M7 E - Zufallsexperimente digital simulieren

M7 E - Zufallsexperimente digital simulieren

Mini-Beschreibung: Simuliere Würfel-, Münz- und Glücksradexperimente mit digitalen Werkzeugen. Vergleiche die theoretische Wahrscheinlichkeit mit der relativen Häufigkeit bei kleinen und großen Versuchszahlen und prüfe digitale Ergebnisse kritisch.

Zielgruppe: Klasse 7, Mathematik, Baden-Württemberg, E-Niveau

Video laden

YouTube

YouTube sammelt möglicherweise persönliche Daten. Datenschutzrichtlinie

Fortfahren Ausblenden

Kurzer Einstieg

Eine Münze zeigt bei 20 Würfen vielleicht 13-mal Kopf. Ist deshalb

$P(\text{Kopf})=\frac{13}{20}$

Nein. Bei einer fairen Münze gilt theoretisch

$P(\text{Kopf})=\frac{1}{2}=\mathrm{0,5.}$

Die beobachtete relative Häufigkeit

$h_{20}(\text{Kopf})=\frac{13}{20}=\mathrm{0,65}$

ist ein Versuchsergebnis. Mit großen Versuchszahlen lässt sich untersuchen, wie sich $h_n(A)$ im Vergleich zu $P(A)$ verhält.

Lernziele

Nach diesem aiMOOC kannst Du

1. Zufallsexperimente mit Münze, Würfel und Glücksrad digital modellieren.
2. theoretische Wahrscheinlichkeiten $P(A)$ bestimmen.
3. absolute Häufigkeit $H_n(A)$ und relative Häufigkeit $h_n(A)$ unterscheiden.
4. mit $h_n(A)=\frac{H_n(A)}{n}$ rechnen.
5. große Versuchsreihen in einer Tabellenkalkulation erzeugen und auswerten.
6. Säulen- und Liniendiagramme zur Auswertung nutzen.
7. erklären, warum große Versuchszahlen meist stabilere Schätzwerte liefern.
8. digitale Simulationen kritisch prüfen, begründen und Gegenbeispiele zu falschen Aussagen finden.

Vorwissen-Check

Beantworte zuerst ohne Hilfsmittel.

1. Eine faire Münze hat zwei gleich wahrscheinliche Ergebnisse. Wie groß ist $P(\text{Kopf})$?
2. Ein fairer Würfel hat sechs gleich wahrscheinliche Ergebnisse. Wie groß ist $P(6)$?
3. Bei 50 Würfen fällt 12-mal die Sechs. Bestimme $h_{50}(6)$.
4. Kann eine relative Häufigkeit bei 30 Versuchen genau der theoretischen Wahrscheinlichkeit entsprechen? Begründe.

Lösung einblenden

1. $P(\text{Kopf})=\frac{1}{2}=\mathrm{0,5}$
2. $P(6)=\frac{1}{6}\approx \mathrm{0,1667}$
3. $h_{50}(6)=\frac{12}{50}=\mathrm{0,24}$
4. Ja. Das kann vorkommen, muss aber nicht vorkommen.

Grundidee: Theorie und Simulation

Für ein Ereignis $A$ unterscheiden wir:

Größe	Bedeutung	Beispiel: Sechs beim fairen Würfel
$P(A)$	theoretische Wahrscheinlichkeit	$P(6)=\frac{1}{6}$
$H_n(A)$	absolute Häufigkeit nach $n$ Versuchen	zum Beispiel $H_{100}(6)=19$
$h_n(A)$	relative Häufigkeit	$h_{100}(6)=\frac{19}{100}=\mathrm{0,19}$

Merksatz: Eine Simulation liefert nicht automatisch die theoretische Wahrscheinlichkeit. Sie liefert Daten, aus denen Du eine relative Häufigkeit berechnest.

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

Für große $n$ stabilisieren sich relative Häufigkeiten typischerweise in der Nähe der theoretischen Wahrscheinlichkeit. Sie müssen sich aber nicht nach jedem einzelnen Versuch weiter annähern.

Visuelle Wahrscheinlichkeitsskala

$0\le P(A)\le 1$

$0$	$\mathrm{0,25}$	$\mathrm{0,5}$	$\mathrm{0,75}$	$1$
unmöglich	eher unwahrscheinlich	gleich wahrscheinlich wie nicht	eher wahrscheinlich	sicher

Denkfrage: Wo liegen $P(6)=\frac{1}{6}$, $P(\text{Kopf})=\frac{1}{2}$ und $P(\text{gerade Zahl beim Würfel})=\frac{3}{6}$?

Interaktives Beispiel 1: Würfel

Ein fairer Würfel wird digital simuliert.

Auftrag:

1. Simuliere zuerst $n=20$, dann $n=200$ und schließlich eine deutlich größere Versuchszahl.
2. Beobachte die relative Häufigkeit einer festen Augenzahl.
3. Vergleiche sie mit $\frac{1}{6}$.
4. Beschreibe nicht nur das Ergebnis, sondern die Entwicklung des Diagramms.

Theorie:

$P(1)=P(2)=\dots =P(6)=\frac{1}{6}\approx \mathrm{0,1667}$

Beobachtungshilfe Bei kleinen Versuchszahlen können starke Schwankungen auftreten. Bei größeren Versuchszahlen werden die Schwankungen der relativen Häufigkeit meist kleiner.

Interaktives Beispiel 2: Glücksrad

Das Bild zeigt ein Rad mit vielen Sektoren. Für unser mathematisches Modell verwenden wir zunächst ein einfacheres Glücksrad mit vier gleich großen Feldern.

$\Omega =\{1,2,3,4\}$

Für das Ereignis

$A=\{1,2\}$

gilt

$P(A)=\frac{2}{4}=\frac{1}{2}.$

E-Niveau-Auftrag: Verändere die Versuchszahl. Formuliere eine Vermutung darüber, was bei sehr großen Versuchszahlen passiert, und begründe sie mit Daten und dem mathematischen Modell.

Interaktives Beispiel 3: Münze

Für eine faire Münze gilt:

$\Omega =\{\text{Kopf},\text{Zahl}\}$

$P(\text{Kopf})=\frac{1}{2}.$

Simuliere nacheinander $20$, $200$ und $2000$ Würfe. Notiere jeweils $H_n(\text{Kopf})$ und berechne

$h_n(\text{Kopf})=\frac{H_n(\text{Kopf})}{n}.$

Digitale Simulation mit Tabellenkalkulation

Du kannst Excel, LibreOffice Calc oder eine vergleichbare Tabellenkalkulation verwenden.

Video laden

YouTube

YouTube sammelt möglicherweise persönliche Daten. Datenschutzrichtlinie

Fortfahren Ausblenden

Würfel mit Zufallszahlen

In Zelle A2:

=ZUFALLSBEREICH(1;6)

Kopiere die Formel nach unten, zum Beispiel bis A10001. Dadurch erhältst Du bis zu $10000$ simulierte Würfe.

In C2 bis C7 stehen die Augenzahlen 1 bis 6.

In D2:

=ZÄHLENWENN($A$2:$A$10001;C2)

In E2:

=D2/ANZAHL($A$2:$A$10001)

Kopiere D2 und E2 nach unten.

Augenzahl	absolute Häufigkeit	relative Häufigkeit	theoretisch
1	$H_n(1)$	$h_n(1)$	$\frac{1}{6}$
2	$H_n(2)$	$h_n(2)$	$\frac{1}{6}$
3	$H_n(3)$	$h_n(3)$	$\frac{1}{6}$
4	$H_n(4)$	$h_n(4)$	$\frac{1}{6}$
5	$H_n(5)$	$h_n(5)$	$\frac{1}{6}$
6	$H_n(6)$	$h_n(6)$	$\frac{1}{6}$

Diagramm-Auftrag: Erstelle aus den Spalten „Augenzahl“ und „relative Häufigkeit“ ein Säulendiagramm. Ergänze eine Vergleichsreihe mit $\frac{1}{6}$.

Münze mit Zufallszahlen

Verwende

=ZUFALLSBEREICH(0;1)

und lege fest:

$0=\text{Zahl},1=\text{Kopf}.$

Für Kopf kannst Du zählen:

=ZÄHLENWENN(A2:A10001;1)

Danach:

$h_n(\text{Kopf})=\frac{H_n(\text{Kopf})}{n}.$

Großversuch vergleichen

Eine mögliche Simulation für „Sechs“ könnte so aussehen:

Versuchszahl $n$	Treffer $H_n(6)$	$h_n(6)$	Abstand zu $\frac{1}{6}$
20	3	$\mathrm{0,15}$	etwa $\mathrm{0,0167}$
200	34	$\mathrm{0,17}$	etwa $\mathrm{0,0033}$
2000	330	$\mathrm{0,165}$	etwa $\mathrm{0,0017}$
10000	1673	$\mathrm{0,1673}$	etwa $\mathrm{0,0006}$

Wichtig: Das ist nur eine mögliche Versuchsreihe. Eine neue Simulation liefert andere Werte.

Visueller Schritt-für-Schritt-Rechenweg

Beispiel: Bei $n=500$ Würfen fällt $H_{500}(6)=91$-mal die Sechs.

Schritt 1: Formel wählen

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

Schritt 2: Werte einsetzen

$h_{500}(6)=\frac{91}{500}$

Schritt 3: berechnen

$h_{500}(6)=\mathrm{0,182}$

Schritt 4: vergleichen

$P(6)=\frac{1}{6}\approx \mathrm{0,1667}$

Die Simulation liegt um ungefähr

$\mathrm{0,182}-\mathrm{0,1667}=\mathrm{0,0153}$

über dem theoretischen Wert.

Gegenbeispiel: Annäherung ist nicht monoton

Falsche Behauptung: „Nach jedem weiteren Wurf kommt die relative Häufigkeit näher an die Wahrscheinlichkeit.“

Gegenbeispiel für eine faire Münze:

Nach 10 Würfen seien 5-mal Kopf gefallen:

$h_{10}(\text{Kopf})=\frac{5}{10}=\mathrm{0,5.}$

Beim 11. Wurf fällt wieder Kopf:

$h_{11}(\text{Kopf})=\frac{6}{11}\approx \mathrm{0,545.}$

Der Wert ist nun weiter von $\mathrm{0,5}$ entfernt. Große Versuchszahlen führen typischerweise zu einer Stabilisierung, aber nicht zu einer Verbesserung nach jedem einzelnen Schritt.

= Aufgabe 1: Würfel

Ein Würfel wird $600$-mal simuliert. Die Sechs erscheint $108$-mal.

Berechne $h_{600}(6)$ und vergleiche mit $P(6)$.

Hilfe 1

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

Hilfe 2

Setze $H_n(A)=108$ und $n=600$ ein.

Feedback

$h_{600}(6)=\frac{108}{600}=\mathrm{0,18}$.

Der theoretische Wert ist $\frac{1}{6}\approx \mathrm{0,1667}$. Die Simulation liegt etwas darüber.

= Aufgabe 2: Münze

Bei $2500$ digitalen Münzwürfen erscheint Kopf $1241$-mal.

Bestimme die relative Häufigkeit und den Abstand zu $\mathrm{0,5}$.

Hilfe 1

Berechne zuerst $\frac{1241}{2500}$.

Hilfe 2

Für den Abstand verwendest Du den Betrag

$|h_n(A)-P(A)|.$

Feedback

$h_{2500}(\text{Kopf})=\mathrm{0,4964}$

und

$|\mathrm{0,4964}-\mathrm{0,5}|=\mathrm{0,0036.}$

= Aufgabe 3: Glücksrad modellieren

Ein Glücksrad besitzt acht gleich große Felder. Drei Felder sind rot.

1. Bestimme $P(\text{rot})$.
2. Entwickle eine Simulation mit ZUFALLSBEREICH.
3. Formuliere, welche Zahlen für „rot“ stehen.
4. Simuliere mindestens $5000$ Drehungen und vergleiche.

Hilfe

Nutze die Zahlen 1 bis 8. Lege zum Beispiel 1, 2 und 3 als rote Felder fest.

Feedback

Theoretisch gilt

$P(\text{rot})=\frac{3}{8}=\mathrm{0,375.}$

Dein Simulationsergebnis darf davon abweichen.

= Aufgabe 4: E-Niveau – verallgemeinern

Ein fairer Würfel wird sehr oft simuliert. Begründe, warum Du für jede Augenzahl ungefähr denselben relativen Anteil erwartest. Erkläre außerdem, warum „ungefähr gleich“ nicht „immer exakt gleich“ bedeutet.

Hilfe

Verbinde das Laplace-Modell

$P(k)=\frac{1}{6}$

mit der Idee großer Versuchszahlen.

Feedback

Eine gute Begründung unterscheidet Modell und Daten: Im Modell sind die sechs Ergebnisse gleich wahrscheinlich. In einer endlichen Simulation entstehen zufällige Schwankungen. Bei großen Versuchszahlen liegen die relativen Häufigkeiten typischerweise näher bei $\frac{1}{6}$.

Diagramme lesen und kritisch prüfen

Ein Diagramm kann korrekt gerechnet und trotzdem irreführend gestaltet sein.

Prüfe:

1. Beginnt die Achse sinnvoll?
2. Ist die Versuchszahl angegeben?
3. Werden absolute und relative Häufigkeiten verwechselt?
4. Ist der theoretische Vergleichswert eingezeichnet?
5. Wurde nur eine einzige Simulation gezeigt?
6. Ändert sich die Simulation bei jeder Neuberechnung?

Digitale Regel: Zufallsfunktionen werden häufig bei einer Neuberechnung neu ausgeführt. Wenn Du Ergebnisse vergleichen oder dokumentieren willst, sichere die erzeugten Werte als feste Werte.

Typische Fehler

Fehler	Warum problematisch?	Korrektur
$P(A)$ und $h_n(A)$ werden gleichgesetzt.	Theorie und Beobachtung werden verwechselt.	Beide Größen getrennt angeben und vergleichen.
Nur 10 oder 20 Versuche werden als „Beweis“ genutzt.	Kleine Stichproben schwanken stark.	Größere Versuchszahl verwenden und die Unsicherheit benennen.
Absolute Häufigkeiten verschiedener Versuchszahlen werden direkt verglichen.	Unterschiedliche Gesamtzahlen verzerren den Vergleich.	Relative Häufigkeiten vergleichen.
Ein einzelnes Diagramm wird ungeprüft übernommen.	Darstellung oder Formel kann fehlerhaft sein.	Daten, Achsen und Rechenweg kontrollieren.
Eine KI-Antwort wird als Beweis behandelt.	KI kann Fehler erzeugen.	Rechnung, Modell und Begründung selbst prüfen.

Datenschutz und KI

1. Verwende für Simulationen keine personenbezogenen Daten.
2. Teile keine Namen, Kontaktdaten oder andere persönliche Informationen in Tabellen.
3. Prüfe KI-Ausgaben durch eigene Rechnung oder eine unabhängige Quelle.
4. Eine KI-Ausgabe ersetzt keinen mathematischen Beweis.
5. Dokumentiere bei wichtigen Ergebnissen Formel, Versuchszahl und Auswertung.

Selbstkontrolle

Prüfe Dich selbst:

1. Kann ich $H_n(A)$ und $h_n(A)$ unterscheiden?
2. Kann ich $h_n(A)=\frac{H_n(A)}{n}$ anwenden?
3. Kann ich eine faire Münze oder einen fairen Würfel in einer Tabellenkalkulation simulieren?
4. Kann ich ein Diagramm erzeugen und sinnvoll beschriften?
5. Kann ich erklären, warum $h_n(A)$ von $P(A)$ abweichen darf?
6. Kann ich ein Gegenbeispiel zur Behauptung „Jeder neue Versuch verbessert die Annäherung“ geben?

Transfer

Ein digitales Spiel behauptet, ein Gewinn trete mit Wahrscheinlichkeit $\mathrm{0,2}$ auf. In $1000$ Testläufen entstehen $243$ Gewinne.

1. Berechne die relative Häufigkeit.
2. Vergleiche sie mit $\mathrm{0,2}$.
3. Entscheide nicht vorschnell, ob das Spiel unfair ist.
4. Plane eine größere Simulation.
5. Beschreibe, welche zusätzlichen Informationen Du für eine belastbare Beurteilung brauchst.

$h_{1000}(\text{Gewinn})=\frac{243}{1000}=\mathrm{0,243.}$

E-Niveau-Denkfrage: Warum beweist auch eine große Simulation allein nicht, dass der Quellcode des Spiels exakt die behauptete Wahrscheinlichkeit verwendet?

Kompetenzcheck

Kompetenz	sicher	teilweise	noch üben
Ich modelliere Münze, Würfel und Glücksrad digital.	□	□	□
Ich berechne und deute relative Häufigkeiten.	□	□	□
Ich vergleiche Simulation und theoretische Wahrscheinlichkeit.	□	□	□
Ich nutze große Versuchszahlen sinnvoll.	□	□	□
Ich begründe Beobachtungen statt sie nur zu beschreiben.	□	□	□
Ich finde Gegenbeispiele zu falschen Verallgemeinerungen.	□	□	□
Ich prüfe digitale und KI-erzeugte Ergebnisse kritisch.	□	□	□

Reflexion

1. Welche Aussage über große Versuchszahlen kannst Du jetzt genauer formulieren als vorher?
2. Wann war ein Diagramm hilfreicher als eine Zahlentabelle?
3. Welche Formel in der Tabellenkalkulation musstest Du besonders sorgfältig prüfen?
4. Wo liegt der Unterschied zwischen „Simulation stützt eine Vermutung“ und „mathematisch bewiesen“?

Folgekurs

Als nächstes passt:

M7 E - Mehrstufige Zufallsexperimente und Baumdiagramme

Dort untersuchst Du mehrschrittige Zufallsvorgänge und stellst mögliche Pfade systematisch dar.

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Was beschreibt $h_n(A)$? (Die relative Häufigkeit des Ereignisses A nach n Versuchen) (!Die theoretische Wahrscheinlichkeit von A in jedem Modell) (!Die Anzahl aller möglichen Ergebnisse) (!Die absolute Häufigkeit ohne Bezug zur Versuchszahl)

Wie groß ist bei einem fairen Würfel $P(6)$? (Ein Sechstel) (!Ein Fünftel) (!Ein Drittel) (!Ein Halb)

Welche Formel berechnet die relative Häufigkeit? (h gleich absolute Häufigkeit geteilt durch Versuchszahl) (!h gleich Versuchszahl geteilt durch absolute Häufigkeit) (!h gleich absolute Häufigkeit mal Versuchszahl) (!h gleich Wahrscheinlichkeit plus Versuchszahl)

Was ist bei großen Versuchszahlen typischerweise zu beobachten? (Die relative Häufigkeit stabilisiert sich meist in der Nähe der Wahrscheinlichkeit) (!Die relative Häufigkeit ist immer exakt gleich der Wahrscheinlichkeit) (!Jede weitere Wiederholung verkleinert zwingend den Abstand) (!Alle absoluten Häufigkeiten werden gleich)

Welche Tabellenkalkulationsfunktion erzeugt eine ganze Zufallszahl zwischen 1 und 6? (ZUFALLSBEREICH) (!ZÄHLENWENN) (!SUMME) (!MITTELWERT)

Was zählt ZÄHLENWENN in einer Würfelsimulation? (Wie oft ein festgelegtes Ergebnis im Bereich vorkommt) (!Wie viele theoretische Ergebnisse möglich sind) (!Wie groß die Wahrscheinlichkeit automatisch ist) (!Wie viele Diagramme erstellt wurden)

Warum sind relative Häufigkeiten für unterschiedlich große Versuchsreihen besser vergleichbar? (Sie beziehen die Trefferzahl auf die Gesamtzahl der Versuche) (!Sie sind immer ganze Zahlen) (!Sie verändern die theoretische Wahrscheinlichkeit) (!Sie verhindern zufällige Schwankungen)

Welche Aussage ist richtig? (Eine Simulation kann von der theoretischen Wahrscheinlichkeit abweichen) (!Eine Simulation mit 1000 Versuchen ist ein mathematischer Beweis) (!Eine faire Münze liefert bei 100 Würfen zwingend 50-mal Kopf) (!Eine relative Häufigkeit darf größer als 1 sein)

Warum sollte eine KI-Ausgabe zu einer Simulation geprüft werden? (KI kann Rechen- oder Modellierungsfehler erzeugen) (!KI kennt grundsätzlich keine Wahrscheinlichkeiten) (!KI darf keine Zahlen ausgeben) (!KI macht jede Tabellenkalkulation überflüssig)

Was ist ein geeignetes Gegenbeispiel zur Aussage Jede Wiederholung verbessert die Annäherung? (Eine relative Häufigkeit kann nach einem weiteren Versuch kurzfristig weiter vom theoretischen Wert entfernt liegen) (!Ein fairer Würfel besitzt sechs Seiten) (!Eine Münze hat zwei mögliche Seiten) (!Eine Wahrscheinlichkeit liegt zwischen null und eins)

Memory

Theoretische Wahrscheinlichkeit	$P(A)$
Absolute Häufigkeit	$H_n(A)$
Relative Häufigkeit	$h_n(A)$
Große Versuchszahl	stabilere Schätzung
ZUFALLSBEREICH	Zufallszahl in der Tabellenkalkulation
ZÄHLENWENN	Treffer zählen
Säulendiagramm	Verteilung vergleichen

Drag and Drop

Ordne die richtigen Begriffe zu.	Thema
Theoretische Wahrscheinlichkeit	Wert aus dem mathematischen Modell
Absolute Häufigkeit	Anzahl der Treffer
Relative Häufigkeit	Trefferanteil an allen Versuchen
Große Versuchszahl	meist geringere relative Schwankung
Diagramm	visuelle Darstellung der Ergebnisse

Kreuzworträtsel

Würfel	Welcher Zufallsgegenstand besitzt im Standardmodell sechs gleich wahrscheinliche Seiten?
Münze	Welcher Zufallsgegenstand wird oft mit Kopf und Zahl modelliert?
Ereignis	Wie heißt eine Menge von Ergebnissen, die untersucht wird?
Häufigkeit	Welcher Begriff beschreibt, wie oft etwas auftritt?
Diagramm	Wie heißt eine grafische Darstellung von Daten?
Simulation	Wie heißt die digitale Nachbildung vieler Zufallsversuche?

Lückentext

Vervollständige den Text.

Bei einem Zufallsexperiment beschreibt $P(A)$ die eines Ereignisses. Die Anzahl der beobachteten Treffer heißt . Der Anteil der Treffer an allen Versuchen heißt . Sie wird mit $h_n(A)$ bezeichnet und durch die absolute Häufigkeit geteilt durch die berechnet. Bei großen Versuchszahlen stabilisiert sich die relative Häufigkeit typischerweise in der Nähe der . In einer Tabellenkalkulation können mit ZUFALLSBEREICH viele erzeugt werden. Ergebnisse sollten in Tabellen und geprüft werden. Eine digitale Simulation ist kein mathematischer .

Offene Aufgaben

Leicht

1. Münzwurf simulieren: Erzeuge 1000 digitale Münzwürfe und stelle Kopf und Zahl in einem Säulendiagramm dar.
2. Würfelhäufigkeiten: Simuliere 600 Würfe und berechne für jede Augenzahl die relative Häufigkeit.
3. Diagramm prüfen: Erstelle bewusst ein schlecht skaliertes und danach ein korrekt skaliertes Diagramm. Erkläre den Unterschied.
4. Daten dokumentieren: Halte Formel, Versuchszahl und Ergebnis einer Simulation so fest, dass eine andere Person sie nachvollziehen kann.

Standard

1. Glücksrad modellieren: Entwirf ein Glücksrad mit acht gleich großen Feldern und simuliere mindestens 5000 Drehungen.
2. Versuchszahlen vergleichen: Vergleiche $n=20$, $200$, $2000$ und $10000$ in einem Liniendiagramm.
3. Zwei Simulationen vergleichen: Lass zwei unabhängige Versuchsreihen mit gleicher Versuchszahl laufen und erkläre Unterschiede.
4. Fehlersuche Tabellenkalkulation: Baue absichtlich einen falschen Zellbezug ein, finde den Fehler und dokumentiere die Korrektur.

Schwer

1. Gegenbeispiel entwickeln: Widerlege mit einem konkreten Beispiel die Aussage, dass jede neue Wiederholung die relative Häufigkeit näher an $P(A)$ bringt.
2. Unbekanntes Glücksrad: Erhalte nur Simulationsdaten eines unbekannten Glücksrads. Entwickle ein mögliches Modell und begründe, warum mehrere Modelle zu den Daten passen könnten.
3. Fairness untersuchen: Plane eine mehrschrittige Untersuchung, mit der Du prüfen würdest, ob ein digitaler Würfel auffällig von einem fairen Modell abweicht. Formuliere Grenzen Deiner Aussage.
4. KI-Ergebnis auditieren: Lass eine KI einen Rechenweg zu einer Simulation erklären. Prüfe jede mathematische Aussage selbst, markiere Fehler oder unbegründete Schlüsse und verbessere die Begründung.

Lernkontrolle

1. Simulation planen: Plane eine digitale Untersuchung für ein Glücksrad mit ungleich großen Sektoren. Lege Modell, Versuchszahlen, Auswertung und Diagramm fest.
2. Aussage beurteilen: Eine Person behauptet: „Bei 10000 Würfen muss jede Augenzahl fast genau 1667-mal vorkommen.“ Erkläre präzise, was an der Aussage sinnvoll und was zu stark formuliert ist.
3. Darstellungen vergleichen: Entscheide für eine Versuchsreihe, wann Tabelle, Säulendiagramm oder Liniendiagramm die geeignetste Darstellung ist, und begründe.
4. Gegenbeispiel begründen: Entwickle eine Zahlenfolge relativer Häufigkeiten, die zeigt, dass Annäherung an $P(A)$ nicht monoton sein muss.
5. Modellkritik: Eine Simulation liefert über viele Durchgänge auffällige Ergebnisse. Nenne mehrere mögliche Ursachen und beschreibe, wie Du sie untersuchen würdest.
6. Transfer: Erkläre, warum eine große Simulation ein theoretisches Modell stützen kann, aber kein Ersatz für eine mathematische Begründung des Modells ist.

Lernnachweis

Für einen Lernnachweis solltest Du zeigen, dass Du

1. ein Zufallsexperiment mathematisch beschreiben kannst.
2. $P(A)$, $H_n(A)$ und $h_n(A)$ sicher unterscheidest.
3. eine digitale Simulation mit großer Versuchszahl aufbauen kannst.
4. Tabellenkalkulationsformeln nachvollziehbar einsetzt.
5. geeignete Diagramme erstellst und kritisch liest.
6. Simulation und theoretischen Wert rechnerisch vergleichst.
7. Abweichungen und Schwankungen angemessen deutest.
8. eine Verallgemeinerung begründest und falsche Aussagen durch Gegenbeispiele prüfst.
9. digitale Ergebnisse und KI-Aussagen eigenständig kontrollierst.
10. ohne personenbezogene Daten arbeitest.

OERs zum Thema

Freie Bildmedien: Die eingebundenen Wikimedia-Commons-Dateien stehen unter den auf ihren Dateiseiten angegebenen freien Lizenzen beziehungsweise Public-Domain-Freigaben. Prüfe bei einer Weiterverwendung die jeweilige Dateiseite und Lizenzangabe.

Verknüpfte Lernbereiche

Zufallsexperimente digital simulieren Zufallsexperiment Wahrscheinlichkeit Relative Häufigkeit Absolute Häufigkeit Gesetz der großen Zahlen Tabellenkalkulation Säulendiagramm Liniendiagramm Daten kritisch prüfen