Mathematik · Klasse 11 · Stochastik: Wahrscheinlichkeit und Zufall · 2. Halbjahr

Bernoulli-Experimente und Binomialverteilung

Die Schülerinnen und Schüler identifizieren Bernoulli-Experimente und berechnen Wahrscheinlichkeiten mit der Binomialverteilung.

• KMK Bildungsstandards
• KMK: Sekundarstufe II - Stochastik
• KMK: Sekundarstufe II - Modellieren

Über dieses Thema

Bernoulli-Experimente bilden die Grundlage für die Binomialverteilung in der Stochastik der Oberstufe. Schülerinnen und Schüler lernen, Experimente mit genau zwei Ausgängen, Erfolg oder Misserfolg, zu identifizieren, die unabhängig voneinander wiederholt werden können. Sie verstehen die Parameter n als Anzahl der Versuche und p als Wahrscheinlichkeit eines Erfolgs. Praktische Beispiele wie Münzwürfe oder das Treffen eines Freiwurfs beim Basketball verdeutlichen diese Konzepte und ermöglichen die Berechnung von Wahrscheinlichkeiten für k Erfolge in n Versuchen.

Im Rahmen der KMK-Standards für Sekundarstufe II verbindet dieses Thema Stochastik mit Modellbildung. Schüler konstruieren Szenarien aus dem Alltag, etwa Qualitätskontrollen in der Industrie oder medizinische Tests, und modellieren sie mit der Binomialverteilung. Dadurch entwickeln sie das Vermögen, reale Zufallsprozesse mathematisch zu beschreiben und Wahrscheinlichkeiten zu prognostizieren. Dies stärkt das Verständnis für Zufall und Unsicherheit in komplexen Systemen.

Aktives Lernen eignet sich besonders gut für dieses Thema, da Simulationen realer Experimente abstrakte Formeln erfahrbar machen. Wenn Schüler selbst Münzen werfen oder Würfel rollen und Ergebnisse mit theoretischen Werten vergleichen, erkennen sie die Binomialverteilung intuitiv und festigen ihre Modellierfähigkeiten nachhaltig.

Leitfragen

1. Differentiieren Sie ein Bernoulli-Experiment von anderen Zufallsexperimenten.
2. Erklären Sie die Parameter n und p der Binomialverteilung und ihre Bedeutung.
3. Konstruieren Sie ein Szenario, das mit der Binomialverteilung modelliert werden kann.

Lernziele

• Klassifizieren Sie Zufallsexperimente als Bernoulli-Experimente oder nicht basierend auf ihren Eigenschaften.
• Berechnen Sie die Wahrscheinlichkeit für genau k Erfolge in n unabhängigen Versuchen mithilfe der Binomialformel.
• Erklären Sie die Bedeutung der Parameter n (Anzahl der Versuche) und p (Erfolgswahrscheinlichkeit) für die Binomialverteilung.
• Entwerfen Sie ein realistisches Szenario, das durch ein Bernoulli-Experiment und die Binomialverteilung modelliert werden kann.

Bevor es losgeht

Grundlegende Wahrscheinlichkeitsrechnung

Warum: Schüler müssen die Konzepte von Wahrscheinlichkeit, Ereignissen und der Berechnung einfacher Wahrscheinlichkeiten verstehen, bevor sie sich mit der Binomialverteilung beschäftigen.

Unabhängige Ereignisse

Warum: Das Verständnis von unabhängigen Ereignissen ist entscheidend, da die einzelnen Versuche eines Bernoulli-Experiments voneinander unabhängig sein müssen.

Schlüsselvokabular

Bernoulli-Experiment	Ein Zufallsexperiment mit genau zwei möglichen Ausgängen, die als 'Erfolg' und 'Misserfolg' bezeichnet werden. Die Wahrscheinlichkeit für Erfolg bleibt bei jeder Wiederholung konstant.
Binomialverteilung	Eine Wahrscheinlichkeitsverteilung, die die Anzahl der Erfolge in einer festen Anzahl von unabhängigen Bernoulli-Experimenten beschreibt. Sie wird durch die Parameter n (Anzahl der Versuche) und p (Erfolgswahrscheinlichkeit) charakterisiert.
Erfolgswahrscheinlichkeit (p)	Die Wahrscheinlichkeit, dass ein einzelner Bernoulli-Versuch das gewünschte Ergebnis ('Erfolg') liefert. Sie liegt immer zwischen 0 und 1.
Anzahl der Versuche (n)	Die Gesamtzahl der unabhängigen Wiederholungen eines Bernoulli-Experiments in einer binomialverteilten Situation. Sie muss eine positive ganze Zahl sein.

Vorsicht vor diesen Fehlvorstellungen

Häufige Fehlvorstellung

Jedes Experiment mit zwei Ausgängen ist ein Bernoulli-Experiment.

Was Sie stattdessen lehren sollten

Bernoulli-Experimente erfordern Unabhängigkeit der Versuche und konstante Erfolgswahrscheinlichkeit p. Aktive Klassifikationsstationen helfen Schülern, Abhängigkeiten wie beim Ziehen ohne Zurücklegen zu erkennen und Kriterien scharf zu differenzieren.

Häufige Fehlvorstellung

Die Binomialverteilung gilt nur für kleine n.

Was Sie stattdessen lehren sollten

Die Verteilung modelliert beliebig große n, solange Unabhängigkeit gegeben ist. Simulationen mit zunehmendem n in Gruppen zeigen Konvergenz zu Normalverteilung und widerlegen diese Annahme durch empirische Daten.

Häufige Fehlvorstellung

p ändert sich mit der Anzahl der Erfolge.

Was Sie stattdessen lehren sollten

p bleibt konstant pro Versuch. Wiederholte Experimente mit fester p in Paaren verdeutlichen dies, da Schüler beobachtete Schwankungen der Häufigkeit als Zufall interpretieren lernen.

Ideen für aktives Lernen

Lernen an Stationen: Bernoulli-Identifikation

Richten Sie Stationen mit Experimenten ein: Münzwurf, Würfel (Zahl 6), Kartenziehen (Herz). Gruppen klassifizieren jedes als Bernoulli oder nicht und begründen. Abschließend diskutieren sie Kriterien gemeinsam.

45 Min.·Kleingruppen

Münzwurf-Simulation

Paare führen n=20 Würfe durch, zählen Erfolge (Kopf) und berechnen Häufigkeiten. Sie vergleichen mit Binomialformel für p=0,5 und plotten Histogramme. Reflexion: Übereinstimmung Theorie-Praxis.

30 Min.·Partnerarbeit

Modellbau: Freiwurfserie

Klasse entwirft Basketball-Szenario (n=10 Würfe, p=0,7). Individuen simulieren Würfe mit App oder real, berechnen P(X=8). Gruppenpräsentation von Ergebnissen und Modellvalidierung.

50 Min.·Einzelarbeit

Binomial-Quiz-Rallye

Ganze Klasse löst Quizfragen zu Parametern n,p in Teams. Bei richtiger Antwort: Münzwurf als Bernoulli-Beweis. Schnellstes Team gewinnt. Schließt mit Debriefing ab.

35 Min.·Ganze Klasse

Bezüge zur Lebenswelt

• In der Qualitätskontrolle bei der Herstellung von Glühlampen kann jedes einzelne Produkt entweder als fehlerfrei ('Erfolg') oder fehlerhaft ('Misserfolg') eingestuft werden. Die Binomialverteilung hilft, die Wahrscheinlichkeit zu berechnen, dass in einer Stichprobe von n Lampen genau k fehlerfrei sind.
• Beim medizinischen Screening auf eine seltene Krankheit kann jeder Test als Bernoulli-Experiment betrachtet werden. Die Binomialverteilung kann dann verwendet werden, um die Wahrscheinlichkeit zu bestimmen, dass in einer Gruppe von n Personen genau k Personen das Testergebnis positiv ist, wobei p die Sensitivität des Tests darstellt.

Ideen zur Lernstandserhebung

Lernstandskontrolle

Die Schüler erhalten zwei Szenarien: A) Das Werfen einer Münze 10 Mal. B) Das Ziehen von 3 Karten aus einem Skatspiel ohne Zurücklegen. Sie sollen für jedes Szenario entscheiden, ob es sich um ein Bernoulli-Experiment handelt und begründen, warum oder warum nicht. Zusätzlich sollen sie für Szenario A die Parameter n und p identifizieren.

Kurze Überprüfung

Der Lehrer präsentiert eine Situation, z.B. 'Ein Basketballspieler trifft im Durchschnitt 70% seiner Freiwürfe. Berechnen Sie die Wahrscheinlichkeit, dass er bei 5 Versuchen genau 3 Mal trifft.' Die Schüler berechnen dies einzeln und vergleichen ihre Ergebnisse im Plenum. Der Lehrer fragt gezielt nach den Schritten und der Anwendung der Formel.

Diskussionsfrage

Diskutieren Sie in Kleingruppen: 'Unter welchen Bedingungen ist die Modellierung eines realen Problems mit der Binomialverteilung sinnvoll? Welche Einschränkungen hat dieses Modell?' Jede Gruppe präsentiert anschließend ihre wichtigsten Erkenntnisse.

Häufig gestellte Fragen

Was ist ein Bernoulli-Experiment?

Ein Bernoulli-Experiment hat genau zwei mögliche Ausgänge: Erfolg mit Wahrscheinlichkeit p oder Misserfolg mit 1-p. Die Versuche sind unabhängig und identisch verteilt. Beispiele sind Münzwurf (Kopf=Erfolg) oder ein Freiwurf (Treffer). Dies bildet die Basis für n-fache Wiederholungen in der Binomialverteilung, um Wahrscheinlichkeiten für k Erfolge zu berechnen.

Wie berechnet man Wahrscheinlichkeiten der Binomialverteilung?

Die Wahrscheinlichkeit P(X=k) ergibt sich aus der Formel: Binomialkoeffizient C(n,k) mal p^k mal (1-p)^(n-k). Schüler wählen n und p passend zum Szenario, z. B. n=10, p=0,5 für 10 Münzwürfe. Rechner oder Tabellen erleichtern Berechnungen; Graphen visualisieren die Verteilung.

Wie hilft aktives Lernen beim Verständnis von Bernoulli-Experimenten und Binomialverteilung?

Aktives Lernen macht Zufall greifbar: Schüler simulieren Experimente wie Münzwürfe in Gruppen, zählen Erfolge und vergleichen Häufigkeiten mit Theorie. Stationen oder Rallyes fördern Differenzierung und Modellierung. Solche Hände-auf-Aktivitäten verbinden Formeln mit Erfahrung, reduzieren Fehlvorstellungen und stärken langfristiges Verständnis für stochastische Modelle.

Welche Alltagsbeispiele eignen sich für die Binomialverteilung?

Qualitätskontrolle (defekte Produkte in n Stichproben), medizinische Tests (Erfolgsrate bei n Patienten) oder Sport (Trefferquote bei n Würfen). Schüler modellieren diese, berechnen P(k Erfolge) und diskutieren Grenzen wie Unabhängigkeitsannahme. Dies verknüpft Mathe mit Realität und trainiert KMK-Modellierkompetenz.