Stochastik

D’Stochastik is ’s dritte große Block vo bayerischn Mathe-Abitur. Se bschäftigt si mit’m Zufall — oiso mit Phänomenen, de ned deterministisch vorhersagba san, aba a berechenbare Wahrscheinlichkeitsstruktur hamm. Vom Würfelwurf übern Gesundheitstest bis zur Wahlumfrage: Stochastik liefert de Methodn, um Unsicherheit systematisch zu quantifizieren und zum Entscheidungsgrundlag zum macha. De 30 Unterseitn in dera Rubrik decken den kompletten Bereich vo de Grundbegriffe bis zu de realistischn Anwendungen.

Dein Einstieg is ’s Laplace-Experiment und ’s Konzept vom Wahrscheinlichkeitsraum. D’Grundidee: Bei endlich vuii gleichwahrscheinlichen Ergebnissen berechnet ma d’Wahrscheinlichkeit ois Anteil günstiger zu möglichn Fäll. Darauf baut olles weidere auf. Bedingte Wahrscheinlichkeit, Satz vo Bayes, stochastische Unabhängigkeit und d’totale Wahrscheinlichkeit sand de zentrale Werkzeige, um Abhängigkeiten zwischn Ereignissen zu bschreibn. Vierfeldertafl und Baumdiagramme visualisieren de Situationen — bsunders nützlich bei mehrstufigen Experimenten und bei da Umkehrung vo Wahrscheinlichkeitn (z.B. „wenn da Test positiv war, wia wahrscheinlich is d’Krankheit tatsächlich?“).

A Schritt weida kemman d’Zufallsgrößen. A Zufallsgröße ordnet jedm Ergebnis a reelle Zoih zua und erlaubt’s somit, Wahrscheinlichkeitn auf Zoihn zu übertragen. Erwartungswert und Varianz charakterisieren d’Vateilung kompakt: Mittelwert und Streuung. D’Standardabweichung is d’Wurzl aus da Varianz und gibt a anschauliches Maß für d’typische Abweichung vom Erwartungswert. Bei da Normalverteilung gilt d’bekannte 68-95-99,7-Regl — innerhoib vo \(1\sigma\), \(2\sigma\) bzw. \(3\sigma\) um den Erwartungswert liegen diese Prozentanteile vo de Werte.

D’Binomialverteilung is d’wichtigste diskrete Verteilung im Abitur. Se bschreibt d’Anzahl vo Erfolgen bei \(n\)-facher Wiederholung vo am Bernoulli-Experiment mit konstanter Erfolgswahrscheinlichkeit \(p\). Mit da Formel \(P(X = k) = \binom{n}{k} p^k (1-p)^{n-k}\), mit \(E = np\) und \(\sigma = \sqrt{np(1-p)}\) hod ma d’Basis für olle Anwendungen. Kumulierte Binomialwahrscheinlichkeiten wean aus Tabelln oder mit’m GTR gholt. Für große \(n\) geht d’Binomialverteilung in d’Normalverteilung über — a Konsequenz vom zentralen Grenzwertsatz. De Approximation erlaubt bei großen Stichprobn schnelle Rechnungen und is Grundlag für Konfidenzintervalln und Hypothesentests.

Induktive Statistik is da Gipfel vom bayerischn Stochastik-Stoff. Aus Daten auf unbekannte Parameter zurückzuschließn is d’Hauptaufgab. Erwartungstreue Schätzer liefern Werte, de im Mittel den wahren Parameter treffen. Konfidenzintervalln geben an Bereich on, in dem da Parameter mit ana bstimmtn Sicherheit liegt. Hypothesentests prüfen Behauptunga — einseitig oder zweiseitig, je nach Fragestellung. Signifikanzniveau \(\alpha\), kritischer Bereich, Fehla 1. und 2. Art, Gütefunktion — des sand de Zutaten vo Testverfahren, de in Medizin, Qualitätskontrolle und Marktforschung täglich zur Anwendung kemman.

Nebn da Binomialverteilung gibt’s weidere wichtige Modelle. D’hypergeometrische Verteilung bschreibt ’s Ziagn ohne Zurücklegen aus ana endlichen Grundgesamtheit — realistischer ois Binomial bei kloanen Populationen (z.B. Lotto, Kartnspiel). D’geometrische Verteilung modelliert Wartezeiten bis zum erstn Erfolg und hod d’bemerkenswerte Eigenschaft vo da Gedächtnislosigkeit. ’s Gesetz vo de großn Zoihn rechtfertigt d’frequentistische Interpretation vo Wahrscheinlichkeit: Relative Häufigkeit konvergiert bei wiederhoit Versuchen gegn d’wahre Wahrscheinlichkeit.

D’Anwendungsvielfalt is groß. In Qualitätskontrolle werdn Stichprobnpläne entworfn, OC-Kurven analysiert und Kontrollkarten interpretiert. In Medizin wean Sensitivität und Spezifität vo diagnostischn Tests bewertet, Bayes-Formel liefat den prädiktiven Wert. Marktforschung nutzt Konfidenzintervalln für Wahlprognose und A/B-Tests für Optimierung vo Kampagnen. Olle dreibereiche sand Beispiele dafür, wia d’Stochastik in realen Entscheidungsprozessn zur Anwendung kimmt.

Für ’s Durcharbeiten empfehl i folgenden Weg: Zerst a Grundbegriffe (Laplace, bedingt, unabhängig), dann Zufallsgrößen mit Erwartungswert und Varianz, danach d’Binomialverteilung mit olle Facettn, dann Normalverteilung und d’Approximation, schließlich induktive Statistik mit Tests und Intervoiln. D’Spezialverteilungen und Anwendungsaufgabn am End runden ’s Bild ob. Rechne vui Beispui selber nochvollziagn — Stochastik lernt ma ned durchs Lesn, sondan durchs Nochrechna.

Stochastik

Stochastik

Grundbegriffe

Zufallsgrößen und Vateilunga

Binomialverteilung

Normalverteilung

Induktive Statistik

Weidane Verteilungen und Simulation

Anwendungen