M7 E - Gesetz der großen Zahlen experimentell untersuchen

Einleitung

Mini-Beschreibung: Beobachte, wie sich relative Häufigkeiten bei vielen Wiederholungen stabilisieren, ohne zu behaupten, sie müssten exakt der theoretischen Wahrscheinlichkeit entsprechen.

In diesem aiMOOC untersuchst Du das Gesetz der großen Zahlen experimentell. Du arbeitest auf E-Niveau der Klasse 7: Du simulierst, vergleichst Versuchsreihen, begründest Beobachtungen, suchst Gegenbeispiele zu falschen Aussagen und modellierst mehrschrittig. Im Mittelpunkt stehen Zufallsexperiment, absolute Häufigkeit, relative Häufigkeit und Wahrscheinlichkeit.

Leitfrage: Was wird bei sehr vielen Wiederholungen stabiler – und was bleibt zufällig?

Lernziele

Nach diesem Kurs kannst Du

1. Relative Häufigkeit berechnen und als Schätzwert für eine Wahrscheinlichkeit deuten.
2. Versuchsreihen mit unterschiedlichen Wiederholungszahlen vergleichen und laufende Diagramme lesen.
3. das Gesetz der großen Zahlen vorsichtig formulieren: Große Stichproben liefern tendenziell bessere Schätzwerte, aber keine Garantie auf exakte Übereinstimmung.
4. digitale Simulationen kritisch prüfen und reale Experimente mit Simulationen vergleichen.
5. Vermutungen begründen, Gegenbeispiele finden und Zufallssituationen mehrschrittig modellieren.

Bildungsplanbezug Baden-Württemberg

Der Kurs greift die Leitidee Daten und Zufall für die Klassen 7/8 auf: Zufallsexperimente auch mit digitalen Werkzeugen durchführen und auswerten sowie auftretende relative Häufigkeiten als Schätzwerte für Wahrscheinlichkeiten deuten, die bei wachsendem Stichprobenumfang tendenziell besser werden.

Vorwissen-Check

1. Absolute Häufigkeit: Bei 20 Münzwürfen erscheint 13-mal Kopf. Wie groß ist die absolute Häufigkeit von Kopf?

Lösung anzeigen

$H_{20}(K)=13$

2. Relative Häufigkeit: Berechne die relative Häufigkeit von Kopf.

Lösung anzeigen

$h_{20}(K)=\frac{13}{20}=\mathrm{0,65}=65\mathrm{\%}$

3. Wahrscheinlichkeit: Bei einer idealen Münze gilt theoretisch:

$P(K)=\frac{1}{2}=\mathrm{0,5}=50\mathrm{\%}$

Denkfrage: Muss deshalb bei 20 Würfen genau 10-mal Kopf fallen?

Feedback

Nein. $P(K)=\mathrm{0,5}$ beschreibt die Wahrscheinlichkeit eines einzelnen Wurfs. Die beobachtete relative Häufigkeit kann bei endlichen Versuchsreihen abweichen.

Kernidee: relative Häufigkeit läuft mit

Für ein Ereignis $A$ nach $n$ Wiederholungen gilt:

$h_n(A)=\frac{H_n(A)}{n}$

Dabei ist $H_n(A)$ die absolute Häufigkeit und $h_n(A)$ die relative Häufigkeit.

Beispiel: Eine mögliche Münzsimulation liefert:

Würfe $n$	Kopf $H_n(K)$	Relative Häufigkeit $h_n(K)$
10	7	$\frac{7}{10}=\mathrm{0,70}$
50	27	$\frac{27}{50}=\mathrm{0,54}$
100	52	$\frac{52}{100}=\mathrm{0,52}$
500	251	$\frac{251}{500}=\mathrm{0,502}$
1000	503	$\frac{503}{1000}=\mathrm{0,503}$

Die Werte müssen nicht Schritt für Schritt näher an $\mathrm{0,5}$ rücken. Ein späterer Wert kann wieder etwas weiter entfernt sein.

Video laden

YouTube

YouTube sammelt möglicherweise persönliche Daten. Datenschutzrichtlinie

Fortfahren Ausblenden

Visuelle Schrittfolge: von Treffern zum laufenden Diagramm

1. Treffer zählen: Nach jedem Versuch wächst $n$ um $1$; bei einem Treffer wächst zusätzlich $H_n(A)$.
2. Quotient neu berechnen: $h_n(A)=\frac{H_n(A)}{n}$.
3. Punkt eintragen: Im Diagramm liegt der neue Punkt bei $(n;h_n(A))$.
4. Verbinden und beobachten: Die Punktfolge schwankt. Bei vielen Wiederholungen wird häufig ein stabiler Bereich sichtbar.
5. Vergleichen: Bei einem bekannten Modell kannst Du zusätzlich $P(A)$ als waagerechte Vergleichslinie einzeichnen.

Wichtig: Stabilisieren bedeutet nicht „ab jetzt exakt gleich“. Es bedeutet, dass große Abweichungen auf der relativen Skala typischerweise seltener werden.

Simulation 1: Würfel – die 6 als Treffer

Bei einem idealen sechsseitigen Würfel gilt für das Ereignis $A=\{6\}$:

$P(A)=\frac{1}{6}\approx \mathrm{0,167}$

Starte dieselbe Simulation mehrfach mit $n=10$, $n=100$ und $n=1000$. Notiere jeweils den Endwert von $h_n(A)$ und beschreibe den Verlauf.

Untersuchungsauftrag:

1. Vergleiche mindestens drei unabhängige Läufe pro Wiederholungszahl.
2. Bestimme jeweils die Abweichung $d_n=|h_n(A)-\frac{1}{6}|$.
3. Formuliere eine Vermutung, wie sich die Abweichungen bei größerem $n$ verhalten.
4. Suche gezielt nach einem Lauf, bei dem ein größerer Versuchsumfang trotzdem eine größere Abweichung zeigt als ein kleinerer. Das ist ein Gegenbeispiel zur falschen Aussage „mehr Versuche bedeuten immer sofort eine kleinere Abweichung“.

Übung mit Hilfestufen: Würfelvergleich

Aufgabe: In Lauf A wird 60-mal gewürfelt und 8-mal eine 6 beobachtet. In Lauf B wird 600-mal gewürfelt und 104-mal eine 6 beobachtet. Welcher Lauf liegt näher an $\frac{1}{6}$? Begründe rechnerisch.

Hilfe 1

Berechne zuerst $h_{60}(A)=\frac{8}{60}$ und $h_{600}(A)=\frac{104}{600}$.

Hilfe 2

Vergleiche die Abstände zu $\frac{1}{6}$ mit $d_n=|h_n(A)-\frac{1}{6}|$.

Feedback

$h_{60}(A)=\frac{8}{60}\approx \mathrm{0,133}$ und $h_{600}(A)=\frac{104}{600}\approx \mathrm{0,173}$. Lauf B liegt näher an $\frac{1}{6}\approx \mathrm{0,167}$. Entscheidend ist der relative Abstand, nicht die absolute Zahl der Treffer.

Video laden

YouTube

YouTube sammelt möglicherweise persönliche Daten. Datenschutzrichtlinie

Fortfahren Ausblenden

Simulation 2: Mehrere Versuchsumfänge im laufenden Diagramm

Führe für dasselbe Ereignis drei neue Serien durch. Vergleiche die Bereiche $1\le n\le 10$, $1\le n\le 100$ und $1\le n\le 1000$.

Diagramm-Lesebrille:

1. x-Achse: Anzahl der bisherigen Versuche $n$
2. y-Achse: aktuelle relative Häufigkeit $h_n(A)$
3. starke frühe Sprünge: kleine Nenner
4. spätere kleinere Sprünge: ein zusätzlicher Versuch verändert den Quotienten meist weniger
5. Vergleichslinie: theoretische Wahrscheinlichkeit, sofern sie aus dem Modell bekannt ist

Warum frühe Sprünge groß sein können

Nach einem Treffer kann sich die relative Häufigkeit verändern von

$\frac{H_n(A)}{n}$

zu

$\frac{H_n(A)+1}{n+1}$.

Nach einem Nichttreffer wird daraus

$\frac{H_n(A)}{n+1}$.

Bei kleinem $n$ verändert ein einzelnes Ergebnis den Quotienten stark. Bei großem $n$ ist der Einfluss eines einzelnen weiteren Ergebnisses kleiner.

Mini-Beispiel:

$\frac{1}{2}=\mathrm{0,5}$

Nach einem weiteren Treffer:

$\frac{2}{3}\approx \mathrm{0,667}$

Dagegen bei 500 bisherigen Versuchen und 250 Treffern:

$\frac{250}{500}=\mathrm{0,5}$

Nach einem weiteren Treffer:

$\frac{251}{501}\approx \mathrm{0,501}$

Das erklärt anschaulich einen Teil der sichtbaren Stabilisierung.

Vergleichsexperiment: faire Münze und unbekannter Zufallsgenerator

Vergleiche zwei Situationen:

Experiment	Bekannt	Zu untersuchen
ideale Münze	$P(K)=\mathrm{0,5}$	Wie schwankt $h_n(K)$ um $\mathrm{0,5}$?
unbekannter Generator	theoretische Wahrscheinlichkeit zunächst unbekannt	Um welchen Wert scheint sich $h_n(A)$ zu stabilisieren?

E-Niveau-Auftrag: Trenne Beobachtung und Schlussfolgerung. Aus einer endlichen Versuchsreihe erhältst Du einen Schätzwert, keinen Beweis für die exakte Wahrscheinlichkeit.

Übung mit Hilfestufen: Schätzen ohne vorschnelle Sicherheit

Ein digitaler Generator liefert in 2000 Versuchen 1234 Treffer.

Aufgabe: Bestimme einen Schätzwert für $P(A)$. Erkläre außerdem, was Du aus diesem Ergebnis nicht sicher folgern darfst.

Hilfe 1

Nutze $h_{2000}(A)=\frac{1234}{2000}$.

Hilfe 2

Formuliere mit „Schätzwert“, „kann abweichen“ und „weitere Versuchsreihen“.

Feedback

$h_{2000}(A)=\mathrm{0,617}$. Daher ist $\mathrm{0,617}$ ein experimenteller Schätzwert. Du darfst nicht behaupten, dass die wahre Wahrscheinlichkeit exakt $\mathrm{0,617}$ sei.

Was das Gesetz der großen Zahlen hier bedeutet

Für Klasse 7 genügt die experimentelle Deutung:

Merksatz: Wenn ein Zufallsexperiment unter vergleichbaren Bedingungen sehr oft wiederholt wird, eignen sich die beobachteten relativen Häufigkeiten in der Regel zunehmend besser als Schätzwerte für die zugrunde liegenden Wahrscheinlichkeiten. Einzelne Versuchsreihen dürfen weiterhin schwanken.

Nicht gemeint ist:

1. Ab einer bestimmten Versuchszahl muss $h_n(A)=P(A)$ gelten.
2. Die relative Häufigkeit muss sich bei jedem einzelnen Schritt der Wahrscheinlichkeit nähern.
3. Eine lange Simulation beweist, dass ein digitaler Zufallsgenerator korrekt oder fair ist.

Gegenbeispiele finden

Prüfe die Aussage: „Nach 1000 Würfen einer idealen Münze müssen genau 500-mal Kopf gefallen sein.“

Ein Gegenbeispiel wäre jede mögliche 1000er-Serie mit einer anderen Kopfzahl, etwa 503-mal Kopf. Dann gilt

$h_{1000}(K)=\frac{503}{1000}=\mathrm{0,503}$

und nicht exakt $\mathrm{0,5}$.

E-Niveau: Finde selbst ein Gegenbeispiel zu jeder Aussage:

1. „Bei mehr Versuchen ist die Abweichung in jeder einzelnen Serie kleiner.“
2. „Eine faire Münze gleicht frühere Verluste später gezielt aus.“
3. „Wenn 60 Würfe 10 Sechsen liefern, müssen die nächsten 60 Würfe wieder 10 Sechsen liefern.“

Typische Fehler

Fehler	Korrektur
Absolute und relative Häufigkeit werden verwechselt.	$H_n(A)$ zählt Treffer; $h_n(A)=\frac{H_n(A)}{n}$ ist ein Anteil.
$P(A)$ wird mit einem beobachteten Wert gleichgesetzt.	Eine relative Häufigkeit ist bei endlichen Daten ein Schätzwert.
„Viele Versuche“ wird als Garantie für Exaktheit verstanden.	Stabilisierung bedeutet kleinere typische Schwankungen auf relativer Skala, nicht zwingend Gleichheit.
Ein Diagramm wird nur am Endpunkt beurteilt.	Betrachte auch Verlauf, Sprünge, Skala und mehrere unabhängige Läufe.
Simulationsergebnisse werden ungeprüft übernommen.	Prüfe Einstellungen, Ereignisdefinition, Versuchszahl und Plausibilität.

Digitale Werkzeuge kritisch nutzen

Digitale Simulationen sind schnell und erzeugen große Datenmengen. Trotzdem gilt:

1. Prüfe, welches Ereignis als „Treffer“ programmiert ist.
2. Prüfe die Zahl der Wiederholungen und ob ein neuer Lauf wirklich neu gestartet wurde.
3. Vergleiche mehrere Läufe statt nur einen auffälligen Screenshot zu verwenden.
4. Teile keine personenbezogenen Daten.
5. KI-Ausgaben, automatisch erzeugte Tabellen und Diagramme müssen mathematisch geprüft werden; sie ersetzen keinen mathematischen Beweis.

Interaktive Beispiele

Beispiel A: Münze

Eine Serie liefert nach 80 Würfen 46-mal Kopf.

$h_{80}(K)=\frac{46}{80}=\mathrm{0,575}$

Deutung: In dieser Serie liegt der beobachtete Kopfanteil bei $\mathrm{57,5}\mathrm{\%}$. Das ist kein Widerspruch zu $P(K)=50\mathrm{\%}$.

Beispiel B: Würfel

In 300 Würfen erscheint die 6 genau 44-mal.

$h_{300}(6)=\frac{44}{300}\approx \mathrm{0,147}$

Verglichen mit

$P(6)=\frac{1}{6}\approx \mathrm{0,167}$

beträgt die Abweichung ungefähr

$|\mathrm{0,147}-\mathrm{0,167}|=\mathrm{0,020}$.

Beispiel C: zwei unabhängige Läufe vergleichen

Lauf 1 endet bei $h_{500}(A)=\mathrm{0,492}$, Lauf 2 bei $h_{500}(A)=\mathrm{0,516}$. Für $P(A)=\mathrm{0,5}$ gilt:

$d_1=|\mathrm{0,492}-\mathrm{0,5}|=\mathrm{0,008}$

$d_2=|\mathrm{0,516}-\mathrm{0,5}|=\mathrm{0,016}$

Lauf 1 liegt in diesem Vergleich näher an der theoretischen Wahrscheinlichkeit. Daraus folgt nicht, dass Lauf 1 „besser zufällig“ ist.

Üben mit Hilfestufen und Feedback

Aufgabe 1: Rechnen und deuten

Bei 250 Versuchen tritt $A$ 92-mal ein. Berechne $h_{250}(A)$ und deute das Ergebnis.

Hilfe 1

Setze in $h_n(A)=\frac{H_n(A)}{n}$ ein.

Hilfe 2

$h_{250}(A)=\frac{92}{250}$.

Feedback

$h_{250}(A)=\mathrm{0,368}=\mathrm{36,8}\mathrm{\%}$. In dieser Versuchsreihe trat $A$ in $\mathrm{36,8}\mathrm{\%}$ der Versuche auf.

Aufgabe 2: Verlauf begründen

Eine relative Häufigkeit liegt nach 20 Versuchen bei $\mathrm{0,60}$ und nach 2000 Versuchen bei $\mathrm{0,53}$. Die theoretische Wahrscheinlichkeit beträgt $\mathrm{0,50}$. Erkläre, warum die zweite Beobachtung zum Gesetz der großen Zahlen passt, ohne daraus eine Garantie abzuleiten.

Hilfe 1

Vergleiche die Abstände $\mathrm{0,10}$ und $\mathrm{0,03}$.

Hilfe 2

Nutze die Wörter „Schätzwert“, „größerer Versuchsumfang“ und „tendenziell“.

Feedback

Der Schätzwert aus 2000 Versuchen liegt näher an $\mathrm{0,50}$. Das passt zur Tendenz des Gesetzes der großen Zahlen. Ein anderer 2000er-Lauf könnte dennoch weiter abweichen.

Aufgabe 3: Fehler im Argument finden

Aussage: „Nach 10 Würfen kamen 8-mal Kopf. Also muss Zahl jetzt häufiger kommen, damit die Münze wieder auf 50 Prozent kommt.“

Hilfe 1

Frage Dich, ob die Münze frühere Ergebnisse „kennt“.

Hilfe 2

Bei einer idealen Münze gilt bei jedem neuen Wurf weiterhin $P(K)=P(Z)=\mathrm{0,5}$.

Feedback

Die Aussage ist falsch. Frühere Ergebnisse erzwingen keinen Ausgleich im nächsten Wurf. Stabilisierung entsteht über lange Reihen statistisch, nicht durch ein Gedächtnis der Münze.

Transfer: Ist das Glücksrad fair?

Ein digitales Glücksrad behauptet, Rot mit Wahrscheinlichkeit $\mathrm{0,4}$ zu erzeugen. Drei Klassen erhalten:

Klasse	Versuche	Rot	Relative Häufigkeit
A	50	24	$\mathrm{0,48}$
B	500	214	$\mathrm{0,428}$
C	5000	2022	$\mathrm{0,4044}$

Mehrschrittige Modellierung:

1. Berechne für jede Klasse $d_n=|h_n(R)-\mathrm{0,4}|$.
2. Vergleiche die drei Abweichungen.
3. Formuliere, welche Daten die Behauptung stützen.
4. Erkläre, warum selbst 5000 Versuche die technische Fairness des Generators nicht mathematisch beweisen.
5. Entwirf ein weiteres Experiment, mit dem Du die Behauptung kritischer prüfen würdest.

Video laden

YouTube

YouTube sammelt möglicherweise persönliche Daten. Datenschutzrichtlinie

Fortfahren Ausblenden

Selbstkontrolle

Ich kann …	Ja	Noch üben
$h_n(A)=\frac{H_n(A)}{n}$ sicher anwenden.	□	□
laufende Häufigkeitsdiagramme lesen.	□	□
Stabilisierung ohne Exaktheitsbehauptung erklären.	□	□
mehrere Simulationen vergleichen.	□	□
ein Gegenbeispiel zu einer zu starken Behauptung finden.	□	□
digitale Ergebnisse kritisch prüfen.	□	□

Kompetenzcheck E-Niveau

1. Untersuchen: Führe mindestens drei unabhängige Simulationen mit verschiedenen Versuchsumfängen durch und dokumentiere Verlauf und Endwert.
2. Verallgemeinern: Formuliere aus Deinen Beobachtungen eine allgemeine, aber nicht zu starke Aussage zum Verhalten relativer Häufigkeiten.
3. Begründen: Erkläre mit dem Quotienten $\frac{H_n(A)}{n}$, warum einzelne neue Ergebnisse bei großem $n$ meist weniger Einfluss haben.
4. Gegenbeispiel: Widerlege eine Aussage mit „immer“, „muss“ oder „exakt“, wenn sie dem Zufallscharakter widerspricht.
5. Modellieren: Überführe eine Alltagssituation in Ereignis, Versuchszahl, Trefferzahl, relative Häufigkeit und begründete Schätzung.

Reflexion

Beantworte schriftlich:

1. Was hat Dich in den Simulationen überrascht?
2. Woran erkennst Du Stabilisierung in einem laufenden Diagramm?
3. Welche Aussage über große Versuchszahlen würdest Du heute vorsichtiger formulieren?
4. Wann ist eine Simulation hilfreich, und wann brauchst Du zusätzlich ein theoretisches Modell?
5. Wie würdest Du prüfen, ob eine KI-generierte Erklärung zum Gesetz der großen Zahlen mathematisch belastbar ist?

Folgekurs

Als Nächstes bietet sich Wahrscheinlichkeiten mit relativen Häufigkeiten schätzen oder Laplace-Experiment an. Dort vergleichst Du experimentelle Schätzungen mit theoretisch berechneten Wahrscheinlichkeiten.

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Was beschreibt die relative Häufigkeit eines Ereignisses? (Den Anteil der Treffer an allen bisherigen Versuchen) (!Die Anzahl aller möglichen Ergebnisse) (!Die theoretische Wahrscheinlichkeit ohne Experiment) (!Die Anzahl der Nichttreffer)

Welche Formel berechnet die relative Häufigkeit? (Relative Häufigkeit gleich absolute Häufigkeit geteilt durch Versuchszahl) (!Relative Häufigkeit gleich Versuchszahl geteilt durch absolute Häufigkeit) (!Relative Häufigkeit gleich absolute Häufigkeit plus Versuchszahl) (!Relative Häufigkeit gleich absolute Häufigkeit minus Versuchszahl)

Was bedeutet Stabilisierung relativer Häufigkeiten am besten? (Die Werte schwanken bei großen Versuchszahlen oft in einem engeren Bereich) (!Die Werte sind ab einer festen Versuchszahl exakt konstant) (!Die Werte müssen immer kleiner werden) (!Die Werte werden nach jedem Versuch exakt zur Wahrscheinlichkeit)

Welche Aussage zum Gesetz der großen Zahlen ist angemessen? (Bei vielen Wiederholungen werden relative Häufigkeiten tendenziell bessere Schätzwerte) (!Nach 1000 Versuchen stimmt die relative Häufigkeit immer exakt) (!Der Zufall verschwindet vollständig) (!Jede längere Serie ist näher an der Wahrscheinlichkeit als jede kürzere)

Was gilt bei einer idealen Münze nach 20 Würfen mit 13-mal Kopf? (Die relative Häufigkeit von Kopf beträgt 0,65) (!Die Wahrscheinlichkeit von Kopf ist nun 0,65) (!Die nächsten Würfe müssen überwiegend Zahl sein) (!Die Münze ist damit sicher unfair)

Was sollte beim Vergleich zweier Simulationen beachtet werden? (Versuchszahl Ereignisdefinition und Verlauf) (!Nur der letzte einzelne Wurf) (!Nur die Farbe des Diagramms) (!Nur der höchste beobachtete Wert)

Welche Beobachtung kann trotz einer Wahrscheinlichkeit von 0,5 auftreten? (503 Treffer bei 1000 Versuchen) (!Nur exakt 500 Treffer bei 1000 Versuchen) (!Nach jedem zweiten Versuch genau ein Treffer) (!Eine vollständig vorherbestimmte Reihenfolge)

Warum verändern einzelne neue Ergebnisse die relative Häufigkeit bei großem n meist weniger? (Weil ein einzelner Versuch nur einen kleinen Anteil an der großen Gesamtzahl hat) (!Weil der Zufall dann aufhört) (!Weil der Nenner kleiner wird) (!Weil die Wahrscheinlichkeit automatisch angepasst wird)

Was ist bei einer unbekannten Wahrscheinlichkeit ein sinnvoller Umgang mit einer langen Versuchsreihe? (Die relative Häufigkeit als Schätzwert verwenden und Unsicherheit beachten) (!Die relative Häufigkeit als mathematischen Beweis behandeln) (!Nur den ersten Versuch auswerten) (!Jede Abweichung als Programmfehler ansehen)

Welche Aussage zu digitalen Simulationen ist richtig? (Ergebnisse und Einstellungen müssen kritisch geprüft werden) (!Eine Simulation beweist automatisch die Fairness eines Generators) (!KI-Ausgaben ersetzen mathematische Begründungen) (!Personenbezogene Daten sind für Zufallsexperimente notwendig)

Memory

absolute Häufigkeit	Anzahl der Treffer
relative Häufigkeit	Anteil der Treffer
Versuchszahl	Anzahl aller Wiederholungen
Wahrscheinlichkeit	theoretischer Modellwert
Stabilisierung	Schwanken in zunehmend engem Bereich
Simulation	digitales Nachbilden eines Zufallsexperiments
Schätzwert	Näherungswert aus Daten
Gegenbeispiel	widerlegt eine allgemeine Behauptung

Drag and Drop

Ordne die richtigen Begriffe zu.	Thema
Trefferzahl	absolute Häufigkeit
Trefferanteil	relative Häufigkeit
Vergleichslinie	theoretische Wahrscheinlichkeit
mehrere unabhängige Läufe	Vergleichsexperiment
laufende Punktfolge	Häufigkeitsdiagramm
kritische Prüfung	digitale Auswertung

Kreuzworträtsel

Zufall	Wie heißt das nicht sicher vorhersagbare Element eines Zufallsexperiments?
Treffer	Wie nennt man das Eintreten des untersuchten Ereignisses in einem Versuch?
Anteil	Was beschreibt eine relative Häufigkeit sprachlich?
Diagramm	Welche Darstellung zeigt den Verlauf einer relativen Häufigkeit über viele Versuche?
Simulation	Wie heißt das digitale Nachbilden eines Zufallsexperiments?
Schätzwert	Wie nennt man einen aus Daten gewonnenen Näherungswert für eine unbekannte Wahrscheinlichkeit?

Lückentext

Vervollständige den Text.

Die relative Häufigkeit berechnet man als . Bei vielen Wiederholungen kann sie sich in einem zunehmend bewegen. Sie ist bei endlichen Versuchsreihen ein für eine Wahrscheinlichkeit. Eine große Versuchszahl garantiert keine . In einem laufenden Diagramm steht auf der horizontalen Achse meist die . Digitale Simulationen müssen auf Einstellungen und geprüft werden.

Offene Aufgaben

Leicht

1. Münzwurf-Protokoll: Wirf eine Münze 40-mal, führe eine Strichliste und berechne nach jeweils 10 Würfen die laufende relative Häufigkeit von Kopf.
2. Würfel-Diagramm: Würfle 60-mal und zeichne für die 6 ein laufendes Diagramm der relativen Häufigkeit.
3. Simulation vergleichen: Starte dieselbe digitale Münzsimulation dreimal mit 100 Wiederholungen und beschreibe Gemeinsamkeiten und Unterschiede.
4. Fehlerdetektiv: Sammle drei falsche Aussagen mit „muss“, „immer“ oder „exakt“ und korrigiere sie.

Standard

1. Versuchsumfang vergleichen: Untersuche jeweils fünf Serien mit 20, 200 und 2000 Versuchen und vergleiche die Abstände zu einer bekannten Wahrscheinlichkeit.
2. Reales Experiment und Simulation: Vergleiche 100 echte Würfe mit 100 simulierten Würfen. Erkläre, welche Unterschiede Zufall und welche Unterschiede die Durchführung verursachen könnten.
3. Diagramm-Kommentar: Erstelle zu einem laufenden Häufigkeitsdiagramm eine kurze Audio- oder Videoerklärung mit drei markierten Phasen.
4. Datenprüfung: Lass Dir von einer Tabellenkalkulation oder KI eine Auswertung erzeugen und prüfe jede Formel, Achsenbeschriftung und Schlussfolgerung selbst.

Schwer

1. Gegenbeispiel-Werkstatt: Formuliere drei zu starke Behauptungen zum Gesetz der großen Zahlen und finde jeweils ein mögliches Gegenbeispiel.
2. Unbekannte Wahrscheinlichkeit: Simuliere ein Experiment mit unbekanntem Parameter, schätze die Wahrscheinlichkeit aus verschiedenen Versuchsumfängen und begründe, welcher Schätzwert vertrauenswürdiger wirkt.
3. Fairness-Test: Entwickle ein mehrschrittiges Verfahren, um ein reales oder digitales Glücksrad auf eine behauptete Wahrscheinlichkeit zu untersuchen, ohne vorschnell „fair“ oder „unfair“ zu behaupten.
4. Klassenexperiment: Plane ein gemeinsames Experiment, in dem mehrere Gruppen unabhängige Serien durchführen, Daten zusammenführen und Unterschiede zwischen Einzelserien und Gesamtdaten diskutieren. Verwende keine personenbezogenen Daten.

Lernkontrolle

1. Begründungsaufgabe: Erkläre, warum ein einzelner zusätzlicher Treffer bei $n=20$ die relative Häufigkeit stärker verändern kann als bei $n=2000$.
2. Vergleichsaufgabe: Zwei lange Versuchsreihen liefern unterschiedliche relative Häufigkeiten. Begründe, warum das kein Widerspruch zum Gesetz der großen Zahlen ist.
3. Modellierungsaufgabe: Übertrage eine Alltagssituation mit unbekannter Erfolgswahrscheinlichkeit in ein Zufallsexperiment, bestimme Ereignis, Versuchszahl und Auswertungsplan.
4. Gegenbeispiel-Aufgabe: Widerlege die Aussage „Je mehr Versuche, desto kleiner ist in jeder einzelnen Serie die Abweichung“ durch eine mögliche Zahlenkonstellation.
5. Diagramm-Aufgabe: Beschreibe an einem selbst gewählten laufenden Diagramm, woran Stabilisierung erkennbar ist und welche Aussage das Diagramm nicht erlaubt.
6. Digitale Prüfung: Beurteile eine simulierte Versuchsreihe kritisch und nenne mindestens drei Kontrollen, die Du vor einer Schlussfolgerung durchführen würdest.

Lernnachweis

Für einen Lernnachweis zu diesem Thema ist wichtig:

1. Du berechnest absolute und relative Häufigkeiten korrekt.
2. Du dokumentierst eine reale oder digitale Versuchsreihe nachvollziehbar.
3. Du stellst laufende relative Häufigkeiten in einer geeigneten Tabelle oder einem Diagramm dar.
4. Du vergleichst mehrere Versuchsumfänge und mehrere unabhängige Läufe.
5. Du formulierst das Gesetz der großen Zahlen ohne Exaktheitsgarantie.
6. Du begründest Deine Aussagen mit Rechnungen, Darstellungen und passenden Gegenbeispielen.
7. Du trennst experimentelle Schätzwerte von theoretischen Wahrscheinlichkeiten.
8. Du prüfst digitale Ergebnisse kritisch und gehst datensparsam vor.

OERs zum Thema

Freie und interaktive Vertiefung:

1. Wikimedia Commons: Animationen und Diagramme zum Gesetz der großen Zahlen.
2. GeoGebra: Simulationen zu Würfeln, relativer Häufigkeit und Wahrscheinlichkeit.
3. Gesetz der großen Zahlen: fachliche Vertiefung; für Klasse 7 genügt die anschauliche experimentelle Deutung.

Verknüpfte Lernbereiche

M7 E - Gesetz der großen Zahlen experimentell untersuchen Zufallsexperiment Absolute Häufigkeit Relative Häufigkeit Wahrscheinlichkeit Diagramm Simulation Laplace-Experiment Daten auswerten