ABI - Stochastische Simulationen mit digitalen Werkzeugen durchführen

aiMOOC

ABI - Stochastische Simulationen mit digitalen Werkzeugen durchführen

QR-Code

Einleitung

Mini-Beschreibung: Simuliere Bernoulli-Ketten, Binomial- und Normalverteilungen sowie Testentscheidungen. Vergleiche große Simulationen mit theoretischen Wahrscheinlichkeiten und erkläre zufallsbedingte Schwankungen.

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

Die Animation zeigt eine Kernidee: Einzelne Zufallsergebnisse schwanken stark. Bei vielen Wiederholungen stabilisieren sich relative Häufigkeiten.

Wichtig: Eine Simulation liefert keine exakte Wahrscheinlichkeit, sondern eine zufallsabhängige Näherung.

Lernziele

Nach diesem aiMOOC kannst Du

1. eine Bernoulli-Kette digital simulieren und die Trefferzahl auswerten,
2. simulierte Häufigkeiten mit der Binomialverteilung vergleichen,
3. große Stichproben mit Histogrammen untersuchen,
4. eine Normalverteilung simulieren und Parameterwirkungen erklären,
5. zufallsbedingte Schwankungen mit Stichprobengröße und Streuung begründen,
6. Testentscheidungen simulieren und mit theoretischen Fehlerwahrscheinlichkeiten vergleichen,
7. Ergebnisse eines digitalen Werkzeugs mathematisch prüfen und nachvollziehbar begründen.

Abiturbezug Baden-Württemberg

Stand dieses Kurses: Abitur 2027. Maßgeblich bleibt immer der Facherlass Deines Prüfungsjahrgangs.

Offizielle Informationen des Kultusministeriums Baden-Württemberg

Leistungsfach: Im schriftlichen Abitur 2027 ist Stochastik eines der drei Sachgebiete. Teil A ist ohne Hilfsmittel zu bearbeiten; nach dessen Abgabe stehen für Teil B unter anderem die IQB-Formelsammlung und der eingeführte wissenschaftliche Taschenrechner zur Verfügung.

Basisfach: Stochastik kann im mündlichen Abitur vorkommen. Die mündliche Prüfung ist 2027 hilfsmittelfrei.

Konsequenz für diesen Kurs: GeoGebra, Tabellenkalkulation, Simulationen und Videos helfen beim Lernen. Sie sind nicht automatisch in der Prüfung zugelassen.

Datenschutz: Verwende für Simulationen künstliche oder vollständig anonymisierte Daten. Keine personenbezogenen Daten in öffentliche Werkzeuge eingeben.

KI-Hinweis: KI-Ausgaben können Rechenfehler, falsche Modellannahmen oder unpassende Testentscheidungen enthalten. Prüfe Formeln, Parameter, Randbedingungen und Ergebnisse selbst. Eine KI-Ausgabe ersetzt keinen mathematischen Beweis.

Vorwissen-Check

Beantworte zunächst ohne digitales Werkzeug.

1. Was kennzeichnet einen Bernoulli-Versuch?
2. Wie berechnest Du den Erwartungswert einer Binomialverteilung?
3. Was beschreibt die Standardabweichung?
4. Was unterscheidet relative Häufigkeit und Wahrscheinlichkeit?
5. Was bedeutet eine Testentscheidung gegen $H_0$?

Kurz-Feedback:

1. Ein Bernoulli-Versuch hat zwei festgelegte Ausgänge, meist Treffer und Nichttreffer.
2. Für $X\sim B(n,p)$ gilt $\mu =np$.
3. Die Standardabweichung beschreibt die typische Streuung um den Erwartungswert.
4. Relative Häufigkeit stammt aus Daten oder Simulation; Wahrscheinlichkeit gehört zum Modell.
5. Eine Ablehnung von $H_0$ bedeutet nicht, dass $H_0$ logisch widerlegt ist.

Bernoulli-Ketten digital simulieren

Eine Bernoulli-Kette besteht aus $n$ unabhängigen Wiederholungen mit gleicher Trefferwahrscheinlichkeit $p$.

$X=\text{Anzahl der Treffer}$

$P(X=k)=(\genfrac{}{}{0ex}{}{n}{k})p^k(1-p{)}^{n-k}$

$\mu =np$

$\sigma =\sqrt{np(1-p)}$

Video laden

YouTube

YouTube sammelt möglicherweise persönliche Daten. Datenschutzrichtlinie

Fortfahren Ausblenden

Interaktives Beispiel: Eine Bernoulli-Kette

Parameter:

$n=20,p=\mathrm{0,35},M=10000$

Dabei ist $n$ die Länge einer Bernoulli-Kette und $M$ die Anzahl vollständiger Simulationen.

Werkzeugunabhängiger Simulationsplan:

1. Erzeuge für jeden Versuch eine Zufallszahl $u$ zwischen $0$ und $1$.
2. Zähle einen Treffer, falls $u<p$.
3. Addiere die Treffer in $n=20$ Versuchen.
4. Wiederhole die gesamte Kette $M=10000$ Mal.
5. Zeichne ein Histogramm der beobachteten Trefferzahlen.

In einer Tabellenkalkulation kannst Du einen einzelnen Bernoulli-Versuch zum Beispiel mit =WENN(ZUFALLSZAHL()<0,35;1;0) modellieren.

Theorievergleich für genau sieben Treffer:

$P(X=7)=(\genfrac{}{}{0ex}{}{20}{7})\cdot \mathrm{0,3}{5}^7\cdot \mathrm{0,6}{5}^{13}\approx \mathrm{0,1844}$

Bei $10000$ Simulationen sollte die simulierte relative Häufigkeit in der Nähe dieses Wertes liegen, aber nicht exakt darauf.

Video laden

YouTube

YouTube sammelt möglicherweise persönliche Daten. Datenschutzrichtlinie

Fortfahren Ausblenden

Hilfe: Trenne sauber zwischen $n$ und $M$. Eine Kette hat hier 20 Einzelversuche; das komplette Experiment wird 10000-mal wiederholt.

Feedback: Wenn Dein Histogramm ungefähr die Form der theoretischen Binomialverteilung zeigt, ist das erwartbar. Kleine Abweichungen sind kein Fehler des Modells.

Zufallsbedingte Schwankungen verstehen

Sei $q$ die theoretische Wahrscheinlichkeit eines Ereignisses und $\hat{q}$ seine simulierte relative Häufigkeit nach $M$ Wiederholungen.

$\hat{q}=\frac{S}{M}$

Eine typische Größenordnung der Schwankung ist

${\sigma }_{\hat{q}}=\sqrt{\frac{q(1-q)}{M}}$

Damit gilt: Wird $M$ vervierfacht, halbiert sich die typische Schwankungsbreite ungefähr.

Merksatz: Große Stichproben machen Zufallsschwankungen kleiner, aber niemals vollständig unmöglich.

Experiment: Stichprobengröße vervierfachen

Simuliere dasselbe Ereignis nacheinander mit

$M=100,M=1000,M=10000,M=40000$

Notiere jeweils $\hat{q}$ und den Abstand $|\hat{q}-q|$.

Denkfrage: Warum muss der Abstand nicht bei jeder Vergrößerung von $M$ kleiner werden, obwohl große Stichproben im Mittel stabiler sind?

Feedback: Jede Simulation ist neu zufällig. Der langfristige Trend zu geringeren Schwankungen ist eine statistische Aussage, keine Garantie für jede einzelne Wiederholung.

Binomialverteilung und Simulation vergleichen

Verändere im dynamischen Modell $n$ und $p$. Beobachte dabei:

1. Lage des Histogramms,
2. Breite der Verteilung,
3. Symmetrie oder Schiefe,
4. Unterschiede zwischen Simulation und Theorie.

Basisfach: Beschreibe die beobachtete Veränderung anschaulich und nutze $\mu$ und $\sigma$ zur Begründung.

Leistungsfach: Begründe zusätzlich formal, wie $n$ und $p$ Erwartungswert, Varianz und Form der Verteilung beeinflussen.

Von der Binomial- zur Normalverteilung

Für große geeignete $n$ kann eine Binomialverteilung durch eine Normalverteilung angenähert werden.

$\mu =np$

$\sigma =\sqrt{np(1-p)}$

Visueller Rechenweg:

Schritt	Mathematische Idee
Lage bestimmen	$\mu =np$
Streuung bestimmen	$\sigma =\sqrt{np(1-p)}$
Diskrete Grenze anpassen	Stetigkeitskorrektur mit $\mathrm{0,5}$
Standardisieren	$z=\frac{x-\mu }{\sigma }$
Fläche bestimmen	Standardnormalverteilung verwenden

Für ein Intervall gilt mit Stetigkeitskorrektur näherungsweise:

$P(a\le X\le b)\approx \Phi \left(\frac{b+\mathrm{0,5}-\mu }{\sigma }\right)-\Phi \left(\frac{a-\mathrm{0,5}-\mu }{\sigma }\right)$

Leistungsfach-Vertiefung: Untersuche nicht nur, ob die Näherung funktioniert, sondern auch den Approximationsfehler für verschiedene Werte von $n$ und $p$.

Normalverteilungen simulieren

Eine normalverteilte Zufallsgröße wird durch Erwartungswert $\mu$ und Standardabweichung $\sigma$ beschrieben.

$Y\sim N(\mu ,{\sigma }^2)$

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

Datei:Galton box.webm

Video laden

YouTube

YouTube sammelt möglicherweise persönliche Daten. Datenschutzrichtlinie

Fortfahren Ausblenden

Interaktives Beispiel: Normalverteilung

Simuliere $M=20000$ Werte mit

$\mu =100,\sigma =15$

Erstelle ein Histogramm und vergleiche es mit der theoretischen Glockenkurve.

Für das Intervall einer Standardabweichung um den Mittelwert gilt näherungsweise:

$P(85\le Y\le 115)\approx \mathrm{0,6827}$

Hilfe: Das Histogramm muss nicht perfekt symmetrisch sein. Es ist eine zufällige Stichprobe aus einer symmetrischen Verteilung.

Feedback: Bei wachsendem $M$ nähert sich die Form typischerweise stärker an die theoretische Dichte an. Einzelne Klassen können trotzdem sichtbar schwanken.

Testentscheidungen simulieren

Eine Simulation kann zeigen, wie häufig ein Test unter einer bestimmten Modellannahme zu einer Ablehnung von $H_0$ führt.

Beispiel:

$H_0:p=\mathrm{0,40}$

$n=100$

Ablehnungsbereich:

$X\ge 49$

Theoretisch gilt:

$P_{H_0}(X\ge 49)\approx \mathrm{0,0423}$

Simuliere nun $20000$ vollständige Tests unter $H_0$. Der Anteil der Ablehnungen sollte ungefähr bei $\mathrm{4,2}\mathrm{\%}$ liegen.

Video laden

YouTube

YouTube sammelt möglicherweise persönliche Daten. Datenschutzrichtlinie

Fortfahren Ausblenden

Basisfach: Erkläre, warum eine Ablehnung trotz wahrer Nullhypothese auftreten kann.

Leistungsfach: Simuliere zusätzlich unter $p=\mathrm{0,50}$. Theoretisch liegt die Ablehnungswahrscheinlichkeit dann bei ungefähr

$P(X\ge 49)\approx \mathrm{0,6178}$

und kann als Teststärke für diese konkrete Alternative interpretiert werden.

Fehleranalyse

Fehler 1: $n$ und $M$ werden verwechselt. Korrektur: $n$ gehört zum Modell einer einzelnen Bernoulli-Kette; $M$ ist die Zahl der simulierten Wiederholungen.

Fehler 2: Eine kleine Abweichung zwischen Simulation und Theorie wird als Rechenfehler interpretiert. Korrektur: Zufällige Abweichungen sind erwartbar.

Fehler 3: Eine Simulation ersetzt die theoretische Rechnung. Korrektur: Simulation dient zur Kontrolle, Veranschaulichung und Approximation; exakte Modellwahrscheinlichkeiten bleiben theoretische Größen.

Fehler 4: Bei der Normalapproximation wird die Stetigkeitskorrektur vergessen. Korrektur: Beim Übergang von diskret zu stetig muss die Intervallgrenze bewusst geprüft werden.

Fehler 5: Aus einer Testentscheidung wird absolute Sicherheit abgeleitet. Korrektur: Statistische Tests arbeiten mit festgelegten Fehlerrisiken.

Fehler 6: Ein digitales Werkzeug wird ungeprüft übernommen. Korrektur: Eingaben, Parameter, Verteilungsart und Ergebnis müssen mathematisch plausibel sein.

Selbstkontrolle

Kannst Du alle Aussagen begründen?

1. Bei größerem $M$ werden Simulationsergebnisse typischerweise stabiler.
2. Zwei korrekte Simulationen mit identischen Parametern dürfen unterschiedliche Ergebnisse liefern.
3. Das Histogramm einer großen binomialen Stichprobe kann einer Glockenform ähneln.
4. Eine Testentscheidung enthält immer ein Fehlerrisiko.
5. Ein digitales Ergebnis ist erst dann überzeugend, wenn Modell und Rechenweg geprüft wurden.

Transfer

Ein Online-Dienst behauptet, dass ein bestimmtes Ereignis mit Wahrscheinlichkeit $\mathrm{0,30}$ eintritt. In $200$ beobachteten Fällen tritt es $76$ Mal ein.

1. Formuliere ein geeignetes Binomialmodell.
2. Simuliere die Situation unter $p=\mathrm{0,30}$.
3. Vergleiche die Beobachtung mit der simulierten Verteilung.
4. Formuliere eine vorsichtige statistische Schlussfolgerung.
5. Entscheide, welche zusätzlichen Informationen Du für eine belastbare Modellbewertung brauchst.

Hinweis: Prüfe insbesondere Unabhängigkeit, konstante Trefferwahrscheinlichkeit und mögliche Auswahlverzerrungen.

Kompetenzcheck

Basisfach – Du bist sicher, wenn Du

1. Simulationen korrekt parametrisieren kannst,
2. Diagramme und relative Häufigkeiten verständig deutest,
3. zufällige Schwankungen anschaulich begründest,
4. Testentscheidungen sprachlich korrekt interpretierst.

Leistungsfach – zusätzlich solltest Du

1. Varianz und Standardabweichung formal nutzen,
2. Normalapproximation und Stetigkeitskorrektur begründen,
3. Simulationsfehler quantitativ beurteilen,
4. Teststärke und Fehlerrisiken modellbezogen analysieren,
5. Annahmen eines stochastischen Modells kritisch prüfen.

Reflexion

1. Wann hat Dir eine Simulation mehr Einsicht gegeben als eine Formel?
2. Wo war die Theorie genauer als die Simulation?
3. Welche Diagrammdarstellung hat Dir beim Begründen geholfen?
4. Wie würdest Du erkennen, dass ein digitales Werkzeug falsch eingestellt ist?
5. Welche Aussage darfst Du aus einem einzelnen Simulationsergebnis gerade nicht ableiten?

Folgekurs

Passend weiterlernen kannst Du mit:

1. Hypothesentests vertiefen
2. Fehler 1. Art und Fehler 2. Art
3. Konfidenzintervalle
4. Normalapproximation
5. Zentraler Grenzwertsatz
6. Stochastische Modellierung

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Was wird bei einer Bernoulli-Kette gezählt, wenn X binomialverteilt ist? (Die Anzahl der Treffer) (!Die Anzahl aller möglichen Ergebnisse) (!Nur die Zahl der Fehlversuche) (!Die Standardabweichung)

Welche Formel beschreibt den Erwartungswert einer Binomialverteilung? (mu gleich n mal p) (!mu gleich n plus p) (!mu gleich p geteilt durch n) (!mu gleich n mal eins minus p)

Was geschieht typischerweise mit zufallsbedingten Schwankungen, wenn die Zahl der Simulationen stark steigt? (Sie werden relativ kleiner) (!Sie verschwinden immer vollständig) (!Sie werden zwangsläufig größer) (!Sie ändern sich nie)

Welche Darstellung eignet sich besonders zum Vergleich einer simulierten Trefferzahlverteilung mit der Theorie? (Ein Histogramm) (!Ein Kreis ohne Skala) (!Eine reine Textliste) (!Eine ungeordnete Wortwolke)

Welche Parameter bestimmen eine Normalverteilung? (Erwartungswert und Standardabweichung) (!Median und Stichprobengröße) (!Trefferzahl und Fehlversuche) (!Nur der Erwartungswert)

Warum können zwei korrekte Simulationen mit gleichen Parametern unterschiedliche Resultate liefern? (Weil Zufallszahlen unterschiedliche Stichproben erzeugen) (!Weil die Binomialformel widersprüchlich ist) (!Weil Wahrscheinlichkeiten bei jedem Start wechseln) (!Weil Erwartungswerte nicht definiert sind)

Wozu dient die Stetigkeitskorrektur bei einer Normalapproximation der Binomialverteilung? (Sie berücksichtigt den Übergang von diskret zu stetig) (!Sie macht aus jeder Verteilung eine Gleichverteilung) (!Sie ersetzt die Standardabweichung) (!Sie verdoppelt den Erwartungswert)

Was beschreibt bei einem Test der Ablehnungsbereich? (Ergebnisse, bei denen die Nullhypothese verworfen wird) (!Alle Ergebnisse mit Wahrscheinlichkeit eins) (!Nur den Erwartungswert) (!Die Zahl der Simulationen)

Was ist beim Einsatz einer KI für stochastische Rechnungen notwendig? (Die mathematische Prüfung der Ausgabe) (!Die ungeprüfte Übernahme jeder Zahl) (!Der Verzicht auf Modellannahmen) (!Das Ersetzen aller Begründungen durch KI-Text)

Welche Aussage zu digitalen Übungswerkzeugen im Abitur ist richtig? (Ihre Nutzung im Unterricht bedeutet nicht automatisch Prüfungszulassung) (!Jedes Online-Werkzeug ist im Abitur erlaubt) (!GeoGebra ist immer in jedem Prüfungsteil zugelassen) (!Simulationen ersetzen den Facherlass)

Memory

Bernoulli-Kette	unabhängige Wiederholungen
Binomialverteilung	Trefferzahl
Normalverteilung	Glockenkurve
Simulation	Zufallszahlen
Signifikanzniveau	Fehlerrisiko
Histogramm	Häufigkeitsbild

Drag and Drop

Ordne die richtigen Begriffe zu.	Thema
Große Stichprobe	stabilere relative Häufigkeit
Theorievergleich	Abweichung beurteilen
Stetigkeitskorrektur	diskret und stetig verbinden
Ablehnungsbereich	Testentscheidung
Standardabweichung	typische Streuung

Kreuzworträtsel

Bernoulli	Wie heißt ein Versuch mit genau zwei festgelegten Ausgängen?
Histogramm	Welche Diagrammform zeigt Häufigkeitsklassen als Balken?
Simulation	Wie heißt das digitale Nachbilden eines Zufallsexperiments?
Signifikanz	Welcher Begriff bezeichnet die statistische Bedeutsamkeit einer Testentscheidung?
Streuung	Welcher Begriff beschreibt die Verteilung von Werten um ihre Lage?
Normalverteilung	Welche Verteilung besitzt die typische Glockenkurve?

Lückentext

Vervollständige den Text.

Bei einer Bernoulli-Kette bleibt die Trefferwahrscheinlichkeit konstant. Die Trefferzahl einer Kette kann durch die modelliert werden. Ihr Erwartungswert ist . Bei vielen Simulationswiederholungen stabilisieren sich die . Die typische Schwankung einer simulierten Ereignishäufigkeit nimmt ungefähr mit ab. Eine Normalverteilung wird durch Erwartungswert und bestimmt. Beim Übergang von einer diskreten Binomialverteilung zur stetigen Normalverteilung kann eine nötig sein. Ein statistischer Test teilt mögliche Ergebnisse in Annahme- und ein. Digitale Werkzeuge liefern Ergebnisse, die immer mathematisch werden müssen.

Übungen mit Hilfen und Feedback

Übung 1: Simulation gegen Theorie

Für $X\sim B(20;\mathrm{0,35})$ simulierst Du $M=10000$ Werte.

1. Bestimme die simulierte relative Häufigkeit von $X=7$.
2. Vergleiche mit $P(X=7)\approx \mathrm{0,1844}$.
3. Wiederhole die gesamte Simulation drei Mal.

Hilfe: Vergleiche nicht nur die Zahlen, sondern auch die Größenordnung der Abweichungen.

Feedback: Drei leicht unterschiedliche Resultate sind erwartbar. Eine Simulation ist kein deterministischer Rechenweg.

Übung 2: Vierfaches M

Führe dieselbe Simulation einmal mit $M=2500$ und einmal mit $M=10000$ durch.

Hilfe: Vergleiche die erwartete Schwankungsgröße mit $1/\sqrt{M}$.

Feedback: Durch Vervierfachung von $M$ halbiert sich die typische Schwankungsbreite ungefähr.

Übung 3: Normalapproximation

Für $X\sim B(100;\mathrm{0,40})$ gilt

$\mu =40$

und

$\sigma =\sqrt{24}\approx \mathrm{4,90}$.

Vergleiche die exakte Wahrscheinlichkeit $P(X\ge 49)$ mit einer Normalapproximation.

Hilfe: Verwende als stetige Grenze $\mathrm{48,5}$.

Feedback: Die Approximation liegt nahe am exakten Wert von ungefähr $\mathrm{0,0423}$. Begründe trotzdem, warum es sich nur um eine Näherung handelt.

Übung 4: Test simulieren

Simuliere $20000$ Tests unter $H_0:p=\mathrm{0,40}$ mit $n=100$ und Ablehnung bei $X\ge 49$.

Hilfe: Zähle, in wie vielen der 20000 vollständigen Tests $X\ge 49$ auftritt.

Feedback: Der simulierte Ablehnungsanteil sollte ungefähr beim theoretischen Fehlerrisiko von $\mathrm{4,23}\mathrm{\%}$ liegen.

Offene Aufgaben

Leicht

1. Simulationstagebuch: Führe fünf Simulationen mit identischen Parametern durch und dokumentiere, welche Werte schwanken und welche Modellparameter gleich bleiben.
2. Histogramm-Vergleich: Erzeuge zwei Histogramme mit unterschiedlichem Stichprobenumfang und beschreibe sichtbar werdende Unterschiede.
3. Galtonbrett: Erkläre mit einer eigenen Skizze oder kurzen Animation, warum sich eine Glockenform entwickeln kann.
4. Fehlerdetektiv: Erfinde drei typische Fehlinterpretationen einer Simulation und korrigiere sie.

Standard

1. Bernoulli-Projekt: Entwickle ein eigenes Bernoulli-Experiment mit künstlichen Daten, simuliere mindestens 10000 Ketten und vergleiche Theorie und Simulation.
2. Parameterstudie: Untersuche für festes $n$ mindestens drei verschiedene Werte von $p$ und erkläre die Formänderung der Binomialverteilung.
3. Normalverteilungs-Labor: Verändere $\mu$ und $\sigma$ systematisch und dokumentiere ihre Wirkung auf Lage und Breite der Glockenkurve.
4. Testentscheidung: Konstruiere einen einseitigen Test, simuliere den Ablehnungsanteil unter $H_0$ und vergleiche ihn mit der Theorie.

Schwer

1. Approximationsanalyse: Vergleiche Binomialverteilung und Normalapproximation für verschiedene Parameter und untersuche den Einfluss der Stetigkeitskorrektur.
2. Teststärke: Untersuche simulativ, wie sich die Ablehnungswahrscheinlichkeit eines Tests für mehrere Alternativwerte von $p$ verändert.
3. Modellkritik: Entwickle ein Beispiel, in dem die Bernoulli-Annahmen verletzt sind, und zeige, warum eine formal korrekte Rechnung dann irreführend sein kann.
4. Reproduzierbare Simulation: Erstelle eine dokumentierte digitale Simulation mit Parametern, Diagrammen, Kontrollrechnung und mathematischer Begründung, sodass eine andere Person Dein Ergebnis vollständig nachprüfen kann.

Lernkontrolle

1. Simulation begründen: Zwei Gruppen simulieren dasselbe Ereignis 5000-mal und erhalten 0,287 beziehungsweise 0,304. Die Theorie liefert 0,300. Beurteile beide Ergebnisse ohne vorschnell eines als falsch zu bezeichnen.
2. Stichprobengröße planen: Begründe, warum eine Vervierfachung der Simulationszahl die typische Schwankungsbreite ungefähr halbiert.
3. Modellwahl prüfen: Entscheide für ein selbst gewähltes Beispiel, ob eine Bernoulli-Kette angemessen ist, und begründe Unabhängigkeit sowie konstante Trefferwahrscheinlichkeit.
4. Approximation beurteilen: Erkläre, welche Informationen Du brauchst, bevor Du eine Binomialverteilung durch eine Normalverteilung ersetzt.
5. Testentscheidung deuten: Formuliere eine fachlich korrekte Aussage zu einer Ablehnung von $H_0$, ohne daraus absolute Sicherheit abzuleiten.
6. Werkzeugkritik: Ein digitales Tool liefert ein Ergebnis, das deutlich von einer Simulation und einer Überschlagsrechnung abweicht. Entwickle einen Prüfplan zur Fehlersuche.

Lernnachweis

Für einen Lernnachweis zu diesem Thema ist wichtig, dass Du

1. ein stochastisches Modell klar formulierst,
2. Parameter und Zufallsgröße korrekt festlegst,
3. eine Simulation reproduzierbar beschreibst,
4. große Stichproben sinnvoll visualisierst,
5. Theorie und Simulation quantitativ vergleichst,
6. zufällige Abweichungen fachsprachlich erklärst,
7. Binomial- und Normalverteilung passend einsetzt,
8. Testentscheidungen mit Fehlerrisiken deutest,
9. Rechenwege und Begründungen nachvollziehbar dokumentierst,
10. digitale oder KI-generierte Ergebnisse mathematisch kontrollierst,
11. zwischen Basisfach-Anforderungen und vertiefter Leistungsfach-Argumentation unterscheiden kannst.

Verknüpfte Lernbereiche

Stochastische Simulation Bernoulli-Versuch Bernoulli-Kette Binomialverteilung Erwartungswert Varianz Standardabweichung Gesetz der großen Zahlen Normalverteilung Normalapproximation Stetigkeitskorrektur Hypothesentest Fehler 1. Art Teststärke