Kostenlose Arbeitsblätter

- Wie berechnet man Wahrscheinlichkeiten bei einer stetigen Gleichverteilung? - Welcher Bereich von Werten führt beim Runden auf eine Stelle nach dem Komma zu einem bestimmten Ergebnis? - Überlege dir, wie groß der Abstand zwischen zwei benachbarten Werten ist, die auf \(k\) Stellen gerundet wurden. - Was passiert mit der Intervallbreite, wenn man die Anzahl der Dezimalstellen erhöht?

1. Die Wahrscheinlichkeit im Intervall \([1{,}15; 1{,}25)\) berechnet sich bei einer Gleichverteilung über die Breite des Intervalls dividiert durch die Breite des Definitionsbereichs: \(P(1{,}15 \le X < 1{,}25) = \frac{1{,}25 - 1{,}15}{5} = \frac{0{,}1}{5} = 0{,}02\). 2. Ein Wert ergibt gerundet auf eine Dezimalstelle \(1{,}2\), wenn er im Intervall \([1{,}15; 1{,}25)\) liegt. Die Wahrscheinlichkeit entspricht somit dem Ergebnis aus Teilaufgabe 1: \(P(\text{gerundet } 1{,}2) = 0{,}02\). 3. Die Rundung auf \(k\) Stellen entspricht einem Intervall der Breite \(10^{-k}\) (von \(a - 0{,}5 \cdot 10^{-k}\) bis \(a + 0{,}5 \cdot 10^{-k}\)). Da die Gesamtlänge des Bereichs \(5\) beträgt, ist die Wahrscheinlichkeit \(P = \frac{10^{-k}}{5} = 0{,}2 \cdot 10^{-k}\). Mit zunehmender Genauigkeit (größeres \(k\)) verringert sich die Intervallbreite bei jeder zusätzlichen Stelle um den Faktor \(10\), wodurch die Wahrscheinlichkeit für einen bestimmten gerundeten Wert gegen Null strebt.

1. \(P(1{,}15 \le X < 1{,}25) = 0{,}02\) 2. \(P(\text{gerundet } 1{,}2) = 0{,}02\) 3. \(P = \frac{10^{-k}}{5} = 0{,}2 \cdot 10^{-k}\). Die Wahrscheinlichkeit ist proportional zur Breite des Rundungsintervalls \(10^{-k}\).

- Überlege dir, ob die Zufallsgröße jeden beliebigen Wert in einem Bereich annehmen kann oder ob es Lücken zwischen den Werten gibt. - Kannst du die möglichen Ergebnisse zählen (1, 2, 3, ...)? - Spielt die Genauigkeit des Messgeräts eine Rolle für die theoretische Natur der Größe? - Unterscheide zwischen einer Zählung und einer Messung einer physikalischen Größe.

a) Sprintzeit: stetig, da die Zeit eine kontinuierlich fließende Größe ist und innerhalb eines sinnvollen Intervalls jeden beliebigen reellen Wert annehmen kann. b) Anzahl defekter Platinen: diskret, da die Werte nur als isolierte ganze Zahlen aus der Menge \(\{0, 1, \dots, 1\,000\}\) auftreten können. c) Reifendruck: stetig, da physikalische Drücke in einem Intervall jeden Wert annehmen können (überabzählbare Menge an Realisierungen). d) Augensumme: diskret, da die Summe nur ganzzahlige Werte im Bereich von \(3\) bis \(18\) annehmen kann (endliche Menge).

a) stetig; b) diskret; c) stetig; d) diskret.

- Überlege, ob die Zufallsgröße durch Zählen oder durch (exaktes) Messen bestimmt wird. - Kann die Größe jeden beliebigen Wert in einem Bereich annehmen oder gibt es „Sprünge“ zwischen den Werten? - Welchen Effekt hat eine Rundung auf die Menge der theoretisch möglichen Werte? - Ist die Menge der Werte abzählbar (wie die natürlichen Zahlen) oder überabzählbar (wie ein Intervall reeller Zahlen)?

a) Die Füllmenge ist eine stetige Zufallsgröße, da sie jeden beliebigen reellen Wert innerhalb eines Intervalls (z. B. um den Nennwert \(0{,}75\,\text{l}\)) annehmen kann; die Wertemenge ist somit überabzählbar. b) Die Anzahl der Versuche ist eine diskrete Zufallsgröße, da die möglichen Werte die natürlichen Zahlen \(\{1, 2, 3, \dots\}\) sind, welche abgezählt werden können. c) Das gerundete Körpergewicht ist eine diskrete Zufallsgröße, da durch den Rundungsprozess nur isolierte, ganzzahlige Werte (z. B. \(75\,\text{kg}\), \(76\,\text{kg}\)) möglich sind. d) Die ungerundete Geschwindigkeit ist eine stetige Zufallsgröße, da Geschwindigkeit eine physikalische Kontinuumsgröße ist und innerhalb des Messbereichs jeden reellen Wert annehmen kann.

a) stetig (Werte in einem Intervall) b) diskret (abzählbare Anzahl an Versuchen) c) diskret (isolierte Werte durch Rundung) d) stetig (theoretisch jeder reelle Wert in einem Bereich möglich)

- Überlege, ob man alle möglichen Werte der Kinderanzahl einzeln auflisten kann. - Was passiert mit der Anzahl der Möglichkeiten bei der Pendelzeit, wenn man die Messgenauigkeit immer weiter erhöht? - Welche Wahrscheinlichkeit hat ein Ereignis, das im Diagramm keine Höhe besitzt?

1. Die Anzahl der Kinder ist eine diskrete Zufallsgröße. Es gibt nur endlich viele oder abzählbar unendlich viele, isolierte Werte (z. B. \(0, 1, 2, \dots\)). Jedem dieser Werte kann eine Wahrscheinlichkeit \(P(X=k) > 0\) zugeordnet werden, die im Diagramm als Höhe einer Säule dargestellt wird. 2. Die Pendelzeit ist eine stetige Zufallsgröße, da sie jeden beliebigen reellen Wert innerhalb eines Intervalls annehmen kann. Es existieren somit überabzählbar viele mögliche Ausprägungen. 3. Bei einer stetigen Zufallsgröße ist die Wahrscheinlichkeit für einen exakt getroffenen Einzelwert (z. B. exakt \(20{,}000\dots\) Minuten) mathematisch gleich Null (\(P(X=x) = 0\)). Da eine Säule mit der Höhe Null nicht grafisch darstellbar ist, nutzt man eine Dichtefunktion, bei der Wahrscheinlichkeiten als Flächeninhalte über Intervallen definiert sind.

Die Anzahl der Kinder ist diskret (isolierte Werte), weshalb Einzelwahrscheinlichkeiten als Säulenhöhen darstellbar sind. Die Pendelzeit ist stetig (unendlich viele Werte in einem Intervall), wobei die Wahrscheinlichkeit für jeden exakten Einzelwert Null ist. Daher können dort nur Intervalle über Flächen unter einer Dichtekurve sinnvoll dargestellt werden.

- Kann die Zufallsgröße jeden beliebigen Wert in einem Bereich annehmen oder gibt es Lücken zwischen den möglichen Werten? - Überlege, ob das Ergebnis durch Zählen oder durch Messen ermittelt wird. - Was passiert mit der Menge der möglichen Werte, wenn ein Messergebnis auf eine bestimmte Anzahl von Stellen gerundet wird? - Betrachte, ob die Anzahl der möglichen Ergebnisse endlich bzw. abzählbar ist oder ob sie ein ganzes Kontinuum (Intervall) ausfüllen.

a) Die Niederschlagsmenge ist stetig, da sie theoretisch jeden beliebigen reellen Wert innerhalb eines Intervalls (z. B. \([0; \infty[\)) annehmen kann. b) Die Anzahl der Regentage ist diskret, da die Ergebnismenge eine endliche Teilmenge der natürlichen Zahlen ist (\(\{0, 1, \dots, 31\}\)). c) Der Benzinpreis ist diskret, da nur bestimmte Werte in festen Schritten von \(0{,}001\,\text{€}\) möglich sind; es existieren isolierte Werte. d) (1) Die exakte Zeitspanne ist stetig, da Zeit als kontinuierliches Medium jeden Wert in einem Intervall annehmen kann. d) (2) Die gerundete Zeitmessung ist diskret, da durch die Rundung auf Hundertstelsekunden nur eine abzählbare Menge an festen Werten (Vielfache von \(0{,}01\,\text{s}\)) möglich ist.

a) stetig; b) diskret; c) diskret; d) (1) stetig, (2) diskret.

- Wie berechnet man die Wahrscheinlichkeit eines Intervalls, wenn man die Werte der Verteilungsfunktion an den Grenzen kennt? - Stell dir die Wahrscheinlichkeit als Fläche unter einem Graphen vor. Wie groß ist die Fläche über einem Intervall der Breite Null? - Überlege, ob sich das Ergebnis ändert, wenn man zu einer Summe von Flächenstücken ein Stück der Breite Null hinzufügt.

1. Für stetige Zufallsgrößen gilt \(P(a < Z \le b) = F(b) - F(a)\). Somit ist \(P(2 < Z \le 6) = 0{,}80 - 0{,}35 = 0{,}45\). Da bei stetigen Verteilungen \(P(Z = 2) = 0\) gilt, ist \(P(2 \le Z \le 6) = P(2 < Z \le 6) = 0{,}45\). 2. Die Wahrscheinlichkeit einer stetigen Zufallsgröße in einem Intervall \([a; b]\) ist definiert als das Integral der Dichtefunktion: \(P(a \le Z \le b) = \int_{a}^{b} f(z) \, dz\). Für einen Einzelpunkt \(a\) entspricht dies dem Integral \(\int_{a}^{a} f(z) \, dz\). Da die Integrationsgrenzen identisch sind, ist der Wert dieses Integrals für jede Dichtefunktion \(f\) immer gleich \(0\). 3. Da Punktwahrscheinlichkeiten null sind, macht es bei stetigen Zufallsgrößen keinen Unterschied, ob die Intervallgrenzen zum Intervall gehören oder nicht. Es gilt: \(P(a \le Z \le b) = P(a < Z \le b) = P(a \le Z < b) = P(a < Z < b)\).

1. \(P(2 < Z \le 6) = 0{,}45\) und \(P(2 \le Z \le 6) = 0{,}45\). 2. Begründung über das Integral: \(P(Z = a) = \int_a^a f(z) \, dz = 0\). 3. Bei stetigen Zufallsgrößen sind die Wahrscheinlichkeiten für offene, halboffene und abgeschlossene Intervalle mit denselben Grenzen identisch.

- Was weißt du über die Fläche unter einer Kurve an einer einzelnen Stelle? - Welches Intervall von Werten wird auf die Zahl 500 gerundet, wenn man keine Nachkommastellen betrachtet? - Wie ändert sich dieses Intervall, wenn man auf eine Nachkommastelle genau rundet? - Nutze die Standardnormalverteilung \(\Phi\), um die Wahrscheinlichkeiten für die Intervalle zu bestimmen.

1. Bei einer stetigen Zufallsgröße \(X\) ist die Wahrscheinlichkeit für einen einzelnen Wert \(x\) immer \(P(X = x) = \int_{x}^{x} f(t) \, dt = 0\), da die Fläche unter der Dichtekurve über einem Punkt null ist. 2. Gerundet auf ganze Gramm ergibt sich \(500\,\text{g}\), wenn das Gewicht im Intervall \([499{,}5; 500{,}5)\) liegt. Mit \(Z = \frac{X - 500}{4}\) ergibt sich: \(P(499{,}5 \le X < 500{,}5) = \Phi(\frac{500{,}5 - 500}{4}) - \Phi(\frac{499{,}5 - 500}{4}) = \Phi(0{,}125) - \Phi(-0{,}125) \approx 0{,}5497 - (1 - 0{,}5497) = 0{,}0994\). Die Wahrscheinlichkeit beträgt ca. \(9{,}94\,\%\). 3. Gerundet auf eine Dezimalstelle ergibt sich \(500{,}0\,\text{g}\) im Intervall \([499{,}95; 500{,}05)\). \(P(499{,}95 \le X < 500{,}05) = \Phi(\frac{0{,}05}{4}) - \Phi(-\frac{0{,}05}{4}) = \Phi(0{,}0125) - \Phi(-0{,}0125) \approx 0{,}5050 - (1 - 0{,}5050) = 0{,}0100\). Die Wahrscheinlichkeit sinkt auf ca. \(1{,}00\,\%\), da das betrachtete Intervall um den Faktor \(10\) schmaler geworden ist.

1. \(P(X=x) = 0\) für stetige Zufallsgrößen. 2. \(P(499{,}5 \le X < 500{,}5) \approx 0{,}0994\) 3. \(P(499{,}95 \le X < 500{,}05) \approx 0{,}0100\). Die Wahrscheinlichkeit ist deutlich geringer, da das Rundungsintervall kleiner ist.

- Stell dir vor, du würdest die Werte auf einem Zahlenstrahl markieren. Sind es Punkte mit Abständen oder ist es eine durchgehende Linie? - Achte besonders darauf, ob durch Rundung oder kleinste Einheiten (wie Cent) eine eigentlich stetige Größe „gestuft“ wird. - Betrachte die mathematische Definition des Wertebereichs: Ist er abzählbar oder entspricht er einem Intervall reeller Zahlen?

a) Einwohneranzahl: diskret, da Menschen nur in ganzen Zahlen gezählt werden können (abzählbare Werte). b) Grundstücksfläche: stetig, da Flächenmaße theoretisch jeden reellen Wert in einem Intervall annehmen können. c) Stromkosten: diskret, da die Währungseinheit Cent die kleinste Stufe darstellt und somit nur Vielfache von \(0{,}01\,\text{€}\) möglich sind (isolierte Werte). d) Abgerundete Wartezeit: diskret, da durch die Rundung auf ganze Minuten nur noch Werte aus der Menge der natürlichen Zahlen \(\{0, 1, 2, \dots\}\) möglich sind, selbst wenn die zugrunde liegende Zeit stetig ist.

a) diskret; b) stetig; c) diskret; d) diskret.

- Was unterscheidet eine Liste von Zahlen von einem durchgehenden Bereich auf dem Zahlenstrahl? - Wie berechnet man die Fläche unter einer Kurve, wenn die Breite des betrachteten Bereichs genau Null ist? - Erinnere dich an die Formel von Bernoulli für die Binomialverteilung. - Überlege, wie Wahrscheinlichkeiten bei einer Glockenkurve im Vergleich zu einem Säulendiagramm dargestellt werden.

1. Die Wertemenge \(W_X = \{0, 1, 2, \dots, 500\}\) der diskreten Zufallsgröße ist endlich und damit abzählbar. Die Wertemenge \(W_L = \mathbb{R}\) der normalverteilten Zufallsgröße ist überabzählbar. 2. Bei jeder stetigen Zufallsgröße gilt für jeden Einzelwert \(x\), dass \(P(L = x) = 0\). Somit ist \(P(L = 100) = 0\). 3. Berechnung über die Binomialverteilung: \(P(X = 10) = \binom{500}{10} \cdot 0{,}02^{10} \cdot 0{,}98^{490} \approx 0{,}1263\). 4. Bei stetigen Zufallsgrößen wird die Wahrscheinlichkeit als Flächeninhalt unter der Dichtefunktion \(f(x)\) berechnet: \(P(a \le L \le b) = \int_{a}^{b} f(x) \, dx\). Für einen Einzelwert \(a=b\) reduziert sich das Intervall auf einen Punkt, und das Integral über einen Punkt ist stets \(0\). Bei diskreten Zufallsgrößen ist die Wahrscheinlichkeit die Summe der Einzelwahrscheinlichkeiten (Wahrscheinlichkeitsfunktion), wobei den einzelnen Werten der Ergebnismenge direkt positive Massen zugeordnet sein können.

1. \(W_X\) ist endlich und damit diskret, \(W_L = \mathbb{R}\) ist überabzählbar. 2. \(P(L = 100) = 0\). 3. \(P(X = 10) \approx 0{,}1263\). 4. Bei stetigen Größen ist die Wahrscheinlichkeit ein Integral über ein Intervall; ein Punktintervall hat die Breite \(0\) und somit den Flächeninhalt \(0\).

- Überlege dir, welche Werte beim Würfeln überhaupt möglich sind. - Nutze für die Normalverteilung die Transformation in die Standardnormalverteilung oder den Taschenrechner. - Welche Rolle spielt ein einzelner isolierter Punkt für die Fläche unter einer Kurve? - Wie viele Kombinationen der Würfel ergeben eine Summe von höchstens 3?

1. \(Y\) ist diskret, da die Augensumme nur ganzzahlige Werte im Bereich \(\{2, 3, \dots, 12\}\) annehmen kann. \(Z\) ist stetig, da eine normalverteilte Größe alle reellen Werte in einem Intervall annehmen kann. 2. Mögliche Ergebnisse für \(Y \le 3\) sind die Paare \((1,1), (1,2), (2,1)\). Es gibt insgesamt \(6 \cdot 6 = 36\) gleichwahrscheinliche Ergebnisse. Somit gilt \(P(Y \le 3) = \frac{3}{36} = \frac{1}{12} \approx 0{,}0833\). 3. Standardisierung: \(z_1 = \frac{6{,}5 - 7}{2{,}4} \approx -0{,}2083\) und \(z_2 = \frac{7{,}5 - 7}{2{,}4} \approx 0{,}2083\). Berechnung: \(P(6{,}5 \le Z \le 7{,}5) = \Phi(0{,}2083) - \Phi(-0{,}2083) \approx 0{,}1650\). 4. Bei der diskreten Zufallsgröße \(Y\) macht es einen Unterschied, da \(P(Y \le 3) = P(Y < 3) + P(Y = 3)\). Da \(P(Y = 3) > 0\) ist, ändern Randpunkte das Ergebnis. Bei der stetigen Zufallsgröße \(Z\) gilt \(P(Z \le k) = P(Z < k)\), da die Wahrscheinlichkeit für den exakten Randpunkt \(P(Z = k) = 0\) ist.

1. \(Y\) diskret (abzählbare Werte), \(Z\) stetig (Normalverteilung). 2. \(P(Y \le 3) = \frac{1}{12} \approx 0{,}0833\). 3. \(P(6{,}5 \le Z \le 7{,}5) \approx 0{,}1650\). 4. Bei diskreten Größen ändern Randpunkte die Wahrscheinlichkeit (\(P(X=k) \neq 0\)), bei stetigen Größen nicht (\(P(X=k) = 0\)).

- Stelle dir vor, du zoomst in den Bereich zwischen zwei möglichen Werten hinein – findest du dort immer weitere mögliche Werte? - Unterscheide zwischen der physikalischen Natur einer Größe und ihrer Darstellung durch Messgeräte oder Rundungsregeln. - Abzählbar unendlich bedeutet, dass man die Werte wie die natürlichen Zahlen \(1, 2, 3, \dots\) auflisten könnte. - Überabzählbar unendlich tritt meist bei Intervallen reeller Zahlen auf.

a) Der Winkel ist eine stetige Zufallsgröße, da jeder reelle Wert im Intervall \([0; 360)\) möglich ist; die Wertemenge ist überabzählbar unendlich. b) Der Geldbetrag ist eine diskrete Zufallsgröße, da Cent-Beträge nur in festen Schritten von \(0{,}01\,\text{€}\) vorkommen; die Menge der Werte ist wegen der festen Kapazitätsgrenze endlich. c) Die Zerfallsdauer ist eine stetige Zufallsgröße, da Zeit eine kontinuierliche physikalische Größe ist, die jeden positiven reellen Wert annehmen kann; die Wertemenge ist überabzählbar unendlich. d) Die gerundeten Sonnenstunden bilden eine diskrete Zufallsgröße, da durch die Rundung auf Zehntelstunden nur ein festes Raster an Werten (z. B. \(0{,}0; 0{,}1; \dots; 24{,}0\)) möglich ist; die Menge ist endlich.

a) stetig; überabzählbar unendlich b) diskret; endlich c) stetig; überabzählbar unendlich d) diskret; endlich

- Unterscheide zwischen Größen, die durch Zählen entstehen, und Größen, die durch (theoretisch beliebig genaue) Messung entstehen. - Stell dir vor, du zoomst in die Skala der möglichen Werte hinein: Findest du immer wieder neue Werte dazwischen oder triffst du auf feste Stufen? - Überlege, wie sich eine Rundung oder eine Tarifierung (wie beim Parken) auf die Menge der möglichen Ergebnisse auswirkt.

a) Die Anzahl der Fahrgäste ist diskret, da es sich um einen Zählvorgang handelt und nur ganzzahlige Werte möglich sind. b) Die exakte physikalische Geschwindigkeit ist stetig, da sie innerhalb eines physikalisch möglichen Bereichs jeden reellen Wert annehmen kann. c) Die Masse ist stetig, da Masse eine physikalische Größe ist, die in einem Intervall jeden Wert annehmen kann (theoretisch unendlich viele Zwischenwerte). d) Das Guthaben in Cent ist diskret, da nur Vielfache von \(0{,}01\,\text{€}\) möglich sind und somit isolierte Punkte vorliegen. e) (1) Die exakte Parkdauer ist stetig (Intervall der reellen Zahlen). e) (2) Die für die Abrechnung angesetzte Parkdauer ist diskret, da nur ganzzahlige Stundenwerte auftreten.

a) diskret; b) stetig; c) stetig; d) diskret; e) (1) stetig, (2) diskret.

- Überlege dir, wie man die Wahrscheinlichkeit für ein Intervall bei einer kumulierten Verteilungsfunktion berechnet. - Was bedeutet es für die Summe bzw. das Integral, wenn man die Randpunkte eines Intervalls weglässt? - Erinnere dich an die Definition der Wahrscheinlichkeit bei stetigen Verteilungen als Flächeninhalt unter der Dichtekurve. - Welchen Flächeninhalt hat ein „Strich“ an einer festen Stelle auf der x-Achse?

1. Für die binomialverteilte Zufallsgröße \(X\) ergibt sich \(P(45 \le X \le 55) = P(X \le 55) - P(X \le 44) \approx 0{,}8644 - 0{,}1356 = 0{,}7288\). Für das offene Intervall gilt \(P(45 < X < 55) = P(X \le 54) - P(X \le 45) \approx 0{,}8159 - 0{,}1841 = 0{,}6318\). Die Ergebnisse unterscheiden sich deutlich, da die Randwerte \(45\) und \(55\) bei der Binomialverteilung eine positive Wahrscheinlichkeit besitzen. 2. Für die normalverteilte Zufallsgröße \(Y\) liegt das Intervall \([45; 55]\) genau im Bereich \([\mu - \sigma; \mu + \sigma]\). Nach der \(1\sigma\)-Regel gilt \(P(45 \le Y \le 55) \approx 0{,}6827\). 3. Bei diskreten Zufallsgrößen wie \(X\) haben einzelne Werte in der Regel eine Wahrscheinlichkeit größer als Null (hier \(P(X = 45) \approx 0{,}0485\)). Bei stetigen Zufallsgrößen wie \(Y\) ist die Wahrscheinlichkeit für jeden exakten Einzelwert stets Null (\(P(Y = 45) = 0\)), da die Wahrscheinlichkeit als Integral über ein Intervall definiert ist und das Integral über einen Punkt die Breite Null hat. Daher gilt bei stetigen Größen \(P(45 \le Y \le 55) = P(45 < Y < 55)\).

1. \(P(45 \le X \le 55) \approx 0{,}7288\) und \(P(45 < X < 55) \approx 0{,}6318\). 2. \(P(45 \le Y \le 55) \approx 0{,}6827\) (bzw. \(68{,}3\,\%\)). 3. Bei der diskreten Größe \(X\) gilt \(P(X=k) > 0\), weshalb das Einschließen der Ränder das Ergebnis ändert. Bei der stetigen Größe \(Y\) gilt \(P(Y=k) = 0\), weshalb Randpunkte keinen Einfluss auf die Gesamtwahrscheinlichkeit haben.

- Wie berechnet man die Fläche eines Rechtecks, dessen Breite genau Null ist? - Erinnere dich an die Definition der Wahrscheinlichkeit als Integral über die Dichtefunktion. - Überlege dir eine Analogie aus der Geometrie: Wie verhält sich die Länge einer Linie zu der „Länge“ eines einzelnen Punktes auf dieser Linie?

1. Die Wahrscheinlichkeit für einen Einzelpunkt \(c\) berechnet sich bei stetigen Größen durch das Integral \(P(X=c) = \int_c^c f(x) \, dx = 0\). 2. Da \(P(a \le X \le b) = P(X=a) + P(a < X < b) + P(X=b)\) gilt und sowohl \(P(X=a) = 0\) als auch \(P(X=b) = 0\) ist, folgt direkt \(P(a \le X \le b) = 0 + P(a < X < b) + 0 = P(a < X < b)\). 3. Die Argumentation des Schülers ist falsch, da Wahrscheinlichkeiten bei stetigen Größen nicht durch eine klassische Summe, sondern durch ein Integral (einen Grenzwertprozess) bestimmt werden. 4. Ein Intervall besteht zwar aus unendlich vielen Punkten der Wahrscheinlichkeit Null, aber die Dichtefunktion weist diesen Punkten Werte \(f(x) \ge 0\) zu. Das Integral summiert nicht die Wahrscheinlichkeiten der Punkte, sondern bildet den Flächeninhalt unter der Kurve. Analog dazu hat eine Strecke eine positive Länge, obwohl jeder einzelne Punkt der Strecke die Länge Null hat.

a) Da \(P(X=c) = \int_c^c f(x) \, dx = 0\), haben die Randpunkte \(a\) und \(b\) keinen Einfluss auf den Wert des Integrals über das Intervall. b) Die Behauptung ist falsch, da bei stetigen Größen Wahrscheinlichkeiten über Integrale (Flächen) und nicht über die Summe von Einzelpunkt-Wahrscheinlichkeiten definiert sind. Ein Integral kann trotz der Punktwahrscheinlichkeit Null einen positiven Wert ergeben, analog zur Länge einer Strecke aus Punkten der Länge Null.