Erklärung 01
Rate und festes Intervall
Das Modell passt zu einzeln auftretenden Ereignissen bei annähernd konstanter Rate, ohne systematische Häufung durch gegenseitige Auslösung. Ereigniszahlen in getrennten Intervallen werden als unabhängig modelliert. Der Parameter Lambda ist die mittlere Anzahl im betrachteten Intervall. Eine Rate pro Stunde muss deshalb an die Länge des Intervalls angepasst werden. Diese Annahmen müssen zur Situation passen; ein Durchschnitt allein beweist das Modell nicht.
Lege Ereignis und Intervall fest.
Prüfe konstante Rate und fehlende Abhängigkeiten.
Berechne die erwartete Anzahl im gewählten Intervall.
So geht es am Beispiel
Ein geeignetes Modell nimmt im Mittel 6 Anfragen pro Stunde an. Welcher Parameter gilt für 20 Minuten?
20 Minuten sind ein Drittel einer Stunde.
Erklärung 02
Einzelwahrscheinlichkeiten berechnen
X zählt 0,1,2 und beliebig viele weitere Ereignisse. Die Wahrscheinlichkeitsfunktion gibt die Chance für genau k an. Der Ausdruck e ist die mathematische Konstante, ungefähr 2,71828. Für k=0 gilt 0 Fakultät gleich 1. Das Wort Dichte bezeichnet bei diesem diskreten Modell die Wahrscheinlichkeitsmasse, keine Intervallfläche.
Setze den zum Intervall passenden Parameter ein.
Berechne Potenz, Fakultät und Exponentialfaktor.
Runde erst das Endergebnis.
So geht es am Beispiel
Für Lambda=2: Berechne die Wahrscheinlichkeit für genau 3 Ereignisse.
Die Fakultät im Nenner ist 6.
Erklärung 03
Summieren und Kennwerte
Für höchstens k werden die Massen von 0 bis k addiert. Mindestens ein Ereignis ist das Gegenereignis zu 0 Ereignissen. Bei einer Poisson-Verteilung sind Erwartungswert und Varianz beide gleich Lambda; die Standardabweichung ist dessen Quadratwurzel. Die Varianz ist eine Streuungsgröße, keine erwartete Anzahl.
Schreibe die einzubeziehenden Trefferzahlen auf.
Addiere passende Massen oder nutze das Gegenereignis.
Unterscheide Erwartungswert, Varianz und Standardabweichung.
So geht es am Beispiel
Für Lambda=2: Wie wahrscheinlich ist höchstens 1 Ereignis?
Erklärung 04
Zählmodell oder einzelner Indikator?
Die Poisson-Verteilung hat keine feste obere Ereigniszahl. Ein einzelner Ja-Nein-Indikator ist dagegen Bernoulli-verteilt. Das Anschlussthema Bernoulliverteilung beschreibt diesen Fall. Starke Tageszeitunterschiede oder gemeinsam ausgelöste Ereignisse sprechen gegen das einfache Poisson-Modell mit einer konstanten Rate.
Prüfe, ob X eine Anzahl oder nur einen Indikator bezeichnet.
Prüfe die Modellannahmen an der konkreten Situation.
Ein passender Mittelwert allein rechtfertigt keine Poisson-Verteilung.
Jetzt bist du dran
Aufgaben & Lösungen
Rechne zuerst selbst. Nutze den Platz für deinen Rechenweg und vergleiche anschließend mit der Lösung.
Aufgabe 1Poissonverteilung · EinstiegUnter passenden Poisson-Annahmen treten im Mittel 8 Ereignisse pro Stunde auf. Bestimme den Parameter für 15 Minuten und für 90 Minuten.Aufgabe öffnenAufgabe einklappen
Lösung & Rechenweg
Rechenweg
- Schritt 1 · Rechnung / Rechenweg
Ergebnisse & Teilantworten
- 15 Minuten
- 90 Minuten
- Schritt 1 · Rechnung / Rechenweg
Aufgabe 2Poissonverteilung · EinstiegX ist Poisson-verteilt mit Lambda=1. Berechne die Wahrscheinlichkeit für 0 Ereignisse und für genau 2 Ereignisse. Runde auf vier Dezimalstellen.Aufgabe öffnenAufgabe einklappen
Lösung & Rechenweg
Rechenweg
- Schritt 1 · Rechnung / Rechenweg
Ergebnisse & Teilantworten
- Kein Ereignis
- Genau 2 Ereignisse
- Schritt 1 · Rechnung / Rechenweg
Aufgabe 3Poissonverteilung · AnwendenZeichne die ersten vier Massen für Lambda=1 in die Vorlage. Verwende die gerundeten Werte für k=0,1,2,3: 0,368;0,368;0,184;0,061. Erkläre, weshalb ihre Summe kleiner als 1 ist.Aufgabe öffnenAufgabe einklappen
Erste vier Massen
Du kannst auf Papier arbeiten oder deine Zeichnung in Worten beschreiben.
Lösung & Rechenweg
Rechenweg
- Schritt 1 · Erklärung
Die Höhen werden bei den vier zugehörigen ganzen Zahlen eingetragen.
- Schritt 2 · Erklärung
Ereigniszahlen ab 4 sind ebenfalls möglich; der fehlende Rest beträgt ungefähr 0,019.
Ergebnisse & Teilantworten
- Erste vier Massen
- Warum fehlt Wahrscheinlichkeit?
- Schritt 1 · Erklärung
Aufgabe 4Poissonverteilung · AnwendenFür Lambda=0,5: Berechne die Wahrscheinlichkeit für mindestens 1 Ereignis. Runde auf vier Dezimalstellen.Aufgabe öffnenAufgabe einklappen
Lösung & Rechenweg
Rechenweg
- Schritt 1 · Rechnung / Rechenweg
Das Gegenereignis ist 0 Ereignisse.
Ergebnis
- Mindestens 1 Ereignis
- Schritt 1 · Rechnung / Rechenweg
Aufgabe 5Poissonverteilung · TransferX ist Poisson-verteilt mit Lambda=9. Bestimme Erwartungswert, Varianz und Standardabweichung.Aufgabe öffnenAufgabe einklappen
Lösung & Rechenweg
Rechenweg
- Schritt 1 · Rechnung / Rechenweg
Ergebnisse & Teilantworten
- Erwartungswert
- Varianz
- Standardabweichung
- Schritt 1 · Rechnung / Rechenweg
Aufgabe 6Poissonverteilung · TransferIn einer Halle kommen Besucher fast immer in Reisegruppen von 20 gleichzeitig an. Jemand modelliert jede Besucheranzahl pro Minute allein wegen einer bekannten Durchschnittsrate als Poisson-verteilt. Beurteile das Modell.Aufgabe öffnenAufgabe einklappen
Lösung & Rechenweg
Rechenweg
- Schritt 1 · Rechnung / Rechenweg
Die Besucher treten gemeinsam in Gruppen auf und lösen keine unabhängigen einzelnen Ankünfte aus.
- Schritt 2 · Rechnung / Rechenweg
Der Durchschnitt allein belegt die nötigen Annahmen nicht.
Ergebnis
- Modellbeurteilung
- Schritt 1 · Rechnung / Rechenweg
Selbstcheck
Das kann ich jetzt
- Ich passe den Parameter an das Zeitintervall an.
- Ich unterscheide genau, höchstens und mindestens.
- Ich prüfe Annahmen statt nur einen Mittelwert einzusetzen.
AT Academy · Version 2026-10-21
