Warum die Binomialverteilung der wichtigste Rechner der Oberstufe ist
Immer wenn ein Versuch nur zwei Ausgänge hat, sich beliebig oft wiederholt und die Wahrscheinlichkeit dabei gleich bleibt, ist die Binomialverteilung zuständig. Das klingt eng, trifft aber verblüffend viel: Münzwurf und Würfel, richtig geratene Multiple-Choice-Fragen, fehlerhafte Teile in einer Lieferung, Treffer beim Elfmeter, Zustimmung in einer Umfrage, Nebenwirkungen in einer Studie. Dieser Rechner deckt alle Aufgabentypen ab, die dazu in Klausuren und im Abitur vorkommen: die Wahrscheinlichkeit für genau, höchstens oder mindestens eine bestimmte Trefferzahl, für ein Intervall von Trefferzahlen, die Sigma-Umgebungen und Prognoseintervalle, die Frage nach der nötigen Anzahl von Versuchen und schließlich die Normalverteilung mit ihren Flächen und Quantilen. Gerechnet wird exakt aufsummiert, nicht genähert – und jeder Schritt wird ausgeschrieben.
Die Formeln
P(X ≤ k) = ∑i=0..k P(X = i) · P(X ≥ k) = 1 − P(X ≤ k − 1)
μ = n · p · σ = √(n · p · (1 − p))
Normalverteilung: z = (x − μ) / σ · P(X ≤ x) = Φ(z)
Laplace-Näherung mit Stetigkeitskorrektur: P(X ≤ k) ≈ Φ((k + 0,5 − μ) / σ), zulässig ab σ > 3
Die erste Zeile ist die Bernoulli-Formel, und sie besteht aus zwei Gedanken. Der hintere Teil ist die Wahrscheinlichkeit für einen einzigen konkreten Ablauf: k Treffer, n minus k Nieten, in genau dieser Reihenfolge. Der Binomialkoeffizient davor zählt, wie viele verschiedene Reihenfolgen zum selben Ergebnis führen. Bei zehn Münzwürfen und fünf mal Kopf sind das 252 Wege, und jeder einzelne hat die Wahrscheinlichkeit 1/1024. Genau deshalb ist das Ergebnis 252/1024, also 24,609 Prozent.
Die vollständige Verteilung am Beispiel: zehn Münzwürfe
Zehn Würfe einer faireren Münze, p = 0,5. Die Tabelle zeigt, was sich hinter „genau“, „höchstens“ und „mindestens“ jeweils verbirgt. Alle Werte stammen aus Läufen dieses Rechners.
| k Treffer | C(10, k) | P(X = k) | P(X ≤ k) | P(X ≥ k) |
|---|---|---|---|---|
| 0 | 1 | 0,0977 % | 0,0977 % | 100 % |
| 1 | 10 | 0,9766 % | 1,074 % | 99,902 % |
| 2 | 45 | 4,395 % | 5,469 % | 98,926 % |
| 3 | 120 | 11,719 % | 17,187 % | 94,531 % |
| 4 | 210 | 20,508 % | 37,695 % | 82,813 % |
| 5 | 252 | 24,609 % | 62,305 % | 62,305 % |
| 6 | 210 | 20,508 % | 82,813 % | 37,695 % |
| 7 | 120 | 11,719 % | 94,531 % | 17,187 % |
| 8 | 45 | 4,395 % | 98,926 % | 5,469 % |
| 9 | 10 | 0,9766 % | 99,902 % | 1,074 % |
| 10 | 1 | 0,0977 % | 100 % | 0,0977 % |
Zwei Dinge lassen sich daran ablesen. Erstens: Der Erwartungswert ist fünf, aber genau fünf Treffer fallen nur in nicht einmal einem Viertel der Fälle. Der Erwartungswert ist ein Schwerpunkt, kein Ergebnis. Zweitens: Bei k = 5 sind P(X ≤ 5) und P(X ≥ 5) beide 62,305 Prozent, zusammen also mehr als hundert – weil der Wert 5 in beiden Summen steckt. Wer „höchstens“ und „mindestens“ einfach addiert, rechnet den Grenzwert doppelt.
Sigma-Umgebungen: was von den 68, 95 und 99,7 Prozent übrig bleibt
Die drei Sigma-Regeln stammen aus der Normalverteilung. Bei der Binomialverteilung gelten sie nur ungefähr, weil es dort nur ganze Treffer gibt und nach innen gerundet werden muss. Die Tabelle zeigt, wie stark das ins Gewicht fällt – und dass die Abweichung mit steigendem n kleiner, aber nie null wird.
| n / p | μ | σ | 1σ-Umgebung | 2σ-Umgebung | 3σ-Umgebung |
|---|---|---|---|---|---|
| 20 / 0,50 | 10 | 2,2361 | 8 bis 12 (73,68 %) | 6 bis 14 (95,86 %) | 4 bis 16 (99,74 %) |
| 50 / 0,50 | 25 | 3,5355 | 22 bis 28 (67,78 %) | 18 bis 32 (96,72 %) | 15 bis 35 (99,74 %) |
| 100 / 0,50 | 50 | 5,0000 | 45 bis 55 (72,88 %) | 40 bis 60 (96,48 %) | 35 bis 65 (99,82 %) |
| 500 / 0,50 | 250 | 11,1803 | 239 bis 261 (69,63 %) | 228 bis 272 (95,59 %) | 217 bis 283 (99,73 %) |
| 1.000 / 0,50 | 500 | 15,8114 | 485 bis 515 (67,31 %) | 469 bis 531 (95,37 %) | 453 bis 547 (99,74 %) |
| 100 / 0,25 | 25 | 4,3301 | 21 bis 29 (70,16 %) | 17 bis 33 (95,13 %) | 13 bis 37 (99,62 %) |
| 1.000 / 0,40 | 400 | 15,4919 | 385 bis 415 (68,29 %) | 370 bis 430 (95,11 %) | 354 bis 446 (99,73 %) |
Besonders lehrreich ist die Zeile n = 100 und p = 0,5. Dort ist σ genau 5, die 1σ-Umgebung reicht also glatt von 45 bis 55 – und liefert 72,9 statt 68,3 Prozent, weil die glatten Grenzen jeweils noch voll mitzählen. Bei n = 50 dagegen ist σ = 3,54, das Runden schneidet ab, und es bleiben 67,8 Prozent. Die Abweichung ist also kein Rechenfehler, sondern eine Eigenschaft ganzer Zahlen.
Prognoseintervall: warum 1.000 Befragte reichen
Dieselbe Rechnung, von der anderen Seite gelesen. Bei einer Umfrage mit p = 0,5 liegt das 95-Prozent-Prognoseintervall bei folgenden Anteilen. Die letzte Spalte ist die tatsächlich erreichte Wahrscheinlichkeit nach exakter Summation.
| Befragte n | σ | Treffer von … bis | als Anteil | exakte Wahrscheinlichkeit |
|---|---|---|---|---|
| 100 | 5,0000 | 41 bis 59 | 41,0 % bis 59,0 % | 94,31 % |
| 250 | 7,9057 | 110 bis 140 | 44,0 % bis 56,0 % | 95,03 % |
| 500 | 11,1803 | 229 bis 271 | 45,8 % bis 54,2 % | 94,56 % |
| 1.000 | 15,8114 | 470 bis 530 | 47,0 % bis 53,0 % | 94,63 % |
| 2.000 | 22,3607 | 957 bis 1.043 | 47,85 % bis 52,15 % | 94,83 % |
| 5.000 | 35,3553 | 2.431 bis 2.569 | 48,62 % bis 51,38 % | 95,07 % |
Hier steckt die eigentliche Pointe der ganzen Verteilung. Die Streuung σ wächst nur mit der Wurzel aus n. Von 1.000 auf 5.000 Befragte, also das Fünffache an Aufwand, halbiert die Fehlerspanne nur von drei auf 1,4 Prozentpunkte. Um die Toleranz einer Umfrage von 1.000 Befragten zu halbieren, bräuchte man 4.000. Genau deshalb sind fast alle veröffentlichten Meinungsumfragen in Deutschland auf etwa tausend bis zweitausend Befragte ausgelegt – darüber steigen die Kosten linear, die Genauigkeit aber nur noch mit der Wurzel.
Die Mindestens-einmal-Aufgabe
Die häufigste Textaufgabe überhaupt: Wie oft muss ich es versuchen, damit das Ereignis mit einer bestimmten Sicherheit mindestens einmal eintritt? Der Rechenweg führt über die Gegenwahrscheinlichkeit, und für „mindestens einmal“ gibt es eine geschlossene Lösung: n ≥ ln(1 − Sicherheit) / ln(1 − p), aufgerundet. Die Tabelle zeigt die nötige Zahl der Versuche.
| Ereignis | p | 50 % | 90 % | 95 % | 99 % | 99,9 % |
|---|---|---|---|---|---|---|
| Münze, Kopf | 50 % | 2 | 4 | 5 | 7 | 10 |
| Würfel, eine Sechs | 16,67 % | 4 | 13 | 17 | 26 | 38 |
| jeder zehnte Fall | 10 % | 7 | 22 | 29 | 44 | 66 |
| jeder zwanzigste Fall | 5 % | 14 | 45 | 59 | 90 | 135 |
| jeder hundertste Fall | 1 % | 69 | 230 | 299 | 459 | 688 |
| einer von tausend | 0,1 % | 693 | 2.302 | 2.995 | 4.603 | 6.905 |
Die Zahlen in der 50-Prozent-Spalte sind ungefähr 0,69 geteilt durch p, und das ist kein Zufall: Es ist der natürliche Logarithmus von 2. Dieselbe Konstante steckt in der Halbwertszeit und in der 72er-Faustregel des Zinseszinses. Und die Zeile mit einem Prozent enthält die wichtigste Warnung: Ein Ereignis, das in einem Prozent der Fälle eintritt, tritt bei hundert Gelegenheiten mit 63,4 Prozent Wahrscheinlichkeit mindestens einmal ein. Seltene Ereignisse werden durch viele Gelegenheiten zur Regel.
Die z-Werte, die man wirklich braucht
Für symmetrische Bereiche um den Erwartungswert. Links die gewünschte Sicherheit, rechts der Faktor, mit dem σ multipliziert wird.
| Sicherheit | Radius in σ | Rest je Seite | Bekannt als |
|---|---|---|---|
| 68,27 % | ± 1,0000 σ | 15,87 % | 1σ-Regel |
| 80,0 % | ± 1,2816 σ | 10 % | – |
| 90,0 % | ± 1,6449 σ | 5 % | einseitig 5 % beim Signifikanztest |
| 95,0 % | ± 1,9600 σ | 2,5 % | das berühmte 1,96 |
| 95,45 % | ± 2,0000 σ | 2,28 % | 2σ-Regel |
| 99,0 % | ± 2,5758 σ | 0,5 % | – |
| 99,73 % | ± 3,0000 σ | 0,135 % | 3σ-Regel, Qualitätssicherung |
| 99,9 % | ± 3,2905 σ | 0,05 % | – |
| 99,9937 % | ± 4,0000 σ | 0,0032 % | – |
Der Unterschied zwischen 1,96 und 2,00 ist der häufigste Grund, warum zwei richtig gerechnete Lösungen leicht auseinanderliegen. Beide Wege sind im Schulgebrauch zulässig: Wer mit der 2σ-Regel arbeitet, erhält 95,45 Prozent; wer exakt 95 Prozent will, nimmt 1,96. Wichtig ist nur, im Ergebnis dazuzuschreiben, welcher Weg gewählt wurde.
Von der Binomial- zur Normalverteilung
Für große n wird die Summation aufwendig, und die Glockenkurve übernimmt. Der Satz von de Moivre und Laplace besagt, dass sich die Binomialverteilung mit steigendem n immer besser durch eine Normalverteilung mit demselben μ und demselben σ beschreiben lässt. In der Schule gilt dafür die Bedingung σ > 3, an den Hochschulen meist n · p > 5 und n · (1 − p) > 5. Beide sagen dasselbe: Die Verteilung darf nicht am Rand des Zahlenbereichs kleben.
Entscheidend beim Näherungsrechnen ist die Stetigkeitskorrektur. Die Binomialverteilung besteht aus Balken über ganzen Zahlen, die Normalverteilung ist eine glatte Kurve. Wer die Fläche für „höchstens k Treffer“ sucht, muss bis zur Balkenkante bei k + 0,5 integrieren, nicht bis k. Ohne diese halbe Einheit liegt die Näherung systematisch daneben, und bei kleineren n wird der Fehler schnell größer als der Nutzen der Vereinfachung. Dieser Rechner weist die Näherung deshalb immer neben dem exakten Wert aus, damit der Unterschied sichtbar bleibt.
Häufige Fragen
Wie unterscheide ich „genau“, „höchstens“, „mindestens“ und „weniger als“?
Genau k heißt P(X = k), nur dieser eine Wert. Höchstens k heißt P(X ≤ k), also 0 bis k einschließlich k. Weniger als k heißt P(X ≤ k − 1), der Wert k selbst zählt nicht mehr mit. Mindestens k heißt P(X ≥ k), gerechnet als 1 − P(X ≤ k − 1). Mehr als k heißt 1 − P(X ≤ k). Zwei Merkregeln helfen: „höchstens“ und „mindestens“ schließen den genannten Wert immer ein, „weniger als“ und „mehr als“ nie. Und bei „mindestens“ wird immer über die Gegenwahrscheinlichkeit gerechnet, nie durch Aufsummieren nach oben – mit einem Minus in der Untergrenze, das gern vergessen wird.
Wann darf ich die Binomialverteilung überhaupt benutzen?
Drei Bedingungen müssen erfüllt sein. Erstens hat jeder Einzelversuch nur zwei Ausgänge, Treffer oder Niete. Drei mögliche Ergebnisse gehen nicht, dann wird zusammengefasst, etwa „Sechs“ gegen „keine Sechs“. Zweitens bleibt p in allen Versuchen gleich. Drittens beeinflussen sich die Versuche nicht. Der klassische Verstoß ist das Ziehen ohne Zurücklegen: Wer aus 50 Bauteilen fünf prüft, verändert mit jedem gezogenen Teil die Wahrscheinlichkeit für das nächste. Dafür ist die hypergeometrische Verteilung zuständig. Als Daumenregel gilt: Ist die Grundmenge mindestens zehnmal so groß wie die Stichprobe, ist die Binomialverteilung eine brauchbare Näherung.
Warum ist der wahrscheinlichste Wert nicht immer der Erwartungswert?
Weil der Erwartungswert ein Schwerpunkt ist und kein möglicher Ausgang sein muss. Bei n = 10 und p = 0,25 ist μ = 2,5 – eine Trefferzahl, die es nicht gibt. Der wahrscheinlichste Wert ist die Abrundung von (n + 1) · p, hier also 2 mit 28,157 Prozent. Bei unsymmetrischen Verteilungen, also wenn p deutlich von 0,5 abweicht, liegen Erwartungswert und wahrscheinlichster Wert regelmäßig auseinander, weil die Verteilung schief ist: Der längere Schwanz zeigt immer in die Richtung, in die mehr Platz bis 0 oder bis n ist.
Was bedeutet die Bedingung Sigma größer 3 genau?
Sie entscheidet, ob die Normalverteilung als Näherung für die Binomialverteilung benutzt werden darf. Anschaulich verlangt sie, dass die Glockenkurve schmal genug um den Erwartungswert liegt, damit ihre Ränder bei 0 und bei n keine Rolle mehr spielen – eine Glocke ist symmetrisch, eine Binomialverteilung am Rand des Zahlenbereichs nicht. Bei σ = 3 überstreicht die 3σ-Umgebung gerade neun Trefferzahlen nach jeder Seite. Ist σ kleiner, liefert die Näherung deutlich falsche Werte. Dieser Rechner summiert ohnehin exakt, zeigt aber die Bedingung mit an, weil viele Aufgaben ausdrücklich die Näherung verlangen.
Wie hängt die Normalverteilung mit dem z-Wert zusammen?
Es gibt unendlich viele Normalverteilungen, eine für jedes Paar aus μ und σ, aber nur eine davon ist tabelliert: die Standardnormalverteilung mit μ = 0 und σ = 1. Der z-Wert übersetzt zwischen beiden: z = (x − μ) / σ gibt an, wie viele Standardabweichungen ein Wert vom Erwartungswert entfernt liegt. Die Tabellenfunktion Φ(z) liefert dann die Fläche links davon. Weil die Kurve symmetrisch ist, führen negative z-Werte über Φ(−z) = 1 − Φ(z) zurück auf positive. Und weil die Normalverteilung stetig ist, hat ein einzelner Punkt die Wahrscheinlichkeit null – nur Bereiche haben eine Wahrscheinlichkeit.
Kann ich mit diesem Rechner einen Signifikanztest rechnen?
Die Bausteine sind alle da. Für einen einseitigen Test auf dem Niveau von fünf Prozent bestimmt man den Ablehnungsbereich mit dem Modus „Binomialverteilung – Treffer von a bis b“ beziehungsweise über die kumulierten Werte im Modus „genau, höchstens und mindestens“: Gesucht ist die größte Trefferzahl, für die P(X ≤ k) noch unter 0,05 liegt, beziehungsweise die kleinste, für die P(X ≥ k) unter 0,05 fällt. Für den zweiseitigen Test wird das Niveau auf beide Seiten mit je 2,5 Prozent verteilt. Die Sigma-Umgebung mit 95 Prozent Sicherheit liefert unmittelbar den Annahmebereich. Der Rechner nimmt die Entscheidung nicht vorweg – das Formulieren von Hypothese und Ablehnungsbereich bleibt Aufgabe der Klausur.
Quellen
Jakob Bernoulli, „Ars conjectandi“ (1713), für die Binomialverteilung und das Gesetz der großen Zahlen; Abraham de Moivre (1733) und Pierre-Simon Laplace für die Näherung durch die Normalverteilung; Bronstein/Semendjajew, Taschenbuch der Mathematik, für Verteilungsfunktionen, Quantile und Näherungsbedingungen; DIN ISO 3534-1 zu Begriffen der Wahrscheinlichkeitsrechnung und Statistik; ISO 80000-2 zur Notation; die Bildungsstandards der Kultusministerkonferenz für das Fach Mathematik in der Allgemeinen Hochschulreife, in denen Bernoulli-Kette, Sigma-Umgebung, Prognoseintervall und Normalverteilung als verbindliche Inhalte festgelegt sind.
Hinweis: Der Rechner summiert die Binomialverteilung exakt auf und benutzt die Normalverteilung nur, wo sie ausdrücklich als Näherung ausgewiesen ist. Er ist ein Lern- und Kontrollwerkzeug; in einer Klausur zählt der eigene Rechenweg, nicht das Ergebnis eines Online-Rechners.
Mehr aus dieser Kategorie: Mathe-Rechner: Prozent, Bruch & Geometrie
Auch beliebt: Zinseszinsrechner · Kalorienbedarfsrechner · Pace-Rechner
Entdecke das komplette Rechner-Portal auf rechnido – kostenlos und ohne Anmeldung.