(n über k) = n! / (k! × (n-k)!) | Jeder Wert = Summe der beiden darüber
Kombinatorik-Formeln
Permutationen, Kombinationen und Variationen
Typ
Formel
Beispiel
Wert
Permutation (n!)
n!
5 Personen anordnen
120
Variation ohne W.
n!/(n-k)!
3 aus 5 (Reihenfolge)
60
Variation mit W.
nᵏ
3-stellige PIN (0-9)
1000
Kombination ohne W.
n!/(k!(n-k)!)
Lotto 6 aus 49
13.983.816
Kombination mit W.
(n+k-1)!/(k!·(n-1)!)
3 Kugeln, 4 Farben
20
W. = Wiederholung | n = Gesamtanzahl, k = Auswahl
Häufig gestellte Fragen zum Binomialverteilung-Rechner
Was ist eine Binomialverteilung und wann wird sie verwendet?
Die Binomialverteilung ist eine diskrete Wahrscheinlichkeitsverteilung, die die Anzahl der Erfolge in einer festen Anzahl unabhängiger Versuche mit konstanter Erfolgswahrscheinlichkeit beschreibt. Die Verteilung passt, wenn du eine feste Anzahl von Versuchen (n) hast, jeder Versuch nur zwei Ausgänge hat (Erfolg/Misserfolg), die Erfolgswahrscheinlichkeit (p) konstant ist und die Versuche unabhängig voneinander sind. Klassische Anwendungen sind Münzwürfe, Qualitätsprüfungen oder medizinische Tests.
Wie berechne ich die Wahrscheinlichkeit P(X = k) bei der Binomialverteilung?
Die Punktwahrscheinlichkeit für genau k Erfolge wird mit der Formel P(X = k) = (n über k) × p^k × (1-p)^(n-k) berechnet. Dabei ist (n über k) der Binomialkoeffizient, der die Anzahl der Möglichkeiten angibt, k Erfolge aus n Versuchen zu wählen. Diese Formel kombiniert die Kombinatorik (wie viele Wege gibt es für k Erfolge) mit den Wahrscheinlichkeiten für die spezifische Sequenz von Erfolgen und Misserfolgen.
Was ist der Unterschied zwischen exakter und kumulativer Wahrscheinlichkeit?
Die exakte Wahrscheinlichkeit P(X = k) gibt die Wahrscheinlichkeit für genau k Erfolge an. Die kumulative Wahrscheinlichkeit P(X ≤ k) ist die Summe aller Wahrscheinlichkeiten von 0 bis k Erfolgen und beantwortet die Frage 'höchstens k Erfolge'. Die Komplementärwahrscheinlichkeit P(X > k) = 1 - P(X ≤ k) gibt die Wahrscheinlichkeit für mehr als k Erfolge an. Diese verschiedenen Wahrscheinlichkeiten werden für unterschiedliche praktische Fragestellungen benötigt.
Wie berechne ich Erwartungswert und Standardabweichung?
Bei der Binomialverteilung ist der Erwartungswert E(X) = n × p und gibt die durchschnittlich erwartete Anzahl von Erfolgen an. Die Varianz beträgt Var(X) = n × p × (1-p) und die Standardabweichung ist σ = √(n × p × (1-p)). Diese Kennzahlen helfen bei der Einschätzung der zentralen Tendenz und Streuung der Verteilung. Ein niedriger Erwartungswert bei hoher Standardabweichung deutet auf große Variabilität hin.
Wann kann ich die Normalverteilung als Approximation verwenden?
Die Binomialverteilung kann durch eine Normalverteilung approximiert werden, wenn n groß ist und p nicht zu extrem (nahe 0 oder 1). Als Faustregel gilt: n × p ≥ 5 und n × (1-p) ≥ 5. Diese Normalapproximation wird mit einer Stetigkeitskorrektur von ±0,5 angewendet und erleichtert Berechnungen bei großen n erheblich. Für kleine n oder extreme p-Werte solltest du immer die exakte Binomialverteilung verwenden.
Welche praktischen Anwendungen hat die Binomialverteilung?
Die Binomialverteilung findet breite Anwendung in: Qualitätskontrolle (Anzahl defekter Produkte in einer Stichprobe), Medizin (Erfolg von Behandlungen), Marktforschung (Ja/Nein-Antworten in Umfragen), A/B-Tests (Conversion-Raten), Finanzen (Anzahl profitabler Trades), Sport (Anzahl erfolgreicher Freiwürfe) und Biologie (Vererbungslehre). Überall wo du eine feste Anzahl von Ja/Nein-Entscheidungen mit konstanter Erfolgswahrscheinlichkeit hast, ist die Binomialverteilung das richtige Modell.
Wie interpretiere ich die Ergebnisse der Binomialverteilung richtig?
Die Ergebnisse der Binomialverteilung geben dir verschiedene Informationen: P(X = k) zeigt, wie wahrscheinlich genau k Erfolge sind. P(X ≤ k) gibt die Wahrscheinlichkeit für höchstens k Erfolge an (nützlich für 'Worst-Case'-Szenarien). Der Erwartungswert zeigt den langfristigen Durchschnitt, während die Standardabweichung die typische Abweichung beschreibt. Ein Ergebnis außerhalb von μ ± 2σ tritt nur in etwa 5 % der Fälle auf und kann als ungewöhnlich betrachtet werden.
Was sind typische Fehler bei der Anwendung der Binomialverteilung?
Häufige Fehler sind: Anwendung bei abhängigen Versuchen (z. B. Ziehen ohne Zurücklegen), Annahme konstanter Wahrscheinlichkeiten wenn diese sich ändern (z. B. Lernsituationen), Verwechslung von P(X = k) und P(X ≤ k), falsche Parameterwahl (n, p, k nicht korrekt bestimmt), und Missachtung der Voraussetzungen bei Normalapproximation. Prüfe immer: Sind die Versuche unabhängig? Ist p konstant? Sind nur zwei Ausgänge möglich?
Wann ist die Binomialverteilung nicht das richtige Modell?
Die Binomialverteilung passt nicht, wenn die Versuche voneinander abhängen, mehr als zwei Ausgänge möglich sind oder sich die Erfolgswahrscheinlichkeit während der Versuche ändert. Beispiele sind Ziehen ohne Zurücklegen aus kleiner Grundgesamtheit, Lernfortschritt während einer Testreihe oder Umfragen mit mehreren Antwortoptionen. Dann sind andere Modelle wie hypergeometrische, multinomiale oder approximative Verfahren passender.
Wie wähle ich n, p und k korrekt?
n ist die feste Anzahl der Versuche, p die Erfolgswahrscheinlichkeit pro Versuch und k die gesuchte Anzahl der Erfolge. Wichtig ist, dass p als Dezimalzahl oder Prozentwert eindeutig eingegeben wird und k zwischen 0 und n liegt. Verwechsle nicht die beobachtete Trefferquote mit der angenommenen Wahrscheinlichkeit, sonst beantwortet die Rechnung eine andere Frage.