ABI BF - Diskrete und stetige Zufallsgrößen unterscheiden

Einleitung

ABI BF - Diskrete und stetige Zufallsgrößen unterscheiden

Mini-Beschreibung: Du unterscheidest diskrete und stetige Zufallsgrößen am Beispiel von Binomialverteilung und Normalverteilung. Dabei vergleichst Du Histogramme mit stetigen Dichtekurven und erklärst, warum bei stetigen Verteilungen einzelne Punktwahrscheinlichkeiten anders behandelt werden.

Der Schwerpunkt liegt auf dem Basisfach Mathematik in der gymnasialen Oberstufe Baden-Württemberg: Zusammenhänge erläutern, verständig rechnen, modellieren und Darstellungen sicher wechseln. Für das Abitur 2027 sind der jeweils gültige Facherlass und die aktuellen Hinweise des Kultusministeriums maßgeblich. Digitale Werkzeuge in diesem aiMOOC dienen dem Lernen; sie sind nicht automatisch in der Prüfung zugelassene Hilfsmittel.

Bildungsplan Baden-Württemberg: Basisfach, Leitidee Daten und Zufall Informationen zum Abitur Baden-Württemberg

Leitfrage: Woran erkennst Du, ob Wahrscheinlichkeiten als einzelne Balken oder als Flächen unter einer Kurve gedacht werden müssen?

Video laden

YouTube

YouTube sammelt möglicherweise persönliche Daten. Datenschutzrichtlinie

Fortfahren Ausblenden

Lernziele

Nach diesem aiMOOC kannst Du

1. Zufallsgrößen als diskret oder stetig einordnen und Deine Entscheidung begründen.
2. eine Binomialverteilung als Beispiel einer diskreten Verteilung lesen und mit $P(X=k)$ rechnen.
3. eine Normalverteilung als Beispiel einer stetigen Verteilung über Dichte und Flächen interpretieren.
4. erklären, warum für eine stetige Zufallsgröße $P(X=x)=0$ gilt.
5. zwischen Wertetabelle, Histogramm, Dichtekurve und sprachlicher Beschreibung wechseln.
6. Ergebnisse mit digitalen Werkzeugen kontrollieren und mathematisch plausibilisieren.

Vorwissen-Check

Bearbeite die vier Kurzfragen zunächst ohne Hilfsmittel.

1. Eine Münze wird zehnmal geworfen. Ist die Anzahl der Köpfe diskret oder stetig?
2. Die Füllmenge einer Flasche wird in Millilitern modelliert. Ist die Zufallsgröße diskret oder stetig?
3. Was bedeutet $P(X=4)$ bei einer binomialverteilten Zufallsgröße?
4. Welche geometrische Bedeutung hat eine Wahrscheinlichkeit bei einer stetigen Dichtekurve?

Kurzfeedback: Wenn Du bei 1 und 2 sicher unterscheiden kannst und bei 3 „einzelner Balken“ sowie bei 4 „Fläche unter der Kurve“ nennen kannst, besitzt Du das zentrale Vorwissen.

Grundidee: zwei Arten von Zufallsgrößen

Eine Zufallsgröße ordnet jedem Ergebnis eines Zufallsvorgangs eine Zahl zu.

Diskret bedeutet: Die möglichen Werte sind einzeln aufzählbar, zum Beispiel $0,1,2,\dots ,10$ Treffer in zehn Versuchen.

Stetig bedeutet: In einem Bereich sind prinzipiell beliebig viele Zwischenwerte möglich, zum Beispiel eine gemessene Länge.

Merkmal	Diskret	Stetig
Typisches Beispiel	Trefferzahl	Messwert
Darstellung	Balken / Histogramm	Dichtekurve
Einzelwert	$P(X=k)$ kann positiv sein	$P(X=x)=0$
Wahrscheinlichkeit	Summe von Balken	Fläche unter der Kurve

Merksatz: Bei einer diskreten Verteilung tragen einzelne Werte Wahrscheinlichkeit. Bei einer stetigen Verteilung tragen Intervalle Wahrscheinlichkeit.

Diskrete Zufallsgröße: Binomialverteilung

Eine binomialverteilte Zufallsgröße zählt Treffer in $n$ unabhängigen Bernoulli-Versuchen mit konstanter Trefferwahrscheinlichkeit $p$.

$X\sim B(n,p)$

Für genau $k$ Treffer gilt:

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

Die Grafik zeigt: Nur einzelne ganzzahlige Trefferzahlen sind möglich. Zwischen zwei benachbarten Trefferzahlen gibt es keinen zulässigen Wert.

Interaktives Beispiel: einzelne Balken

Eine Person trifft bei einem Spiel mit Wahrscheinlichkeit $p=\mathrm{0,3}$. Es wird $n=10$ Mal unabhängig gespielt. $X$ zählt die Treffer.

Gesucht: $P(X=4)$.

Schritt 1 – Modell:

$X\sim B(10,\mathrm{0,3})$

Schritt 2 – Formel:

$P(X=4)=(\genfrac{}{}{0ex}{}{10}{4})\cdot \mathrm{0,}{3}^4\cdot \mathrm{0,}{7}^6$

Schritt 3 – Ergebnis:

$P(X=4)\approx \mathrm{0,2001}$

Deutung: Der einzelne Balken bei $k=4$ besitzt eine positive Wahrscheinlichkeit von etwa $\mathrm{20,0}\mathrm{\%}$.

Hilfe: Prüfe zuerst, ob wirklich eine Trefferzahl gezählt wird. Dann ist die Zufallsgröße diskret.

Feedback: Wenn Dein Ergebnis zwischen 0 und 1 liegt und zum sichtbaren Balken passt, ist die Größenordnung plausibel.

Stetige Zufallsgröße: Normalverteilung

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

$X\sim N(\mu ,\sigma )$

Die Dichtefunktion lautet

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

Der Wert $f(x)$ ist keine Punktwahrscheinlichkeit. Wahrscheinlichkeiten entstehen aus Flächen unter der Dichtekurve:

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

Im Basisfach wird die Wahrscheinlichkeit einer normalverteilten Zufallsgröße gemäß Bildungsplan mit einem geeigneten digitalen Hilfsmittel berechnet; der Zusammenhang mit der Fläche bleibt dabei zentral.

Warum gilt bei stetigen Verteilungen P(X=x)=0?

Ein einzelner Punkt besitzt auf der Zahlengeraden keine Breite. Deshalb hat die Fläche unter der Dichtekurve über genau einem Punkt den Flächeninhalt null:

$P(X=x)=0$

Das bedeutet nicht, dass der Wert $x$ „unmöglich“ wäre. Es bedeutet: In einem stetigen Modell wird Wahrscheinlichkeit nicht einzelnen Punkten, sondern Intervallen zugeordnet.

Beispiel: Eine Länge wird stetig modelliert. Dann ist

$P(X=100)=0$,

aber ein Messintervall wie

$P(\mathrm{99,5}\le X<\mathrm{100,5})$

kann eine positive Wahrscheinlichkeit besitzen.

Prüfungsfalle: Ein abgelesener oder gerundeter Messwert „100“ steht in realen Daten oft für ein kleines Intervall um 100. Modell und Messgenauigkeit müssen auseinandergehalten werden.

Visuelle Fläche statt Punkt

Bei der Dichtekurve ist die Fläche entscheidend. Eine hohe Kurve an einer Stelle bedeutet hohe Dichte, aber nicht $P(X=x)=f(x)$.

Video laden

YouTube

YouTube sammelt möglicherweise persönliche Daten. Datenschutzrichtlinie

Fortfahren Ausblenden

Vom Histogramm zur Dichtekurve

Diskrete und stetige Verteilungen sehen verschieden aus, können aber in bestimmten Situationen eng zusammenhängen. Bei geeigneten Parametern lässt sich eine Binomialverteilung durch eine Normalverteilung annähern.

Visuelle Schrittfolge:

1. Zuerst siehst Du einzelne Balken für ganzzahlige Trefferzahlen.
2. Mit wachsendem $n$ kann das Histogramm feiner und glockenförmiger wirken.
3. Eine stetige Glockenkurve kann die Form näherungsweise beschreiben.
4. Trotzdem bleibt die Binomialverteilung diskret und die Normalverteilung stetig.
5. Beim Wechsel des Modells ändert sich deshalb auch die Interpretation von Einzelwerten und Intervallen.

Dynamisches Modell: Verändere $n$ und $p$ und beobachte Histogramm und Glockenkurve.

Vertiefende Animation: Verschiebe und skaliere das Histogramm und beobachte den Übergang zur Normalform.

Interaktives Beispiel: Normalverteilung

Die Füllmenge einer Maschine werde näherungsweise normalverteilt modelliert:

$X\sim N(500,4)$

Gesucht ist die Wahrscheinlichkeit für eine Füllmenge zwischen $496$ ml und $504$ ml.

Schritt 1 – Intervall erkennen:

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

Schritt 2 – Lage relativ zum Mittelwert:

$496=500-4$ und $504=500+4$.

Das Intervall reicht also von $\mu -\sigma$ bis $\mu +\sigma$.

Schritt 3 – Fläche bestimmen:

Mit einem geeigneten Wahrscheinlichkeitsrechner erhältst Du näherungsweise

$P(496\le X\le 504)\approx \mathrm{0,683}$.

Schritt 4 – Deutung: Im Modell liegen rund $\mathrm{68,3}\mathrm{\%}$ der Füllmengen in diesem Intervall.

Hilfe: Bei stetigen Verteilungen markierst Du zuerst das Intervall auf der x-Achse und denkst dann an die Fläche.

Feedback: Ein Ergebnis von etwa $\mathrm{0,68}$ ist für den Bereich $\mu \pm \sigma$ plausibel.

Fehleranalyse

Fehler 1: „Bei einer Normalverteilung ist $P(X=500)=f(500)$.“

Korrektur: $f(500)$ ist ein Dichtewert. Für eine stetige Zufallsgröße gilt $P(X=500)=0$.

Fehler 2: „Bei einer Binomialverteilung kann $X=\mathrm{3,5}$ Treffer annehmen.“

Korrektur: Eine Trefferzahl ist ganzzahlig. Zwischenwerte wie $\mathrm{3,5}$ sind nicht möglich.

Fehler 3: „Eine hohe Dichte bedeutet eine hohe Wahrscheinlichkeit für genau diesen Punkt.“

Korrektur: Wahrscheinlichkeit entsteht bei stetigen Verteilungen erst über eine Fläche eines Intervalls.

Fehler 4: „Weil eine Normalverteilung die Binomialverteilung annähern kann, sind beide Verteilungen gleich.“

Korrektur: Die eine ist diskret, die andere stetig. Eine Näherung ersetzt nicht die Unterscheidung der Modelle.

Übungen mit Hilfen und Feedback

Übung 1: Einordnen

Ordne jeweils als diskret oder stetig ein.

1. Anzahl defekter Bauteile in einer Stichprobe
2. Wartezeit bis ein Bus kommt
3. Zahl der Tore in einem Spiel
4. Masse eines Pakets

Hilfe: Frage Dich, ob die Werte gezählt oder gemessen werden.

Feedback: Zählgrößen sind hier diskret; Wartezeit und Masse werden stetig modelliert.

Übung 2: Darstellung lesen

Ein Diagramm zeigt Balken nur bei $0,1,2,\dots ,20$. Ein zweites Diagramm zeigt eine glatte Glockenkurve.

Auftrag: Ordne die Darstellungen einer Binomial- bzw. Normalverteilung zu und begründe mit mindestens zwei Merkmalen.

Hilfe: Achte auf zulässige x-Werte und die Bedeutung von Balken bzw. Fläche.

Feedback: Balken an einzelnen ganzzahligen Stellen sprechen für eine diskrete Binomialverteilung; eine glatte Dichtekurve für ein stetiges Normalmodell.

Übung 3: Punkt oder Intervall?

Entscheide, welche Ausdrücke bei einem stetigen Modell positive Wahrscheinlichkeit haben können:

$P(X=12)$

$P(\mathrm{11,9}<X<\mathrm{12,1})$

$P(10\le X\le 15)$

Hilfe: Ein Punkt hat keine Breite.

Feedback: Der Einzelwert besitzt Wahrscheinlichkeit 0; die beiden Intervalle können positive Wahrscheinlichkeit haben.

Übung 4: Modellieren

Eine Maschine produziert Schrauben. Die Länge schwankt um einen Sollwert. Formuliere

1. eine geeignete stetige Zufallsgröße,
2. ein sinnvolles Intervallereignis,
3. eine Erklärung, warum eine Punktwahrscheinlichkeit ungeeignet ist.

Feedback: Eine mögliche Zufallsgröße ist die Schraubenlänge in Millimetern. Ein Ereignis kann „Länge zwischen 39,9 mm und 40,1 mm“ sein.

Selbstkontrolle

Prüfe ohne Nachschlagen, ob Du die folgenden Sätze vervollständigen kannst:

1. Bei einer diskreten Zufallsgröße kann ein einzelner Wert eine ______ Wahrscheinlichkeit besitzen.
2. Bei einer stetigen Zufallsgröße gilt für jeden Einzelwert $x$: ______.
3. Bei einer Binomialverteilung werden ______ gezählt.
4. Bei einer Normalverteilung werden Wahrscheinlichkeiten als ______ unter der Dichtekurve gedeutet.
5. Ein digitales Ergebnis muss auf ______ geprüft werden.

Lösung: positive; $P(X=x)=0$; Treffer; Flächen; Plausibilität.

Transfer

Eine Wetterstation meldet Temperaturen auf eine Nachkommastelle. Die Anzeige wirkt diskret, die zugrunde liegende Temperatur wird aber meist stetig modelliert.

Denkfrage: Wie kann beides gleichzeitig richtig sein?

Antwortidee: Das physikalische Modell ist stetig, die Messung und Anzeige runden auf diskrete Werte. Die Anzeige $\mathrm{20,}{0}^{\circ }\mathrm{C}$ kann deshalb für ein kleines Temperaturintervall stehen.

Kompetenzcheck Basisfach

Du bist prüfungsnah vorbereitet, wenn Du

1. in Worten erklären kannst, warum eine Trefferzahl diskret und eine Messgröße stetig modelliert wird.
2. ein Histogramm und eine Dichtekurve fachsprachlich unterscheiden kannst.
3. $P(X=k)$ bei einer Binomialverteilung als Balkenwahrscheinlichkeit deuten kannst.
4. $P(a\le X\le b)$ bei einer Normalverteilung als Fläche deuten kannst.
5. den Satz $P(X=x)=0$ verständlich erklären kannst, ohne daraus „unmöglich“ zu folgern.
6. einen Rechenweg mit Modellwahl, mathematischem Ausdruck, Werkzeugausgabe und Deutung darstellen kannst.

Hinweis für die mündliche Prüfung: Begründe nicht nur mit „weil es so ist“. Verknüpfe Modell, Darstellung und Bedeutung der Wahrscheinlichkeit.

Reflexion

Beantworte schriftlich:

1. Welche Darstellung hilft Dir stärker beim Unterscheiden: Histogramm oder Dichtekurve? Warum?
2. An welcher Stelle hast Du bisher Punktwahrscheinlichkeit und Dichtewert verwechselt?
3. Welche Formulierung würdest Du in einer mündlichen Prüfung verwenden, um $P(X=x)=0$ zu erklären?
4. Wie kontrollierst Du ein Ergebnis eines Taschenrechners, GeoGebra-Werkzeugs oder einer KI?

KI-Hinweis: KI-Ausgaben können beim Üben helfen, müssen aber mathematisch geprüft werden. Eine KI-Antwort ersetzt keine Begründung und keinen Beweis.

Prüfungsbezug Baden-Württemberg

Der Bildungsplan Mathematik für das Basisfach nennt ausdrücklich das Beschreiben des Unterschieds zwischen diskret und stetig verteilten Zufallsgrößen am Beispiel binomial- und normalverteilter Zufallsgrößen. Ebenso werden der Zusammenhang von Erwartungswert, Standardabweichung und Glockenkurve sowie das Untersuchen annähernd normalverteilter Situationen gefordert.

Für den konkreten Prüfungsjahrgang gelten der aktuelle Facherlass und die veröffentlichten Prüfungshinweise. Vor einer Prüfung ist deshalb zu klären, welche Hilfsmittel tatsächlich zugelassen sind. Ein GeoGebra-Applet, ein Lernvideo oder ein KI-Werkzeug in diesem Kurs ist kein Nachweis der Prüfungszulassung.

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Woran erkennst Du eine diskrete Zufallsgröße? (Ihre möglichen Werte sind einzeln aufzählbar) (!Sie besitzt immer eine Glockenkurve) (!Sie kann nur negative Werte annehmen) (!Jeder Einzelwert hat Wahrscheinlichkeit null)

Welche Verteilung ist ein typisches Beispiel für eine diskrete Zufallsgröße? (Binomialverteilung) (!Normalverteilung) (!Stetige Gleichverteilung) (!Dichtefunktion)

Welche Verteilung ist ein typisches Beispiel für eine stetige Zufallsgröße? (Normalverteilung) (!Binomialverteilung) (!Bernoulliverteilung) (!Trefferzahlverteilung)

Was gilt bei einer stetigen Zufallsgröße für einen einzelnen Wert x? (P von X gleich x ist null) (!P von X gleich x ist immer eins) (!P von X gleich x ist die Höhe der Dichte) (!P von X gleich x ist immer negativ)

Wie wird eine Wahrscheinlichkeit bei einer stetigen Dichtekurve geometrisch interpretiert? (Als Fläche unter der Kurve über einem Intervall) (!Als Höhe eines einzelnen Punktes) (!Als Abstand zweier Balken) (!Als Anzahl der möglichen Werte)

Was beschreibt eine binomialverteilte Zufallsgröße typischerweise? (Die Anzahl der Treffer in mehreren Bernoulli Versuchen) (!Eine beliebig genaue Messlänge) (!Die Fläche unter einer Glockenkurve) (!Nur den größten Messwert)

Welche Darstellung passt besonders gut zu einer Binomialverteilung? (Ein Histogramm mit Balken bei ganzzahligen Werten) (!Eine glatte Kurve ohne einzelne Werte) (!Eine Gerade mit konstanter Steigung) (!Ein Kreisdiagramm ohne Zahlenachse)

Was ist ein Dichtewert bei einer Normalverteilung? (Die Höhe der Dichtekurve an einer Stelle) (!Die Wahrscheinlichkeit eines einzelnen Punktes) (!Die Anzahl der Treffer) (!Immer ein Prozentwert)

Welche Aussage zu einer Normalapproximation einer Binomialverteilung ist richtig? (Die Modelle bleiben trotz ähnlicher Form diskret beziehungsweise stetig) (!Beide Modelle werden dadurch identisch) (!Die Binomialverteilung wird stetig) (!Die Normalverteilung wird diskret)

Was solltest Du bei einem Ergebnis aus einem digitalen Werkzeug tun? (Die Größenordnung und die Modellpassung prüfen) (!Das Ergebnis ungeprüft übernehmen) (!Nur die letzte Ziffer betrachten) (!Auf eine mathematische Begründung verzichten)

Memory

Diskrete Zufallsgröße	Einzelne Werte
Stetige Zufallsgröße	Intervalle
Binomialverteilung	Trefferzahl
Normalverteilung	Glockenkurve
Histogramm	Balken
Dichte	Flächenmodell

Drag and Drop

Ordne die richtigen Begriffe zu.	Thema
Binomialverteilung	diskrete Zufallsgröße
Normalverteilung	stetige Zufallsgröße
Balkenwahrscheinlichkeit	einzelner diskreter Wert
Flächenwahrscheinlichkeit	stetiges Intervall
Messgröße	typisches stetiges Modell

Kreuzworträtsel

diskret	Wie heißt eine Zufallsgröße mit einzeln aufzählbaren möglichen Werten?
stetig	Wie heißt eine Zufallsgröße mit beliebig vielen Zwischenwerten in einem Bereich?
Binomial	Welcher Verteilungstyp modelliert eine Trefferzahl?
Normal	Welcher Verteilungstyp wird durch eine Glockenkurve dargestellt?
Dichte	Wie heißt die Funktion, deren Fläche Intervallwahrscheinlichkeiten liefert?
Intervall	Worüber wird bei stetigen Verteilungen eine positive Wahrscheinlichkeit gebildet?

Lückentext

Vervollständige den Text.

Eine binomialverteilte Zufallsgröße ist . Ihre möglichen Trefferzahlen sind aufzählbar. Eine normalverteilte Zufallsgröße ist . Bei ihr werden Wahrscheinlichkeiten über betrachtet. Die Wahrscheinlichkeit eines einzelnen Punktes ist bei einer stetigen Verteilung . Die Höhe der Glockenkurve ist ein und keine Punktwahrscheinlichkeit. Eine Intervallwahrscheinlichkeit entspricht einer unter der Dichtekurve. Ergebnisse digitaler Werkzeuge müssen auf geprüft werden.

Offene Aufgaben

Leicht

1. Zufallsgröße: Sammle sechs Beispiele aus Alltag, Naturwissenschaft oder Technik und ordne sie als diskret oder stetig ein.
2. Histogramm: Zeichne für eine kleine Binomialverteilung ein Histogramm und markiere einen einzelnen Balken als $P(X=k)$.
3. Normalverteilung: Skizziere eine Glockenkurve und markiere ein Intervall, dessen Fläche eine Wahrscheinlichkeit darstellt.
4. Fehleranalyse: Formuliere mit eigenen Worten, warum $f(x)$ bei einer Dichtefunktion nicht mit $P(X=x)$ gleichgesetzt werden darf.

Standard

1. Modellieren: Entwickle ein Beispiel für eine Trefferzahl und ein Beispiel für eine Messgröße und begründe jeweils die Modellwahl.
2. Darstellungswechsel: Übersetze eine gegebene Wahrscheinlichkeit nacheinander in Alltagssprache, mathematische Schreibweise und eine grafische Markierung.
3. GeoGebra: Verändere in einem dynamischen Modell $n$ und $p$ und dokumentiere drei Beobachtungen zum Histogramm.
4. Erklärvideo: Produziere ein maximal zweiminütiges Lernvideo ohne personenbezogene Daten, in dem Du Punktwahrscheinlichkeit und Intervallwahrscheinlichkeit vergleichst.

Schwer

1. Normalapproximation: Untersuche mit einem dynamischen Modell, wie sich das Histogramm einer Binomialverteilung bei wachsendem $n$ verändert.
2. Messgenauigkeit: Erkläre mathematisch, warum die Anzeige eines gerundeten Messwerts trotz stetigem Grundmodell diskrete Werte zeigt.
3. Mündliche Prüfung: Entwickle eine dreiminütige Erklärung zum Unterschied zwischen Binomial- und Normalverteilung mit mindestens zwei Darstellungen.
4. KI und Mathematik: Lass eine KI eine Erklärung zu $P(X=x)=0$ erzeugen, prüfe jede Aussage fachlich und verbessere ungenaue Formulierungen.

Lernkontrolle

1. Modellvergleich: Zwei Situationen werden beschrieben: Trefferzahl und Messlänge. Entscheide für jede Situation über ein passendes Modell und begründe die Entscheidung über die möglichen Werte.
2. Darstellungsanalyse: Vergleiche ein Histogramm und eine Dichtekurve. Erkläre, welche mathematischen Aussagen direkt ablesbar sind und welche nicht.
3. Fehlerdiagnose: Eine Lösung setzt bei einer Normalverteilung $P(X=80)=f(80)$. Analysiere den Fehler und formuliere eine korrekte Aussage.
4. Transferaufgabe: Eine digitale Waage zeigt nur ganze Gramm an. Erkläre, warum die angezeigten Werte diskret sind, obwohl die Masse stetig modelliert werden kann.
5. Werkzeugkritik: Ein Rechner liefert für eine Intervallwahrscheinlichkeit $\mathrm{1,07}$. Begründe ohne Neuberechnung, warum das Ergebnis nicht stimmen kann.
6. Argumentation: Erkläre, warum eine gute Normalapproximation einer Binomialverteilung die grundsätzliche Unterscheidung „diskret versus stetig“ nicht aufhebt.

Lernnachweis

Für einen Lernnachweis solltest Du zeigen, dass Du

1. diskrete und stetige Zufallsgrößen sicher unterscheiden und begründen kannst.
2. die Binomialverteilung als diskretes und die Normalverteilung als stetiges Modell einordnen kannst.
3. Histogramm und Dichtekurve fachlich korrekt interpretierst.
4. Punktwahrscheinlichkeiten bei diskreten Verteilungen von Intervallwahrscheinlichkeiten bei stetigen Verteilungen unterscheidest.
5. erklären kannst, warum $P(X=x)=0$ bei einer stetigen Zufallsgröße gilt.
6. Rechenwege nachvollziehbar dokumentierst und Ergebnisse im Kontext deutest.
7. digitale Ergebnisse und KI-Ausgaben kritisch auf mathematische Plausibilität prüfst.
8. prüfungsbezogene Hilfsmittel nur nach den für Deinen Jahrgang gültigen Vorgaben einsetzt.

OERs zum Thema

Folgekurs

Als nächster Schritt eignen sich:

1. Normalverteilung - Erwartungswert und Standardabweichung: Verstehe, wie $\mu$ und $\sigma$ die Glockenkurve verändern.
2. Wahrscheinlichkeiten bei der Normalverteilung berechnen: Bestimme Intervallwahrscheinlichkeiten mit einem geeigneten digitalen Hilfsmittel.
3. Binomialverteilung und Normalapproximation: Vergleiche diskrete Histogramme systematisch mit stetigen Dichtekurven.
4. Mathematik-Abitur Baden-Württemberg - Stochastik: Trainiere Argumentation, Modellierung und mündliche Erklärung.

Verknüpfte Lernbereiche

Stochastik Zufallsgröße Binomialverteilung Normalverteilung Histogramm Dichtefunktion Erwartungswert Standardabweichung Wahrscheinlichkeit