M10 E - Zufallsgrößen und Wahrscheinlichkeitsverteilungen untersuchen

Einleitung

Mini-Beschreibung: Beschreibe Ereignisse mithilfe diskreter Zufallsgrößen und gib ihre Wahrscheinlichkeitsverteilung tabellarisch und graphisch an. Nutze Verteilungsdiagramme und Simulationen.

Ein Zufallsexperiment liefert Ergebnisse. Eine diskrete Zufallsgröße ordnet jedem Ergebnis eine Zahl zu. Die Wahrscheinlichkeitsverteilung zeigt, mit welcher Wahrscheinlichkeit die möglichen Werte auftreten.

Mini-Beispiel: Zwei faire Münzen werden geworfen. $X$ zählt die Anzahl „Kopf“. $X \in {0, 1, 2}$

Die Leitfrage lautet: Wie wird aus einem Zufallsexperiment eine überprüfbare Verteilung in Tabelle und Diagramm?

Lernziele

Du kannst am Ende dieses aiMOOCs

Zufallsgröße: eine diskrete Zufallsgröße passend zu einem Zufallsexperiment definieren.
Wahrscheinlichkeitsverteilung: mögliche Werte und zugehörige Wahrscheinlichkeiten tabellarisch angeben.
Verteilungsdiagramm: eine Verteilung als Balken- oder Stabdiagramm darstellen und deuten.
Ereignis: Ereignisse mit Bedingungen an $X$ formulieren und ihre Wahrscheinlichkeit berechnen.
Simulation: theoretische Wahrscheinlichkeiten mit relativen Häufigkeiten aus Simulationen vergleichen.
Begründung: formal prüfen, ob eine Tabelle überhaupt eine Wahrscheinlichkeitsverteilung sein kann.
Verallgemeinerung: Eigenschaften diskreter Verteilungen herleiten und Gegenbeispiele untersuchen.
Digitale Mathematik: Simulationen und KI-Ausgaben kritisch kontrollieren; sie ersetzen keinen mathematischen Beweis.

Bildungsplanbezug Baden-Württemberg

Im E-Niveau der Sekundarstufe I werden Ereignisse mithilfe von Zufallsgrößen beschrieben und Wahrscheinlichkeitsverteilungen angegeben sowie im Sachzusammenhang interpretiert. Dieser aiMOOC konzentriert sich genau auf diesen Schwerpunkt der Leitidee Daten und Zufall.

Vorwissen-Check

Prüfe kurz, ob Du diese Grundlagen sicher beherrschst.

Ergebnisraum	Die Menge aller möglichen Ergebnisse eines Zufallsexperiments heißt $Ω$ .
Ereignis	Ein Ereignis ist eine Teilmenge von $Ω$ .
Laplace-Idee	Bei gleich wahrscheinlichen Ergebnissen gilt $P (A) = \frac{\| A \|}{\| Ω \|}$ .
Relative Häufigkeit	Bei vielen Wiederholungen kann sie sich einer theoretischen Wahrscheinlichkeit annähern.

Wenn Dir zwei oder mehr Zeilen unsicher sind, wiederhole zuerst Wahrscheinlichkeit, Ergebnisraum und Laplace-Experiment.

Kernidee: Von Ergebnissen zu Zahlen

Schritt 1: Zufallsexperiment festlegen

Wir werfen zwei faire Münzen.

$Ω = {K K, K Z, Z K, Z Z}$

Dabei steht $K$ für Kopf und $Z$ für Zahl.

Schritt 2: Zufallsgröße definieren

Die Zufallsgröße $X$ zählt die Anzahl der Köpfe.

$X (K K) = 2$

$X (K Z) = 1$

$X (Z K) = 1$

$X (Z Z) = 0$

Wichtig: Nicht die einzelnen Ergebnisse sind die Werte der Zufallsgröße. Mehrere Ergebnisse können denselben Wert von $X$ besitzen.

Schritt 3: Wahrscheinlichkeiten bündeln

Alle vier Ergebnisse sind gleich wahrscheinlich.

$P (X = 0) = P ({Z Z}) = \frac{1}{4}$

$P (X = 1) = P ({K Z, Z K}) = \frac{2}{4} = \frac{1}{2}$

$P (X = 2) = P ({K K}) = \frac{1}{4}$

Schritt 4: Verteilung tabellarisch darstellen

Wert $x$	$P (X = x)$
$0$	$\frac{1}{4}$
$1$	$\frac{1}{2}$
$2$	$\frac{1}{4}$

Kontrolle:

$\frac{1}{4} + \frac{1}{2} + \frac{1}{4} = 1$

Schritt 5: Verteilung graphisch darstellen

Im Verteilungsdiagramm steht über jedem möglichen Wert $x$ ein Balken oder Stab mit der Höhe $P (X = x)$ .

Zum Vergleich zeigt die folgende Grafik die gleichmäßige Verteilung eines fairen Würfels.

Lies ein Diagramm immer in zwei Richtungen: Welcher Wert gehört zur Balkenposition? Welche Wahrscheinlichkeit gehört zur Balkenhöhe?

Formale Beschreibung auf E-Niveau

Eine diskrete Zufallsgröße ist eine Abbildung, die Ergebnissen Zahlen zuordnet:

$X : Ω \to ℝ$

Für einen möglichen Wert $x$ gilt

$P (X = x) = P ({ω \in Ω ∣ X (ω) = x})$

Für eine endliche Wertemenge ${x_{1}, \dots, x_{n}}$ muss gelten:

$P (X = x_{i}) \geq 0$

und

$\sum_{i = 1}^{n} P (X = x_{i}) = 1$

Damit kannst Du auch behauptete Verteilungen widerlegen. Schon eine negative Wahrscheinlichkeit oder eine Summe ungleich $1$ genügt als Gegenbeispiel.

Interaktives Beispiel: Summe zweier Würfel

Zwei faire sechsseitige Würfel werden geworfen. Die Zufallsgröße $S$ ist die Augensumme.

$S \in {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}$

Für $S = 7$ gibt es sechs günstige geordnete Paare:

$(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)$

Deshalb:

$P (S = 7) = \frac{6}{36} = \frac{1}{6}$

Beobachtung: Die Summen sind nicht gleich wahrscheinlich. Die $7$ liegt im Zentrum und kann auf mehr Arten entstehen als $2$ oder $12$ .

Denkfrage mit Feedback

Behauptung: „Es gibt elf mögliche Summen, also hat jede Summe die Wahrscheinlichkeit $\frac{1}{11}$ .“

Prüfung: Die Aussage ist falsch, weil die elf Summen unterschiedlich viele Würfelpaare besitzen. Gleich wahrscheinliche Ergebnisse sind die $36$ geordneten Würfelpaare, nicht die elf Summen.

Ereignisse mithilfe einer Zufallsgröße beschreiben

Ist $X$ die Anzahl der Köpfe bei zwei Münzwürfen, dann kann ein Ereignis kurz beschrieben werden.

Mindestens ein Kopf:

$A = {X \geq 1}$

$P (A) = P (X = 1) + P (X = 2) = \frac{1}{2} + \frac{1}{4} = \frac{3}{4}$

Kein Kopf:

$B = {X = 0}$

$P (B) = \frac{1}{4}$

Genau ein Kopf:

$C = {X = 1}$

$P (C) = \frac{1}{2}$

Auf E-Niveau solltest Du die Übersetzung zwischen Sachtext, Ereignisbedingung und Rechnung sicher beherrschen.

Simulation: Theorie gegen Daten

Eine Simulation erzeugt viele Wiederholungen eines modellierten Zufallsexperiments. Sie liefert relative Häufigkeiten, keine mathematischen Beweise.

Simulationsauftrag

Simuliere das Experiment „zwei faire Münzen“ digital oder mit echten Münzen.

Führe zunächst $n = 20$ Wiederholungen durch.
Bestimme für jede Wiederholung $X \in {0, 1, 2}$ .
Berechne die relativen Häufigkeiten der drei Werte.
Wiederhole mit $n = 100$ und $n = 1000$ .
Vergleiche mit $\frac{1}{4}, \frac{1}{2}, \frac{1}{4}$ .
Begründe, warum kleine Abweichungen kein Widerspruch zur Theorie sind.

Kritischer Digital-Check: Prüfe, ob das digitale Werkzeug wirklich zwei unabhängige faire 0/1-Zufallswerte erzeugt. Prüfe außerdem Achsen, Rundungen und Stichprobengröße. Teile keine personenbezogenen Daten. Eine KI-Ausgabe oder Simulation kann eine Vermutung unterstützen, ersetzt aber keinen mathematischen Beweis.

Übung 1: Verteilung aus einem Zufallsexperiment

In einer Urne liegen drei gleichartige Kugeln mit den Zahlen $1, 1, 2$ . Eine Kugel wird zufällig gezogen. $X$ ist die gezogene Zahl.

Aufgabe: Stelle die Wahrscheinlichkeitsverteilung von $X$ auf.

Hilfestufe 1

Bestimme zuerst die möglichen Werte von $X$ .

Hilfestufe 2

Unterscheide zwischen Kugeln und Zahlenwerten. Zwei verschiedene Kugeln tragen den Wert $1$ .

Feedback

$X \in {1, 2}$

$P (X = 1) = \frac{2}{3}$

$P (X = 2) = \frac{1}{3}$

Kontrolle:

$\frac{2}{3} + \frac{1}{3} = 1$

Übung 2: Verteilung prüfen

Gegeben ist folgende Behauptung:

Wert $x$	$P (X = x)$
$0$	$0,20$
$1$	$0,45$
$2$	$0,40$

Aufgabe: Entscheide formal, ob dies eine Wahrscheinlichkeitsverteilung sein kann.

Hilfestufe 1

Prüfe Nichtnegativität und Gesamtsumme.

Feedback

Alle Einzelwerte sind nichtnegativ, aber

$0,20 + 0,45 + 0,40 = 1,05$

Die Tabelle ist daher keine Wahrscheinlichkeitsverteilung.

Übung 3: Ereignis aus einer Verteilung

Für eine Zufallsgröße $Y$ gilt:

Wert $y$	$P (Y = y)$
$0$	$0,10$
$1$	$0,25$
$2$	$0,40$
$3$	$0,25$

Aufgabe: Berechne $P (Y \geq 2)$ und begründe den Rechenweg.

Hilfestufe 1

Das Ereignis $Y \geq 2$ umfasst genau die Werte $2$ und $3$ .

Feedback

$P (Y \geq 2) = P (Y = 2) + P (Y = 3) = 0,40 + 0,25 = 0,65$

Typische Fehler

Ergebnis und Wert verwechseln: Ein Ergebnis $ω$ ist nicht automatisch ein Wert der Zufallsgröße. Prüfe die Zuordnung $X (ω)$ .
Gleichverteilung vorschnell annehmen: Gleich viele mögliche Werte bedeuten nicht gleich große Wahrscheinlichkeiten.
Wahrscheinlichkeiten nicht prüfen: Bei einer vollständigen diskreten Verteilung muss die Summe $1$ ergeben.
Balkendiagramm falsch lesen: Die Höhe beschreibt die Wahrscheinlichkeit, nicht die bloße Nummer des Wertes.
Simulation mit Beweis verwechseln: Relative Häufigkeiten schwanken; theoretische Wahrscheinlichkeiten werden mathematisch begründet.
Rundungsfehler: Gerundete Tabellen können knapp von $1$ abweichen. Prüfe die ungerundeten Werte, bevor Du urteilst.

Selbstkontrolle

Beantworte ohne Hilfsmittel:

Kannst Du erklären, warum $X$ eine Funktion auf dem Ergebnisraum ist?
Kannst Du aus Ergebnissen gleiche $X$ -Werte bündeln?
Kannst Du eine zweispaltige Verteilungstabelle erstellen?
Kannst Du aus $X \geq a$ die passenden Einzelwahrscheinlichkeiten auswählen?
Kannst Du mit $\sum P (X = x) = 1$ eine Verteilung prüfen?
Kannst Du erklären, warum eine Simulation Theorie nicht beweist?

Wenn Du mindestens fünf Punkte sicher begründen kannst, bist Du bereit für den Kompetenzcheck.

Transfer

Ein Online-Spiel verspricht bei einem zufälligen Ergebnis einen Punktestand $X$ . Die Plattform zeigt nur ein Balkendiagramm.

Transferauftrag:

Lies aus dem Diagramm die möglichen Werte und Wahrscheinlichkeiten ab.
Prüfe, ob die Balkenhöhen insgesamt eine gültige Verteilung ergeben.
Formuliere zwei Ereignisse in der Form $X \leq a$ oder $X \geq b$ .
Berechne deren Wahrscheinlichkeiten.
Entwickle ein Gegenbeispiel für ein Diagramm, das ähnlich aussieht, aber mathematisch ungültig ist.
Begründe, welche Informationen Du zusätzlich brauchst, um die Fairness des zugrunde liegenden Spiels zu beurteilen.

Kompetenzcheck E-Niveau

Du arbeitest formal sicher, wenn Du die folgenden Aussagen begründen kannst.

Für jede diskrete Verteilung gilt $P (X = x) \geq 0$ .
Bei endlich vielen möglichen Werten gilt $\sum_{i} P (X = x_{i}) = 1$ .
Eine Zufallsgröße kann mehrere Ergebnisse auf denselben Zahlenwert abbilden.
Ereignisse wie $X \geq a$ werden durch Summieren der passenden Einzelwahrscheinlichkeiten berechnet.
Ein Diagramm ist nur dann korrekt, wenn Positionen, Balkenhöhen und Skala zur Tabelle passen.
Simulationsergebnisse nähern theoretische Wahrscheinlichkeiten an, beweisen sie aber nicht.
Eine ungültige Verteilung kann durch ein einziges Gegenbeispiel zu den notwendigen Bedingungen widerlegt werden.

Reflexion

Beantworte drei Sätze in Deinem Lernjournal:

Was ist für Dich der wichtigste Unterschied zwischen Ergebnis und Wert einer Zufallsgröße?
Welche Darstellung hilft Dir mehr: Tabelle oder Diagramm? Begründe mathematisch.
Wann würdest Du einer Simulation misstrauen?
Welche Prüfung führst Du bei einer KI-generierten Wahrscheinlichkeitsverteilung zuerst durch?

Folgekurs

Als nächster Schritt bietet sich M10 E - Erwartungswert von Zufallsgrößen untersuchen an. Dort wird eine Wahrscheinlichkeitsverteilung durch eine weitere Kennzahl beschrieben. Danach kann die Binomialverteilung als wichtige spezielle diskrete Wahrscheinlichkeitsverteilung vertieft werden. So bereitest Du den Übergang in weiterführende Bildungsgänge vor.

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Diesen aiMOOC als Battle spielen

Was beschreibt eine diskrete Zufallsgröße? (Sie ordnet Ergebnissen eines Zufallsexperiments Zahlen zu.) (!Sie ordnet jeder Wahrscheinlichkeit ein Zufallsexperiment zu.) (!Sie zählt immer nur die Anzahl aller Ergebnisse.) (!Sie muss jeden reellen Zahlenwert annehmen.)

Welche Bedingung muss für eine vollständige endliche Wahrscheinlichkeitsverteilung gelten? (Die Summe aller Einzelwahrscheinlichkeiten ist 1.) (!Die Summe aller Werte der Zufallsgröße ist 1.) (!Jede Einzelwahrscheinlichkeit ist gleich groß.) (!Mindestens eine Einzelwahrscheinlichkeit ist größer als 1.)

Bei zwei fairen Münzwürfen zählt X die Anzahl Kopf. Wie groß ist P X gleich 1? (Ein Halb) (!Ein Viertel) (!Drei Viertel) (!Eins)

Was bedeutet das Ereignis X größer oder gleich 2? (Alle Ergebnisse mit einem X Wert von mindestens 2.) (!Nur das Ergebnis X gleich 2.) (!Alle Ergebnisse mit Wahrscheinlichkeit mindestens 2.) (!Genau zwei mögliche Ergebnisse.)

Warum sind die Augensummen zweier Würfel nicht gleich verteilt? (Die Summen können durch unterschiedlich viele Würfelpaare entstehen.) (!Die Würfel haben unterschiedlich viele Seiten.) (!Die Summe 7 ist kein mögliches Ergebnis.) (!Jede Summe entsteht durch genau ein Würfelpaar.)

Welche Aussage zu einer Simulation ist richtig? (Relative Häufigkeiten können theoretische Wahrscheinlichkeiten annähern.) (!Eine Simulation beweist eine Wahrscheinlichkeit exakt.) (!Eine Simulation liefert bei jeder Durchführung dieselben Häufigkeiten.) (!Eine kleine Stichprobe ist immer genauer als eine große.)

Welche Tabelle kann keine Wahrscheinlichkeitsverteilung sein? (Eine Tabelle mit einer negativen Einzelwahrscheinlichkeit.) (!Eine Tabelle mit unterschiedlich großen Wahrscheinlichkeiten.) (!Eine Tabelle mit dem Wert 0 der Zufallsgröße.) (!Eine Tabelle mit drei möglichen Werten.)

Was zeigt die Höhe eines Balkens im Verteilungsdiagramm? (Die Wahrscheinlichkeit des zugehörigen Wertes.) (!Die Anzahl aller möglichen Zufallsexperimente.) (!Den Namen des Ereignisses.) (!Immer den Wert der Zufallsgröße selbst.)

Wie berechnet man P X größer oder gleich 2 aus einer vollständigen Verteilungstabelle? (Man addiert die Wahrscheinlichkeiten aller Werte ab 2.) (!Man addiert alle Werte der Zufallsgröße.) (!Man multipliziert die kleinste und größte Wahrscheinlichkeit.) (!Man teilt jede Wahrscheinlichkeit durch 2.)

Welche Prüfung ist bei einer KI erzeugten Verteilung besonders wichtig? (Nichtnegativität und Summe der Wahrscheinlichkeiten kontrollieren.) (!Die Antwort ungeprüft übernehmen.) (!Nur die Zahl der Tabellenzeilen zählen.) (!Das Diagramm ohne Achsen verwenden.)

Memory

Zufallsgröße	Zahlenzuordnung zu Ergebnissen
Wahrscheinlichkeitsverteilung	Zuordnung von Werten zu Wahrscheinlichkeiten
Ergebnisraum	Menge aller möglichen Ergebnisse
Verteilungsdiagramm	Graphische Darstellung der Einzelwahrscheinlichkeiten
Simulation	Wiederholtes digitales oder reales Zufallsexperiment
Normierungsbedingung	Summe der Wahrscheinlichkeiten gleich eins

Drag and Drop

Ordne die richtigen Begriffe zu.	Thema
Ergebnisse festlegen	Zufallsexperiment
Zahlen zuordnen	Zufallsgröße
Wahrscheinlichkeiten bündeln	Verteilung
Balkenhöhen eintragen	Diagramm
Gesamtsumme prüfen	Kontrolle

Kreuzworträtsel

Zufallsgröße	Wie heißt eine zahlenwertige Zuordnung zu Ergebnissen eines Zufallsexperiments?
Verteilung	Wie heißt die Zuordnung von möglichen Werten zu ihren Wahrscheinlichkeiten?
Simulation	Wie heißt die wiederholte digitale oder reale Nachbildung eines Zufallsexperiments?
Ereignis	Wie heißt eine Menge von Ergebnissen, deren Wahrscheinlichkeit betrachtet wird?
Diagramm	Wie heißt eine graphische Darstellung der Wahrscheinlichkeiten?
Ergebnisraum	Wie heißt die Menge aller möglichen Ergebnisse eines Zufallsexperiments?

LearningApps

Lückentext

Offene Aufgaben

Leicht

Münzexperiment: Wirf zwei Münzen 20-mal, notiere die Anzahl Kopf und erstelle eine zweispaltige Verteilung der relativen Häufigkeiten.
Diagramm lesen: Beschreibe bei der Würfelgrafik, welche Summe am wahrscheinlichsten und welche am seltensten ist. Begründe über mögliche Würfelpaare.
Verteilung prüfen: Erfinde drei gültige Einzelwahrscheinlichkeiten für die Werte $0, 1, 2$ und kontrolliere ihre Summe.
Fehlerdetektiv: Erstelle absichtlich eine ungültige Verteilung und erkläre genau, welche notwendige Bedingung verletzt ist.

Standard

Simulation vergleichen: Simuliere zwei Münzwürfe 100-mal und 1000-mal. Vergleiche die beiden empirischen Verteilungen mit der theoretischen.
Urnenmodell: Entwirf eine Urne mit höchstens sechs Kugeln, deren gezogene Zahl eine nicht gleichmäßige Zufallsgröße ergibt. Stelle Tabelle und Diagramm auf.
Ereignisse formulieren: Erfinde zu einer eigenen Zufallsgröße drei Sachereignisse und schreibe sie als Bedingungen an $X$ .
Darstellungswechsel: Überführe eine Verteilung von Tabelle zu Diagramm und zurück. Prüfe anschließend, ob beide Darstellungen exakt dieselbe Information enthalten.

Schwer

Verallgemeinerung: Beweise für eine endliche diskrete Zufallsgröße, warum die Summe der Wahrscheinlichkeiten ihrer verschiedenen Werte $1$ sein muss.
Gegenbeispiel: Widerlege die Aussage „Wenn eine Zufallsgröße fünf Werte annehmen kann, hat jeder Wert Wahrscheinlichkeit $\frac{1}{5}$ “ durch ein selbst konstruiertes Zufallsexperiment.
Modellentwicklung: Entwickle ein komplexeres Zufallsexperiment mit mindestens acht gleich wahrscheinlichen Ergebnissen, definiere eine Zufallsgröße mit weniger Werten und leite ihre Verteilung vollständig her.
Digitale Prüfung: Lass ein digitales Werkzeug oder eine KI eine Verteilung zu Deinem Modell erzeugen. Prüfe jeden Wert, die Gesamtsumme, das Diagramm und die Begründung. Dokumentiere mindestens einen möglichen Fehler oder eine unabhängige Kontrollrechnung.

Lernkontrolle

Modellieren: Ein Brettspiel vergibt abhängig von zwei Würfeln Punkte. Definiere selbst eine geeignete Zufallsgröße, die den Punktgewinn beschreibt, und begründe Deine Wahl.
Darstellung bewerten: Vergleiche eine Tabelle und ein Balkendiagramm derselben Verteilung. Erkläre, welche Informationen jeweils schneller sichtbar werden und welche Kontrollmöglichkeiten bestehen.
Fehleranalyse: Eine Person behauptet, jede Augensumme zweier Würfel sei gleich wahrscheinlich. Widerlege die Aussage mit mindestens zwei verschiedenen Argumenten.
Simulation beurteilen: Eine Simulation mit 20 Wiederholungen weicht deutlich von der Theorie ab. Erkläre, warum das möglich ist und welche Untersuchung Du zur besseren Beurteilung anschließen würdest.
Verteilung rekonstruieren: Gegeben sind einige Ereigniswahrscheinlichkeiten einer Zufallsgröße. Entwickle eine mögliche vollständige Verteilung und zeige, dass alle Bedingungen erfüllt sind.
Beweisidee: Begründe allgemein, warum das Zusammenfassen aller Ergebnisse mit gleichem Zufallsgrößenwert die Gesamtwahrscheinlichkeit $1$ erhält.

Lernnachweis

Für einen erfolgreichen Lernnachweis solltest Du zeigen können:

Du definierst eine diskrete Zufallsgröße aus einem Sachkontext.
Du leitest ihre möglichen Werte systematisch her.
Du berechnest die Einzelwahrscheinlichkeiten nachvollziehbar.
Du stellst die Verteilung in einer übersichtlichen Tabelle dar.
Du überträgst die Verteilung korrekt in ein Diagramm.
Du berechnest Wahrscheinlichkeiten von Ereignissen wie $X \geq a$ oder $X \leq b$ .
Du prüfst Nichtnegativität und Gesamtsumme formal.
Du vergleichst Simulation und Theorie kritisch.
Du begründest Gegenbeispiele und erkennst falsche Modellannahmen.
Du dokumentierst Rechenweg, Darstellung und Begründung so, dass sie überprüfbar sind.

OERs zum Thema

Freie Medien zum Weiterlernen

Verknüpfte Lernbereiche

Zufallsgrößen und Wahrscheinlichkeitsverteilungen

aiMOOC-Projekte

Inhalte werden geladen ...

Mediathek wird aus dem Wiki geladen ...

Frag mich zum aktuellen Lerninhalt oder wähle eine kurze Hilfe.

Textmodus bereit

Sprache