Münzwurf-Wahrscheinlichkeitsrechner - Binomialverteilung

Eine faire Münze hat genau zwei mögliche Ergebnisse — Kopf und Zahl — und jedes hat die Wahrscheinlichkeit 0.5. Wenn Sie dieselbe Münze mehrfach werfen, sind die Ergebnisse der einzelnen Würfe unabhängig: Die Münze hat kein Gedächtnis, also kann das Ergebnis eines Wurfs den nächsten nicht beeinflussen. Diese Kombination aus fester Wahrscheinlichkeit und Unabhängigkeit ist das definierende Merkmal eines Binomialversuchs, und die Binomialverteilung ist daher das exakte mathematische Modell für Münzwurf-Folgen. Die Wahrscheinlichkeit, in n Würfen genau k Köpfe zu erhalten, ergibt sich aus der Binomialverteilung: P(X = k) = C(n, k) × (0.5)^n, wobei C(n, k) der Binomialkoeffizient n! / (k! × (n − k)!) ist. Der Faktor C(n, k) zählt die Anzahl der unterschiedlichen Folgen von n Würfen, die genau k Köpfe enthalten. Der Faktor (0.5)^n ist die Wahrscheinlichkeit einer konkreten Folge der Länge n. Multipliziert man beides, erhält man die Gesamtwahrscheinlichkeit für k Köpfe über alle möglichen Reihenfolgen. Für kumulative Fragen — „mindestens k Köpfe“ oder „höchstens k Köpfe“ — summiert der Rechner die Einzelwahrscheinlichkeiten über den relevanten Bereich. „Mindestens k“ bedeutet die Summe von i = k bis i = n; „höchstens k“ bedeutet die Summe von i = 0 bis i = k. Bei großen n können diese Summen Tausende von Termen enthalten, weshalb ein Rechentool viel praktischer ist als Handrechnung. Einige Ergebnisse sind sofort intuitiv. Bei 10 Würfen einer fairen Münze beträgt die Wahrscheinlichkeit für genau 5 Köpfe etwa 24.61%. Mindestens 5 Köpfe haben wegen der Symmetrie genau 50% Wahrscheinlichkeit. 10 Köpfe in Folge haben die Wahrscheinlichkeit (0.5)^10 ≈ 0.098%, was überraschend klingt, bis man erkennt, dass dies nur eine von 1,024 gleich wahrscheinlichen Folgen ist. Keine einzelne Folge ist wahrscheinlicher als eine andere — nur Mengen von Folgen mit gemeinsamen Eigenschaften (z. B. genau 5 Köpfe) haben unterschiedliche Summen. Münzwurf-Wahrscheinlichkeiten spielen auch außerhalb von Glücksspiel viele praktische Rollen. In klinischen Studien ist ein Zwei-Arm-Randomisierungsschema mit 50/50-Zuteilung mathematisch identisch mit dem Werfen einer fairen Münze. In der Kryptographie sollten Bitfolgen eines Hardware-Zufallszahlengenerators eine Verteilung zeigen, die von einer fairen Münze nicht zu unterscheiden ist. In der Qualitätskontrolle kann der Anteil fehlerhafter Teile einer Produktionslinie als Binomialanteil modelliert werden, und die Frage, ob die Fehlerquote vom Zielwert abweicht, verwendet genau dieselben Wahrscheinlichkeitsrechnungen. In der Sportanalyse folgen Siegesserien eines ausgeglichenen Teams einem Münzwurf-Modell, und das Verständnis der Binomialverteilung hilft, echte Stärke von Zufallsschwankungen zu trennen. Dieser Rechner verwendet intern Logarithmen, um große n ohne Überlauf zu handhaben, sodass Wahrscheinlichkeiten für bis zu 10,000 Würfe genau berechnet werden können. Für sehr große n und mittlere k kann die Binomialverteilung auch durch eine Normalverteilung mit Mittelwert np und Standardabweichung √(np(1−p)) approximiert werden, doch der Rechner nutzt für maximale Genauigkeit durchgehend die exakte Formel.