StatistikWahrscheinlichkeitsrechnungMathe-RechnerLernleitfaden

Wahrscheinlichkeitsverteilungs-Rechner: Formeln, Beispiele & Übungsaufgaben

September 10, 2026·15 min read·Solvify Team

Ein Wahrscheinlichkeitsverteilungs-Rechner ermittelt den Erwartungswert, die Varianz und die Wahrscheinlichkeit eines beliebigen Ergebnisses für eine diskrete oder stetige Zufallsvariable, ohne dass Sie jedes Mal eine vollständige Wahrscheinlichkeitstabelle aufstellen oder von Hand in einer z-Tabelle nachschlagen müssen. Er nimmt die Art der Verteilung entgegen – eine diskrete Tabelle, einen Binomialprozess oder eine Normalverteilungskurve – zusammen mit ihren Parametern und liefert die Wahrscheinlichkeit, den Mittelwert und die Standardabweichung, die Sie brauchen. Statistikstudierende nutzen ihn für Münzwürfe, Stichproben in der Qualitätskontrolle, Testergebnisse und jede Zufallsvariable mit klar definierter Ergebnismenge. Dieser Leitfaden baut die zugrunde liegenden Formeln Schritt für Schritt auf, mit echten Zahlen zum Nachrechnen, damit sich der Rechner nie wie eine Blackbox anfühlt.

Inhalt

01Was ist ein Wahrscheinlichkeitsverteilungs-Rechner?
02Wie funktioniert ein Wahrscheinlichkeitsverteilungs-Rechner?
03Diskrete vs. stetige Wahrscheinlichkeitsverteilungen
04Wie prüfen Sie, ob sich die Wahrscheinlichkeiten zu 1 summieren?
05Rechenbeispiel: Erwartungswert und Varianz einer diskreten Verteilung
06Rechenbeispiel: Wahrscheinlichkeit bei der Binomialverteilung
07Wann darf eine Normalverteilung eine Binomialverteilung annähern?
08Welche typischen Fehler unterlaufen bei Wahrscheinlichkeitsverteilungen?
09Übungsaufgaben mit vollständigen Lösungen
10Wann sollten Sie einen Wahrscheinlichkeitsverteilungs-Rechner verwenden?
11Wie hilft Ihnen Solvify beim Überprüfen von Aufgaben zu Wahrscheinlichkeitsverteilungen?

Was ist ein Wahrscheinlichkeitsverteilungs-Rechner?

Ein Wahrscheinlichkeitsverteilungs-Rechner ist ein Werkzeug, das die möglichen Ergebnisse einer Zufallsvariablen und deren Wahrscheinlichkeiten entgegennimmt – oder die Parameter einer bekannten Verteilungsfamilie wie der Binomial- oder Normalverteilung – und die Wahrscheinlichkeit eines bestimmten Ereignisses zurückgibt, zusammen mit Kennwerten wie dem Erwartungswert (Mittelwert) und der Varianz. Eine Wahrscheinlichkeitsverteilung selbst ist nichts anderes als eine vollständige Liste aller Ergebnisse, die eine Zufallsvariable annehmen kann, gepaart damit, wie wahrscheinlich jedes Ergebnis ist. Diskrete Verteilungen listen einzelne Ergebnisse auf, etwa die Anzahl fehlerhafter Teile in einer Charge von 10; stetige Verteilungen beschreiben Ergebnisse über einen Bereich hinweg, etwa die Körpergröße einer Person. Mit welchem Typ Sie auch arbeiten: Ein Wahrscheinlichkeitsverteilungs-Rechner ist nur so verlässlich wie die Verteilung, die Sie ihm vorgeben – deshalb lohnt es sich, die zugrunde liegende Mathematik zu prüfen, selbst wenn ein Werkzeug das Rechnen übernimmt.

Jede gültige Wahrscheinlichkeitsverteilung muss zwei Regeln erfüllen: Jede einzelne Wahrscheinlichkeit liegt zwischen 0 und 1, und alle Wahrscheinlichkeiten zusammen summieren sich auf genau 1.

Wie funktioniert ein Wahrscheinlichkeitsverteilungs-Rechner?

Ob Sie mit einer von Hand erstellten Tabelle oder einem vollwertigen Statistikrechner arbeiten – ein Wahrscheinlichkeitsverteilungs-Rechner folgt jedes Mal derselben vierstufigen Logik. Zuerst muss er wissen, mit welcher Art von Verteilung er es zu tun hat, denn eine diskrete Tabelle, ein Binomialprozess und eine Normalverteilungskurve verwenden jeweils eine andere Formel für Wahrscheinlichkeit, Erwartungswert und Varianz.

1. Schritt 1: Den Verteilungstyp bestimmen

Entscheiden Sie, ob die Zufallsvariable diskret ist (eine feste Liste von Ergebnissen, wie bei einer Wahrscheinlichkeitsverteilungstabelle) oder stetig (ein ganzer Bereich möglicher Werte, wie bei einer Normalverteilung), und ob sie zu einer bekannten Familie wie der Binomialverteilung passt.

2. Schritt 2: Die Parameter der Verteilung eingeben

Bei einer diskreten Tabelle geben Sie jedes Ergebnis und dessen Wahrscheinlichkeit ein. Bei einer Binomialverteilung geben Sie die Anzahl der Versuche (n) und die Erfolgswahrscheinlichkeit (p) ein. Bei einer Normalverteilung geben Sie den Mittelwert (μ) und die Standardabweichung (σ) ein.

3. Schritt 3: Wahrscheinlichkeit, Erwartungswert und Varianz berechnen

Der Rechner wendet die passende Formel an – direkte Summation bei einer diskreten Tabelle, die Binomialformel bei einem Binomialprozess oder die Standardnormalverteilungstabelle bei einer Normalverteilungskurve – und gibt die gesuchte Wahrscheinlichkeit zusammen mit Mittelwert und Varianz zurück.

4. Schritt 4: Das Ergebnis interpretieren

Wandeln Sie die dezimale Wahrscheinlichkeit in einen Prozentwert um und prüfen Sie sie mit einer Plausibilitätskontrolle wie der Sigma-Regel oder einer groben Schätzung, bevor Sie sie als endgültig ansehen.

Diskrete vs. stetige Wahrscheinlichkeitsverteilungen

Eine diskrete Wahrscheinlichkeitsverteilung gilt für eine Zufallsvariable mit einer abzählbaren Liste von Ergebnissen – die Anzahl der Köpfe bei drei Münzwürfen, die Anzahl der Kundenbeschwerden an einem Tag oder die Anzahl der Erfolge in einer festen Zahl von Versuchen. Jedes Ergebnis erhält seine eigene Wahrscheinlichkeit, und ein Wahrscheinlichkeitsverteilungs-Rechner für eine diskrete Variable ist im Grunde nur organisiertes Addieren und Multiplizieren über diese Liste. Eine stetige Wahrscheinlichkeitsverteilung wie die Normalverteilung gilt für eine Zufallsvariable, die jeden Wert in einem Bereich annehmen kann – Größe, Gewicht oder Reaktionszeit –, sodass Sie statt einer Wahrscheinlichkeit für jeden exakten Wert die Wahrscheinlichkeit berechnen, in ein Intervall zu fallen, und zwar über die Fläche unter einer Kurve. Zu wissen, mit welchem Typ Sie arbeiten, bestimmt jede weitere Formel.

Wie prüfen Sie, ob sich die Wahrscheinlichkeiten zu 1 summieren?

Bevor Sie einer Erwartungswert- oder Varianzberechnung vertrauen, bestätigen Sie, dass die Verteilung gültig ist: Jede Wahrscheinlichkeit muss zwischen 0 und 1 liegen, und die gesamte Menge der Wahrscheinlichkeiten muss sich auf genau 1 summieren (kleine Rundungen ausgenommen). Diese Prüfung zu überspringen ist die mit Abstand häufigste Fehlerquelle bei Aufgaben zur diskreten Wahrscheinlichkeit, denn eine vertippte oder falsch gezählte Wahrscheinlichkeit verfälscht jede darauf aufbauende Berechnung.

1. Jedes Ergebnis und seine Wahrscheinlichkeit auflisten

Angenommen, ein kleines Support-Team erfasst die Anzahl der Beschwerden X, die pro Tag eingehen: P(X=0) = 0,1, P(X=1) = 0,3, P(X=2) = 0,4, P(X=3) = 0,2.

2. Alle Wahrscheinlichkeiten addieren

0,1 + 0,3 + 0,4 + 0,2 = 1,0. Die Wahrscheinlichkeiten summieren sich auf genau 1, also ist dies eine gültige Wahrscheinlichkeitsverteilung.

3. Eine ungültige Verteilung erkennen

Wäre der letzte Wert stattdessen als P(X=3) = 0,3 angegeben, ergäbe die Summe 0,1 + 0,3 + 0,4 + 0,3 = 1,1 – also mehr als 1, was für eine Wahrscheinlichkeitsverteilung unmöglich ist und auf einen Eingabefehler hinweist, der behoben werden muss, bevor Sie irgendetwas anderes berechnen.

Wenn sich die Wahrscheinlichkeiten einer Verteilung nicht auf genau 1 summieren, ist die Verteilung ungültig und muss korrigiert werden, bevor Sie Erwartungswert, Varianz oder irgendeine andere Wahrscheinlichkeit daraus berechnen.

Rechenbeispiel: Erwartungswert und Varianz einer diskreten Verteilung

Mit derselben Verteilung der Beschwerden pro Tag – P(X=0) = 0,1, P(X=1) = 0,3, P(X=2) = 0,4, P(X=3) = 0,2 – ermittelt ein Wahrscheinlichkeitsverteilungs-Rechner den Erwartungswert (den langfristigen Durchschnitt) und die Varianz (wie stark die Ergebnisse streuen) genauso, wie Sie es von Hand tun würden.

1. Schritt 1: Jeden Wert mit seiner Wahrscheinlichkeit multiplizieren und addieren

E[X] = (0×0,1) + (1×0,3) + (2×0,4) + (3×0,2) = 0 + 0,3 + 0,8 + 0,6 = 1,7 Beschwerden pro Tag im Durchschnitt.

2. Schritt 2: E[X²] bestimmen

E[X²] = (0²×0,1) + (1²×0,3) + (2²×0,4) + (3²×0,2) = 0 + 0,3 + 1,6 + 1,8 = 3,7.

3. Schritt 3: Das Quadrat des Mittelwerts abziehen

Var(X) = E[X²] − (E[X])² = 3,7 − 1,7² = 3,7 − 2,89 = 0,81.

4. Schritt 4: Für die Standardabweichung die Wurzel ziehen

σ = √0,81 = 0,9 Beschwerden pro Tag, das heißt die täglichen Beschwerdezahlen weichen typischerweise um etwa 0,9 vom Durchschnitt von 1,7 ab.

Rechenbeispiel: Wahrscheinlichkeit bei der Binomialverteilung

Eine Binomialverteilung gilt, wenn Sie eine feste Anzahl unabhängiger Versuche haben, jeder mit genau zwei Ausgängen (Erfolg oder Misserfolg) und jedes Mal derselben Erfolgswahrscheinlichkeit. Die Formel lautet P(X=k) = C(n,k) × p^k × (1−p)^(n−k), wobei n die Anzahl der Versuche ist, k die Anzahl der gewünschten Erfolge und p die Erfolgswahrscheinlichkeit bei einem einzelnen Versuch. Angenommen, 30 % der Besucher einer Landingpage melden sich an (p = 0,3), und Sie betrachten 10 unabhängige Besucher (n = 10). Wie groß ist die Wahrscheinlichkeit, dass sich genau 3 von ihnen anmelden?

1. Schritt 1: n, k und p bestimmen

n = 10, k = 3, p = 0,3, also 1 − p = 0,7.

2. Schritt 2: Die Anzahl der Kombinationen berechnen

C(10,3) = 10! ÷ (3! × 7!) = 120.

3. Schritt 3: p^k und (1−p)^(n−k) berechnen

p³ = 0,3³ = 0,027. (1−p)^7 = 0,7^7 = 0,0823543.

4. Schritt 4: Alles miteinander multiplizieren

P(X=3) = 120 × 0,027 × 0,0823543 ≈ 0,2668, also etwa 26,68 %.

Bei einer Binomialverteilung ist der Mittelwert μ = np und die Varianz σ² = np(1 − p) – mit n = 10 und p = 0,3 ergibt das einen Mittelwert von 3 und eine Varianz von 2,1, ganz ohne vollständige Wahrscheinlichkeitstabelle.

Wann darf eine Normalverteilung eine Binomialverteilung annähern?

Wenn die Anzahl der Versuche groß ist, wird die Berechnung einer exakten Binomialwahrscheinlichkeit von Hand – oder auch nur das Summieren vieler Binomialterme – unpraktikabel, weshalb Statistiker die Binomialverteilung stattdessen durch eine Normalverteilung annähern. Die Näherung gilt als verlässlich, wenn sowohl np ≥ 5 als auch n(1−p) ≥ 5 erfüllt sind. Angenommen, 200 E-Mails werden verschickt und jede hat eine Öffnungswahrscheinlichkeit von 40 % (n = 200, p = 0,4). Wie groß ist die Wahrscheinlichkeit, dass höchstens 45 der ersten 100 Empfänger die E-Mail öffnen, wenn wir für diese Frage n = 100 verwenden?

1. Schritt 1: Die Bedingungen für die Näherung prüfen

Mit n = 100 und p = 0,5 für genau diese Frage gilt np = 50 ≥ 5 und n(1−p) = 50 ≥ 5, die Normalapproximation ist also zulässig.

2. Schritt 2: Mittelwert und Standardabweichung bestimmen

μ = np = 100 × 0,5 = 50. σ = √(np(1−p)) = √(100 × 0,5 × 0,5) = √25 = 5.

3. Schritt 3: Die Stetigkeitskorrektur anwenden

Da die Binomialverteilung diskret und die Normalverteilung stetig ist, passen Sie X = 45 auf X = 45,5 an, bevor Sie in einen z-Wert umrechnen: z = (45,5 − 50) ÷ 5 = −0,9.

4. Schritt 4: Die Wahrscheinlichkeit nachschlagen

P(Z < −0,9) ≈ 0,1841, also P(X ≤ 45) ≈ 18,41 %.

Die Stetigkeitskorrektur – das Addieren oder Subtrahieren von 0,5 vor der Umrechnung in einen z-Wert – ist es, was eine Normalapproximation für eine tatsächlich diskrete Verteilung genau hält.

Welche typischen Fehler unterlaufen bei Wahrscheinlichkeitsverteilungen?

Die meisten Fehler bei Aufgaben zu Wahrscheinlichkeitsverteilungen gehen auf eine kleine Menge immer wiederkehrender Missgriffe zurück, und wer diese prüft, bevor er einer Endantwort vertraut, fängt den Großteil der Hausaufgaben- und Prüfungsfehler ab.

1. Vergessen zu prüfen, ob sich die Wahrscheinlichkeiten zu 1 summieren

Erwartungswert oder Varianz auf einer Verteilung aufzubauen, die sich nicht zu 1 summiert, garantiert ein falsches Ergebnis, selbst wenn jeder andere Schritt korrekt ausgeführt wird.

2. Stichprobenvarianz mit Populationsvarianz verwechseln

Wenn jedes Ergebnis und jede Wahrscheinlichkeit einer Verteilung vollständig bekannt sind, verwenden Sie Var(X) = E[X²] − (E[X])², nicht die Formel für die Stichprobenvarianz, die durch n − 1 teilt – diese Formel dient dazu, die Varianz aus einer Datenstichprobe zu schätzen, nicht aus einer bekannten Verteilung.

3. Die Normalapproximation anwenden, ohne np ≥ 5 und n(1−p) ≥ 5 zu prüfen

Eine Normalapproximation auf eine Binomialverteilung mit kleinem n oder extremem p anzuwenden liefert eine merklich ungenaue Wahrscheinlichkeit, weil die Binomialverteilung dann zu schief ist, als dass eine symmetrische Glockenkurve sie gut abbilden könnte.

4. Die Stetigkeitskorrektur vergessen

Die Anpassung um 0,5 wegzulassen, wenn man eine diskrete Binomialverteilung durch eine stetige Normalverteilungskurve annähert, verschiebt die resultierende Wahrscheinlichkeit systematisch, besonders bei kleineren Werten von n.

Übungsaufgaben mit vollständigen Lösungen

Arbeiten Sie diese drei Aufgaben durch, bevor Sie die Ausgabe irgendeines Rechners prüfen, und verwenden Sie dabei dieselben Formeln wie oben.

1. Aufgabe 1: Erwartungswert und Varianz

Eine diskrete Zufallsvariable X hat P(X=−1) = 0,2, P(X=0) = 0,3, P(X=1) = 0,3, P(X=2) = 0,2. Bestimmen Sie E[X] und Var(X). Lösung: E[X] = (−1×0,2)+(0×0,3)+(1×0,3)+(2×0,2) = −0,2+0+0,3+0,4 = 0,5. E[X²] = (1×0,2)+(0×0,3)+(1×0,3)+(4×0,2) = 0,2+0+0,3+0,8 = 1,3. Var(X) = 1,3 − 0,5² = 1,3 − 0,25 = 1,05.

2. Aufgabe 2: Binomiale Wahrscheinlichkeit für „mindestens eins“

Wenn 25 % der Teile einer Maschine fehlerhaft sind (p = 0,25) und 8 Teile als Stichprobe gezogen werden (n = 8), bestimmen Sie P(mindestens 1 fehlerhaft). Lösung: P(kein fehlerhaftes Teil) = (0,75)^8 ≈ 0,1001. P(mindestens 1) = 1 − 0,1001 ≈ 0,8999, also etwa 89,99 %.

3. Aufgabe 3: Normalapproximation einer Binomialverteilung

Bestimmen Sie mit n = 200 und p = 0,4 die Wahrscheinlichkeit P(X ≥ 90) über die Normalapproximation. Lösung: μ = np = 80, σ = √(200×0,4×0,6) = √48 ≈ 6,93. Mit der Stetigkeitskorrektur gilt X = 89,5, also z = (89,5 − 80) ÷ 6,93 ≈ 1,37. P(Z ≥ 1,37) ≈ 1 − 0,9147 = 0,0853, also etwa 8,53 %.

Wann sollten Sie einen Wahrscheinlichkeitsverteilungs-Rechner verwenden?

Ein Wahrscheinlichkeitsverteilungs-Rechner verdient überall dort seinen Platz, wo Sie eine schnelle, überprüfbare Antwort für eine Zufallsvariable mit bekannten Ergebnissen oder einer bekannten Verteilungsfamilie brauchen: im Statistikstudium mit diskreten Tabellen, Binomial- und Normalverteilung; bei Stichproben in der Qualitätskontrolle, wo eine Fabrik die Wahrscheinlichkeit abschätzt, dass eine Charge zu viele fehlerhafte Teile enthält; in Versicherung und Finanzwesen, wo Erwartungswertberechnungen Prämien und Risikopreise bestimmen; und beim A/B-Testing, wo ein Binomialmodell die Wahrscheinlichkeit schätzt, dass ein beobachteter Unterschied in der Conversion bedeutsam ist. In jedem Fall ist der Rechner am nützlichsten, sobald Sie die Formel verstehen, die er anwendet – so erkennen Sie eine falsche Eingabe oder eine unzulässige Näherung, bevor sie eine selbstbewusst falsche Antwort produziert.

Wie hilft Ihnen Solvify beim Überprüfen von Aufgaben zu Wahrscheinlichkeitsverteilungen?

Sobald Sie die obigen Überlegungen verstanden haben, ist ein Werkzeug vor allem dafür nützlich, Ihre Arbeit schnell zu überprüfen, statt das Denken zu ersetzen. Der Schritt-für-Schritt-Löser von Solvify zerlegt Fragen zu Wahrscheinlichkeitsverteilungen – diskrete Tabellen, Binomialwahrscheinlichkeiten und Normalapproximationen – in dieselben benannten Schritte, die in diesem Leitfaden verwendet werden, sodass Sie Ihre eigene Rechnung Zeile für Zeile vergleichen können, statt nur einen fertigen Prozentwert zu sehen.

1. Ein Foto von der Aufgabe machen

Nutzen Sie den Smart Scan von Solvify, um eine Frage zur Wahrscheinlichkeitsverteilung direkt aus dem Lehrbuch oder Arbeitsblatt zu erfassen, und erhalten Sie eine vollständig durchgerechnete Lösung zurück.

2. Ihre Schritte mit der Lösung vergleichen

Prüfen Sie Ihren Erwartungswert, Ihre Varianz und Ihre Endwahrscheinlichkeit gegen die Aufschlüsselung von Solvify, um Fehler wie die oben beschriebenen zu erkennen.

3. Rückfragen stellen

Nutzen Sie den KI-Tutor von Solvify, um zu fragen, warum die Normalapproximation zulässig ist, oder um dieselbe Aufgabe stattdessen mit der exakten Binomialformel gelöst zu sehen.

Ein Rechner sollte Ihre Überlegungen bestätigen, nicht ersetzen – Solvify zeigt den vollständigen Schritt-für-Schritt-Weg, damit Sie genau sehen, wo Ihre eigene Rechnung übereinstimmte oder abwich.

Tags: