Glanz: aiMOOC über GPT aiMOOC Action erstellt

2026-09-28T02:55:52Z

aiMOOC über GPT aiMOOC Action erstellt

Neue Seite

{{T}}

{{BR}}
= ABI - Einzelwahrscheinlichkeiten einer Binomialverteilung berechnen =

'''Mini-Beschreibung:''' Du berechnest Einzelwahrscheinlichkeiten einer Binomialverteilung mit
<math>P(X=k)=\binom{n}{k}p^k(1-p)^{n-k}</math>
und interpretierst <math>n</math>, <math>p</math> und <math>k</math> sicher im Sachzusammenhang.

'''Zielgruppe:''' Kursstufe, Mathematik-Abitur Baden-Württemberg, gemeinsamer Kurs für Basisfach und Leistungsfach.

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

{{BR}}
= Einleitung =

Eine Binomialverteilung beschreibt die Anzahl von Treffern in einer festen Zahl unabhängiger gleichartiger Versuche. Für eine '''Einzelwahrscheinlichkeit''' interessiert genau eine Trefferzahl:

<math>P(X=k)</math>

Beispiel: Wie wahrscheinlich ist es, bei <math>10</math> unabhängigen Versuchen mit Trefferwahrscheinlichkeit <math>p=0{,}3</math> '''genau vier Treffer''' zu erhalten?

Der Kern dieses aiMOOCs ist deshalb nicht langes Lesen, sondern:

'''Situation → <math>n,p,k</math> → Formel → Rechnung → Interpretation'''

{{#ev:youtube| https://www.youtube.com/watch?v=BkId_vPJW6g |500|center}}

{{BR}}
== Lernziele ==

Nach diesem aiMOOC kannst Du

# [[Binomialverteilung|Binomialverteilung]]: erkennen, wann ein Modell mit einer Binomialverteilung sinnvoll ist.
# [[Bernoulli-Kette|Bernoulli-Kette]]: <math>n</math>, <math>p</math> und <math>k</math> aus einem Kontext bestimmen.
# [[Binomialkoeffizient|Binomialkoeffizient]]: <math>\binom{n}{k}</math> als Anzahl möglicher Trefferanordnungen deuten.
# [[Wahrscheinlichkeit|Wahrscheinlichkeit]]: <math>P(X=k)</math> berechnen und als Einzelwahrscheinlichkeit interpretieren.
# [[Histogramm|Histogramm]]: den Balken zu <math>k</math> mit <math>P(X=k)</math> verbinden.
# [[Simulation|Simulation]]: relative Häufigkeiten mit theoretischen Wahrscheinlichkeiten vergleichen.
# [[Mathematische Modellierung|Modellierung]]: Voraussetzungen und Grenzen des Binomialmodells prüfen.
# [[Abitur Mathematik Baden-Württemberg|Abitur Mathematik Baden-Württemberg]]: Rechenweg, Begründung und Kontextinterpretation verständlich darstellen.

{{BR}}
== Vorwissen-Check ==

Prüfe zunächst ohne Taschenrechner:

# Was bedeutet ein Bernoulli-Versuch?
# Wann sind zwei Versuche unabhängig?
# Wie berechnet man <math>1-p</math>?
# Was bedeutet <math>\binom{n}{k}</math>?
# Was ist der Unterschied zwischen „genau vier“ und „höchstens vier“?

<div class="mw-collapsible mw-collapsed">
'''Kurzlösungen anzeigen'''
<div class="mw-collapsible-content">
Ein Bernoulli-Versuch besitzt bezüglich des betrachteten Merkmals genau zwei Ausgänge: Treffer und Nichttreffer. Unabhängigkeit bedeutet, dass das Ergebnis eines Versuchs die Trefferwahrscheinlichkeit des nächsten nicht verändert. Die Gegenwahrscheinlichkeit ist <math>1-p</math>. Der Binomialkoeffizient zählt mögliche Anordnungen von <math>k</math> Treffern auf <math>n</math> Plätze. „Genau vier“ bedeutet <math>P(X=4)</math>, „höchstens vier“ dagegen <math>P(X\le 4)</math>.
</div>
</div>

{{BR}}
= Das Modell =

{{BR}}
== Wann ist eine Binomialverteilung passend? ==

Für <math>X\sim B(n,p)</math> prüfst Du vier Bedingungen:

# Es gibt eine feste Anzahl <math>n</math> von Versuchen.
# Jeder Versuch wird als Treffer oder Nichttreffer betrachtet.
# Die Trefferwahrscheinlichkeit <math>p</math> bleibt gleich.
# Die Versuche werden als unabhängig modelliert.

Dann zählt <math>X</math> die Anzahl der Treffer.

'''Merksatz:''' Die Formel darf erst eingesetzt werden, wenn das Modell zum Kontext passt.

{{BR}}
== Bedeutung von n, p und k ==

{| class="wikitable"
! Symbol
! Bedeutung
! Typische Frage
|-
| <math>n</math>
| Anzahl der Versuche
| Wie oft wird durchgeführt?
|-
| <math>p</math>
| Trefferwahrscheinlichkeit pro Versuch
| Wie wahrscheinlich ist ein Treffer?
|-
| <math>k</math>
| betrachtete Trefferzahl
| Wie viele Treffer sollen genau auftreten?
|-
| <math>1-p</math>
| Nichttrefferwahrscheinlichkeit
| Wie wahrscheinlich ist ein Nichttreffer?
|}

'''Beispiel:''' Eine Maschine produziert mit Wahrscheinlichkeit <math>p=0{,}1</math> ein fehlerhaftes Teil. Es werden <math>n=12</math> Teile unabhängig betrachtet. Gesucht ist die Wahrscheinlichkeit für genau <math>k=2</math> fehlerhafte Teile.

<math>n=12,\qquad p=0{,}1,\qquad k=2</math>

{{BR}}
== Die Bernoulli-Formel ==

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

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

Die Faktoren haben verschiedene Aufgaben:

<math>\binom{n}{k}</math> zählt die möglichen Anordnungen der Treffer.

<math>p^k</math> beschreibt die Wahrscheinlichkeit der <math>k</math> Treffer.

<math>(1-p)^{n-k}</math> beschreibt die Wahrscheinlichkeit der <math>n-k</math> Nichttreffer.

Der Binomialkoeffizient kann geschrieben werden als

<math>\binom{n}{k}=\frac{n!}{k!(n-k)!}</math>

{{#ev:youtube| https://www.youtube.com/watch?v=YmUF2lY_Rrw |500|center}}

{{BR}}
= Visueller Rechenweg =

{{BR}}
== Beispiel 1: Genau vier Treffer ==

Gegeben:

<math>X\sim B(10;0{,}3)</math>

Gesucht:

<math>P(X=4)</math>

'''Schritt 1: Parameter lesen'''

<math>n=10,\qquad p=0{,}3,\qquad k=4</math>

'''Schritt 2: Nichttrefferwahrscheinlichkeit'''

<math>1-p=1-0{,}3=0{,}7</math>

'''Schritt 3: In die Formel einsetzen'''

<math>P(X=4)=\binom{10}{4}\cdot 0{,}3^4\cdot 0{,}7^6</math>

'''Schritt 4: Binomialkoeffizient'''

<math>\binom{10}{4}=210</math>

'''Schritt 5: Ergebnis'''

<math>P(X=4)=210\cdot 0{,}3^4\cdot 0{,}7^6\approx 0{,}2001</math>

<math>P(X=4)\approx 20{,}01\%</math>

'''Interpretation:''' Unter den Modellannahmen liegt die Wahrscheinlichkeit für genau vier Treffer bei etwa <math>20{,}0\%</math>.

{{BR}}
== Beispiel 2: Qualitätskontrolle ==

Für <math>X\sim B(12;0{,}1)</math> gilt:

<math>P(X=2)=\binom{12}{2}\cdot 0{,}1^2\cdot 0{,}9^{10}</math>

<math>P(X=2)\approx 0{,}2301</math>

Also beträgt die Wahrscheinlichkeit für genau zwei fehlerhafte Teile etwa <math>23{,}01\%</math>.

'''Kontrollfrage:''' Warum steht im letzten Faktor der Exponent <math>10</math>?

<div class="mw-collapsible mw-collapsed">
'''Hilfe und Feedback'''
<div class="mw-collapsible-content">
Wenn genau <math>2</math> von <math>12</math> Teilen Treffer sind, bleiben <math>12-2=10</math> Nichttreffer. Deshalb steht <math>(1-p)^{10}</math>.
</div>
</div>

{{BR}}
= Histogramm: Einzelwahrscheinlichkeit als Balkenhöhe =

Bei einer Binomialverteilung besitzt jede mögliche Trefferzahl <math>k\in\{0,1,\dots,n\}</math> einen eigenen Balken. Seine Höhe ist <math>P(X=k)</math>.

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

Im Histogramm gehört zum Wert <math>k</math> der Balken mit der Höhe <math>P(X=k)</math>.

'''Denkfrage:''' Wenn Du <math>p</math> erhöhst und <math>n</math> unverändert lässt, in welche Richtung verschiebt sich das Zentrum der Verteilung?

<div class="mw-collapsible mw-collapsed">
'''Feedback'''
<div class="mw-collapsible-content">
Der Erwartungswert ist <math>\mu=np</math>. Wird <math>p</math> größer, wird <math>np</math> größer. Das Zentrum des Histogramms verschiebt sich typischerweise nach rechts.
</div>
</div>

{{BR}}
== Dynamisches Histogramm ==

Verändere im Applet <math>n</math> und <math>p</math>. Beobachte dabei besonders den Balken an einer festen Stelle <math>k</math>.

<iframe> https://www.geogebra.org/m/rFgUHSTU </iframe>

'''Forscherauftrag:'''

# Halte <math>n=20</math> fest und verändere <math>p</math>.
# Beobachte, wie sich <math>P(X=5)</math> verändert.
# Formuliere eine Vermutung, bei welchem <math>p</math> fünf Treffer besonders plausibel erscheinen.
# Begründe Deine Vermutung mit <math>\mu=np</math>.

{{BR}}
== Mehrere Verteilungsformen vergleichen ==

[[Datei:Binomial distribution examples.svg|700px|rahmenlos|center]]

Vergleiche '''Lage''', '''Streuung''' und '''Symmetrie''' der Histogramme.

Für <math>p=0{,}5</math> ist die Binomialverteilung symmetrisch. Für andere Werte von <math>p</math> ist sie im Allgemeinen nicht symmetrisch.

{{BR}}
= Simulation: Theorie trifft Zufall =

Eine Simulation erzeugt viele Bernoulli-Ketten. Für eine feste Trefferzahl <math>k</math> sei <math>N_k</math> die Anzahl der Simulationen mit genau <math>k</math> Treffern und <math>N</math> die Gesamtzahl der Simulationen. Dann ist die relative Häufigkeit

<math>h_k=\frac{N_k}{N}</math>.

Sie kann mit der theoretischen Wahrscheinlichkeit <math>P(X=k)</math> verglichen werden.

<iframe> https://www.geogebra.org/m/M2pq8RjD </iframe>

'''Beobachtung:''' Einzelne Simulationsserien schwanken. Mit wachsender Zahl von Wiederholungen stabilisieren sich relative Häufigkeiten typischerweise in der Nähe der theoretischen Wahrscheinlichkeiten.

{{BR}}
== Galtonbrett als Modell ==

[[Datei:Galton-Brett.svg|350px|rahmenlos|center]]

Beim idealisierten Galtonbrett mit gleicher Wahrscheinlichkeit für links und rechts kann die Zahl der Rechtsbewegungen als binomialverteilte Zufallsgröße modelliert werden.

<iframe> https://www.geogebra.org/m/fg6fqyqt </iframe>

'''Transferfrage:''' Welche Größe spielt hier die Rolle von <math>n</math>, welche die Rolle von <math>k</math>?

<div class="mw-collapsible mw-collapsed">
'''Feedback'''
<div class="mw-collapsible-content">
<math>n</math> entspricht der Zahl der Ebenen bzw. Entscheidungen. <math>k</math> kann als Zahl der Bewegungen in eine festgelegte Richtung interpretiert werden.
</div>
</div>

{{BR}}
= Interaktives Beispiel mit Hilfen =

Eine Basketballspielerin trifft einen Freiwurf mit Wahrscheinlichkeit <math>p=0{,}8</math>. Sie wirft <math>n=5</math> Mal. Unter der Modellannahme unabhängiger Würfe soll die Wahrscheinlichkeit für genau <math>k=4</math> Treffer bestimmt werden.

'''Versuche zuerst selbst:'''

<math>P(X=4)=\square</math>

<div class="mw-collapsible mw-collapsed">
'''Hilfe 1'''
<div class="mw-collapsible-content">
Setze <math>n=5</math>, <math>p=0{,}8</math> und <math>k=4</math> ein.
</div>
</div>

<div class="mw-collapsible mw-collapsed">
'''Hilfe 2'''
<div class="mw-collapsible-content">
Die Nichttrefferwahrscheinlichkeit ist <math>1-p=0{,}2</math> und es gibt <math>5-4=1</math> Nichttreffer.
</div>
</div>

<div class="mw-collapsible mw-collapsed">
'''Lösung und Feedback'''
<div class="mw-collapsible-content">
<math>P(X=4)=\binom{5}{4}\cdot 0{,}8^4\cdot 0{,}2</math>

<math>P(X=4)=5\cdot 0{,}4096\cdot 0{,}2=0{,}4096</math>

Die Wahrscheinlichkeit für genau vier Treffer beträgt <math>40{,}96\%</math>. Ein häufiger Fehler wäre, den Faktor <math>\binom{5}{4}=5</math> zu vergessen.
</div>
</div>

{{BR}}
= Typische Fehler analysieren =

{{BR}}
== Fehler 1: k und n vertauschen ==

Falsch: <math>\binom{4}{10}</math>

Richtig: <math>\binom{10}{4}</math>

'''Diagnose:''' <math>n</math> ist die Gesamtzahl der Versuche, <math>k</math> die Trefferzahl.

{{BR}}
== Fehler 2: p und 1-p vertauschen ==

Für Trefferwahrscheinlichkeit <math>p=0{,}3</math> und <math>k=4</math> bei <math>n=10</math> gilt:

<math>p^k=0{,}3^4</math>

und

<math>(1-p)^{n-k}=0{,}7^6</math>

Nicht umgekehrt.

{{BR}}
== Fehler 3: Binomialkoeffizient vergessen ==

Falsch: <math>0{,}3^4\cdot 0{,}7^6</math>

Dieser Ausdruck beschreibt nur '''eine bestimmte Reihenfolge''' aus Treffern und Nichttreffern.

Richtig: <math>\binom{10}{4}\cdot 0{,}3^4\cdot 0{,}7^6</math>

{{BR}}
== Fehler 4: „genau“ mit „höchstens“ verwechseln ==

<math>P(X=4)</math> ist eine Einzelwahrscheinlichkeit.

Dagegen ist <math>P(X\le 4)</math> eine Summe mehrerer Einzelwahrscheinlichkeiten:

<math>P(X\le 4)=\sum_{j=0}^{4}P(X=j)</math>

{{BR}}
== Fehler 5: Ergebnis ohne Kontext ==

Unvollständig: <math>P(X=2)=0{,}2301</math>

Besser:

'''Die Wahrscheinlichkeit, dass unter zwölf betrachteten Teilen genau zwei fehlerhaft sind, beträgt unter den Modellannahmen etwa <math>23{,}0\%</math>.'''

{{BR}}
= Basisfach und Leistungsfach =

{| class="wikitable"
! Bereich
! Basisfach
! Leistungsfach
|-
| Verfahren
| Formel sicher anwenden
| Formel sicher anwenden und strukturieren
|-
| Argumentation
| anschaulich und verständig
| vertieft und formalisiert
|-
| Modellierung
| Parameter im Kontext deuten
| Voraussetzungen kritisch prüfen
|-
| Histogramm
| Balken lesen und vergleichen
| Parameterwirkung begründen
|-
| Simulation
| Theorie und Häufigkeit vergleichen
| Abweichungen und Modellgrenzen erläutern
|}

'''Gemeinsamer Kern:'''

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

und

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

{{BR}}
= Abiturbezug Baden-Württemberg =

Für die Kursstufe ist Stochastik ein zentraler Bereich. Für die Abiturjahrgänge 2027 und 2028 verweisen die offiziellen Facherlasse Baden-Württemberg im Fach Mathematik auf den Bildungsplan und berücksichtigen Stochastik in Leistungs- und Basisfach. Im Leistungsfach werden in Klausuren und Abitur Aufgaben mit und ohne Hilfsmittel unterschieden.

'''Wichtig:''' Prüfe immer den für Deinen Prüfungsjahrgang gültigen Facherlass und die aktuellen Hilfsmittelregelungen. Ein GeoGebra-Applet, eine Simulation oder ein Online-Rechner ist ein Lernwerkzeug und nicht automatisch als Prüfungshilfsmittel zugelassen.

Offizielle Informationen:
[https://km.baden-wuerttemberg.de/de/schule/gymnasium/termine-und-informationen-zum-abitur Termine und Informationen zum Abitur Baden-Württemberg]

Für den Abiturjahrgang 2027 nennt der Facherlass für Mathematik im Leistungsfach eine schriftliche Prüfung mit einem hilfsmittelfreien Teil und einem Teil mit zugelassenen Hilfsmitteln. Für 2028 sind entsprechende Regelungen veröffentlicht. Maßgeblich ist stets die aktuelle Fassung für Deinen Jahrgang.

{{BR}}
= Mathematische Kontrolle bei KI-Nutzung =

KI kann Rechenwege vorschlagen, aber Du musst mathematische Aussagen prüfen.

Kontrolliere mindestens:

# Stimmen <math>n</math>, <math>p</math> und <math>k</math> mit dem Kontext überein?
# Gilt <math>0\le p\le 1</math>?
# Gilt <math>0\le k\le n</math>?
# Wurde <math>1-p</math> korrekt berechnet?
# Ist der Exponent des Nichttrefferfaktors wirklich <math>n-k</math>?
# Liegt das Endergebnis zwischen <math>0</math> und <math>1</math>?
# Passt die Größenordnung zum Histogramm oder zu einer Simulation?

'''Merksatz:''' Eine KI-Ausgabe ersetzt keinen mathematischen Beweis und keine eigene Begründung.

{{BR}}
= Interaktive Aufgaben =

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

{{MC}}
'''Was bedeutet n in einer Binomialverteilung?'''
(Anzahl der Versuche)
(!Anzahl der Treffer)
(!Trefferwahrscheinlichkeit)
(!Anzahl der Nichttreffer)
{{E}}
<br>

{{MC}}
'''Was bedeutet p in einer Binomialverteilung?'''
(Trefferwahrscheinlichkeit pro Versuch)
(!Gesamtzahl der Versuche)
(!Gesuchte Trefferzahl)
(!Wahrscheinlichkeit für genau k Treffer)
{{E}}
<br>

{{MC}}
'''Was bedeutet k bei P(X=k)?'''
(Genau betrachtete Trefferzahl)
(!Trefferwahrscheinlichkeit)
(!Anzahl aller möglichen Ergebnisse)
(!Nichttrefferwahrscheinlichkeit)
{{E}}
<br>

{{MC}}
'''Welche Formel berechnet eine Einzelwahrscheinlichkeit der Binomialverteilung?'''
(P X gleich k gleich n über k mal p hoch k mal 1 minus p hoch n minus k)
(!P X gleich k gleich p hoch n)
(!P X gleich k gleich n mal p)
(!P X gleich k gleich 1 minus p hoch k)
{{E}}
<br>

{{MC}}
'''Welche Wahrscheinlichkeit gehört zu einem Nichttreffer?'''
(1 minus p)
(!p)
(!n minus k)
(!k durch n)
{{E}}
<br>

{{MC}}
'''Was zählt der Binomialkoeffizient n über k?'''
(Mögliche Anordnungen von k Treffern auf n Versuche)
(!Die Trefferwahrscheinlichkeit)
(!Die Zahl der Nichttreffer)
(!Die Höhe des Erwartungswerts)
{{E}}
<br>

{{MC}}
'''Welche Aussage beschreibt P(X=4)?'''
(Genau vier Treffer)
(!Höchstens vier Treffer)
(!Mindestens vier Treffer)
(!Mehr als vier Treffer)
{{E}}
<br>

{{MC}}
'''Welche Bedingung gehört zum Binomialmodell?'''
(Die Trefferwahrscheinlichkeit bleibt konstant)
(!Die Trefferwahrscheinlichkeit muss 0,5 sein)
(!Die Zahl der Versuche ist zufällig)
(!Es müssen mindestens 100 Versuche sein)
{{E}}
<br>

{{MC}}
'''Was zeigt im Histogramm die Höhe des Balkens bei k?'''
(Die Wahrscheinlichkeit P X gleich k)
(!Die Anzahl n)
(!Die Trefferwahrscheinlichkeit p allein)
(!Die Zahl n minus k)
{{E}}
<br>

{{MC}}
'''Was ist bei Lernsoftware und Simulationen im Abitur zu beachten?'''
(Sie sind nicht automatisch als Prüfungshilfsmittel zugelassen)
(!Sie dürfen immer verwendet werden)
(!Sie ersetzen jeden Rechenweg)
(!Sie machen die Modellprüfung überflüssig)
{{E}}
<br>

{{BR}}
== Memory ==

<div class="memo-quiz">
{|
|-
| <math>n</math> || Anzahl der Versuche
|-
| <math>p</math> || Trefferwahrscheinlichkeit
|-
| <math>k</math> || betrachtete Trefferzahl
|-
| <math>1-p</math> || Nichttrefferwahrscheinlichkeit
|-
| <math>\binom{n}{k}</math> || Anzahl der Trefferanordnungen
|-
| <math>P(X=k)</math> || Einzelwahrscheinlichkeit
|-
| Histogrammbalken || grafische Darstellung einer Einzelwahrscheinlichkeit
|}
{{E}}
<br>

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

<div class="lueckentext-quiz">
{| class="wikitable"
! Ordne die richtigen Begriffe zu.
! Thema
|-
| '''Versuchsanzahl'''
| <math>n</math>
|-
| '''Trefferwahrscheinlichkeit'''
| <math>p</math>
|-
| '''Trefferzahl'''
| <math>k</math>
|-
| '''Nichttrefferwahrscheinlichkeit'''
| <math>1-p</math>
|-
| '''Einzelwahrscheinlichkeit'''
| <math>P(X=k)</math>
|-
| '''Trefferanordnungen'''
| <math>\binom{n}{k}</math>
|}
{{E}}
<br>

{{BR}}
== Kreuzworträtsel ==

<div class="kreuzwort-quiz">
{|
|-
| Binomialverteilung || Welche Verteilung modelliert die Trefferzahl einer Bernoulli-Kette?
|-
| Treffer || Wie heißt ein als Erfolg festgelegter Versuchsausgang?
|-
| Histogramm || Wie heißt die Balkendarstellung einer diskreten Wahrscheinlichkeitsverteilung?
|-
| Simulation || Wie heißt das wiederholte rechnerische Nachbilden eines Zufallsexperiments?
|-
| Parameter || Wie nennt man Größen wie n und p in einem mathematischen Modell?
|-
| Unabhängigkeit || Welche Eigenschaft fordert, dass ein Versuch die Wahrscheinlichkeit des nächsten nicht verändert?
|}
{{E}}
<br>

{{BR}}
== LearningApps ==

<iframe> https://learningapps.org/index.php?s=ABI+-+Einzelwahrscheinlichkeiten+einer+Binomialverteilung+berechnen </iframe>

{{BR}}
== Lückentext ==

<quiz display=simple>
{'''Vervollständige den Text.'''<br>
|type="{}"}
Eine binomialverteilte Zufallsgröße zählt die Anzahl der { Treffer } in einer festen Zahl von Versuchen. Die Anzahl der Versuche wird mit { n } bezeichnet. Die Trefferwahrscheinlichkeit pro Versuch wird mit { p } bezeichnet. Bei einer Einzelwahrscheinlichkeit gibt { k } die genau betrachtete Trefferzahl an. Die Nichttrefferwahrscheinlichkeit ist { 1-p }. Der Faktor für die möglichen Trefferanordnungen ist der { Binomialkoeffizient }. Im Histogramm entspricht die Höhe eines Balkens der zugehörigen { Wahrscheinlichkeit }. Eine Simulation liefert schwankende relative Häufigkeiten und ersetzt nicht die { theoretische Berechnung }.
</quiz>

<br>

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

{{BR}}
== Übung 1: Parameter erkennen ==

In einer Umfrage antwortet eine Person mit Wahrscheinlichkeit <math>0{,}6</math> mit „Ja“. Es werden <math>8</math> voneinander unabhängig modellierte Antworten betrachtet. Gesucht ist die Wahrscheinlichkeit für genau <math>5</math> Ja-Antworten.

Bestimme:

<math>n=\square,\qquad p=\square,\qquad k=\square</math>

<div class="mw-collapsible mw-collapsed">
'''Hilfe'''
<div class="mw-collapsible-content">
Frage: Wie viele Versuche gibt es? Wie groß ist die Trefferwahrscheinlichkeit? Wie viele Treffer sind genau gesucht?
</div>
</div>

<div class="mw-collapsible mw-collapsed">
'''Feedback'''
<div class="mw-collapsible-content">
<math>n=8</math>, <math>p=0{,}6</math>, <math>k=5</math>.
</div>
</div>

{{BR}}
== Übung 2: Formel aufbauen ==

Für die Situation aus Übung 1 sollst Du noch nicht ausrechnen, sondern nur den korrekten Term notieren.

<div class="mw-collapsible mw-collapsed">
'''Lösung'''
<div class="mw-collapsible-content">
<math>P(X=5)=\binom{8}{5}\cdot 0{,}6^5\cdot 0{,}4^3</math>
</div>
</div>

{{BR}}
== Übung 3: Fehler finden ==

Eine Lösung lautet:

<math>P(X=5)=\binom{8}{5}\cdot 0{,}6^3\cdot 0{,}4^5</math>

Finde den Fehler.

<div class="mw-collapsible mw-collapsed">
'''Feedback'''
<div class="mw-collapsible-content">
Die Exponenten wurden vertauscht. Für fünf Treffer muss <math>p^5=0{,}6^5</math> stehen. Es bleiben drei Nichttreffer, also <math>0{,}4^3</math>.
</div>
</div>

{{BR}}
== Übung 4: Histogramm lesen ==

Öffne das dynamische Histogramm und stelle eine Verteilung mit <math>n=10</math> und <math>p=0{,}3</math> ein.

<iframe> https://www.geogebra.org/m/xx7aband </iframe>

Vergleiche den Balken bei <math>k=4</math> mit dem berechneten Wert <math>P(X=4)\approx 0{,}2001</math>.

'''Feedbackfrage:''' Ist die Größenordnung plausibel?

{{BR}}
== Übung 5: Simulation gegen Theorie ==

Simuliere mehrfach eine Bernoulli-Kette mit denselben Parametern. Notiere für <math>k=4</math> die beobachtete relative Häufigkeit <math>h_4</math> und vergleiche sie mit <math>P(X=4)\approx 0{,}2001</math>.

'''Begründung:''' Abweichungen in endlichen Simulationen sind normal. Die Simulation ist eine empirische Annäherung, die Formel liefert den Modellwert.

{{BR}}
= Selbstkontrolle =

Setze einen Haken, wenn Du die Aussage ohne Hilfe erfüllen kannst:

# Ich erkenne, ob eine Situation als Bernoulli-Kette modelliert werden kann.
# Ich bestimme <math>n</math>, <math>p</math> und <math>k</math> aus einem Text.
# Ich kann <math>1-p</math> korrekt bilden.
# Ich kann <math>\binom{n}{k}</math> erklären.
# Ich kann <math>P(X=k)</math> aufstellen und berechnen.
# Ich kann ein Ergebnis als Prozentzahl im Kontext deuten.
# Ich kann den passenden Balken im Histogramm identifizieren.
# Ich kann Simulation und theoretische Wahrscheinlichkeit unterscheiden.
# Ich kann typische Fehler in einem Rechenweg erkennen.
# Ich prüfe, ob verwendete digitale Werkzeuge für die konkrete Prüfung zugelassen sind.

{{BR}}
= Transfer =

{{BR}}
== Vom Kontext zur Formel ==

Entwickle zu jedem Kontext eine Zufallsgröße <math>X</math> und formuliere eine Einzelwahrscheinlichkeit:

# Medizinischer Test: Genau <math>3</math> positive Resultate unter <math>20</math> unabhängigen Testungen bei bekannter Trefferwahrscheinlichkeit.
# Qualitätskontrolle: Genau <math>1</math> fehlerhaftes Produkt unter <math>15</math> Produkten.
# Sport: Genau <math>7</math> Treffer bei <math>10</math> Würfen.
# Online-System: Genau <math>4</math> erfolgreiche Verbindungen bei <math>6</math> unabhängigen Verbindungsversuchen.

'''Achte darauf:''' In realen Situationen muss die Annahme konstanter Wahrscheinlichkeit und Unabhängigkeit begründet oder zumindest als Modellannahme gekennzeichnet werden.

{{BR}}
== Vom Balken zur Aussage ==

Wähle in einem Histogramm einen Balken bei <math>k</math>. Seine Höhe entspricht <math>P(X=k)</math>. Übersetze diese Aussage anschließend in den Sachkontext.

{{BR}}
= Kompetenzcheck =

'''Stufe A – Sicher anwenden'''

Du kannst aus <math>n</math>, <math>p</math> und <math>k</math> direkt <math>P(X=k)</math> berechnen.

'''Stufe B – Verstehen'''

Du kannst erklären, warum <math>p^k(1-p)^{n-k}</math> nur eine bestimmte Trefferanordnung beschreibt und weshalb <math>\binom{n}{k}</math> dazukommt.

'''Stufe C – Modellieren'''

Du kannst aus einem neuen Sachkontext begründen, ob ein Binomialmodell angemessen ist.

'''Stufe D – Leistungsfach-Vertiefung'''

Du kannst Veränderungen von <math>n</math> und <math>p</math> am Histogramm mit <math>\mu=np</math> und <math>\sigma=\sqrt{np(1-p)}</math> begründen und dabei zwischen Beobachtung, Vermutung und mathematischer Aussage unterscheiden.

{{BR}}
= Reflexion =

Beantworte schriftlich:

# Welcher Schritt ist für Dich am fehleranfälligsten: Modellwahl, Parameterwahl, Einsetzen oder Interpretation?
# Woran erkennst Du im Histogramm, ob Dein berechneter Wert ungefähr plausibel ist?
# Was kann eine Simulation zeigen, was sie aber nicht beweisen kann?
# Warum ist die Kontextinterpretation im Abitur mehr als nur ein angehängter Satz?
# Wie würdest Du einen KI-generierten Rechenweg überprüfen?

{{BR}}
= Folgekurs =

Als nächstes solltest Du von Einzelwahrscheinlichkeiten zu zusammengesetzten Ereignissen übergehen:

# [[Kumulierte Binomialverteilung|Kumulierte Binomialverteilung]]
# [[Binomialverteilung - höchstens und mindestens|Höchstens, mindestens und Gegenereignis]]
# [[Erwartungswert einer Binomialverteilung|Erwartungswert]]
# [[Standardabweichung einer Binomialverteilung|Standardabweichung]]
# [[Hypothesentest|Hypothesentests mit Binomialverteilung]]

{{#ev:youtube| https://www.youtube.com/watch?v=y1J8y74jv-Y |500|center}}

{{BR}}
= Offene Aufgaben =

{{BR}}
=== Leicht ===
# [[Parameterkarte n p k]]: Erstelle eine Karte mit einem eigenen Alltagsszenario und markiere <math>n</math>, <math>p</math> und <math>k</math>.
# [[Binomial-Histogramm zeichnen]]: Übertrage für ein kleines Beispiel mindestens fünf Balken einer Binomialverteilung in ein eigenes Diagramm.
# [[Fehlerposter Bernoulli-Formel]]: Gestalte ein Mini-Poster mit drei typischen Rechenfehlern und jeweils einer Korrektur.
# [[Simulation dokumentieren]]: Führe mehrere Simulationen durch und vergleiche für eine feste Trefferzahl die relative Häufigkeit mit <math>P(X=k)</math>.

{{BR}}
=== Standard ===
# [[Eigene Binomialaufgabe]]: Erfinde eine sachlich realistische Aufgabe zu einer Einzelwahrscheinlichkeit und schreibe eine vollständige Musterlösung.
# [[Histogrammvergleich]]: Vergleiche zwei Binomialverteilungen mit gleichem <math>n</math>, aber unterschiedlichem <math>p</math>, und erkläre die Veränderungen.
# [[Video-Rechenweg]]: Produziere ein kurzes Erklärvideo, in dem Du einen Rechenweg mit <math>n</math>, <math>p</math>, <math>k</math> und Kontextinterpretation erläuterst.
# [[Modellkritik]]: Untersuche einen realen Kontext und diskutiere, ob Unabhängigkeit und konstantes <math>p</math> plausibel sind.

{{BR}}
=== Schwer ===
# [[Binomialmodell und Simulation]]: Entwickle eine eigene Simulation, sammle Ergebnisse und vergleiche empirische Häufigkeiten mit theoretischen Einzelwahrscheinlichkeiten.
# [[Parameterwirkung analysieren]]: Untersuche systematisch, wie sich der Balken <math>P(X=k)</math> bei festem <math>k</math> verändert, wenn <math>p</math> variiert wird.
# [[Abituraufgabe entwickeln]]: Entwirf eine mehrteilige Aufgabe für Basis- und Leistungsfach mit gemeinsamem Kontext, aber differenzierten Begründungsanforderungen.
# [[Mathematische KI-Prüfung]]: Lass Dir einen Rechenweg von einem KI-System erzeugen, prüfe jeden Schritt mathematisch und dokumentiere gefundene Unsicherheiten oder Fehler.

{{:Offene Aufgabe - MOOC erstellen}}

{{BR}}
= Lernkontrolle =

# [[Modellentscheidung]]: Begründe für zwei unterschiedliche Situationen, welche sich binomial modellieren lässt und welche nicht. Nenne jeweils die entscheidende Annahme.
# [[Rechenweg erklären]]: Erkläre an einem selbst gewählten Beispiel, warum der Binomialkoeffizient nötig ist und wie die Exponenten <math>k</math> und <math>n-k</math> entstehen.
# [[Histogrammtransfer]]: Vergleiche zwei Histogramme und leite daraus Aussagen über unterschiedliche Werte von <math>p</math> oder <math>n</math> ab.
# [[Simulation bewerten]]: Eine Simulation liefert für ein Ereignis die relative Häufigkeit <math>0{,}24</math>, die Theorie <math>0{,}20</math>. Erkläre, warum das kein Widerspruch sein muss.
# [[Fehlerdiagnose]]: Analysiere einen absichtlich fehlerhaften Rechenweg zu <math>P(X=k)</math>, korrigiere ihn und begründe jede Korrektur.
# [[Abiturtransfer]]: Formuliere zu einer berechneten Einzelwahrscheinlichkeit eine vollständige kontextbezogene Interpretation und nenne eine Modellgrenze.

<br>
<br>

{{BR}}
= Lernnachweis =

Für einen Lernnachweis zu diesem Thema ist wichtig:

# Du erkennst eine Bernoulli-Kette und begründest die Modellwahl.
# Du definierst eine passende Zufallsgröße <math>X</math>.
# Du bestimmst <math>n</math>, <math>p</math> und <math>k</math> aus einem Kontext.
# Du stellst <math>P(X=k)</math> korrekt auf.
# Du führst die Rechnung nachvollziehbar aus.
# Du interpretierst das Ergebnis im Sachzusammenhang.
# Du nutzt Histogramme zur Plausibilitätskontrolle.
# Du unterscheidest theoretische Wahrscheinlichkeit und simulierte relative Häufigkeit.
# Du erkennst und korrigierst typische Fehler.
# Du begründest im Leistungsfach zusätzlich Modellannahmen und Parameterwirkungen vertieft.
# Du prüfst KI-generierte Rechenwege mathematisch eigenständig.
# Du beachtest für den jeweiligen Abiturjahrgang den gültigen Facherlass und die zugelassenen Hilfsmittel.

<br>
<br>

{{BR}}
= OERs zum Thema =

<iframe> https://de.m.wikipedia.org/wiki/Binomialverteilung </iframe>

{{BR}}
== Weitere freie und interaktive Medien ==

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

<iframe> https://www.geogebra.org/m/fapj7xes </iframe>

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

'''Hinweis zu Medien:''' Die eingebundenen Wikimedia-Commons-Dateien sind freie bzw. entsprechend lizenzierte Medien gemäß den jeweiligen Dateibeschreibungsseiten. Bei extern eingebetteten Lernangeboten gelten zusätzlich die Bedingungen der jeweiligen Plattform.

{{BR}}
= Verknüpfte Lernbereiche =

{| align=center
{{:D-Tab}}
'''[[Binomialverteilung]]'''
# [[Bernoulli-Experiment]]
# [[Bernoulli-Kette]]
# [[Binomialkoeffizient]]
# [[Einzelwahrscheinlichkeit]]
# [[Histogramm]]
# [[Simulation]]
# [[Erwartungswert]]
# [[Standardabweichung]]
# [[Kumulierte Binomialverteilung]]
# [[Hypothesentest]]
|}

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

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

ABI - Einzelwahrscheinlichkeiten einer Binomialverteilung berechnen - Versionsgeschichte

Glanz: aiMOOC über GPT aiMOOC Action erstellt