Übungsquiz zu Erwartungswert & Varianz mit interaktiver Schritt-für-Schritt-Lektion
Nutze das Quiz weiter unten auf der Seite, um Erwartungswert und Varianz in Wahrscheinlichkeit und Statistik zu üben: den Mittelwert (Erwartungswert) einer diskreten Zufallsvariablen mit \(E[X]=\sum x\,p(x)\) berechnen, die schnelle Varianzidentität \(\mathrm{Var}(X)=E[X^2]-(E[X])^2\) nutzen, Standardabweichung als Streuung interpretieren und Grundregeln wie die Linearität des Erwartungswerts \(E[aX+b]=aE[X]+b\) sowie die Skalierungsregel \(\mathrm{Var}(aX+b)=a^2\mathrm{Var}(X)\) anwenden. Wenn du eine Auffrischung mit durchgerechneten Beispielen möchtest (Würfel, Münzen, Glücksräder und kleine Verteilungen), klicke auf Lektion starten.
Beantworte die Fragensammlung und prüfe deine Fehler am Ende.
So funktioniert diese Übung zu Erwartungswert & Varianz
1. Quiz bearbeiten: Beantworte die Fragen zu Erwartungswert und Varianz weiter unten auf der Seite.
2. Lektion öffnen (optional): Wiederhole Formeln, Abkürzungen und häufige Wahrscheinlichkeitsverteilungen mit Schritt-für-Schritt-Beispielen.
3. Erneut versuchen: Kehre zum Fragenset zurück und wende die Regeln für \(E[X]\) und \(\mathrm{Var}(X)\) sofort an.
Was du in der Lektion zu Erwartungswert und Varianz lernst
Grundlagen zum Erwartungswert (Mittelwert)
Diskreter Erwartungswert: \(E[X]=\sum x\,p(x)\)
Interpretation: langfristiger Durchschnitt und „fairer Preis“ eines Spiels
Linearität: \(E[X+Y]=E[X]+E[Y]\) (funktioniert auch ohne Unabhängigkeit)
Uniform auf \([0,1]\): \(E[X]=\tfrac12\), \(\mathrm{Var}(X)=\tfrac{1}{12}\)
Kurzbeispiel: Ein fairer sechsseitiger Würfel hat die Ergebnisse \(1,2,3,4,5,6\). Der Erwartungswert ist
\[
E[X]=\frac{1+2+3+4+5+6}{6}=3.5.
\]
Der Erwartungswert ist nicht „der wahrscheinlichste Wurf“, sondern der langfristige Durchschnitt. Die Varianz misst, wie stark die Ergebnisse um den Mittelwert streuen.
Ziel: Baue ein klares, verlässliches Verständnis von Erwartungswert (Mittelwert) und Varianz (Streuung) auf, damit du \(E[X]\), \(\mathrm{Var}(X)\) und die Standardabweichung für häufige Wahrscheinlichkeitsverteilungen sicher und korrekt berechnen kannst.
Erfolgskriterien
Berechne den Erwartungswert einer diskreten Zufallsvariablen mit \(E[X]=\sum x\,p(x)\).
Nutze die Linearität des Erwartungswerts (einschließlich \(E[X+Y]=E[X]+E[Y]\)).
Berechne die Varianz mit \(\mathrm{Var}(X)=E[(X-\mu)^2]\) und der Abkürzung \(\mathrm{Var}(X)=E[X^2]-\mu^2\).
Wandle zwischen Varianz und Standardabweichung um: \(\sigma=\sqrt{\mathrm{Var}(X)}\).
Wende wichtige Regeln an: \(\mathrm{Var}(aX+b)=a^2\mathrm{Var}(X)\) und (bei Unabhängigkeit) \(\mathrm{Var}(X+Y)=\mathrm{Var}(X)+\mathrm{Var}(Y)\).
Bearbeite klassische Kontexte: Würfel, Münzen, Glücksräder und kleine Auszahlungstabellen.
Wichtige Begriffe
Zufallsvariable: ein numerisches Ergebnis, das durch Zufall entsteht (wie Anzahl der Kopf-Würfe, Würfelergebnis oder Auszahlung).
Erwartungswert (Mittelwert): \(E[X]\), der langfristige Durchschnittswert von \(X\).
Varianz: \(\mathrm{Var}(X)\), der durchschnittliche quadrierte Abstand vom Mittelwert.
Standardabweichung: \(\sigma\), die Quadratwurzel der Varianz, gemessen in denselben Einheiten wie \(X\).
Wahrscheinlichkeitsverteilung: die Liste (oder Regel) der möglichen Werte und ihrer Wahrscheinlichkeiten.
Kurzer Vorabprüfung
Vorabprüfung 1: Was ist der Erwartungswert eines fairen sechsseitigen Würfels?
Hinweis: Für einen fairen Würfel gilt \(E[X]=\dfrac{1+2+3+4+5+6}{6}\).
Vorabprüfung 2: Sei \(X\) mit den Werten \(1\) und \(3\), jeweils mit Wahrscheinlichkeit \(1/2\). Was ist \(\mathrm{Var}(X)\)?
Hinweis: Finde zuerst \(\mu=E[X]\) und berechne dann \(E[(X-\mu)^2]\).
Grundlagen zum Erwartungswert
Erwartungswert: der gewichtete Durchschnitt
Lernziel: Berechne den Erwartungswert aus einer Wahrscheinlichkeitstabelle und interpretiere ihn als langfristigen Mittelwert.
Kernidee
Für eine diskrete Zufallsvariable mit möglichen Werten \(x_1,x_2,\dots\) und Wahrscheinlichkeiten \(p(x_1),p(x_2),\dots\) ist der Erwartungswert der gewichtete Durchschnitt: \[ E[X] = \sum_x x\,p(x). \] Merke dir: „Multipliziere jedes Ergebnis damit, wie oft es auftritt, und addiere dann.“
Ausgearbeitetes Beispiel
Beispiel: Ein Beutel enthält \(\{0,5\}\), beide gleich wahrscheinlich. Was ist der erwartete gezogene Wert?
Jeder Wert hat die Wahrscheinlichkeit \(1/2\). Also: \[ E[X] = 0\cdot \frac12 + 5\cdot \frac12 = 2.5. \] Das mittlere Ergebnis ist \(2.5\), obwohl \(2.5\) kein Ergebnis ist, das du ziehen kannst.
Übe selbst
Aufgabe 1: Ein fairer dreiseitiger Würfel hat die Seiten \(1,2,3\). Was ist der Erwartungswert?
Hinweis: \(E[X]=\dfrac{1+2+3}{3}\).
Aufgabe 2: \(X\) nimmt die Werte \(10, 20, 30\) mit Wahrscheinlichkeiten \(0.2, 0.3, 0.5\) an. Was ist \(E[X]\)?
Hinweis: Multipliziere jeden Wert mit seiner Wahrscheinlichkeit und addiere: \(10(0.2)+20(0.3)+30(0.5)\).
Zusammenfassung
Der Erwartungswert ist ein gewichteter Durchschnitt: \(E[X]=\sum x\,p(x)\).
Er steht für den langfristigen Mittelwert, nicht unbedingt für einen Wert, den du in einem einzelnen Versuch beobachten kannst.
Linearität & Summen
Linearität des Erwartungswerts: deine beste Abkürzung
Lernziel: Nutze Linearität, um Erwartungswerte von Summen und skalierten Variablen schnell zu berechnen.
Kernidee
Linearität des Erwartungswerts funktioniert immer: \[ E[aX+b]=aE[X]+b,\quad E[X+Y]=E[X]+E[Y]. \] Du brauchst keine Unabhängigkeit, damit sich Erwartungswerte addieren.
Ausgearbeitetes Beispiel
Beispiel: Wie groß ist die erwartete Anzahl von Kopf bei 2 fairen Münzwürfen?
Sei \(X\) die Anzahl von Kopf bei 2 Würfen. Betrachte \(X\) als Summe: \[ X = I_1 + I_2, \] wobei \(I_k=1\), wenn Wurf \(k\) Kopf ist, und sonst \(0\). Für eine faire Münze gilt \(E[I_k]=0.5\). Also: \[ E[X]=E[I_1]+E[I_2]=0.5+0.5=1. \]
Übe selbst
Aufgabe 1: Was ist die erwartete Summe beim Werfen von zwei fairen sechsseitigen Würfeln?
Hinweis: \(E[X+Y]=E[X]+E[Y]\), und jeder Würfel hat den Mittelwert \(3.5\).
Aufgabe 2: Eine Lotterie zahlt \(3\) mit Wahrscheinlichkeit \(\tfrac13\) und sonst \(0\). Was ist der Erwartungswert?
Summen: \(E[X+Y]=E[X]+E[Y]\) (Unabhängigkeit ist nicht erforderlich).
Grundlagen der Varianz
Varianz: Streuung um den Mittelwert messen
Lernziel: Berechne Varianz mit der Definition und der schnellen Identität \(\mathrm{Var}(X)=E[X^2]-(E[X])^2\).
Kernidee
Wenn \(\mu=E[X]\), dann gilt: \[ \mathrm{Var}(X) = E[(X-\mu)^2]. \] Die nützlichste Abkürzung ist: \[ \mathrm{Var}(X)=E[X^2]-\mu^2. \] So musst du \((X-\mu)^2\) nicht für jedes Ergebnis ausmultiplizieren.
Ausgearbeitetes Beispiel
Beispiel: Ein Beutel enthält \(\{2,4,6\}\), alle gleich wahrscheinlich. Was ist die Varianz?
Berechne zuerst den Mittelwert: \[ \mu = E[X]=\frac{2+4+6}{3}=4. \] Berechne nun \(E[X^2]\): \[ E[X^2]=\frac{2^2+4^2+6^2}{3}=\frac{4+16+36}{3}=\frac{56}{3}. \] Also: \[ \mathrm{Var}(X)=E[X^2]-\mu^2=\frac{56}{3}-16=\frac{8}{3}. \]
Übe selbst
Aufgabe 1: Was ist die Varianz eines fairen Glücksrads mit drei Ergebnissen und den Werten \(0,1,2\)?
Hinweis: \(\mu=1\). Berechne \(E[X^2]=\frac{0^2+1^2+2^2}{3}=\frac{5}{3}\) und ziehe dann \(1^2\) ab.
Aufgabe 2: Was ist die Varianz dieser Münzauszahlung (\(-1\) oder \(+1\), gleich wahrscheinlich)?
Lernziel: Wende Varianzregeln korrekt an und erkenne, wann Unabhängigkeit wichtig ist.
Kernidee
Zwei wesentliche Regeln: \[ \mathrm{Var}(aX+b)=a^2\mathrm{Var}(X), \] und für Summen: \[ \mathrm{Var}(X+Y)=\mathrm{Var}(X)+\mathrm{Var}(Y)+2\mathrm{Cov}(X,Y). \] Wenn \(X\) und \(Y\) unabhängig sind, dann ist \(\mathrm{Cov}(X,Y)=0\), und Varianzen addieren sich: \[ \mathrm{Var}(X+Y)=\mathrm{Var}(X)+\mathrm{Var}(Y). \]
Ausgearbeitetes Beispiel
Beispiel: Was ist die Varianz der Anzahl von Kopf bei zwei fairen Münzwürfen?
Wenn \(X\sim \text{Binomial}(n=2,p=0.5)\), dann gilt: \[ \mathrm{Var}(X)=np(1-p)=2(0.5)(0.5)=0.5. \] Das passt zur Idee, dass die Anzahl der Kopf-Würfe bei 2 Würfen schwankt, aber nicht extrem stark.
Übe selbst
Aufgabe 1: Wenn \(\mathrm{Var}(X)=9\), was ist \(\mathrm{Var}(2X-5)\)?
Hinweis: Nutze \(\mathrm{Var}(aX+b)=a^2\mathrm{Var}(X)\). Das "\(-5\)" ändert die Varianz nicht.
Aufgabe 2: Seien \(X\) und \(Y\) unabhängig mit \(\mathrm{Var}(X)=2\) und \(\mathrm{Var}(Y)=3\). Was ist \(\mathrm{Var}(X+Y)\)?
Hinweis: Unabhängigkeit macht die Kovarianz zu \(0\), also addieren sich die Varianzen.
Zusammenfassung
Verschieben ändert die Varianz nicht; Skalieren mit \(a\) multipliziert die Varianz mit \(a^2\).
Bei unabhängigen Summen addierst du die Varianzen.
Häufige Verteilungen
Häufige Verteilungen und die schnellsten Formeln
Lernziel: Erkenne Standardmodelle (Bernoulli, Binomial, Uniform) und nutze ihre Mittelwert-/Varianzformeln.
Aufgabe 1: Ein Beutel enthält \(\{1,10\}\), beide gleich wahrscheinlich. Was ist der erwartete gezogene Wert?
Hinweis: Bilde den Durchschnitt der beiden Werte: \(\frac{1+10}{2}\).
Aufgabe 2: Was ist die Varianz beim Ziehen aus \(\{1,4,7\}\), wenn alle Werte gleich wahrscheinlich sind?
Hinweis: Der Mittelwert ist \(4\). Berechne \(E[X^2]=\frac{1^2+4^2+7^2}{3}\) und ziehe dann \(4^2\) ab.
Zusammenfassung
Nutze \(E[X]\) als gewichteten Durchschnitt, um den Mittelwert schnell zu finden.
Nutze \(\mathrm{Var}(X)=E[X^2]-(E[X])^2\) für schnelle Varianz.
Anwendungen & Gesamtbild
Warum Erwartungswert und Varianz wichtig sind
Lernziel: Verbinde Mittelwert und Streuung mit Entscheidungen und schließe mit einem letzten Kontrolle ab.
Wo diese Ideen auftauchen
Spiele und Fairness: Der Erwartungswert sagt dir eine faire Teilnahmegebühr; die Varianz sagt dir das Risiko.
Statistik: Mittelwert und Varianz fassen Verteilungen zusammen und stecken hinter Konfidenzintervallen.
Daten und Simulation: Monte-Carlo-Schätzungen beruhen auf dem Erwartungswert und messen Fehler mit Varianz.
Finanzen und Planung: durchschnittliche Rendite vs. Volatilität (Streuung) ist eine Mittelwert-/Varianz-Geschichte.
Ausgearbeitetes Beispiel: ein einfaches Gewinnspiel
Beispiel: Ein Spiel zahlt \(+2\) mit Wahrscheinlichkeit \(0.4\) und \(-1\) mit Wahrscheinlichkeit \(0.6\). Was ist der erwartete Gewinn?
\[ E[X] = 2(0.4)+(-1)(0.6)=0.8-0.6=0.2. \] Ein positiver Erwartungswert bedeutet, dass das Spiel im Durchschnitt günstig ist, auch wenn du in einem einzelnen Spiel verlieren kannst.
Übe selbst
Aufgabe 1: Was ist die Varianz dieses gezinkten Würfels (Werte \(1\) oder \(2\), gleich wahrscheinlich)?
Hinweis: \(\mu=\frac{1+2}{2}=1.5\). Nutze \(E[X^2]-\mu^2\) mit \(E[X^2]=\frac{1^2+2^2}{2}=\frac{5}{2}\).
Aufgabe 2: Was ist die Varianz der Anzahl von Kopf bei zwei fairen Münzwürfen?
Varianzregeln: \(\mathrm{Var}(aX+b)=a^2\mathrm{Var}(X)\); bei unabhängigen Summen addieren sich Varianzen.
Standardabweichung ist die Quadratwurzel der Varianz, gemessen in denselben Einheiten wie \(X\).
Als Nächstes: Schließe diese Lektion und versuche dein Quiz erneut. Wenn du eine Frage verfehlst, öffne die Lektion erneut und wiederhole die Seite, die zu der Fähigkeit passt, die du brauchst (Erwartungswert, Varianz oder die wichtigsten Regeln).
Übungsset
Übungsfragen zu Erwartungswert und Varianz mit sofortiger Punktzahl
Beantworte alle 10 Fragen unten und erhalte danach deine Punktzahl sowie eine Fehlerübersicht, damit du genau weißt, was du verbessern kannst.
0/10beantwortet
Frage 1Nicht beantwortet
Eine faire Münze zahlt bei Kopf \(1\) Dollar und bei Zahl \(0\) Dollar. Wie hoch ist die erwartete Auszahlung?
Richtige Antwort: C. \(\tfrac12\)
Erklärung: Der Erwartungswert ist der Mittelwert: \(E = \tfrac{1+0}{2} = \tfrac12\).
Frage 2Nicht beantwortet
Ein Glücksrad landet mit Wahrscheinlichkeit \(0.2\) auf \(2\), mit Wahrscheinlichkeit \(0.3\) auf \(4\) und mit Wahrscheinlichkeit \(0.5\) auf \(8\). Wie hoch ist der Erwartungswert?
Wie hoch ist der Erwartungswert eines fairen sechsseitigen Würfels mit den Augenzahlen \(1\) bis \(6\)?
Richtige Antwort: B. \(3.5\)
Erklärung: Mittelwert der Augenzahlen: \((1+2+3+4+5+6)/6 = 21/6 = 3.5\).
Frage 4Nicht beantwortet
Wie groß ist die Varianz einer fairen Münze, die bei Kopf \(1\) und bei Zahl \(0\) auszahlt?
Richtige Antwort: C. \(0.25\)
Erklärung: Die Varianz ist \(p(1-p) = 0.5\times0.5 = 0.25\).
Frage 5Nicht beantwortet
Eine gezinkte Münze zeigt mit Wahrscheinlichkeit \(0.7\) Kopf (Wert \(2\)) und mit Wahrscheinlichkeit \(0.3\) Zahl (Wert \(0\)). Wie hoch ist der Erwartungswert?
