Du begegnest hier klassischen Baumdiagrammen und Wahrscheinlichkeitsverteilungen. Bei der Würfelaufgabe werden zwei spezielle Würfel verwendet, deren Augenzahlen multipliziert werden - das zeigt dir, wie vielfältig Zufallsexperimente sein können.

Ein faires Spiel liegt vor, wenn der Erwartungswert null ist. Das bedeutet: Langfristig gewinnst oder verlierst du nichts. Du musst die Gewinnbeträge so festlegen, dass sich Gewinne und Verluste ausgleichen.

Die Binomialverteilung erkennst du am Term $\binom{10}{2} \cdot 0,3^2 \cdot 0,7^8$. Das beschreibt ein Experiment mit 10 Versuchen, bei dem die Erfolgswahrscheinlichkeit 0,3 beträgt und du genau 2 Erfolge haben willst.

Merke dir: Bei Wahrscheinlichkeitsverteilungen müssen alle Wahrscheinlichkeiten zusammen immer 1 ergeben!

Diese Seite zeigt dir, wie Binomialverteilung in echten Situationen funktioniert. Jonas rät bei einem Test, bei dem jede Frage eine Erfolgswahrscheinlichkeit von $\frac{1}{4}$ hat - typisch für Multiple-Choice mit vier Antwortmöglichkeiten.

Der Erwartungswert einer Binomialverteilung berechnet sich mit $\mu = n \cdot p$. Wenn Jonas erwartungsgemäß 6 Fragen richtig beantwortet und $p = \frac{1}{4}$ ist, dann muss der Test 24 Fragen haben.

Die Histogramme helfen dir visuell zu verstehen, wie sich Wahrscheinlichkeiten verteilen. Du siehst sofort, dass bei wenigen Fragen die Chance, mindestens eine richtig zu beantworten, deutlich unter 80% liegt.

Tipp: Die Standardabweichung bei Binomialverteilung ist $\sigma = \sqrt{n \cdot p \cdot (1-p)}$ - das brauchst du öfter!

Hier lernst du den Unterschied zwischen Einzelwahrscheinlichkeiten $P(X = k)$ und kumulativen Wahrscheinlichkeiten $P(X \leq k)$. Die Tabelle zeigt eine Binomialverteilung mit $n = 4$ und $p = 0,5$ - das ist symmetrisch und besonders übersichtlich.

Kumulative Verteilungen sind Treppenfunktionen, die immer ansteigen und nie fallen. Jeder Schritt nach oben entspricht der Wahrscheinlichkeit für genau diesen Wert.

Die fehlenden Werte in der Tabelle berechnest du mit der Binomialformel: $P(X = k) = \binom{n}{k} \cdot p^k \cdot (1-p)^{n-k}$. Bei symmetrischen Verteilungen sind die Werte am Rand gleich.

Kontrolle: Bei kumulativen Verteilungen muss der letzte Wert immer 1,0 sein!

Das Galton-Brett ist ein perfektes Beispiel für Binomialverteilung in der Realität. Jeder Nagel ist ein Bernoulli-Versuch mit $p = 0,5$ für links oder rechts - die Anzahl der Näpfe bestimmt dabei den Parameter $n$.

Bei Hypothesentests prüfst du, ob eine Behauptung stimmt. Herr Weber vermutet einen Konstruktionsfehler und testet mit 1000 Versuchen auf 5%-Niveau. Das Signifikanzniveau gibt an, wie oft du fälschlicherweise eine korrekte Nullhypothese verwirfst.

Konfidenzintervalle zeigen dir die Unsicherheit deiner Schätzung. Ein schmaleres Intervall bedeutet entweder mehr Daten oder weniger Sicherheit - das eine oder andere musst du "bezahlen".

Wichtig: Beim Fehler zweiter Art akzeptierst du eine falsche Nullhypothese - das ist oft schwerer zu kontrollieren als der Fehler erster Art!

Die Vektorgeometrie zeigt dir, wie aus drei Punkten eine Ebenengleichung entsteht. Du berechnest das Kreuzprodukt zweier Richtungsvektoren, um den Normalenvektor zu finden - daraus folgt die Koordinatenform.

Bei der Lagebeziehung zwischen Gerade und Ebene gibt es drei Möglichkeiten: Schnitt in einem Punkt, Parallelität oder die Gerade liegt in der Ebene. Du setzt die Geradengleichung in die Ebenengleichung ein und schaust, was passiert.

Die Blutgruppen-Aufgabe kombiniert bedingte Wahrscheinlichkeiten mit Binomialverteilung. Bei 200 zufällig ausgewählten Personen ist die Anzahl der B-Träger binomialverteilt mit $n = 200$ und $p = 0,11$.

Merke: Der Abstand Punkt-Ebene berechnet sich mit der Hesse-Form: $d = \frac{|ax_1 + bx_2 + cx_3 + d|}{\sqrt{a^2 + b^2 + c^2}}$

Die 1,5-Standardabweichungen-Regel besagt, dass etwa 87% aller Werte in diesem Bereich um den Erwartungswert liegen. Das ist besonders nützlich bei der Normalapproximation der Binomialverteilung.

Bei den Histogramm-Vergleichen achtest du auf Erwartungswert und Streuung. Für Blutgruppe B mit $p = 0,11$ bei 200 Personen erwartest du $\mu = 22$ Treffer - das Histogramm muss um diesen Wert zentriert sein.

Die Aufgabe nach der Mindestanzahl von Blutspendern ist eine typische Anwendung der inversen Binomialverteilung. Du suchst das kleinste $n$, damit $P(X \geq 20) \geq 0,95$ erfüllt ist.

Faustregel: Je größer $n$ und je näher $p$ an 0,5, desto symmetrischer wird die Binomialverteilung!

Diese Seite zeigt dir einseitige Hypothesentests in der medizinischen Forschung. Die Wissenschaftlerin wählt $H_0: p \geq 0,1$, um zu vermeiden, dass sie fälschlicherweise behauptet, Blutgruppe A schütze vor schweren Verläufen.

Der Fehler erster Art $α-Fehler$ tritt auf, wenn du eine wahre Nullhypothese verwirfst. Hier würde das bedeuten: Du behauptest einen Schutzeffekt, obwohl keiner existiert - das könnte gefährliche Konsequenzen haben.

Mit 85 schweren Verläufen bei 1000 Patienten liegt die beobachtete Rate bei 8,5%. Das ist deutlich unter den erwarteten 10%, aber du musst prüfen, ob dieser Unterschied statistisch signifikant ist.

Ethik-Tipp: In der Medizin ist es oft wichtiger, falsche Hoffnungen zu vermeiden, als mögliche Behandlungen zu übersehen - daher die Wahl der Nullhypothese!

Die Lösungsseite zeigt dir systematische Herangehensweisen. Beim Baumdiagramm führst du alle möglichen Pfade auf und berechnest deren Wahrscheinlichkeiten durch Multiplikation entlang der Äste.

Die Wahrscheinlichkeitsverteilung erstellst du, indem du alle Pfade sammelst, die zum gleichen Ergebnis führen. Bei den speziellen Würfeln können verschiedene Würfelkombinationen das gleiche Produkt erzeugen.

Für ein faires Spiel setzt du den Erwartungswert gleich null und löst nach den unbekannten Gewinnbeträgen auf. Das ist praktische Mathematik - so funktionieren echte Glücksspiele!

Kontroll-Trick: Alle Wahrscheinlichkeiten einer Verteilung müssen sich zu 1 addieren - das ist deine wichtigste Kontrollrechnung!

Hier siehst du, wie du Parameter der Binomialverteilung aus gegebenen Informationen ableitest. Wenn der Erwartungswert 6 beträgt und $p = \frac{1}{4}$ ist, dann folgt $n = 24$ aus der Formel $\mu = n \cdot p$.

Die Histogramm-Analyse zeigt dir praktisch, wie Wahrscheinlichkeiten von der Anzahl der Versuche abhängen. Je mehr Fragen Jonas beantwortet, desto höher wird seine Chance auf mindestens einen Treffer.

Bei der Standardabweichung $\sigma = 3$ mit $p = \frac{1}{4}$ löst du die Gleichung $\sqrt{n \cdot \frac{1}{4} \cdot \frac{3}{4}} = 3$ und erhältst $n = 48$. Das zeigt dir den Zusammenhang zwischen Stichprobengröße und Streuung.

Rechentrick: Quadriere beide Seiten der Gleichung mit der Wurzel - dann löst sich die Wurzel auf und du kannst normal weiterrechnen!

Die Binomialformel in Aktion: $P(X = k) = \binom{n}{k} \cdot p^k \cdot (1-p)^{n-k}$ zeigt dir jeden Rechenschritt. Bei $n = 4$ und $p = 0,5$ sind die Rechnungen besonders übersichtlich, da $0,5^4 = \frac{1}{16}$ konstant ist.

Der Binomialkoeffizient $\binom{4}{1} = 4$ gibt an, auf wie viele Arten du 1 Erfolg aus 4 Versuchen auswählen kannst. Das multiplizierst du mit den entsprechenden Wahrscheinlichkeiten.

Kumulative Verteilungen erkennst du daran, dass sie monoton steigen und bei 1,0 enden. Sie zeigen dir $P(X \leq k)$ statt $P(X = k)$ - das ist der entscheidende Unterschied für die richtige Zuordnung der Abbildungen.

Lern-Tipp: Übe die Binomialformel mit einfachen Werten wie $p = 0,5$ - dann entwickelst du ein Gefühl für die Rechnung!