Zurück zur Lektion

Leitfaden für Lehrer: Binomialverteilung

Lerne, wie du Wahrscheinlichkeiten für wiederholte unabhängige Versuche mit zwei Ergebnissen berechnest.

Lektion präsentierenIn Classroom teilenSchülerseite anzeigen

Diese Lektion im Unterricht nutzen

Kostenlos, keine Schülerkonten nötig.

Mit Schülern teilen

Die Schüler öffnen die Lektion und üben mit sofortigem Feedback.

Arbeitsblatt zum Drucken

Alle Übungsaufgaben auf Papier, mit separatem Lösungsblatt.

Arbeitsblatt Lösungen

Klassenquiz

10 Fragen zu Wahrscheinlichkeitsverteilungen. Die Schüler machen mit einem Namen mit, du siehst alle Ergebnisse.

Für Lehrer

Lernziele
  • Situationen identifizieren, die einer Binomialverteilung folgen
  • Binomialwahrscheinlichkeiten mit der Formel berechnen
  • Binomialwahrscheinlichkeiten in realen Kontexten interpretieren
  • Erwartungswert und Standardabweichung einer Binomialverteilung berechnen
Voraussetzungen
  • • Verständnis grundlegender Wahrscheinlichkeitskonzepte
  • • Kenntnis von Fakultäten und Kombinationen
  • • Vertrautheit mit Potenzen
  • • Einführung in Wahrscheinlichkeitsverteilungen
Diskussionsstarter
  • 1. Kannst du dir eine reale Situation vorstellen, die einer Binomialverteilung folgt? Was sind die Versuche, der Erfolg und die Wahrscheinlichkeit?
  • 2. Warum brauchen wir den Kombinationsterm in der Binomialformel?
  • 3. Ein Basketballspieler sagt, er habe eine Freiwurfquote von 50%. Wenn er 8 von 10 Würfen trifft, beweist das, dass er besser als 50% ist?
  • 4. Wie würdest du die Wahrscheinlichkeit für 'mindestens einen Erfolg' bei 10 Versuchen berechnen?
Häufige Missverständnisse

Jedes Ergebnis sollte eine Wahrscheinlichkeit von 50% haben

Abhilfe: Erkläre, dass 'zwei Ergebnisse' nicht 'gleiche Wahrscheinlichkeit' bedeutet. Eine manipulierte Münze kann P(Kopf) = 0,7 und P(Zahl) = 0,3 haben.

Die Formel gibt die Wahrscheinlichkeit für jede beliebige Folge von k Erfolgen an

Abhilfe: Erkläre, dass pk(1−p)n−kp^k(1-p)^{n-k} für EINE bestimmte Folge ist. Die Kombination (nk)\binom{n}{k} multipliziert dies mit der Anzahl möglicher Anordnungen.

Differenzierungsideen

Für Schüler mit Schwierigkeiten:

  • • Mit einfachen Münzwurf-Beispielen beginnen (p = 0,5)
  • • Eine Schritt-für-Schritt-Berechnungsvorlage bereitstellen
  • • Baumdiagramme für kleine n-Werte verwenden, um alle Ergebnisse zu visualisieren

Für Schüler auf Niveau:

  • • Aufgaben mit verschiedenen p-Werten lösen (nicht nur 0,5)
  • • 'Mindestens'- und 'höchstens'-Wahrscheinlichkeiten berechnen
  • • Verbindung zu realen Kontexten wie Qualitätskontrolle herstellen

Für fortgeschrittene Schüler:

  • • Formeln für Erwartungswert und Varianz herleiten
  • • Binomialverteilung mit Normalapproximation vergleichen
  • • Kumulative Binomialwahrscheinlichkeiten und Tabellen erkunden
Standardausrichtung
  • S-MD.A.1 (CCSS.MATH.CONTENT.HSS.MD.A.1)

    Eine Zufallsvariable für eine interessierende Größe definieren, indem jedem Ereignis ein numerischer Wert zugeordnet wird

  • S-MD.A.3 (CCSS.MATH.CONTENT.HSS.MD.A.3)

    Eine Wahrscheinlichkeitsverteilung für eine Zufallsvariable entwickeln

  • S-CP.A.2 (CCSS.MATH.CONTENT.HSS.CP.A.2)

    Unabhängigkeit und bedingte Wahrscheinlichkeit verstehen

Lektionsressourcen
  • visualBinomialverteilungs-Graph

    Interaktives Balkendiagramm mit Wahrscheinlichkeiten für verschiedene k-Werte

  • activityMünzwurf-Simulator

    Schüler werfen virtuelle Münzen und vergleichen experimentelle mit theoretischen Wahrscheinlichkeiten

  • worksheetReale Binomialprobleme

    Binomialformel auf Qualitätskontrolle, Medizin und Sport anwenden

Lektionsinhalt

Alles, was die Schüler sehen: Definition, Beispiele, typische Fehler, Anwendungen. Zum Öffnen tippen.

Definition

Die Binomialverteilung modelliert die Anzahl der Erfolge in einer festen Anzahl unabhängiger Versuche, wobei jeder Versuch nur zwei mögliche Ergebnisse hat: Erfolg oder Misserfolg.
Die Wahrscheinlichkeit für genau kk Erfolge bei nn Versuchen ist:
P(X=k)=(nk)pk(1−p)n−kP(X = k) = \binom{n}{k} p^k (1-p)^{n-k}
Wobei:
  • nn = Anzahl der Versuche
  • kk = Anzahl der Erfolge
  • pp = Erfolgswahrscheinlichkeit bei jedem Versuch
  • (nk)=n!k!(n−k)!\binom{n}{k} = \frac{n!}{k!(n-k)!} = Anzahl der Möglichkeiten, kk Erfolge aus nn Versuchen zu wählen
Bedingungen für eine Binomialverteilung:
  1. 1.Feste Anzahl von Versuchen (nn)
  2. 2.Jeder Versuch ist unabhängig
  3. 3.Nur zwei Ergebnisse pro Versuch (Erfolg/Misserfolg)
  4. 4.Gleiche Erfolgswahrscheinlichkeit (pp) bei jedem Versuch

Lösungsbeispiele

Du wirfst eine faire Münze 5 Mal. Wie groß ist die Wahrscheinlichkeit, genau 3 Mal Kopf zu werfen?
1

Parameter bestimmen

n=5n = 5 (Würfe), k=3k = 3 (Kopf), p=0,5p = 0,5 (faire Münze) → n=5, k=3, p=0,5
2

Kombination berechnen

(53)=5!3!(5−3)!=5!3!2!=1206×2=10\binom{5}{3} = \frac{5!}{3!(5-3)!} = \frac{5!}{3!2!} = \frac{120}{6 \times 2} = 10 → 10 Möglichkeiten
3

Erfolgswahrscheinlichkeit berechnen

pk=0,53=0,125p^k = 0,5^3 = 0,125
4

Misserfolgswahrscheinlichkeit berechnen

(1−p)n−k=0,52=0,25(1-p)^{n-k} = 0,5^2 = 0,25
5

Alle Teile multiplizieren

P(X=3)=10×0,125×0,25=0,3125P(X=3) = 10 \times 0,125 \times 0,25 = 0,3125 → 0,3125 oder 31,25%

Häufige Fehler

Vergessen, die Kombination (nk)\binom{n}{k} einzubeziehen

Warum es falsch ist: Die Kombination zählt, AUF WIE VIELE ARTEN man kk Erfolge auf nn Versuche verteilen kann. Ohne sie berechnest du nur die Wahrscheinlichkeit für EINE bestimmte Anordnung.

Richtig: Verwende immer die vollständige Formel: P(X=k)=(nk)pk(1−p)n−kP(X=k) = \binom{n}{k} p^k (1-p)^{n-k}

pp sowohl für Erfolg ALS AUCH für Misserfolg verwenden

Warum es falsch ist: Die Misserfolgswahrscheinlichkeit ist 1−p1-p, nicht pp. Wenn Erfolg 0,3 ist, muss Misserfolg 0,7 sein.

Richtig: Verwende pkp^k für Erfolge und (1−p)n−k(1-p)^{n-k} für Misserfolge.

'Mindestens' mit 'genau' verwechseln

Warum es falsch ist: 'Genau 3' bedeutet P(X=3)P(X=3), aber 'mindestens 3' bedeutet P(X≥3)=P(X=3)+P(X=4)+...P(X \geq 3) = P(X=3) + P(X=4) + ...

Richtig: Für 'mindestens' addiere die Wahrscheinlichkeiten aller Werte von dieser Zahl bis nn. Oder nutze das Gegenereignis: P(X≥k)=1−P(X<k)P(X \geq k) = 1 - P(X < k)

Warum es wichtig ist

Die Binomialverteilung begegnet uns überall im echten Leben:
  • Qualitätskontrolle: Wie wahrscheinlich ist es, dass 3 von 100 Produkten fehlerhaft sind?
  • Medizin: Wenn ein Medikament in 80% der Fälle wirkt, wie wahrscheinlich hilft es mindestens 7 von 10 Patienten?
  • Sport: Wie wahrscheinlich trifft ein Basketballspieler genau 6 von 10 Freiwürfen?
  • Genetik: Wenn eine Eigenschaft mit 25% Wahrscheinlichkeit vererbt wird, wie wahrscheinlich erben 2 von 4 Kindern sie?
Das Verständnis der Binomialverteilung hilft dir, Vorhersagen zu treffen und fundierte Entscheidungen bei wiederholten Ja/Nein-Situationen zu treffen.

Anwendungen im echten Leben

Klinische Studien

Pharmaunternehmen verwenden die Binomialverteilung, um die Wirksamkeit von Medikamenten in klinischen Studien zu analysieren.

Beispiel:

Wenn ein neues Medikament eine Erfolgsquote von 75% hat, wird die Wahrscheinlichkeit, dass genau 8 von 10 Patienten eine Verbesserung zeigen, mit der Binomialformel berechnet.

1Probiere es selbst

Ein Impfstoff ist zu 90% wirksam. Du impfst 5 Personen.

Wie groß ist die Wahrscheinlichkeit, dass genau 4 Personen Immunität entwickeln?

Schritt 1: Schreibe den mathematischen Ausdruck

Verwende die Binomialformel mit n=5n=5, k=4k=4, p=0,9p=0,9:

Sportanalyse

Trainer und Analysten nutzen Binomialwahrscheinlichkeiten, um Spielergebnisse und Spielerleistungen vorherzusagen.

Beispiel:

Wenn ein Basketballspieler eine Freiwurfquote von 70% hat, berechnet die Binomialverteilung die Wahrscheinlichkeit, eine bestimmte Anzahl von Würfen zu treffen.

2Probiere es selbst

Ein Fußballspieler verwandelt Elfmeter zu 80%. Er schießt 4 Elfmeter.

Wie groß ist die Wahrscheinlichkeit, dass er genau 3 trifft?

Schritt 1: Schreibe den mathematischen Ausdruck

Wende die Binomialformel an:

Wichtige Erkenntnisse

  • 1Die Binomialverteilung modelliert kk Erfolge bei nn unabhängigen Versuchen mit Erfolgswahrscheinlichkeit pp
  • 2Formel: P(X=k)=(nk)pk(1−p)n−kP(X = k) = \binom{n}{k} p^k (1-p)^{n-k}
  • 3Die Kombination (nk)\binom{n}{k} zählt die Anzahl der Möglichkeiten, die Erfolge anzuordnen
  • 4Bedingungen: festes nn, unabhängige Versuche, zwei Ergebnisse, konstantes pp
  • 5Erwartungswert: μ=np\mu = np und Standardabweichung: σ=np(1−p)\sigma = \sqrt{np(1-p)}

Häufig gestellte Fragen

Wann sollte ich die Binomialverteilung verwenden?

Verwende sie, wenn du eine feste Anzahl unabhängiger Versuche hast, jeder mit nur zwei Ergebnissen (Erfolg/Misserfolg), und die Erfolgswahrscheinlichkeit bei jedem Versuch konstant bleibt.

Was ist der Unterschied zwischen Binomial- und Normalverteilung?

Die Binomialverteilung ist für diskrete Zählungen (ganze Zahlen von Erfolgen), während die Normalverteilung für stetige Daten ist. Allerdings kann die Binomialverteilung bei großem nn und nicht zu extremem pp durch die Normalverteilung approximiert werden.

Wie berechne ich 'mindestens k Erfolge'?

Entweder addiere P(X=k)+P(X=k+1)+...+P(X=n)P(X=k) + P(X=k+1) + ... + P(X=n), oder nutze das Gegenereignis: P(X≥k)=1−P(X<k)=1−[P(X=0)+P(X=1)+...+P(X=k−1)]P(X \geq k) = 1 - P(X < k) = 1 - [P(X=0) + P(X=1) + ... + P(X=k-1)].

Glossar

Binomialverteilung
Eine Wahrscheinlichkeitsverteilung für die Anzahl der Erfolge bei einer festen Anzahl unabhängiger Versuche
Versuch
Ein einzelnes Experiment oder eine Beobachtung mit zwei möglichen Ergebnissen
Bernoulli-Versuch
Ein Experiment mit genau zwei Ergebnissen: Erfolg (Wahrscheinlichkeit pp) oder Misserfolg (Wahrscheinlichkeit 1−p1-p)
Kombination
(nk)\binom{n}{k} gibt die Anzahl der Möglichkeiten an, kk Elemente aus nn Elementen auszuwählen, ohne Berücksichtigung der Reihenfolge
Unabhängige Ereignisse
Ereignisse, bei denen das Ergebnis eines Ereignisses die Wahrscheinlichkeit eines anderen nicht beeinflusst

Formelkarte

Wahrscheinlichkeit

P(X=k)=(nk)pk(1−p)n−kP(X = k) = \binom{n}{k} p^k (1-p)^{n-k}

Wahrscheinlichkeit für genau k Erfolge in n Versuchen

Kombination

(nk)=n!k!(n−k)!\binom{n}{k} = \frac{n!}{k!(n-k)!}

Anzahl der Möglichkeiten, k aus n zu wählen

Erwartungswert

μ=np\mu = np

Erwartete Anzahl von Erfolgen

Varianz

σ2=np(1−p)\sigma^2 = np(1-p)

Streuung der Verteilung

Standardabweichung

σ=np(1−p)\sigma = \sqrt{np(1-p)}

Quadratwurzel der Varianz

Mehr zu diesem Thema

Einführung in Wahrscheinlichkeitsverteilungen

Fortgeschritten25 Min

Binomialwahrscheinlichkeiten

Fortgeschritten25 Min

Diskrete vs stetige Verteilungen

Fortgeschritten25 Min

Erwartungswert

Fortgeschritten25 Min