/
/
·
·
/
/
·
·
  • Einführung
  • Das Problem
  • Die wichtigen Begriffe
  • Wahrscheinlichkeit berechnen, Laplace
  • Die drei Axiome
  • Gegenereignis und Komplement
  • Vereinigung von Ereignissen
  • Mehrstufige Experimente
  • Das Gesetz der großen Zahlen
  • Klausur-Tricks
  • Wo brauchst du Wahrscheinlichkeit?
ThemenMathematikWahrscheinlichkeit
Mathematik·3Lerneinheiten·20min·Stand02.08.2026

Wahrscheinlichkeit.

Wahrscheinlichkeit ist eine Zahl zwischen 0 und 1, die angibt wie wahrscheinlich ein Ereignis ist: 0 = unmöglich, 1 = sicher, 0,5 = 50/50. Bei einem fairen Würfel ist die Wahrscheinlichkeit für jede Zahl 1/6.

Die Bausteine die du in der Klausur können musst:

  • P(A) = günstige Fälle / mögliche Fälle (Laplace-Wahrscheinlichkeit)
  • Komplement: P(¬A) = 1 - P(A)
  • UND (Schnitt): P(A ∩ B) = P(A) · P(B) bei unabhängigen Ereignissen
  • ODER (Vereinigung): P(A ∪ B) = P(A) + P(B) - P(A ∩ B)
  • Bedingte Wahrscheinlichkeit: P(A | B) = P(A ∩ B) / P(B), "A unter der Bedingung B"
  • Bayes-Formel: P(A | B) = P(B | A) · P(A) / P(B)
  • Erwartungswert: E(X) = Σ x · P(X = x), durchschnittliches Ergebnis bei vielen Versuchen

In Klausuren oft gefragt: mit Baumdiagramm die Wahrscheinlichkeit eines mehrstufigen Zufallsexperiments berechnen. Standard-Vorgehen: Wahrscheinlichkeiten entlang der Pfade multiplizieren, Wahrscheinlichkeiten verschiedener Pfade addieren.

Wir würfeln. Welche Zahl kommt als nächstes? Niemand weiß es. Aber die Mathematik der Wahrscheinlichkeit sagt uns trotzdem etwas:

Bei vielen Würfen wird jede der sechs Zahlen ungefähr gleich oft vorkommen. Genauer: jede etwa 16\frac{1}{6}61​ aller Würfe.

Das ist die zentrale Idee. Wir können nicht den einzelnen Wurf vorhersagen, aber das Verhalten auf lange Sicht.

Stell dir vor, du würfelst einmal mit einem normalen Würfel.

BegriffWas es bedeutetBeispiel
ZufallsexperimentVorgang mit ungewissem AusgangEinmal würfeln
ErgebnisEin einzelner Ausgangω=4\omega = 4ω=4
Ergebnisraum Ω\OmegaΩMenge aller möglichen ErgebnisseΩ={1,2,3,4,5,6}\Omega = \{1, 2, 3, 4, 5, 6\}Ω={1,2,3,4,5,6}
EreignisEine Teilmenge von Ω\OmegaΩ"gerade Zahl" = {2,4,6}\{2, 4, 6\}{2,4,6}
WahrscheinlichkeitEine Zahl zwischen 0 und 1P(gerade)=36=0,5P(\text{gerade}) = \frac{3}{6} = 0{,}5P(gerade)=63​=0,5

Merke: Ein Ergebnis ist ein einzelner Wurf. Ein Ereignis ist eine Frage über Würfe ("ist es gerade?"). Verwechseln ist Klausur-Klassiker.

Wenn alle Ergebnisse gleich wahrscheinlich sind (z.B. fairer Würfel, faire Münze), gilt die Laplace-Formel:

P(A)=∣A∣∣Ω∣=gu¨nstige Fa¨llemo¨gliche Fa¨lleP(A) = \frac{|A|}{|\Omega|} = \frac{\text{günstige Fälle}}{\text{mögliche Fälle}}P(A)=∣Ω∣∣A∣​=mo¨gliche Fa¨llegu¨nstige Fa¨lle​

Beispiel 1: Würfel, Ereignis AAA = "gerade Zahl".

  • Günstig: {2,4,6}\{2, 4, 6\}{2,4,6} → 3 Fälle
  • Möglich: {1,...,6}\{1, ..., 6\}{1,...,6} → 6 Fälle
  • P(A)=36=12=50 %P(A) = \frac{3}{6} = \frac{1}{2} = 50\,\%P(A)=63​=21​=50%

Beispiel 2: Münze, Ereignis BBB = "Kopf".

  • Günstig: 1 Fall, möglich: 2 Fälle
  • P(B)=12=50 %P(B) = \frac{1}{2} = 50\,\%P(B)=21​=50%

Beispiel 3: Karte aus einem Skat-Deck (32 Karten), Ereignis CCC = "ein Ass".

  • 4 Asse, 32 Karten
  • P(C)=432=18=12,5 %P(C) = \frac{4}{32} = \frac{1}{8} = 12{,}5\,\%P(C)=324​=81​=12,5%

Egal wie kompliziert das Experiment, drei Regeln gelten immer:

  1. Nicht-Negativität: 0≤P(A)≤10 \le P(A) \le 10≤P(A)≤1, keine negativen Wahrscheinlichkeiten, niemand kann mehr als 100 % sicher sein.
  2. Sicherheit: P(Ω)=1P(\Omega) = 1P(Ω)=1, irgendetwas passiert garantiert.
  3. Additivität (für disjunkte Ereignisse A∩B=∅A \cap B = \emptysetA∩B=∅): P(A∪B)=P(A)+P(B)P(A \cup B) = P(A) + P(B)P(A∪B)=P(A)+P(B), getrennte Fälle addiert man einfach.

Wahrscheinlichkeiten kann man als Anteile am Ergebnisraum denken. Ω\OmegaΩ ist der ganze Kuchen (= 1), Ereignisse sind Stücke davon.

Das Gegenereignis A‾\overline{A}A ist alles was nicht AAA ist.

P(A‾)=1−P(A)P(\overline{A}) = 1 - P(A)P(A)=1−P(A)

Klassischer Klausurtrick: "Wahrscheinlichkeit, dass mindestens einmal Sechs bei 4 Würfen?"

Direkt rechnen ist mühsam (mindestens einmal = einmal ODER zweimal ODER ...). Stattdessen über das Gegenereignis:

  • Gegenereignis: kein einziges Mal Sechs
  • P(keine Sechs in einem Wurf)=56P(\text{keine Sechs in einem Wurf}) = \frac{5}{6}P(keine Sechs in einem Wurf)=65​
  • P(keine Sechs in 4 Wu¨rfen)=(56)4≈0,482P(\text{keine Sechs in 4 Würfen}) = \left(\frac{5}{6}\right)^4 \approx 0{,}482P(keine Sechs in 4 Wu¨rfen)=(65​)4≈0,482
  • P(mindestens eine Sechs)=1−0,482≈0,518=51,8 %P(\text{mindestens eine Sechs}) = 1 - 0{,}482 \approx 0{,}518 = 51{,}8\,\%P(mindestens eine Sechs)=1−0,482≈0,518=51,8%

Knapp mehr als 50 %. Cooles Ergebnis: bei 4 Würfen kippt es leicht in Richtung "mindestens eine Sechs".

Was wenn AAA und BBB nicht disjunkt sind? Dann gilt die Additionsregel mit Korrektur:

P(A∪B)=P(A)+P(B)−P(A∩B)P(A \cup B) = P(A) + P(B) - P(A \cap B)P(A∪B)=P(A)+P(B)−P(A∩B)

(Das ist die Inklusion-Exklusion aus der Mengenlehre, gleiche Idee.)

Beispiel: Würfel, AAA = "gerade", BBB = "größer als 3".

  • A={2,4,6}A = \{2, 4, 6\}A={2,4,6}, P(A)=36P(A) = \frac{3}{6}P(A)=63​
  • B={4,5,6}B = \{4, 5, 6\}B={4,5,6}, P(B)=36P(B) = \frac{3}{6}P(B)=63​
  • A∩B={4,6}A \cap B = \{4, 6\}A∩B={4,6}, P(A∩B)=26P(A \cap B) = \frac{2}{6}P(A∩B)=62​
  • P(A∪B)=36+36−26=46=23P(A \cup B) = \frac{3}{6} + \frac{3}{6} - \frac{2}{6} = \frac{4}{6} = \frac{2}{3}P(A∪B)=63​+63​−62​=64​=32​

Check: A∪B={2,4,5,6}A \cup B = \{2, 4, 5, 6\}A∪B={2,4,5,6} → 4 von 6 → 46\frac{4}{6}64​. ✓

Was wenn wir zweimal würfeln? Oder dreimal ziehen?

Faustregel: Wenn die Stufen unabhängig sind (eine beeinflusst die andere nicht), dann multiplizieren wir die Wahrscheinlichkeiten:

P(A und B)=P(A)⋅P(B)P(A \text{ und } B) = P(A) \cdot P(B)P(A und B)=P(A)⋅P(B)

Beispiel: Zweimal würfeln, beide Male eine Sechs.

  • P(Sechs)=16P(\text{Sechs}) = \frac{1}{6}P(Sechs)=61​ pro Wurf
  • P(zweimal Sechs)=16⋅16=136≈2,8 %P(\text{zweimal Sechs}) = \frac{1}{6} \cdot \frac{1}{6} = \frac{1}{36} \approx 2{,}8\,\%P(zweimal Sechs)=61​⋅61​=361​≈2,8%

Beispiel: Münze dreimal, alle Male Kopf.

  • P=(12)3=18=12,5 %P = \left(\frac{1}{2}\right)^3 = \frac{1}{8} = 12{,}5\,\%P=(21​)3=81​=12,5%

Bei abhängigen Stufen (z.B. Karte ziehen ohne Zurücklegen) ist die Formel komplizierter, kommt in fortgeschrittenen Themen.

Du würfelst 6-mal. Kommt jede Zahl genau einmal? Nein, fast nie. Vielleicht ist die Sechs zweimal dabei, die Drei gar nicht.

Du würfelst 600-mal. Jede Zahl etwa 100-mal? Ungefähr ja, aber Abweichungen sind normal, vielleicht 95-mal Sechs, 110-mal Drei.

Du würfelst 6 Millionen Mal. Jede Zahl etwa 1 Million? Ja, sehr genau. Die Abweichung in Prozent wird mit jeder zusätzlichen Stufe kleiner.

Das ist das Gesetz der großen Zahlen:

Bei vielen Wiederholungen nähert sich die relative Häufigkeit der theoretischen Wahrscheinlichkeit.

Im Interaktiv-Tab unten kannst du das selbst beobachten, wirf 1, 10, 100, 1000 Mal und sieh die Balken zur 1/6-Linie konvergieren.

Trick 1, "mindestens" via Gegenereignis: Wann immer "mindestens" oder "wenigstens" in der Aufgabe steht, ist das Gegenereignis ("keinmal", "gar nicht") meist viel einfacher.

P(mindestens eine 6 in n Würfen) = 1 − (5/6)^n
P(mind. ein Treffer in n unabhängigen Versuchen) = 1 − P(Misserfolg)^n

Trick 2, UND vs. ODER:

  • "UND" → multiplizieren (bei Unabhängigkeit). Beispiel: erst würfeln UND dann Münze
  • "ODER" → addieren (bei Disjunktheit) bzw. mit Korrektur. Beispiel: gerade ODER größer als 3

Trick 3, Wahrscheinlichkeiten in Prozent umrechnen: 0,25=25 %0{,}25 = 25\,\%0,25=25%, 18=0,125=12,5 %\frac{1}{8} = 0{,}125 = 12{,}5\,\%81​=0,125=12,5%. In Klausuren wird oft nach "in Prozent" gefragt.

Trick 4, Symmetrie ausnutzen: Bei symmetrischen Experimenten (faire Münze, fairer Würfel) musst du nicht alle Ergebnisse aufzählen, die sind alle gleich wahrscheinlich.

Trick 5, Achtung Geburtstagsparadoxon: In einer Gruppe von 23 Leuten ist die Wahrscheinlichkeit für mindestens zwei mit gleichem Geburtstag über 50 %. Klingt unintuitiv, aber stimmt, typische Klausur-Trickfrage.

Trick 6, Sicheres und Unmögliches Ereignis:

  • P(Ω)=1P(\Omega) = 1P(Ω)=1 → tritt sicher ein
  • P(∅)=0P(\emptyset) = 0P(∅)=0 → tritt nie ein
  • Beispiel Würfel: P(Zahl≤6)=1P(\text{Zahl} \le 6) = 1P(Zahl≤6)=1, P(Zahl=7)=0P(\text{Zahl} = 7) = 0P(Zahl=7)=0
  • Statistik & Data Science: jede Hypothesen-Test, jedes Modell beruht auf Wahrscheinlichkeiten
  • Machine Learning: Klassifikatoren geben Wahrscheinlichkeiten aus ("Spam mit 87 %")
  • Glücksspiel & Game Design: Drop-Raten, Loot-Boxes, Pokerstrategien
  • Versicherungen & Risk Management: erwartete Schadenshöhe = Wahrscheinlichkeit × Schaden
  • A/B Tests: ist der Unterschied zwischen Gruppe A und B wirklich signifikant oder Zufall?
  • Algorithmen: randomisierte Algorithmen, Hashing, Bloom Filters

Fünf Klausur-Szenarien plus drei Werkzeuge: Ereignis-Selektor, Erwartungswert und Auto-Run.

Szenarien:

  • Münze und Würfel, alle Outcomes gleich wahrscheinlich
  • Karte, 8 Kartenwerte (7, 8, 9, 10, B, D, K, A), jeder mit 18\frac{1}{8}81​, Erwartungswert: Skat-Augen
  • Urne mit 3 roten und 5 blauen Kugeln, ungleich verteilt
  • 2 Würfel · Augensumme, Pyramide mit Maximum bei 7

Drei Konzept-Erweiterungen, direkt klausurrelevant:

  1. Ereignis-Selektor: Klick einen oder mehrere Achsen-Einträge → bildet Ereignis A. P(A) wird live theoretisch und gemessen angezeigt. Probier: bei 2 Würfeln {8, 9, 10, 11, 12} = "Augensumme ≥ 8", theoretisch 15/36 ≈ 41,7 %.

  2. Erwartungswert E(X): Bei numerischen Szenarien (Würfel, 2-Würfel, Karte) zeigt der Visualizer E(X) theoretisch und das Sample-Mittel. Mit jedem Wurf nähert sich Sample-Mittel dem Erwartungswert (Gesetz der großen Zahlen, starke Form).

  3. Auto-Run: Play-Button startet automatisches Werfen mit drei Geschwindigkeiten (5, 100 oder 2.000 Würfe/Sek). Beobachte Konvergenz live.

Lade Visualisierung...

Faustregel zum Mitnehmen: Wahrscheinlichkeit ist eine Aussage über viele Versuche, nicht über einen einzelnen. Bei einem Wurf ist alles möglich. Bei 1.000 Würfen wird das Bild langweilig vorhersehbar, und genau das ist die Stärke der Wahrscheinlichkeitsrechnung.

Anmelden, um den Fortschritt zu speichern.

Nächster Schritt

Wenn du fertig bist: jetzt üben.

Aktives Abrufen festigt Wissen schneller als nochmal lesen.

War das hilfreich?

Verwandte Themen

  • Lineare Funktionen
  • Prädikatenlogik 1. Stufe
  • Quadratische Funktionen
  • Ableitungen
  • Integrale

Folgt

  • Beschreibende Statistik
  • Normalverteilung
  • Poisson-Verteilung & Binomialverteilung Formel (Statistik)
  • Bedingte Wahrscheinlichkeit und Bayes-Theorem
  • Erwartungswert und Varianz, Vertiefung

Tools

Bald: Karteikarten · Spaced-Repetition · Mind-Map-Export

Fachliche Qualität
Noch nicht klassifiziertZuletzt geprüft am 06.05.2026

Diese Lerneinheit wurde für typische Bachelor-Klausuren konzipiert. So prüfen wir · Fehler entdeckt? Melde ihn uns oder markiere die fragliche Stelle direkt im Text oben.

Klausur-ÜbersichtKomplette Übersicht: alle Tabs als linearer Text zum Lernen
▾

Alle Tabs der Lerneinheit (Erklärung · Interaktiv · Quiz) als durchgehender Text. Ideal zum Wiederholen vor der Klausur, und für Suchmaschinen wie Google, Bing und KI-Suche (ChatGPT, Perplexity).

Inhalt dieser Übersicht

  1. Erklärung(Erklärung)
  2. Interaktiv(Visualisierung / Interaktiv)
  3. Quiz(Quiz / Klausurfragen)
Teil 1·Erklärung

Erklärung

Wahrscheinlichkeit ist eine Zahl zwischen 0 und 1, die angibt wie wahrscheinlich ein Ereignis ist: 0 = unmöglich, 1 = sicher, 0,5 = 50/50. Bei einem fairen Würfel ist die Wahrscheinlichkeit für jede Zahl 1/6.

Die Bausteine die du in der Klausur können musst:

  • P(A) = günstige Fälle / mögliche Fälle (Laplace-Wahrscheinlichkeit)
  • Komplement: P(¬A) = 1 - P(A)
  • UND (Schnitt): P(A ∩ B) = P(A) · P(B) bei unabhängigen Ereignissen
  • ODER (Vereinigung): P(A ∪ B) = P(A) + P(B) - P(A ∩ B)
  • Bedingte Wahrscheinlichkeit: P(A | B) = P(A ∩ B) / P(B), "A unter der Bedingung B"
  • Bayes-Formel: P(A | B) = P(B | A) · P(A) / P(B)
  • Erwartungswert: E(X) = Σ x · P(X = x), durchschnittliches Ergebnis bei vielen Versuchen

In Klausuren oft gefragt: mit Baumdiagramm die Wahrscheinlichkeit eines mehrstufigen Zufallsexperiments berechnen. Standard-Vorgehen: Wahrscheinlichkeiten entlang der Pfade multiplizieren, Wahrscheinlichkeiten verschiedener Pfade addieren.

Das Problem

Wir würfeln. Welche Zahl kommt als nächstes? Niemand weiß es. Aber die Mathematik der Wahrscheinlichkeit sagt uns trotzdem etwas:

Bei vielen Würfen wird jede der sechs Zahlen ungefähr gleich oft vorkommen. Genauer: jede etwa 1/6 aller Würfe.

Das ist die zentrale Idee. Wir können nicht den einzelnen Wurf vorhersagen, aber das Verhalten auf lange Sicht.

Die wichtigen Begriffe

Stell dir vor, du würfelst einmal mit einem normalen Würfel.

BegriffWas es bedeutetBeispiel
ZufallsexperimentVorgang mit ungewissem AusgangEinmal würfeln
ErgebnisEin einzelner Ausgangω = 4
Ergebnisraum ΩMenge aller möglichen ErgebnisseΩ = \1, 2, 3, 4, 5, 6\
EreignisEine Teilmenge von Ω"gerade Zahl" = \2, 4, 6\
WahrscheinlichkeitEine Zahl zwischen 0 und 1P(gerade) = 3/6 = 0,5

Merke: Ein Ergebnis ist ein einzelner Wurf. Ein Ereignis ist eine Frage über Würfe ("ist es gerade?"). Verwechseln ist Klausur-Klassiker.

Wahrscheinlichkeit berechnen, Laplace

Wenn alle Ergebnisse gleich wahrscheinlich sind (z.B. fairer Würfel, faire Münze), gilt die Laplace-Formel:

P(A) = (|A|)/(|Ω|) = (günstige Fälle)/(mögliche Fälle)

Beispiel 1: Würfel, Ereignis A = "gerade Zahl".

  • Günstig: \2, 4, 6\ → 3 Fälle
  • Möglich: \1, ..., 6\ → 6 Fälle
  • P(A) = 3/6 = 1/2 = 50 \%

Beispiel 2: Münze, Ereignis B = "Kopf".

  • Günstig: 1 Fall, möglich: 2 Fälle
  • P(B) = 1/2 = 50 \%

Beispiel 3: Karte aus einem Skat-Deck (32 Karten), Ereignis C = "ein Ass".

  • 4 Asse, 32 Karten
  • P(C) = 4/32 = 1/8 = 12,5 \%

Die drei Axiome

Egal wie kompliziert das Experiment, drei Regeln gelten immer:

  1. Nicht-Negativität: 0 ≤ P(A) ≤ 1, keine negativen Wahrscheinlichkeiten, niemand kann mehr als 100 % sicher sein.
  2. Sicherheit: P(Ω) = 1, irgendetwas passiert garantiert.
  3. Additivität (für disjunkte Ereignisse A ∩ B = ∅): P(A ∪ B) = P(A) + P(B), getrennte Fälle addiert man einfach.

Wahrscheinlichkeiten kann man als Anteile am Ergebnisraum denken. Ω ist der ganze Kuchen (= 1), Ereignisse sind Stücke davon.

Gegenereignis und Komplement

Das Gegenereignis Ā ist alles was nicht A ist.

P(Ā) = 1 - P(A)

Klassischer Klausurtrick: "Wahrscheinlichkeit, dass mindestens einmal Sechs bei 4 Würfen?"

Direkt rechnen ist mühsam (mindestens einmal = einmal ODER zweimal ODER ...). Stattdessen über das Gegenereignis:

  • Gegenereignis: kein einziges Mal Sechs
  • P(keine Sechs in einem Wurf) = 5/6
  • P(keine Sechs in 4 Würfen) = (5/6)⁴ ≈ 0,482
  • P(mindestens eine Sechs) = 1 - 0,482 ≈ 0,518 = 51,8 \%

Knapp mehr als 50 %. Cooles Ergebnis: bei 4 Würfen kippt es leicht in Richtung "mindestens eine Sechs".

Vereinigung von Ereignissen

Was wenn A und B nicht disjunkt sind? Dann gilt die Additionsregel mit Korrektur:

P(A ∪ B) = P(A) + P(B) - P(A ∩ B)

(Das ist die Inklusion-Exklusion aus der Mengenlehre, gleiche Idee.)

Beispiel: Würfel, A = "gerade", B = "größer als 3".

  • A = \2, 4, 6\, P(A) = 3/6
  • B = \4, 5, 6\, P(B) = 3/6
  • A ∩ B = \4, 6\, P(A ∩ B) = 2/6
  • P(A ∪ B) = 3/6 + 3/6 - 2/6 = 4/6 = 2/3

Check: A ∪ B = \2, 4, 5, 6\ → 4 von 6 → 4/6. ✓

Mehrstufige Experimente

Was wenn wir zweimal würfeln? Oder dreimal ziehen?

Faustregel: Wenn die Stufen unabhängig sind (eine beeinflusst die andere nicht), dann multiplizieren wir die Wahrscheinlichkeiten:

P(A und B) = P(A) · P(B)

Beispiel: Zweimal würfeln, beide Male eine Sechs.

  • P(Sechs) = 1/6 pro Wurf
  • P(zweimal Sechs) = 1/6 · 1/6 = 1/36 ≈ 2,8 \%

Beispiel: Münze dreimal, alle Male Kopf.

  • P = (1/2)³ = 1/8 = 12,5 \%

Bei abhängigen Stufen (z.B. Karte ziehen ohne Zurücklegen) ist die Formel komplizierter, kommt in fortgeschrittenen Themen.

Das Gesetz der großen Zahlen

Du würfelst 6-mal. Kommt jede Zahl genau einmal? Nein, fast nie. Vielleicht ist die Sechs zweimal dabei, die Drei gar nicht.

Du würfelst 600-mal. Jede Zahl etwa 100-mal? Ungefähr ja, aber Abweichungen sind normal, vielleicht 95-mal Sechs, 110-mal Drei.

Du würfelst 6 Millionen Mal. Jede Zahl etwa 1 Million? Ja, sehr genau. Die Abweichung in Prozent wird mit jeder zusätzlichen Stufe kleiner.

Das ist das Gesetz der großen Zahlen:

Bei vielen Wiederholungen nähert sich die relative Häufigkeit der theoretischen Wahrscheinlichkeit.

Im Interaktiv-Tab unten kannst du das selbst beobachten, wirf 1, 10, 100, 1000 Mal und sieh die Balken zur 1/6-Linie konvergieren.

Klausur-Tricks

Trick 1, "mindestens" via Gegenereignis: Wann immer "mindestens" oder "wenigstens" in der Aufgabe steht, ist das Gegenereignis ("keinmal", "gar nicht") meist viel einfacher.

P(mindestens eine 6 in n Würfen) = 1 − (5/6)^n
P(mind. ein Treffer in n unabhängigen Versuchen) = 1 − P(Misserfolg)^n

Trick 2, UND vs. ODER:

  • "UND" → multiplizieren (bei Unabhängigkeit). Beispiel: erst würfeln UND dann Münze
  • "ODER" → addieren (bei Disjunktheit) bzw. mit Korrektur. Beispiel: gerade ODER größer als 3

Trick 3, Wahrscheinlichkeiten in Prozent umrechnen: 0,25 = 25 \%, 1/8 = 0,125 = 12,5 \%. In Klausuren wird oft nach "in Prozent" gefragt.

Trick 4, Symmetrie ausnutzen: Bei symmetrischen Experimenten (faire Münze, fairer Würfel) musst du nicht alle Ergebnisse aufzählen, die sind alle gleich wahrscheinlich.

Trick 5, Achtung Geburtstagsparadoxon: In einer Gruppe von 23 Leuten ist die Wahrscheinlichkeit für mindestens zwei mit gleichem Geburtstag über 50 %. Klingt unintuitiv, aber stimmt, typische Klausur-Trickfrage.

Trick 6, Sicheres und Unmögliches Ereignis:

  • P(Ω) = 1 → tritt sicher ein
  • P(∅) = 0 → tritt nie ein
  • Beispiel Würfel: P(Zahl ≤ 6) = 1, P(Zahl = 7) = 0

Wo brauchst du Wahrscheinlichkeit?

  • Statistik & Data Science: jede Hypothesen-Test, jedes Modell beruht auf Wahrscheinlichkeiten
  • Machine Learning: Klassifikatoren geben Wahrscheinlichkeiten aus ("Spam mit 87 %")
  • Glücksspiel & Game Design: Drop-Raten, Loot-Boxes, Pokerstrategien
  • Versicherungen & Risk Management: erwartete Schadenshöhe = Wahrscheinlichkeit × Schaden
  • A/B Tests: ist der Unterschied zwischen Gruppe A und B wirklich signifikant oder Zufall?
  • Algorithmen: randomisierte Algorithmen, Hashing, Bloom Filters
Teil 2·Visualisierung / Interaktiv

Interaktiv

Wahrscheinlichkeits-Lab

Fünf Klausur-Szenarien plus drei Werkzeuge: Ereignis-Selektor, Erwartungswert und Auto-Run.

Szenarien:

  • Münze und Würfel, alle Outcomes gleich wahrscheinlich
  • Karte, 8 Kartenwerte (7, 8, 9, 10, B, D, K, A), jeder mit 1/8, Erwartungswert: Skat-Augen
  • Urne mit 3 roten und 5 blauen Kugeln, ungleich verteilt
  • 2 Würfel · Augensumme, Pyramide mit Maximum bei 7

Drei Konzept-Erweiterungen, direkt klausurrelevant:

  1. Ereignis-Selektor: Klick einen oder mehrere Achsen-Einträge → bildet Ereignis A. P(A) wird live theoretisch und gemessen angezeigt. Probier: bei 2 Würfeln {8, 9, 10, 11, 12} = "Augensumme ≥ 8", theoretisch 15/36 ≈ 41,7 %.

  2. Erwartungswert E(X): Bei numerischen Szenarien (Würfel, 2-Würfel, Karte) zeigt der Visualizer E(X) theoretisch und das Sample-Mittel. Mit jedem Wurf nähert sich Sample-Mittel dem Erwartungswert (Gesetz der großen Zahlen, starke Form).

  3. Auto-Run: Play-Button startet automatisches Werfen mit drei Geschwindigkeiten (5, 100 oder 2.000 Würfe/Sek). Beobachte Konvergenz live.

Interaktive Visualisierung

Simulator für Zufallsexperimente (Münze, Würfel, Urnen) mit empirischer vs. theoretischer Wahrscheinlichkeit.

Faustregel zum Mitnehmen: Wahrscheinlichkeit ist eine Aussage über viele Versuche, nicht über einen einzelnen. Bei einem Wurf ist alles möglich. Bei 1.000 Würfen wird das Bild langweilig vorhersehbar, und genau das ist die Stärke der Wahrscheinlichkeitsrechnung.

Teil 3·Quiz / Klausurfragen

Quiz

Klausurfragen mit Lösungen (8)

F1.Du würfelst einmal mit einem fairen Würfel. Was ist die Wahrscheinlichkeit, eine gerade Zahl zu würfeln?

Antwort: `1/2`

Erklärung: Gerade Zahlen auf dem Würfel: {2, 4, 6} → 3 günstige Fälle. Insgesamt 6 mögliche. P = 3/6 = 1/2 = 50 %.

F2.Was ist der Ergebnisraum Ω beim einmaligen Würfeln?

Antwort: `\1, 2, 3, 4, 5, 6\`

Erklärung: Ergebnisraum = ALLE möglichen Ausgänge. Beim Würfel: {1, 2, 3, 4, 5, 6}. Eine einzelne gewürfelte Zahl ist ein Ergebnis (Element von Ω), nicht der Ergebnisraum selbst.

F3.Du wirfst zweimal eine faire Münze. Wie wahrscheinlich ist zweimal Kopf?

Antwort: `1/4`

Erklärung: Bei unabhängigen Stufen multiplizieren: P(Kopf) = 1/2 pro Wurf. P(2× Kopf) = 1/2 · 1/2 = 1/4 = 25 %. Alternativ: Ω = {KK, KZ, ZK, ZZ}, günstig nur {KK} = 1 von 4.

F4.P(A) = 0,3. Was ist P(Ā) (die Wahrscheinlichkeit des Gegenereignisses)?

Antwort: 0.7 (Toleranz ±0.01)

Erklärung: Gegenereignis: P(¬A) = 1 − P(A) = 1 − 0,3 = 0,7 = 70 %. Wahrscheinlichkeiten summieren sich zu 1: A und ¬A decken zusammen den ganzen Ergebnisraum ab.

Typ: Zahlen-Eingabe

F5.Du würfelst viermal hintereinander. Wie groß ist die Wahrscheinlichkeit, mindestens einmal eine 6 zu werfen?

Antwort: `1 - (5/6)⁴ ≈ 51,8 \%`

Erklärung: 'Mindestens einmal' rechnet man am besten über das Gegenereignis: P(keine 6 in einem Wurf) = 5/6. P(keine 6 in 4 Würfen) = (5/6)^4 ≈ 0,482. Also P(mindestens eine 6) = 1 − 0,482 ≈ 0,518 ≈ 51,8 %.

F6.Welche der folgenden Aussagen ist immer wahr (für jede Wahrscheinlichkeitsverteilung)?

Antwort: `0 ≤ P(A) ≤ 1`

Erklärung: Erstes Axiom: Wahrscheinlichkeiten liegen immer zwischen 0 und 1. Option A falsch (unmögliches Ereignis hat P = 0). Option B nur wenn B = ¬A. Option D nur bei Unabhängigkeit.

F7.Was beschreibt das Gesetz der großen Zahlen?

Antwort: Bei vielen Wiederholungen nähert sich die relative Häufigkeit der theoretischen Wahrscheinlichkeit

Erklärung: Das Gesetz sagt: relative Häufigkeit → theoretische Wahrscheinlichkeit, wenn n groß wird. Nicht 'exakt gleich' (das ist fast nie der Fall), sondern 'beliebig nah'. Die Wahrscheinlichkeit selbst ändert sich nie.

F8.Würfel, A = 'gerade Zahl', B = 'größer als 3'. Was ist P(A ∪ B)?

Antwort: `4/6 = 2/3`

Erklärung: A = {2,4,6}, B = {4,5,6}. A ∪ B = {2,4,5,6} → 4 von 6 = 2/3. Per Formel: P(A) + P(B) − P(A ∩ B) = 3/6 + 3/6 − 2/6 = 4/6. Option D ignoriert die Schnittmenge, klassischer Fehler.

Zur KategorieMathematik.Mehr Themen entdeckenZum Themen-Hub.

UniProMax ist eine themenbasierte Lernplattform für Studierende an deutschen Unis.

Wir glauben, dass Verstehen besser ist als Auswendiglernen. Wir bauen Lerneinheiten die zeigen statt erzählen. Code, Visualisierung, Quiz. Auf Deutsch.

Marke

UniProMaxUniProMax

Themenbasiert, visuell, interaktiv.

Inhalte

  • Alle Themen (Hub)
  • Programmiergrundlagen
  • Algorithmen
  • Mathematik
  • Statistik
  • Datenbanken
  • Rechnungswesen
  • VWL

Studiengang-Filter

  • Informatik
  • Wirtschaftsinformatik
  • BWL
  • Data Science
  • VWL
  • Wirtschaftsingenieurwesen
  • Mathe
  • Psychologie
  • weitere Studiengänge folgen

Plattform

  • Mein Fortschritt
  • Impressum
  • Datenschutz
© 2026 UniProMaxAlle Systeme onlinev0.2 / Sommersemester 2026
UniProMaxUniProMaxUniProMaxUniProMax