ABI - Normalverteilungsmodelle kritisch beurteilen

ABI - Normalverteilungsmodelle kritisch beurteilen

Mini-Beschreibung: Prüfe, ob eine normalverteilte Modellierung für eine gegebene Situation plausibel ist, und reflektiere Abweichungen, Grenzen und Modellannahmen. Alle Mess- und Produktionsdaten in diesem Kurs sind ausschließlich mathematische Beispiele und enthalten keine personenbezogenen Daten.

Einleitung

Eine Glockenkurve allein beweist noch keine Normalverteilung. Im Abitur ist entscheidend, ob Du ein mathematisches Modell begründet auswählst, nutzt und kritisch beurteilst.

Für eine normalverteilte Zufallsgröße gilt

$X\sim 𝒩(\mu ,{\sigma }^2)$.

Dabei bestimmt $\mu$ die Lage und $\sigma$ die Streuung.

Kernfrage des Kurses:

Daten prüfen → Modellannahmen prüfen → Normalmodell verwenden? → Ergebnis kritisch deuten.

Video laden

YouTube

YouTube sammelt möglicherweise persönliche Daten. Datenschutzrichtlinie

Fortfahren Ausblenden

Lernziele

Nach diesem aiMOOC kannst Du

1. Normalverteilung: die Bedeutung von $\mu$ und $\sigma$ am Graphen erklären.
2. Modellierung: entscheiden, ob ein Normalverteilungsmodell für Mess- oder Produktionsdaten plausibel ist.
3. Standardisierung: Werte mit $z=\frac{x-\mu }{\sigma }$ einordnen.
4. Wahrscheinlichkeit: Flächen unter der Dichtekurve als Wahrscheinlichkeiten interpretieren.
5. Modellkritik: Schiefe, Ausreißer, Grenzen, Teilgruppen und Mehrgipfligkeit als Warnsignale erkennen.
6. Begründen: eine Modellentscheidung nachvollziehbar formulieren.
7. Werkzeuge: Ergebnisse digital erzeugen, aber mathematisch kontrollieren.

Prüfungsbezug Baden-Württemberg

Für den Abiturjahrgang 2027 verweist der Facherlass Mathematik auf den Bildungsplan 2016. Im Leistungsfach gehören der Umgang mit stetigen Zufallsgrößen, die Dichtefunktion der Normalverteilung und die Untersuchung annähernd normalverteilter Situationen zum verbindlichen Kompetenzbereich. Im Basisfach stehen insbesondere das Beschreiben von Erwartungswert, Standardabweichung und Glockenkurve sowie das Untersuchen annähernd normalverteilter Situationen mit digitalen Hilfsmitteln im Mittelpunkt.

Differenzierung:

1. Basisfach: verständige Verfahren, anschauliche Argumentation, Interpretation von $\mu$ und $\sigma$, Wahrscheinlichkeiten mit geeignetem digitalen Hilfsmittel, begründete Modellkritik.
2. Leistungsfach: zusätzlich stärkere Formalisierung, Dichtefunktion, Flächenintegral, Standardisierung und vertiefte Begründung von Modellannahmen.

Prüfungshinweis: Übungswerkzeuge wie GeoGebra oder Online-Rechner sind nicht automatisch zugelassene Prüfungshilfsmittel. Für Deinen Prüfungsjahrgang gelten ausschließlich der aktuelle Facherlass und die dort genannten Hilfsmittel. Für das Leistungsfach 2027 sieht der Facherlass eine schriftliche Prüfungszeit von 300 Minuten vor; der erste Prüfungsteil wird ohne Hilfsmittel bearbeitet, danach stehen die zugelassenen Hilfsmittel nach den dort geregelten Bedingungen zur Verfügung.

Aktuelle Abiturinformationen Baden-Württemberg

Bildungsplan Mathematik Leistungsfach – Daten und Zufall

Bildungsplan Mathematik Basisfach – Daten und Zufall

Vorwissen-Check

1. Was verändert sich, wenn $\mu$ größer wird?

Die Glockenkurve verschiebt sich nach rechts.

2. Was verändert sich, wenn $\sigma$ größer wird?

Die Kurve wird breiter und flacher.

3. Was bedeutet $P(a\le X\le b)$?

Die Wahrscheinlichkeit entspricht der Fläche unter der Dichtekurve zwischen $a$ und $b$.

4. Kann eine stetige normalverteilte Zufallsgröße mit positiver Wahrscheinlichkeit exakt einen einzelnen Wert annehmen?

Nein:

$P(X=x)=0$.

Dynamisches Modell: Lage und Streuung

Verändere im Applet $\mu$ und $\sigma$. Beobachte nicht nur die Form, sondern formuliere jeweils eine mathematische Aussage.

Denkauftrag:

1. Erhöhe nur $\mu$. Was bleibt gleich?
2. Verdopple nur $\sigma$. Was geschieht mit Höhe und Breite?
3. Begründe, warum die Gesamtfläche trotzdem $1$ bleibt.

Mathematisches Modell

Basisfach: verständige Beschreibung

Ein Normalverteilungsmodell ist durch $\mu$ und $\sigma$ bestimmt.

Merke:

$\mu$ verschiebt die Kurve.

$\sigma$ verändert die Streuung.

Eine kleine Standardabweichung bedeutet eine starke Konzentration um $\mu$.

Leistungsfach: Dichtefunktion

Für $\sigma >0$ lautet die Dichtefunktion

$f(x)=\frac{1}{\sigma \sqrt{2\pi }}\cdot e^{-\frac{(x-\mu {)}^2}{2{\sigma }^2}}$.

Wahrscheinlichkeiten sind Flächen:

$P(a\le X\le b)={\int }_a^{b}f(x)dx$.

Die Standardisierung lautet

$Z=\frac{X-\mu }{\sigma }$

mit

$Z\sim 𝒩(0,1)$.

Die 68-95-99,7-Regel als Plausibilitätscheck

Für eine ideale Normalverteilung liegen ungefähr

$\mathrm{68,3}\mathrm{\%}$ in $[\mu -\sigma ,\mu +\sigma ]$,

$\mathrm{95,4}\mathrm{\%}$ in $[\mu -2\sigma ,\mu +2\sigma ]$,

$\mathrm{99,7}\mathrm{\%}$ in $[\mu -3\sigma ,\mu +3\sigma ]$.

Wichtig: Bei realen Stichproben werden diese Prozentwerte fast nie exakt erreicht. Sie sind ein Orientierungsmuster, kein Beweis für Normalverteilung.

Wann ist ein Normalverteilungsmodell plausibel?

Prüfe möglichst mehrere Hinweise gleichzeitig.

1. Stetigkeit: Das Merkmal kann sinnvoll als kontinuierliche Größe modelliert werden.
2. Symmetrie: Die Verteilung ist näherungsweise symmetrisch.
3. Ein Gipfel: Es gibt keinen deutlichen zweiten Gipfel.
4. Ausreißer: Es treten keine systematischen extremen Abweichungen auf.
5. Streuung: Die Streuung wirkt auf beiden Seiten des Mittelwerts ähnlich.
6. Grenzen: Natürliche oder technische Grenzen schneiden die Glockenkurve nicht in einem wichtigen Bereich ab.
7. Teilgruppen: Mehrere Maschinen, Chargen oder Betriebszustände werden nicht unkritisch zusammengeworfen.
8. Zweck: Die verbleibenden Abweichungen sind für die konkrete Fragestellung klein genug.

Eine gute Abiturbegründung lautet nicht: „Das Histogramm sieht glockenförmig aus.“

Besser: „Die Werte sind annähernd symmetrisch um einen zentralen Bereich verteilt, es ist kein zweiter Gipfel erkennbar und die technischen Grenzen liegen weit vom Mittelwert entfernt. Daher ist eine Normalverteilung als Näherungsmodell für diese Fragestellung plausibel.“

Interaktives Beispiel 1: Füllmenge

Eine Produktionsanlage füllt Packungen ab. Als mathematisches Modell werde angenommen:

$X\sim 𝒩(500,4^2)$.

Gesucht ist

$P(496\le X\le 504)$.

Visueller Rechenweg

Schritt 1: Standardisieren

$z_1=\frac{496-500}{4}=-1$

$z_2=\frac{504-500}{4}=1$

Schritt 2: Intervall erkennen

$P(496\le X\le 504)=P(-1\le Z\le 1)$

Schritt 3: Fläche bestimmen

$P(-1\le Z\le 1)\approx \mathrm{0,6827}$.

Also liegen im Modell etwa

$\mathrm{68,27}\mathrm{\%}$

der Füllmengen im Intervall.

Video laden

YouTube

YouTube sammelt möglicherweise persönliche Daten. Datenschutzrichtlinie

Fortfahren Ausblenden

Modellkritik zum Beispiel

Das Rechenergebnis ist nur so brauchbar wie die Modellannahme. Prüfe zusätzlich:

1. Gibt es eine harte technische Unter- oder Obergrenze nahe $500$?
2. Wurden verschiedene Anlagen zusammengefasst?
3. Gibt es Schiefe oder auffällige Ausreißer?
4. Bleiben $\mu$ und $\sigma$ über den betrachteten Produktionszeitraum ungefähr stabil?

Interaktives Beispiel 2: Schiefe Produktionszeiten

Beispieldaten in Minuten:

$8,9,9,10,10,10,11,11,12,18$

Die meisten Werte liegen zwischen $8$ und $12$, ein Wert liegt deutlich weiter rechts.

Beurteilung: Eine symmetrische Normalverteilung ist hier als Modell eher unplausibel. Die Daten zeigen eine deutliche Rechtsschiefe.

Typischer Fehler: Nur Mittelwert und Standardabweichung berechnen und daraus automatisch auf Normalverteilung schließen.

Interaktives Beispiel 3: Zwei Maschinen

Maschine A produziert Durchmesser um

$\mathrm{10,00}\mathrm{m}\mathrm{m}$,

Maschine B um

$\mathrm{10,20}\mathrm{m}\mathrm{m}$.

Werden beide Produktionslinien ungeprüft zusammengefasst, kann ein zweigipfliges Histogramm entstehen.

Zwei Teilgruppen bedeuten nicht automatisch eine einzige Normalverteilung.

Modellentscheidung: Prüfe zuerst die beiden Maschinen getrennt. Für jede Teilgruppe kann ein eigenes Normalmodell plausibel sein, obwohl ein gemeinsames Normalmodell ungeeignet ist.

Stichprobe und Modell vergleichen

Eine endliche Stichprobe sieht niemals exakt wie eine theoretische Dichtekurve aus.

Deshalb gilt:

Eine Abweichung ist nicht automatisch ein Modellfehler.

Eine ungefähre Glockenform ist aber ebenso wenig ein Beweis für Normalverteilung.

Erweiterung Leistungsfach: Dichte, Standardisierung und Fläche

Das folgende Applet verbindet Originalskala und standardisierte Skala.

Auftrag: Wähle ein $\mu$ und ein $\sigma$. Verschiebe einen Messwert $x$ und kontrolliere gleichzeitig

$z=\frac{x-\mu }{\sigma }$.

Erkläre anschließend, warum zwei unterschiedliche Messskalen denselben $z$-Wert besitzen können.

Übungen mit Hilfen und Feedback

Übung 1: Symmetrische Messdaten

Eine Messreihe besitzt ungefähr gleich lange linke und rechte Ausläufer, einen deutlichen zentralen Gipfel und keine auffälligen Ausreißer.

Aufgabe: Formuliere zwei Argumente dafür, dass ein Normalmodell als Näherung plausibel sein könnte.

Hilfe: Unterscheide Formmerkmale und Modellzweck.

Feedback: Geeignete Argumente sind zum Beispiel ungefähre Symmetrie, ein einzelner Gipfel und keine starken Ausreißer. Ein endgültiger Beweis ist das nicht.

Übung 2: Natürliche Grenze

Eine Produktionsgröße kann niemals negativ sein. Der geschätzte Mittelwert beträgt

$\mu =3$

und die geschätzte Standardabweichung

$\sigma =2$.

Aufgabe: Erkläre, warum ein uneingeschränktes Normalmodell kritisch geprüft werden muss.

Hilfe: Betrachte $\mu -2\sigma$.

Feedback: Es gilt $\mu -2\sigma =-1$. Das Normalmodell ordnet damit einem sachlich unmöglichen Bereich eine nicht vernachlässigbare Wahrscheinlichkeit zu.

Übung 3: Zwei Chargen

Zwei Produktionschargen haben unterschiedliche Mittelwerte, werden aber gemeinsam ausgewertet.

Aufgabe: Begründe, warum ein gemeinsames Normalmodell problematisch sein kann.

Hilfe: Denke an Mehrgipfligkeit.

Feedback: Das Zusammenführen unterschiedlicher Teilpopulationen kann eine Mischverteilung erzeugen. Die Einzelchargen sollten zunächst getrennt untersucht werden.

Fehleranalyse

Fehler 1: „Mittelwert und Standardabweichung sind bekannt, also ist die Verteilung normal.“

Korrektur: $\mu$ und $\sigma$ beschreiben auch viele nicht normalverteilte Datensätze.

Fehler 2: „Ein Histogramm ist ungefähr glockenförmig, also ist das Modell bewiesen.“

Korrektur: Ein Histogramm hängt von Stichprobengröße und Klasseneinteilung ab.

Fehler 3: „Jede Abweichung von der Glockenkurve widerlegt das Modell.“

Korrektur: Stichproben schwanken zufällig. Entscheidend ist, ob die Abweichung für den Modellzweck relevant ist.

Fehler 4: „Ein digitaler Rechner liefert eine Zahl, also ist die Lösung richtig.“

Korrektur: Eingaben, Modellannahmen, Größenordnung und Interpretation müssen geprüft werden.

Fehler 5: „Eine KI hat Normalverteilung erkannt, also kann ich das übernehmen.“

Korrektur: KI-Ausgaben sind zu kontrollieren. Ein plausibles Argument ersetzt keinen mathematischen Nachweis; ein KI-Text ersetzt keinen Beweis.

Selbstkontrolle: Modell-Ampel

Grün – eher plausibel:

annähernd symmetrisch, ein Gipfel, stabile Bedingungen, keine dominanten Grenzen oder Teilgruppen.

Gelb – genauer prüfen:

kleine Stichprobe, einzelne Ausreißer, leichte Schiefe, unklare Produktionsbedingungen.

Rot – eher ungeeignet:

starke Schiefe, deutliche Mehrgipfligkeit, harte Grenze nahe dem Mittelwert, systematische Ausreißer oder gemischte Teilpopulationen.

Transfer

Vergleiche zwei Situationen:

A: Messabweichungen entstehen durch viele kleine, ungefähr unabhängige Einflüsse.

B: Produktionsdauer besteht aus einer festen Mindestzeit plus seltenen langen Verzögerungen.

Ein Normalmodell ist für A eher plausibel als für B. Bei B erzeugen seltene Verzögerungen typischerweise eine Rechtsschiefe.

Kompetenzcheck

Kannst Du jede Aussage begründen?

1. Ich kann zwischen Datenbeschreibung und Modellannahme unterscheiden.
2. Ich kann erklären, warum $\mu$ und $\sigma$ allein keine Normalverteilung beweisen.
3. Ich kann $z=\frac{x-\mu }{\sigma }$ interpretieren.
4. Ich kann eine Wahrscheinlichkeit als Fläche unter der Dichtekurve deuten.
5. Ich kann Symmetrie, Schiefe, Ausreißer, Grenzen und Mischungen beurteilen.
6. Ich kann eine begründete Entscheidung „plausibel“, „nur eingeschränkt plausibel“ oder „nicht plausibel“ formulieren.
7. Ich kann digitale oder KI-erzeugte Ergebnisse rechnerisch und inhaltlich überprüfen.

Reflexion

Beantworte in drei Sätzen:

1. Welche Eigenschaft eines Datensatzes ist für Dich das stärkste Warnsignal gegen ein Normalmodell?
2. Wann würdest Du trotz kleiner Abweichungen an einem Normalmodell festhalten?
3. Welche zusätzliche Information über den Produktionsprozess könnte Deine Modellentscheidung verändern?

Folgekurs

Als nächster Schritt eignen sich

1. Normalverteilung - Wahrscheinlichkeiten berechnen
2. Standardisierung und z-Werte
3. Binomialverteilung und Normalapproximation
4. Konfidenzintervall
5. Hypothesentest
6. Stochastische Modellierung im Abitur

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Welches Merkmal unterstützt die Plausibilität eines Normalmodells? (Eine annähernd symmetrische eingipflige Verteilung) (!Eine stark rechtsschiefe Verteilung) (!Zwei deutlich getrennte Gipfel) (!Eine harte Grenze direkt am Mittelwert)

Was beschreibt der Parameter sigma bei einer Normalverteilung? (Die Streuung) (!Den Median allein) (!Die Stichprobengröße) (!Die Anzahl der Klassen im Histogramm)

Welche Aussage gilt für eine stetige normalverteilte Zufallsgröße? (Die Wahrscheinlichkeit eines einzelnen exakten Werts ist null) (!Jeder Einzelwert hat dieselbe positive Wahrscheinlichkeit) (!Nur ganzzahlige Werte sind möglich) (!Die Gesamtfläche unter der Dichte ist größer als eins)

Was bewirkt ein größerer Wert von mu bei gleichem sigma? (Die Glockenkurve verschiebt sich nach rechts) (!Die Glockenkurve wird schmaler) (!Die Gesamtfläche wird größer) (!Die Verteilung wird diskret)

Was ist ein Warnsignal gegen ein einziges Normalverteilungsmodell? (Eine deutlich zweigipflige Verteilung) (!Ein einzelner zentraler Gipfel) (!Ungefähr gleich lange Ausläufer) (!Ein stabiler Produktionsprozess)

Wozu dient die Standardisierung? (Ein Messwert wird in Standardabweichungen vom Mittelwert ausgedrückt) (!Die Stichprobe wird automatisch normalverteilt) (!Alle Ausreißer werden entfernt) (!Der Mittelwert wird immer auf eins gesetzt)

Welche Aussage zur 68-95-99,7-Regel ist korrekt? (Sie beschreibt ungefähre Flächenanteile einer Normalverteilung) (!Sie beweist bei jeder Stichprobe die Normalverteilung) (!Sie gilt nur für diskrete Zufallsgrößen) (!Sie macht die Prüfung von Modellannahmen überflüssig)

Warum kann das Zusammenfassen zweier Maschinen problematisch sein? (Es kann eine Mischverteilung mit mehreren Gipfeln entstehen) (!Die Standardabweichung wird immer null) (!Die Werte werden automatisch gleich) (!Die Verteilung wird zwingend gleichverteilt)

Was muss bei einem digitalen Ergebnis zusätzlich geprüft werden? (Modellannahmen Eingabe und Interpretation) (!Nur die Farbe des Graphen) (!Nur die Anzahl der Bildschirmseiten) (!Nur die Reihenfolge der Tasten)

Welche Formulierung ist mathematisch angemessen? (Das Normalmodell ist für diesen Zweck als Näherung plausibel) (!Die Glockenform beweist endgültig Normalverteilung) (!Jede Abweichung macht das Modell wertlos) (!Eine KI-Ausgabe ersetzt die Begründung)

Memory

Mittelwert	Lagezentrum
Standardabweichung	Streuungsmaß
Symmetrie	ähnliche Form links und rechts
Mehrgipfligkeit	Hinweis auf Teilgruppen
Standardisierung	Umrechnung in z-Werte
Dichtefunktion	Fläche liefert Wahrscheinlichkeit

Drag and Drop

Ordne die richtigen Begriffe zu.	Thema
Symmetrie	spricht eher für ein Normalmodell
Rechtsschiefe	spricht eher gegen ein symmetrisches Normalmodell
Mehrgipfligkeit	kann auf gemischte Teilgruppen hinweisen
Standardisierung	vergleicht Abstände in Einheiten der Standardabweichung
Randbegrenzung	kann den Wertebereich des Normalmodells sachlich verletzen

Kreuzworträtsel

Symmetrie	Welche Formeigenschaft bedeutet eine ähnliche Verteilung links und rechts vom Zentrum?
Mittelwert	Welcher Lageparameter wird mit mu bezeichnet?
Streuung	Welche Eigenschaft beschreibt sigma?
Glockenkurve	Wie heißt die typische Kurvenform der Normalverteilung?
Histogramm	Welche grafische Darstellung gruppiert Messwerte in Klassen?
Modellkritik	Wie nennt man die systematische Prüfung von Annahmen und Grenzen eines Modells?

Lückentext

Vervollständige den Text.

Eine Normalverteilung wird durch den Mittelwert und die Standardabweichung beschrieben. Die Standardisierung eines Werts erfolgt mit { z=\frac{x-\mu}{\sigma} }. Eine ungefähr symmetrische und eingipflige Verteilung kann ein Normalmodell machen. Deutliche Schiefe oder mehrere Gipfel sind dagegen wichtige . Die Fläche unter einer Dichtekurve entspricht einer . Ein digitales Ergebnis muss immer auch in Bezug auf die geprüft werden.

Offene Aufgaben

Leicht

1. Glockenkurve: Skizziere drei Normalverteilungen mit gleichem $\sigma$, aber unterschiedlichen Mittelwerten, und beschrifte die Verschiebung.
2. Standardabweichung: Erstelle eine Bildfolge, die zeigt, wie sich die Glockenkurve bei wachsendem $\sigma$ verändert.
3. Histogramm: Erfinde kleine anonyme Produktionsmessdaten und zeichne ein Histogramm, das ungefähr symmetrisch ist.
4. Fehleranalyse: Sammle drei typische falsche Aussagen über Normalverteilungen und korrigiere sie.

Standard

1. Modellentscheidung: Erstelle zwei künstliche Messdatensätze, von denen einer für ein Normalmodell plausibel und einer unplausibel ist. Begründe.
2. GeoGebra: Untersuche mit einem dynamischen Modell die Wirkung von $\mu$ und $\sigma$ und dokumentiere vier Beobachtungen.
3. Standardisierung: Entwickle ein eigenes Produktionsbeispiel mit zwei verschiedenen Messskalen und vergleiche passende $z$-Werte.
4. Mischverteilung: Simuliere Messwerte zweier Maschinen mit verschiedenen Mittelwerten und erkläre, warum die Gesamtdaten mehrgipflig werden können.

Schwer

1. Modellkritik: Formuliere einen Entscheidungsbaum zur Frage, ob ein Normalmodell sinnvoll ist, und teste ihn an drei selbst konstruierten Datensätzen.
2. Abituraufgabe: Entwirf eine vollständige Abituraufgabe mit Modellwahl, Wahrscheinlichkeitsrechnung und kritischer Reflexion einschließlich Erwartungshorizont.
3. Basisfach und Leistungsfach: Bearbeite dieselbe Modellierung einmal anschaulich für das Basisfach und einmal formalisiert für das Leistungsfach.
4. KI und Mathematik: Lass eine KI ein künstliches Produktionsbeispiel zur Normalverteilung beurteilen. Prüfe jede mathematische Aussage selbst und dokumentiere gefundene Fehler oder unbegründete Annahmen.

Lernkontrolle

1. Modellvergleich: Zwei Datensätze besitzen denselben Mittelwert und dieselbe Standardabweichung. Einer ist symmetrisch, der andere stark rechtsschief. Erkläre, warum dieselben Kennwerte nicht dieselbe Modellentscheidung erzwingen.
2. Randbedingung: Eine Produktionsgröße kann nicht negativ werden. Untersuche qualitativ, wie die Lage von $\mu$ relativ zu $\sigma$ beeinflusst, ob ein Normalmodell noch sinnvoll sein kann.
3. Mischverteilung: Begründe, warum zwei einzeln ungefähr normalverteilte Maschinen gemeinsam keine normalverteilte Gesamtverteilung ergeben müssen.
4. Modellzweck: Erkläre, warum ein Normalmodell für eine mittlere Wahrscheinlichkeit ausreichend genau, für eine extreme Randwahrscheinlichkeit aber ungeeignet sein kann.
5. Digitale Kontrolle: Ein Rechner liefert $P(X<490)=\mathrm{0,0062}$. Beschreibe mindestens drei unabhängige Prüfungen, mit denen Du kontrollierst, ob dieses Ergebnis sinnvoll ist.
6. Argumentation: Formuliere eine kurze Abiturantwort, in der Du eine normalverteilte Modellierung nicht nur rechnest, sondern ausdrücklich ihre Plausibilität und Grenzen beurteilst.

Lernnachweis

Für einen Lernnachweis solltest Du zeigen können, dass Du

1. $\mu$ und $\sigma$ am Graphen interpretierst,
2. Wahrscheinlichkeiten im Normalmodell korrekt bestimmst,
3. Standardisierung nachvollziehbar verwendest,
4. Datenform und Modellannahmen unterscheidest,
5. Symmetrie, Schiefe, Ausreißer, Grenzen und Mischungen kritisch bewertest,
6. Basisfach-Argumentationen anschaulich und Leistungsfach-Argumentationen bei Bedarf stärker formalisiert darstellen kannst,
7. digitale und KI-erzeugte Ergebnisse mathematisch überprüfst,
8. eine Modellentscheidung fachsprachlich begründest und Grenzen des Modells benennst.

OERs zum Thema

Video laden

YouTube

YouTube sammelt möglicherweise persönliche Daten. Datenschutzrichtlinie

Fortfahren Ausblenden

Video laden

YouTube

YouTube sammelt möglicherweise persönliche Daten. Datenschutzrichtlinie

Fortfahren Ausblenden

Interaktive freie Lernmedien:

1. GeoGebra: Bedeutung von mu und sigma
2. GeoGebra: Wahrscheinlichkeiten der Normalverteilung
3. GeoGebra: Normalverteilung mit veränderbaren Grenzen
4. GeoGebra: Dichtefunktion und z-Skala
5. Wikimedia Commons: Stichprobe und theoretische Normalverteilung
6. Wikimedia Commons: 68-95-99,7-Regel

Verknüpfte Lernbereiche

Normalverteilung Zufallsgröße Erwartungswert Standardabweichung Dichtefunktion Standardisierung Histogramm Stochastische Modellierung Modellkritik