.

'''Hilfe:''' Vergleiche die Trefferwahrscheinlichkeit vor und nach einer roten Kugel.

'''Feedback:''' Nach einer roten Kugel ändert sich die Zusammensetzung der Urne. Das Modell ist nicht exakt binomial.

{{BR}}
== Übung C: Online-Umfrage ==

Eine Plattform zeigt zehn nacheinander eintreffende Antworten „ja“ oder „nein“. Es ist nicht bekannt, wie die Personen ausgewählt werden oder ob sich ihre Antworten gegenseitig beeinflussen.

'''Aufgabe:''' Darf sofort eine Bernoulli-Kette angenommen werden?

'''Hilfe:''' Zwei Kategorien allein reichen nicht.

'''Feedback:''' Nein. Konstantes <math>p</math> und Unabhängigkeit sind nicht begründet.

{{BR}}
= Fehleranalyse =

'''Fehler 1:''' „Es gibt zwei Ergebnisse, also binomialverteilt.“

'''Korrektur:''' Zwei Kategorien sind notwendig, aber nicht hinreichend.

'''Fehler 2:''' „Ohne Zurücklegen ist trotzdem unabhängig, weil zufällig gezogen wird.“

'''Korrektur:''' Zufällig bedeutet nicht unabhängig. Ohne Zurücklegen verändert ein Ergebnis die folgenden Wahrscheinlichkeiten.

'''Fehler 3:''' „Wenn <math>p</math> ungefähr gleich bleibt, ist das exakt binomial.“

'''Korrektur:''' „Ungefähr“ kennzeichnet eine Näherung. Das muss im Modell ausdrücklich begründet werden.

'''Fehler 4:''' „Simulation bestätigt das Modell.“

'''Korrektur:''' Eine Simulation zeigt Verhalten innerhalb eines angenommenen Modells; sie beweist nicht die Realitätsannahmen.

{{BR}}
= Selbstkontrolle =

Entscheide ohne Rechnung:

# 30-mal Münzwurf mit derselben fairen Münze: '''Bernoulli-Kette'''.
# 6 Karten ohne Zurücklegen ziehen, Treffer = Herz: '''keine exakte Bernoulli-Kette'''.
# 15 unabhängige Sensormessungen mit gleicher Fehlalarmwahrscheinlichkeit: '''Bernoulli-Kette''' unter der angegebenen Modellannahme.
# 7 aufeinanderfolgende Regentage, Treffer = Regen: '''nicht automatisch Bernoulli-Kette'''.

'''Selbstcheck:''' Kannst Du bei jeder Entscheidung die verletzte oder erfüllte Bedingung nennen? Dann hast Du das Kernziel erreicht.

{{BR}}
= Transfer =

Eine Stichprobe wird aus einer sehr großen Produktion ohne Zurücklegen entnommen. Streng genommen ändert sich <math>p</math> nach jeder Entnahme. In Anwendungen kann die Änderung aber so klein sein, dass ein Binomialmodell als Näherung verwendet wird.

'''Denkfrage:''' Formuliere, welche Zusatzinformation Du brauchst, um zu beurteilen, ob diese Näherung plausibel ist.

'''Leistungsfach-Vertiefung:''' Vergleiche das exakte hypergeometrische Modell mit der Binomialnäherung für eine selbst gewählte Populationsgröße.

{{BR}}
= Kompetenzcheck =

Du bist prüfungsbereit für dieses Teilthema, wenn Du:
# in einem unbekannten Kontext die vier Modellbedingungen systematisch prüfst,
# bei Ablehnung genau die verletzte Bedingung benennst,
# <math>X</math>, <math>n</math> und <math>p</math> korrekt festlegst,
# zwischen exaktem Modell und Näherung unterscheidest,
# im Leistungsfach Unabhängigkeit formal und kontextbezogen diskutierst.

{{BR}}
= Reflexion =

# Welche der vier Bedingungen übersiehst Du am ehesten?
# Wann ist „zufällig“ nicht dasselbe wie „unabhängig“?
# Welche Information fehlt Dir in realen Kontexten häufig, um <math>p</math> als konstant anzunehmen?
# Wie würdest Du einer anderen Person erklären, warum Modellkritik vor dem Rechnen kommt?

{{BR}}
= Folgekurs =

Als nächstes bietet sich an:
# [[Binomialverteilung|Wahrscheinlichkeiten mit der Binomialverteilung berechnen]]
# [[Erwartungswert der Binomialverteilung|Erwartungswert und Standardabweichung]]
# [[Kumulierte Binomialverteilung|Kumulierte Wahrscheinlichkeiten]]
# [[Hypothesentest|Hypothesentests mit binomialverteilten Zufallsgrößen]]

{{#ev:youtube|   https://www.youtube.com/watch?v=tEtrB3vxQlU   |500|center}}

{{BR}}
= Interaktive Aufgaben =

{{BR}}
== Quiz: Teste Dein Wissen ==

{{MC}}

'''Welche Bedingung gehört zwingend zu einer Bernoulli-Kette?'''
(Die Trefferwahrscheinlichkeit bleibt in jedem Einzelversuch gleich)
(!Die Trefferwahrscheinlichkeit muss 0,5 sein)
(!Es müssen mindestens zehn Versuche stattfinden)
(!Die Trefferzahl muss vorher bekannt sein)

{{E}}
<br>

{{MC}}

'''Was kennzeichnet ein Bernoulli-Experiment?'''
(Es werden genau zwei Ergebniskategorien betrachtet)
(!Es gibt genau zwei gleich wahrscheinliche Ergebnisse)
(!Es gibt immer einen Würfel)
(!Es muss mehrfach wiederholt werden)

{{E}}
<br>

{{MC}}

'''Warum ist Ziehen ohne Zurücklegen meist keine Bernoulli-Kette?'''
(Die Trefferwahrscheinlichkeit kann sich von Zug zu Zug ändern)
(!Es gibt keine Zufallsergebnisse)
(!Es gibt immer mehr als zwei Kategorien)
(!Die Anzahl der Ziehungen ist unbekannt)

{{E}}
<br>

{{MC}}

'''Welche Notation passt zu einer binomialverteilten Trefferzahl?'''
(X ist binomialverteilt mit den Parametern n und p)
(!X ist immer gleich n mal p)
(!X ist eine stetige Zufallsgröße)
(!X kann nur die Werte null und eins annehmen)

{{E}}
<br>

{{MC}}

'''Was bedeutet Unabhängigkeit im Bernoulli-Modell?'''
(Das Ergebnis eines Versuchs verändert die Wahrscheinlichkeiten der anderen Versuche nicht)
(!Jeder Versuch hat ein anderes p)
(!Treffer und Nichttreffer sind gleich wahrscheinlich)
(!Alle Versuche liefern dasselbe Ergebnis)

{{E}}
<br>

{{MC}}

'''Welche Situation ist unter den genannten Annahmen eine Bernoulli-Kette?'''
(Zwölf unabhängige Würfe eines fairen Würfels mit Treffer gleich Sechs)
(!Vier Karten ohne Zurücklegen mit Treffer gleich Ass)
(!Regen an fünf aufeinanderfolgenden Tagen ohne weitere Annahmen)
(!Zehn Messungen mit unbekannter und wechselnder Fehlerquote)

{{E}}
<br>

{{MC}}

'''Welche Aussage über eine Simulation ist richtig?'''
(Sie kann das Verhalten eines angenommenen Modells veranschaulichen)
(!Sie beweist die Unabhängigkeit realer Vorgänge)
(!Sie macht eine Modellprüfung überflüssig)
(!Sie ersetzt jede mathematische Begründung)

{{E}}
<br>

{{MC}}

'''Welche Größe beschreibt p in einer Bernoulli-Kette?'''
(Die Trefferwahrscheinlichkeit eines Einzelversuchs)
(!Die Anzahl der Treffer)
(!Die Anzahl der Versuche)
(!Die Wahrscheinlichkeit für genau k Treffer)

{{E}}
<br>

{{MC}}

'''Was muss vor einer Rechnung mit der Binomialformel geprüft werden?'''
(Ob die Bernoulli-Bedingungen zum Kontext passen)
(!Ob das Ergebnis größer als eins sein kann)
(!Ob n eine Dezimalzahl ist)
(!Ob p größer als n ist)

{{E}}
<br>

{{MC}}

'''Welche Aussage ist für das Leistungsfach besonders wichtig?'''
(Paarweise Unabhängigkeit allein genügt allgemein nicht für vollständige gegenseitige Unabhängigkeit)
(!Jede Zufallsstichprobe ist automatisch binomialverteilt)
(!Ohne Zurücklegen bleibt p immer exakt konstant)
(!Eine Simulation ist ein Beweis)

{{E}}
<br>

{{BR}}
== Memory ==

<div class="memo-quiz">
{|
|-
| Bernoulli-Experiment || Zwei Ergebniskategorien
|-
| Bernoulli-Kette || Wiederholung unabhängiger Bernoulli-Experimente
|-
| Trefferwahrscheinlichkeit || p
|-
| Kettenlänge || n
|-
| Trefferzahl || X
|-
| Ohne Zurücklegen || häufig veränderliches p
|}
{{E}}
<br>

{{BR}}
== Drag and Drop ==

<div class="lueckentext-quiz">

{| class="wikitable" 
! Ordne die richtigen Begriffe zu.
! Thema
|-
| '''Zwei Kategorien'''
| Treffer oder Nichttreffer
|-
| '''Konstantes p'''
| gleiche Trefferwahrscheinlichkeit
|-
| '''Unabhängigkeit'''
| Ergebnis verändert andere Versuche nicht
|-
| '''Feste Kettenlänge'''
| Anzahl n steht fest
|-
| '''Binomialmodell'''
| alle vier Bedingungen erfüllt

|}
{{E}}

<br>

{{BR}}
== Kreuzworträtsel ==

<div class="kreuzwort-quiz">
{|
|-
| Treffer || Wie heißt die festgelegte Erfolgskategorie eines Bernoulli-Experiments?
|-
| Unabhängigkeit || Welche Eigenschaft verhindert, dass ein Versuch die Wahrscheinlichkeiten anderer Versuche verändert?
|-
| Konstanz || Welche Eigenschaft muss die Trefferwahrscheinlichkeit über alle Versuche besitzen?
|-
| Binomial || Wie heißt das Verteilungsmodell der Trefferzahl einer Bernoulli-Kette?
|-
| Gegenereignis || Wie heißt das Ereignis, dass ein betrachtetes Ereignis nicht eintritt?
|-
| Stichprobe || Wie heißt eine ausgewählte Teilmenge einer Grundgesamtheit?
|}
{{E}}
<br>

{{BR}}
== LearningApps ==

<iframe> https://learningapps.org/index.php?s=ABI+Bernoulli-Experimente+und+Bernoulli-Ketten+erkennen </iframe>

{{BR}}
== Lückentext ==

<quiz display=simple>
{'''Vervollständige den Text.'''<br>
|type="{}"}
Ein Bernoulli-Experiment besitzt genau { zwei } Ergebniskategorien. Eine Bernoulli-Kette besteht aus einer festen Zahl { n } von Wiederholungen. Die Trefferwahrscheinlichkeit { p } bleibt in jedem Einzelversuch gleich. Zusätzlich werden die Versuche als { unabhängig } modelliert. Die Zufallsgröße { X } zählt die Treffer. Sind die Bedingungen erfüllt, ist X { binomialverteilt }. Beim Ziehen ohne Zurücklegen ändert sich häufig die { Trefferwahrscheinlichkeit }. Eine Simulation ersetzt keine mathematische { Begründung }.
</quiz>

<br>

{{BR}}
= Offene Aufgaben =

{{BR}}
=== Leicht ===
# [[Modellcheck]]: Erfinde drei Alltagssituationen und entscheide jeweils mit dem Z-K-U-F-Schema, ob eine Bernoulli-Kette vorliegt.
# [[Gegenbeispiel]]: Formuliere eine Situation mit genau zwei Ergebniskategorien, die trotzdem keine Bernoulli-Kette ist.
# [[Visualisierung]]: Gestalte ein Schaubild zu den vier Modellbedingungen.
# [[Erklärvideo]]: Produziere ein kurzes Erklärvideo ohne personenbezogene Daten, in dem Du „zufällig“ und „unabhängig“ unterscheidest.

{{BR}}
=== Standard ===
# [[Simulation]]: Simuliere <math>n=20</math> Versuche für zwei verschiedene Werte von <math>p</math> und vergleiche die Histogramme.
# [[Fehlerdiagnose]]: Sammle drei typische falsche Begründungen zur Bernoulli-Kette und korrigiere sie.
# [[Urnenmodell]]: Vergleiche Ziehen mit und ohne Zurücklegen und erkläre die Auswirkung auf <math>p</math>.
# [[Abituraufgabe]]: Formuliere eine kurze Prüfungsaufgabe, in der zuerst das Modell geprüft und erst danach gerechnet wird.

{{BR}}
=== Schwer ===
# [[Modellkritik]]: Untersuche eine reale Qualitätskontrolle und liste alle Annahmen auf, die für ein Binomialmodell nötig wären.
# [[Hypergeometrische Verteilung]]: Vergleiche für ein selbst gewähltes Beispiel die exakte hypergeometrische Wahrscheinlichkeit mit einer Binomialnäherung.
# [[Unabhängigkeit]]: Recherchiere den Unterschied zwischen paarweiser und gegenseitiger Unabhängigkeit und konstruiere ein Beispiel.
# [[KI-Prüfung]]: Lass eine KI eine Bernoulli-Situation beurteilen, überprüfe jede Aussage mathematisch und dokumentiere Fehler oder fehlende Begründungen.

{{:Offene Aufgabe - MOOC erstellen}}

{{BR}}
= Lernkontrolle =

# [[Modellentscheidung]]: Eine App zeigt an zehn Tagen „Störung“ oder „keine Störung“. Entwickle zwei verschiedene Zusatzannahmen, unter denen ein Binomialmodell einmal geeignet und einmal ungeeignet ist.
# [[Vergleich von Modellen]]: Erkläre, warum dieselbe Trefferdefinition beim Ziehen mit Zurücklegen zu einem Binomialmodell führen kann, ohne Zurücklegen aber nicht zwingend.
# [[Begründungskette]]: Formuliere eine vollständige Begründung dafür, dass zwölf unabhängige Würfe eines fairen Würfels mit Treffer „Sechs“ eine Bernoulli-Kette bilden.
# [[Transfer zur Produktion]]: Beurteile, welche Prozessänderungen dazu führen könnten, dass bei einer Qualitätskontrolle <math>p</math> nicht mehr konstant ist.
# [[Simulation und Realität]]: Erkläre, welche Aussage eine Computersimulation über ein Binomialmodell erlaubt und welche Aussage über den realen Sachverhalt sie nicht beweisen kann.
# [[Leistungsfach-Transfer]]: Diskutiere, warum paarweise geprüfte Unabhängigkeit bei mehr als zwei Versuchen nicht automatisch die vollständige Unabhängigkeit aller Versuche sichert.

<br>
<br>

{{BR}}
= Lernnachweis =

Für einen Lernnachweis solltest Du zeigen, dass Du:
# die vier Bedingungen einer Bernoulli-Kette sicher prüfst,
# Treffer und Nichttreffer sinnvoll definierst,
# <math>n</math>, <math>p</math> und <math>X</math> korrekt festlegst,
# Gegenbeispiele fachlich begründest,
# zwischen exaktem Modell und Näherung unterscheidest,
# einen Rechenweg mit Formel, Einsetzen, Ergebnis und Kontextdeutung nachvollziehbar darstellst,
# Simulationsergebnisse kritisch interpretierst,
# im Leistungsfach Modellannahmen formal vertiefst.

<br>
<br>

{{BR}}
= OERs zum Thema =

<iframe> https://de.m.wikipedia.org/wiki/Bernoulli-Experiment </iframe>

'''Weitere freie und interaktive Ressourcen:'''
# [https://www.schule-bw.de/faecher-und-schularten/mathematisch-naturwissenschaftliche-faecher/mathematik/unterrichtsmaterialien/sekundarstufe2/stochastik Landesbildungsserver Baden-Württemberg: Stochastik]
# [https://www.geogebra.org/m/turqFzJ9 GeoGebra: Säulendiagramm zur Binomialverteilung]
# [https://commons.wikimedia.org/wiki/Category:Bernoulli_distribution Wikimedia Commons: Bernoulli distribution]
# [https://commons.wikimedia.org/wiki/Category:Binomial_distributions Wikimedia Commons: Binomial distributions]

<br>

{{BR}}
= Verknüpfte Lernbereiche =

{| align=center
{{:D-Tab}}
'''[[Bernoulli-Kette]]'''
# [[Bernoulli-Experiment]]
# [[Binomialverteilung]]
# [[Stochastische Unabhängigkeit]]
# [[Baumdiagramm]]
# [[Hypergeometrische Verteilung]]
# [[Erwartungswert]]
# [[Hypothesentest]]
|}

[[Kategorie:Mathematik]]
[[Kategorie:Stochastik]]
[[Kategorie:Wahrscheinlichkeitsrechnung]]
[[Kategorie:Binomialverteilung]]
[[Kategorie:Abitur]]
[[Kategorie:Baden-Württemberg]]
[[Kategorie:Kursstufe]]
[[Kategorie:Basisfach]]
[[Kategorie:Leistungsfach]]

{{BR}}
= aiMOOC-Projekte =
[[Kategorie:AI_MOOC]] [[Kategorie:GPT aiMOOC]]
{{MT}}