Diskrete Verteilungen: Poisson-Verteilung

Aktive Lernformen eignen sich besonders für die Poisson-Verteilung, weil Schülerinnen und Schüler hier selbst erfahren, wie diskrete Ereignisse mit konstanter Rate entstehen. Durch Simulationen und Datensammlungen wird der abstrakte Parameter λ greifbar und die Bedingungen für die Anwendung der Verteilung werden unmittelbar verständlich.

• Klasse 13
• Analysis, Analytische Geometrie und Stochastik: Vorbereitung auf das Abitur
• 4 Aktivitäten
• 35 Min.–50 Min.

Lernziele

1. Berechnen Sie die Wahrscheinlichkeit für das Eintreten einer bestimmten Anzahl von seltenen Ereignissen mithilfe der Poisson-Formel.
2. Analysieren Sie die Eignung der Poisson-Verteilung für gegebene Szenarien, indem Sie die Bedingungen für seltene, unabhängige Ereignisse mit konstanter Rate prüfen.
3. Vergleichen Sie die Parameter und Anwendungsbereiche der Poisson-Verteilung mit denen der Binomialverteilung.
4. Entwerfen Sie ein einfaches Modell zur Simulation von Poisson-verteilten Ereignissen, z.B. Anrufe in einem Callcenter pro Minute.

Planspiel

⏱ 45 Min.·Partnerarbeit

Planspiel: Würfel als Poisson-Ereignisse

Schüler werfen einen Würfel 100-mal und zählen Sechsen pro 10 Würfen, um λ=1/6 zu simulieren. Sie berechnen beobachtete Häufigkeiten und vergleichen mit theoretischer Poisson-Verteilung. In der Reflexion diskutieren sie Abweichungen.

Vorbereitung & Details

Erklären Sie die Bedingungen, unter denen die Poisson-Verteilung zur Modellierung von Ereignissen geeignet ist.

Moderationstipp: Fordern Sie die Schülerinnen und Schüler während der Simulation mit Würfeln explizit auf, die diskrete Natur der Ereignisse zu benennen und mit kontinuierlichen Verteilungen zu vergleichen.

Setup: Flexibler Raum für verschiedene Gruppenstationen

Materials: Rollenkarten mit Zielen und Ressourcen, Spielwährung oder Token, Rundenprotokoll

• Anwenden
• Analysieren
• Bewerten
• Erschaffen
• Sozialbewusstsein
• Entscheidungsfähigkeit

Problemorientiertes Lernen

⏱ 50 Min.·Kleingruppen

Datensammlung: Ankunftsraten

Gruppen beobachten 20 Minuten lang Autos an einer Kreuzung und notieren Ankunftszeiten pro Minute. Sie schätzen λ, berechnen P(K=0) und prognostizieren Wartezeiten. Abschließende Präsentation vergleicht Gruppen.

Vorbereitung & Details

Vergleichen Sie die Poisson-Verteilung mit der Binomialverteilung hinsichtlich ihrer Anwendungsbereiche.

Moderationstipp: Legen Sie bei der Datensammlung verschiedene Zeitintervalle fest, um die Konstanz von λ zu hinterfragen und Abweichungen sichtbar zu machen.

Setup: Gruppentische mit Zugang zu Recherchequellen

Materials: Dokumentation des Problemszenarios, KWL-Tabelle (Wissen, Wollen, Lernen) oder Inquiry-Framework, Ressourcenpool / Handapparat, Vorlage für die Ergebnispräsentation

• Analysieren
• Bewerten
• Erschaffen
• Entscheidungsfähigkeit
• Selbststeuerung
• Beziehungsfähigkeit

Problemorientiertes Lernen

⏱ 40 Min.·Partnerarbeit

Grenzwert: Binomial zu Poisson

Paare simulieren Binomialverteilungen mit n=100, p=0,01 (λ=1) per Zufallsgenerator oder Tabelle. Sie plotten Histogramme und beobachten Konvergenz zur Poisson. Diskussion der Bedingungen schließt ab.

Vorbereitung & Details

Analysieren Sie reale Beispiele, in denen die Poisson-Verteilung zur Vorhersage seltener Ereignisse genutzt wird.

Moderationstipp: Zeigen Sie während des Grenzwertvergleichs Binomial zu Poisson die Formelumformungen schrittweise, damit Schüler die Verbindung zwischen den Verteilungen nachvollziehen.

Setup: Gruppentische mit Zugang zu Recherchequellen

Materials: Dokumentation des Problemszenarios, KWL-Tabelle (Wissen, Wollen, Lernen) oder Inquiry-Framework, Ressourcenpool / Handapparat, Vorlage für die Ergebnispräsentation

• Analysieren
• Bewerten
• Erschaffen
• Entscheidungsfähigkeit
• Selbststeuerung
• Beziehungsfähigkeit

Fallstudienanalyse

⏱ 35 Min.·Ganze Klasse

Fallstudienanalyse: Krankenhaus-Notfälle

Whole class analysiert reale Datensätze zu Notfalleinläufen pro Stunde. Sie modellieren mit Poisson, berechnen Risiken und diskutieren Implikationen für Personalplanung.

Vorbereitung & Details

Erklären Sie die Bedingungen, unter denen die Poisson-Verteilung zur Modellierung von Ereignissen geeignet ist.

Moderationstipp: Nutzen Sie die Fallstudie zu Krankenhaus-Notfällen, um die praktische Relevanz der Poisson-Verteilung zu betonen und Datenkritik anzuregen.

Setup: Gruppentische mit Platz für die Fallunterlagen

Materials: Fallstudien-Paket (3-5 Seiten), Arbeitsblatt mit Analyseraster, Präsentationsvorlage

• Analysieren
• Bewerten
• Erschaffen
• Entscheidungsfähigkeit
• Selbststeuerung

Dieses Thema unterrichten

Erfahrene Lehrkräfte beginnen mit konkreten Beispielen aus dem Alltag, bevor sie zur Formel übergehen. Sie vermeiden es, die Poisson-Verteilung als reines Rechenverfahren zu vermitteln, sondern betonen ihre Bedeutung als Modell für seltene, unabhängige Ereignisse. Ein häufiger Fehler ist es, die Voraussetzung der konstanten Rate zu vernachlässigen – hier helfen gezielte Gegenbeispiele aus dem Alltag (z.B. Stoßzeiten im Verkehr).

Was Sie erwartet

Erfolgreiches Lernen zeigt sich darin, dass Schülerinnen und Schüler die drei Hauptbedingungen der Poisson-Verteilung (selten, unabhängig, konstante Rate) in neuen Kontexten erkennen und anwenden können. Sie sollten λ als durchschnittliche Ereignishäufigkeit interpretieren und die Formel nicht nur anwenden, sondern auch inhaltlich deuten können.

Vorsicht vor diesen Fehlvorstellungen

Häufige Fehlvorstellung

Während der Simulation mit Würfeln als Poisson-Ereignisse könnte der Eindruck entstehen, die Poisson-Verteilung gelte nur für kontinuierliche Prozesse.

Was Sie stattdessen lehren sollten

Nutzen Sie die Würfel-Simulation, um explizit zu zeigen, dass die Poisson-Verteilung diskrete Ereignisse zählt, indem Sie die Ergebnisse als ganze Zahlen festhalten und mit kontinuierlichen Verteilungen (z.B. Wartezeiten) vergleichen.

Häufige Fehlvorstellung

Während des Grenzwertvergleichs Binomial zu Poisson könnte die Annahme entstehen, die Poisson-Verteilung ersetze die Binomialverteilung immer bei seltenen Ereignissen.

Was Sie stattdessen lehren sollten

Verwenden Sie die Simulationsdaten beider Verteilungen, um zu zeigen, dass die Poisson-Verteilung nur unter den Bedingungen n groß und p klein eine gute Näherung ist – fordern Sie Schüler auf, die Grenzen selbst zu erkennen.

Häufige Fehlvorstellung

Während der Datensammlung zu Ankunftsraten könnte die Konstanz von λ als selbstverständlich angenommen werden.

Was Sie stattdessen lehren sollten

Nutzen Sie die gesammelten Daten, um Schüler aktiv nach variierenden Raten zu fragen: Lassen Sie sie Intervalle mit unterschiedlichen λ-Werten identifizieren und deren Auswirkungen auf die Verteilung diskutieren.

Ideen zur Lernstandserhebung

Kurze Überprüfung

Nach der Simulation mit Würfeln als Poisson-Ereignisse stellen Sie eine Tabelle mit drei Szenarien bereit (z.B. Anzahl der Kunden pro Stunde, Anzahl der Fehler pro Seite, Anzahl der Regentropfen pro Minute). Die Schüler entscheiden, ob die Poisson-Verteilung geeignet ist, und begründen ihre Wahl mit den drei Hauptbedingungen.

Lernstandskontrolle

Nach der Datensammlung zu Ankunftsraten geben Sie jeder Schülerin und jedem Schüler eine Karte mit einem konkreten k-Wert und λ. Sie berechnen P(X=k) und begründen, warum die Poisson-Verteilung in diesem Kontext sinnvoll ist.

Diskussionsfrage

Während der Fallstudie zu Krankenhaus-Notfällen leiten Sie eine Diskussion an: 'Wann ist die Annahme einer konstanten Ereignisrate unrealistisch? Welche alternativen Modelle könnten passen?' Ermutigen Sie Schüler, Beispiele aus dem Alltag zu nennen, bei denen die Rate nicht konstant ist (z.B. Stoßzeiten im Verkehr).

Erweiterungen & Unterstützung

• Fordern Sie schnelle Schülerinnen und Schüler auf, eine eigene Datensammlung durchzuführen (z.B. Anzahl der Busse pro Stunde an einer Bushaltestelle) und die Poisson-Verteilung anzuwenden.
• Unterstützen Sie unsichere Lernende durch eine vorbereitete Tabelle mit vorgegebenen λ-Werten und Ereigniszahlen, um die Berechnung der Wahrscheinlichkeit zu üben.
• Vertiefen Sie mit interessierten Schülerinnen und Schülern die Verbindung zur Exponentialverteilung, indem Sie die Wartezeit zwischen Poisson-Ereignissen analysieren.

Schlüsselvokabular

Poisson-Verteilung	Eine diskrete Wahrscheinlichkeitsverteilung, die die Anzahl von Ereignissen in einem festen Intervall beschreibt, wenn diese Ereignisse mit einer bekannten konstanten Rate unabhängig voneinander auftreten.
Parameter λ (Lambda)	Der Erwartungswert oder die durchschnittliche Anzahl von Ereignissen, die in dem gegebenen Intervall erwartet werden. Er ist gleichzeitig die Varianz der Verteilung.
Seltene Ereignisse	Ereignisse, die mit einer sehr geringen Wahrscheinlichkeit pro einzelner Beobachtung eintreten, aber über eine große Anzahl von Beobachtungen hinweg eine messbare Häufigkeit aufweisen.
Ereignisrate	Die durchschnittliche Anzahl von Ereignissen pro Zeiteinheit, Flächeneinheit oder Volumeneinheit, die als Parameter λ in die Poisson-Verteilung eingeht.