Histogramm der Binomialverteilung einfach erklärt

Das Histogramm der Binomialverteilung zeigt auf einen Blick, wie wahrscheinlich jede Trefferanzahl ist. Hier lernst du, Histogramme zuzuordnen und Wahrscheinlichkeiten direkt abzulesen.

📅 Aktualisiert 29. Juni 202625 Min. Lesezeit✍️ Rocket Tutor Redaktion

Das Histogramm der Binomialverteilung ist dein visueller Spickzettel für Wahrscheinlichkeitsaufgaben. Stell dir vor, du spielst ein Online-Game und bekommst eine Lootbox. Die Chance auf einen super-seltenen Skin liegt bei 10 %. Du kaufst 20 Boxen. Wie wahrscheinlich ist es, dass du genau 3 seltene Skins bekommst? Oder gar keinen? Oder mehr als 5? Das alles einzeln auszurechnen, ist mühsam. Ein Histogramm zeigt dir die ganze Story auf einen Blick! Du siehst sofort, welches Ergebnis am wahrscheinlichsten ist und welche fast unmöglich sind. Wenn du Histogramme lesen und zuordnen kannst, hast du eine visuelle Superkraft, um Wahrscheinlichkeitsaufgaben viel schneller und sicherer zu lösen.

Vorwissen

Bevor wir starten, wiederholen wir kurz die Grundlagen der Binomialverteilung:

  • Bernoulli-Kette: Eine Serie von Zufallsexperimenten, bei denen es nur zwei Ausgänge gibt (z. B. Treffer oder Niete). Die Wahrscheinlichkeit ändert sich bei den Wiederholungen nicht.

    • Beispiel: 10-mal eine Münze werfen. Jeder Wurf ist unabhängig und hat die Ausgänge „Kopf" oder „Zahl".
  • Parameter einer Binomialverteilung: Eine Binomialverteilung wird durch drei Werte beschrieben:

    • nn: Die Länge der Bernoulli-Kette (z. B. Anzahl der Würfe).
    • pp: Die Wahrscheinlichkeit für einen Treffer in einem einzigen Versuch.
    • kk: Die genaue Anzahl der Treffer, die wir untersuchen.
  • Formel von Bernoulli (Wahrscheinlichkeit für genau k Treffer):

    • Formel: P(X=k)=B(n;p;k)=(nk)pk(1p)nkP(X=k) = B(n;p;k) = \binom{n}{k} \cdot p^k \cdot (1-p)^{n-k}
    • Beispiel: Die Wahrscheinlichkeit, bei n=3n=3 Würfen mit einem Würfel (p=1/6p=1/6) genau k=2k=2 Sechsen zu würfeln, ist P(X=2)=(32)(16)2(56)10,069P(X=2) = \binom{3}{2} \cdot (\frac{1}{6})^2 \cdot (\frac{5}{6})^1 \approx 0{,}069.

Aufgabentyp 1: Zuordnen von Binomialverteilung und Histogramm

Ein Histogramm einer Binomialverteilung ist eine grafische Darstellung. Es zeigt dir auf einen Blick, wie wahrscheinlich die verschiedenen Anzahlen von Treffern sind.

  • Die x-Achse zeigt die Anzahl der Treffer kk (z. B. 0 Treffer, 1 Treffer, 2 Treffer, …).
  • Die y-Achse zeigt die Wahrscheinlichkeit P(X=k)P(X=k) für genau diese Anzahl an Treffern.

Die Höhe jedes Balkens entspricht also genau der Wahrscheinlichkeit für die jeweilige Trefferanzahl. Um das richtige Histogramm zu einer Aufgabe zu finden, musst du nur überprüfen, ob die Balkenhöhen zu den berechneten Wahrscheinlichkeiten passen.

Ein schneller Trick ist, den Erwartungswert E(X)=npE(X) = n \cdot p zu berechnen. Der höchste Balken des Histogramms befindet sich immer in der Nähe dieses Wertes.

Schritt-für-Schritt-Anleitung

  1. Parameter identifizieren: Lies die Länge der Kette nn und die Trefferwahrscheinlichkeit pp aus der Aufgabenstellung heraus.
  2. Eine Test-Wahrscheinlichkeit berechnen: Berechne die Wahrscheinlichkeit für eine bestimmte Anzahl an Treffern kk. Am einfachsten sind oft k=0k=0 oder k=nk=n. Benutze dafür die Formel von Bernoulli oder den Taschenrechner (z. B. binomialpdf(n, p, k)).
  3. Wahrscheinlichkeiten aus den Histogrammen ablesen: Schau dir alle zur Auswahl stehenden Histogramme an. Finde den Balken für den von dir gewählten kk-Wert und lies seine Höhe (die Wahrscheinlichkeit) auf der y-Achse ab.
  4. Vergleichen und entscheiden: Vergleiche deinen berechneten Wert aus Schritt 2 mit den abgelesenen Werten aus Schritt 3. Das Histogramm, dessen Wert am besten passt, ist die richtige Antwort.

Durchgerechnete Beispiele

Beispiel 1

Aufgabe

Sophia spielt Basketball und wirft 55-mal. Ihre Trefferquote beträgt 70%70\%. Welches der drei Histogramme (Blau, Rot, Grün) passt zu ihrer Wurfserie?

Drei Histogramme zum Basketballwurf-Vergleich
Drei Histogramme zum Basketballwurf-Vergleich
Fortschritt
4 / 4
  1. Schritt 1
    Parameter identifizieren

    Aus dem Text entnehmen wir:

    • Anzahl der Würfe: n=5n=5
    • Trefferwahrscheinlichkeit: p=0,7p=0{,}7
  2. Schritt 2
    Eine Test-Wahrscheinlichkeit berechnen

    Wir berechnen die Wahrscheinlichkeit für genau k=0k=0 Treffer. Das bedeutet, Sophia trifft kein einziges Mal.

    P(X=0)=(50)0,70(10,7)50P(X=0) = \binom{5}{0} \cdot 0{,}7^{0} \cdot (1-0{,}7)^{5-0}

    P(X=0)=110,35P(X=0) = 1 \cdot 1 \cdot 0{,}3^5

    P(X=0)=0,00243P(X=0) = 0{,}00243

    Die Wahrscheinlichkeit für 0 Treffer ist also sehr gering, nur ca. 0,24 %.

  3. Schritt 3
    Wahrscheinlichkeiten aus den Histogrammen ablesen

    Wir schauen uns den Balken bei k=0k=0 in jedem Diagramm an:

    • Blau: Die Höhe ist sehr klein, ca. 0,01.
    • Rot: Die Höhe ist ca. 0,03.
    • Grün: Die Höhe ist ca. 0,17.
  4. Schritt 4 · Ergebnis
    Vergleichen und entscheiden

    Unser berechneter Wert ist 0,002430{,}00243. Der abgelesene Wert des blauen Histogramms (0,01\approx 0{,}01) ist diesem Wert am nächsten. Die anderen sind deutlich zu hoch.

Ergebnis:

Das blaue Histogramm passt zum Sachverhalt.

Beispiel 2

Aufgabe

Bei einem Multiple-Choice-Test gibt es 44 Fragen mit je 4 Antwortmöglichkeiten, von denen nur eine richtig ist. Ein Schüler rät bei allen Fragen. Welches Histogramm stellt die Verteilung der richtigen Antworten dar?

Drei Histogramme zum Multiple-Choice-Raten
Drei Histogramme zum Multiple-Choice-Raten
Fortschritt
4 / 4
  1. Schritt 1
    Parameter identifizieren
    • Anzahl der Fragen (Versuche): n=4n=4
    • Wahrscheinlichkeit, richtig zu raten (1 aus 4): p=1/4=0,25p=1/4 = 0{,}25
  2. Schritt 2
    Eine Test-Wahrscheinlichkeit berechnen

    Wir berechnen die Wahrscheinlichkeit für genau k=0k=0 richtige Antworten.

    P(X=0)=(40)0,250(10,25)40P(X=0) = \binom{4}{0} \cdot 0{,}25^{0} \cdot (1-0{,}25)^{4-0}

    P(X=0)=110,754P(X=0) = 1 \cdot 1 \cdot 0{,}75^4

    P(X=0)=0,3164P(X=0) = 0{,}3164

    Die Wahrscheinlichkeit für 0 Treffer liegt bei ca. 31,6 %.

  3. Schritt 3
    Wahrscheinlichkeiten aus den Histogrammen ablesen

    Wir lesen die Höhe des Balkens bei k=0k=0 ab:

    • Histogramm A: Höhe 0,32\approx 0{,}32
    • Histogramm B: Höhe 0,01\approx 0{,}01
    • Histogramm C: Höhe 0,06\approx 0{,}06
  4. Schritt 4 · Ergebnis
    Vergleichen und entscheiden

    Der berechnete Wert (0,31640{,}3164) passt fast perfekt zum abgelesenen Wert von Histogramm A.

Ergebnis:

Histogramm A ist das richtige.

Beispiel 3

Aufgabe

Ein fairer Würfel wird 66-mal geworfen. Als „Treffer" gilt das Werfen einer 6. Welches Histogramm beschreibt diese Situation?

Drei Histogramme zur Würfel-Binomialverteilung
Drei Histogramme zur Würfel-Binomialverteilung
Fortschritt
4 / 4
  1. Schritt 1
    Parameter identifizieren
    • Anzahl der Würfe: n=6n=6
    • Wahrscheinlichkeit für eine 6: p=1/60,167p=1/6 \approx 0{,}167
  2. Schritt 2
    Eine Test-Wahrscheinlichkeit berechnen

    Wir berechnen die Wahrscheinlichkeit, genau k=0k=0 Sechsen zu werfen.

    P(X=0)=(60)(16)0(116)60P(X=0) = \binom{6}{0} \cdot \left(\frac{1}{6}\right)^{0} \cdot \left(1-\frac{1}{6}\right)^{6-0}

    P(X=0)=11(56)6P(X=0) = 1 \cdot 1 \cdot \left(\frac{5}{6}\right)^6

    P(X=0)0,3349P(X=0) \approx 0{,}3349

    Die Wahrscheinlichkeit für keine einzige 6 liegt bei ca. 33,5 %.

  3. Schritt 3
    Wahrscheinlichkeiten aus den Histogrammen ablesen

    Wir lesen die Höhe des Balkens bei k=0k=0 ab:

    • Histogramm X: Höhe 0,33\approx 0{,}33
    • Histogramm Y: Höhe 0,02\approx 0{,}02
    • Histogramm Z: Höhe 0,03\approx 0{,}03
  4. Schritt 4 · Ergebnis
    Vergleichen und entscheiden

    Der berechnete Wert (0,33490{,}3349) passt sehr gut zum abgelesenen Wert von Histogramm X.

Ergebnis:

Histogramm X ist das richtige.

Beispiel 4

Aufgabe

Eine Maschine produziert Teile, von denen 50%50\% fehlerfrei sind. Es werden 55 Teile zufällig entnommen. Welches Histogramm zeigt die Verteilung der fehlerfreien Teile in der Stichprobe?

Drei Histogramme zur Qualitätskontrolle bei p gleich 0,5
Drei Histogramme zur Qualitätskontrolle bei p gleich 0,5
Fortschritt
4 / 4
  1. Schritt 1
    Parameter identifizieren
    • Anzahl der Teile (Stichprobengröße): n=5n=5
    • Wahrscheinlichkeit für ein fehlerfreies Teil: p=0,5p=0{,}5
  2. Schritt 2
    Eine Test-Wahrscheinlichkeit berechnen

    Wir berechnen die Wahrscheinlichkeit für genau k=0k=0 fehlerfreie Teile.

    P(X=0)=(50)0,50(10,5)50P(X=0) = \binom{5}{0} \cdot 0{,}5^{0} \cdot (1-0{,}5)^{5-0}

    P(X=0)=110,55P(X=0) = 1 \cdot 1 \cdot 0{,}5^5

    P(X=0)=0,03125P(X=0) = 0{,}03125

    Die Wahrscheinlichkeit für 0 fehlerfreie Teile liegt bei ca. 3,1 %.

  3. Schritt 3
    Wahrscheinlichkeiten aus den Histogrammen ablesen

    Wir lesen die Höhe des Balkens bei k=0k=0 ab:

    • Histogramm I: Höhe 0,03\approx 0{,}03
    • Histogramm II: Höhe 0,00\approx 0{,}00
    • Histogramm III: Höhe 0,41\approx 0{,}41
  4. Schritt 4 · Ergebnis
    Vergleichen und entscheiden

    Der berechnete Wert (0,031250{,}03125) passt perfekt zum abgelesenen Wert von Histogramm I. Man hätte auch argumentieren können, dass bei p=0,5p=0{,}5 das Histogramm symmetrisch sein muss, was nur bei I der Fall ist.

Ergebnis:

Histogramm I ist das richtige.

Beispiel 5

Aufgabe

Ein Glücksrad hat 10 Felder, 8 rote und 2 blaue. Es wird 33-mal gedreht. „Treffer" ist ein blaues Feld. Welches Histogramm passt?

Drei Histogramme zum Glücksrad mit blauen Feldern
Drei Histogramme zum Glücksrad mit blauen Feldern
Fortschritt
4 / 4
  1. Schritt 1
    Parameter identifizieren
    • Anzahl der Drehungen: n=3n=3
    • Wahrscheinlichkeit für ein blaues Feld (2 von 10): p=2/10=0,2p=2/10 = 0{,}2
  2. Schritt 2
    Eine Test-Wahrscheinlichkeit berechnen

    Wir berechnen die Wahrscheinlichkeit für genau k=0k=0 blaue Felder.

    P(X=0)=(30)0,20(10,2)30P(X=0) = \binom{3}{0} \cdot 0{,}2^{0} \cdot (1-0{,}2)^{3-0}

    P(X=0)=110,83P(X=0) = 1 \cdot 1 \cdot 0{,}8^3

    P(X=0)=0,512P(X=0) = 0{,}512

    Die Wahrscheinlichkeit für keinen blauen Treffer liegt bei 51,2 %.

  3. Schritt 3
    Wahrscheinlichkeiten aus den Histogrammen ablesen

    Wir lesen die Höhe des Balkens bei k=0k=0 ab:

    • Histogramm A: Höhe 0,01\approx 0{,}01
    • Histogramm B: Höhe 0,51\approx 0{,}51
    • Histogramm C: Höhe 0,13\approx 0{,}13
  4. Schritt 4 · Ergebnis
    Vergleichen und entscheiden

    Der berechnete Wert (0,5120{,}512) passt perfekt zum abgelesenen Wert von Histogramm B.

Ergebnis:

Histogramm B ist das richtige.

Aufgabentyp 2: Ablesen von Wahrscheinlichkeiten aus einem Histogramm

Wenn du bereits ein Histogramm gegeben hast, kannst du Wahrscheinlichkeiten direkt daraus ablesen, ohne sie zu berechnen. Das ist viel schneller!

Einzelne Wahrscheinlichkeit ablesen: P(X=k)P(X=k)

Um die Wahrscheinlichkeit für genau kk Treffer zu finden, suchst du einfach den Balken bei diesem kk-Wert auf der x-Achse. Die Höhe des Balkens, abgelesen auf der y-Achse, ist die gesuchte Wahrscheinlichkeit.

Mehrere Wahrscheinlichkeiten ablesen: P(aXb)P(a \le X \le b)

Manchmal ist die Wahrscheinlichkeit für einen Bereich von Treffern gesucht, z. B. „mindestens 2 Treffer" (P(X2)P(X \ge 2)) oder „zwischen 1 und 3 Treffer" (P(1X3)P(1 \le X \le 3)).

In diesem Fall musst du die Wahrscheinlichkeiten für alle zutreffenden Ereignisse einzeln ablesen und sie dann addieren.

Zum Beispiel: P(1X3)=P(X=1)+P(X=2)+P(X=3)P(1 \le X \le 3) = P(X=1) + P(X=2) + P(X=3). Du liest also die Höhen der Balken bei k=1k=1, k=2k=2 und k=3k=3 ab und summierst diese drei Werte.

Schritt-für-Schritt-Anleitung

  1. Gesuchtes Ereignis analysieren: Schau genau hin, welche Wahrscheinlichkeit gesucht ist. Handelt es sich um eine einzelne Trefferanzahl wie P(X=k)P(X=k)? Oder um einen Bereich wie P(Xk)P(X \le k) oder P(aXb)P(a \le X \le b)?
  2. Einzelwahrscheinlichkeiten ablesen: Für P(X=k)P(X=k): Finde den Balken bei kk auf der x-Achse. Gehe von der Spitze des Balkens waagerecht nach links zur y-Achse und lies den Wert ab. Für P(aXb)P(a \le X \le b): Zerlege das Ereignis in die Summe der Einzelwahrscheinlichkeiten: P(X=a)+P(X=a+1)++P(X=b)P(X=a) + P(X=a+1) + \ldots + P(X=b). Lies nun die Höhe für jeden dieser Balken einzeln ab.
  3. Werte addieren (falls nötig): Wenn du in Schritt 2 mehrere Wahrscheinlichkeiten für einen Bereich abgelesen hast, addiere diese Werte, um die Gesamtwahrscheinlichkeit zu erhalten.

Durchgerechnete Beispiele

Beispiel 1

Aufgabe

Gegeben ist das folgende Histogramm einer binomialverteilten Zufallsgröße XX. Bestimmen Sie die Werte für P(X=2)P(X=2) und P(1X3)P(1 \le X \le 3).

Histogramm einer Binomialverteilung mit markierten Balken
Histogramm einer Binomialverteilung mit markierten Balken
Fortschritt
3 / 3
  1. Schritt 1
    Gesuchtes Ereignis analysieren

    Wir suchen zwei Werte:

    1. Die Wahrscheinlichkeit für genau 2 Treffer: P(X=2)P(X=2).
    2. Die Wahrscheinlichkeit für 1, 2 oder 3 Treffer: P(1X3)P(1 \le X \le 3).
  2. Schritt 2
    Einzelwahrscheinlichkeiten ablesen
    • Für P(X=2)P(X=2): Wir suchen den Balken bei k=2k=2. Wir gehen von seiner Spitze nach links zur y-Achse und lesen ab: P(X=2)0,31P(X=2) \approx 0{,}31.

    • Für P(1X3)P(1 \le X \le 3) müssen wir drei Werte ablesen:

      • P(X=1)0,35P(X=1) \approx 0{,}35
      • P(X=2)0,31P(X=2) \approx 0{,}31
      • P(X=3)0,13P(X=3) \approx 0{,}13
  3. Schritt 3 · Ergebnis
    Werte addieren

    Nun addieren wir die drei abgelesenen Werte:

    P(1X3)=P(X=1)+P(X=2)+P(X=3)P(1 \le X \le 3) = P(X=1) + P(X=2) + P(X=3)

    0,35+0,31+0,13\approx 0{,}35 + 0{,}31 + 0{,}13

    =0,79= 0{,}79

Ergebnis:

P(X=2)0,31P(X=2) \approx 0{,}31 und P(1X3)0,79P(1 \le X \le 3) \approx 0{,}79.

Beispiel 2

Aufgabe

Das Histogramm zeigt die Wahrscheinlichkeitsverteilung für die Anzahl der defekten Teile in einer Stichprobe. Bestimmen Sie P(X=0)P(X=0) und P(X3)P(X \ge 3).

Histogramm zur Verteilung defekter Teile in einer Stichprobe
Histogramm zur Verteilung defekter Teile in einer Stichprobe
Fortschritt
3 / 3
  1. Schritt 1
    Gesuchtes Ereignis analysieren
    1. Die Wahrscheinlichkeit für kein defektes Teil: P(X=0)P(X=0).
    2. Die Wahrscheinlichkeit für mindestens 3 defekte Teile: P(X3)P(X \ge 3). Dies bedeutet P(X=3)+P(X=4)P(X=3) + P(X=4).
  2. Schritt 2
    Einzelwahrscheinlichkeiten ablesen
    • Für P(X=0)P(X=0): Wir lesen die Höhe des Balkens bei k=0k=0 ab: P(X=0)0,41P(X=0) \approx 0{,}41.

    • Für P(X3)P(X \ge 3) lesen wir die Werte für k=3k=3 und k=4k=4 ab:

      • P(X=3)0,08P(X=3) \approx 0{,}08
      • P(X=4)0,02P(X=4) \approx 0{,}02
  3. Schritt 3 · Ergebnis
    Werte addieren

    Wir addieren die Wahrscheinlichkeiten für k=3k=3 und k=4k=4:

    P(X3)=P(X=3)+P(X=4)P(X \ge 3) = P(X=3) + P(X=4)

    0,08+0,02\approx 0{,}08 + 0{,}02

    =0,10= 0{,}10

Ergebnis:

P(X=0)0,41P(X=0) \approx 0{,}41 und P(X3)0,10P(X \ge 3) \approx 0{,}10.

Beispiel 3

Aufgabe

Das Histogramm zeigt die Anzahl der Sonnenstunden an zufällig ausgewählten Tagen. Bestimmen Sie die wahrscheinlichste Anzahl an Sonnenstunden und die Wahrscheinlichkeit für P(X<2)P(X < 2).

Histogramm zur Verteilung der Sonnenstunden
Histogramm zur Verteilung der Sonnenstunden
Fortschritt
3 / 3
  1. Schritt 1
    Gesuchtes Ereignis analysieren
    1. Die wahrscheinlichste Anzahl an Sonnenstunden: Das ist der kk-Wert mit dem höchsten Balken.
    2. Die Wahrscheinlichkeit für weniger als 2 Sonnenstunden: P(X<2)P(X < 2). Das bedeutet P(X=0)+P(X=1)P(X=0) + P(X=1).
  2. Schritt 2
    Einzelwahrscheinlichkeiten ablesen
    • Für die wahrscheinlichste Anzahl: Der höchste Balken ist bei k=3k=3. Seine Höhe ist ca. 0,31.

    • Für P(X<2)P(X < 2) lesen wir die Werte für k=0k=0 und k=1k=1 ab:

      • P(X=0)0,01P(X=0) \approx 0{,}01
      • P(X=1)0,09P(X=1) \approx 0{,}09
  3. Schritt 3 · Ergebnis
    Werte addieren

    Wir addieren die Wahrscheinlichkeiten für k=0k=0 und k=1k=1:

    P(X<2)=P(X=0)+P(X=1)P(X < 2) = P(X=0) + P(X=1)

    0,01+0,09\approx 0{,}01 + 0{,}09

    =0,10= 0{,}10

Ergebnis:

Die wahrscheinlichste Anzahl an Sonnenstunden ist 3 (mit einer Wahrscheinlichkeit von ca. 0,31). Die Wahrscheinlichkeit für weniger als 2 Stunden beträgt P(X<2)0,10P(X < 2) \approx 0{,}10.

Beispiel 4

Aufgabe

Ein Test besteht aus 5 Fragen. Das Histogramm zeigt die Wahrscheinlichkeit, eine bestimmte Anzahl an Fragen richtig zu beantworten. Wie groß ist die Wahrscheinlichkeit, den Test zu bestehen, wenn man mindestens 4 Fragen richtig beantworten muss (P(X4)P(X \ge 4))?

Histogramm zur Bestehenwahrscheinlichkeit eines Tests
Histogramm zur Bestehenwahrscheinlichkeit eines Tests
Fortschritt
3 / 3
  1. Schritt 1
    Gesuchtes Ereignis analysieren

    Wir suchen die Wahrscheinlichkeit, mindestens 4 Fragen richtig zu haben. Das ist P(X4)P(X \ge 4), was sich zusammensetzt aus P(X=4)+P(X=5)P(X=4) + P(X=5).

  2. Schritt 2
    Einzelwahrscheinlichkeiten ablesen

    Wir lesen die Höhen der Balken für k=4k=4 und k=5k=5 ab:

    • P(X=4)0,26P(X=4) \approx 0{,}26
    • P(X=5)0,10P(X=5) \approx 0{,}10
  3. Schritt 3 · Ergebnis
    Werte addieren

    Wir addieren die beiden Wahrscheinlichkeiten:

    P(X4)=P(X=4)+P(X=5)P(X \ge 4) = P(X=4) + P(X=5)

    0,26+0,10\approx 0{,}26 + 0{,}10

    =0,36= 0{,}36

Ergebnis:

Die Wahrscheinlichkeit, den Test zu bestehen, beträgt ca. 0,36 oder 36 %.

Beispiel 5

Aufgabe

Das Histogramm zeigt die Ergebnisse einer Qualitätskontrolle. Bestimmen Sie die Wahrscheinlichkeit, dass höchstens ein Teil fehlerhaft ist (P(X1)P(X \le 1)).

Histogramm zur Qualitätskontrolle mit fehlerhafte Teile
Histogramm zur Qualitätskontrolle mit fehlerhafte Teile
Fortschritt
3 / 3
  1. Schritt 1
    Gesuchtes Ereignis analysieren

    Wir suchen die Wahrscheinlichkeit für höchstens ein fehlerhaftes Teil. Das bedeutet 0 oder 1 fehlerhaftes Teil. Mathematisch: P(X1)=P(X=0)+P(X=1)P(X \le 1) = P(X=0) + P(X=1).

  2. Schritt 2
    Einzelwahrscheinlichkeiten ablesen

    Wir lesen die Höhen der Balken für k=0k=0 und k=1k=1 ab:

    • P(X=0)0,33P(X=0) \approx 0{,}33
    • P(X=1)0,40P(X=1) \approx 0{,}40
  3. Schritt 3 · Ergebnis
    Werte addieren

    Wir addieren die beiden Wahrscheinlichkeiten:

    P(X1)=P(X=0)+P(X=1)P(X \le 1) = P(X=0) + P(X=1)

    0,33+0,40\approx 0{,}33 + 0{,}40

    =0,73= 0{,}73

Ergebnis:

Die Wahrscheinlichkeit für höchstens ein fehlerhaftes Teil beträgt ca. 0,73 oder 73 %.

Wichtige Erkenntnisse

  • Ein Histogramm visualisiert eine Binomialverteilung: Die x-Achse zeigt die Anzahl der Treffer kk, die y-Achse die zugehörige Wahrscheinlichkeit P(X=k)P(X=k).
  • Die Höhe eines Balkens ist die Wahrscheinlichkeit für die genaue Trefferanzahl, die unter ihm steht.
  • Histogramm zuordnen: Berechne eine Wahrscheinlichkeit (z. B. P(X=0)P(X=0)) und vergleiche das Ergebnis mit den Balkenhöhen der Diagramme.
  • Wahrscheinlichkeit ablesen: Für P(X=k)P(X=k) lies einfach die Höhe des Balkens bei kk ab. Für einen Bereich (z. B. P(aXb)P(a \le X \le b)) addiere die Höhen aller Balken in diesem Bereich.

Häufige Fragen

Was ist ein Histogramm der Binomialverteilung?

Ein Histogramm der Binomialverteilung ist eine grafische Darstellung, die zeigt, wie wahrscheinlich jede mögliche Trefferanzahl ist. Die x-Achse gibt die Anzahl der Treffer k an, die y-Achse die Wahrscheinlichkeit P(X = k). Die Höhe jedes Balkens entspricht genau der Wahrscheinlichkeit für diese Trefferanzahl. So siehst du auf einen Blick, welche Ergebnisse wahrscheinlich sind und welche kaum vorkommen.

Wie ordnest du ein Histogramm einer Binomialverteilung zu?

Gehe in vier Schritten vor: Zuerst Parameter identifizieren – lies n und p aus der Aufgabe heraus. Dann eine Test-Wahrscheinlichkeit berechnen, z. B. für k = 0, mit der Formel von Bernoulli. Anschließend die Balkenhöhe bei k = 0 in allen Histogrammen ablesen. Zum Schluss vergleichen: Das Histogramm, dessen abgelesener Wert am besten zu deinem berechneten Wert passt, ist die richtige Antwort.

Wie liest du Wahrscheinlichkeiten aus einem Histogramm ab?

Um P(X = k) abzulesen, suchst du den Balken bei dem gewünschten k-Wert auf der x-Achse und liest seine Höhe auf der y-Achse ab. Für einen Bereich wie P(a ≤ X ≤ b) liest du die Höhen aller Balken von k = a bis k = b einzeln ab und addierst die Werte. Das Ergebnis ist die Gesamtwahrscheinlichkeit für diesen Bereich.

Was zeigt der höchste Balken im Histogramm der Binomialverteilung?

Der höchste Balken im Histogramm liegt immer in der Nähe des Erwartungswertes E(X) = n · p. Er zeigt die Trefferanzahl, die am wahrscheinlichsten eintritt. Bei symmetrischen Verteilungen (z. B. p = 0,5) steht der höchste Balken genau in der Mitte. Dieser Trick hilft dir, Histogramme schnell zu identifizieren, ohne alle Wahrscheinlichkeiten einzeln auszurechnen.

Wie berechnest du P(X ≥ k) mithilfe eines Histogramms?

Für P(X ≥ k) zerlegst du das Ereignis in eine Summe von Einzelwahrscheinlichkeiten: P(X = k) + P(X = k+1) + … + P(X = n). Lies die Höhe jedes dieser Balken im Histogramm ab und addiere alle abgelesenen Werte. Das Ergebnis ist die Wahrscheinlichkeit, mindestens k Treffer zu erzielen – ganz ohne zusätzliche Berechnungen.

Das könnte Dich auch interessieren

4.62 / 5.0 · 100.000+ Schüler verbessern bereits ihre Noten mit uns

Schneller zu besseren Mathe-Noten — starte heute kostenlos.

Kostenlos testen. Keine Kreditkarte. In wenigen Klicks bist du dabei.