Binomialverteilung: Wahrscheinlichkeiten online berechnen.
Wähle, was in deiner Aufgabe gesucht ist, trag n, p und k ein und vergleiche mit deinem Rechenweg. Der Rechner zeigt dir die Wahrscheinlichkeit, Erwartungswert und Varianz, die Verteilung als Grafik und die Verteilungstabelle.
- genau, höchstens, mindestens, zwischen
- Mit Rechenweg und Tabelle
- Kostenlos, ohne Anmeldung
Rechner wird geladen …
Weitere Online-Rechner.
Prüf auch deine anderen Übungsaufgaben, bevor sich ein Fehler bis in die Klausur zieht. Kostenlos und ohne Anmeldung.
- Bernoulli VerteilungStatistik · Diskrete Verteilungen
- BetaverteilungStatistik · Stetige Verteilungen
- Betriebsoptimum & BetriebsminimumVWL · Unternehmenstheorie
- BudgetgeradeVWL · Haushaltstheorie
- Chi-Quadrat-VerteilungStatistik · Stetige Verteilungen
- Cohens d für zwei abhängige GruppenStatistik · Effektstärke
- Cohens d für zwei unabhängige GruppenStatistik · Effektstärke
- Diskrete GleichverteilungStatistik · Diskrete Verteilungen
- DreiecksverteilungStatistik · Stetige Verteilungen
- Effektmaße aus EffektmaßenStatistik · Effektstärke
- Effektmaße für ANOVAStatistik · Effektstärke
- Einkommens-Konsum-Kurve und Engel-KurveVWL · Haushaltstheorie
- Einkommenselastizität der NachfrageVWL · Haushaltstheorie
- ErwartungsnutzenVWL · Haushaltstheorie
- ExponentialverteilungStatistik · Stetige Verteilungen
- F-VerteilungStatistik · Stetige Verteilungen
- GammaverteilungStatistik · Stetige Verteilungen
- Geometrische VerteilungStatistik · Diskrete Verteilungen
- Grenzrate der Substitution (MRS)VWL · Haushaltstheorie
- Hedges' g für zwei abhängige GruppenStatistik · Effektstärke
- Hedges‘ g für zwei unabhängige GruppenStatistik · Effektstärke
- Hypergeometrische VerteilungStatistik · Diskrete Verteilungen
- InvestitionsrechnungWirtschaftsmathematik · Finanzmathematik
- Kompensierende und äquivalente VariationVWL · Haushaltstheorie
- KostenfunktionVWL · Unternehmenstheorie
- Kreuzpreiselastizität der NachfrageVWL · Haushaltstheorie
- Lachowicz-Preacher-Kelly u (einfache Mediation)Statistik · Effektstärke
- LagrangeVWL · Wirtschaftsmathematik · Haushaltstheorie · Unternehmenstheorie · Analysis
- LognormalverteilungStatistik · Stetige Verteilungen
- Negative BinomialverteilungStatistik · Diskrete Verteilungen
- NormalverteilungStatistik · Stetige Verteilungen
- Poisson VerteilungStatistik · Diskrete Verteilungen
- Preiselastizität der NachfrageVWL · Wirtschaftsmathematik · Haushaltstheorie · Analysis
- Relatives Risiko & Odds RatioStatistik · Effektstärke
- RentenrechnungWirtschaftsmathematik · Finanzmathematik
- Repräsentative StichprobengrößeStatistik · Effektstärke
- Stetige GleichverteilungStatistik · Stetige Verteilungen
- Substitutions- und EinkommenseffektVWL · Haushaltstheorie
- Substitutions- und Einkommenseffekt VorzeichenVWL · Haushaltstheorie
- t-VerteilungStatistik · Stetige Verteilungen
- TilgungsrechnungWirtschaftsmathematik · Finanzmathematik
- Weibull-VerteilungStatistik · Stetige Verteilungen
- WertpapiereWirtschaftsmathematik · Finanzmathematik
- ZinsrechnungWirtschaftsmathematik · Finanzmathematik
Jan Oetker
Studienverlauf
- B.Sc.WirtschaftspsychologieHochschule Fresenius
- M.Sc.WirtschaftsinformatikFernUniversität in Hagen
Lehrerfahrung
- AStATutor seit 2016Hochschule Fresenius, Köln und weitere Standorte
- LehreDozentHochschule Fresenius
Du willst es mit jemandem durchgehen?
Der Rechner zeigt dir, ob dein Ergebnis stimmt. Wie du in der Klausur selbst dorthin kommst oder deine eigenen Daten richtig auswertest, gehst du am besten mit jemandem durch. Dabei unterstützt dich Jan Oetker: Er ist seit 2016 Tutor für Statistik beim AStA der Hochschule Fresenius und lehrt dort heute als Dozent.
-
Prüfungsvorbereitung Statistik
Von der deskriptiven Statistik bis zur Inferenzstatistik, entlang deiner prüfungsrelevanten Themen und mit eigenen Aufgaben. Online per Zoom oder in Köln, einzeln oder in der Lerngruppe.
60 € je 60 Minuten einzeln, zu zweit 30 € und ab drei Personen 20 € je Person
-
Datenanalyse
Für deine Haus- oder Abschlussarbeit: Studiendesign, Hypothesen und Auswertung in SPSS, R, STATA oder JASP, inklusive Interpretation der Ergebnisse.
80 € je 60 Minuten
Team tutoring ist ein unabhängiges Angebot und kein offizielles Angebot der Hochschule Fresenius.
Häufige Fragen zur Binomialverteilung.
Wann ist eine Zufallsvariable binomialverteilt?
Wenn ein Zufallsexperiment mit genau zwei Ausgängen, Erfolg und Misserfolg, \(n\)-mal unabhängig wiederholt wird und die Erfolgswahrscheinlichkeit \(p\) bei jedem Versuch gleich bleibt. \(X\) zählt dann die Erfolge, man schreibt \(X \sim \mathrm{B}(n; p)\). Typisch ist Ziehen mit Zurücklegen. Wird ohne Zurücklegen gezogen, ändert sich \(p\) von Zug zu Zug, dann passt die hypergeometrische Verteilung.
Wie übersetze ich „mindestens“, „höchstens“ und „mehr als“?
„Höchstens \(k\)“ heißt \(X \le k\), „weniger als \(k\)“ heißt \(X \lt k\), also höchstens \(k - 1\). „Mindestens \(k\)“ heißt \(X \ge k\), „mehr als \(k\)“ heißt \(X \gt k\), also mindestens \(k + 1\). Für „mindestens“ rechnest du meist schneller über das Gegenereignis: \(\mathrm{P}(X \ge k) = 1 - \mathrm{P}(X \le k - 1)\). Genau diese Übersetzung zeigt dir der Rechner im Rechenweg-Check.
Wann kann ich die Binomialverteilung durch die Normalverteilung annähern?
Eine verbreitete Faustregel ist \(n \cdot p \cdot (1 - p) \gt 9\). Dann rechnest du mit \(\mu = n \cdot p\) und \(\sigma = \sqrt{n \cdot p \cdot (1 - p)}\) und berücksichtigst die Stetigkeitskorrektur, etwa \(\mathrm{P}(X \le k) \approx \Phi\bigl((k + 0{,}5 - \mu)/\sigma\bigr)\). Ist \(n\) groß und \(p\) klein, wird stattdessen oft die Poisson-Verteilung mit \(\lambda = n \cdot p\) verwendet. Welche Faustregel gilt, hängt von deiner Vorlesung ab.
Mein Ergebnis weicht vom Rechner ab. Woran liegt das?
Häufig an der Rundung: Tabellen und der Rechner zeigen vier Nachkommastellen, und die Differenz zweier gerundeter Tabellenwerte kann in der letzten Stelle abweichen. Prüf außerdem, ob du \(\lt\) und \(\le\) richtig übersetzt hast, ob bei „zwischen“ die Grenzen dazugehören und ob \(p\) wirklich die Wahrscheinlichkeit für das gezählte Ereignis ist und nicht die Gegenwahrscheinlichkeit.