Mathematik & Datenverarbeitung

und

Naturwissenschaftliches Rechnen
Beispiele und Anwendungen
Basierend auf dem VU Skript Naturwissenschatliches Rechnen
von
Gertrud Desch

STEFAN ROSENBERGER

Karl-Franzens-Universität Graz
9. Oktober 2023
2
 INHALTSVERZEICHNIS

1 Schlussrechnung, Prozentrechnung und Mischungsrechnung 7

1.1 Direkte Proportionen, Dreisatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1.1 Beispiele zum Vorbereiten . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.1.2 Weitere Beispiele zum Üben . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2 Prozentrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.1 Beispiele zum Vorbereiten . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2.2 Weitere Beispiele zum Üben . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3 Mischungsrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3.1 Beispiele zum Vorbereiten . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.3.2 Weitere Beispiele zum Üben . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.4 Umsetzung mit Computerprogrammen . . . . . . . . . . . . . . . . . . . . . . . . 20
1.4.1 Befehle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.4.2 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

2 Potenzrechnen 23
2.1 Rechenübungen, Wiederholung Rechnen mit allgemeinen Zahlen . . . . . . . . . . 23
2.2 Grundlagen des Potenzrechnens . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.3 Anwendung der Potenzen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.3.1 Zehnerpotenzen, sehr große und sehr kleine Zahlen . . . . . . . . . . . . . 26
2.3.2 Zwei Aufgaben für praktische Überlegungen . . . . . . . . . . . . . . . . 29
2.3.3 Beispiele zum Vorbereiten . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.3.4 Weiter Beispiele zum Üben . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.4 Umsetzung mit Computerprogrammen . . . . . . . . . . . . . . . . . . . . . . . . 32
2.4.1 Befehle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

3
3 Gleichungen lösen 35
3.1 Gleichungen mit einer Unbekannten . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.1.1 Beispiele zum Vorbereiten . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.2 Quadratische Gleichungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.2.1 Beispiele zum Vorbereiten . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.3 Umformen von Formeln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.3.1 Beispiele zum Vorbereiten . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.4 Umsetzung mit Computerprogrammen . . . . . . . . . . . . . . . . . . . . . . . . 49
3.5 Zwei aufwendigere Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.6 Weitere Beispiele zum Üben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

4 Exponentialfunktion und Logarithmus 55

4.1 Definition und Eigenschaften der Exponentialfunktion . . . . . . . . . . . . . . . 55
4.2 Definition und Eigenschaften des Logarithmus . . . . . . . . . . . . . . . . . . . . 59
4.3 Rechenregeln für Logarithmen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.3.1 Beispiele zum Vorbereiten . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.4 Logarithmische Skalen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.4.1 Beispiele zum Vorbereiten . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.5 Umsetzung mit Computerprogrammen . . . . . . . . . . . . . . . . . . . . . . . . 68
4.5.1 Befehle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.6 Weitere Beispiele zum Üben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.7 Lösen von Gleichungen mit Exponenten und Logarithmen . . . . . . . . . . . . . 70
4.7.1 Beispiele zum Vorbereiten . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.8 Weitere Beispiele zum Üben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74

5 Exponentielles Wachstum und Abklingen 75

5.1 Modellierung und grundlegende Beispiele . . . . . . . . . . . . . . . . . . . . . . 75
5.2 Beispiele zum Vorbereiten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
5.3 Zwei aufwendigere Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
5.4 Weitere Beispiele zum Üben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86

6 Lineare Regression 89
6.1 Die Methode der kleinsten Quadrate . . . . . . . . . . . . . . . . . . . . . . . . . 89
6.2 Berechnung der Regressionsgeraden . . . . . . . . . . . . . . . . . . . . . . . . . 91
6.2.1 Bestimmtheitsmaß der Linearen Regression . . . . . . . . . . . . . . . . . 93
6.2.2 Regression einer Exponentialfunktion und Potenzfunktion . . . . . . . . . 97
6.3 Umsetzung mit Computerprogrammen . . . . . . . . . . . . . . . . . . . . . . . . 101
6.4 Beispiele zum Vorbereiten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
6.5 Weitere Beispiele zum Üben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104

7 Dimensionen und Einheiten 107

7.1 Dimensionen, Einheiten und das SI-System . . . . . . . . . . . . . . . . . . . . . 107
7.2 Rechenregeln für dimensionierte Größen . . . . . . . . . . . . . . . . . . . . . . . 110

4
 7.3 Beispiele zum Vorbereiten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
7.4 Weitere Beispiele zum Üben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117

8 Wahrscheinlichkeitsrechnung 119
8.1 Grundbegriffe der Wahrscheinlichkeit . . . . . . . . . . . . . . . . . . . . . . . . 119
8.2 Berechnen und Darstellen der WSK . . . . . . . . . . . . . . . . . . . . . . . . . 120
8.2.1 Die Vierfeldertafel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
8.2.2 Bedingte Wahrscheinlichkeit . . . . . . . . . . . . . . . . . . . . . . . . . 124
8.2.3 Der Ereignisbaum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
8.3 Zwei Aufgaben mit überraschendem Resultat . . . . . . . . . . . . . . . . . . . . 128
8.4 Beispiele zum Vorbereiten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
8.5 Weitere Beispiele zum Üben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134

9 Statistik 135
9.1 Merkmale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
9.2 Häufigkeiten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
9.3 Mittelwert und Standardabweichung . . . . . . . . . . . . . . . . . . . . . . . . . 140
9.4 Median, Quartile und Perzentile . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
9.5 Klassifizierte Daten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
9.6 Weitere Beispiele zum Üben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151

5
6
 KAPITEL

SCHLUSSRECHNUNG,
PROZENTRECHNUNG UND
MISCHUNGSRECHNUNG

1.1 Direkte Proportionen, Dreisatz

Die Schlussrechnung (bzw. direkte Proportion oder Dreisatz) fundiert in Ihrem Rechenschema auf
eine lineare Funktion welche den Koordinatenursprung (0,0) trifft:

𝑦 = 𝑘𝑥 (1.1)

wobei diese Gleichung eindeutig gelöst wird, indem man 𝑘 bestimmt.

Um eine Schlussrechnung zu lösen benötigt man einmal ein Paar (𝑥, ̃ um daraus dann 𝑘 bestimmen
̃ 𝑦)
zu können.
Man erkennt eine Schlussrechnung daran, dass, wenn man die Ausgangsgröße um Eines erhöht, sich
die resultierende Größe immer um den selben Wert erhöht/vermindert (mathematisch gesprochen
ein linearer Zusammenhang). Zusätzlich muss gelten, dass, wenn man keine Ausgangsgröße hat
(𝑥 = 0), auch die resultierende Größe Null sein muss (𝑦 = 0).

Beipiel 1.1. Bei der Inventur der Firma Smith sollen Schrauben gezählt werden. Hierfür wurden 5
Schrauben abgewogen welche 17 g gewogen haben.
Im gesamten Unternehmen Smith befinden Sie 0,75 t des selben Schraubentyps. Bestimmen Sie wie
viele Schrauben diese Typs im Unternehmen sind!

7
Lösung. Wichtig ist hierbei natürlich, dass wir immer den gleichen Schraubentyp betrachten.
Wenn wir eine Schraube zu eine Menge Schrauben hinzufügen, so wird das Gewicht immer um den
selben Wert höher, und wenn wir keine Schrauben haben, so wiegen diese (0 Schrauben) natürlich
0 Gramm.
Daher ist eine direkte Proportionalität gegeben. Jetzt müssen wir die Größen in Verbindung setzen:

17 g … … 5 #
0,75 t … … 𝑦 #

Die Lösung erhält man, indem man aus dem ersten Zusammenhang das Verhältnis bildet (das ergibt
die Größe 𝑘 aus dem Model), und anschließend mit dem Wert multipliziert auf den man Schließen
möchte (Schlussrechnung).
Vorher müssen wir natürlich noch die Einheiten umrechnen: 0,75 t = 0,75 ⋅ 1000000 g = 750000 g.
5#
𝑦# = ⋅ 750000 g = 220 588 #.
17 g
Es befinden sich 220 588 Schrauben im Unternehmen Smith (anders formuliert: Sauviele). □
Beipiel 1.2. In einem Kanal der Breite 3 m und der Tiefe 1 m fließt Abwasser mit einer Geschwin-
digkeit von 5 m∕s. Ein Kubikmeter des Abwassers enthält 20 mg eines Schadstoffes.
Wie viel Schadstoff fließt pro Tag den Kanal hinunter?
Lösung. Wie müssen uns wieder überlegen ob eine Dreisatz angebracht ist!
Zum einen erkennen wir, dass in einer Sekunde immer die selbe Menge Schadstoff den Kanal hin-
unter fließt, also wartet man eine Sekunde so erhöht sich die resultierende Menge im diesen Wert.
Zusätzlich gilt, wenn wir keine Sekunde warten so ist auch kein Schadstoff hinunter geflossen. Da-
her ist eine direkte Proportionalität passend!
Wir müssen wiederum auf gleiche Einheiten achten:

1 d = 24 h = 24 ⋅ 60 min = 24 ⋅ 60 ⋅ 60 s = 86400 s.

Aus der Angabe wissen wir nun, wie groß das Volumen ist, welches in einer Sekunde durch den
Kanal fließt (Querschnitt des Kanals mal der Länge die durchgeflossen ist).

3m ⋅ 1m ⋅ 5m = 15 m2

Damit erhalten wir aus der Angabe:

1 m3 … … 20 mg
15 m3 … … 𝑦 mg

womit wir
20 mg ⋅ 15 m3
𝑦= = 300 mg
1 m3

8
erhalten, womit schließlich

1 s … … 300 mg
86400 s … … 𝑦 mg

folgt, und damit

300 mg ⋅ 86400 s
𝑦= = 2592000 mg ≈ 26kg
1s
Schadstoff pro Tag durch den Kanal fließt. □
Anmerkung 1.3. Es ist natürlich nicht notwendig, dass man jedes mal die Rechnung so ausführlich
anschreibt, mit etwas Selbstsicherheit kann man natürlich auch schneller Rechnen.

1.1.1 Beispiele zum Vorbereiten

Anmerkung. Versuchen Sie in den folgenden Aufgaben insbesondere zu begründen warum eine
Schlussrechnung/Dreisatz anwendbar ist!

Beipiel 1.4. Aus einem Bienenstock werden 100 Arbeiterinnen entnommen, durch einen Farbpunkt
markiert, und wieder eingebracht. Nach einiger Zeit wird dem Bienenstock eine neue Stichprobe
entnommen. Unter 300 Arbeiterinnen fanden sich 15 markierte. Wie groß ist die Gesamtpopulation
der Arbeiterinnen im Bienenstock?

Lösung:

Beipiel 1.5. Biomasse von Pflanzen wird gelegentlich durch kg organische Trockensubstanz (OTS)
angegeben. Ein g organische Trockensubstanz enthält 20 kJ (Kilojoule = Kilowattsekunden) Ener-
gie.

• Ein Feld produziert im Jahr 1000 kg OTS. Wie viel Energie Produziert es am Tag?

• Wenn ein Mensch am Tag 10 000 kJ umsetzt, wie viele Menschen könnte das Feld ernähren?

9
 Lösung:

1.1.2 Weitere Beispiele zum Üben

Beipiel 1.6. In ein Grundwasserreservoir von unbekanntem Volumen werden 100 g einer Tracer-
substanz eingebracht. Die Substanz verteilt sich gleichmäßig im Reservoir. Anschließend ergibt
eine Analyse einer kleinen Wasserprobe aus dem Reservoir eine Konzentration von 2 mg Tracer
pro Liter. Wie viel Wasser ist im Reservoir? Geben Sie die Lösung in m3 an.

Beipiel 1.7. Die Zählung der roten Blutkörperchen kann inzwischen automatisch erfolgen. Früher
wurde sie unter dem Mikroskop mittels der Zählkammer durchgeführt. Diese ist ein Objektträger, in
den eine quadratische Vertiefung von der Tiefe 0,1mm eingefräst ist. Am Boden dieser Vertiefung
ist ein Gitter von Rasterlinien im Abstand von je 0,05mm eingraviert. Der Zählvorgang erfolgt
folgendermaßen:

• Blut wird der Testperson abgenommen.

• Das Blut wird verdünnt: auf 200 Volumen-Einheiten Verdünnung kommt eine Einheit Blut.

• Die Verdünnung wird in die Zählkammer gefüllt und mit einem Deckglas abgedeckt, sodass
sich eine Flüssigkeitsschicht von genau 0,1mm Dicke in der Zählkammer befindet.

• Unter dem Mikroskop sieht man von oben auf die Zählkammer und die Rasterlinien am Boden
der Vertiefung. Man sieht also von oben viele quaderförmige Zellen vom Volumen 0,1×0,05×
0,05mm3 .

• Die Erythrozyten in 80 Zellen werden ausgezählt.

• Von der Anzahl der ausgezählten Erythrozyten wird hochgerechnet, wie viele Erythrozyten
in einem Kubikmillimeter unverdünntem Blut vorhanden sind.

Angenommen, in den 80 Zellen wurden 390 Erythrozyten gefunden. Wie viele Erythrozyten kom-
men auf 1 mm3 unverdünntes Blut?

10
1.2 Prozentrechnung
Definition 1.8. Der Prozentsatz 𝑝 ist gegeben durch den Zusammenhang einer Teilmenge 𝐴 zu
einer Grundmenge 𝐺 und ist definiert durch
𝐴
𝑝= ⋅ 100%
𝐺
Anmerkung 1.9. Offensichtlich (wie wir später noch sehen werden) lässt sich diese Gleichung um-
formen zu
𝑝
𝐴=𝐺⋅
100%
Entscheidend für die Prozentrechnung ist das richtige Erkennen der Grundmenge auf welche sich
das %-Symbol bezieht!
Die Prozentrechnung nennt man auch Hundertstel-Rechnung, denn
5
5% = = 0,05.
100
Beipiel 1.10. Von 250 Personen eines Betriebes sind 45 AkademikerInnen. Wie viel Prozent sind
das? 60% der Personen desselben Betriebes haben Dauerstellen. Wie viele Personen sind das?
Lösung. Prozentsatz der AkademikerInnen:
45
= 0,18 = 18%.
250
Anzahl der Personen mit Dauerstellen:

250 ⋅ 0,6 = 150.

□
Beipiel 1.11. 80% aller Leser und Leserinnen einer Zeitschrift sind Frauen. Auf eine Umfrage haben
30% der Leserinnen und 60% der Leser geantwortet. Welcher Prozentsatz der gesamten Leserschaft
hat geantwortet?
Lösung. In diesem Beispiel müssen wir insbesondere erkennen, dass sich diese drei Prozentsym-
bole auf jeweils andere Grundmengen beziehen! Aufteilung der Leser:

20%𝐴 … Leser
80%𝐴 … Leserinnen

wobei wir mit %𝐴 die Prozent Aller LeserInnen bezeichnen.

30%𝑊 der Leserinnen haben geantwortet, also von den 80%𝐴 . Damit bekommen wir
30
𝑊 = ⋅ 80%𝐴 = 24%𝐴
100

11
haben geantwortet.
Weiters 60%𝑀 der Leser haben geantwortet, also von den 20%𝐴 . Damit bekommen wir

60
𝑀= ⋅ 20%𝐴 = 12%𝐴
100

haben geantwortet.
Nun können wir die Anzahl addieren, da wir uns mit %𝐴 auf die gleiche Grundmenge beziehen, und
zusätzlich (offensichtlich) kein Mann als Frau zählt, also die Mengen die wir addieren sich nicht
überschneiden:

𝑊 + 𝑀 = 24%𝐴 + 12%𝐴 = 36%𝐴

haben geantwortet. □

1.2.1 Beispiele zum Vorbereiten

Anmerkung. Versuchen Sie in den folgenden Aufgaben insbesondere die Grundmengen korrekt zu
identifizieren.

Beipiel 1.12. Eine Stichprobe unter den Passagieren auf einer Bahnlinie ergab folgende Tabelle
über die Anzahl der Raucher und Nichtraucher in der ersten und zweiten Klasse:

Raucher Nichtraucher gesamt

1. Klasse 250 750 1000
2. Klasse 1750 2250 4000
gesamt 2000 3000 5000

• Wie groß ist der Prozentsatz der Raucher unter allen Passagieren?

• Wie groß ist der Prozentsatz der Passagiere erster Klasse unter allen Passagieren?

• Wie viele Prozent der Raucher fahren erste Klasse?

• Wie viel Prozent aller Passagiere fahren erste Klasse und sind zugleich Raucher?

12
 Lösung:

Beipiel 1.13. Eine Firma hat zwei Abteilungen A und B. Im Jahr 2010 beschäftigte die Abteilung
A 200 Personen, davon waren 20% Frauen. Die Abteilung B beschäftigte 300 Personen, davon
waren 60% Frauen. Im Jahr 2020 beschäftigte die Abteilung A 1000 Personen, davon waren 25%
Frauen. Die Abteilung B beschäftigte 500 Personen, davon waren 70% Frauen. Wie viel Prozent
aller Angestellten der Firma im Jahr 2010 waren Frauen? Wie viel Prozent aller Angestellten im
Jahr 2020 waren Frauen? Ist der Frauenanteil in der gesamten Firma gestiegen?
Lösung:

1.2.2 Weitere Beispiele zum Üben

Beipiel 1.14. In einem Betrieb sind 300 weibliche Raucher, 500 weibliche Nicht-Raucher, 200
männliche Raucher, und 600 männliche Nicht-Raucher angestellt.
1. Wie viel Prozent aller Angestellten sind weibliche Raucher?

13
 2. Wie viel Prozent aller Angestellten des Betriebs sind weiblich?

3. Wie viel Prozent aller angestellter Raucher sind weiblich?

Beipiel 1.15. Eine Infektion1 befällt in kurzer Zeit 20% aller Einwohner einer Stadt. 3% der Infi-
zierten müssen stationär behandelt werden. Die Stadt hat 100000 Einwohner. Wie viel Patienten
müssen infolge dieser Epidemie stationär behandelt werden?

Beipiel 1.16. Wir gehen davon aus, dass das Primärstadium einer bestimmten Krankheit2 in 40%
aller Fälle unentdeckt bleibt. Wird das Primärstadium entdeckt, wird die Krankheit behandelt und in
80% der Fälle geheilt. Wird das Primärstadium nicht entdeckt, heilt die Krankheit immerhin in 20%
der Fälle von selbst aus. Langjährige Studien ergaben, dass in einem Land pro Jahr im Durchschnitt
300 Fälle des Primärstadiums der Krankheit entdeckt werden.

1. Wie viele Fälle des Primärstadiums treten im Durchschnitt Pro Jahr in diesem Land auf?

2. Wie viele Fälle des Primärstadiums heilen im Durchschnitt pro Jahr unentdeckt von selbst
aus?

Beipiel 1.17. Die Kängururatte ist ein Wüstentier das nicht trinken muss. Ihr Wasser nimmt sie auf
zwei Arten auf. Das Futter (Körner etc.) enthält absorbiertes Wasser. Außerdem entsteht bei der
Verbrennung der Kohlehydrate Wasser. Andererseits gibt die Kängururatte Wasser ab durch Urin,
durch Kot, und durch Verdunstung. Die folgende Tabelle zeigt die Wasseraufnahme und Wasserab-
gabe einer Kängururatte in einem bestimmten Versuchszeitraum, in Millilitern und in Prozent des
gesamten Wasserumsatzes. Der gesamte Umsatz betrug 60ml.

Wasseraufnahme Wasserabgabe
ml % ml %
Oxidationswasser 54,0 ml Urin 22,5
Absorbiertes Wasser 6,0 ml Kot 4,3
Verdunstung 73,2
gesamt 60,0 ml 100 % gesamt 60,0 ml 100 %

Vervollständigen Sie die Tabelle mit den entsprechenden Werten für ml und %.

1.3 Mischungsrechnung
Anmerkung 1.18. In praktischen (Labor-)Anwendungen kommt es häufig vor, dass man eine be-
stimmte Konzentration einer bestimmten Lösung benötigt, diese muss dann aus gegebenen Lösun-
gen hergestellt werden. Um dies zu tun muss man die Mischungsrechnung beherrschen!
1 Beachten Sie, es handelt sich mal zur Abwechslung nicht um Covid-19!
2 Beachten Sie, es handelt sich wiederum nicht um Covid-19!

14
Fakt 1.19. Das Hauptgesetz der Mischungen lautet

gelöste Menge = Konzentration ⋅ Volumen.

Durch umstellen der Gleichung erhält man:

gelöste Menge
Konzentration =
Volumen
gelöste Menge
Volumen =
Konzentration
Beipiel 1.20. 100ml einer Kochsalzlösung mit einer Konzentration von 20mg∕ml werden so lan-
ge eingekocht, bis nur mehr 20ml übrig sind. Welche Kochsalzkonzentration hat die eingedickte
Lösung?

Lösung. Überlegung: Die enthaltene Kochsalzmenge ist vor und nach dem Kochen dieselbe. Wir
notieren was wir über die Lösung wissen:
Zeitpunkt Volumen [ml] Konzentration [mg∕ml] gelöste Menge [mg]
vor dem Kochen 100 20
nach dem Kochen 20
Daraus können wir die gelöste Menge bestimmen (Produkt aus Konzentration und Volumen), wel-
che vor und nach dem Kochen dieselbe ist. Daraus lässt sich dann die Konzentration bestimmen:
Zeitpunkt Volumen [ml] Konzentration [mg∕ml] gelöste Menge [mg]
vor dem Kochen 100 20 2000
nach dem Kochen 20 → 2000
20
= 100 ← 2000
□

Beipiel 1.21. Wir vermengen drei Glukoselösungen,

• Lösung 𝐴 habe 0,5l und eine Konzentration von 3 g∕l

• Lösung 𝐵 habe 1,25l und eine Konzentration von 8 g∕l

• Lösung 𝐶 habe 0,75l und eine Konzentration von 2 g∕l.

Welche Konzentration hat das Gemisch aus 𝐴,𝐵 und 𝐶?

Lösung. Wir erstellen eine Tabelle und tragen die Angaben ein:
Name Volumen [l] Konzentration [g∕l] gelöste Menge [g]
𝐴 0,5 3
𝐵 1,25 8
𝐶 0,75 2
Gemisch

15
Nun können wir mithilfe des Hauptgesetz der Mischungen die gelösten Mengen bestimmen, und
damit die Zusammensetzung des Gemisches erhalten:

Name Volumen [l] Konzentration [g∕l] gelöste Menge [g]

𝐴 0,5 3 1,5
𝐵 1,25 8 10
𝐶 0,75 2 1,5
Gemisch 2,5 → 13
2,5
← 13

Damit erhalten wir, dass das Gemisch ein Volumen von 2,5 Liter und eine Konzentration von 5,2g∕l
hat. □

Beipiel 1.22. Kochsalzlösung 𝐴 hat eine Konzentration von 2mol∕l (Mol pro Liter), Lösung 𝐵 hat
eine Konzentration von 10mol∕l. Benötigt werden 500ml einer Lösung mit Konzentration 5mol∕l.
Wie viel ml der Lösungen 𝐴 und 𝐵 müssen gemischt werden?

Lösung. Um ein solches Beispiel zu lösen ist es ratsam sich in einer Tabelle zu notieren was man
bereits kennt3 :

Name Volumen [l] Konzentration [mol∕l] gelöste Menge [mol]

𝐴 2
𝐵 10
Gemisch 0,5 5

Achten Sie darauf die richtigen Einheiten zu verwenden! Wir können nun mithilfe des Hautgesetzes
der Mischung bestimmen, wie groß die gelöste Menge im Gemisch sein muss. Zusätzlich wissen
wir noch etwas! Wir wissen, dass wir die Flüssigkeiten 𝐴 und 𝐵 haben werden, wir wissen zu
diesem Zeitpunkt zwar noch nicht wie viel wir haben werden, jedoch wissen wir, dass wir sie
haben werden. Daher geben wir diesen Volumen einfach mal einen Namen (𝑥 ,𝑦):

Name Volumen [l] Konzentration [mol∕l] gelöste Menge [mol]

𝐴 𝑥 2
𝐵 𝑦 10
Gemisch 0,5 5 2,5

Damit können wir nun die Gelösten Mengen berechnen:

Name Volumen [l] Konzentration [mol∕l] gelöste Menge [mol]

𝐴 𝑥 2 2𝑥
𝐵 𝑦 10 10 𝑦
Gemisch 0,5 5 2,5

3 Auch bei anderen Beispielen ist es oft nützlich einfach mal hinzuschreiben was man weis!

16
Weil das Volumen insgesamt 0,5l sein soll, muss also gelten: 𝑥 + 𝑦 = 0,5. Weil die gesamte Koch-
salzmenge 2,5mol sein muss, muss gelten: 2𝑥 + 10𝑦 = 2,5. Wir erhalten daher zwei Gleichungen
mit zwei Unbekannten:

𝑥 + 𝑦 = 0,5 (𝐼)
2𝑥 + 10𝑦 = 2,5 (𝐼𝐼)

Nun ziehen wir 2 mal die Gleichung (𝐼) von der Gleichung (𝐼𝐼) ab:

𝑥 + 𝑦 = 0,5 (𝐼)
0𝑥 + 8𝑦 = 1,5 (𝐼𝐼)

Aus der zweiten Gleichung folgt, wenn man beide Seiten durch 8 dividiert:
3
𝑦= l
16
Diesen Wert können wir nun in die erste Gleichung einsetzen und erhalten:
3 8 5
⇒ 𝑥+ = ⇒ 𝑥= l
16 16 16
Damit erhält man, dass 𝑦 = 3
16
l = 187,5 ml von 𝐵 und 𝑥 = 5
16
l = 312,5 ml von 𝐴 vermengen
muss. □

1.3.1 Beispiele zum Vorbereiten

Beipiel 1.23. Wir vermengen 100 ml 90%igen Alkohol, 200 ml 10%igen Alkohol und 700 ml reines
Wasser. Prozentangaben sind Volumsprozente. Welche Alkoholkonzentration hat das Gemisch?
Lösung:

17
Beipiel 1.24. Gebraucht werden 100ml einer Glucoselösung mit einer Konzentration von 20 g Glu-
cose pro Liter. Vorhanden sind eine Lösung 𝐴 mit einer Konzentration von 5 g∕l, sowie eine Lösung
𝐵 mit einer Konzentration von 30 g∕l. In welchen Mengen müssen 𝐴 und 𝐵 gemischt werden?

Lösung:

1.3.2 Weitere Beispiele zum Üben

Beipiel 1.25. Das gesamte Volumen des Blutplasmas eines Kleintieres soll bestimmt werden, ohne
dem Tier Schaden zuzufügen. Wir verwenden eine Tracermethode:

• Wir injizieren eine Lösung mit einer Tracersubstanz (z.B. Evans Blau), die sich nur im Blut-
plasma verteilt, und nicht ins Innere der Erythrozyten oder ins Interstitium ausweichen kann.

• Wir warten einige Minuten, sodass der Tracer Zeit hat, sich gleichmäßig über das gesamte
Blutplasma zu verteilen.

• Wir entnehmen eine Blutprobe und messen die Konzentration des Tracers im Blutplasma der
Probe.

18
 • Wir berechnen daraus das Volumen des Blutplasmas im Tier.

Injiziert wurden 0.5 ml einer Lösung mit einer Konzentration von 10mol∕l. Im Plasma der Blut-
probe wurde eine Konzentration von 0,0125mol∕l gemessen. Wie groß ist das Plasmavolumen des
Tieres?
Das Blut des Tieres besteht zu 60% aus Plasma, zum Rest großteils aus Erythrozyten (Hämatokrit
= 40%). Wie groß ist das gesamte Blutvolumen?

Beipiel 1.26. Wir mischen 20 ml Essigsäure in einer Konzentration von 10 Volumsprozent mit
60 ml Essigsäure in einer Konzentration von 30 Volumsprozent. Welche Konzentration hat das
Gemisch?

Beipiel 1.27. Lösung 𝐴 enthält einen Wirkstoff in einer Konzentration von 0,2 mg∕l, Lösung 𝐵
enthält denselben Stoff in einer Konzentration von 0,6 mg∕l. Wir benötigen 2 Liter einer Lösung
mit einer Konzentration von 0,3 mg∕l. Wie wird das Gemisch hergestellt?

Beipiel 1.28. Eine Salzlösung wurde eingedickt, indem 60% des Wassers verdampft wurden. Nach
diesem Prozess hatte die Lösung eine Konzentration von 0,02 kg Kochsalz pro Liter. Welche Kon-
zentration hatte die Lösung vor dem Eindicken?

Beipiel 1.29. Zu 90 Litern einer 10-prozentigen Kochsalz-Lösung werden 10 Liter einer 90-prozentigen
Kochsalz-Lösung beigegeben. Welche Konzentration hat das Gemisch?

Beipiel 1.30. Wie viele Liter einer 85-prozentigen Kochsalz-Lösung müssen zu 90 Litern einer 10-
prozentigen Kochsalzlösung beigegeben werden, damit das entstandene Gemisch eine 15-prozentige
Kochsalz-Lösung ist? Alle Prozentangaben in dieser Aufgabe sind Volumens Prozente

Beipiel 1.31. Aus einem Polizeiprotokoll: Herr X bekam eine Ladung reines Cocain. Er streckte
den Stoff, indem er 200 g der Ladung durch Babypuder ersetzte (diese 200 g gingen in den Ei-
gengebrauch). Den gepanschten Stoff wiederum vertrieb er. Beim Zugriff hatte er noch 300 g der
Mischung übrig. Im Drogenlabor wurde festgestellt, dass diese noch 270 g reines Cocain enthielt.
Wie groß war die ursprüngliche Ladung Cocain?

Beipiel 1.32. Eine Getränkefirma will in einer 1000 ml Packung eine Mischung aus Pfirsichsaft
(50 g Zucker pro 100 ml), Orangensaft (25 g Zucker pro 100 ml) und Wasser auf den Markt brin-
gen. Dabei soll einer Packung fünf Mal soviel O-Saft als Pfirsich-Saft zugegeben werden und die
Mischung eine Konzentration von 200 g Zucker pro Packung. Wie viel Pfirsichsaft (in ml) soll einer
Packung zugegeben werden?

Beipiel 1.33. Es werden 0,25 Liter 64%-igen Alkohol benötigt. Es stehen Ihnen hierfür 200 ml
Alkohol mit eine Konzentration von 80%, 0,5 Liter Alkohol mit einer Konzentration von 50% und
150 ml Alkohol mit einer Konzentration von 90% zur Verfügung.
Berechnen Sie ein Mischungsverhältnis welches den benötigen Alkohol liefert.

19
1.4 Umsetzung mit Computerprogrammen
Es gibt (natürlich) viele Computerprogramme mit deren Hilfe man Berechnungen vereinfachen
und effizienter gestalten kann. Wir wollen hier anhand von LibreOffice Calc (oder Excel) zeigen
wie man dies umsetzten kann.

1.4.1 Befehle
Folgende Berechnungen können in LibreOffice Calc verwendet werden:

= Beginn einer Berechnung

% Prozent (Hunderstel) der Zahl

Um zum Beispiel 15% von 315 zu berechnen kann man einfach = 315 ⋅ 15% in eine Zelle eingeben.

Achten Sie auch darauf, dass man Zahlen durch verweisen (in diesem Beispiel = 𝐴5) verwenden
kann bzw. auch so verwenden soll!

1.4.2 Aufgaben
Beipiel 1.34. Erstellen Sie ein LibreOffice Calc Sheet4 und lösen die Aufgabe 1.12 erneut. Ver-
gleichen Sie Ihr per Hand berechnetes Ergebnis mit der Excel-Lösung (Sie sollten natürlich gleich
sein).
Zusatzaufgabe: Gestalten Sie Ihre Lösung so, dass diese auch ansehnlich ist.5 .

Beipiel 1.35. Erstellen Sie ein Sheet um die Mischungsrechnung umzusetzen. Erstellen Sie die Ta-
belle so, dass Sie unmittelbar benötigten Volumina nicht bekannt sind, jedoch die Konzentrationen
bekannt sein müssen um Aufgabe 1.22 effizienter lösen zu können.
Lösen Sie die Aufgabe erneut, jedoch mit folgenden geänderten Angaben:
4 Sie können natürlich auch Microsoft Excel verwenden. Sollten Sie Apple Numbers verwenden wollen, so achten
Sie bei der Abgabe von Übungen darauf, dass Sie die Datei konvertieren, sodass die Funktionen auch bei Excel und
LibreOffice funktionieren, da Apple zu Apple zwar super funktioniert, jedoch ist das Softwaredesign von Apple leider
vollkommen inkompatibel mit anderen Systemen!
5 Wenn Sie Zellen markieren, anschließend mit der rechten Maustaste darauf klicken können Sie unter Zellen For-

matieren (bzw. auf Englisch sprachlichen Systemen Format Cells) die Zellen gestalten: Rahmen, Hintergrundfarbe,
Textfarbe etc.

20
1. Lösung 𝐴: 8 mol∕l, Lösung 𝐵: 22 mol∕l, Gemisch: 150ml mit 17 mol∕l Konzentration.
Ergebnis:

𝐴 = ………l
𝐵 = ………l

2. Lösung 𝐴: 1,25 mol∕l, Lösung 𝐵: 33,77 mol∕l, Gemisch: 1,586l mit 25,2 mol∕l Konzentra-
tion.
Ergebnis:

𝐴 = ………l
𝐵 = ………l

3. Lösung 𝐴: 58 mol∕l, Lösung 𝐵: 5 mol∕l, Gemisch: 153875l mit 57,68 mol∕l Konzentration.
Ergebnis:

𝐴 = ………l
𝐵 = ………l

4. Lösung 𝐴: 10 mol∕l, Lösung 𝐵: 50 mol∕l, Gemisch: 3,5l mit 65 mol∕l Konzentration.

Ergebnis:

𝐴 = ………l
𝐵 = ………l

Zusatzaufgabe: Bei diesem Beispiel sollte bei Ihrer Lösung etwas sonderbar sein! Lassen Sie
automatisch markieren, dass bei solchen Lösungen etwas nicht funktioniert.6

6 Hinweis: Unter Zellen Formatieren gibt es eine Option. Sie können es auch gerne anders umsetzen.

21
22
 KAPITEL

POTENZRECHNEN

Auch wenn viele Rechnungen mit dem Computer gelöst werden, grundlegende Rechnungen sind
im regelmäßigen Laborbetrieb jedoch häufig anzuwenden. Sei es explizit als Berechnung, oder
um Abschätzungen zu treffen. Daher ist es eine elementare Fähigkeit einfache Rechnungen ohne
Taschenrechner lösen zu können.

2.1 Rechenübungen, Wiederholung Rechnen mit allgemeinen

Zahlen
Versuchen Sie folgende Rechnungen ohne Taschenrechner zu lösen!
Beipiel 2.1. Rechnen mit Zahlen:
1.
4 12
+ =…
5 3
2.
12
7
=…
3

3.
32 − (−3)2 = …

Beipiel 2.2. Vereinfachen Sie soweit wie möglich

23
 1. Vereinfachen Sie soweit wie möglich:

2(2𝑥 + 3𝑦) + 3(3𝑥 − 2𝑦) = …

2. Vereinfachen Sie soweit wie möglich:

(𝑎 + 𝑏)(𝑎 + 𝑐) − 𝑏𝑐
=…
𝑎

3. Bingen Sie auf einen Nenner:

𝑎 𝑏
− =…
𝑎+𝑑 𝑏+𝑐
4. Vereinfachen Sie soweit wie möglich:
𝑥+𝑦
𝑥−𝑦
=…
𝑥2 −𝑦2
𝑥2

5. Finden Sie alle Fehler:

𝑢𝑣 𝑢𝑣 𝑣
√ = = =𝑣+1
𝑢2 + 𝑣 2 𝑢+𝑣 1+𝑣

2.2 Grundlagen des Potenzrechnens

Fakt 2.3. Eine Potenz ist ein Ausdruck der Form

𝑎𝑏 .

Hierbei heißt 𝑎 die Basis und 𝑏 der Exponent. Wir gehen davon aus, dass Potenzen ausrechen-
bar/auswertbar sind, falls
• 𝑎 > 0 und 𝑏 beliebig, oder

• 𝑎 beliebig und 𝑏 > 0, oder

• 𝑎 = 0 und 𝑏 > 0
Eine allgemeinere Definition ist möglich, muss aber mit großer Sorgfalt betrachtet werden. Wir
verzichten auf sie hier.
Fakt 2.4. Folgende Rechenregeln gelten für Potenzen, wenn 𝑚 eine natürliche Zahl ist

𝑎𝑚 = 𝑎 × 𝑎 × ⋯ × 𝑎
⏟⏞⏞⏞⏞⏞⏞⏟⏞⏞⏞⏞⏞⏞⏟
𝑚 Faktoren
√
1
𝑎 = 𝑚𝑎
𝑚

24
Weiter wurde für 𝑎 ≠ 0 vereinbart
𝑎0 = 1
Es gilt auch
1
𝑎−𝑏 =
𝑎𝑏
falls die beteiligten Potenzen ausrechenbar/auswertbar sind. Potenzen, die Bruchzahlen sind, lassen
sich als Brüche und Wurzeln umschreiben. Sind 𝑝, 𝑞 positive ganze Zahlen, so ist
𝑝 √ (√ )𝑝
𝑞
𝑎 𝑞 = 𝑎𝑝 = 𝑞 𝑎 ,
− 𝑞𝑝 1 1
𝑎 = √ = (√ )𝑝
𝑞
𝑎𝑝 𝑞
𝑎

Weiter gelten die Regeln:

(𝑎𝑏)𝑚 = 𝑎𝑚 𝑏𝑚
( )𝑚
𝑎 𝑎𝑚
= 𝑚
𝑏 𝑏
𝑚+𝑛
𝑎 = 𝑎𝑚 𝑎𝑛
𝑎𝑚
𝑎𝑚−𝑛 = 𝑛
𝑎
𝑎 = (𝑎𝑚 )𝑛
𝑚𝑛

Die Regeln, die Brüche beinhalten, gelten natürlich nur, falls 𝑎 ≠ 0 ist

Anmerkung 2.5. Es gibt keine allgemeine Formel für (𝑎 + 𝑏)𝑚 , außer für positive Potenzen; Den
sogenannten binomischen Lehrsatz. Davon kennen Sie sicher die Spezialfälle:

(𝑎 + 𝑏)2 = 𝑎2 + 2𝑎𝑏 + 𝑏2
(𝑎 + 𝑏)3 = 𝑎3 + 3𝑎2 𝑏 + 3𝑎𝑏2 + 𝑏3
√
Es gibt aber keine nützliche Regel für (𝑎 + 𝑏)−𝑚 , und schon gar keine für die Wurzel 𝑎 + 𝑏. Diese
lässt sich bekanntlich als gebrochene Potenz schreiben (wie in den Regeln beschrieben).

Beipiel 2.6. Bestimmen Sie den Wert von:

√
5 ⋅ 102000 + (3 ⋅ 0,1−1000 )2 250
⋅ 9500
2 ⋅ (101,5 )1334
Beipiel 2.7.

• Schreiben Sie durch Wurzeln und Brüche: 𝑝2 𝑞 −2∕5 𝑟3∕4 .

√
𝑎3 𝑎𝑏𝑐 4
• Schreiben Sie mit gebrochenen und negativen Potenzen: √3 2 2 2.
𝑎 𝑏 𝑐

25
2.3 Anwendung der Potenzen
Beipiel 2.8. Ein Wald wächst pro Jahr um 𝑖% der Vorjahresfläche. Bestimmen Sie eine Formel für
die Fläche nach 𝑛 Jahren.
Lösung. Wir bezeichnen die ursprüngliche Fläche mit 𝐹0 . Im Jahr 𝑘 bezeichnen wir die Fläche
Teilmenge
mit 𝐹𝑘 . Mithilfe der Prozentrechnung (𝑖 = Grundmenge ⋅ 100) können wir uns eine Formel für das
Wachstum überlegen.
Zum einen ist der Anteil der im 𝑘-ten Jahr zuwächst ist dann 𝐹𝑘 − 𝐹𝑘−1 . Damit erhalten wir
𝐹𝑘 − 𝐹𝑘−1 ( )
𝑖
𝑖= ⋅ 100 ⟺ 𝐹𝑘 = 𝐹𝑘−1 1 +
𝐹𝑘−𝑞 100
Für das ersten drei Jahre erhalten wir damit:
( )
𝑖
𝐹1 = 𝐹0 1 +
( 100 )
𝑖
𝐹2 = 𝐹1 1 +
( 100 )
𝑖
𝐹3 = 𝐹2 1 +
100
Wenn wir nun klever 𝐹1 in der zweiten sowie 𝐹2 in der dritten Gleichung ersetzen bekommen wir
( )
𝑖
𝐹1 = 𝐹0 1 +
100
( )( ) ( )
𝑖 𝑖 𝑖 2
𝐹2 = 𝐹0 1 + 1+ = 𝐹0 1 +
100 100 100
( )2 ( ) ( )
𝑖 𝑖 𝑖 3
𝐹3 = 𝐹0 1 + 1+ = 𝐹0 1 +
100 100 100
Wenn wir uns diese Formel etwas genauer ansehen, können wir schließen, dass das Wachstumsge-
setz der Formel
( )
𝑖 𝑘
𝐹𝑘 = 𝐹0 1 +
100
□

2.3.1 Zehnerpotenzen, sehr große und sehr kleine Zahlen

Beipiel 2.9. In der homöopathischen Medizin wird mit Wirkstoffen in sehr kleinen Mengen, also
in hochverdünnter Form gearbeitet. Die Angabe der Verdünnungen erfolgt in der Form 𝐷1, 𝐷2, …
Dabei bedeutet 𝐷1 eine Verdünnung von 1 Volumen-Einheit Wirkstoff auf 10 Volumen-Einheiten
Gesamtmenge. Eine 𝐷2-Verdünnung entsteht durch Verdünnung von 1 Volumen-Einheit 𝐷1- Ver-
dünnung auf 10 Volumen-Einheiten Gesamtmenge. Ebenso entsteht eine 𝐷3-Verdünnung durch
Verdünnung 1 ∶ 10 einer 𝐷2-Verdünnung, usw. Wir nehmen einen Wirkstoff in öliger Form. Das
Volumen eines Wassermoleküls ist ungefähr 3 ⋅ 10−23 cm3 . Ein Molekül unseres Wirkstoffs hat un-
gefähr das 15-fache Volumen.

26
 • Wie viele Moleküle des Wirkstoffs finden sich im Durchschnitt in 1 ml einer 𝐷4-Verdünnung?

• Wie viele Moleküle des Wirkstoffs finden sich im Durchschnitt in 1 ml einer 𝐷23-Verdünnung?

Lösung. Der Wirkstoffgehalt der Verdünnungen folgt einer Zehnerpotenzenreihe:

1 ml 𝐷1 … 0,1 ml Wirkstoff
1 ml 𝐷2 … 0,01 ml Wirkstoff
1 ml 𝐷3 … 0,001 ml Wirkstoff
⋮ ⋮
1 ml 𝐷𝑛 … −𝑛
10 ml Wirkstoff
Ein Molekül des Wirkstoffs hat ungefähr das Volumen 45 ⋅ 10−23 ml. Damit ergibt sich folgende
Schlussrechnung für eine 𝐷4 Verdünnung:

45 ⋅ 10−23 ml … … 1 Molekül
10−4 ml … … 𝑦 Moleküle
−4
und damit sind 45⋅10
10
−23
≈ 2,2 ⋅ 1017 Moleküle in der Verdünnung.
Analog können wir für 𝐷23 nachrechnen:

45 ⋅ 10−23 ml … … 1 Molekül
10−23 ml … … 𝑦 Moleküle
−23
und damit sind 45⋅10
10
−23
≈ 2,2 ⋅ 10−2 Moleküle in der Verdünnung. Wenn Sie die Anzahl an Moleküle
in einer 𝐷23 Verdünnung als Zahl angeben müssten, was würden Sie schreiben? □
Anmerkung. Beachten Sie: 1 cm3 = 1 ml.

Fakt 2.10. In der Wissenschaft ist es üblich, sehr große und kleine Zahlen mit Zehnerpotenzen
auszudrücken, und zwar so, dass die Zahl vor der Zehnerpotenz genau eine Stelle vor dem Komma
hat. In der Technik schreibt man oft mit Zehnerpotenzen, die Vielfache von 3 sind.

Beipiel 2.11.

• Schreiben Sie in wissenschaftlicher und in technischer Notation: 0,012; 234,034; 0,012 +

234,034.

• Vergleichen Sie die Größen der folgenden Zahlen: 𝑎 = 2 ⋅ 10−4 , 𝑏 = 0,00019, 𝑐 = 10−4 +
0,0001.

Lösung.

0,012 = 1,2 ⋅ 10−2 = 12 ⋅ 10−3

234,034 = 2,34034 ⋅ 102 = 234,034 (100 = 1 schreibt man natürlich nicht dazu)
0,012 + 234,034 = 2,34046 ⋅ 102 = 234,046

27
Die drei Zahlen sind alle ungefähr gleich groß, nämlich von der Größenordnung 10−4 :
𝑎 = 2 ⋅ 10−4
𝑏 = 1,9 ⋅ 10−4
𝑐 = 10−4 + 0,0001 = 10−4 + 10−4 = 2 ⋅ 10−4 = 𝑎

□
Fakt 2.12. Für die Zehnerpotenzen gibt es folgende Abkürzungen:
Exa T 1018 1 000 000 000 000 000 000 Trillion
Peta P 1015 1 000 000 000 000 000 Billiarde
Tera T 1012 1 000 000 000 000 Billion
Giga G 109 1 000 000 000 Milliarde
Mega M 106 1 000 000 Million
Kilo k 103 1 000 Tausend

Milli m 10−3 0,001 Tausendstel

Mikro 𝜇 10−6 0,000 001 Millionstel
Nano n 10−9 0,000 000 001 Milliardstel
Pico p 10−12 0,000 000 000 001 Billionstel
Femto f 10−15 0,000 000 000 000 001 Billiardstel
Atto a 10−18 0,000 000 000 000 000 001 Trillionstel
Diese Liste lässt sich nach oben noch durch Zetta und Yota sowie nach unten durch Zepto und Yokto
erweitern. In der Praxis ist jedoch bei Femto für fast alle Anwendungen Schluss, wenn man bedenkt,
dass ein Heliumkern einen Durchmesser von 1 fm hat.
Beipiel 2.13. Wie viel m2 ist ein km2 ? Wie viel m3 ist ein 𝜇m3 ?
Lösung. Es gibt zwei Möglichkeiten diese Frage zu beantworten, durch überlegen oder durch
Nachrechnen.

• Wir wissen, dass ein Quadratkilometer misst nach Länge und Breite je 103 Meter, das gibt
also 103 ⋅103 Quadratmeter. Ein Kubikmikormeter misst nach Länge, Breite und Höhe je 10−6
Meter. Das gibt ein Volumen von 10−6 ⋅ 10−6 ⋅ 10−6 = 10−18 Kubikmetern.
• Rechnerisch klappt das so: Wir wissen, dass 1 km = 1 000m gilt. Damit können wir einfach
einsetzen und Potenzrechnen:
1 km2 = 1 ⋅ (1 000m)2 = 1 ⋅ 1 0002 m2 = 1 000 000 m2
Analog klappt das für die zweite Fragestellung: Wir wissen, dass 1 𝜇m = 10−6 m gilt.
3
1 𝜇𝑚3 = 1 (10−6 m)3 = 1 (10−6 ) m3 = 10−18 m3

28
 □
Beipiel 2.14. Das Licht legt in der Sekunde ungefähr 300 000km zurück. Ein Lichtjahr ist die
Strecke, die das Licht in einem Jahr zurücklegt. Wie viele Kilometer sind ein Lichtjahr?
Lösung. Zuerst rechnen wir ein Jahr in Sekunden um:

1 a = 365 ⋅ 24 ⋅ 60 ⋅ 60 s = 31,536 ⋅ 106 s

Damit können wir die Einheit durch eine Schlussrechnung umrechnen:

1 s … … 3 ⋅ 105 km
31,536 ⋅ 106 s … … 𝑥 km
3⋅105 km
Womit wir 𝑥 = s
⋅ 31,536 ⋅ 106 s ≈ 9,5 ⋅ 1012 km erhalten. □
Beipiel 2.15. Ein rotes Blutkörperchen (Erythrozyten) ist ungefähr scheibenförmig mit einem
Durchmesser von 7 𝜇m und einer Dicke von 2 𝜇m. Ein gesunder Mann hat ungefähr 5 Millionen
rote Blutkörperchen pro mm3 Blut. Wie viel Prozent von einem mm3 Blut bilden die roten Blutkör-
perchen.
Lösung. Wir bringen alle Einheiten auf mm, da wir am Ende mit mm3 Blut rechnen. Zuerst be-
rechnen wir das Volumen eines Blutkörperchens, und dann multiplizieren wir mit der Anzahl aller
Blutkörperchen in einem Kubikmillimeter Blut.
Radius der Grundfläche 7
2
𝜇m = 3,5 ⋅ 10−3 mm
Grundfläche (3,5 ⋅ 10 mm) ⋅ 𝜋mm2
−3 2
= 38,5 ⋅ 10−6 mm2
Dicke der Scheibe 2 ⋅ 𝜇m = 2 ⋅ 10−3 mm
Volumen eines Erythrozyten 2 ⋅ 10−3 mm ⋅ 38,5 ⋅ 10−6 mm2 = 77 ⋅ 10−9 mm3
Volumen von 5 Millionen Erythrozyten 5 ⋅ 106 ⋅ 77 ⋅ 10−9 mm3 = 385 ⋅ 10−3 mm3
Der Anteil der Erythrozyten im Blut beträgt etwa 40 Volumsprozent. □

2.3.2 Zwei Aufgaben für praktische Überlegungen

Anmerkung 2.16. Wenn man sich in Mathematik-Kursen mit neuen Themen beschäftigt stellt man
sich (berechtigt) häufig die Frage wozu das nützlich sein sollte. Versuchen Sie die beiden nächsten
Aufgaben ohne Zehnerpotenzen nachzurechnen, dann wird unmittelbar ersichtlich wie nützlich
diese Zahlendarstellung ist.
Beipiel 2.17. Die Erdvegetation produziert jährlich ca. 0,9 ⋅ 1013 kg Sauerstoff.
Der Sauerstoffanteil der gesamten Erdatmosphäre soll aus folgenden Daten geschätzt werden:
Mittlerer Luftdruck 𝑃 10,13N cm−2
Erdoberfläche 𝐹 5,1 ⋅ 108 km2
Erdbeschleunigung 𝑔 9,81 N kg−1
Sauerstoffanteil der Erdatmosphäre 22% (Gewichtsprozent)

29
Wie lange wurde die Erdvegetation brauchen, um die gesamte Sauerstoffmenge der Atmosphäre
aufzubauen?
Lösung. Wir rechnen zunächst die Oberfläche auf cm2 um, damit die Einheiten von Druck und
Fläche sich vertragen. Wir verwenden: 1 k𝑚 = 105 cm:

𝐹 = 5,1 ⋅ 108 ⋅ (105 cm)2 = 5,1 ⋅ 1018 cm2

Auf die gesamte Erdoberfläche druckt die Luft mit einer Kraft von (Druck mal Fläche):

𝑃 ⋅ 𝐹 = 10,13 ⋅ 5,1 ⋅ 1018 N = 51,663 ⋅ 1018 N

Die Erdbeschleunigung 𝑔 drückt aus: 𝑀 kg einer Masse üben auf die Unterlage die Kraft M g aus.
Daher ist die Masse der Erdatmosphäre
51,663 ⋅ 1018
𝑀= ≈ 5,27 ⋅ 1018 kg
9,81
Davon sind 22% Sauerstoff, daher ist die Gesamtmasse des Sauerstoffs in der Erdatmosphäre:

5,27 ⋅ 1018 ⋅ 0,22 = 1,16 ⋅ 1018 kg

Wir dividieren durch die Jahresproduktion der Erdvegetation an Sauerstoff und erhalten die Zeit,
die die Vegetation zum Aufbau dieser Masse benötigen wurde:
1,16 ⋅ 1018
≈ 1,29 ⋅ 105 Jahre
0,9 ⋅ 1013
Die Erdvegetation bräuchte etwa 129 Tausend Jahre um die Sauerstoffmenge aufzubauen. □
Anmerkung. Vorbemerkung: Es soll die Loschmidtsche Zahl (Avogadrosche Zahl) näherungs-
weise bestimmt werden. Diese Zahl gibt an, wie viel Moleküle sich in einem Mol einer Substanz
befinden. Um den Versuch zu verstehen, stellen Sie sich vor, Sie könnten die Moleküle einer gewis-
se Menge des Stoffes auf einer Ebene flach nebeneinander ausbreiten. Diese Schicht wäre dann ein
Molekül dick, und wenn 𝑑 die Dicke der Schicht ist, ist 𝑑 3 ungefähr das Volumen eines Moleküls.
(Das wäre exakt, wenn ein Molekül ein festes Würfelchen wäre, so gilt es nur als Näherung.) So-
bald das Volumen eines Moleküls bekannt ist, kann leicht ausrechnet werden, wie viele Moleküle
in einem bestimmten Volumen des Stoffes vorhanden sind. Eine solche Schicht mit der Dicke eines
Moleküls kann gebildet werden, in dem eine ölige Substanz genommen und vorsichtig auf Wasser
ausgegossen wird. Auf der Oberfläche bildet sich ein dünner Ölfleck. Um die Dicke der Schicht
zu bestimmen, wird das ausgegossene Ölvolumen durch die Oberfläche der Schicht dividiert. Aus
diesen Gedankengängen ergibt sich der folgende sogenannte Ölfleckversuch.
Beipiel 2.18. Ölsäure hat eine molare Masse von 282,47 g∕mol und eine Dichte von 0,89 g∕cm3 .
Eine 0,05-prozentige Lösung von Ölsäure in Leichtbezin wird angefertigt. Ein Tropfen von 0,02 cm3
wird auf eine ruhende Wasserfläche in einer Wanne vorsichtig aufgetragen. Es bildet sich ein kreis-
förmiger Ölfleck mit Radius 6,5 cm. Berechnen Sie, wie viel Moleküle sich in 1 mol Ölsäure befin-
den.

30
Lösung. Wir berechnen zunächst die Größe eines Moleküls:
Eingetropftes Ölvolumen 0,02 ⋅ 0,0005 = 2 ⋅ 10−2 ⋅ 5 ⋅ 10−4 = 10−5 cm3
Fläche der Ölschicht 6,52 ⋅ 𝜋 ≈ 132,7 cm2
Dicke der Ölschicht 10−5 ∕132,7 = 7,54 ⋅ 10−8 cm
Länge eines Moleküls (ist gleich der Dicke der Schicht) = 7,54 ⋅ 10−8 cm
Volumen eines Moleküls (7,54 ⋅ 10−8 )3 = 428,7 ⋅ 10−24 cm3
Wir berechnen nun, welches Volumen ein Mol Ölsäure besitzt, und daraus, wie viele Moleküle
darin sind. Die Dichte sagt aus, dass 1 cm3 Ölsäure 0,89 g wiegt.
Volumen von 1 Gramm Ölsäure 1∕0,89 ≈ 1,12 cm3
Volumen von 1 mol Ölsäure 1,12 ⋅ 282,47 ≈ 316,4 cm3
Anzahl der Moleküle in 1 mol 316,4
428,7⋅10−24
≈ 7,38 ⋅ 1023 Teilchen∕mol
Genauere Verfahren fuhren zu einem tatsächlichen Wert der Loschmidtschen Zahl von 6,022 ⋅
1023 Teilchen∕mol.
□

2.3.3 Beispiele zum Vorbereiten

Beipiel 2.19. Wir betrachten die Zahlen
𝑎 = 2; 𝑏 = 0,00125; 𝑐 = 23522515426; 𝑑 = 200000000,0001
• Schreiben Sie 𝑎,𝑏,𝑐 und 𝑑 in wissenschaftlicher und in technischer Notation.
• Schreiben Sie 𝑎,𝑏,𝑐 und 𝑑 in technischer Notation und verwenden Sie hierfür die Abkürzun-
gen für Zehnerpotenzen, wobei wir annehmen die Zahlen beschreiben eine Temperatur in 𝐾
(zumindest in der Theorie).
Lösung:

31
Beipiel 2.20. Wie viel 𝜇g∕km3 ist eine t∕mm3 ? Wie viel Vs∕m2 ist eine kVh∕nm2 ?

Lösung:

2.3.4 Weiter Beispiele zum Üben

Beipiel 2.21. Vereinfache die Terme

𝑎𝑛 𝑏𝑚 (𝑎𝑏)𝑝
1. 𝑎𝑝 𝑏𝑞 (𝑎𝑏)𝑚

( )
2. 1
𝑟+𝑠
− 1
𝑟
(𝑟 + 𝑠)2

(𝑎2 −𝑏2 )2𝑚

3. (𝑎+𝑏)2𝑚 (𝑎−𝑏)𝑚

2.4 Umsetzung mit Computerprogrammen

2.4.1 Befehle

Unter Zelle formatieren können Sie die Darstellung der Zehnerpotenzen in LibreOffice Calc ein-
stellen.

32
Aktiviert man die Engineering notation so bekommt man unmittelbar die technische Notation als
Ausgabe.

33
34
 KAPITEL

GLEICHUNGEN LÖSEN

3.1 Gleichungen mit einer Unbekannten

Fakt 3.1. Eine Gleichung wird nach einer Unbekannten (zum Beispiel x) aufgelöst, indem auf die
linke und rechte Seite der Gleichung stets dieselben Operationen solange anwendet werden, bis die
Unbekannte isoliert ist.
Man kann sich eine Gleichung wie eine altertümliche Waage vorstellen. Solange man links und
rechts das Selbe tut, bleibt es im Gleichgewicht!

Abbildung 3.1: Waagen-Model als Gleichung [1]

Anmerkung 3.2. Eigenartige Umformungen: Beim obigen Faktum muss beachtet werden, dass
nicht jede Operation die Lösungsmenge der Gleichung unverändert lässt (auch wenn das Bild der

35
Waage im Gleichgewicht bleibt). Betrachten wir folgende Umformung:

𝑥=7 |∧ 2 (3.1)
√
⇒ 𝑥2 = 49 | ⋅ (3.2)
⇒ 𝑥 = ±7 (3.3)

Die Gleichung (3.1) hat genau eine Lösung1 , natürlich 𝑥 = 7, jedoch wurde durch das Umformen
die Lösungsmenge in Gleichung (3.2) vergrößert, nämlich zu 𝑥 = ±7. Man muss also vorsichtig
sein, und in jedem Schritt berücksichtigen ob man sich nicht ein Problemchen eingehamstert hat.
Daraus kann man erkennen, dass nicht alle Operationen gleich berechtigt sind. Deswegen hat man
früher in der Schule Aquivalenz-Umformungen als spezielle Operationen kennengelernt. Diese Ope-
rationen lassen die Lösungsmenge in jedem Fall unverändert.

Fakt 3.3. Umformungen: Als Ausgangsgleichung betrachten wir die Gleichung

𝑋=𝑌

• Beliebige Zahlen oder Terme können auf beiden Seiten der Gleichung addiert oder subtrahiert
werden ohne die Lösungsmenge zu ändern.

𝑋+𝑎=𝑌 +𝑎 𝑋−𝑎=𝑌 −𝑎

• Eine Gleichung kann mit einer/einem von Null verschiedenen Zahl/Term multipliziert wer-
den, ohne Lösungsmenge zu ändern. Sonst kann die Lösungsmenge vergrößert werden.
Falsche Lösungen müssen mit der Probe identifiziert werden. Alternativ muss eine Fallun-
terscheidung nach Term ist Null/ Term ist nicht Null durchgeführt werden.

𝑋⋅𝑎=𝑌 ⋅𝑎

• Eine Gleichung kann mit einer/einem von Null verschiedenen Zahl/Term dividiert werden,
ohne Lösungsmenge zu ändern. Sonst kann die Lösungsmenge verkleinert werden. Um alle
Lösungen zu identifizieren muss eine Fallunterscheidung nach Term ist Null/ Term ist nicht Null
durchgeführt werden.

𝑋 𝑌
=
𝑎 𝑎

• Hoch nehmen zur 2, 3, 4, etc. Potenz kann die Lösungsmenge vergrößern. Falsche Lösun-
gen müssen mit der Probe identifiziert werden.

𝑋𝑎 = 𝑌 𝑎
1 Das ist so offensichtlich das es schon fast verwirrend ist, klar . . . oder?

36
 • Wurzelziehen ist nur erlaubt, wenn sichergestellt ist, dass das (formale) Ergebnis nicht negativ
ist. Sonst kann die Lösungsmenge verkleinert werden. Um alle Lösungen zu identifizieren
müssen/können Lösungsformeln verwendet werden.
√𝑎
√𝑎
𝑋= 𝑌

• Eine Gleichung kann mit beliebiger Basis 𝑎 > 1 exponentiert werden.

𝑎𝑋 = 𝑎𝑌

• Der Logarithmus kann nur gezogen werden, wenn sichergestellt ist, dass das Ergebnis positiv
ist.

log𝑎 (𝑋) = log𝑎 (𝑌 )

Anmerkung 3.4. Um falsche Lösungen bzw. Rechenfehler beim Gleichungen-Lösen zu identifizie-

ren müssen Sie stets die Probe durchführen.
Anmerkung 3.5. Wie löst man die Gleichung 𝑥𝑛 = 𝑎?
Hierfür gibt es einige verschiedene Fälle:

• Falls 𝑎 = 0 ist, so ist die Lösung 𝑥 = 0.

√
• Ist 𝑛 gerade (also = 2,4,6 … ) und 𝑎 positiv, so hat man zwei Lösungen 𝑥 = ± 𝑛 𝑎.
√
• Ist 𝑛 ungerade (also = 3,5,7 … ) und 𝑎 positiv, so hat man eine Lösungen 𝑥 = 𝑛 𝑎.

• Ist 𝑛 gerade und 𝑎 negativ, so hat man keine Lösung2 .

√
• UND ist 𝑛 ungerade und 𝑎 negativ, so hat man eine Lösungen 𝑥 = − 𝑛 |𝑎|.

Wo keine Gefahr bezüglich der Anwendung von Potenzregeln besteht, wird die obige Lösungsfor-
mel für monomische Gleichugen kurz als 𝑛-te Wurzel auf beiden Seiten ziehen beschrieben, auch
wenn dies insbesondere im Hinblick auf bestimmte Unterfälle nicht ganz korrekt ist.

Beipiel 3.6. Lösen Sie die folgende Gleichung nach 𝑡 auf:

(2𝑡3 + 7)2 = 81.

Lösung.

(2𝑡3 + 7)2 = 81
⇒ 2𝑡3 + 7 = ±9
2 In den reellen Zahlen ℝ, wir betrachten in diesem Umfeld die komplexen Zahlen ℂ nicht.

37
nach der Lösungsformel für Wurzeln 3.5. Nun müssen wir eine Fallunterscheidung machen, zuerst
für die positive Lösung:

2𝑡3 + 7 = 9 | auf beiden Seiten − 7

⇒ 2𝑡3 + 7 − 7 = 9 − 7
⇒ 2𝑡3 = 2 | auf beiden Seiten ÷ 2
2𝑡3 2
⇒ =
2 2 √
⇒ 𝑡 = 1 | auf beiden Seiten 3 ⋅
3
√
3
√
3
⇒ 𝑡3 = 1
⇒ 𝑡=1

Man kann natürlich die Rechnung auch kürzer anschreiben, da man vieles einfach im Kopf rechnen
kann (z.B.: 7 − 7 = 0).
In ähnlicher Form machen wir es für die negative Lösung (nur etwas schneller):

2𝑡3 + 7 = −9 | auf beiden Seiten − 7

⇒ 2𝑡3 = −16 | auf beiden Seiten ÷ 2
√
⇒ 𝑡3 = −8 | auf beiden Seiten 3 ⋅
⇒ 𝑡 = −2

Nun müssen wir noch die Probe machen:

(2 ⋅ 13 + 7)2 = 92 = 81
(2 ⋅ (−2)3 + 7)2 = (−16 + 7)2 = (−9)2 = 81

Womit wir zwei Lösungen gefunden haben. □

Beipiel 3.7. Lösen Sie die folgende Gleichung nach 𝑥 auf:

√ √
𝑥2 − 1 + 2𝑥 = 2𝑥

Lösung.
√ √
𝑥2 − 1 + 2𝑥 = 2𝑥 | ∧2
𝑥2 − 1 + 2𝑥 = 2𝑥 | − 2𝑥
2
𝑥 −1=0 | +1
√
𝑥2 = 1 | ⋅
𝑥 = ±1

Nun noch die Probe machen:

38
𝑥 = 1:
√ √
12 − 1 + 2 ⋅ 1 = 2 ⋅ 1
√ √
2= 2

𝑥 = −1:
√ √
(−1)2 − 1 + 2 ⋅ (−1) = 2 ⋅ (−1)
√ √
−2 = −2
√ √
Hat die ursprüngliche Gleichung 𝑥2 − 1 + 2𝑥 = 2𝑥 also zwei Lösungen,
√ 𝑥 = 1 und 𝑥 = −1?
Nein! Denn die Probe für die negative Lösung führte zum Term −2 welcher3 nicht definiert
ist. □
Anmerkung 3.8. Interessante Überlegung: Ausflug in mathematische Theorie: Als Operation auf
beiden Seiten der Gleichung ist Teilen durch 0 nicht erlaubt, warum eigentlich? Klar, die Antwort
ist, denn Teilen durch 0 ist nicht definiert. Aber warum? Sie wissen vielleicht aus der Schule, dass es
möglich ist ein neues Symbol 𝑖 (die imaginäre Einheit) einzuführen so, dass die Gleichung 𝑥2 = −1
lösbar ist. Wir gucken uns an, warum das Einführen eines entsprechenden Symbols für Teilen durch
0 nicht funktioniert. Angenommen es gäbe ein neues Symbol, Ω so, dass 10 = Ω funktioniert. Wir
wollen also, dass wir gleich rechnen können wie mit anderen Zahlen (das klappt ja für die imaginäre
Einheit 𝑖). Zum Einen, wenn ich mit 0 multipliziere möchte ich, dass 0 rauskommt, also:

0 ⋅ Ω = 0. (3.4)

Wenn ich mit dem Kehrwert multipliziere möchte ich , dass 1 rauskommt, also
1
⋅Ω=1
Ω
Nun können wir die zweite Gleichung betrachten, Ω einsetzen und den Doppelbruch auflösen:
1 1 0
1= ⋅Ω= 1 ⋅Ω= ⋅Ω=0⋅Ω=0
Ω 1
0

Wobei das letzte = 0 wegen (3.4) gilt. Also bekommt man 1 = 0 was natürlich nicht stimmt.
(Falls das ein Algebra-Professor liest: Die ganz ganz ganz ganz ganz bösen Spezialfälle betrachten wir nicht ;-) )
Natürlich könnten wir an bestimmten Stellen unserer Argumentation immer neue Symbole einfüh-
ren (zum Beispiel für den Kehrwert von Ω). Dieser Ansatz wurde aber auch immer weiter zu Pro-
blemen fuhren, nur dann eben für die neueingeführten Symbole statt für Ω. Die Hauptbotschaft ist
ist also, nicht dass das Teilen durch Null nicht definiert ist, sondern dass es nicht sinnvoll definierbar
ist. Deswegen ist Teilen durch 0 bei Gleichungen lösen immer eine nicht sinnvolle Operation.
3 Wiederum betrachten wir nur R.

39
3.1.1 Beispiele zum Vorbereiten
Beipiel 3.9. Lösen Sie die folgenden Gleichungen nach x auf:

1. 4𝑥2 − 5 = 31

2. 5𝑥 + 3 = 8𝑥 − 9

3. 4𝑥−6
5−3𝑥
=2

4. 𝑎𝑥 − 𝑏 = 0

Lösung:

40
3.2 Quadratische Gleichungen
Fakt 3.10. „Lösungsformeln für quadratische Gleichungen“
Seien 𝑎,𝑏,𝑐,𝑝,𝑞 gegebene Zahlen und 𝑎 ≠ 0. Folgende quadratische Gleichungen lassen sich nach 𝑥
mit den folgenden Formeln auflösen:

Gleichung: 𝑎 𝑥2 + 𝑏 𝑥 + 𝑐 = 0
√
−𝑏 ± 𝑏 2 − 4 𝑎 𝑐
2 Lösungen: 𝑥 =
2𝑎

Gleichung: 𝑥2 + 𝑝 𝑥 + 𝑞 = 0
√
𝑝 𝑝2
2 Lösungen: 𝑥 = − ± −𝑞
2 4

Übrigens genügt es, sich eine der beiden Formeln zu merken. Jede quadratische Gleichung lässt
sich leicht auf jede der beiden Formen bringen.

Beipiel 3.11. Lösen Sie die quadratische Gleichung nach s auf:

4𝑠2 − 20𝑠 + 24 = 0

Lösung. Um zu verdeutlichen dass beide Formeln hier anwendbar sind, rechen wir die Lösung
zwei Mal aus. Die erste Formel kann direkt angewendet werden mit 𝑎 = 4, 𝑏 = −20, und 𝑐 = 24.
Daher ist die Lösung:

√ √ ⎧ 24
= 3,
20 ± 202 − 4 ⋅ 4 ⋅ 24 20 ± 16 ⎪ 8
𝑠= = =⎨
2⋅4 8 ⎪ 16
=2
⎩ 8

Um die zweite Formel anzuwenden, dividieren wir die ganze Gleichung durch 4:

𝑠2 − 5𝑠 + 6 = 0

daher ist 𝑝 = −5 und 𝑞 = 6. Damit:

√ √ √ {
(−5) (−5)2 5 25 24 5 1 5 1 3,
𝑠=− ± −6= ± − = ± = ± =
2 4 2 4 4 2 4 2 2 2

Die quadratische Gleichung besitzt zwei Lösungen 3 und 2. □

Beipiel 3.12. Lösen Sie die quadratische Gleichung nach 𝑢 auf:

𝑢2 + 4𝑢 − 12 = 0

41
Lösung. Weil 𝑝 = 4 und 𝑞 = −12 gilt, ist
√ {
4 42 √ 2,
𝑢=− ± − (−12) = −2 ± 16 =
2 4 −6.

Die quadratische Gleichung besitzt zwei Lösungen 2 und −6. □

Beipiel 3.13. Lösen Sie die folgende Gleichung nach 𝑧:

4 − 2𝑧
𝑧−2= .
𝑧−3
Lösung.

4 − 2𝑧
𝑧−2=
𝑧−3
(𝑧 − 2)(𝑧 − 3) = 4 − 2𝑧
𝑧2 − 2𝑧 − 3𝑧 + 6 = 4 − 2𝑧
𝑧2 − 3𝑧 + 2 = 0
(𝑝 = −3, 𝑞 = 2)
√ {
3 9 2
𝑧= ± −2=
2 4 1

Anmerkung 3.14. Quadratische Gleichungen können zwei, eine oder gar keine Lösungen besitzen,
je nach dem ob der Term in der Wurzel größer, gleich oder kleiner Null ist.

3.2.1 Beispiele zum Vorbereiten

Beipiel 3.15. Lösen Sie die folgende Gleichung nach 𝑢:

𝑢2 − 6𝑢 + 9 = 0

Lösung:

Beipiel 3.16. Lösen Sie die folgende Gleichung nach 𝑢:

𝑢2 − 6𝑢 + 10 = 0

42
 Lösung:

3.3 Umformen von Formeln

Naturgesetze werden sehr oft durch Gleichungen beschrieben. Ja nach Problemstellung muss dann
eine der vorkommenden Größen durch die anderen ausgedruckt werden. Das geschieht dann, indem
die gegebene Gleichung nach der gesuchten Größe aufgelöst wird.
Beipiel 3.17. Ein ideales Gas ist ein Gas, in dem zwischen den Molekülen keine Anziehung oder
Abstoßung besteht, und dessen Moleküle so klein sind, dass ihr Volumen vernachlässigt werden
kann. Sind 𝑚 Mol dieses Gases in einem Raum vom Volumen 𝑉 bei einem Druck von 𝑝 und einer
absoluten Temperatur von 𝑇 eingeschlossen, so gilt die allgemeine Gasgleichung:
𝑝𝑉 = 𝑚𝑇 𝑅.
Dabei ist 𝑅 eine feste Konstante, die sogenannte allgemeine Gaskonstante, die in geeigneten Tabel-
lenwerken nachgeschlagen werden können. Drucken Sie die Größen 𝑝, 𝑉 , 𝑇 , 𝑚 jeweils durch die
anderen Größen aus.
Lösung. Wir müssen nur die allgemeine Gasgleichung jeweils nach 𝑝, 𝑉 , 𝑇 , 𝑚 auflösen. Es ergeben
sich nach kurzer Rechnung:
𝑚𝑇 𝑟
𝑝=
𝑉
𝑚𝑇 𝑅
𝑉 =
𝑝
𝑝𝑉
𝑚=
𝑇𝑅
𝑝𝑉
𝑇 =
𝑚𝑅
□
Beipiel 3.18. Wird statt idealen Gases in Beispiel 3.18 ein Gas mit Wechselwirkung zwischen den
Teilchen betrachtet und wird auch berücksichtigt, dass die Gasteilchen nicht unendlich klein sind,
sodass sich das Gas nicht auf beliebig kleine Volumina komprimieren lässt, muss die Gasgleichung
modifiziert werden. Eine bewährte Variante ist die folgende Van der-Waals-Gleichung:
( )
𝑎 𝑚2
𝑝 + 2 (𝑉 − 𝑏 𝑚) = 𝑚 𝑅 𝑇
𝑉
Darin kommen folgende Größen vor:

43
 𝑝 Druck des Gases,
𝑉 Volumen, in dem das Gas eingeschlossen ist,
𝑇 Temperatur des Gases,
𝑚 Menge des eingeschlossenen Gases (Mol),
𝑅 allgemeine Gaskonstante, für alle Gase gleich,
𝑎 Konstante, die die Anziehung der Gasmoleküle beschreibt,
𝑏 Konstante, die das Volumen der Gasteilchen beschreibt.

Berechnen Sie jede der veränderlichen Größen 𝑝, 𝑉 , 𝑇 , 𝑚 aus den anderen.

Lösung. Die Rechnung für 𝑇 und 𝑝 erweist sich als einfach:

( )
𝑎 𝑚2
𝑝 + 2 (𝑉 − 𝑏 𝑚) = 𝑚 𝑅 𝑇
𝑉
( 2
)
𝑝 + 𝑎𝑉𝑚2 (𝑉 − 𝑏 𝑚)
⇒ =𝑇
𝑚𝑅

Für 𝑝 brauchen wir nur einen Schritt mehr:

( )
𝑎 𝑚2
𝑝 + 2 (𝑉 − 𝑏 𝑚) = 𝑚 𝑅 𝑇
𝑉
𝑎 𝑚2 𝑚𝑅𝑇
⇒𝑝+ 2 =
𝑉 𝑉 − 𝑏𝑚
𝑚𝑅𝑇 𝑎 𝑚2
⇒𝑝= − 2
𝑉 − 𝑏𝑚 𝑉
Nun lösen wir die Gleichung nach 𝑉 . Hierfür versuchen wir einfach alle 𝑉 ’s auf einer Seite der
Gleichung außerhalb von Klammern und Brüche zu bringen:
( )
𝑎 𝑚2
𝑝 + 2 (𝑉 − 𝑏 𝑚) = 𝑚 𝑅 𝑇 | ⋅ 𝑉 2
𝑉
( )
2 𝑎 𝑚2
𝑉 𝑝 + 2 (𝑉 − 𝑏 𝑚) = 𝑚 𝑅 𝑇 𝑉 2
𝑉
( 2 )
𝑝 𝑉 + 𝑎 𝑚2 (𝑉 − 𝑏 𝑚) = 𝑚 𝑅 𝑇 𝑉 2
𝑝 𝑉 3 + 𝑎 𝑚2 𝑉 − 𝑝 𝑏 𝑚 𝑉 2 − 𝑎 𝑏 𝑚3 = 𝑚 𝑅 𝑇 𝑉 2
𝑝 𝑉 3 − (𝑚 𝑅 𝑇 + 𝑝 𝑏 𝑚) 𝑉 2 + 𝑎 𝑚2 𝑉 − 𝑎 𝑏 𝑚3 = 0

Dies ist eine Gleichung dritten Grades: Die unbekannte V kommt in Potenzen bis zu 3 vor. Es gibt
sehr aufwendige Formeln zum Lösen von Gleichungen dritten Grades, jedoch löst man sie in der
Praxis durch Näherungsverfahren auf dem Computer. Gleichungen höheren Grades sind überhaupt
nur durch Näherungsverfahren lösbar.

44
Auflösung nach 𝑚: Wenn man die Auflösung nach V nur in anderer Reihenfolge anschreibt, erhält
man ebenfalls eine Gleichung dritten Grades:
( )
𝑎 𝑏 𝑚3 − 𝑎 𝑉 𝑚2 + 𝑅 𝑇 𝑉 2 + 𝑏 𝑝 𝑉 2 𝑚 − 𝑝 𝑉 3 = 0

□
Beipiel 3.19. In einem chemischen Zerfallsprozess 𝑚-ter Ordnung müssen 𝑚 Moleküle eines Stof-
fes 𝑋 aufeinandertreffen, damit die Zerfallsreaktion stattfindet und sie in andere Stoffe zerfallen.
Die Konzentration 𝑢 = [𝑋] des Stoffes 𝑋 in Abhängigkeit von der Zeit 𝑡 folgt dem Gesetz
1
𝑢 = (𝑘 𝑡 + 𝑑)− 𝑚−1

Dabei ist 𝑘 eine Konstante, die vom jeweiligen Stoff abhängt, und 𝑑 eine zweite Konstante, die sich
aus der Gesamtmenge zu Beginn der Reaktion bestimmt.
Bestimmen Sie 𝑡 in Abhängigkeit von 𝑢.
Lösung.
1
𝑢 = (𝑘 𝑡 + 𝑑)− 𝑚−1
𝑢−(𝑚−1) = 𝑘 𝑡 + 𝑑
𝑢−(𝑚−1) − 𝑑 = 𝑘 𝑡
1 ( −(𝑚−1) )
𝑢 −𝑑 =𝑡
𝑘
□
Beipiel 3.20. Bestimmen Sie ein Rechenschema, mit welchem man die Mischung zweier Lösungen
berechnen kann, wenn die Konzentrationen des Gemisches und der Lösungen bekannt sind.
Lösung. In diesem Beispiel wollen wir das sogenannte Mischungskreuz nachrechnen, bzw. nach-
weisen wie diese Merkregel funktioniert.
Wir wissen, dass wir zwei Flüssigkeiten zu einer vermengen wollen! Daher erstellen wir, wie im
Kapitel Mischungsrechnung 1.3 eine Tabelle:
Name Volumen Konzentration gelöste Menge
𝐴 𝑎 𝑘𝑎
𝐵 𝑏 𝑘𝑏
Gemisch 1 𝑘𝑔
Wir wissen nicht wie viel Gemisch wir herstellen wollen, also nehmen wir einfach an wir wollen
eine Volumseinheit herstellen. Wir bezeichnen das Volumen der ersten Flüssigkeit einfach mal mit
𝑎 und jenes der zweiten mit 𝑏. Auch den Konzentrationen geben wir die zugehörigen Namen. Da
wir mit Variablen rechnen, können wir die Volumseinheit beliebig wählen, aber natürlich bei allen
gleich (nur wenn Sie explizit Zahlenwerte bestimmen wollen, so müssen Sie die Einheiten wählen).
Analog zur Mischungsrechnung können wir die gelösten Mengen bestimmen:

45
 Name Volumen Konzentration gelöste Menge
𝐴 𝑎 𝑘𝑎 𝑘𝑎 𝑎
𝐵 𝑏 𝑘𝑏 𝑘𝑏 𝑏
Gemisch 1 𝑘𝑔 𝑘𝑔
Wir bekommen zwei Gleichungen:

𝑎+𝑏=1 (𝐼)
𝑘𝑎 𝑎 + 𝑘𝑏 𝑏 = 𝑘𝑔 (𝐼𝐼)
Wir nehmen (laut Angabe) an, dass wir die Konzentrationen kennen. Also formen wir die beiden
Gleichungen auf 𝑎 und 𝑏 um. Aus der ersten Gleichung folgt 𝑎 = 1 − 𝑏, und dies können wir nun in
die zweite Gleichung einsetzen:
𝑘𝑎 𝑎 + 𝑘𝑏 𝑏 = 𝑘𝑔
⇒ 𝑘𝑎 (1 − 𝑏) + 𝑘𝑏 𝑏 = 𝑘𝑔
⇒ 𝑘𝑎 − 𝑘𝑎 𝑏 + 𝑘𝑏 𝑏 = 𝑘𝑔 | − 𝑘𝑎
⇒ (𝑘𝑏 − 𝑘𝑎 )𝑏 = 𝑘𝑔 − 𝑘𝑎 | ÷ (𝑘𝑏 − 𝑘𝑎 )
𝑘𝑔 − 𝑘𝑎
⇒ 𝑏=
𝑘𝑏 − 𝑘𝑎

Das können wir nun in 𝑎 = 1 − 𝑏 einsetzen und bekommen (mit etwas Bruchrechnen):
𝑘𝑔 − 𝑘𝑎 𝑘𝑏 − 𝑘𝑎 𝑘𝑔 − 𝑘𝑎 𝑘𝑏 − 𝑘𝑎 − (𝑘𝑔 − 𝑘𝑎 ) 𝑘𝑏 − 𝑘𝑔
𝑎=1−𝑏=1− = − = =
𝑘𝑏 − 𝑘𝑎 𝑘𝑏 − 𝑘𝑎 𝑘𝑏 − 𝑘𝑎 𝑘𝑏 − 𝑘𝑎 𝑘𝑏 − 𝑘𝑎
Also erhalten wir die beiden Volumina direkt, wenn man die Konzentrationen kennt:
𝑘𝑔 − 𝑘𝑎 𝑘𝑏 − 𝑘𝑔
𝑏= 𝑎=
𝑘𝑏 − 𝑘𝑎 𝑘𝑏 − 𝑘𝑎
und diese Brüche sind die Differenzen aus dem Mischungskreuz:
𝑘𝑎 𝑘𝑔 − 𝑘𝑎

𝑘𝑔 𝑘𝑏 − 𝑘𝑎

𝑘𝑏 𝑘𝑏 − 𝑘𝑔

Ein genauer Blick und man kann erkennen, dass die Volumina 𝑎 und 𝑏 aus diesen Differenzen be-
rechnete werden. So viele Anteile einer Volumseinheit wird benötigt. Wenn man nun 𝑥 Volumsein-
heiten benötigt, braucht man 𝑎 und 𝑏 nur noch mit 𝑥 multiplizieren und man bekommt die gesuchten
Volumen.
□

46
3.3.1 Beispiele zum Vorbereiten

Beipiel 3.21. Formen Sie die Formel

( )𝑛
𝑖
𝐹𝑛 = 𝐹0 1+
100

jeweils nach 𝐹0 und 𝑖 um.

Lösung:

Beipiel 3.22. Eine Sammellinse mit Brennweite 𝑓 bildet einen Gegenstand, der sich im Abstand
𝑔 > 𝑓 von der Linse befindet, auf ein Bild im Abstand 𝑏 von der Linse ab (Siehe Grafik).

47
 Abbildung 3.2: Sammellinse

Der Zusammenhang zwischen Brennweite und den Abständen von Gegenstand und Abbild wird
durch die Linsengleichung gegeben:
1 1 1
= +
𝑓 𝑔 𝑏
Berechnen Sie jede der Größen 𝑓 , 𝑏, 𝑔 aus den beiden anderen.
Lösung:

48
3.4 Umsetzung mit Computerprogrammen
Simple Gleichungslösungssysteme sind in vielen Programmen integriert, so auch in LibreOffice
Calc. Wir betrachten eine einfache lineare Gleichung:

𝑦 = −9 𝑥 + 3

Und wollen diese für einen gesuchten Wert lösen.

Nun können wir in dieser Form die Gleichung für jedes 𝑥 berechnen lassen, wir wollen die Glei-
chung jedoch lösen. Um dies zu tun, können Sie unter: Tools → Goal-Seek (auf Deutsch: Zielwerts-
uche) die Gleichung lösen lassen:

Hierfür müssen Sie in der ersten Zeile Formula cell die Zelle angeben in der Sie die Gleichung
formuliert haben, in der zweiten Zeile Target value jenen Wert den Sie für 𝑦 haben wollen und in
der Zeile Variable cell die Zelle der Formel die veränderlich ist (bei uns das 𝑥).
Wir haben in diesem Beispiel den Zielwert als 3,1254 gewählt und das System liefert uns, dass
𝑥 = −0,01393̇ sein muss.

Beipiel 3.23. Wir betrachten folgende Gleichungen

3−𝑥
𝑦 = 7 𝑥 + 9; 𝑦=
𝑥+5
Verwenden Sie LibreOffice Calc um all jene 𝑥 zu bestimmen für die 𝑦 die Werte −2, − 1 und 0,5
annimmt.

49
3.5 Zwei aufwendigere Beispiele
Diese Beispiele fuhren auf Minimierungs-Aufgaben, die mit Differentialrechnung gelöst werden
kann. Am Ende steht die Lösung einer relativ aufwendigen Gleichung. Die Lösung von Minimierungs-
Aufgaben und Differentialrechnung ist nicht Prüfungsstoff, doch soll an dieser Stelle gezeigt wer-
den, wie das Lösen von Gleichungen in größere Probleme eingebettet immer wieder als Grundtech-
nik benötigt wird.

Beipiel 3.24. Ein Hund benötigt pro Stunde eine gewisse Nahrungsmenge 𝑛, die von der Geschwin-
digkeit 𝑣 abhängt, mit der er sich fortbewegt. Das Gesetz dieser Abhängigkeit lautet (mit geeigneten
konstanten Größen 𝑎 und 𝑏) näherungsweise

𝑛 = 𝑎 𝑣2 + 𝑏

Nun sei ein Nahrungsvorrat 𝑁 vorgegeben.

• Wie weit kommt der Hund, wenn er die Geschwindigkeit optimal wählt?

• Welche konkreten Werte ergeben sich für 𝑁 = 3 kg, 𝑏 = 0,1kg∕h, und 𝑎 = 2,5⋅10−4 kgh∕km2 ?

Lösung. Wenn der Hund mit einer Geschwindigkeit von 𝑣 km∕h läuft, legt er in 𝑡 Stunden den
Weg 𝑠 = 𝑡𝑣 zurück, und verbraucht die Nahrungsmenge

𝑡(𝑎𝑣2 + 𝑏)

Da er seinen ganzen Nahrungsvorrat aufbraucht, um möglichst weit zu kommen, gilt

𝑁 = 𝑡(𝑎𝑣2 + 𝑏), also

𝑁
⇒𝑡= 2
𝑎𝑣 + 𝑏
𝑁𝑣
⇒ 𝑠 = 𝑡𝑣 = 2
𝑎𝑣 + 𝑏

Nun soll die Geschwindigkeit 𝑣 so gewählt werden, dass der Weg maximal ist. Daher ist die erste
Ableitung von 𝑠 nach 𝑣 mit Null anzusetzen. Unter Verwendung von Bruch und Kettenregel gilt

𝑁(𝑎𝑣2 + 𝑏) − 𝑁𝑣(2𝑎𝑣)
0=
(𝑎𝑣2 + 𝑏)2
0 = 𝑁(𝑎𝑣2 + 𝑏) − 𝑁𝑣(2𝑎𝑣)
0 = 𝑏𝑁 − 𝑁𝑎𝑣2
√
𝑏
𝑣=
𝑎

50
Wir haben jetzt die optimale Geschwindigkeit. Setzen wir noch für den Weg ein:
𝑁𝑣
𝑠= 2
𝑎𝑣 + 𝑏
√
𝑁 𝑎𝑏
= ( )
𝑏 𝑎𝑏 + 𝑏
𝑁
= √
2 𝑎𝑏
Damit ergibt sich als größte erreichbare Weglänge 𝑠 = √𝑁 .
2 𝑎𝑏
In konkreten Zahlen:
√
0,1
𝑣= = 20 km∕h optimale Geschwindigkeit,
0,00025
3
𝑠= √ = 300 km erreichbare Strecke,
2 0,1 ⋅ 0,00025
300
𝑡= = 15 h Laufzeit.
20
□
Beipiel 3.25. Ein Hund kann auf einer geradlinigen Straße mit einer Geschwindigkeit 𝑣1 laufen,
im angrenzenden Gelände mit der (kleineren) Geschwindigkeit 𝑣2 . Im Garten steht ein Teller mit
Würsten zum Grillen bereit, der Besitzer ist derzeit im Haus beschäftigt. Um die Würste zu errei-
chen, könnte der Hund die Länge 𝑎 die Straße entlang laufen, und dann rechtwinkelig in den Garten
abbiegen und die Länge 𝑏 durch den Garten laufen, jedoch wird er schneller sein, wenn er nur 𝑥 < 𝑎
Meter die Straße entlang läuft, und dann schief durch den Garten seinen Weg fortsetzt. Wie lange
muss der Hund noch auf der Straße bleiben, damit er möglichst schnell (und vor dem Besitzer) beim
Wurstteller anlangt?
Lösung. Die erste, und oft bereits die entscheidende Stufe in der Problemlösung ist die mathema-
tische Formulierung: Die Benennung der Längen wird am besten durch eine Zeichnung dargestellt.

Abbildung 3.3: Lageskizze

51
 𝑎 Abstand Hund-Wurst längs Straßenrichtung
𝑏 Abstand Straße-Wurst
𝑣1 Geschwindigkeit Hund auf Straße
𝑣2 Geschwindigkeit Hund im Garten
𝑥 Abstand, nach dem der Hund in den Garten einbiegt

Die Aufgabe lautet: Bestimmen Sie den Punkt 𝑥 so, dass die Zeit, die der Hund braucht, um den
Weg zurückzulegen, möglichst klein wird.
Es ergeben sich daraus folgende Wege und Zeiten:

𝑥 Weg des Hundes auf der Straße,

𝑥
Zeit, die der Hund auf der Straße läuft,
√ 𝑣1
(𝑎 −√𝑥)2 + 𝑏2 Weg des Hundes im Garten,
(𝑎−𝑥)2 +𝑏2
Zeit, die der Hund im Garten läuft,
√ 𝑣2
(𝑎−𝑥)2 +𝑏2
𝑍= 𝑥
𝑣1
+ 𝑣2
Gesamtzeit, die der Hund läuft.

Die Strecke 𝑥 wird so gewählt, dass die Gesamtzeit minimiert wird, also muss die Ableitung (Dif-
ferential) der Gesamtzeit nach 𝑥 Null ergeben.
Die erste Ableitung der Gesamtzeit nach 𝑥 ist (unter Anwendung der Kettenregel)

1 −2(𝑎 − 𝑥) 12 [(𝑎 − 𝑥)2 + 𝑏2 ]− 2 1 𝑎−𝑥

′
𝑍 (𝑥) = + = − √
𝑣1 𝑣2 𝑣1 𝑣 (𝑎 − 𝑥)2 + 𝑏2
2

Wir setzen die Ableitung gleich Null und formen die Gleichung um:

1 𝑎−𝑥
− √ =0 gemeinsamen Nenner
𝑣1 𝑣 (𝑎 − 𝑥)2 + 𝑏2
2
√
𝑣2 (𝑎 − 𝑥)2 + 𝑏2 − 𝑣1 (𝑎 − 𝑥) = 0
√
⇒ 𝑣2 (𝑎 − 𝑥)2 + 𝑏2 = 𝑣1 (𝑎 − 𝑥) quadrieren:
[ ]
⇒ 𝑣22 (𝑎 − 𝑥)2 + 𝑏2 = 𝑣21 (𝑎 − 𝑥)2

52
Zuerst die Terme mit (𝑎 − 𝑥)2 auf eine Seite bringen und diesen Term herausheben:

⇒ (𝑣22 − 𝑣21 )(𝑎 − 𝑥)2 = 𝑣22 𝑏2

2
𝑣22 𝑏2
⇒ (𝑎 − 𝑥) =
𝑣22 − 𝑣21
𝑣 2 𝑏2
⇒ 𝑎 − 𝑥 = ±√ 2 𝑎 − 𝑥 muss laut Grafik aber positiv sein
𝑣22 − 𝑣21
𝑣22 𝑏2
⇒ 𝑎−𝑥= √
𝑣22 − 𝑣21
𝑣22 𝑏2
⇒ 𝑥=𝑎− √
𝑣22 − 𝑣21

𝑣 2 𝑏2
Der Hund muss also bis zum Punkt 𝑎 − √ 2 auf der Straße bleiben.4
𝑣22 −𝑣21
□

3.6 Weitere Beispiele zum Üben

Beipiel 3.26. Löse die Gleichung

𝑥2 + 5𝑥 + 6
=0
𝑥+2

Beipiel 3.27. Löse die Formel

1
𝛽=√
𝑎2
1+ 𝑐2

nach 𝑐 auf.

Beipiel 3.28. Löse die Formel

𝑉 −1 − (𝑉 + 1)−1 = 𝑅, 𝑉 > 0, 𝑅 > 0

nach 𝑉 auf.
4 Oder, er machts wie jeder normale Hund und rennt schnurstracks zur Wurst ;-)

53
Beipiel 3.29. Lösen Sie die Gleichung
√ 3
𝑥 = 𝑥2
nach 𝑥 auf.
Beipiel 3.30. Löse die Formel
𝐾 = 𝐿(1 + 𝑖)𝑛
nach 𝐾, 𝐿, und 𝑖 auf.
Beipiel 3.31. Löse die Formel
𝐾 2 + 𝑎𝐾 + 𝑏 = 𝐿2 (1 + 𝑗)𝑚
nach 𝐾, 𝑎, 𝑏, 𝐿 und nach 𝑗 auf.
Beipiel 3.32. Je Ar (100m2 ) eines Feldes werden 𝑦 kg einer Feldfrucht geerntet, wenn man 𝑥 kg
Düngemittel verwendet. Die Ertragsfunktion habe die Gestalt 𝑦 = 𝑎+𝑏−𝑥
𝑐
. Der Ertrag ohne Dünger
ist 10 kg, mit 4kg Dünger 20 kg und mit 10 kg Dünger 30 kg. Berechnen Sie 𝑎, 𝑏, 𝑐 (setzen Sie
näherungsweise 𝑏−10 = 0).
Beipiel 3.33. Lösen Sie die Gleichung
1 6252015
252015 ⋅ 𝑥 = 1
⋅
2⋅𝑥− 252016
5
Beipiel 3.34. Lösen Sie die Gleichung
1 𝑏
√ =√ , mit 0 < 𝑎 < 1, 0 < 𝑏
1+𝑎 1−𝑎
nach 𝑎 auf. Führen Sie die Probe durch um das Ergebnis zu überprüfen.
Beipiel 3.35. Lösen Sie das Lennard-Jones (12-6)-Potential 𝑉 mit
[( )12 ( )6 ]
𝜎 𝜎
𝑉 = 4𝜖 −
𝑟 𝑟
nach 𝑟 auf, unter der Voraussetzung, dass 𝑉 , 𝜖 und 𝜎 positiv sind.
Beipiel 3.36. Lösen Sie die Gleichung
√ √ √
𝑥+7− 𝑥−8= 𝑥
Die folgenden zwei Beispiele sind nicht leicht zu diskutieren.
Beipiel 3.37. Lösen Sie die Gleichung
√ (√ )3 √
( )
1 1 1 1 3
𝑥2 + 𝑥 − = 𝑥− 𝑥+
6 6 3 2
Beipiel 3.38. Lösen Sie die Gleichung
√√ √ √
𝑥 + 2 − 𝑥 − 2 = −5𝑥 − 10

54
 KAPITEL

EXPONENTIALFUNKTION UND
LOGARITHMUS

4.1 Definition und Eigenschaften der Exponentialfunktion

Anmerkung 4.1. Von der Potenzrechnung kennen wir bereits, dass

𝑎𝑚 = 𝑎 × 𝑎 × ⋯ × 𝑎
⏟⏞⏞⏞⏞⏞⏞⏟⏞⏞⏞⏞⏞⏞⏟
𝑚 Faktoren

Ist 𝑎 > 0 so können wir mittels Brüchen und Wurzeln die Potenz 𝑎𝑥 auch für negative ganze 𝑥 und
Bruchzahlen definieren. Mit etwas mehr theoretischem Aufwand lässt sich die Potenzfunktion für
alle reellen Zahlen 𝑥 (Zahlen auf der Zahlengeraden) einfuhren. Die Rechenregeln der Potenzrech-
nung (vgl. Fakt 2.4) bleiben dabei gültig.

Definition 4.2. Die Funktion

𝑥 ↦ 𝑎𝑥

heißt Exponentialfunktion zur Basis 𝑎.

Fakt 4.3. Sei 𝑎 > 0, die Exponentialfunktion hat folgende Eigenschaften:

55
 𝑎<1 𝑎=1 𝑎>1
positiv: 𝑎𝑥 > 0 positiv: 𝑎𝑥 > 0
streng monoton fallend konstant 1 streng monoton steigend
konvex gerade konvex
𝑎0 = 1 10 = 1 𝑎0 = 1
lim𝑥→∞ = 0 lim𝑥→∞ = ∞
lim𝑥→∞ = ∞ lim𝑥→∞ = 0

0.5𝑥 0.33𝑥 𝑦 𝑦 2.5𝑥 2𝑥

0.67𝑥 1.5𝑥

1𝑥 = 1 1𝑥 = 1

𝑥 𝑥

(a) Basis 𝑎 kleiner 1 (b) Basis 𝑎 größer 1

Abbildung 4.1: Exponentialfunktion 𝑎𝑥

Definition 4.4.

• Eine Funktion heißt monoton steigend, wenn gilt: Ist 𝑥 ≤ 𝑦, dann ist 𝑓 (𝑥) ≤ 𝑓 (𝑦).

• Eine Funktion heißt monoton fallend, wenn gilt: Ist 𝑥 ≤ 𝑦, dann ist 𝑓 (𝑥) ≥ 𝑓 (𝑦).

• Eine Funktion heißt konvex, wenn die Verbindungsstrecke zweier Punkte auf der Kurve, wel-
che die Funktion darstellt, immer oberhalb der Kurve verläuft.

• Eine Funktion heißt konkav, wenn die Verbindungsstrecke zweier Punkte auf der Kurve, wel-
che die Funktion darstellt, immer unterhalb der Kurve verläuft.

Definition 4.5. Die Eulersche Zahl

𝑒 = 2.71828182846 …

ist so definiert, dass die erste Ableitung der Funktion 𝑒𝑥 wieder 𝑒𝑥 ergibt.

Fakt 4.6. Sei 𝜆 eine feste reelle Zahl. Die Funktion

𝑥 ↦ 𝑒𝜆 𝑥

56
hat ist eine Exponentialfunktion zur Basis 𝑒. Überlegung:
( )𝑥
𝑒𝜆 𝑥 = 𝑒𝜆

ist also eine Exponentialfunktion zur Basis 𝑒𝜆 = 𝑎.

• Ist 𝜆 < 0, so ist 𝑒𝜆 = 𝑎 < 1

• Ist 𝜆 = 0, so ist 𝑒𝜆 = 𝑎 = 1

• Ist 𝜆 > 0, so ist 𝑒𝜆 = 𝑎 > 1

Damit gilt die selbe Tabelle wie in Fakt 4.3, wobei es sich nur durch das 𝜆 unterscheidet.

𝑒−𝑥 𝑒−2⋅𝑥 𝑦 𝑦 𝑒2⋅𝑥 𝑒𝑥

𝑒−0,5⋅𝑥 𝑒0,5⋅𝑥

𝑒0⋅𝑥 = 1 𝑒0⋅𝑥 = 1

𝑥 𝑥

(a) Basis 𝑒𝜆 = 𝑎 kleiner 1 (→ 𝜆 < 0) (b) Basis 𝑒𝜆 = 𝑎 größer 1 (→ 𝜆 > 0)

Abbildung 4.2: Exponentialfunktion 𝑒𝜆𝑥

Anmerkung 4.7. Die Exponentialfunktion zur Basis 𝑒 hat, wie bereits erwähnt, die Eigenschaft,
dass Sie sich bei der Ableitung selbst erzeugt. Das führt dazu, dass viele Prozesse in Technik und
Wissenschaft mithilfe der Exponentialfunktion 𝑒𝜆𝑥 beschrieben (modelliert) werden. Kennwerte
(wie z.B. das Wachstum) werden in der Regel über 𝜆 in 𝑒𝜆𝑥 definiert und nicht zu einer beliebigen
Basis 𝑎, das hat vor allem historische Gründe (Computer sind geschichtlich betrachtet noch immer
recht neu), ist daher elementar in den Wissenschaften verankert. Jedes gängige Computersystem
kann (natürlich) unmittelbar eine Exponentialfunktion 𝑎𝑥 in die Form 𝑒𝜆𝑥 umformen, dennoch ist
es in der Praxis unerlässlich mithilfe der Exponentialfunktion zur Basis 𝑒 rechnen zu können und
beschreiben zu können was die Eigenschaften der Funktion sind.
Darum werden wir im Folgenden hauptsächlich mit der Exponentialfunktion 𝑒𝜆𝑥 .

Beipiel 4.8. In der Praxis ist es oft wichtig unterscheiden zu können ob etwas die Form einer Ex-
ponentialfunktion hat oder nicht (es könnte sich auch um Gesetzte der Form 𝑦 = 𝑎𝑥 + 𝑏 oder
(𝑦 = 𝐶𝑥𝑎 ) handeln). Bei welchen der folgenden Funktionen könnte es sich um Exponentialfunktio-
nen der Form 𝑦 = 𝑐 𝑒𝜆𝑥 handeln?

57
𝑓1 𝑓2

𝑓3 𝑓4

𝑓5 𝑓6

58
Lösung.
• 𝑓1 (𝑥) = 𝐶 𝑒𝜆 𝑥 kann gelten mit 𝐶 = 2 (denn 𝑓1 (0) = 2) und 𝜆 > 0 (denn 𝑓1 ist steigend).

• 𝑓2 ist nicht überall positiv. Keine Exponentialfunktion.

• 𝑓3 ist nicht überall konvex. Keine Exponentialfunktion.

• 𝑓4 ist weder überall steigend noch überall fallend. Keine Exponentialfunktion.

• 𝑓5 (𝑥) = 𝐶 𝑒𝜆 𝑥 kann gelten mit 𝐶 = 3 (denn 𝑓5 (0) = 3) und 𝜆 < 0 (denn 𝑓5 ist fallend).

• 𝑓6 ist fallend (spricht für negatives 𝜆), aber lim𝑥→∞ 𝑓6 (𝑥) = 0. Keine Exponentialfunktion.
□

4.2 Definition und Eigenschaften des Logarithmus

Anmerkung 4.9. Diese Zusammenhänge kennen Sie sicherlich aus der Schule:

Rechenoperation Umkehrung
Addition: 𝑎+𝑏=𝑥 ⇔ 𝑥−𝑏=𝑎 :Subtraktion
Multiplikation: 𝑎⋅𝑏=𝑥 ⇔ 𝑥
=𝑎 :Division
√ 𝑏
Potenzieren: 𝑎𝑏 = 𝑥 ⇔ 𝑏
𝑥=𝑎 :Wurzelziehen
Winkelfunktion: sin(𝑏) = 𝑥 ⇔ arcsin(𝑥) = 𝑏 :Inv-Winkelfunktion
Integrieren: ∫ 𝑓 (𝑥) = 𝐹 (𝑥) ⇔ 𝐹 ′ (𝑥) = 𝑓 (𝑥) :Ableitung

Wobei wir der Einfachheit nur einen passende Definitions und Bildbereich betrachten. In der Mathe-
matik gibt es das sehr verbreitete Konzept, dass zu einer Rechenoperation die Umkehrung gesucht
bzw. verwendet wird. Diese Idee bringt uns zum Logarithmus, dieser ist genau so definiert dass er
die Umkehrung der Exponentialfunktion ist.
Definition 4.10. Sei 𝑎 > 1. Der Logarithmus zur Basis 𝑎 (geschrieben log𝑎 ist definiert durch

log𝑎 (𝑥) = 𝑦 ⟺ 𝑎𝑦 = 𝑥.

Anmerkung. Diese Definition des Logarithmus liefert die Eigenschaft, dass log𝑎 (𝑎𝑥 ) = 𝑥 ergeben
muss. Also die Umkehrung der Exponentialfunktion. Es gilt dann (übrigens) auch 𝑎log𝑎 (𝑥) = 𝑥.
Wichtig zu beachten: Der Logarithmus ist zu einer explizit gegebenen Basis 𝑎 definiert!
Anmerkung 4.11. Insbesondere sind folgende Logarithmen bedeutend:
• log10 (𝑥): dekadischer Logarithmus,

• ln(𝑥) = log𝑒 (𝑥): natürlicher Logarithmus,

• log2 (𝑥): binärer Logarithmus (in der Informationstheorie).

59
Fakt 4.12. Sei 𝑎 > 1. Der Logarithmus log𝑎 (𝑥) gibt es nur für 𝑥 > 0. Es gilt:

log𝑎 (𝑥) < 0 falls 0 < 𝑥 < 1,

log𝑎 (𝑥) = 0 falls 𝑥 = 1,
log𝑎 (𝑥) > 0 falls 1 < 𝑥

Das ist leicht zu verstehen. Es bedeutet ja log𝑎 (𝑥) = 𝑦 dasselbe wie 𝑎𝑦 = 𝑥. Nun ist 𝑎𝑦 immer
positiv, also muss 𝑥 positiv sein. Außerdem ist 𝑎0 = 1, und 𝑎𝑦 > 1 falls 𝑦 > 0.

Beipiel 4.13. Finden Sie die dekadischen Logarithmen der folgenden Zahlen, falls sie existieren:

100; 10000; 0,1; 0,001; eine Million; 1; −2; 0

ohne den Taschenrechner zu benutzen.

Lösung.

• log10 (100) = 2 denn 102 = 100.

• log10 (10000) = 4 denn 104 = 10000.

• log10 (0,1) = −1 denn 10−1 = 1

10
= 0,1.

• log10 (0,001) = −3 denn 10−3 = 1

1000
= 0,001.

• log10 (106 ) = 6 denn 106 = 106 .

• log10 (1) = 0 denn 100 = 1.

• 𝑙𝑜𝑔10 (−2) existiert nicht, denn 10𝑦 ist immer positiv.

• 𝑙𝑜𝑔10 (0) existiert nicht, denn 10𝑦 ist nie 0.

Fakt 4.14. Sei 𝑎 > 1. Die Logarithmusfunktion zur Basis 𝑎 hat die folgenden Eigenschaften:

• log𝑎 (𝑥) existiert nur für 0 < 𝑥 < ∞

• Im Definitionsbereich:

⎧ < 0 falls 0 < 𝑥 < 1

⎪
log𝑎 (𝑥) = ⎨ = 0 falls 𝑥 = 1
⎪ > 0 falls 1 < 𝑥
⎩

• Die Logarithmusfunktion ist monoton steigend und konkav.

60
 • Im Grenzprozess:

lim log𝑎 (𝑥) = −∞

𝑥→0
lim log𝑎 (𝑥) = ∞
𝑥→∞

• Die Logarithmusfunktion 𝑙𝑜𝑔𝑎 (𝑥) wächst schnell für kleine 𝑥 und sehr langsam im Bereich
großer 𝑥.

Die folgende Grafik zeigt die Kurven des dekadischen und des natürlichen Logarithmus. Beachten
Sie, dass eine Kurve in die andere übergeführt werden kann, indem man die 𝑦-Achse streckt oder
staucht.

Dekadischer log10 (𝑥) und natürlicher ln(𝑥) Logarithmus

4.3 Rechenregeln für Logarithmen

Fakt 4.15. Sei 𝑎 > 1. Für den Logarithmus zur Basis 𝑎 gelten die folgenden Rechenregeln:

log𝑎 (𝑥 𝑦) = log𝑎 (𝑥) + log𝑎 (𝑦)

( )
𝑥
log𝑎 = log𝑎 (𝑥) − log𝑎 (𝑦)
𝑦
log𝑎 (𝑥𝑚 ) = 𝑚 log𝑎 (𝑥)
log𝑎 (𝑥 + 𝑦) = ? Keine Regel !

61
Anmerkung 4.16. Achten Sie beim Logarithmieren immer darauf, wie sich die Rechenoperationen
ändern. Aus Multiplikation wird Addition, aus Potenz wird Multiplikation. Das ist eine häufige
Fehlerquelle!

Beipiel 4.17. Zerlegen Sie die folgenden Logarithmen in Logarithmen möglichst einfacher Aus-
drücke:

(a) ln(2𝑒3𝑥 )

(b) ln(5(𝑧 + 𝑣)𝑤2 )

(√3
)
5𝑎2
(c) ln
𝑐3

Lösung.

(a) ln(2𝑒3𝑥 ) = ln(2) + ln(𝑒3𝑥 ) = ln(2) + 3 𝑥

(b) ln(5(𝑧 + 𝑣)𝑤2 ) = ln(5) + ln(𝑢 + 𝑣) + ln(𝑤2 ) = ln(5) + ln(𝑢 + 𝑣) + 2 ln(𝑤)

(√ )
3
5𝑎2 (√ ) ( ) ( )
2 − ln 𝑐 3 = 1 ln 5𝑎2 − 3 ln (𝑐) = 1 [ln (5) + 2 ln (𝑎)] − 3 ln (𝑐)
3
(c) ln = ln 5𝑎
𝑐3 3 3
1 2
= ln (5) + ln (𝑎) − 3 ln (𝑐)
3 3
□

Beipiel 4.18. Fassen Sie die folgenden Ausdrucke als Logarithmus einer Zahl zusammen:

1
(a) log10 (𝑝) − log10 (3)
2
(b) 2 ln(𝑎 + 𝑏) + 4 ln(𝑐 − 𝑑)
( √ ) ( )
(√ )
1 𝑥 𝑥2 1 𝑥
(c) ln + − 1 + ln √ + ln 𝑎
2 𝑎 𝑎2 2 𝑥 + 𝑥2 − 𝑎2

Lösung.
(√ )
1 √ 𝑝
(a) log10 (𝑝) − log10 (3) = log10 ( 𝑝) − log10 (3) = log10
2 3
( ) ( ) ( )
(b) 2 ln(𝑎 + 𝑏) + 4 ln(𝑐 − 𝑑) = ln (𝑎 + 𝑏)2 + ln (𝑐 − 𝑑)4 = ln (𝑎 + 𝑏)2 (𝑐 − 𝑑)4

62
 (c)
( √ ) ( )
(√ )
1 𝑥 𝑥2 1 𝑥
ln + − 1 + ln √ + ln 𝑎 =
2 𝑎 𝑎2 2 𝑥 + 𝑥 2 − 𝑎2
[ ( √ ) ( ) ]
1 𝑥 𝑥2 𝑥 √
= ln + − 1 + ln √ + 2 ln( 𝑎)
2 𝑎 𝑎2 𝑥 + 𝑥2 − 𝑎2
[( √ ) ( ) ]
1 𝑥 𝑥2 𝑥 √
= ln + −1 ⋅ √ ⋅ ( 𝑎)2
2 𝑎 𝑎2 𝑥 + 𝑥2 − 𝑎2
( √ )
𝑥 + 𝑥 2 − 𝑎2
1 𝑥
= ln ⋅ √ ⋅𝑎
2 𝑎 𝑥+ 𝑥 −𝑎2 2

1
= ln(𝑥).
2

Fakt 4.19. Zur Umrechnung von Logarithmen und Exponentialfunktionen verschiedener Basen
gelten die Formeln:

log𝑏 (𝑥)
log𝑎 (𝑥) = ,
log𝑏 (𝑎)
𝑎𝑥 = 𝑏log𝑏 (𝑎)⋅𝑥 ,
𝑎𝑥 = 𝑒ln(𝑎)⋅𝑥 .

4.3.1 Beispiele zum Vorbereiten

Beipiel 4.20. Stellen Sie
( )2 𝑧
1
𝑒70 𝑥 ⋅ 5−0,3 𝑦 ⋅
𝑒
durch einen einzigen Exponentialausdruck der Form 𝑒𝛼 dar.

Lösung:

63
Beipiel 4.21. Vereinfachen Sie
(( )2 )
( 3
) 𝑥𝑦 ( ( ))
ln (𝑥𝑦𝑧) − ln − ln(𝑥) + ln 𝑧5
𝑧

Lösung:

4.4 Logarithmische Skalen

Logarithmische Skalen sind in zwei Fällen äußerst nützlich:

• Wenn ein Bereich mit enormen Größenunterschieden um mehrere Zehnerpotenzen abgedeckt

werden soll.

• Wenn es auf das Verhältnis zwischen Intensitäten, nicht deren Differenz ankommt.

In dieser Lehrveranstaltung erwähnen wir zwei der wichtigsten logarithmischen Skalen.

Definition 4.22. Der Säuregrad einer wässerigen Lösung wird durch die Konzentration der posi-
tiven Wasserstoffionen bestimmt: Je mehr H+ , desto saurer die Lösung. Neutrales Wasser hat eine
Ionenkonzentration von 10−7 mol∕Liter. Der pH-Wert einer Lösung ist der negative dekadische Lo-
garithmus der H+ -Konzentration:

pH = − log10 ([H+ ]),

[H+ ] = 10−pH .

Beipiel 4.23.

• Wie hoch ist die Wasserstoffionenkonzentration in einer milden Lauge mit pH-Wert 8,5?

• Wie hoch ist der pH-Wert einer starken Säure mit einer H+ -Konzentration von 5mmol∕Liter?

Lösung.

• Es gilt 10−8,5 ≈ 3,16 ⋅ 10−9 , also ist die H+ -Konzentration in der Lauge 3,16 ⋅ 10−9 mol∕Liter.

• Es ist − log10 (0,005) ≈ 2,3, der pH-Wert der Säure beträgt 2,3.

64
Beipiel 4.24. Die folgenden Grafiken zeigen die selben Pufferreaktionen im Boden, in Abhängig-
keit vom Säuregrad.

Eisenpuffer
pH +
mol∕l H
0,001

9 mol∕l H+ 0,0009

basisch

sauer
8 0,000 000 01 0,0008
Carbonatpuffer
7 0,000 000 1 0,0007

6 0,000 001 0,0006

Silikatpuffer
5 0,000 01 0,0005 Aluminiumpuffer
Ionentauscher
4 0,000 1 0,0004
Aluminiumpuffer
3 0,001 0,0003

basisch
sauer

2 Eisenpuffer 0,01 0,0002

1 0,0001
Ionentauscher Silikatpuffer
0 Carbonatpuffer

pH-Wert logarithmische Darstellung Ionenkonzentration in absoluten Zahlen

vergleichbare Darstellung unübersichtliche Darstellung

Lösung.

biologisch-chemisch: Der pH-Wert eines Acker- oder Waldbodens ist ein entscheidender Para-
meter für das Gedeihen der Pflanzen; verschiedene Arten gedeihen auf verschieden sauren
Böden. Durch die Umweltprobleme mit dem sauren Regen ist der pH-Wert stark ins öffent-
liche Interesse gerückt. Der pH-Wert des Bodens stabilisiert sich selbst, indem überflüssige
Wasserstoffionen eingefangen und gegen Metallionen ausgetauscht werden. Im basischen Be-
reich geschieht das durch Bicarbonat (CaHCO3). (Bei Übersäuerung des Bodens hilft Kal-
kung.) Bicarbonat wird aber leicht ausgewaschen und sinkt mit dem Sickerwasser in tiefere,
für Pflanzen unerreichbare Regionen ab. Ist der Bicarbonatpuffer erschöpft, wirken die Hu-
minstoffe als Puffer. Das sind Makromoleküle auf Siliziumbasis, an denen zahlreiche Ionen
angelagert sind, darunter auch Alkali- und Erdalkaliionen, welche gegen Wasserstoffionen
ausgetauscht werden können. Wenn dieser Puffer erschöpft ist, wirken Aluminiumoxide als
Puffer. Aluminiumionen, die in Lösung gehen, sind aber toxisch für die Feinwurzeln. Und das
gilt ebenso für die Eisenionen, die in Lösung gehen, wenn der Aluminiumpuffer erschöpft
ist. Deshalb zerstört saurer Regen die Feinwurzeln.

mathematisch:

• Die linke Grafik zeigt die Bereiche, in denen die einzelnen Puffer wirksam sind. Beach-

65
 ten Sie, dass diese Grafik nur auf Grund der logarithmischen pH-Skala eine verständli-
che/lesbare Gestalt hat.
• In der rechten Grafik wurde senkrecht die H+ -Konzentration linear auftragen, der Ei-
senbuffer ist in dieser Darstellung nicht mehr auf der Skaler, und alle anderen als der
Aluminiumpuffer sind am unteren Rand zusammengepresst.

Beachten Sie auch, dass bei Addition von 1 zum pH-Wert die Wasserstoffkonzentration durch
den Faktor 10 dividiert wird.

Definition 4.25. Die Intensität von Schall wird nach der Dezibelskala angegeben. Referenzdruck ist
der Schalldruck von 𝑝0 = 20𝜇Pa (mikroPascal), an der Grenze der Wahrnehmbarkeit. Das dB-Maß
eines Schalldruckes 𝑝 wird dann definiert durch
( )
𝑝
dB = 20 log10
𝑝0
𝑝
= 10dB∕20
𝑝0

Fakt 4.26.

• Addition von 20dB entspricht einer Verzehnfachung des Schalldruckes.

• Addition von 6dB entspricht in etwa einer Verdoppelung des Schalldruckes.

Beipiel 4.27.

• Um welchen Faktor erhöht sich der Schalldruck bei einer Erhöhung des dB-Wertes um 10
dB?

• Das dB-Maß hat sich nicht nur als Maß des Schalldruckes, sondern für alle Arten von Verhält-
nissen von Intensitäten in der Signalverarbeitung eingebürgert. Ein guter Audio-Verstärker
kann eine Rauschspannungsabstand (Verhältnis Nutzsignal zu Rauschsignal) von 100 dB er-
reichen.
Wenn der Verstärker bei Vollast eine Spannung von 30 V an die Lautsprecher liefert, wie
hoch ist dann die Spannung des Rauschsignals?

Lösung.

• Wir erhöhen einen beliebigen Dezibelwert dB um 10 und nutzen die Potenzrechengesetze:

dB+10 dB 10 dB 1
√ dB dB
10 20 = 10 20 + 20 = 10 20 ⋅ 10 2 = 10 ⋅ 10 20 ≈ 3,16 ⋅ 10 20

Also entsprechen 10 dB einem Faktor von 3,16.

66
 • Es gilt 10100∕20 = 105 . Das Verhältnis von Nutzsignal zu Rauschsignal ( 𝑝𝑝 ) ist also 105 , bei
0
30 V gibt es also 300 𝜇V Rauschspannung. Rechnerisch:

30V
= 105 ⇔ 𝑝0 = 30 V ⋅ 10−5 = 300𝜇V
𝑝0

Anmerkung: Bei Spannungen ist die Notation 𝑝0 natürlich nicht üblich (Elektrotechnik), die
Rechnung ist natürlich unabhängig von der Namensgebung der Variablen.

Beipiel 4.28. Die folgende Tabelle zeigt ungefähr das dB-Maß für verschiedene Schallquellen an.

dB Druck Schallquelle
130 63,2 Pa Schmerzgrenze
120 20 Pa Probelauf von Düsentriebwerken
110 6,32 Pa Höchstlautstärke eines Symphonieorchesters
100 2 Pa Pressluftbohrer
90 632 mPa LKW im Stadtverkehr
80 200 mPa PKW im Stadverkehr
70 63,2 mPa Schreibmaschine
60 20 mPa Radio in Zimmerlautstärke
50 6,32 mPa normale Unterhaltung
40 2 mPa Hintergrundgeräusche im Haus
30 632 𝜇Pa Flüstern
20 200 𝜇Pa Ticken einer Standuhr
10 63,2 𝜇Pa Blätterrascheln
0 20 𝜇Pa Hörschwelle

Lösung. Der Hörbereich umfasst Größenordnungen vom Mikropascal-Bereich bis zu Pascal, mehr
als 106 = 120dB. Die logarithmische Skala ist geeignet, einen so großen Bereich abzudecken.
Außerdem wird nach dem Weber-Fechnerschen Gesetz der Zuwachs einer Sinneswahrnehmung
linear wahrgenommen (gleiche Intensität kommt in gleichen Zeiteinheiten dazu) wenn die Energie
exponentiell wächst (in gleichen Zeiteinheiten multipliziert sich die Energie mit demselben Faktor).
Lautstärkeregler in Audioverstärkern sind logarithmisch ausgelegt: Verdreht man den Regler um
gleiche Winkel, multipliziert sich der Widerstand mit den gleichen Faktoren. □

4.4.1 Beispiele zum Vorbereiten

Beipiel 4.29. Um wie viel Dezibel sinkt der Schalldruckpegel bei Absenkung des Schalldrucks auf
zwei Drittel des ursprünglichen Wertes?

67
 Lösung:

4.5 Umsetzung mit Computerprogrammen

Die Darstellung von Funktionen ist in den Wissenschaften eine tägliche Notwendigkeit, dies kann
man natürlich auch mit LibreOffice Calc.

4.5.1 Befehle
Folgende Berechnungen können in LibreOffice Calc verwendet werden:

LN natürlicher Logarithmus ln()

LOG10 dekadischer Logarithmus log10
LOG Logarithmus zu beliebiger Basis, wobei der zweite In-
put Parameter die Basis ist.
EXP Eulersche Funktion (z.B.: =EXP(3)→ 𝑒3
∧ Hochzahl eingeben, z.B. = 10 ∧ 4 → 104 .

Man kann das System bei einer grafischen Darstellung unmittelbar auf eine Logarithmische Dar-
stellung umstellen lassen. Schreiben Sie dafür die 𝑥-Werte der Funktion in eine Spalte, und daneben
die zugehörigen Bildwerte (𝑦-Werte) und markieren dann beide Spalten. Unter Insert → Chart
können Sie eine Grafische Darstellung einbinden, wählen Sie dann X-Y-(Scatter). (Achtung:
NICHT Line wählen!).
Mit einem Doppelklick auf die 𝑦-Achse erscheint ein Eigenschaftsfenster, worin Sie unter Scale
eine Logarithmische Darstellung wählen können (vgl. 4.6).

68
 Abbildung 4.5: Funktionen zeichnen mit Libre-Office

Abbildung 4.6: Logarithmische Scalen mit Libre-Office

4.6 Weitere Beispiele zum Üben

Beipiel 4.30. Der dekadische Logarithmus von 2 ist ungefähr 𝑙𝑜𝑔10 (2) ≈ 0,3010. Bestimmen Sie
ohne Benutzung eines Taschenrechners näherungsweise:
( ) ( )
1 5
log10 ; log10 (5) ; log10 (20) ; log10
2 8
Tipp: log10 (4) = log10 (2 ⋅ 2) = log10 (2) + log10 (2) = 2 ⋅ log10 (2) ≈ 2 ⋅ 0,3010 = 0,620

69
Beipiel 4.31. Drücken Sie
( )
1 1 1
log4 (𝑎) − log4 (𝑎 − 𝑏) − log4 (𝑎 + 𝑏) + log4 (𝑐)
3 2 3
durch einen Logarithmus aus.
Beipiel 4.32. Vereinfachen Sie für 𝑦 > 0 den Ausdruck
( ) (√ )
1 1
log10 √ + log10 1 + 2 + log10 (𝑦) .
𝑦2 + 1 𝑦

Beipiel 4.33. Welche Zahl ist größer 20152016 oder 20162015 . Begründen Sie Ihre Antwort durch
eine geeignete Rechnung.
Beipiel 4.34. Um wie viel verändert sich der pH-Wert einer wässrigen Lösung, wenn die 𝐻 + -Ionen
Konzentration halbiert wird?

4.7 Lösen von Gleichungen mit Exponenten und Logarithmen

Beipiel 4.35. Lösen Sie die folgende Gleichung

5 + 2𝑥+1 = 10.

Lösung. Wir isolieren zunächst den Exponentialausdruck mit der Unbekannten, und nehmen dann
auf beiden Seiten den Logarithmus. Nach Anwendung der Rechenregeln für den Logarithmus und
einigen weiteren Schritten steht die Unbekannte isoliert als Ausdruck mit mehreren Logarithmen
da. Letztlich rechnen wir diesen Ausdruck mit dem Taschenrechner oder Computer aus.

5 + 2𝑥+1 = 10 |−5
⇔ 𝑥+1
2 =5 | ln(⋅)
( 𝑥+1 )
⇔ ln 2 = ln (5)
⇔ (𝑥 + 1) ln (2) = ln (5) | ÷ ln (2)
ln (5)
⇔ 𝑥+1= |−1
ln (2)
ln (5)
⇔ 𝑥= − 1 ≈ 1,3219
ln (2)
□
Beipiel 4.36. Lösen Sie die folgenden Gleichungen:
1. 𝑒3𝑥 = 4
2 7
2. 4𝑢 − 2 = 2

70
 5 + 2𝑥+1 = 10.

Lösung.
1.

𝑒3𝑥 = 4
( )
ln 𝑒3𝑥 = ln (4)
3𝑥 = ln (4)
ln (4)
𝑥= ≈ 0,4621
3

2.
2 7
4𝑢 − 2 = 2
( 2 7)
ln 4𝑢 − 2 = ln (2)
( )
7
𝑢2 − ln (4) = ln (2)
2
7 ln (2)
𝑢2 − =
2 ln (4)
7 ln (2)
𝑢2 = +
2 ln (4)
7 1
𝑢2 = +
2 2
2
𝑢 =4
𝑢2 = ±2

□
Beipiel 4.37. Lösen Sie die folgende Gleichung

25 ln (𝑥 − 3) = 100

Lösung.

25 ln (𝑥 − 3) = 100
ln (𝑥 − 3) = 4
𝑒ln(𝑥−3) = 𝑒4
𝑥 − 3 = 𝑒4
𝑥 = 𝑒4 + 3 ≈ 57,598

71
Beipiel 4.38. Lösen Sie die folgenden Gleichungen:
1. 2 − ln (26) = ln (4𝑅 − 1) − ln (𝑅)
2. 𝑦log10 (𝑦) = 10000

5 + 2𝑥+1 = 10.
Lösung.
1.
2 − ln (26) = ln (4𝑅 − 1) − ln (𝑅)
2 = ln (26) + ln (4𝑅 − 1) − ln (𝑅)
( )
26(4𝑅 − 1)
2 = ln
𝑅
( )
2 ln 26(4𝑅−1)
𝑒 =𝑒 𝑅

26(4𝑅 − 1)
𝑒2 =
𝑅
𝑒2 𝑅 = 26(4𝑅 − 1)
𝑒2 𝑅 = 104𝑅 − 26
26 = 104𝑅 − 𝑒2 𝑅
26 = (104𝑅 − 𝑒2 )𝑅
26
=𝑅
104𝑅 − 𝑒2
𝑅 ≈ 0,2691

2. Die Gleichung kann man lösen, wenn man damit beginnt, auf beiden Seiten dekadische Lo-
garithmen zu nehmen:
𝑦log10 (𝑦) = 10000
( log (𝑦) )
log10 𝑦 10 = log10 (10000)
log10 (𝑦) ⋅ log10 (𝑦) = 4
( )
log10 (𝑦) )2 = 4
log10 (𝑦) = ±2
10log10 (𝑦) = 10±2
{
±2 100
𝑦 = 10 =
0,01

72
4.7.1 Beispiele zum Vorbereiten
Beipiel 4.39. Lösen Sie die Gleichung

25 𝑒5𝑡−2 = 1

Lösung:

Beipiel 4.40. Lösen Sie die Gleichung

4 log10 (𝑥) − 3 log10 (2𝑥) = 4

Lösung:

73
4.8 Weitere Beispiele zum Üben
Beipiel 4.41. Lösen Sie die Formel
2 +𝑎𝐾+𝑏 ( )
𝑒𝐾 = ln 𝐿2 (1 + 𝑝)−5

nach 𝐾, 𝑎, 𝑏, 𝐿 und nach 𝑝 auf.

Beipiel 4.42. Lösen Sie folgende Gleichungen:

(a) 9𝑥−1 = 27

(b) 2𝑥 + 3 ⋅ 2𝑥+1 = 28

(c) 2𝑥−7 = 32𝑥−4

√
(d) 10 = 2
𝑥

1 1
(e) 2 𝑥 −3 − 5 𝑥 +1 = 0

Beipiel 4.43. Lösen Sie folgende Gleichungen:

1
(a) log10 (𝑥) = log10 (81)
4
(b) log10 (50𝑥) − 2 log10 (3 − 𝑥) = 2 − log10 (2𝑥 + 3)

(c) log5 (𝑥 + 3) = 2
( ) ( )
(d) log2 𝑥2 + log2 𝑥3 = log2 (243)

Beipiel 4.44. Lösen Sie die Gleichung:

( )
ln (𝑥 + 1) − ln 𝑥2 + 5
= −1
ln (𝑥 + 2)
Beipiel 4.45. Lösen Sie die Gleichung:

𝑒𝑥 + 𝑒−𝑥 = 4

Beipiel 4.46. Bestimmen Sie die Lösungsmenge der Gleichung

( )
(log10 (𝑥) + 7)2 + 5(log10 (𝑥) + 7) = − log10 1042 𝑥6

74
 KAPITEL

EXPONENTIELLES WACHSTUM UND

ABKLINGEN

5.1 Modellierung und grundlegende Beispiele

Definition 5.1. Eine Größe 𝑢(𝑡) hänge von der „Zeit“𝑡 ab. Wir sagen: Die Größe 𝑢 erfüllt ein ex-
ponentielles Wachstumsgesetz, wenn gilt: In gleichen Zeitabständen wird 𝑢 mit demselben Faktor
multipliziert. Ist der Faktor größer als 1, so wächst die Größe u exponentiell. Ist er kleiner als 1, so
klingt sie exponentiell ab.

Beipiel 5.2. Ein Kapital von 100 000 Euro wurde im Jahr 2022 angelegt, sodass es jährlich mit 6%
verzinst wird. Wie vermehrt sich das Kapital in 2, 3, 4, … Jahren?

Lösung.
Jahr Kapital
2020 100 000
2021 1,06 ⋅ 100 000 = 106 000
2022 1,06 ⋅ 106 000 = 112 360 = 1,062 ⋅ 100 000
2023 1,06 ⋅ 112 360 = 119 101,6 = 1,063 ⋅ 100 000
2024 1,06 ⋅ 119 101,6 = 126 247,696 = 1,064 ⋅ 100 000
⋮ ⋮
𝑛
2020 + 𝑛 1,06 ⋅ 100 000
In jeweils 𝑛 Jahren vervielfältigt sich das Kapital um den Faktor 1,06𝑛 . □

75
Anmerkung 5.3. Eine zentrale und wichtige Eigenschaft des exponentiellen Wachstums ist, dass
die Vervielfältigung in gleichen Zeitabständen gleich bleibt. Bei unserem letzten Beispiel bedeutet
das:
112 360
2020 − 2022: = 1,1236
100 000
119 101,6
2021 − 2023: = 1,1236
106 000
126 247,696
2022 − 2024: = 1,1236
112 360

Anmerkung 5.4. Exponentielle Wachstums- und Zerfallsgesetze finden sich sehr verbreitet. Zum
Beispiel:
• Zinseszinsen, Inflation über Zeiträume, in denen sich die Bedingungen des Finanzmarktes
nicht wesentlich ändern.

• Wachstum kleiner Populationen, solange keine Ressourcenknappheit oder Übervölkerungs-

effekte das Wachstum einbremsen: Jedes Individuum hat pro Zeiteinheit im Durchschnitt eine
bestimmte Zahl Nachkommen.

• Radioaktiver Zerfall oder spontaner chemischer Zerfall eines Stoffes, soweit jedes Molekül
spontan und ohne Wechselwirkung mit anderen Molekülen zerfällt (Reaktion erster Ord-
nung).
Fakt 5.5. Wenn eine Größe 𝑢(𝑡) in Abhängigkeit von der Zeit 𝑡 exponentiell wächst oder abklingt,
so gilt mit geeigneten Zahlen 𝐶 und 𝑘 das Exponentialgesetz

𝑢(𝑡) = 𝑐 𝑒𝑘𝑡 .

Dabei gilt:
• 𝐶 = 𝑢(0) der Wert von 𝑢 zum Zeitpunkt 𝑡 = 0.

• Der Parameter 𝑘 bestimmt, ob und wie stark 𝑢 wächst.

• Die Größe 𝑢 wächst, wenn 𝑘 > 0 und sie fällt, wenn 𝑘 < 0.
Beipiel 5.6. Die Biomasse 𝐵(𝑡) (in Gramm) einer Bakterienkultur am Tag 𝑡 folgt einem exponen-
tiellen Wachstumsgesetz:

𝐵(𝑡) = 4 𝑒0,25 𝑡

1. Wie groß war die Biomasse am Tag 𝑡 = 0, als die Kultur angelegt wurde?

2. Wie groß wird die Biomasse am Tag 𝑡 = 8 sein?

3. Um welchen Faktor vervielfacht sich die Biomasse in 6 Tagen?

76
 4. In wie vielen Tagen verdoppelt sich die Biomasse?

Lösung. Wir stellen klar: In dieser Formel bedeutet 𝑡 die Zeit in Tagen, und 𝐵 die Biomasse. Der
Ausdruck 𝐵(𝑡) drückt aus, dass die Biomasse vom Zeitpunkt 𝑡 abhängt.

1. Wir setzen einfach den Tag 𝑡 = 0 in die Formel ein:

𝐵(0) = 4 𝑒0,25⋅0 = 4 𝑒0 = 4

Am Tag 𝑡 = 0 betrug die Biomasse 4 Gramm.

2. Ebenso für den achten Tag 𝑡 = 8:

𝐵(8) = 4 𝑒0,25⋅8 = 4 ⋅ 𝑒2 ≈ 29,56 g

Also beträgt am Tag 𝑡 = 8 die Biomasse 29,56 Gramm.

3. Innerhalb von 6 Tagen vervielfacht sich (unabhängig von welchen 6 Tagen) die Biomasse um
einen konstanten Faktor. Wir rechnen nach, um welchen Faktor sich die Biomasse von Tag
0 auf Tag 6 vervielfacht hat, indem wir die Tage 𝑡 = 6 und 𝑡 = 0 in die Exponentialformel
einsetzen und die beiden Biomassen dividieren:
𝐵(6) 4𝑒0,25⋅6 4𝑒1,5
= = = 𝑒1,5 ≈ 4,4817.
𝐵(0) 4𝑒0,25⋅0 4
In 6 Tagen vervielfacht sich die Biomasse um den Faktor 4,4817.

4. An welchem Tag hat sich die Biomasse seit ihrer Anlage verdoppelt? Wir benennen diesen
Zeitpunkt mit 𝑡2 . Der folgende Ansatz sagt aus, dass die Biomasse zum Zeitpunkt 𝑡2 doppelt
so groß ist wie zum Zeitpunkt 𝑡0 .

𝐵(𝑡2 )
=2
𝐵(0)
Wir setzen jetzt für 𝐵(𝑡2 ) und 𝐵(0) in die Formel ein und erhalten eine Gleichung, die wir
nach 𝑡2 auflösen:

4𝑒0,25 𝑡2
=2
4𝑒0,25⋅0
𝑒0,25 𝑡2
=2
𝑒0,25⋅0
𝑒0,25 𝑡2 =2 jede Zahl hoch 0 ist 1
0,25 𝑡2 = ln (2)
𝑡2 = 4 ln (2) ≈ 2,7726

Die Verdoppelungszeit beträgt ungefähr 2,8 Tage.

77
 □

Definition 5.7. Eine Größe 𝑢(𝑡) entwickle sich nach einem exponentiellen Wachstumsgesetz. Wenn
die Größe exponentiell wächst, so ist die Verdoppelungszeit jene Zeit, in der sich die Größe ver-
doppelt. Wenn die Größe exponentiell abklingt, so ist die Halbwertszeit jene Zeit, in der sich die
Größe halbiert.

Anmerkung 5.8. Wenn sich eine Größe 𝑢 nach einem Exponentialgesetz

𝑢(𝑡) = 𝐶𝑒𝑘𝑡

entwickelt, dann hängen Halbwertszeit und Verdoppelungszeit nur vom Parameter 𝑘 ab. Der Faktor
𝐶 kürzt sich aus allen Rechnungen, die die Halbwertszeit und Verdoppelungszeit betreffen.

Beipiel 5.9. Das radioaktive Kohlenstoffisotop 𝐶 14 hat eine Halbwertszeit von ungefähr 5600 Jah-
ren. Ein bestimmter Anteil der Kohlenstoffatome im 𝐶𝑂2 der Atmosphäre besteht aus 𝐶 14 . Entspre-
chend ist auch der gleiche Anteil von 𝐶 14 im Kohlenstoff der pflanzlichen Biomasse zu finden. Da
die Pflanze regelmäßig Kohlenstoff aus der Atmosphäre aufnimmt, passt sich der 𝐶 14 -Anteil in der
Pflanze dem Anteil in der Atmosphäre an. In einem toten Pflanzenstück kann 𝐶 14 zerfallen, ohne
ersetzt zu werden. Der Anteil von 𝐶 14 im Kohlenstoff eines Fossils sinkt daher unter den Anteil in
der Atmosphäre.
Der 𝐶 14 -Anteil in einem Fossil sei ungefähr ein Zehntel des Anteils in der Atmosphäre. Wie alt ist
das Fossil?

Lösung. Für den 𝐶 14 -Anteil 𝑢(𝑡) in einem abgestorbenen Pflanzenstuck zur Zeit 𝑡 (in Jahren) gilt
ein Exponentialgesetz

𝑢(𝑡) = 𝐶𝑒𝑘𝑡 .

Der Parameter 𝑘 lässt sich aus der Halbwertszeit berechnen: Wir setzen an, dass sich in 5600 Jahren
der 𝐶 14 -Anteil halbiert.
𝑢(5600) 1
=
𝑢(0) 2
5600𝑘
𝐶𝑒 1
0𝑘
=
𝐶𝑒 2
1
𝑒5600𝑘 =
2 ( )
1
5600𝑘 = − ln (2) (= ln )
2
ln (2)
𝑘=−
5600
Beachten Sie, dass es insbesondere für Zahlen im Exponenten gefährlich ist zu runden, da dabei
der Rundungsfehler sehr schnell signifikant wird.

78
Nun berechnen wir die Zeit 𝑡, die der radioaktiven Zerfall braucht, damit der Kohlenstoffanteil auf
ein Zehntel sinkt:
𝑢(𝑡) 1
=
𝑢(0) 10
𝐶𝑒𝑘𝑡 1
=
𝐶𝑒0𝑘 10
1
𝑒𝑘𝑡 =
10
𝑘𝑡 = − ln (10)
ln (10) ln (10) 𝑒𝑙𝑜𝑔10
𝑡=− = − ln(2) = 5600 ≈ 18602
𝑘 − ln (2)
5600

Das Fossil ist ungefähr 18000 Jahre alt. □

5.2 Beispiele zum Vorbereiten

Beipiel 5.10. Ein radioaktives Isotop zerfällt mit einer Halbwertszeit von 6 Minuten. Sei 𝑚(𝑡) die
Masse (in Gramm) des Isotops, die zum Zeitpunkt 𝑡 (in Minuten) vorhanden ist. Es gilt das Expo-
nentialgesetz
𝑚(𝑡) = 𝐶𝑒𝑘𝑡
• Bestimmen Sie 𝑘.
• Zum Zeitpunkt 𝑡 = 0 sind 10 g des Isotops vorhanden. Bestimmen Sie 𝐶.
Lösung:

79
5.3 Zwei aufwendigere Beispiele
Im folgenden Beispiel wird gezeigt wie die in den letzten drei Kapiteln kennengelernte Methoden
verknüpft werden können um komplexe, biologische Vorgänge zu beschreiben.

Beipiel 5.11. Einem Försterteam kann in einer Forstkampagne 10 ha Wald pflanzen. Dabei nehmen
wir an dass die Dauer der Kampagne so kurz ist, dass Sie für weitere Betrachtungen nicht ins
Gewicht fällt. Weiter nehmen wir an, dass Sie immer nur 1 Mal im Jahr (z.B. immer im Frühling)
durchgeführt werden kann. Zuletzt gehen wir davon aus, dass vor der ersten Forstkampagne kein
Wald vorhanden ist.

1. Angenommen der Wald wächst nicht von alleine weiter, wie viele Jahre muss die Forstkam-
pagne durchgeführt werden damit 640 ha Wald bepflanzt werden?

2. Angenommen der Wald wächst um 2% jährlich wie lange muss der Förster warten damit der
Wald nach einer einmaligen Kampagne auf die gewünschten 640 ha anwächst?

3. Wie viele jährliche Kampagnen müssen durchgeführt werden, wenn ein jährliches Wald-
wachstum von 2% angenommen wird?

Lösung. 1. Der Wald wächst um einen festen Wert (10 ha) pro Kampagne an. Damit handelt
es sich um lineares Wachstum bezüglich der Kampagnenanzahl 𝑛. Das Gesetz für den Wald-
wachstum ist also

𝐹𝑛 = 𝐹0 + 𝑛 ⋅ 𝑎

mit 𝐹0 = 0, 𝑎 = 10 ha und 𝐹𝑛 = 640 ha. Damit ergibt sich für die Anzahl der Kampagnen die
Gleichung 640 = 10 ⋅ 𝑛, oder 𝑛 = 64. Die Kampagne muss also 64 Mal durchgeführt werden.
Beachten Sie dass also die gewünschte Fläche nach 63 Jahren nach der ersten Kampagne
erreicht wird. Wenn wir also das Gesetz für Waldwachstum so ansetzen, dass 𝑛 für die Anzahl
der Jahre ab ersten Kampagne steht, dann ist 𝐹0 mit 10 𝑎𝑡ℎ𝑟𝑚ℎ𝑎 anzusetzen. Womit aus dem
gleich aussehenden Gesetz 𝐹𝑛 = 𝐹0 + 𝑛 ⋅ 𝑎 die Gleichung 640 = 10 + 𝑛 ⋅ 10 für die Anzahl
der Jahre folgt. Diese hat die schon erwähnte Lösung 𝑛 = 63.
Dieses Beispiel verdeutlicht, warum es immer notwendig ist neben dem Wachstumsgesetz
die Bedeutung der Symbole in diesem mitanzugeben.

2. Der Wald wächst um einen festen Faktor (2%) pro Jahr an. Damit handelt es sich um expo-
nentielles Wachstum. Das Wachstumsgesetz lautet also

𝐹𝑛 = 𝐹0 ⋅ (1 + 𝑎)𝑛 .

Die Startfläche 𝐹0 ist nun die Fläche die in einer Forstkampagne gepflanzt wird, d.h. 10ℎ𝑎,
𝑎 = 2% = 0.02 und wieder 𝐹𝑛 = 640 ha. Damit ergibt sich die Gleichung 640 = 10 ⋅ 1.02𝑛 ,
welche die Lösung 𝑛 = ln(1,02)
ln(64)
≈ 210 hat. Der Förster muss ca. 210 Jahre warten.

80
3. Für diese Aufgabe werden wir ein neues Wachstumsgesetz herleiten müssen. Die spannende
Frage dabei ist ob das gleichzeitige Zupflanzen und die natürliche Flächenvergrößerung ins-
gesamt ein Waldwachstum ergeben dass noch schneller als exponentiell ist? Grundsätzlich
wissen wir aus den Überlegungen im ersten Teil, dass höchstens 64 Kampagnen durchge-
führt werden müssen. Wir gucken uns zur besseren Übersicht zuerst das Waldwachstum für
die ersten Jahre an. Direkt nach der ersten Kampagne ist die Waldfläche

𝐹0 = 10.

Nach einem Jahr ist diese Fläche um 2% gewachsen und zusätzlich kommen 10 ha Neupflan-
zung dazu, insgesamt gilt also

𝐹1 = 10 ⋅ 1,02 + 10 = 10 ⋅ (1,02 + 1).

Nach zwei Jahren hat sich die gesamte Vorjahresfläche um 2% erhöht und es sind wieder
10 ha dazugekommen, d.h.

𝐹2 = 10 ⋅ 𝐹1 ⋅ 1,02 + 10 = 10 ⋅ (1,022 + 1,02 + 1).

Ähnlich nach 3 Jahren

𝐹3 = 10 ⋅ 𝐹2 ⋅ 1,02 + 10 = 10 ⋅ (1,023 + 1,022 + 1,02 + 1).

Wir fühlen uns sicher genug das folgende allgemeine Gesetz zu fordern

𝐹𝑛 = 𝐹𝑛−1 ⋅ (1 + 𝑎) + 𝐹0

Der letzte Term „+𝐹0 “ist also der Unterschied zu einem exponentiellen Wachstum. Gleich-
zeitig muss nach der Betrachtung des auftretenden Musters auf der rechten Seite der Flächen
𝐹0 , 𝐹1 , 𝐹2 , 𝐹3 gelten:

[ ]
𝐹𝑛 = 𝐹0 (1 + 𝑎)𝑛 + (1 + 𝑎)𝑛−1 + (1 + 𝑎)2 + (1 + 𝑎) + 1 .

Können wir für die Summe in der eckigen Klammer auch einen einfacheren Ausdruck finden?

81
 Nebenrechnung: Geometrische Reihe
Nachdenken über dieses Problem liefert, dass eine ähnliche Summe mit einem Term der
die nächsthöhere Potenz enthält sich auf zwei Arten schreiben lässt:

1 ∶ 𝑞 𝑛+1 + 𝑞 𝑛 + 𝑞 𝑛−1 + ⋯ + 𝑞 2 + 𝑞 + 1 = 𝑞 ⋅ (𝑞 𝑛 + 𝑞 𝑛−1 + ⋯ + 𝑞 2 + 𝑞 + 1) + 1

2 ∶ 𝑞 𝑛+1 + 𝑞 𝑛 + 𝑞 𝑛−1 + ⋯ + 𝑞 2 + 𝑞 + 1 = 𝑞 𝑛+1 + (𝑞 𝑛 + 𝑞 𝑛−1 + ⋯ + 𝑞 2 + 𝑞 + 1)

anders geschrieben

𝑞 ⋅ (𝑞 𝑛 + 𝑞 𝑛−1 + ⋯ + 𝑞 2 + 𝑞 + 1) + 1 = 𝑞 𝑛+1 + (𝑞 𝑛 + 𝑞 𝑛−1 + ⋯ + 𝑞 2 + 𝑞 + 1)

damit es übersichtlicher ist schreiben wir 𝑄 = 𝑞 𝑛 + 𝑞 𝑛−1 + ⋯ + 𝑞 2 + 𝑞 + 1, womit wir die

gleiche Gleichung erhalten, die wir dann einfach auf 𝑄 umformen können:

𝑞 ⋅ 𝑄 + 1 = 𝑞 𝑛+1 + 𝑄
𝑞 ⋅ 𝑄 − 𝑄 = 𝑞 𝑛+1 − 1
𝑄 ⋅ (𝑞 − 1) = 𝑞 𝑛+1 − 1
𝑞 𝑛+1 − 1
𝑄=
𝑞−1
𝑄 zurück eingesetzt erhalten wir:

𝑞 𝑛+1 − 1
𝑞 𝑛 + 𝑞 𝑛−1 + ⋯ + 𝑞 2 + 𝑞 + 1 =
𝑞−1

Wir können mit dieser Nebenrechnung unsere Reihe lösen, mit 𝑞 = 𝑎 + 1. Damit erhalten wir

(1 + 𝑎)𝑛+1 − 1 𝐹0 [ ]
𝐹𝑛 = 𝐹0 = (1 + 𝑎)𝑛+1 − 1 .
(1 + 𝑎) − 1 𝑎

Wie erwartet wächst der Wald nicht genau exponentiell. Andererseits sehen wir, dass der
Wald pro Jahr trotzdem um etwa den Faktor (1 + 𝑎) zuwächst. Damit ist das Wachstum für
große 𝑛 also „im Wesentlichen“exponentiell allerdings bezogen auf die Startgröße 𝐹0 ∕𝑎.
Nach diesen Überlegungen sind wir bereit die Frage der Teilaufgabe zu beantworten. Wenn
𝑛 die Zahl der Jahre nach der ersten Kampagne ist dann müssen wir die Gleichung

10
640 = (1,02𝑛+1 − 1)
0,02

82
 lösen.

640 = 500(1,02𝑛+1 − 1)
1,28 = 1,02𝑛+1 − 1
2,28 = 1,02𝑛+1
ln (2,28) = (𝑛 + 1) ln (1,02)
ln (2,28)
−1=𝑛
ln (1,02)
𝑛 ≈ 40,6

Also ist 𝑛 ≈ 40,6. Damit erreicht der Wald 40,6 Jahre nach der ersten Kampagne die ge-
wünschte Größe. Wir können also die in der Aufgabe gestellte Frage so beantworten:
Es sind 41 Kampagnen nötig. Der Wald erreicht vor der Durchführung der 42-sten Kampagne
die gewünschte Größe.
□

Beipiel 5.12. Fibonacci-Folge

Eine Kaninchenzucht wachse nach folgenden drei Gesetzen:

1. Ein geschlechtsreifes Kaninchenpaar wirft pro Monat genau ein neues Paar an Kaninchen
(stets Männchen + Weibchen).

2. Ein neues Kaninchenpaar braucht zwei Monate zur Geschlechtsreife.

3. Über keinen anderen Weg kommen Kaninchen dazu oder weg.

Betrachte die Entwicklung der Zucht unter der Annahme dass diese mit einem neuen Kaninchenpaar
startet.

Lösung. Natürlich vermuten wir, dass das Wachstum exponentiell ist. Zu Beginn der Zucht (Mo-
nat 1) besteht die Zucht aus 1 Pärchen. Nach einem Monat (Monat 2) ist das Pärchen noch nicht
geschlechtsreif, damit ist die Zucht weiter 1 Pärchen groß. Nach zwei Monaten (Monat 3) wirft
das Pärchen ein neues Pärchen, die Zucht besteht aus zwei Pärchen. Nach drei Monaten haben wir
ein geschlechtsreifes Pärchen, welches ein neues Pärchen wirft; und das im letzten Monate gebo-
rene Pärchen welches nun 1 Monat alt ist; insgesamt also 3 Pärchen. Nach vier Monaten haben
wir zwei geschlechtsreife Pärchen, und damit zwei neue Pärchen, und ein ein Monat altes Pärchen,
insgesamt also 5 Pärchen. Die Sache wird schnell unübersichtlich deswegen tragen wir ab jetzt die
Entwicklung bis Monat 11 in einer Tabelle zusammen:

83
 Monat 1 2 3 4 5 6 7 8 9 10 11
Alter 0 1 1 1 2 3 5 8 13 21 34
Alter 1 1 1 1 2 3 5 8 13 21
Alter 2 1 1 1 2 3 5 8 13
Alter 3 1 1 1 2 3 5 8
Alter 4 1 1 1 2 3 5
Alter 5 1 1 1 2 3
Alter 6 1 1 1 2
Alter 7 1 1 1
Alter 8 1 1
Alter 9 1
Alter 10 1
Zucht 1 1 2 3 5 8 13 21 34 55 89
Damit ergibt sich also folgende Entwicklung der Zuchtgröße in Pärchen:
𝑛 (Monat) 1 2 3 4 5 6 7 8 9 10 11
𝐹𝑛 (Zuchtpärchen) 1 1 2 3 5 8 13 21 34 55 89
Falls die Entwicklung der Kaninchen einem exponentiellen Wachstum gehorcht dann muss 𝐹𝑛+1 ∕𝐹𝑛
ein fester Wert sein

𝑛 1 2 3 4 5 6 7 8 9 10 11
𝐹𝑛+1 ∕𝐹𝑛 1,000 2,000 1,500 1,667 1,600 1,625 1,616 1,619 1,618 1,618 1,618
Wir erkennen also dass der Wert sich nach anfänglichem Schwanken auf etwa den Wert 1,618 ein-
zupendeln scheint. Unglücklicherweise bedeutet die anfängliche Schwankung dass das Wachstum
nicht exakt exponentiell ist. Andererseits, vermuten wir aufgrund des „Einpendelns“dass ein unge-
fähr exponentielles Wachstum vorliegt.
Um das exakte Wachstumsgesetz zu ermitteln müssen wir also nochmals in die Tabelle reingucken.
Betrachten wir zum Beispiel die Spalte für Monat 11, dann sehen wir dass der Teil, welcher die
Kaninchen im Alter 2-10 Monaten beschreibt genau die Spalte für Monat 9 ist (vgl. rote Zahlen im
Monat 9 und 11). Damit ist also nicht verwunderlich dass die Anzahl der neuen Pärchen im Monat
11 genau der Anzahl der Pärchen insgesamt im Monat 9 ist (vgl. magenta Zahlen im Monat 9 und
11). Weiter, durch Betrachten der roten der blauen Zahlen im Monat 11 und Monat 10 sehen wir
dass die Population im Alter 1-10 im Monat 11 genau die volle Population im Monat 9 ist. Da aber
die gesamte Population im Monat 11 aus der Pärchen im Alter 0 und der Pärchen im Alter 1-10
besteht folgt insgesamt dass:

𝐹10 = 𝐹9 + 𝐹8

Genaueres betrachten der Tabelle liefert dass dieses Gesetz analog für alle Monate ab Monat 3 gilt
und auch für alle nachfolgenden Monate gelten wird. Insgesamt

𝐹𝑛 = 𝐹𝑛−1 + 𝐹𝑛−2

84
und zusätzlich wissen wir, dass

𝐹1 = 1; 𝐹2 = 1

Falls exponentielles Wachstum für 𝐹𝑛 so mussten wir Zahlen 𝐶 und 𝑎 finden, so dass

𝐹𝑛 = 𝐶 ⋅ 𝑎𝑛

gilt.
Offensichtlich liefert das Ansetzen dieser Formel auf die Bedingungen 𝐹1 = 1 und F2 = 1, dass
𝐶 = 1 und 𝑎 = 1 und damit 𝐹𝑛 = 1 was nicht unserem Wachstum entspricht. Das, das so nicht
klappen konnte war aber klar, denn wir haben ja schon festgestellt dass am Anfang die Zucht nicht
exponentiell ist.
Wir nutzen daher alleine das Gesetzt für größere 𝑛 also 𝐹𝑛 = 𝐹𝑛−1 + 𝐹𝑛−2 und versuchen das mit
dem Prototyp 𝐹𝑛 = 𝐶 ⋅ 𝑎𝑛 in Einklang zu kriegen. Einsetzen der Formeln ineinander liefert

𝐶 ⋅ 𝑎𝑛 = 𝐶 ⋅ 𝑎𝑛−1 + 𝐶 ⋅ 𝑎𝑛−2

nach Teilen durch 𝐶 ⋅ 𝑎𝑛−2 erhalten wir die Gleichung

𝑎2 = 𝑎 + 1.

Das ist nun eine wunderschöne quadratische Gleichung und die können wir lösen. Die Gleichung
liefert zwei Lösungen für den Parameter 𝑎, und zwar
√ √
1+ 5 1− 5
𝑎1 = 𝑎2 = .
2 2
Das heißt wir suchen ein 𝐶1 so, dass 𝐹𝑛 = 𝐶1 𝑎𝑛1 oder wir suchen ein 𝐶2 so, dass 𝐹𝑛 = 𝐶2 𝑎𝑛2 . Welche
Lösung ist nun die richtige? Leider existiert aber sowohl kein 𝐶1 wie auch kein 𝐶2 so dass beide
Bedingungen 𝐹1 = 1 und 𝐹2 = 1 gleichzeitig erfüllt sind. Damit reicht also eine Lösung alleine
nicht um unser Problem zu lösen.
In unserer Verzweiflung setzen wir einfach 𝐹𝑛 als die Summe der beiden Teilansätze an, d.h.

𝐹𝑛 = 𝐶1 𝑎𝑛1 + 𝐶2 𝑎𝑛2 .

Wenn wir diese Formel in die Bedingung 𝐹1 = 1 einsetzen so erhalten wir

√ √
1+ 5 1− 5
1 = 𝐹1 = 𝐶1 + 𝐶2
2 2
analog, aus 𝐹 − 2 = 1 erhalten wir
( √ )2 ( √ )2
1+ 5 1− 5
1 = 𝐶1 + 𝐶2
2 2

85
Durch Einsetzen kann überprüft werden, dass die Werte

1
𝐶1 =
𝑎1 − 𝑎2
1
𝐶2 = −
𝑎1 − 𝑎2

die Gleichungen lösen.

Damit haben wir insgesamt die Formel
( √ )𝑛 ( √ )𝑛
𝑎𝑛1 − 𝑎𝑛21 1+ 5 1 1 − 5
𝐹𝑛 = =√ −√
𝑎1 − 𝑎2 5 2 5 2
√
Da der Absolutbetrag des Werts 1− 5
≈ −0,618 kleiner als 1 ist, wissen wir
2 ( √ )
dass die Entwicklung
𝑛
von 𝐹𝑛 für große 𝑛 von dem Term √1 1+2 5 bestimmt wird. Das heißt für große 𝑛 ist
5

( √ )𝑛
1 1+ 5
𝐹𝑛 ≈ √ ≈ 0,447 ⋅ 1,618𝑛 .
5 2

Damit ist auch letztendlich der Fakt, dass 𝐹𝑛+1 ∕𝐹𝑛 sich dem Wert 1,618 für große 𝑛 nähert erklärt.
Die Zahlen 𝐹𝑛 heißen Fibonacci Zahlen. □

5.4 Weitere Beispiele zum Üben

Beipiel 5.13. Im Jahre 0 hat Mandy Cohen (Brian’s Mutter in The life of Brian) für ihren Sohn
Brian ein Sparbuch bei der Bank NeverKonkurso eröffnet, sie hatte nur einen Cent (= 0,01 Euro)
darauf einbezahlt und zu einem effektiven Fixzins1 von 4% veranlagt.
Unglücklicherweise hat sie das Sparbuch verloren! Heute 2022 Jahre später finden Sie das Sparbuch
und gehen zur Bank NeverKonkurso um es einzulösen.

• Berechnen Sie wie viel Euro Sie für das Sparbuch ausbezahlt bekommen würden.

• Ohne das Ergebnis der vorherigen Aufgabe zu spoilern: Wenn eine Unze Gold 1700 Euro
kostet2 , eine Unze 31,1034768 g wiegt, und die gesamte Erde 5,9722 ⋅ 1024 kg wiegt. Wie
viele Erden aus purem Gold müsste die Bank Ihnen ausbezahlen?

Beipiel 5.14. Im Jahr 1967 wurden bei Nowaja Semlja zahlreiche Fässer mit Atommüll aus einem
sowjetischen Kernreaktor in die Barentssee gekippt. Eines der Fässer enthielt unter anderem 200 kg
des Plutonium-Isotops Pu2 42, das eine Halbwertszeit von 380 000 Jahren hat.
1 effektiv meint hierbei, dass keine weiteren Kontogebühren und Steuern anfallen.
2 ca. Stand 2022

86
 1. Durch welches Gesetz mit zwei Parametern 𝐶 und 𝑘 ist die zu einem Zeitpunkt 𝑡 im betref-
fenden Fass jeweils vorhandene Menge des Isotops bestimmt?

2. Bestimmen Sie den Wert von 𝐶 und berechnen Sie 𝑘.

3. Wie viele Kilogramm Pu2 42 befanden sich im Vorjahr (2002) noch in diesem Fass?

Beipiel 5.15. In einem Experiment wurde eine Bakterienpopulation angesetzt, die sich in einer
bestimmten Nährlösung alle 110 Minuten verdoppelt. Gegenwärtig besteht die Population aus etwa
100 000 Individuen.

1. Durch welches Gesetz mit zwei Parametern 𝐶 und 𝑘 lässt sich die zu einem Zeitpunkt 𝑡 jeweils
vorhandene Anzahl von Individuen bestimmen?

2. Bestimmen Sie den Wert von 𝐶 und berechnen Sie 𝑘.

3. Welche Größe hatte die Population, mit der das Experiment vor 11 Stunden gestartet worden
war?

Beipiel 5.16. In einem fossilen Pflanzenstück betrage der 𝐶 1 4-Anteil 6% des Anteils, der an leben-
den Exemplaren beobachtet wird. Wie alt ist das Fossil? (Halbwertszeit von 𝐶 1 4 ca. 5600 Jahre).

Beipiel 5.17. Eine Bakterienkolonie wächst exponentiell um 30% in 10 Stunden, wie lange braucht
Sie um um 50% zu wachsen?

Beipiel 5.18. Bakterienkolonie wächst exponentiell. Heute um 19:00 betrug die Anzahl der Bakte-
rien 10.000 Stück. Die Population wächst exponentiell um 10% in 70 min. Welche Population war
heute um 8:00 gegeben?

Beipiel 5.19. Im Verlauf eines Experiments vermindere sich die Masse 𝑀(𝑡) eines Isotops aus-
schließlich durch radioaktiven Zerfall. Vom Isotop sind nach 10 Sekunden nach Beginn des Expe-
riments bereits 10 Prozent zerfallen.

1. Berechnen Sie die Konstante 𝑘 im Zerfallsgesetz 𝑀(𝑡) = 𝐶𝑒𝑘𝑡 .

2. Zu welchem Zeitpunkt ist nur noch ein Zehntel der zu Beginn vorhandenen Masse übrig.

3. Berechnen Sie die Halbwertszeit des Isotops.

Beipiel 5.20. Messprotokoll einer Bakterienkultur:

Uhrzeit 10:00 12:00

Masse [kg] 10 11

Angenommen die Masse gehorcht dem Wachstumsgesetz 𝑀(𝑡) = 𝐶𝑒𝑘𝑡 (𝑡 ist Zeit in Stunden ge-
messen):

1. Berechnen Sie die Konstante 𝑘 im Wachstumsgesetz.

87
 2. Berechnen Sie die Verdoppelungszeit der Bakterienkultur.

3. Das Experiment begann um 8:00 Uhr. Um wie viel Uhr ist die zu Beginn vorhandene Masse
um 10% gewachsen?

Beipiel 5.21. Das Wachstum einer Bakterienkultur verdreifacht sich in 40,4 Stunden. Acht Tage
nach Beginn des Experiments sind 2 ⋅ 104 Bakterien in der Kultur.
Bestimmen Sie ein Exponentialgesetz der Form 𝑓 (𝑡) = 𝐵0 𝑒𝜆 𝑡 welches das Wachstum der Bakterien
beschreibt. Dabei soll 𝐵0 die Anfangsmenge (zu Beginn des Experiments) der Bakterien sein. Wie
lange dauert es bis 2 000 000 Bakterien in der Kultur sein werden?

88
 KAPITEL

LINEARE REGRESSION

Anmerkung. In diesem Kapitel wollen wir Messpunkte durch Geraden approximieren. In einer 𝑥,𝑦-
Ebene wird eine Solche durch eine Gleichung der Form

𝑦 = 𝑘𝑥 + 𝑑

beschrieben.
Eine Gerade zeichnet man, indem man zwei Punkte festlegt. Zu Punkten auf der Geraden kann man
auf mehrere Arten gelangen:
• Zu jedem Wert von 𝑥 erhält man den passenden Wert von 𝑦, indem man in die Geradenglei-
chung 𝑦 − 𝑘𝑥 + 𝑑 einsetzt.

• Befindet sich 𝑥 = 0 (also die 𝑦-Achse) auf dem Bild, erhält man insbesondere sofort den
Punkt 𝑥 = 0, 𝑦 = 𝑑.

• Hat man einen Punkt (𝑥,𝑦) der Geraden gegeben, kann man mit Hilfe von 𝑘 einen zweiten
Punkt erhalten, indem man von 𝑥 weitere ℎ Einheiten nach rechts aufträgt, und in senkrechter
Richtung von 𝑦 weitere 𝑘⋅ℎ Einheiten senkrecht aufträgt. (Die Strecke ℎ kann man sich dabei
so aussuchen, dass die Zeichnung ausreichend groß und genau ausfällt).

6.1 Die Methode der kleinsten Quadrate

Typischerweise hat man in der Biologie Daten, die nicht exakt zu einer mathematischen Formel
passen. Trotzdem wird gar nicht selten der wesentliche Zusammenhang zwischen zwei Größen

89
durch eine Geradengleichung (oder auch eine komplexere Formel) treffend wiedergegeben. Wir
sprechen von einem mathematischen Modell, welches die Wirklichkeit zwar nicht exakt abbildet,
aber trotzdem wesentliche Aspekte gut darstellt.
Wenn ein Datensatz von Punkten (𝑥1 ,𝑦1 ), ⋯ ,(𝑥𝑛 ,𝑦𝑛 ) gegeben ist, kann man eine Gerade anpassen,
indem man die Parameter 𝑘 und 𝑑 so geschickt wählt, dass die Gerade möglichst gut zu den Punkten
passt. Man spricht von Parameteranpassung. Weil aber die Daten normalerweise nicht exakt auf
einer Geraden leben, muss auch die beste Anpassung mit einem gewissen Fehler auskommen. Ein
Maß für den Anpassungsfehler ist der quadratische Fehler:

Definition 6.1. An einen Datensatz(𝑥1 ,𝑦1 ), ⋯ ,(𝑥𝑛 ,𝑦𝑛 ) soll eine Gerade 𝑦 = 𝑘𝑥 + 𝑑 angepasst wer-
den. Der quadratische Fehler wird folgendermaßen definiert:

• An jedem Datenpunkt errechnet sich der Einzelfehler als die Differenz des Wertes 𝑦𝑖 aus dem
Datensatz und des Wertes 𝑦̂𝑖 = 𝑘𝑥𝑖 + 𝑑, den die Gerade vorhersagt:

𝑒1 = 𝑦𝑖 − 𝑦̂𝑖 mit 𝑦̂𝑖 = 𝑘𝑥𝑖 + 𝑑

• Der quadratische Fehler ist die Quadratsumme der Einzelfehler.

𝐸 = 𝑒21 + ⋯ + 𝑒2𝑛

Die Methode der kleinsten Quadrate bestimmt jene Parameter 𝑘, 𝑑, für die der quadratische Fehler
am kleinsten ausfällt.
Wird eine Gerade nach der Methode der kleinsten Quadrate an Datenpunkte angepasst, spricht man
von der Regressionsgeraden.

(𝑥5 ,𝑦5 )
𝑦 𝑒5

𝑦̂5
(𝑥3 ,𝑦3 ) 𝑦̂4
𝑒3
(𝑥1 ,𝑦1 )
𝑒4
𝑦̂2 𝑦̂3
𝑒1
𝑒2 (𝑥4 ,𝑦4 )
𝑦̂1
(𝑥2 ,𝑦2 )

Abbildung 6.1: Einzelfehler bei Anpassung einer Gerade

90
 Den quadratischen Fehler und die Methode der kleinsten Quadrate gibt es natürlich auch für
kompliziertere Modelle als nur die Gerade. Komplexere Modelle passt man mit Hilfe von Compu-
terprogrammen an. Für die Gerade lernen wir dagegen ein Verfahren kennen, das mit Bleistift und
Papier nachgerechnet werden kann.

6.2 Berechnung der Regressionsgeraden

Alorithmus 6.2. Gegeben sei ein Satz von 𝑛 Datenpunkten:
𝑥 𝑥1 𝑥2 … 𝑥𝑛
𝑦 𝑦1 𝑦2 … 𝑦𝑛
Zu bestimmen sind Parameter 𝑘, 𝑑, für welche die Gerade 𝑘𝑥 + 𝑑 die Datenpunkte am besten
wiedergibt. Nach der Methode der kleinsten Quadrate sind folgende Schritte durchzuführen:
1. Erstellen Sie eine Tabelle mit den Werten 𝑖, 𝑥𝑖 , 𝑦𝑖 , 𝑥2𝑖 , 𝑥𝑖 𝑦𝑖 und bestimmen Sie den Wert von
𝑛.

2. Summieren Sie die Spalten der Tabelle und dividieren Sie durch den Stichprobenumfang 𝑛:
1( )
𝑥= 𝑥1 + ⋯ + 𝑥𝑛 ,
𝑛
1( )
𝑦= 𝑦1 + ⋯ + 𝑦𝑛 ,
𝑛
1( 2 )
𝑆𝑥𝑥 = 𝑥1 + ⋯ + 𝑥2𝑛 ,
𝑛
1( )
𝑆𝑥𝑦 = 𝑥1 𝑦1 + ⋯ + 𝑥𝑛 𝑦𝑛 .
𝑛

Beachten Sie, 𝑥 und 𝑦 sind die Mittelwerte von 𝑥 und 𝑦.

3. Die Parameter der Regressionsgerade bekommt man dann durch:

𝑆𝑥𝑦 − 𝑥 ⋅ 𝑦
𝑘=
𝑆𝑥𝑥 − 𝑥 ⋅ 𝑥
𝑑 = 𝑦 − 𝑘𝑥

Beipiel 6.3. Berechnen Sie die Regressionsgerade der Daten

𝑥 0 1 2 3 4
𝑦 1 1 2 6 5
Lösung. Wir führen der Algorithmus 6.2 Schritt für Schritt aus (wenn Sie fortgeschritten sind,
könnnen Sie natürlich mehrere Schritte auf einmal lösen):
1. Wir erstellen eine Tabelle mit den Datenpunkten:

91
 Index 𝑖 𝑥 𝑦 𝑥2 𝑥𝑦
1 0 1
2 1 1
3 2 2
4 3 6
𝑛=5 4 5
Summe
durch 5

2. Nun können wir die Werte der Spalten berechnen, dann die Summen der Spalten bilden und
schließlich erhalten wir die Mittelwerte indem wir durch 𝑛 = 5 dividieren:

Index 𝑖 𝑥 𝑦 𝑥2 𝑥𝑦
1 0 1 0 0
2 1 1 1 1
3 2 2 4 4
4 3 6 9 18
𝑛=5 4 5 16 20
Summe 10 15 30 43
durch 5 2 3 6 8,6

3. Damit können wir die Werte der Regressionsgerade berechnen, wobei

𝑥 = 2; 𝑦 = 3; 𝑆𝑥𝑥 = 6; 𝑆𝑥𝑦 = 8,6

gilt, somit:

8,6 − 2 ⋅ 3
𝑘= = 1,3
6−2⋅2
𝑑 = 3 − 1,3 ⋅ 2 = 0,4

Damit erhalten wir die Regressionsgerade als

𝑦 = 1,3 𝑥 + 0,4

Wir können nun natürlich die Gerade mit den Datenpunkten zeichnen:

92
 𝑦
6
𝑃4

5
𝑃5

3
(𝑥,𝑦)

2
𝑃3

1 𝑃1
𝑃2
0
𝑥
0 1 2 3 4

Abbildung 6.2: Einzelfehler bei Anpassung einer Gerade

□
Fakt 6.4. Eine gute Regression durch eine Gerade ist dann erreicht, wenn die Punkte teils über,
teils unter der Geraden liegen, als wären sie zufällig um die Gerade verstreut. Nicht alle Datensätze
passen gut zu einer Geraden. Die Regressionsgerade ist die bestmögliche Lösung, aber nicht immer
gut. Weiter geht die Gerade immer durch den Punkt (𝑥,𝑦).
Anmerkung 6.5. Für den Algorithmus 6.2 ist die Reihenfolge der Datenpunkte vollkommen irrele-
vant. Also ob im Beispiel 6.3 das Punktepaar (0,1) an erster Stelle steht oder erst später in der Liste
vorkommt verändert das Resultat nicht. Wichtig bleibt natürlich, dass man die Wertepaare (𝑥𝑖 ,𝑦𝑖 )
zusammen lässt, also:

𝑥 0 1 2 3 4
𝑦 1 1 2 6 5
(a) Originale der Tabelle
𝑥 2 1 0 3 4 𝑥 0 1 2 3 4
𝑦 2 1 1 6 5 𝑦 2 1 1 6 5
(b) Umordnung der (c) Umordnung der
Tabelle → OK Tabelle → FALSCH

Abbildung 6.3: Umordnung der Wertetabelle

6.2.1 Bestimmtheitsmaß der Linearen Regression

Anmerkung 6.6. Die lineare Regression ist verführerisch anzuwenden, sie ist einfach umzusetzen
und ist in sehr vielen Fällen eine gute Wahl um ein Messresultat in ein Mathematisches Model

93
umzuformulieren.
Jedoch muss man beachten, dass nicht jedes Beobachtung einem linearen Zusammenhang hat. Um
zu ermitteln, ob man einen linearen Zusammenhang anwenden kann ist es notwendig den Fehler
der Regression abzuschätzen und zu interpretieren.

Definition 6.7. Das Bestimmtheitsmaß eines Datensatzes

𝑥 𝑥1 𝑥2 … 𝑥𝑛
𝑦 𝑦1 𝑦2 … 𝑦𝑛

ist definiert als

(∑𝑛 ( )( ))2
𝑦𝑖 − 𝑦 𝑥 𝑖 − 𝑥
𝑟2 = ∑ (𝑖=1 )2 ∑𝑛 ( )2 .
𝑛
𝑖=1
𝑥𝑖 − 𝑥 𝑖=1
𝑦𝑖 − 𝑦

Anmerkung 6.8. Für das Bestimmtheitsmaß gilt 0 ≤ 𝑟2 ≤ 1, wobei gilt, dass, je näher 𝑟2 bei 1 ist,
desto besser ist approximiert die Gerade den Datensatz. Ein Wert 𝑟2 = 0 würde bedeuten, dass 𝑥
und 𝑦 vollkommen nicht korrelierend sind und 𝑟2 = 1 bedeutet, dass die Wertepaare (𝑥𝑖 ,𝑦𝑖 ) genau
auf der Geraden liegen.

Alorithmus 6.9. Gegeben sei ein Satz von 𝑛 Datenpunkten:

𝑥 𝑥1 𝑥2 … 𝑥𝑛
𝑦 𝑦1 𝑦2 … 𝑦𝑛

Zu bestimmen ist 𝑟2 , welche die Güte der Regressionsgerade 𝑘𝑥 + 𝑑 die Datenpunkte besten be-
schreibt. Folgende Schritte sind durchzuführen

1. Erstellen Sie eine Tabelle mit den Werten 𝑖, 𝑥𝑖 , 𝑥𝑖 − 𝑥, 𝑦𝑖 − 𝑦, (𝑦𝑖 − 𝑦)(𝑥𝑖 − 𝑥), (𝑥𝑖 − 𝑥)2 ,
(𝑦𝑖 − 𝑦)2 , und bestimmen Sie den Wert von 𝑛.

2. Bestimmen Sie die Mittelwerte 𝑥 und 𝑦 indem Sie ersten beiden Spalten summieren und
anschließend durch 𝑛 dividieren.
1( )
𝑥= 𝑥1 + ⋯ + 𝑥𝑛 ,
𝑛
1( )
𝑦= 𝑦1 + ⋯ + 𝑦𝑛 .
𝑛

3. Bestimmen Sie die Werte der letzten 3 Spalten, summieren diese

𝑅𝑥𝑦 = (𝑦1 − 𝑦)(𝑥0 − 𝑥) + ⋯ + (𝑦𝑛 − 𝑦)(𝑥𝑛 − 𝑥)

𝑅𝑥𝑥 = (𝑥1 − 𝑥)2 + ⋯ + (𝑥𝑛 − 𝑥)2
𝑅𝑦𝑦 = (𝑦1 − 𝑦)2 + ⋯ + (𝑦𝑛 − 𝑦)2

94
 4. Das Bestimmtheismaß ist dann
𝑅2𝑥𝑦
2
𝑟 =
𝑅𝑥𝑥 ⋅ 𝑅𝑦𝑦

Beipiel 6.10. Wir wollen zum Beispiel 6.3 das Bestimmtheitsmass berechnen, die Wertetabelle ist
𝑥 0 1 2 3 4
𝑦 1 1 2 6 5
Lösung.
1. Wir erstellen zuerst die Tabelle mit den Datenpunkten, und bestimmen die Mittelwerte:

Index 𝑖 𝑥 𝑦 𝑥𝑖 − 𝑥 𝑦𝑖 − 𝑦 (𝑥𝑖 − 𝑥)(𝑦𝑖 − 𝑦) (𝑥𝑖 − 𝑥)2 (𝑦𝑖 − 𝑦)2

1 0 1
2 1 1
3 2 2
4 3 6
𝑛=5 4 5
Summe 10 15 - -
durch 5 2 3 - - - - -

2. Nun können wir zuerst die Spalten mit den Differenzen bilden, und anschließend die Spalten
der Produkte :

Index 𝑖 𝑥 𝑦 𝑥𝑖 − 𝑥 𝑦𝑖 − 𝑦 (𝑥𝑖 − 𝑥)(𝑦𝑖 − 𝑦) (𝑥𝑖 − 𝑥)2 (𝑦𝑖 − 𝑦)2

1 0 1 −2 −2 4 4 4
2 1 1 −1 −2 2 1 4
3 2 2 0 −1 0 0 1
4 3 6 1 3 3 1 9
𝑛=5 4 5 2 2 4 4 4
Summe 10 15 - -
durch 5 2 3 - - - - -

3. Nun können wir Summen der letzten Spalten bilden um die gesuchten Werte zu erhalten:

Index 𝑖 𝑥 𝑦 𝑥𝑖 − 𝑥 𝑦𝑖 − 𝑦 (𝑥𝑖 − 𝑥)(𝑦𝑖 − 𝑦) (𝑥𝑖 − 𝑥)2 (𝑦𝑖 − 𝑦)2

1 0 1 −2 −2 4 4 4
2 1 1 −1 −2 2 1 4
3 2 2 0 −1 0 0 1
4 3 6 1 3 3 1 9
𝑛=5 4 5 2 2 4 4 4
Summe 10 15 - - 13 10 22
durch 5 2 3 - - - - -

95
 4. Und schließlich erhält man das Bestimmtheismaß mit
𝑅𝑥𝑦 = 13; 𝑅𝑥𝑥 = 10; 𝑅𝑦𝑦 = 22
als
132
𝑟2 = = 0,7682
10 ⋅ 22
□
Anmerkung 6.11. Natürlich kann man den Algorithmus 6.2 und den Algorithmus 6.9 in einer großen
Tabelle vereinen, wenn man beide Berechnungen durchführen möchte.
Wichtig: Man muss das Bestimmheitsmaß mit Vorsicht verwenden, es zeigt lediglich an wie die
Qualität der linearen Approximation ist, jedoch sagt es nichts darüber aus ob es wirklich eine li-
neare Kausalität vorliegt. Als Beispiel für eine problematische Anwendung der Regression und des
Bestimmtheitsmaß betrachten wir folgende Abbildung:

Abbildung 6.4: Problematische Anwendung der Regression und des Bestimmtheitsmaß [4]

In dieser Präsentation wird der Zusammenhang zwischen zwei Größen formuliert, die Schlicht
und Einfach nicht zusammenhängen müssen. Wenn Sie sich bei einem Modell nicht sicher sind,
ob ein linearer Zusammenhang vorhanden ist und Ihr Bestimmheitsmaß unter 0,9 liegen sollte (in
diesem Beispiel gerade einmal 0,47) so ist es fraglich ob wirklich ein lineares Modell anwendbar
ist. Falls möglich führen Sie mehr Messungen durch und überprüfen erneut die Bestimmtheit. Al-
ternativ können Sie versuchen eine andere Form der Regression anzuwenden, die wir (leider) in
dieser VU nicht besprechen werden.

96
6.2.2 Regression einer Exponentialfunktion und Potenzfunktion
Anmerkung 6.12. Man kann die lineare Regression auch auf ein exponentielles Modell und Potenz
Modell anwenden indem man folgende einfache Umformung mithilfe des Logarithmus durchführt:

Exponentialgesetz Potenzgesetz
𝐵(𝑡) = 𝐵0 𝑒𝜆𝑡 𝐶(𝑡) = 𝐶0 ⋅ 𝑡𝜆
( ) ( )
ln (𝐵(𝑡)) = ln 𝐵0 𝑒𝜆𝑡 ln (𝐶(𝑡)) = ln 𝐶0 ⋅ 𝑡𝜆
( ) ( ) ( ) ( )
ln (𝐵(𝑡)) = ln 𝐵0 + ln 𝑒𝜆𝑡 ln (𝐶(𝑡)) = ln 𝐶0 + ln 𝑡𝜆
( ) ( )
ln (𝐵(𝑡)) = ln 𝐵0 + 𝜆𝑡 ln (𝐶(𝑡)) = ln 𝐶0 + 𝜆 ln (𝑡)
( ) ( )
ln (𝐵(𝑡)) = 𝜆𝑡 + ln 𝐵0 ln (𝐶(𝑡)) = 𝜆 ln (𝑡) + ln 𝐶0
Nun können wir eine Beobachtung über die Veränderlichen (𝐵(𝑡), 𝐶(𝑡) und 𝑡) machen: Beim Ex-
ponentialgesetz steht die Veränderliche links im Logarithmus und rechts ohne Umrechnung da,
beim Potenzgesetz steht die Veränderliche links und rechts im Logarithmus, jedoch haben beide
Formeln Ähnlichkeit zu einer Geradengleichung:

Exponentialgesetz Potenzgesetz
( ) ( )
ln (𝐵(𝑡)) = 𝜆 𝑡 + ln 𝐵0 ln (𝐶(𝑡)) = 𝜆 ln (𝑡) + ln 𝐶0
𝑦 = 𝑘𝑥 + 𝑑 𝑦 = 𝑘𝑥 + 𝑑
{ {
𝑘=𝜆 ( ) 𝑘=𝜆 ( )
⇒ ⇒
𝑑 = ln 𝐵0 𝑑 = ln 𝐶0
Damit erkennen wir insbesondere, dass, wenn wir das Exponentialgesetz semilogarithmisch be-
trachten (nur die Veränderliche der linke Seite hat nen Logarithmus) und das Potenzgesetz doppel-
logarithmisch betrachten (die Veränderlichen links und rechts haben Logarithmen) so können wir
im der Semi bzw. doppellogarithmischen Darstellung die Regression durchführen, und anschlie-
ßend auf die Größen 𝜆 und 𝐵0 bzw. 𝜆 und 𝐶0 schließen. Der Logarithmus ist (in ℝ) nur für positive
Zahlen definiert, daher können wir diese Umrechnung für das Potenzgesetz natürlich nur für posi-
tive 𝑡 durchführen.
Wichtig: Bitte beachten Sie, die Rechnung für die Exponentialfunktion klappt nur so wenn wir den
natürlichen Logarithmus anwenden.
Das Exponentialgesetz in der Form 𝐵(𝑡) = 𝐵0 ⋅ 𝑎𝜆𝑡 mit 𝑎 > 1 behandelt man ebenso, wenn man
statt der natürlichen Logarithmen den Logarithmus zur Basis 𝑎 (≡ log𝑎 (⋅)) nimmt.
Für das Potenzgesetz ist es irrelevant
( ) welchen Logarithmus Sie verwenden, jedoch müssen Sie
beim Umrechnen von 𝑘 = log 𝐶0 den Logarithmus verwenden, den Sie zum Umrechnen benutzt
haben!
Die Abbildung 6.5 zeigt Ihnen anhand eines Beispiels, wie sich die Darstellung einer Exponential-
funktion ändert, wenn man diese in ein Semilogarithmisches Diagramm überträgt.
Die Abbildung 6.6 zeigt Ihnen anhand eines Beispiels, wie sich die Darstellung einer Potenzfunk-

97
tion ändert, wenn man diese in ein Doppellogarithmisches Diagramm überträgt.

𝐵(𝑡)
5

4
ln (𝐵(𝑡))
3 2

2 1

1 0
𝑡
0 1 2 3 4
0 −1
𝑡
0 1 2 3 4
(a) Exponentialfunktion (b) Exponentialfunktion
( )
𝐵(𝑡) = 13 ⋅ 𝑒0,6 𝑡 ln (𝐵(𝑡)) = 0,6 𝑡 + ln 13

Abbildung 6.5: Darstellung Exponentialfunktion normal und semilogarithmisch

𝐵(𝑡)
5
ln (𝐵(𝑡))
4 2

3 1

2 0
ln (𝑡)
−5 −4 −3 −2 −1 0 1 2
1 −1

0 −2
𝑡
0 1 2 3 4
(a) Potenzfunktion (b) Potenzfunktion
𝐵(𝑡) = 2 ⋅ 𝑡0,6 ln (𝐵(𝑡)) = 0,6 ln (𝑡) + ln (2)

Abbildung 6.6: Darstellung Potenzfunktion normal und doppellogarithmisch

Wir wollen noch kurz einige Begriffe zusammenfassen, die wir hierbei brauchen bzw. gebraucht
haben.

98
 Definition 6.13. Ein (semi-)logarithmisches Diagramm der Größe 𝑢 über 𝑡 erstellt man, indem
man waagrecht die Werte von 𝑡, und senkrecht die Werte von ln (𝑢) oder log10 (𝑢) aufträgt.
Ein doppelt logarithmisches Diagramm der Größe 𝑢 über 𝑡 erstellt man, indem man waagrecht
die Werte von ln (𝑡) oder log10 (𝑡), und senkrecht die Werte von ln (𝑢) oder log10 (𝑢) aufträgt.
Fakt 6.14. Die Größe 𝑢(𝑡) erfüllt genau dann ein Exponentialgesetz: 𝑢(𝑡) = 𝐶 𝑒𝑘𝑡
wenn im logarithmischen Diagramm eine Gerade entsteht: ln (𝑢(𝑡)) = 𝑘 𝑡 + 𝑑.
Dabei ist 𝑘 die Steigung der Geraden (dasselbe 𝑘 wie im Exponentialgesetz), und 𝑑 = ln (𝐶) der
Achsenabschnitt der Geraden an der senkrechten Achse
Fakt 6.15. Die Größe 𝑢(𝑡) erfüllt genau dann ein Potenzgesetz: 𝑢(𝑡) = 𝐶 𝑡𝑘
wenn im doppel logarithmischen Diagramm eine Gerade entsteht: ln (𝑢(𝑡)) = 𝑘 ln (𝑡) + 𝑑. Dabei ist
𝑘 die Steigung der Geraden (dasselbe 𝑘 wie im Exponentialgesetz), und 𝑑 = ln (𝐶) der Achsenab-
schnitt der Geraden an der senkrechten Achse
Beipiel 6.16. Passen die folgenden Daten eher zu einem Exponentialgesetz oder einem Potenzge-
setz?
𝑡 1 3 5 7 9
𝑢 5 14 33 102 255
Lösung. Um zu untersuchen welches Gesetz besser passt, rechnen wir die Werte zuerst in semi-
und dann doppellogarithmisch um.

Index 𝑖 𝑡 𝑢 𝑦 = ln (𝑢) 𝑡2 𝑡𝑦 Index 𝑖 𝑡 𝑢 𝑥 = ln (𝑡) 𝑦 = ln (𝑢) 𝑥2 𝑥𝑦

1 1 2 1,61 1 1 2 0,00 1,61
2 3 14 2,64 2 3 14 1,10 2,64
3 5 33 3,50 3 5 33 1,61 3,50
4 7 102 4,62 4 7 102 1,95 4,62
5 9 255 5,54 5 9 255 2,20 5,54
Summe Summe
durch 5 durch 5
(a) Exponentialgesetz (b) Potenzgesetz

Nun bilden wir die Regressionsgeraden für die Semilogarithmische Darstellung bezüglich der
Daten (𝑡,𝑦) = (𝑡, ln (𝑢)) und in für die Doppellogarithmische Darstellung bezüglich der Daten
(𝑥,𝑦) = (ln (𝑡) , ln (𝑢))

Index 𝑖 𝑡 𝑢 𝑦 = ln (𝑢) 𝑡2 𝑡𝑦 Index 𝑖 𝑡 𝑢 𝑥 = ln (𝑡) 𝑦 = ln (𝑢) 𝑥2 𝑥𝑦

1 1 2 1,61 1 1,61 1 1 2 0,00 1,61 0,00 0,00
2 3 14 2,64 9 7,92 2 3 14 1,10 2,64 1,21 2,90
3 5 33 3,50 25 17,48 3 5 33 1,61 3,50 2,59 5,63
4 7 102 4,62 49 32,37 4 7 102 1,95 4,62 3,79 9,00
5 9 255 5,54 81 49,87 5 9 255 2,20 5,54 4,83 12,18
Summe 25 17,91 165,00 109,26 Summe 6,85 17,91 12,41 29,70
durch 5 5 3,58 33,00 21,85 durch 5 1,37 3,58 2,48 5,94
(a) Exponentialgesetz (b) Potenzgesetz

99
 Nun können wir die Werte der Regressionsgeraden bestimmen:

21,85 − 5 ⋅ 3,58 5,94 − 1,37 ⋅ 3,58

𝑘= ≈ 0,4925 𝑘= ≈ 1,7062
33,00 − 5 ⋅ 5 2,48 − 1,37 ⋅ 1,37
𝑑 = 3,58 − 0,4925 ⋅ 5 ≈ 1,1199 𝑑 = 3,58 − 1,7062 ⋅ 1,37 ≈ 1,2444
𝐶 = 𝑒𝑑 = 𝑒1,1199 ≈ 3,06 𝐶 = 𝑒𝑑 = 𝑒1,2444 ≈ 3,47

(a) Exponentialgesetz (b) Potenzgesetz

Mit diesen Werten erhalten wir nun die Regressionsgeraden und die Modelle als:

𝑦 = 0,4925 ⋅ 𝑡 + 1,1199 𝑦 = 1,7062 ⋅ 𝑡 + 1,2444

𝑢(𝑡) = 3,06 ⋅ 𝑒0,4925⋅𝑡 𝑢(𝑡) = 3,47 ⋅ 𝑡1,7062

(a) Exponentialgesetz (b) Potenzgesetz

Vergleichen wir nun unsere Resultate:

𝑃5
ln (𝑢(𝑡)) 𝑦 ln (𝑢(𝑡))
6 𝑃5
𝑦
5 𝑃4
5 𝑃4

4
4 𝑃3
𝑃3
3 𝑃2 3
𝑃2
2 𝑃1 2 𝑃1

1 𝑡 1 ln (𝑡)
2 4 6 8 10 0.5 1 1.5 2 2.5
(a) Exponentialgesetz (b) Potenzgesetz
𝑦 = 0,4925 ⋅ 𝑡 + 1,1199 𝑦 = 1,7062 ⋅ 𝑡 + 1,2444

Abbildung 6.11: Logarithmische Darstellung Regressionsgeraden mit Datenpunkten

Wir können bereits in den logarithmischen Darstellungen 6.11a und 6.11b erkennen, dass die
Punkte 𝑃1 , … ,𝑃5 in der semi-logarithmischen Darstellung 6.11a eine Gerade bilden, jedoch in der
doppellogarithmischen Darstellung 6.11b eine Gerade schlecht approximieren.

100
 300 𝑢(𝑡) 𝑃5
𝑢(𝑡) 𝑃 𝑢(𝑡)
5

200
200 𝑢(𝑡)

𝑃4
𝑃4
100 100

𝑃1 𝑃1 𝑃3
𝑃3 𝑡 𝑡
𝑃2 𝑃2
2 4 6 8 10 2 4 6 8 10
(a) Exponentialgesetz (b) Potenzgesetz
𝑢(𝑡) = 3,06 ⋅ 𝑒0,4925⋅𝑡 𝑢(𝑡) = 3,47 ⋅ 𝑡1,7062

Abbildung 6.12: Modelle mit Datenpunkten

Schließlich sieht man in den Modellen 6.12, dass die Exponentialfunktion die Punkte wesentlich
besser wiedergibt. □

6.3 Umsetzung mit Computerprogrammen

Die Regression ist eine Standardrechnung, welche sich in fast allen Mathematischen Computerpro-
grammen wiederfindet, so auch in LibreOffice Calc.

Beipiel 6.17. Bestimmen Sie die Exponentielle Regression durch die Datenpunkte der Aufgabe
6.16:

𝑡 1 3 5 7 9
𝑢 5 14 33 102 255

Lösung. Um dies zu tun überträgt man die Datenpunkte in zwei Spalten eines LibreOffice Calc
sheets. Anschließend, markiert man beide Spalten → Insert → Chart → 𝑋 − 𝑌 (Scatter) → Nur
Punkte wählen.
Dies fügt eine Grafik der Datenpunkte ein, anschließend markiert man einen Datenpunkt → rechte
Maustaste auf den Datenpunkt → Insert Trend Line.
Dort kann man verschiedene Regressionen wählen, insbesondere Können wir eine Exponential-
funktion einfügen:

101
Abbildung 6.13: Modell mit Datenpunkten

102
6.4 Beispiele zum Vorbereiten
Beipiel 6.18. Berechnen Sie die Regressionsgerade der Daten

𝑥 2,3 3,1 1,3 8,1 0,3

𝑦 −2,2 −1,5 −3,7 4,7 −5

Lösung:

Beipiel 6.19. Gegeben Sei die folgende Tabelle der Körpermasse und des stündlichen Sauerstoff-
verbrauches verschiedener Tierarten
Art Körpermasse 𝑂2 Verbrauch
kg l∕h
Spitzmaus 0,0048 0,0355
Maus 0,025 0,042
Katze 2,5 1,7
Schaf 42,7 9,59
Elefant 3833 268

Gibt es einen Potenzzusammenhang zwischen Masse 𝑚 und Sauerstoffverbrauch 𝑣

𝑣 = 𝐶𝑚𝑘 ?

Bestimmen Sie die Regression und urteilen Sie.

103
 Lösung:

6.5 Weitere Beispiele zum Üben

Beipiel 6.20. Berechnen Sie die Regressionsgerade 𝑦 = 𝑘 + 𝑑 zu

𝑥 1 4 7 10
𝑦 2 5,3 6,9 10,7
Zeichnen Sie die Datenpunkte und die Gerade.

Beipiel 6.21. Stickoxide sind sehr wirksam in der Blutdruckregulation. In einem pharmakologi-
schen Experiment zerfällt eine organische Substanz 𝑌 spontan, wobei NO abgegeben wird. Es wird
vermutet, dass es sich um eine Reaktion erster Ordnung handelt. Wenn das der Fall ist, musste die
Konzentration 𝑢(𝑡) des Stoffes 𝑌 (in 𝜇mol∕l) zum Zeitpunkt 𝑡 (in Sekunden) einem Exponentialge-
setz genügen:

𝑢(𝑡) = 𝐶 𝑒𝑘 𝑡

Die folgende Tabelle gibt die Messwerte alle 100 Sekunden nach Beginn der Reaktion wieder. Kann
ein Exponentialgesetz passen?

𝑡 1 100 200 300 400 500 600 700 800 900

𝑢(𝑡) 9,968 7,4 5,6 3,9 2,9 2,0 1,5 1,0 0,8 0,6

104
Verwenden Sie LibreOffice Calc um die Daten zusammen mit einer Regression als Exponential
und Potenzfunktion darzustellen.

Beipiel 6.22. Die Konzentration eines radioaktiven Stoffes in einer Lösung wurde zu 6 aufeinan-
derfolgenden Zeitpunkten gemessen.

Zeit 𝑡 0 1 2 3 4 5
Konzentration 𝑢(𝑡) 8 5 3 1 0,6 0,4

Zur Bestimmung des Exponentialgesetzes für die Konzentration 𝑢(𝑡) zur Zeit 𝑡:

𝑢 = 𝐶 𝑒𝑘𝑡

• Zeichnen Sie ein logarithmisches Diagramm und überzeugen Sie sich, dass ein Exponential-
gesetz einigermaßen gut passt.

• Bestimmen Sie die Parameter der Regressionsgeraden aus dem logarithmischen Diagramm.

• Bestimmen Sie daraus 𝑘 und 𝐶 für das Exponentialgesetz.

Beipiel 6.23. Bei einer Horde von Westlichen Flachlandgorilla (Gorilla gorilla gorilla1 ) wurde
folgende Charakteristik für täglichen Nahrungsbedarf beobachtet:

Gewicht [kg] 100 120 170 200

tägl. Nahrung [kg] 12 15 17 25

1. Es wird folgender Zusammenhang angenommen:

tägl. Nahrung = 𝑘 ⋅ Gewicht + 𝑑.

Bestimme 𝑘 und 𝑑 mithilfe der linearen Ausgleichsrechnung.

2. Zeichnen Sie die Datenpunkte und die Ausgleichsgerade. Wählen Sie die Einheiten so dass
100 kg Gewicht bzw. 10 kg Nahrung je mindestens 5 cm entsprechen.

3. Der Zoo von San Diego hat ein Gorilla-Exemplar mit einem Gewicht von 275 kg. Welcher
tägliche Nahrungsbedarf ist bei diesem Tier zu erwarten?

Beipiel 6.24. Berechnen Sie zu folgenden Daten eine angepasste Exponentialfunktion 𝑦 = 𝐶 𝑒𝑘 𝑡 :

𝑡 −1 0 1 1,5
𝑦 1 2 3 4

1 Mal ohne Scheiß: Das ist echt der wissenschaftliche Name.

105
106
 KAPITEL

DIMENSIONEN UND EINHEITEN

Anmerkung 7.1. In der Praxis ist es oftmals wichtig zu verstehen, welche Eigenschaften einer Va-
riable anhaften. Sie stellen Sich zum Beispiel die Frage, welche Einheit das Ergebnis einer Rech-
nung haben muss, wenn die Messwerte, die Sie messen, anders sind als in der Gleichung angegeben.
Als einfachstes Beispiel, in der Formel werden mm vorausgesetzt, Sie messen jedoch in 𝜇m. Schwie-
riger wird es schon wenn Sie Sievert messen, welche sich als Wert in einer Gleichung befindet, wie
zum Beispiel:
∑ ∑
𝐸= 𝑤𝑡 𝑤𝑅 𝐷𝑇 ,𝑅
𝑇 𝑅

worin Gewichtungsfaktoren 𝑤𝑇 und 𝑤𝑅 und Absorbtionsdosen 𝐷𝑇 ,𝑅 vorkommen. Um nun zu ver-

stehen, wie sich Einheiten analysieren lassen, und welchen Einfluss abweichende Einheiten auf das
Ergebnis haben beschäftigen wir uns mit der Dimensionsanalyse.

7.1 Dimensionen, Einheiten und das SI-System

Definition 7.2. Die Dimension einer Größe gibt an, welche Art von Objekt diese Größe beschreibt:
Länge, Masse, Kraft, Stromstärke, usw. Ein System von Maßeinheiten weist jeder Dimension eine
passende Maßeinheit zu.
Diese etwas abstrakte Definition wird klarer, wenn wir das SI-Einheitensystem vorstellen:
Definition 7.3. Das SI-Einheitensystem baut auf folgenden Dimensionen auf, welchen folgende
Einheiten zugewiesen werden:

107
 Dimension Einheit
𝐿 Länge 𝑚 Meter
𝑇 Zeit 𝑠 Sekunde
𝑀 Masse 𝑘𝑔 Kilogramm
Θ Temperatur 𝐾 Kelvin
𝐼 Stromstärke 𝐴 Ampere
𝑛 Teilchenzahl 𝑚𝑜𝑙 Mol
Lichtstärke 𝑐𝑑 Candela

Anmerkung 7.4. Die anderen Dimensionen werden auf die Grunddimensionen des SI-Systems 7.3
zurückgeführt, und daraus ihre Einheiten abgeleitet, und zwar nach folgender Regel: Werden Grö-
ßen miteinander multipliziert (durch einander dividiert), so werden auch die entsprechenden Di-
mensionen und Einheiten multipliziert (dividiert).
Wir zeigen im folgenden Beispiel, wie die wichtigsten mechanischen Größen auf die Grunddimen-
sionen zurückgeführt werden.

Beipiel 7.5. Tabelle der wichtigsten mechanischen Größen:

Ableitung aus Grunddimensionen

Dimension Name der Einheit
Formel Dimension Einheit
Geschwindigkeit Weg/Zeit 𝐿𝑇 −1 m
s
Beschleunigung Geschwindigkeit / Zeit 𝐿𝑇 −2 m
s2
kg m
Kraft Masse × Beschleunigung 𝑀𝐿𝑇 −2 s2
𝑁 Newton
kg m2
Arbeit Kraft × Weg 𝑀𝐿2 𝑇 −2 s2
𝐽 Joule
kg m2
Leistung Arbeit/Zeit 𝑀𝐿 𝑇 2 −3
s3
𝑊 Watt
Fläche Länge × Länge 𝐿2 m 2

Volumen Länge × Länge × Länge 𝐿3 m3

kg
Druck Kraft / Fläche 𝑀𝐿−1 𝑇 −2 m s2
𝑃𝑎 Pascal

Anmerkung 7.6. Beachten Sie, wir kümmern uns in diesem Kapitel nicht darum wie große der
numerische Wert vor der Einheit ist, wir sind ausschließlich an den Einheiten interessiert.
Folgendes Beispiel erscheint auf den ersten Blick simple, aber beachten Sie, wir wollen die Einhei-
ten verstehen lernen!

Beipiel 7.7. Ein Rechteck hat die Seitenlängen 1 m und 40 cm. Wie groß ist der Umfang, welche
Dimension hat der Umfang, welche Einheit hat der Umfang?

Lösung.

• Nun, der Umfang eines Rechtecks sollte noch für alle schaffbar sein:

𝑈 = 2 ⋅ 𝑎 + 2 ⋅ 𝑏 = 2 ⋅ 1 m + 2 ⋅ 40 cm = 2 m + 80 cm

108
 Beachten Sie, dass diese Rechnung sinnvoll ist, denn wir addieren am Ende die selbe Dimen-
sion, eine Länge 𝐿. Wir dürfen die Addition der Zahlenwerte jedoch noch nicht ausführen,
da die Einheiten unterschiedlich sind, dies lässt sich einfach lösen:

𝑈 = 2 m + 0,8m = 2,8 m

Wir erkennen also, dass der Unterschied von Dimension zu Einheit jener ist, dass die Di-
mension entscheidend ist, ob eine Rechnung Sinn ergibt. Es ist also sinnvoll Lichtjahre zu
Nanometer zu addieren, es wäre jedoch nonsens Lichtjahre und Minuten zu addieren. Die
Einheiten müssen nur gleich sein, wenn man die Addition/Subtraktion der Werte explizit
ausführen möchte.

• Die Dimension lässt sich aus den Einheiten ablesen: 𝑈 = 2,8 m, es handelt sich also um eine
Länge 𝐿.

• Die Einheit lässt sich unmittelbar aus dem Ergebnis ablesen: Meter 𝑚 (beachten Sie: die
Einheit ist nicht 2,8 m)

Anmerkung 7.8. Beachten Sie, es ist Unsinn, zu behaupten, eine Größe habe die Einheit 5 Meter.

Beipiel 7.9. Die physikalische Größe 𝑊 sei definiert durch

𝑊 =𝑉 ⋅𝑝

worin 𝑉 ein Volumen und 𝑝 ein Druck ist. Welche Einheit hat 𝑊 ?

Lösung.
Größe Dimension Einheit
kg
Druck 𝑀𝐿−1 𝑇 −2 m s2
Volumen 𝐿3 m 3
kg m2
Druck × Volumen 𝑀𝐿−1 𝑇 −2 × 𝐿3 = 𝑀𝐿2 𝑇 −2 s2
Das ist die Dimension der Arbeit, die Einheit ist ein Joule. Physikalisch ist das leicht zu verstehen:
Wenn ein Volumen gegen einen Druck weiter verdichtet wird, wird Arbeit geleistet. □

Beipiel 7.10. Welche Dimension hat das Verhältnis der Länge der Diagonale zur Seitenlänge eines
Quadrates?

Lösung. Das Verhältnis entsteht durch Division der Diagonalenlänge durch die Seitenlänge, die
Dimension ist also 𝐿𝐿 = 1. Das ist eine dimensionslose Größe. □

Definition 7.11. Eine Größe, in deren Dimension sich alle Dimensionen der Grundgrößen gegen-
seitig wegkürzen, sodass nur 1 bleibt, heißt eine dimensionslose Größe, und wir schreiben 1 für die
Dimension.

109
7.2 Rechenregeln für dimensionierte Größen
Anmerkung 7.12. Soll ein mathematischer Ausdruck eine sinnvolle (physikalische, biologische, . . . )
Interpretation besitzen, müssen die Dimensionen der Größen in passender Beziehung zueinander
stehen. Zum Beispiel darf nicht eine Fläche mit einer Länge gleich gesetzt werden, oder man darf
zu einer Masse nur eine andere Masse, und keine Stromstärke addieren. Einen Ausdruck, in dem die
Dimensionen in passender Beziehung miteinander stehen, nennt man homogen in der Dimension:
Definition 7.13. Ein Ausdruck, der dimensionierte Größen enthält, heißt homogen in der Dimen-
sion, wenn folgende Regeln erfüllt sind:
= Auf der linken und rechten Seite einer Gleichung stehen Größen mit der gleichen Dimension.
± Nur Größen mit der gleichen Dimension dürfen zueinander addiert oder voneinander subtrahiert
werden. Die Summe (die Differenz) hat dann dieselbe Dimension wie jeder der Summanden.
× Größen beliebiger Dimension dürfen miteinander multipliziert oder durcheinander dividiert
werden. Die Dimension des Produktes (Quotienten) ist dann das Produkt (der Quotient) der
Dimensionen der einzelnen Faktoren.
∫ Größen beliebiger Dimension dürfen über Variablen beliebiger Dimension integriert oder nach
Variablen beliebiger Dimension differenziert werden. Die Dimension des Integrals ist das
Produkt der Dimension des Integranden und der Variablen, über die integriert wird. Die Di-
mension der Ableitung ist der Quotient aus der abgeleiteten Größe durch die Variable, nach
der differenziert wird.
𝑓 In Winkelfunktionen, Exponentialfunktion, Logarithmus (und die meisten anderen Funktionen,
die nicht direkt durch Grundrechnungsarten geschrieben werden können) dürfen nur dimen-
sionslose Größen eingesetzt werden. Das Ergebnis der Funktion ist ebenfalls dimensionslos.
Diese Regeln können lassen sich in folgender Tabelle zusammenfassen:
Fakt 7.14. In der folgenden Tabelle bedeuten 𝑥, 𝑦, 𝑧 dimensionierte Größen, und [𝑥], [𝑦], [𝑧] ihre
Dimensionen. Es gilt:
Regel Zusammenhang der Bedingung:
Ausdruck
Nr. Dimensionen nur erlaubt wenn
1: 𝑥=𝑦 [𝑥] = [𝑦] [𝑥] = [𝑦]
2: 𝑧=𝑥+𝑦 [𝑧] = [𝑥] = [𝑦] [𝑥] = [𝑦]
3: 𝑧=𝑥−𝑦 [𝑧] = [𝑥] = [𝑦] [𝑥] = [𝑦]
4: 𝑧=𝑥⋅𝑦 [𝑧] = [𝑥] ⋅ [𝑦]
5: 𝑧 = 𝑥∕𝑦 [𝑧] = [𝑥]∕[𝑦]
6: 𝑧 = 𝑥𝑚 [𝑧] = [𝑥]𝑚 𝑚 ganz, dimensionslos
7: 𝑧 = ∫ 𝑦d𝑥 [𝑧] = [𝑦] ⋅ [𝑥]
8: d𝑦
𝑧 = d𝑥 [𝑧] = [𝑦]∕[𝑥]
9: 𝑧 = 𝑓 (𝑥) [𝑧] = 1 [𝑥] = 1
10: 𝑓 (𝑥) = 𝑎𝑥 , log𝑎 (𝑥)
11: sin(𝑥) oder ähnliches

110
Anmerkung 7.15. Wenn man mathematische Modelle für physikalische, biologische und andere
Vorgänge entwickelt, ist es eine gute Probe, die Homogenität in der Dimension zu überprüfen.
Wenn einer der Ausdrücke nicht homogen in der Dimension ist, hat man bei der Entwicklung der
Formel einen Fehler gemacht.
Beipiel 7.16. Das Schlagvolumen 𝑉𝑆 der linken Herzkammer ist das Blutvolumen, das die Kam-
mer mit einem einzigen Schlag transportiert. Das enddiastolische Volumen 𝑉𝐷 ist das Volumen, zu
dem die Herzkammer am Ende der Diastole, also bei Beendigung der Entspannungs- und Fullpha-
se, aufgefüllt ist. Je stärker die Kammer angefüllt ist, desto straffer sind die Muskeln vorgedehnt,
und desto effizienter arbeiten sie beim gesunden Herzen. Desto größer ist also auch das Schlag-
volumen. Andererseits kämpft der Herzschlag gegen den Druck 𝑃𝐴 in der Aorta an. Je höher also
der Druck in der Aorta, desto geringer das Schlagvolumen. In der Herzphysiologie hat sich das
Frank-Starlingsche Gesetz als gute Näherung der tatsächlichen Sachverhalte bewährt:
𝑉𝐷
𝑉𝑆 = 𝑆
𝑃𝐴
Dabei ist 𝑆, die sogenannte Kontraktilität, eine Konstante, die den allgemeinen Zustand (Gesund-
heit und Muskelkraft, Stärke der nervösen Anregung) des Herzens beschreibt.
Die beiden Volumina sind in m3 gegeben, der Druck in Pascal 𝑃 𝑎 = 𝑘𝑔𝑚−1 𝑠−2 .
Welche Einheit hat die Kontraktilität 𝑆?
Lösung. Ein einfaches Beispiel, denn es kommen nur Multiplikationen und Divisionen vor, und
die geschehen mit den Einheiten genauso wie mit den Größen selbst. Wir wollen nur Einheiten
betrachten:
𝑉
𝑉𝑆 = 𝑆 𝐷
𝑃
[ 𝐴 ]
𝑉
⇒ [𝑉𝑆 ] = 𝑆 𝐷 | wegen Regel Nr. 1
𝑃𝐴
[ ]
𝑉𝐷
⇒ [𝑉𝑆 ] = [𝑆] [ ] | wegen Regel Nr. 3 und 4
𝑃𝐴

Nun haben wir eine Gleichung mit Einheiten (keine Zahlwerte) in der nur noch Multiplikationen,
Divisionen und Hochzahlen vorkommen (hier ist jeder Exponent 1). In dieser Situation gibt es zwei
Möglichkeiten die Einheit von 𝑆 zu bestimmen:
1. Wir setzen alle Einheiten ein, die wir bereits kennen:
[ ]
𝑉𝐷
[𝑉𝑆 ] = [𝑆] [ ]
𝑃𝐴
𝑚3
⇒ 𝑚3 = [𝑆]
𝑘𝑔 𝑚−1 𝑠−2

111
 Nun kann man erkennen, dass 𝑆 die Einheit
𝑘𝑔
[𝑆] =
𝑚 𝑠2
haben muss, damit die Gleichung stimmt.

2. Wenn man die Einheiten in einer Form hat, in der keine Additionen, Subtraktionen und Funk-
tionen (z.B. 𝑒𝑥 ) vorkommen, darf man vorgehen wie beim normalen Formelumformen. Aber
Achtung: Es handelt sich nicht um Formelumformen! Wir versuchen Einheiten und Dimen-
sionen zu analysieren:
[ ]
𝑉𝐷
⇒ [𝑉𝑆 ] = [𝑆] [ ]
𝑃𝐴
[ ] [ ]
⇒ [𝑉𝑆 ] ⋅ 𝑃𝐴 = [𝑆] ⋅ 𝑉𝐷
[ ]
[𝑉𝑆 ] ⋅ 𝑃𝐴
⇒ [ ] = [𝑆]
𝑉𝐷

Und nun können wir die bekannten Einheiten einsetzten:

𝑘𝑔
𝑚3 ⋅
𝑚 𝑠2 𝑘𝑔
[𝑆] = =
𝑚3 𝑚 𝑠2

□
Beipiel 7.17. Häufige Fehlerquellen! Ein Rechteck hat den Umfang 𝑈 (Einheit Meter) und die
erste Seitenlänge 𝑎 in Metern. Welche Einheit hat die zweite Seitenlänge 𝑏?
Lösung. Wir wissen natürlich bereits, dass die zweite Seitenlänge in Meter gemessen wird (vgl.
Beispiel 7.7). Wir wollen uns dennoch folgende Dimensionsanalysen ansehen:
Typische Fehler:

𝑈 = 2𝑎 + 2𝑏 Wir wollen Dimensionen analysieren (7.1)

[𝑈 ] = [2𝑎] + [2𝑏] 2𝑎 und 2𝑏 haben natürlich dieselben Einheiten wie 𝑎 und 𝑏. (7.2)
[𝑈 ] = [𝑎] + [𝑏] Die Einheit von 𝑈 und 𝑎 sind laut Angabe je Meter. (7.3)
𝑚 = 𝑚 + [𝑏] Subtrahiere auf beiden Seiten Meter! (7.4)
0 = [𝑏] Subtrahiere auf beiden Seiten Meter! (7.5)

Also ist die Einheit von 𝑏 . . . . . . 0 ??!!??

Hierbei sind gleich zwei elementare Dinge falsch angewendet worden: Zum Einen in (7.2)
wurde die Dimensions-Klammer einfach auf die Summe aufgeteilt! Wenn Sie die Tabelle
7.14 genauer betrachten, so können Sie sehen, dass man diesen Schluss NICHT ziehen darf.

112
 Zum Anderen wurde in (7.4) 𝑚 − 𝑚 als Dimension gleich 0 gesetzt, was natürlich falsch ist.
Selbst beim Berechnen von Werten (was wir hier nicht tun) wäre die Rechnung: 1 𝑚 − 1 𝑚 =
0 𝑚 was noch immer die Einheit Meter hat!
Dimensionen bestimmen ist ein anderer Vorgang als Gleichungen lösen. Die Regel für Ad-
dition und Subtraktion ist: Alle Summanden und Summe (bzw. Differenz) haben dieselbe
Dimension.
Richtige Analyse:

𝑈 = 2𝑎 + 2𝑏
[𝑈 ] = [𝑎] = [𝑏] Wegen Regel Nr. 2
𝑚 = 𝑚 = [𝑏]

Weitere typische Fehler:

𝑈 = 2𝑎 + 2𝑏 𝑈 und 𝑎 sind je in Meter gegeben! (7.6)

𝑚 = 2 𝑚 + 2 [𝑏] Wir subtrahieren 2𝑚! (7.7)
−𝑚 = 2 [𝑏] Division durch 2 (7.8)
1
− 𝑚 = [𝑏] (7.9)
2
Das ist natürlich falsch, zu Behauten die Dimension wäre − 12 𝑚. Hierbei sind wiederum zwei
Fehler passiert. In (7.7) wurde den Einheiten ein Zahlwert zugewiesen, bei der Dimensions-
analyse spielen die Zahlwerte jedoch überhaupt keine Rolle! In (7.8) wurde wiederum wie
im vorangegangenen Beispiel die Einheit subtrahiert.
□
Beipiel 7.18. Die Van-der-Waals-Gleichung bringt einen Zusammenhang zwischen Druck, Tem-
peratur, Teilchenzahl und einschließendem Volumen für ein nicht ideales Gas, also ein Gas, des-
sen Teilchen nicht unendlich klein angenommen werden dürfen, und dessen Moleküle aufeinander
Kräfte ausüben:
( )
𝛼 𝑛2
𝑛𝑅𝑇 = 𝑃 + 2 (𝑉 − 𝛽 𝑛) .
𝑉
Dabei bedeuten die Größen und ihre Einheiten:
Größe Einheit
𝑃 Druck 𝑘𝑔 𝑚−1 𝑠−2
𝑉 Volumen 𝑚3
𝑇 absolute Temperatur 𝐾
𝑛 Anzahl der Gasteilchen 𝑚𝑜𝑙
𝑅 Allgemeine Gaskonstante, für alle Gase gleich
𝛼 Konstante (Wechselwirkung zwischen den Gasteilchen)
𝛽 Konstante (Größe der Gasteilchen)

113
Welche Einheiten haben die Konstanten 𝑅, 𝛼 und 𝛽?

Lösung. In diesem Beispiel kommen Additionen und Subtraktionen vor. Wir dürfen nicht einfach
so vorgehen wie beim Lösen von Gleichungen. Beachten Sie aber, dass jeder Rechenschritt in der
Van-der-Waals-Gleichung erlaubt und sinnvoll sein muss, insbesondere die beiden Klammern.

• Wir beginnen mit der zweiten Klammer:

(𝑉 − 𝛽 𝑛) muss sinnvoll sein, mit Regel 3 folgt

[𝑉 ] = [𝛽 𝑛] mit Regel 4 dürfen wir die Multiplikation aufteilen
[𝑉 ] = [𝛽] [𝑛] nun sind nur noch Multiplikationen übrig!
[𝑉 ]
[𝛽] = nun können wir die Einheiten einsetzen
[𝑛]
𝑚3
[𝛽] =
𝑚𝑜𝑙

• Nun betrachten wir die erste Klammer:

( )
𝛼 𝑛2
𝑃+ 2 muss sinnvoll sein, mit Regel 3 folgt
𝑉
[ 2]
𝛼𝑛
[𝑃 ] = mit Regeln 4,5 und 6 dürfen wir aufteilen
𝑉2
[𝛼] [𝑛]2
[𝑃 ] = nun sind nur noch Multiplikationen übrig!
[𝑉 ]2
[𝑃 ] [𝑉 ]2
[𝛼] = nun können wir die Einheiten einsetzen
[𝑛]2
(𝑘𝑔 𝑚−1 𝑠−2 ) ⋅ (𝑚3 )2 𝑘𝑔 ⋅ 𝑚5
[𝛼] = = 2
(𝑚𝑜𝑙)2 𝑠 𝑚𝑜𝑙2

• Nun betrachten wir die gesamte Gleichung. Zuerst beobachten wir mit Regel 3, dass für beide
Klammern rechts

[(𝑉 − 𝛽 𝑛)] = [𝑉 ] = 𝑚3 (7.10)

[( )]
𝛼 𝑛2 𝑘𝑔
𝑃+ 2 = [𝑃 ] = (7.11)
𝑉 𝑚 𝑠2

114
 gilt. Nun folgt:
( )
𝛼 𝑛2
𝑛𝑅𝑇 = 𝑃 + 2 (𝑉 − 𝛽 𝑛) muss sinnvoll sein, mit Regel 4 folgt
𝑉
[ ]
𝛼 𝑛2
[𝑛𝑅𝑇 ] = 𝑃 + 2 [𝑉 − 𝛽 𝑛] mit der Überlegung (7.10) und Regel 4 folgt
𝑉
[𝑛] [𝑅] [𝑇 ] = [𝑃 ] [𝑉 ] nun sind nur noch Multiplikationen übrig!
𝑘𝑔 3
[𝑃 ] [𝑉 ] 2
𝑚 𝑘𝑔 𝑚2
[𝑅] = = 𝑚𝑠 = 2
[𝑛] [𝑇 ] 𝑚𝑜𝑙 ⋅ 𝐾 𝑠 𝑚𝑜𝑙 𝐾

Beipiel 7.19. In einer Lösung laufen 2 chemische Reaktionen ab: Eine organische Substanz, ge-
nannt Donor (Spender, nämlich NO-Spender) zerfällt spontan in einer Reaktion erster Ordnung,
wobei Stickoxid NO entsteht. Je 2 Moleküle NO reagieren mit dem Sauerstoff in der Lösung und
ergeben NO2 :

Donor → NO + Rest
2NO + O2 → 2NO2

Für die Konzentrationen 𝑐𝑂 (𝑡), 𝑐𝐷 (𝑡) und 𝑐𝑁𝑂 (𝑡) von O2 , Donor und NO in der Lösung zum Zeitpunkt
𝑡 gilt die folgende Mengenbilanz

d 2
𝑐 = 𝑘𝑑 𝑐 𝐷 − 𝑘𝑂 𝑐𝑂 𝑐𝑁𝑂
d𝑡 𝑁𝑂 ⏟⏟⏟ ⏟⏞⏞⏟⏞⏞⏟
Gewinn durch Donorzerfall Verlust durch Oxidation

Dabei sind 𝑘𝐷 und 𝑘𝑂 zwei Parameter, die die Geschwindigkeit der Donor-Zerfallsreaktion und der
Oxidation von NO beschreiben.
Die Konzentrationen werden in mol∕l (Mol pro Liter) angegeben, die Zeit in 𝑠 Sekunden. Welche
Einheiten haben 𝑘𝐷 und 𝑘𝑂 ?

Lösung. Die Einheiten müssen so bestimmt werden, dass die gesamte Gleichung homogen in der
Dimension ist. Auf der linken Seite der Gleichung steht eine erste Ableitung einer Konzentration
nach der Zeit, mit Regel 8 folgt
[ ] [𝑐 ]
d 𝑚𝑜𝑙
𝑐𝑁𝑂 = 𝑁𝑂 = .
d𝑡 [𝑡] 𝑙𝑠
Auf der rechten Seite stehen zwei Terme, und die werden addiert, um die linke Seite zu ergeben.
Somit bekommen wir mit Regel 2, dass
[ ] [ ] [ ]
𝑚𝑜𝑙 d 2
= 𝑐𝑁𝑂 = 𝑘𝑑 𝑐𝐷 = 𝑘𝑂 𝑐𝑂 𝑐𝑁𝑂
𝑙𝑠 d𝑡

115
Damit bekommen wir:
[ ] 𝑚𝑜𝑙 [ ] [ ] 𝑚𝑜𝑙 [ ] 𝑚𝑜𝑙 𝑚𝑜𝑙 [ ] 1
𝑘𝑑 𝑐𝐷 = ⇒ 𝑘𝑑 𝑐 𝐷 = ⇒ 𝑘𝑑 = ⇒ 𝑘𝑑 =
𝑙𝑠 𝑙𝑠 𝑙 𝑙𝑠 𝑠
sowie
[ 2
] 𝑚𝑜𝑙 𝑚𝑜𝑙
𝑘𝑂 𝑐𝑂 𝑐𝑁𝑂 = ⇒ [𝑘𝑂 ] [𝑐𝑂 ] [𝑐𝑁𝑂 ]2 =
𝑙𝑠 𝑙𝑠
( )
𝑚𝑜𝑙 𝑚𝑜𝑙 2 𝑚𝑜𝑙 𝑚𝑜𝑙3 𝑚𝑜𝑙
⇒ [𝑘𝑂 ] = ⇒ [𝑘𝑂 ] =
𝑙 𝑙 𝑙𝑠 𝑙3 𝑙𝑠
𝑙2
⇒ [𝑘𝑂 ] =
𝑚𝑜𝑙2 𝑠

7.3 Beispiele zum Vorbereiten

Beipiel 7.20. In diesem Beispiel rechnen wir mit den Einheiten 𝑉 (Volt), 𝐴 (Ampere) und 𝑠 (Se-
kunden). An eine Spule wird zum Zeitpunkt 𝑡 = 0 (in 𝑠) eine konstante Gleichspannung 𝑈 (in 𝑉 )
angelegt. Der Strom 𝐼 (in 𝐴), der über die Spule fließt, berechnet sich nach der Formel:

𝑈 𝑈 − 𝑅𝐿𝑡
𝐼= − 𝑒 .
𝑅 𝑅
Dabei ist 𝑅 der Widerstand des Spulendrahtes, und 𝐿 die Induktivität der Spule (abhängig von der
Anzahl der Windungen, Eisenkern usw.). Welche Einheiten haben 𝑅 und 𝐿?

Lösung:

116
Beipiel 7.21. In einer chemischen Reaktion verbinden sich drei Moleküle einer Substanz 𝑋 zu
einem Molekül 𝑌 . Seien 𝑐𝑋 (𝑡), 𝑐𝑌 (𝑡) die Konzentrationen von 𝑋 und 𝑌 zum Zeitpunkt 𝑡. Wir geben
𝑡 in Sekunden (𝑠) und die Konzentrationen in Mol pro Liter (mol/l) an. Bei konstanter Temperatur,
wenn keine weiteren Stoffe in die Reaktion eingreifen, gilt die Gleichung:

d
𝑐 (𝑡) = 𝑘 𝑐𝑋 (𝑡)3
d𝑡 𝑌
Bestimmen Sie die Einheit von 𝑘.

Lösung:

7.4 Weitere Beispiele zum Üben

Beipiel 7.22. Der Elastizitätsmodul 𝐸 drückt aus, mit welcher Spannung 𝜎 (in 𝑘𝑔
𝑚 𝑠2
) ein Material
auf eine Dehnung 𝜆 reagiert. Es gilt

𝜎 = 𝐸 𝜆.

Dabei ist
𝑙
𝜆= ,
𝑙0

wobei 𝑙0 die Länge des ungedehten Materials, 𝑙 die Länge des gedehnten Materials ist (beide in
Meter). Welche Einheiten haben 𝜆 und 𝐸?

Beipiel 7.23. Ein System möge Energie nur durch Wärme speichern. Die Enthalpie 𝐻 errechnet
sich aus Temperatur 𝑇 (in Kelvin 𝐾), spezifischer Wärme 𝑐, Druck 𝑝 (in Pascal 𝑚𝑘𝑔𝑠2 ), Dichte 𝜌 (in
𝑘𝑔
𝑚3
) und Volumen (in 𝑚3 ) durch

𝐻 = 𝑐𝜌𝑇 𝑉 + 𝑝𝑉 .

Welche Einheiten haben 𝐻 und 𝑐?

117
Beipiel 7.24. Die Dieterici-Gleichung für reale Gase hat die Form
( )
𝑎𝑇 𝑐
𝑝= exp −
𝑉𝑚 − 𝑏 𝑎𝑉𝑚 𝑇

dabei ist 𝑝 der Druck ([𝑝] = kg ⋅ m−1 ⋅ 𝑠−2 ) und 𝑇 die Temperatur in Kelvin. Die Größe 𝑉𝑚 hat die
Einheit m3 ⋅ mol−1 . Bestimme die Einheiten von 𝑎 (Gaskonstante), 𝑏 (Kovolumen) und 𝑐 (Adhäsi-
onsdruck).

Beipiel 7.25. Gegeben sei die Reaktionsgleichung 𝐶𝑆2 + 3𝑂2 → 𝐶𝑂2 + 2𝑆𝑂2 . Weiter seien
𝑢𝐶𝑆2 , 𝑢𝑂2 , 𝑢𝐶𝑂2 , 𝑢𝑆𝑂2 (zeit-abhängige) Konzentrationen der einzelnen Stoffe (in 𝑚𝑜𝑙∕𝑚3 ) und die
Zeit 𝑡 sei in Sekunden s. Dann folgt, dass
1 d ( )3
⋅ 𝑢𝑆𝑂2 = 𝛼 ⋅ 𝑢𝐶𝑆2 + 𝛽 ⋅ 𝑢𝑂2 .
2 d𝑡
Bestimmen Sie die Einheiten der Reaktionskonstanten 𝛼 und 𝛽.

Beipiel 7.26. Die Entropie 𝐻 eines Systems sei definiert durch

𝐻 = −𝑝 log2 (𝑝) − (1 − 𝑝) log2 (1 − 𝑝).

Bestimmen Sie die Einheit von 𝐻.

118
 KAPITEL

WAHRSCHEINLICHKEITSRECHNUNG

8.1 Grundbegriffe der Wahrscheinlichkeit

Definition 8.1. Ein Ereignis ist jede Aussage, welche entweder falsch oder wahr ist.

Anmerkung 8.2.
Beispiele für Ereignisse: „Herr Meyer ist an Krebs erkrankt.“bei „Frau Meyer wurde Krebs dia-
gnostiziert.“
Keine Ereignisse: „Geburtsort von Herr Meyer“„Abiturnote von Frau Meyer“

Definition 8.3. Sei 𝐴 ein Ereignis. Das Symbol 𝑃 (𝐴) bezeichnet die Wahrscheinlichkeit mit der 𝐴
wahr ist.

Fakt 8.4.

• (𝑃 (𝐴)) ist eine Zahl zwischen 0 und 1 (0 und 100%).

• Ob das Ereignis 𝐴 eintritt, hängt vom Zufall ab. Würde man sehr viele unabhängige Versuche
machen, ob das Ereignis 𝐴 eintritt, würde das Ereignis im Anteil 𝑃 (𝐴) aller Fälle eintreten.

• 𝑃 (𝐴) = 1 heißt, dass das Ereignis sicher eintritt. 𝑃 (𝐴) = 0 heißt, dass das Ereignis sicher
nicht eintritt.

Anmerkung 8.5. Eine mathematisch befriedigende, korrekte Definition von Ereignis und Wahr-
scheinlichkeit können wir hier aus Zeitgründen nicht geben.

119
Definition 8.6. Sind 𝐴 und 𝐵 zwei Ereignisse, so können wir dadurch weitere Ereignisse definieren.
Wir bedienen uns der Schreibweise der Mengenlehre.

• 𝐴 („Nicht 𝐴“) Das Ereignis 𝐴 tritt nicht ein.

• 𝐴 ∩ 𝐵 („𝐴 und 𝐵“) Das Ereignis 𝐴 und das Ereignis 𝐵 treten beide ein.

• 𝐴 ∪ 𝐵 („𝐴 oder 𝐵“) Mindestens eines der Ereignisse tritt ein (𝐴 oder 𝐵 oder auch beide).

Wir definieren der Vollständigkeit halber zwei „triviale“Ereignisse:

• ∅ (leere Menge:) Das sogenannte unmögliche Ereignis, das nie eintritt.

• Ω Das sogenannte sichere Ereignis, das immer eintritt.

Mit diesen Schreibweisen gelten die folgenden Rechenregeln fur Wahrscheinlichkeiten:

Fakt 8.7. Seien 𝐴 und 𝐵 Ereignisse. Es gilt:

1. 𝑃 (𝐴) = 1 − 𝑃 (𝐴).

2. 𝑃 (𝐴 ∪ 𝐵) = 𝑃 (𝐴) + 𝑃 (𝐵), falls 𝐴 und 𝐵 nicht gleichzeitig eintreten können

(d.h. 𝑃 (𝐴 ∩ 𝐵) = 0).

3. 𝑃 (𝐴 ∪ 𝐵) = 𝑃 (𝐴) + 𝑃 (𝐵) − 𝑃 (𝐴 ∩ 𝐵).

4. 𝑃 (𝐴) = 𝑃 (𝐴 ∩ 𝐵) + 𝑃 (𝐴 ∩ 𝐵).

5. 𝑃 (∅) = 0.

6. 𝑃 (Ω) = 1.

8.2 Berechnen und Darstellen der WSK

8.2.1 Die Vierfeldertafel
Eine übersichtliche Methode, die verschiedenen Kombinationen für das Eintreten und Ausbleiben
zweier Ereignisse darzustellen, ist die Vierfeldertafel:

Alorithmus 8.8. Seien 𝐴 und 𝐵 zwei Ereignisse. Die Vierfeldertafel gibt die Wahrscheinlichkei-
ten von 𝐴 und 𝐵 sowie aller vier möglichen Kombinationen des Eintretens oder Ausbleibens der
Ereignisse 𝐴, 𝐵 an:

120
 𝐵 𝐵
𝑃 (𝐴 ∩ 𝐵) 𝑃 (𝐴 ∩ 𝐵)
𝑃 (𝐴)
𝐴 𝐴 tritt ein 𝐴 tritt ein
𝐴 tritt ein
𝐵 tritt ein 𝐵 tritt nicht ein

𝑃 (𝐴 ∩ 𝐵) 𝑃 (𝐴 ∩ 𝐵)
𝑃 (𝐴)
𝐴 𝐴 tritt nicht ein 𝐴 tritt nicht ein
𝐴 tritt nicht ein
𝐵 tritt ein 𝐵 tritt nicht ein

𝑃 (𝐵) 𝑃 (𝐵)
1
𝐵 tritt ein 𝐵 tritt nicht ein

Am rechten und unteren Rand der Vierfeldertafel stehen die Wahrscheinlichkeiten für das Eintreten
und Ausbleiben von 𝐴 bzw. 𝐵 allein. Im Inneren der Tabelle stehen die Wahrscheinlichkeiten für
die verschiedenen Kombinationen.

Beipiel 8.9. In einem fernen Land kandidiert eine Ultralinke Partei. 1% der Wahlberechtigten wählt
ultralinks. Die Partei gibt ihr Parteiblatt „Der Rote Revolver“heraus. 2% aller Wahlberechtigten
lesen das Parteiblatt. Insgesamt 0,8% der Wahlberechtigten lesen das Blatt und wählen ultralinks.
Eine wahlberechtigte Person wird zufällig ausgewählt und befragt.
Betrachten Sie die Ereignisse:

• 𝑈 Die befragte Person wählt ultralinks.

• 𝑅 Die befragte Person liest den Roten Revolver.

Stellen Sie die Vierfeldertafel für 𝑈 und 𝑅 auf.

Lösung. Häufig entscheidend ist es, dass man die Angaben richtig versteht. Aus der Angabe kann
man folgende Wahrscheinlichkeiten ablesen:

• 𝑃 (𝑈 ) = 0,01 . Wahrscheinlichkeit, dass die Person ultralinks wählt.

• 𝑃 (𝑅) = 0,02 . Wahrscheinlichkeit, dass die Person den R.R. liest.

• 𝑃 (𝑈 ∩ 𝑅) = 0,008 . Wahrscheinlichkeit, dass die Person ultralinks wählt und den R.R. liest.

Diese Wahrscheinlichkeiten von 𝑈 und 𝑅 tragen wir am rechten und unteren Rand der Vierfelder-
tafel ein. Die Wahrscheinlichkeit von 𝑈 ∩ 𝑅 kommt ins linke obere Eck der Tabelle. (Im rechten
unteren Eck steht immer 1.)

121
 𝑅 𝑅

𝑈 0,008 0,01

0,02 1

Das nützliche an der Vierfeldertafel ist es, dass man die Formeln aus Fakt 8.7 nutzen kann, um die
verbleibenden Wahrscheinlichkeiten zu erstellen. Mit der ersten Formel erhalten wir:

• 𝑃 (𝑈 ) = 1 − 𝑃 (𝑈 ) = 0,99 .

• 𝑃 (𝑅) = 1 − 𝑃 (𝑅) = 0,98 .

Diese Werte können wir unmittelbar in die Tafel übertragen:

𝑅 𝑅

𝑈 0,008 0,01

𝑈 0,99

0,02 0,98 1

Formel 4 aus Fakt 8.7 liefert uns:

𝑃 (𝑈 ∩ 𝑅) + 𝑃 (𝑈 ∩ 𝑅) = 𝑃 (𝑈 ) ⇔ 𝑃 (𝑈 ∩ 𝑅) = 𝑃 (𝑈 ) − 𝑃 (𝑈 ∩ 𝑅)

Damit können wir berechnen:

𝑃 (𝑈 ∩ 𝑅) = 0,01 − 0,008 = 0,002 (8.1)

Analog erhalten wir

𝑃 (𝑈 ∩ 𝑅) = 0,02 − 0,008 = 0,012 (8.2)

Und schließlich:

𝑃 (𝑈 ∩ 𝑅) = 𝑃 (𝑈 ) − 𝑃 (𝑈 ∩ 𝑅) = 0,99 − 0,012 = 0,978

Diese Zahlen lassen sich nun in die Vierfeldertafel übertragen:

122
 𝑅 𝑅

𝑈 0,008 0,002 0,01

𝑈 0,012 0,978 0,99

0,02 0,98 1

Damit ist die Vierfeldertafel fertig. □

Anmerkung 8.10.

• Man kann sich die Gleichung (8.1) auch anders überlegen:

Die Ultralinks-WählerInnen teilen sich in zwei Gruppen: solche, die das Parteiblatt lesen, und
solche, die es nicht lesen. Insgesamt wählen 1% der Bevölkerung ultralinks. 0,8% der gesam-
ten wahlberechtigten Bevölkerung sind Ultralinks-WählerInnen, die den R.R. lesen. Damit
verbleiben 0,2% der gesamten wahlberechtigten Bevölkerung, die zwar ultralinks wählen,
aber das Parteiblatt nicht lesen. Sie sehen: Die erste Zeile des Tabelleninneren addiert sich
zum Wert am Rand daneben.

• Analog kann man sich Gleichung (8.2) überlegen:

Insgesamt sind 2% der gesamten wahlberechtigten Bevölkerung R.R.-LeserInnen, aber nur
0,8% der Wahlberechtigten lesen R.R. und wählen zugleich ultralinks. Damit verbleiben 1,2%
der gesamten wahlberechtigten Bevölkerung, welche den R.R. lesen, aber nicht ultralinks
wählen. Sie sehen: Die erste Spalte des Tabelleninneren addiert sich zum Wert am Rand
darunter.

• Die Vierfeldertafel bietet eine übersichtliche Möglichkeit die Ereignisse in Zusammenhang

zu bringen. Es gilt, dass wenn man die Spalten addiert, man als Ergebnis die letzte Spalte
erhält. Ebenso gilt, dass wenn man die Zeilen addiert, man als Ergebnis die letzte Zeile erhält:

𝐵 𝐵

𝐴 𝑃 (𝐴 ∩ 𝐵) + 𝑃 (𝐴 ∩ 𝐵) = 𝑃 (𝐴)
+ + +

𝐴 𝑃 (𝐴 ∩ 𝐵) + 𝑃 (𝐴 ∩ 𝐵) = 𝑃 (𝐴)
=

𝑃 (𝐵) + 𝑃 (𝐵) = 1

123
8.2.2 Bedingte Wahrscheinlichkeit
In diesem Kapitel wollen wir uns eine Sonderform der Wahrscheinlichkeit widmen, der bedingten
Wahrscheinlichkeit. Bisher haben wir nur Wahrscheinlichkeiten betrachtet, welche sich auf die
Gesamtmenge der möglichen Grundmenge bezieht. Im letzten Beispiel war die Wahl der Person
auf die wir die Wahrscheinlichkeit beziehen vollkommen beliebig. Nun schränken wir diese Menge
ein! In der Prozentrechnung bezeichnet man das, als eine Veränderung der Grundmenge.

Beipiel 8.11. Wir betrachten die Situation aus Beispiel 8.9. Eine Person wird zufällig ausgewählt
und befragt.
• Die Person liest den Roten Revolver. Wie groß ist nun die Wahrscheinlichkeit einzuschätzen,
dass diese Person ultralinks wählt.
• Eine andere Person wird befragt. Sie wählt ultralinks. Wie groß ist nun die Wahrscheinlichkeit
einzuschätzen, dass sie den Roten Revolver liest.
Lösung. Wir beziehen uns auf die oben errechnete Vierfeldertafel, die wir hier wiederholen:
𝑅 𝑅

𝑈 0,008 0,002 0,01

𝑈 0,012 0,978 0,99

0,02 0,98 1

• Insgesamt 2% der Wahlberechtigten lesen den R.R., darunter befinden sich 0,8% (bezogen auf
alle Wahlberechtigten), welche zugleich R.R. lesen und ultralinks wählen1 . Bezogen auf die
R.R.-LeserInnen allein sind das 0,008∕0,02 = 0,4 = 40%. Also wählen 40% des Leserkreises
des R.R. die ultralinke Partei.
• Insgesamt 1% aller Wahlberechtigten wählt ultralinks, darunter befinden sich 0,8% (bezogen
auf alle Wahlberechtigten), welche zugleich R.R. lesen und ultralinks wählen2 . Bezogen auf
die Ultralinks-WählerInnen allein ergibt das 0,008∕0,01 = 0,8 = 80%. Also lesen 80% der
Ultralinks-WählerInnen das Parteiblatt.

□
Anmerkung 8.12. Sie sehen, dass sich durch Information über eines der Ereignisse die Einschätzung
der Wahrscheinlichkeit des anderen ganz drastisch ändert. Diese neu eingeschätzten Wahrschein-
lichkeiten unter Vorinformation nennt man bedingte Wahrscheinlichkeiten.
1 Beachten Sie, wir betrachten eine Teilmenge aller Wahlberechtigten
2 Beachten Sie, wir betrachten wieder eine Teilmenge aller Wahlberechtigten

124
Definition 8.13. Seien 𝐴, 𝐵 zwei Ereignisse. Wir führen die bedingte Wahrscheinlichkeiten ein.
𝑃 (𝐵|𝐴) ist die Wahrscheinlichkeit von 𝐵, wenn bekannt ist, dass 𝐴 eintritt:
𝑃 (𝐴 ∩ 𝐵)
𝑃 (𝐵|𝐴) = .
𝑃 (𝐴)
Anmerkung 8.14. Die unbedingte Wahrscheinlichkeit 𝑃 (𝐴) bezieht sich auf die Gesamtheit aller
Versuche. Der Anteil 𝑃 (𝐴) aller Versuche fällt zu Gunsten von 𝐴 aus.
Dagegen bezieht sich die bedingte Wahrscheinlichkeit 𝑃 (𝐴|𝐵) nur auf die Gesamtheit jener Ver-
suche, in denen 𝐵 eintritt: Welcher Anteil jener Versuche, in denen 𝐵 eintritt, geht zu Gunsten
von 𝐴 aus? Von allen Versuchen erfüllt nur der Anteil 𝐴 ∩ 𝐵, dass er zugunsten von 𝐴 ausgeht
und zugleich in die Gesamtheit der Versuche mit Ausgang 𝐵 mitgerechnet wird. Bezogen auf die
Gesamtheit aller Versuche mit Ausgang 𝐵 gibt das also den Anteil
𝑃 (𝐴 ∩ 𝐵)
𝑃 (𝐴|𝐵) = .
𝑃 (𝐵)
Wenn sich durch die Vorkenntnis über ein Ereignis die Einschätzung der Wahrscheinlichkeit
des anderen Ereignisses nicht ändert, dann heißen die Ereignisse unabhängig:
Definition 8.15. Zwei Ereignisse 𝐴 und 𝐵 heißen unabhängig, wenn eine der drei folgenden Ei-
genschaften gilt. Wenn eine davon gilt, dann gelten alle drei.
𝑃 (𝐴|𝐵) = 𝑃 (𝐴),
𝑃 (𝐵|𝐴) = 𝑃 (𝐵),
𝑃 (𝐴 ∩ 𝐵) = 𝑃 (𝐴) ⋅ 𝑃 (𝐵).

8.2.3 Der Ereignisbaum

Im folgenden Beispiel wollen wir den Ereignisbaum verstehen lernen:
Beipiel 8.16. Zwei Getreidesorten, von denen eine gentechnisch manipuliert ist, sind unterschied-
lich sensibel gegen einen bestimmten Schadstoff. In einer Studie werden viele Proben beider Ge-
treidesorten dem Schadstoff ausgesetzt. Wir greifen eine Pflanze aus der Probe zufällig heraus und
betrachten die zwei Ereignisse:
• 𝐺 Die Pflanze gehört zur gentechnisch manipulierten Sorte.
• 𝑆 Die Pflanze zeigt Schäden nach der Schadstoffbehandlung.
Die Ergebnisse der Studie finden Sie in folgender Vierfeldertafel:
𝑆 𝑆

𝐺 0,1 0,5 0,6

𝐺 0,2 0,2 0,4

0,3 0,7 1

125
 1. Bestimmen Sie die folgenden Wahrscheinlichkeiten und interpretieren Sie, was sie bedeuten:

𝑃 (𝐺), 𝑃 (𝐺 ∩ 𝑆), 𝑃 (𝐺|𝑆),𝑃 (𝑆|𝐺).

Sind die Ereignisse S und G unabhängig?

2. Erstellen Sie einen Ereignisbaum welcher die Beobachtung beschreibt.

Lösung.

1. Es bedeuten:

• 𝑃 (𝐺) Die Wahrscheinlichkeit, dass die Pflanze zur gentechnisch manipulierten Sorte
gehört. Wir können den Wert direkt aus der Tabelle ablesen:
𝑃 (𝐺) = 0,6 (obere Zeile, rechter Rand).
• 𝑃 (𝐺 ∩ 𝑆) Die Wahrscheinlichkeit, dass die Pflanze gentechnisch manipuliert ist und
gleichzeitig Schäden zeigt. Auch diesen Wert können wir direkt ablesen:
𝑃 (𝐺 ∩ 𝑆) = 0,1 (links oben).
• 𝑃 (𝐺|𝑆) Die bedingte Wahrscheinlichkeit, dass es eine gentechnisch manipulierte Pflan-
ze ist, wenn bekannt ist, dass sie Schäden zeigt.
Um diese Wahrscheinlichkeit zu erhalten, müssen wir das Verhältnis aus 𝑃 (𝐺 ∩ 𝑆) und
𝑃 (𝑆) bilden:

𝑃 (𝐺 ∩ 𝑆) 0,1 ̇
𝑃 (𝐺|𝑆) = = = 0,3.
𝑃 (𝑆) 0,3

• 𝑃 (𝑆|𝐺) Die bedingte Wahrscheinlichkeit, dass die Pflanze Schäden zeigt, wenn bekannt
ist, dass sie gentechnisch manipuliert ist. Um diese Wahrscheinlichkeit zu erhalten, müs-
sen wir das Verhältnis aus 𝑃 (𝐺 ∩ 𝑆) und 𝑃 (𝑆) bilden:

𝑃 (𝐺 ∩ 𝑆) 0,1 ̇
𝑃 (𝑆|𝐺) = = = 0,16.
𝑃 (𝐺) 0,6

• Die Ereignisse sind nicht unabhängig, denn mit Vorkenntnis der gentechnischen Lage
ändert sich die Wahrscheinlichkeit, dass die Pflanze durch den Schadstoff beeinträchtigt
wird:

̇
𝑃 (𝑆) = 0,3 ≠ 𝑃 (𝑆|𝐺) = 0,16.

2. Wenn man die bedingen Wahrscheinlichkeiten bereits kennt, ist es manchmal einfacher/übersichtlicher
die Ereignisse in einem Ereignisbaum darzustellen. Hierfür trägt man die Ereignisse in zwei
Spalten ein (natürlich kann man das auch als Zeilen machen), wobei man die Aufspaltung
mit 1 beginnt (bzw. beginnen lassen kann).

126
 𝑆 ∩𝐺

𝑆 ∩𝐺

𝑆 ∩𝐺

𝑆 ∩𝐺

Nun trägt man die Wahrscheinlichkeiten für 𝑆 und 𝑆 bei den Ereignissen (und auf den Ver-
bindungsstrecken ein):

𝑆 ∩𝐺

𝑆
𝑃 (𝑆) = 0,3
0,3
𝑆 ∩𝐺

𝑆 ∩𝐺
𝑃 (𝑆) = 0,7
𝑆
0,7
𝑆 ∩𝐺

Beachten Sie, dass die Aufspaltung der Pfade in Summe immer 1 ergeben muss. Man kann
das so lesen, die Beginnende 1 beschreibt den gesamten Ereignisraum (also das irgendwas
passiert). Nun gibt es zwei Möglichkeiten, 𝑆 kann eintreten oder eben nicht 𝑆, daher muss
die gesamte WSK 1 ergeben.
Nun betrachten wir die zweite Spalte. Wenn wir den Pfad betrachten, der von 𝑆 beginnt, so
betrachten wir nur noch Wahrscheinlichkeiten, bei denen vorausgesetzt ist, dass 𝑆 eingetre-
ten ist → wir haben also bedingte Wahrscheinlichkeiten. Somit ist er erste Pfad die WSK,
dass 𝐺 eintritt, vorausgesetzt, dass 𝑆 gilt! Analog gilt das für die anderen Pfade. Schließlich
erhält man in der letzten Spalte die „und“Wahrscheinlichkeiten der Pfade:

127
 𝑃 (𝐺|𝑆) = 0,3̇ 𝑆 ∩𝐺
𝑃 (𝐺 ∩ 𝑆) = 0,3 ⋅ 0,3̇ = 0,1
𝑆
𝑃 (𝑆) = 0,3
𝑃 (𝑆) = 0,3
𝑃 (𝐺|𝑆) = 0,6̇ 𝑆 ∩𝐺

1 𝑃 (𝐺 ∩ 𝑆) = 0,3 ⋅ 0,6̇ = 0,2

𝑃 (𝐺|𝑆) ≈ 0,71 𝑆 ∩𝐺
𝑃 (𝑆) = 0,7
𝑆 𝑃 (𝐺 ∩ 𝑆) = 0,7 ⋅ 0,71 = 0,5

𝑃 (𝑆) = 0,7 𝑃 (𝐺|𝑆) ≈ 0,29 𝑆 ∩𝐺

𝑃 (𝐺 ∩ 𝑆) = 0,7 ⋅ 0,29 = 0,2

8.3 Zwei Aufgaben mit überraschendem Resultat

Drogenhund Bello
Beipiel 8.17. Der brave Drogenhund Bello bellt 90% der DrogenschmugglerInnen aus, die einen
bestimmten Grenzübergang zu passieren versuchen. Leider verbellt er auch 5% der anderen Passan-
tInnen. An diesem Grenzübergang kommt ein/e DrogenschmugglerIn auf 999 harmlose PassantIn-
nen. Ein Passant kommt vorüber.
• Erstellen Sie eine Vierfeldertafel für die Ereignisse
– 𝐷 Der Passant schmuggelt Drogen.
– 𝐵 Der Passant wird ausgebellt.
• Wie groß ist die Wahrscheinlichkeit, dass der Passant ein Drogenschmuggler ist und ausge-
bellt wird?
• Wie groß ist die Wahrscheinlichkeit, dass der Passant ausgebellt wird?
• Der Passant wurde ausgebellt. Wie groß ist die Wahrscheinlichkeit, dass er Drogen schmug-
gelt?
• Erstellen Sie einen Ereignisbaum welcher die selben Ereignisse betrachtet!
Lösung.
• Unsere Angaben beinhalten die folgenden Informationen

128
 – 𝑃 (𝐵|𝐷) = 0,9. Bedingte Wahrscheinlichkeit: Wenn die Information gegeben ist, dass
𝐷 eintritt, wird die Wahrscheinlichkeit von 𝑃 mit 0,9 angegeben!
– 𝑃 (𝐵|𝐷) = 0,05.
– 𝑃 (𝐷) = 0,001. Unbedingte Wahrscheinlichkeit! Von 1000 Passanten - über die wir
noch nicht mehr wissen - ist einer Drogenschmuggler.
Wir erstellen zunächst schrittweise die Vierfeldertafel. Direkt aus den Angaben können wir
die Wahrscheinlichkeit 𝑃 (𝐷) und die Wahrscheinlichkeit 𝑃 (𝐷) = 1 − 𝑃 (𝐷) eintragen:

𝐵 𝐵

𝐷 0,001

𝐷 0,999

Aus der Formel für bedingte Wahrscheinlichkeit (Definition 8.13) folgt

𝑃 (𝐵 ∩ 𝐷)
𝑃 (𝐵|𝐷) = ⇔ 𝑃 (𝐵 ∩ 𝐷) = 𝑃 (𝐷) ⋅ 𝑃 (𝐵|𝐷) = 0,001 ⋅ 0,9 = 0,0009
𝑃 (𝐷)
𝑃 (𝐵 ∩ 𝐷)
𝑃 (𝐵|𝐷) = ⇔ 𝑃 (𝐵 ∩ 𝐷) = 𝑃 (𝐷) ⋅ 𝑃 (𝐵|𝐷) = 0,999 ⋅ 0,05 = 0,04995
𝑃 (𝐷)

𝐵 𝐵

𝐷 0,009 0,001

𝐷 0,04995 0,999

Nun können wir die Zeilen und Spaltensummen vervollständigen:

𝐵 𝐵

𝐷 0,0009 0,0001 0,001

𝐷 0,04995 0,94905 0,999

0,05085 0,94915 1

129
 • Nun können wir die Wahrscheinlichkeiten ablesen:

– 𝑃 (𝐷 ∩ 𝐵) Die Wahrscheinlichkeit, dass der Passant ein Drogenschmuggler ist und aus-
gebellt wird, ist 0,0009. (Linke obere Ecke der inneren Tafel).
– 𝑃 (𝐵) Die Wahrscheinlichkeit, dass der Passant ausgebellt wird, ist 0,05085. (Unterer
Rand, links.)
– 𝑃 (𝐷|𝐵) Die bedingte Wahrscheinlichkeit, dass der Passant ausgebellt wird, wenn be-
kannt ist dass er Drogen schmuggelt, ist 0,0009∕0,05085 ≈ 0,0177.

• Nun können wir noch den Ereignisbaum darstellen:

𝑃 (𝐵|𝐷) = 0,9 𝐷∩𝐵

𝑃 (𝐵 ∩ 𝐷) = 0,001 ⋅ 0,9 = 0,0009
𝐷
𝑃 (𝐷) = 0,001
𝑃 (𝐷) = 0,001
𝑃 (𝐵|𝐷) = 0,1 𝐷∩𝐵

1 𝑃 (𝐵 ∩ 𝐷) = 0,001 ⋅ 0,1 = 0,0001

𝑃 (𝐵|𝐷) = 0,05 𝐷∩𝐵

𝑃 (𝐷) = 0,999
𝐷 𝑃 (𝐵 ∩ 𝐷) = 0,999 ⋅ 0,05 = 0,04995

𝑃 (𝐷) = 0,999 𝑃 (𝐵|𝐷) = 0,95 𝐷∩𝐵

𝑃 (𝐵 ∩ 𝐷) = 0,999 ⋅ 0,95 = 0,94905

Covid-19
Anmerkung 8.18. Vorbemerkung: Vor einigen Jahren gab es ein Pandemie namens Covid-193 . Im
Rahmen dieser Pandemie wurden PCR-Tests durchgeführt um erkrankte Personen zu identifizieren.
Die Testgenauigkeit wurde überprüft und verglichen:

3 Möglicherweise haben Sie schon mal was davon gehört ;-) .

130
 Abbildung 8.1: Auswertung PCR-Testgenauigkeit [3]

Diese Liste zeigt die Testgenauigkeit welche durch Sensitivität und Spezifität angegeben wird und
wurde erstellt um die Testmethoden zu selektieren nach der entschieden wird ob eine Person als
infiziert bezeichnet wird (positive Covid19 Case).
Sensitivität: Beschreibt die Wahrscheinlichkeit eine erkrankte Person als krank zu identifizieren.
Spezifität: Beschreibt die Wahrscheinlichkeit, dass eine gesunde Person als nicht erkrankt erkannt
wird.
Anmerkung zu dieser Tabelle: Zum einen wird in dem Dokument [3] darauf hingewiesen, dass
die Überprüfung der Testgenauigkeit an verhältnismäßig wenigen Proben überprüft wurde. Zum
Anderen muss man anmerken, dass eine Spezifität von 100% auf eine optimale Testumgebung hin-
deutet. Eine reale Messung hat immer einen Messfehler. Daher ist ein realistischer Kandidat der
Automatisierter RT-PCR Test. Wir werden für unsere Überlegungen diesen heranziehen.
Weiters benötigen wir eine realistische Annahme für die Anzahl an infizierten, wir nehmen an,
dass 1% der Bevölkerung an Covid-19 erkrankt ist, was in etwa der Infektionslage im Jänner 2022
entspricht 4
Beipiel 8.19. Erstellen sie einen Ereignisbaum welcher die Testgenauigkeit erkrankter und gesun-
der Personen der Covid-19 Pandemie abbildet.
Eine beliebige Person macht einen PCR-Test, das Testergebnis ist positiv! Wie hoch ist die Wahr-
scheinlichkeit, dass diese Person wirklich an Covid-19 erkrankt ist?
Lösung. Zuerst definieren wir zwei Ereignisse welche das Problem beschreiben:
4 Durchfolgende Überlegung, wenn pro Tag 10000 neue Fälle hinzukommen und wir annehmen, dass eine Person
7 Tage erkrankt bleibt so erhält man 7 ⋅ 10000 = 70000 erkrankte Personen, was in etwa 1% der österreichischen
Bevölkerung entspricht.

131
𝐾: eine Person ist an Covid-19 erkrankt.

𝑇 : der PCR-Test ist positiv.

Mit diesen beiden Ereignissen können wir nun Wahrscheinlichkeiten aus der Infektionslage, der
Sensitivität und der Spezifität ableiten:

𝑃 (𝐾) = 0,01
𝑃 (𝑇 |𝐾) = 0,95 Sensitivität
𝑃 (𝑇 |𝐾) = 0,99 Spezifität

𝑃 (𝑇 |𝐾) = 0,95 𝐾 ∩𝑇
𝑃 (𝑇 ∩ 𝐾) = 0,01 ⋅ 0,95 = 0,0095
𝑃 (𝐾) = 0,01
𝐾
0,01
𝑃 (𝑇 |𝐾) = 0,05 𝐾 ∩𝑇

𝑃 (𝑇 ∩ 𝐾) = 0,01 ⋅ 0,05 = 0,0005

𝑃 (𝑇 |𝐾) = 0,01 𝐾 ∩𝑇
𝑃 (𝐾) = 0,99
𝐾 𝑃 (𝑇 ∩ 𝐾) = 0,99 ⋅ 0,01 = 0,0099

0,99 𝑃 (𝑇 |𝐾) = 0,99 𝐾 ∩𝑇

𝑃 (𝑇 ∩ 𝐾) = 0,99 ⋅ 0,99 = 0,9801

Nun können wir uns der zweiten Fragestellung widmen. Zuerst müssen wir erkennen, dass die
Wahrscheinlichkeit 𝑃 (𝐾|𝑇 ) gefragt ist. Die Formel von BAYES benötigt hierfür 𝑃 (𝑇 ), welche wir
aus dem Ereignisbaum berechnen können:

𝑃 (𝑇 ) = 𝑃 (𝑇 ∩ 𝐾) + 𝑃 (𝑇 ∩ 𝐾) = 0,0095 + 0,0099 = 0,0194

Damit erhalten wir die gesuchte Wahrscheinlichkeit als

𝑃 (𝐾 ∩ 𝑇 ) 0,0095
𝑃 (𝐾|𝑇 ) = = = 0,4897 ≈ 49%
𝑃 (𝑇 ) 0,0194

Anmerkung 8.20. Diese Rechnung ist natürlich lange bekannt, und ein Standardbeispiel der Wahr-
scheinlichkeitstheorie. Man kann die Testgenauigkeit einfach erhöhen, indem man ein zweites mal
testet. Dies führt dann zu einer Wahrscheinlichkeit 𝑃 (𝐾|𝑇1 ∩ 𝑇2 ) ≈ 99%.

132
8.4 Beispiele zum Vorbereiten
Beipiel 8.21. In einer Versuchsanordnung muss eine Maus in einem Labyrinth ein Stuck Speck
finden. Von hundert Mäusen macht jede zweimal den Versuch. Es stellt sich heraus, das 36 Mäuse
bei beiden Versuchen den Speck finden. 90% der Mäuse, denen der erste Versuch gelingt, schaffen
auch den zweiten Versuch. Die Hälfte der Mäuse, denen der erste Versuch nicht gelingt, schafft
trotzdem den zweiten Versuch.

• Erstellen Sie die Vierfeldertafel für die Ereignisse

– E Erster Versuch gelingt.

– Z Zweiter Versuch gelingt.

• Wie groß ist der Prozentsatz aller Mäuse, denen der erste Versuch gelingt?

• Wie groß ist der Prozentsatz aller Mäuse, denen der zweite Versuch gelingt?

• Welcher Prozentsatz aller Mäuse, denen der zweite Versuch gelingt, hat auch im ersten Ver-
such bestanden?

Lösung:

133
8.5 Weitere Beispiele zum Üben
Beipiel 8.22. In einer Studie wurde der Befall von Ratten mit Milben der Typen A und B untersucht.
250 Ratten wurden eingefangen, 75 davon waren von Milben des Typs B befallen. 60% der von Typ
B befallenen Ratten waren auch von Milben des Typs A befallen, während 37,5% der von Typ A
befallenen Ratten auch von Milben des Typs B befallen waren. Eine Ratte wird zufällig ausgewählt,
A bezeichne das Ereignis „Befall mit Milben vom Typ A“, B das Ereignis „Befall mit Milben vom
Typ B“.

1. Welche der folgenden drei Behauptungen finden sich in der Angabe (ankreuzen)?

𝑃 (𝐵|𝐴) = 0,6; 𝑃 (𝐴 ∩ 𝐵) = 0,6; 𝑃 (𝐴|𝐵) = 0,6

2. Erstellen Sie eine Vierfeldertafel für die Ereignisse A und B und tragen Sie passende Zah-
lenwerte ein.

3. Es sei bereits festgestellt, dass die ausgewählte Ratte von Milben des Typs A nicht befallen
ist. Wie groß ist dann die Wahrscheinlichkeit, dass sie von Milben des Typs B befallen ist ?

Beipiel 8.23. Eine Schachtel enthält drei Münzen 𝑋, 𝑌 , 𝑍. 𝑋 ist eine faire Münze, zeigt beim
Werfen also mit gleicher Wahrscheinlichkeit „Kopf“bzw. „Adler“, 𝑌 ist so manipuliert, dass beim
Werfen die Wahrscheinlichkeit fur „Adler“gleich 23 ist, und 𝑍 zeigt auf beiden Seiten den Adler.
Es wird folgender Versuch durchgeführt: Eine Münze wird zufällig der Schachtel entnommen und
geworfen.

• Skizzieren Sie das Baumdiagramm für den Versuch.

• Mit welcher Wahrscheinlichkeit erscheint „Adler“?

• Mit welcher Wahrscheinlichkeit handelt es sich um die faire Münze, wenn „Kopf“erscheint?

Beipiel 8.24. Eine Stichprobe von 100 Personen bestand aus 40 Männern und 60 Frauen. 20%
der Männer und 15% der Frauen waren übergewichtig. Eine Person wird zufällig ausgewählt. Wir
betrachten die Ereignisse: 𝑀 „Die Person ist männlich“und 𝑈 „Die Person ist übergewichtig“.

1. Erstellen Sie ein Baumdiagramm.

2. Bestimmen Sie die Wahrscheinlichkeit, dass die Person übergewichtig ist.

3. Aus den übergewichtigen Personen wird zufällig eine Person ausgewählt. Wie groß ist die
Wahrscheinlichkeit, dass es ein Mann ist?

134
 KAPITEL

STATISTIK

9.1 Merkmale
Anmerkung 9.1. Statistik handelt von Gesamtheiten und Merkmalen. Eine Gesamtheit ist eine Men-
ge von Individuen oder Objekten, an denen bestimmte Merkmale beobachtet werden. Die Individu-
en der Gesamtheit werden daher auch als Merkmalsträger bezeichnet. Die statistische Untersuchung
dient der Erkundung der Merkmale in einer Grundgesamtheit. Jedoch steht als Beobachtungsma-
terial meist nicht die ganze Grundgesamtheit, sondern nur eine Stichprobe zur Verfügung. Jeder
Merkmalsträger besitzt das Merkmal in einer bestimmten Ausprägung.

Definition 9.2. Ein Merkmal hat das Skalenniveau (den Skalentyp)

• nominal: wenn sich auf das Merkmal weder eine Rangordnung noch Berechnungen gründen
lassen.

• ordinal: wenn das Merkmal eine Rangordnung begründet, aber keine Zahlenwerte für sinn-
volle Rechnungen liefert.

• metrisch: wenn das Merkmal in Zahlen angegeben ist, mit denen Berechnungen sinnvoll sind.
Insbesondere müssen Differenzen von Ausprägungen sinnvoll gebildet werden können.

Beipiel 9.3. Eine Konsumentenzeitschrift beurteilt Motorräder. Zu den publizierten Daten gehören
folgende Merkmale mit ihren Ausprägungen. Teilen Sie die Merkmale in die drei Skalenniveaus
ein.

135
 Merkmal mögliche Ausprägungen
Marke BMW, Honda, Kawasaki, Laverda, . . .
Typ R100, Gold Wing, . . .
Motorleistung Zahlenwert in kW
Motorbauart Reihe, V, Boxer
Hubraum Zahlenwert in cm3
Höchstgeschwindigkeit Zahlenwert in km/h
Anzahl der Zylinder ganze Zahl
Testurteil sehr gut, gut, durchschnittlich, weniger gut, mangelhaft

Lösung.

• Merkmale sind nominal: Marke, Typ, Motorbauart.

• Ordinal ist: Testurteil.

• Metrisch sind: Motorleistung, Hubraum, Höchstgeschwindigkeit, Anzahl der Zylinder.

• Das Skalenniveau entscheidet, welche statistischen Methoden auf ein Merkmal anwendbar
sind. Die schärfsten Methoden, die auf Zusammenrechnung von Merkmalen (z.B. Mittelwert-
bildung) beruhen, lassen sich nur für metrische Merkmale anwenden. Für ordinale Merkmale
gibt es spezielle (sogenannte parameterfreie) Methoden, die auf Rangordnungen beruhen. Es
gibt auch Verfahren, die sogar auf nominale Daten anwendbar sind.

• Jedes metrische Merkmal impliziert eine Rangordnung (der Größe nach). Daher kann man
alle statistischen Methoden, die für ordinale Merkmale geeignet sind, auch für metrische
Merkmale verwenden. Ebenso lässt sich jedes metrische Merkmal und jedes ordinale Merk-
mal auch wie ein nominales Merkmal behandeln.

• Wenn ein Merkmal durch eine Zahl angegeben wird, muss es noch lange nicht metrisch sein.
Beispielsweise sind Bestellnummern in Versandkatalogen nominal, Schulnoten sind ordinal.
(Allerdings werden gelegentlich ordinale Merkmale, etwas unexakt, wie metrische behandelt,
zum Beispiel bei der Berechnung eines Notenmittelwertes.)

Anmerkung 9.4. Ein wichtiges Ziel der Statistik ist die Bestimmung der typischen Ausprägung eines
Merkmals (auch bekannt als Lokalisierung oder zentrale Tendenz) und der üblichen Abweichung
von dieser Ausprägung (sogenannte Variabilität oder Streuung).

9.2 Häufigkeiten
Definition 9.5. Sei 𝑥 ein Merkmal, das in einer Gesamtheit (kann auch eine Stichprobe sein) in
verschiedenen Ausprägungen 𝑥1 , … ,𝑥𝑚 auftritt. Wir führen die folgenden Bezeichnungen ein:

136
 • Der Umfang 𝑛 der Gesamtheit (Stichprobenumfang, wenn die Gesamtheit eine Stichprobe
ist) ist die Anzahl der Merkmalsträger in der Gesamtheit.

• Die textitabsolute Häufigkeit 𝑎𝑖 der Ausprägung 𝑥𝑖 ist die Anzahl der Merkmalsträger in der
Gesamtheit, die die Ausprägung 𝑥𝑖 tragen.

• Die textitrelative Häufigkeit 𝑟𝑖 (manchmal auch 𝑝𝑖 oder 𝑓𝑖 ) der Ausprägung 𝑥𝑖 ist der Anteil
der Merkmalsträger mit Ausprägung 𝑥𝑖 , bezogen auf den Umfang der Gesamtheit:

𝑎𝑖
𝑟𝑖 = .
𝑛

• Ist das Merkmal ordinal oder metrisch, so gibt es auch die textitkumulative absolute Häufig-
keit 𝐾𝑖 , das ist die Anzahl der Merkmalsträger, deren Ausprägung höchstens 𝑥𝑖 ist.

• Ebenfalls für ordinale oder metrische Merkmale gibt es die textitkumulative relative Häufig-
keit 𝐹𝑖 . Diese ist der Anteil der Merkmalsträger mit Ausprägungen von höchstens 𝑥𝑖 , bezogen
auf den Umfang der Gesamtheit.

Beipiel 9.6. Ein Tierheim ist unter Verruf geraten. Von den 241 Katzen, die das Heim bewoh-
nen, wird eine zufällige Stichprobe von 20 Katzen entnommen. Erhoben wird (unter anderem) der
Bestand an Flöhen, die sich bei sorgfältiger Untersuchung auf jeder Katze finden. Die folgenden
Tabelle zeigt das Ergebnis der Untersuchung:

Anzahl an Flöhe Anzahl der Katzen mit 𝑥 Flöhen

𝑥𝑖 𝑎𝑖
0 4
1 6
2 5
3 3
4 1
5 0
6 1
mehr 0

Was sind in dieser Studie: Die Grundgesamtheit, die Stichprobe, das Merkmal, die Ausprägungen,
die absoluten, relativen, kumulativen absoluten und kumulativen relativen Häufigkeiten?

Lösung. Die Grundgesamtheit sind die 241 Katzen des Tierheims, die Stichprobe die 20 unter-
suchten Katzen, mit einem Stichprobenumfang von 𝑛 = 20. Das Merkmal ist die Anzahl der Flöhe
(mögliche Ausprägungen: 0,1,2, … ; metrisch). Jede Katze ist ein Merkmalsträger. Fur die Häufig-
keiten erstellen wir folgende Tabelle:

137
 Merkmal Häufigkeiten
absolut relativ abs. komulativ rel. komulativ
𝑥𝑖 𝑎𝑖 𝑟𝑖 𝐾𝑖 𝐹𝑖
0 4 0,20 4 0,20
1 6 0,30 10 0,50
2 5 0,25 15 0,75
3 3 0,15 18 0,90
4 1 0,05 19 0,95
5 0 0,00 19 0,95
6 1 0,05 20 1,00
gesamt 20 1,00
□

Definition 9.7. Ein Stabdiagramm stellt die Häufigkeitsverteilung eines Merkmals grafisch dar.
Auf der waagrechten Achse werden die Ausprägungen errichtet. Auf der senkrechten Achse wird
eine Skala für entweder die absoluten oder relativen (oder beide) Häufigkeiten eingeteilt. Über
jeder Ausprägung wird senkrecht ein Balken mit der Höhe der absoluten oder relativen Häufigkeit
erstellt.

Anmerkung 9.8. Ob als Häufigkeiten die absoluten oder relativen Häufigkeiten verwendet werden,
macht nur einen Unterschied für die Zahlenwerte auf der Skala, die Form des Stabdiagrammes
bleibt dieselbe.

Beipiel 9.9. Erstellen Sie ein Stabdiagramm fur Beispiel 9.6.

Lösung. Waagrecht werden die Ausprägungen (0 bis 6) eingeteilt. Eine Skala für die absoluten
Häufigkeiten muss mindestens Werte von 0 bis 6 umfassen. Dann wird über jeder Ausprägung ein
Balken errichtet: Mit 0 Flöhen (Ausprägung 𝑥 = 0) wurden 4 Katzen (absolute Häufigkeit 𝑎 = 4)
gefunden, also reicht der Balken bis zur Höhe 4, usw.

6
Häufigkeiten

0 1 2 3 4 6
Anzahl Flöhe

138
Diese Darstellung hat die Ausprägung 5 Flöhe (welcher die Häufigkeit 0 zukommt) nicht mitge-
nommen. Man kann bezweifeln, dass dadurch die Übersichtlichkeit des Diagrammes erhöht wird.
Dies wird übrigens auch für alle Möglichkeiten, dass es mehr als 6 Flöhe sind gemacht. Wir könn-
ten das Stabdiagramm natürlich auch mit relativen Häufigkeiten erstellen. Beachten Sie, dass sich
nur die Skala ändert:

0.3

0.2
%

0.1

0 1 2 3 4 6
Anzahl Flöhe

Als alternative, ebenfalls oft verwendete Darstellung, geben wir noch ein Kreisdiagramm an. Der
Kreis wird in Sektoren aufgeteilt, deren Anteil an der Kreisfläche jeweils die relative Häufigkeit der
Ausprägung entspricht:

Relative Häufigkeiten

30% 20%

5%

25% 5%
15%

□
Anmerkung 9.10. Manchmal nennt man das Stabdiagramm auch etwas ungenau Histogramm, ob-
wohl ein Histogramm, streng genommen, etwas anders gebaut ist. (Siehe Definition 9.34)
• Im Stabdiagramm entspricht die Höhe des Balkens der Häufigkeit der Klasse.

139
 • Im Histogramm entspricht die Höhe des Balkens der Häufigkeit, gebrochen durch die Klas-
senbreite. Die Fläche des Balkens entspricht damit der Häufigkeit der Klasse.
• Gelegentlich werden (etwas ungenau) auch Stabdiagramme als Histogramme bezeichnet,
denn wenn alle Klassen gleich breit sind, sehen Stabdiagramm und Histogramm gleich aus.

9.3 Mittelwert und Standardabweichung

Definition 9.11. In einer Gesamtheit von 𝑛 Merkmalsträgern (kann auch eine Stichprobe sein) ist
ein metrisches Merkmal mit den Ausprägungen 𝑥1 , 𝑥2 , … ,𝑥𝑛 vertreten.
• Der Mittelwert des Merkmals innerhalb dieser Gesamtheit ist
1( )
𝑥= 𝑥1 + 𝑥2 + ⋯ + 𝑥𝑛
𝑛
• Die Varianz des Merkmals innerhalb dieser Gesamtheit ist
1[ ]
𝜎𝑥2 = (𝑥1 − 𝑥)2 + (𝑥2 − 𝑥)2 + … (𝑥𝑛 − 𝑥)2
𝑛
1[ 2 ] 2
= 𝑥1 + 𝑥22 + ⋯ + 𝑥2𝑛 − 𝑥
𝑛
• Die Standardabweichung des Merkmals innerhalb dieser Gesamtheit ist die Quadratwurzel
der Varianz:
√
𝜎𝑥 = 𝜎𝑥2

Anmerkung 9.12. Achtung, viele Autoren definieren von Haus aus die Varianz mit dem Nenner
𝑛 − 1 statt 𝑛. Statistikpakete wie SPSS errechnen auch die Varianz mit dem Nenner 𝑛 − 1. Das ist
dann angebracht, wenn die Varianz einer Stichprobe berechnet wird, aber damit die Varianz der
Grundgesamtheit geschätzt werden soll.
Fakt 9.13. Mittelwert und Varianz kann man auf verschiedene Weise berechnen:
• Wenn eine Tabelle der n einzelnen Merkmalsträger und ihrer Ausprägungen 𝑥1 , … ,𝑥𝑛 gege-
ben ist:
1( )
𝑥= 𝑥1 + ⋯ + 𝑥𝑛
𝑛
1 ( 2 ) 2
𝜎𝑥2 = 𝑥1 + ⋯ + 𝑥2𝑛 − 𝑥 .
𝑛
• Wenn eine Tabelle der m möglichen Ausprägungen 𝑥1 , … ,𝑥𝑚 und ihrer absoluten Häufigkei-
ten 𝑎1 , … ,𝑎𝑚 gegeben ist:
𝑛 = 𝑎1 + ⋯ + 𝑎𝑚
1( )
𝑥= 𝑥1 𝑎1 + ⋯ + 𝑥𝑚 𝑎𝑚
𝑛
2 1( 2 ) 2
𝜎𝑥 = 𝑥1 𝑎1 + ⋯ + 𝑥2𝑚 𝑎𝑚 − 𝑥 .
𝑛

140
 • Wenn eine Tabelle der m möglichen Ausprägungen 𝑥1 , … ,𝑥𝑚 und ihrer relativen Häufigkeiten
𝑟1 , … ,𝑟𝑚 gegeben ist:

𝑥 = 𝑥1 𝑟1 + ⋯ + 𝑥𝑚 𝑟𝑚
2
𝜎𝑥2 = 𝑥21 𝑟1 + ⋯ + 𝑥2𝑚 𝑟𝑚 − 𝑥 .

In folgendem Beispiel wollen wir diese verschiedenen Möglichkeiten zur Berechnung zeigen.

Beipiel 9.14. Zwar sind Noten ein ordinales Merkmal, trotzdem werden oft Mittelwerte der Noten
wie für ein metrisches Merkmal bestimmt. Bestimmen Sie Mittelwert und Varianz der Noten aus
folgender Gesamtheit:

Andrea 1
Bernhard 2
Claudia 2
Dieter 3
Ewald 1

Lösung. Der Stichprobenumfang ist 𝑛 = 5. Wir erstellen eine Tabelle der Zahlen, die zu summieren
sind:

SchülerIn Note
𝑥𝑖 𝑥𝑖 − 𝑥 (𝑥𝑖 − 𝑥)2
Andrea 1 −0,8 0,64
Bernhard 2 0,2 0,04
Claudia 2 0,2 0,04
Dieter 3 1,2 1,44
Ewald 1 −0,8 0,64
Summe 9 2,80
durch 𝑛 = 5 1,8 0,56
(= 𝑥) (= 𝜎𝑥2 )

√
Damit ist der Mittelwert 1,8, und die Varianz ist 0,56. Die Standardabweichung ist 0,56 ≈ 0,75.
Wir zeigen die zweite Variante der Rechnung, die dasselbe Ergebnis liefert, aber etwas bequemer
ist:

141
 SchülerIn Note
𝑥𝑖 𝑥2𝑖
Andrea 1 1
Bernhard 2 4
Claudia 2 4
Dieter 3 9
Ewald 1 1
Summe 9 19
durch 𝑛 = 5 1,8 3,8
(= 𝑥)
2
−𝑥 −3,24
0,56
(= 𝜎𝑥2 )

Als dritte Variante: Man kann statt mit der Tabelle der einzelnen Merkmalsträger auch mit ei-
ner Tabelle der möglichen Ausprägungen mit ihren Häufigkeiten ausgehen. Man darf aber nicht
vergessen, dass Ausprägungen, die mehrfach vorkommen, auch mehrfach gezählt werden müssen:
Note Häufigkeit
𝑥𝑖 𝑎𝑖 𝑥𝑖 ⋅ 𝑎𝑖 𝑥2𝑖 ⋅ 𝑎𝑖
1 2 2 2
2 2 4 8
3 1 3 9
Summe 5 9 19
(= 𝑛)
durch 𝑛: 1 1,8 3,8
(= 𝑥)
2
−𝑥 −3,24
0,56
(= 𝜎𝑥2 )
Beginnt man mit einer Tabelle der relativen Häufigkeiten, erspart man sich am Ende die Division
durch 𝑛:
Note Häufigkeit
𝑥𝑖 𝑟𝑖 𝑥𝑖 ⋅ 𝑎𝑖 𝑥2𝑖 ⋅ 𝑎𝑖
1 0,4 0,4 0,4
2 0,4 0,8 1,6
3 0,2 0,6 1,8
Summe 1 1,8 3,8
(= 𝑥)
2
−𝑥 −3,24
0,56
(= 𝜎𝑥2 )

142
 □

Beipiel 9.15. Bestimmen Sie Mittelwert und Standardabweichung des Merkmals „Anzahl der Flö-
he“ aus Beispiel 9.6

Anzahl an Flöhe Anzahl der Katzen mit 𝑥 Flöhen

𝑥𝑖 𝑎𝑖
0 4
1 6
2 5
3 3
4 1
5 0
6 1
mehr 0

Lösung. Wir gehen also diesmal von einer Tabelle mit absoluten Häufigkeiten aus:

Ausprägung Häufigkeit
𝑥𝑖 𝑎𝑖 𝑥 𝑖 ⋅ 𝑎𝑖 𝑥2𝑖 ⋅ 𝑎𝑖
0 4 0 0
1 6 6 6
2 5 10 20
3 3 9 27
4 1 4 16
5 0 0 0
6 1 6 36
Summe 20 35 105
(= 𝑛)
durch 𝑛: 1 1,75 5,25
(= 𝑥)
2
−𝑥 −3,0625
2,1875
(= 𝜎𝑥2 )

Eine Katze hat im Durchschnitt 1,75 Flöhe. Die Varianz beträgt 2,19 Quadratflöhe, die Standard-
abweichung ist die Wurzel der Varianz und beträgt 1,48 Flöhe. □

Beipiel 9.16. Mit einem fairen Würfel wird gewürfelt. Berechnen Sie Mittelwert und Varianz der
Augenzahl.

Lösung. Wir erstellen eine Tabelle der möglichen Augenzahlen mit ihren relativen Häufigkeiten.
Da der Würfel fair ist, sind alle Augenzahlen gleich häufig.

143
 Augenzahl Häufigkeit
𝑥𝑖 𝑟𝑖 𝑥𝑖 ⋅ 𝑟𝑖 𝑥2𝑖 ⋅ 𝑟𝑖
1 1/6 1/6 1/6
2 1/6 2/6 4/6
3 1/6 3/6 9/6
4 1/6 4/6 16/6
5 1/6 5/6 25/6
6 1/6 6/6 36/6
Summe 1 21/6 91/6
= 3,5 ≈ 15,17
(= 𝑥)
2
−𝑥 −12,25
2,92
(= 𝜎𝑥2 )
√
Der Mittelwert beträgt 3,5, die Varianz 2,92, die Standardabweichung 2,92 ≈ 1,71. □

Fakt 9.17.

• Der Mittelwert ist eine Kenngröße der Lage, er gibt den Durchschnittswert des Merkmals
innerhalb der betrachteten Gesamtheit an.

• Varianz und Standardabweichung sind Kenngrößen der Streuung. Je weiter und öfter die
Daten vom Mittelwert abweichen, desto größer sind Varianz und Standardabweichung.

• Die Varianz ist immer positiv. Sie ist nur dann gleich 0, wenn alle Merkmalsträger exakt
denselben Wert als Ausprägung haben.

Anmerkung 9.18. Die Bedeutung der Varianz kann man leicht aus der Formel ablesen:

1[ ]
𝜎𝑥2 = (𝑥1 − 𝑥)2 + (𝑥2 − 𝑥)2 + ⋯ + (𝑥𝑛 − 𝑥)2 .
𝑛
Summiert werden die Quadrate der Abweichung der einzelnen Ausprägung vom Mittelwert. Diese
Quadrate sind alle positiv. Die Summe Null kann nur entstehen, wenn alle Summanden gleich null
sind, also alle Merkmalsträger als Ausprägung genau den Mittelwert haben. Je häufiger große Ab-
weichungen der einzelnen Ausprägungen vom Mittelwert sind, desto größer fällt auch die Summe
aus.
Während der Mittelwert leicht zu interpretieren ist, ist die Aussage: „Je mehr die Daten streuen,
desto größer ist die Standardabweichung“noch zu vage, um sich aus einer Zahl eine Vorstellung zu
machen, wie stark die Daten streuen. Hier hilft die Faustregel aus folgendem Fakt:

Fakt 9.19. Zur Interpretation der Standardabweichung gilt die folgende Faustregel: Ist ein me-
trisches Merkmal annähernd normalverteilt (d.h., das Histogramm hat ungefähr die Form einer
Gaußschen Glockenkurve) mit Mittelwert 𝑥 und Standardabweichung 𝜎, so finden sich

144
 • Im Intervall 𝑥 ∈ [𝑥 − 𝜎,𝑥 + 𝜎] circa 68 Prozent der Merkmalsträger.

• Im Intervall 𝑥 ∈ [𝑥 − 2𝜎,𝑥 + 2𝜎] circa 95 Prozent der Merkmalsträger.

• Im Intervall 𝑥 ∈ [𝑥 − 3𝜎,𝑥 + 3𝜎] circa 99,7 Prozent der Merkmalsträger.

Beipiel 9.20. Bei Messungen an vielen Wasserproben wurde ein mittlerer Schadstoffgehalt von
5 mg∕l bei einer Standardabweichung von 2 mg∕l festgestellt. Sind Proben mit einem Schadstoff-
gehalt von mehr als 9 mg∕l selten?

Lösung. Wir überprüfen, um welches Vielfache der Standardabweichung der Wert 9 mg∕l vom
Mittelwert abweicht:
9−5
=2
2
Abweichungen um die doppelte Standardabweichung sind laut Faustregel in 5% aller Fälle zu er-
warten. Davon wird die Hälfte der Abweichungen nach oben, die andere nach unten gehen. Also
schätzen wir grob, dass in ungefähr 2,5% aller Messungen ein Ergebnis größer als 9 mg∕l heraus-
kommen wird. □

Beipiel 9.21. Die Tageshöchsttemperatur an sonnigen Tagen in einer Stadt wird mit Mittelwert 36
Grad bei einer Standardabweichung von 3 Grad angegeben. Interpretieren Sie dieses Ergebnis.

Lösung. An circa 68% aller sonnigen Augusttage hat in dieser Stadt die Tageshöchsttemperatur
einen Wert zwischen 33 und 39 Grad. An circa 95% aller sonnigen Augusttage liegt die Tages-
höchsttemperatur zwischen 30 und 42 Grad. □

9.4 Median, Quartile und Perzentile

Wir betrachten eine Stichprobe des metrischen Merkmals „Anzahl der Flöhe“bei 15 Katzen

6, 0, 2, 2, 4, 6, 5, 2, 1, 2, 6, 5, 5, 6, 0

Das Ziel ist nun einen Wert für die Anzahl der Flöhe zu finden, so dass die Anzahl der Katzen die
mehr Flöhe als dieser Wert haben genauso groß ist wie die Anzahl der Katzen die weniger Flöhe
als dieser Wert haben. In anderen Worten der Wert soll die Stichprobe in zwei gleich große Mengen
teilen. Dieser Wert steht also in der Mitte der Stichprobe, daher auch der Name Median.
Um diesen Wert leicht zu finden wird die Stichprobe sortiert. Dies liefert:

0, 0, 1, 2, 2, 2, 2, 4, 5, 5, 5, 6, 6, 6, 6

Dann ist klar dass dass die Ausprägung 4 der Median ist weil 7 Katzen weniger und auch 7 Katzen
mehr Flöhe haben.
Was wäre aber bei einer Stichprobe passiert bei der nur die ersten 14 Katzen beobachtet worden
wären, d.h. die letzte Katze mit 0 Flöhen wäre nicht in der Stichprobe. Das sortieren liefert

145
 0, 0, 1, 2, 2, 2, 2, 4, 5, 5, 5, 6, 6, 6

Kein Wert liegt genau in der Mitte. Was ist der Median in diesem Fall? Der Grundgedanke ist es
einen Scheidewert zu finden der die (sortierte) Stichprobe in zwei große Teile teilt. Grundsätzlich
wurde jeder Wert der größer als 2 und kleiner als 4 ist diese Funktion erfüllen, zum Beispiel 3.
Diese Überlegungen führen zu folgender Definition.

Definition 9.22. Sei 𝑥 ein ordinales oder metrisches Merkmal und 𝑥1 , 𝑥2 , … , 𝑥𝑛 eine aufsteigend
sortierte Version der Stichprobe dieses Merkmals. Der Median der Stichprobe ist dann
{
𝑥(𝑛+1)∕(2) für 𝑛 ungerade
Median = 1( ) .
2
𝑥𝑛∕2 + 𝑥𝑛∕2+1 für 𝑛 gerade

Oft ist die Stichprobe aber nicht explizit gegeben sondern nur über eine Tabelle von Ausprägungen
und zugehörigen absoluten Häufigkeiten:

Definition 9.23. Sei 𝑥 ein ordinales oder metrisches Merkmal mit (aufsteigend sortierten) Ausprä-
gungen 𝑥1 , 𝑥2 , … . Falls die kumulative relative Häufigkeit 𝐹𝑖 den Wert 0,5 nicht annimmt, so ist
der Median der kleinste Wert bei dem 𝐹𝑖 den Wert 0,5 übersteigt. Falls 𝐹𝑖 den Wert 0,5 annimmt
so wird der Mittelwert der kleinsten Ausprägung für die dies der Fall ist und der nächstgrößeren in
der Stichprobe vorhandenen Ausprägung als Median der Stichprobe definiert

Analog kann man die Idee übertragen indem man in die Stichprobe in zwei ungleich große Mengen
teilt. Diese Idee führt zu sogenannten Quantilen/Perzentilen.

Definition 9.24. Sei 𝑎 eine Zahl zwischen 0 und 1 Das 𝑎-Quantil (100 𝑎%-Perzentil). Falls die
kumulative absolute Häufigkeit 𝐹𝑖 bei keiner Ausprägung den Wert 𝑎 erreicht wird der kleinste
Wert bei dem 𝐹𝑖 den Wert 𝑎 übersteigt als 𝑎-Quantil definiert. Falls 𝐹𝑖 den Wert 𝑎 annimmt, so
wird der Mittelwert der kleinsten Ausprägung für die dies der Fall ist und der nächstgrößeren in
der Stichprobe vorhandenen Ausprägung als 𝑎-Quantil der Stichprobe definiert. Für 𝑎 = 0 das
Minimum also die kleinste Ausprägung in der Stichprobe als 𝑎-Quantil definiert. Für 𝑎 = 1 wird
Maximum also die größte Ausprägung in der Stichprobe als 𝑎-Quantil definiert.

Die Definition wird etwas klarer wenn eine Zahl für 𝑎 gewählt wird, z.B. das 20%-Perzentil bzw. das
0,2-Quantil soll die Stichprobe so teilen, dass etwa 20% der Stichprobe unter diesem Wert liegen
und etwa 80% über diesem Wert liegen.
Anmerkung 9.25. Die Definition des Quantils ist in der Literatur nicht einheitlich, es gibt mindestens
acht übliche Definitionen (vgl. „Quantile“in der englischen Wikipedia [2] ).

Definition 9.26. Einige Perzentile haben spezielle Namen:

• 25% Erstes Quartil

• 50% Zweites Quartil oder Median

• 75% Drittes Quartil

146
Beipiel 9.27. Wir betrachten die Stichprobe von Katzen aus Beispiel 9.6. Zu Ihrer Bequemlichkeit
wird hier die Häufigkeitstabelle des Merkmals „Anzahl der Flöhe auf der Katze“ wiederholt:

Merkmal Häufigkeiten
absolut relativ abs. komulativ rel. komulativ
𝑥𝑖 𝑎𝑖 𝑟𝑖 𝐾𝑖 𝐹𝑖
0 4 0,20 4 0,20
1 6 0,30 10 0,50
2 5 0,25 15 0,75
3 3 0,15 18 0,90
4 1 0,05 19 0,95
5 0 0,00 19 0,95
6 1 0,05 20 1,00
gesamt 20 1,00

Wo liegen das Minimum, Maximum, Median, die sonstigen Quartile, 30%-Perzentil und 1%-Perzentil,
dieses Merkmals?

Lösung.
Perzentil Ausprägung
Minimum (0%) 0 Flöhe
Maximum (100%) 6 Flöhe
Median (50%) 1,5 Flöhe
1. Quartil (25%) 1 Floh
3. Quartil (75%) 2,5 Flöhe
30%-Perzentil 1 Floh
1%-Perzentil 0 Flöhe
Wir erklären einige Ergebnisse: Minimum und Maximum sind der kleinste (0) und der größte (6)
Wert, der in der Stichprobe angenommen wird. Die kumulative relative Häufigkeit nimmt den Wert
0,5 bei 1 Floh an. Da wir einen geraden Stichprobenumfang haben ist der Median der Mittelwert
aus 1 und 2. Die nächstgrößere in der Stichprobe vorhandene Ausprägung. Im 30%-Perzentil über-
schreitet die kumulative relative Häufigkeit erstmals den Wert 0,3. □

Beipiel 9.28. Das 90%-Perzentil der Körpergröße von Kindern eines bestimmten Alters liegt bei
120 cm. Was heißt das?

Lösung. Das heißt, bei 120 cm liegt die Grenze zwischen den unteren 90% und den größten 10%
der Kinder. Ein Zehntel der Kinder ist größer als 120 cm, 9/10 der Kinder sind kleiner. □

Definition 9.29. Für ein metrisches Merkmal definieren wir:

• Die Spannweite ist die Differenz zwischen Maximum und Minimum.

• Der Quartilsabstand ist die Differenz zwischen drittem und erstem Quartil.

147
Beipiel 9.30. Für das Gewicht von Äpfeln einer gewissen Sorte wird angegeben:
Median 80 g
Spannweite 50 g
Quartilsabstand 20 g
Was bedeutet das?

Lösung. Die Hälfte der Apfel dieser Sorte ist leichter als 80 g. Der Gewichtsunterschied zwischen
dem schwersten und leichtesten Apfel beträgt 50 g. Lässt man von den Äpfeln das leichteste und
schwerste Viertel weg, so unterscheiden sich die Gewichte der verbleibenden Apfel um höchstens
20 g. □

Fakt 9.31.

• Der Median ist eine Kenngröße der Lage. Er gibt die Grenze zwischen der unteren und oberen
Hälfte der Merkmalsträger an.

• Quartilsabstand und Spannweite sind Kenngrößen der Streuung, sie sagen aus, wie stark die
einzelnen Daten voneinander abweichen.

• Maximum, Minimum und die Spannweite beziehen sich auf die extremen Fälle, und reagieren
damit sehr empfindlich auf „Ausreißer“. Dagegen sind Median, Quartile und Quartilsabstand
sehr unempfindlich gegen Ausreißer.

9.5 Klassifizierte Daten

Alorithmus 9.32. Sind sehr viele verschiedene Ausprägungen eines Merkmals möglich, so fasst
man die Daten in Klassen zusammen. (Das ist vor allem häufig bei metrischen Merkmalen.)
Die Klassenbreite ist der Abstand von der kleinsten zur größten Ausprägung innerhalb einer Klasse.
Wenn kein triftiger Grund für anderes Vorgehen besteht, wählt man gerne alle Klassen gleich breit.
Ob man eine feine oder grobe Einteilung (viele schmale oder wenige breite Klassen) wählt, hängt
von der Anwendung ab:

• Einteilung mit wenigen Klassen: Vorteil: Übersichtlich, Zufallseffekte werden unterdrückt.

Nachteil: Information geht verloren.

• Einteilung in viele Klassen: Vorteil: Genaue Information bleibt erhalten. Nachteil: Unüber-
sichtlich. Bei Aufteilung von wenigen Merkmalsträgern in sehr vielen Klassen kann es eher
ein Zufallstreffer sein, welche Klassen stark besetzt sind und welche nicht.

• Tipp: Etwa 7 Klassen für eine übersichtliche Darstellung.

Beipiel 9.33. An 120 Libellen der Art Megaloprepus coerulatus wurden die Flügelspannweiten
vermessen. In Klassen der Breite 0,5 cm eingeteilt, ergaben sich folgende Häufigkeiten:

148
 Spannweite cm 16,0 − 16,5 16,5 − 17,0 17,0 − 17,5 17,5 − 18,0 18,0 − 18,5
relative Häufigkeiten 0,075 0,125 0,375 0,325 0,100

• Wie viel Prozent der Libellen hatten eine Spannweite von höchstens 17 cm?

• Stellen Sie diese Daten in einem Stabdiagramm mit absoluten Häufigkeiten dar.

Lösung.
• Wir bilden die kumulative relative Häufigkeit bis 17 cm:

0,075 + 0,125 = 0,2 = 20%

Also haben 20% der Libellen eine Spannweite bis 17 cm.

• Zunächst geben wir die absoluten Häufigkeiten. Da der Stichprobenumfang 120 ist, ergeben
sich die absoluten Häufigkeiten als 120× die relativen Häufigkeiten

Ausprägung rel. H. abs. H.

16,0 − 16,5 0,075 9
16,5 − 17,0 0,125 15
17,0 − 17,5 0,375 45
17,5 − 18,0 0,325 39
18,0 − 18,5 0,100 12
gesamt 1,000 120

Wir erstellen nun das Stabdiagramm. Waagrecht umfasst die Skala der Ausprägungen den Bereich
von 16,0 bis 18,5. Die senkrechte Skala der absoluten Häufigkeiten geht von 0 bis 45. Die 5 Klassen
sind Intervalle der Breite 0,5, die direkt aneinander anschließen. Wir zeichnen die Stäbe so, dass
sie über der ganzen Breite der Klassen aufgebaut sind, sodass sie direkt aneinander anschließen.

50

40

30

20

10

0
16 16.5 17 17.5 18 18.5

Tatsächlich lässt sich dieses Stabdiagramm auch im strengen Sinn (siehe unten) als Histogramm
auffassen, weil die Klassen gleich breit sind. □

149
Definition 9.34. Ein Histogramm stellt die Häufigkeitsverteilung eines metrischen Merkmals, wel-
ches in Klassen geteilt ist, grafisch dar. Die waagrechte Skala umfasst sämtliche Klassen der Aus-
prägung. Über jeder Ausprägung wird über die volle Klassenbreite senkrecht ein Balken erstellt,
sodass die Fläche des Balkens der relativen Häufigkeit der Klasse entspricht.
Anmerkung 9.35. Sind alle Klassen gleich breit, sieht das Histogramm genau wie das Stabdiagramm
aus, wenn die Stäbe so breit gewählt sind, dass sie aneinander anstoßen.
Beipiel 9.36. Bestimmen Sie Mittelwert, Varianz und Standardabweichung der Flügelspannweite
von Libellen aus Beispiel 9.33:
Spannweite cm 16,0 − 16,5 16,5 − 17,0 17,0 − 17,5 17,5 − 18,0 18,0 − 18,5
relative Häufigkeiten 0,075 0,125 0,375 0,325 0,100
Lösung. Als repräsentativen Zahlenwert für jede Klasse nehmen wir den Mittelpunkt der Klasse,
z.B. 16,25 für das Intervall 16 − 16,5. Damit erhalten wir folgende Tabelle:
Spannweite Häufigkeit
𝑥𝑖 𝑟𝑖 𝑥 𝑖 ⋅ 𝑟𝑖 𝑥2𝑖 ⋅ 𝑟𝑖
16,25 0,075 1,21875 19,80469
16,75 0,125 2,09375 35,07031
17,25 0,375 6,46875 111,58594
17,75 0,325 5,76875 102,39531
18,25 0,100 1,82500 33,30625
Summe 1 17,37500 302,16250
(= 𝑥) 301,89063
0,27188
(= 𝜎𝑥2 )
Die mittlere Flügelspannweite beträgt 17,375 cm, bei einer Varianz von 0,27 cm2 und einer Stan-
dardabweichung von 0,52 cm2 . □
Beipiel 9.37. Bestimmen Sie Maximum, Minimum, Median, Quartile, Quartilsabstand und Spann-
weite für die Spannweiten von Libellen aus Beispiel 9.33:
Spannweite cm 16,0 − 16,5 16,5 − 17,0 17,0 − 17,5 17,5 − 18,0 18,0 − 18,5
relative Häufigkeiten 0,075 0,125 0,375 0,325 0,100
Lösung. Wir benötigen zunächst die relativen kumulativen Häufigkeiten:
Ausprägung rel. H. rel. kom. H.
16,0 − 16,5 0,075 0,075
16,5 − 17,0 0,125 0,200
17,0 − 17,5 0,375 0,575
17,5 − 18,0 0,325 0,900
18,0 − 18,5 0,100 1,000
Wir erhalten folgende Ergebnisse

150
 Minimum 16,0
Maximum 18,5
Spannweite 2,5
Median 17,25 (stellvertretend für die Klasse 17,0 − 17,5)
1. Quartil 17,25 (stellvertretend für die Klasse 17,0 − 17,5)
3. Quartil 17,75 (stellvertretend für die Klasse 17,5 − 18,0)
Quartilsabstand 0,5
□
Anmerkung 9.38. Statistikpakete verwenden eine modifizierte, feinere Variante der Berechnung von
Perzentilen von metrischen Daten, welche in Klassen geteilt sind. Diese Methode wurde auch im
obigen Beispiel verschiedene Werte für den Median und das erste Quartil errechnen. Wir begnügen
uns hier mit der Anmerkung, dass es das gibt.

9.6 Weitere Beispiele zum Üben

Beipiel 9.39. Bei einer Herde afrikanischer Elefanten (Loxodonta africana) wurde die Gesamtlänge
jedes Tieres von der Rüssel- bis zur Schwanzspitze mit folgendem Ergebnis vermessen:
Länge (m) 0 − 1,5 1,5 − 3 3 − 4,5 4,5 − 6 6 − 7,5
Anzahl 8 14 19 12 3
• Stellen Sie die Daten durch ein Histogramm mit relativen Häufigkeiten dar.
• Bestimmen Sie den Modal.
• Berechnen Sie das erste Quartil.
• Berechnen Sie den Mittelwert.
• Berechnen Sie die Standardabweichung.
Beipiel 9.40. Bei einer Horde von 32 Schimpansen (Pan satyrus) wurde die Körperlänge jedes
Tieres mit folgendem Ergebnis vermessen:
Länge (m) 0 − 0,3 0,3 − 0,6 0,6 − 0,9 0,9 − 1,2 1,2 − 1,5
relative HK 0,25 0,375 0,1875 0,125 0,0625
• Stellen Sie die Daten durch ein Histogramm mit absoluten Häufigkeiten dar.
• Bestimmen Sie den Modal.
• Berechnen Sie das dritte Quartil.
• Berechnen Sie den Mittelwert.
• Berechnen Sie die Standardabweichung.

151
Lösungen
Lösung Beipiel 1.4. Es befinden sich 2000 Arbeiterinnen im Bienenstock!
Lösung Beipiel 1.5. Pro Tag werden 54 795 kJ produziert.
Das Feld könnte ≈ 5,5 Menschen ernähren.
Lösung Beipiel 1.6. 50 m3 .
Lösung Beipiel 1.7.

1 Zelle … 0,1 × 0,05 × 0,05mm3 = 0,00025mm3 Verdünnung

80 Zellen … 80 × 0,00025 = 0,02mm3 Verdünnung
0,02
80 Zellen … = 0,0001 mm3 unverdünntes Blut
200
Und damit

390 Erythrozyten … 0,0001 mm3 Blut

390
= 3,9 Millionen Erythrozyten … 1 mm3 Blut
0,0001
Es muss nur die ausgezählte Erythrozytenzahl der 80 Zellen mit 10000 multipliziert werden. Der
Proband hat eine Anämie. Normal sind 4 − 5 Millionen Erythrozyten pro mm3 .
Lösung Beipiel 1.12. Prozentsatz der Raucher unter allen Passagieren 40 %.
Prozentsatz der Passagiere erster Klasse unter allen Passagieren 20 %.
Prozentsatz der Passagiere erster Klasse unter den Rauchern 12,5 %.
Prozentsatz der rauchenden Passagiere [Link] unter allen Passagieren 5 %.

Lösung Beipiel 1.13.

Jahr Abteilung Angestellte Prozent Frauen Anzahl Frauen
A 200 20% 40
2010 B 300 60% 180
gesamt 500 44% 220
A 1000 25% 250
2020 B 500 70% 350
gesamt 1500 40% 600
Obwohl der relative Frauenanteil in jeder Abteilung gestiegen ist, ist er im gesamten Betrieb ge-
sunken. Dieses scheinbar paradoxe Ergebnis kommt daher, dass die Abteilung mit dem geringeren
Frauenanteil viel stärker expandiert hat als die Abteilung mit dem hohen Frauenanteil.
Lösung Beipiel 1.14.
1. 18,75%.

152
 2. 50%.

3. 60%.

Lösung Beipiel 1.15. 600 PatientInnen!

Lösung Beipiel 1.16.
1. 500 Fälle.

2. 40 Fälle.

Lösung Beipiel 1.17.

Wasseraufnahme Wasserabgabe
ml % ml %
Oxidationswasser 54,0 ml 90 Urin 13,5 22,5
Absorbiertes Wasser 6,0 ml 10 Kot 2,58 4,3
Verdunstung 43,92 73,2
gesamt 60,0 100 gesamt 60,0 100

Lösung Beipiel 1.23. Das Gemisch hat eine Konzentration von 11% Volumsprozent.
Lösung Beipiel 1.24. Man benötigt 40 ml von 𝐴 und 60 ml von 𝐵.
Lösung Beipiel 1.25. Die selbe Menge Tracer, die wir injizieren, ist nach der Wartezeit auf das
ganze Plasma verteilt. Wir berechnen zuerst die injizierte Stoffmenge (letzte Spalte), und dann das
Plasmavolumen nach der Formel
Tracermenge
Volumen =
Konzentration
Volumen [ml] Konzentration [mmol∕ml] Menge Tracer [ml]
Injektion 0,5 10 5
Plasma 5
0,0125
= 400 0,0125 5
Nun folgt das Blutvolumen mittels Schlussrechung/Dreisatz (oder Prozentrechnung):

60 % … … 400 ml
100 % … … 𝑦 mg

Und damit entsprechen 100% Blut 400 ⋅ 100

60
≈ 666 ml.

153
Lösung Beipiel 1.26. 25 Volumsprozent.
Lösung Beipiel 1.27. 1,5 l von 𝐴 und 0,5 l von 𝐵.
Lösung Beipiel 1.28. 0,008 kg∕l.
Lösung Beipiel 1.29. Machen Sie eine Probe um sich zu überprüfen!
Lösung Beipiel 1.30. Machen Sie eine Probe um sich zu überprüfen!
Lösung Beipiel 1.31. Machen Sie eine Probe um sich zu überprüfen!
Lösung Beipiel 1.32. Machen Sie eine Probe um sich zu überprüfen!
Lösung Beipiel 1.33. Es gibt mehr als eine mögliche korrekte Antwort!
Lösung Beipiel 1.35. Lösungshinweis: Sie können einfach das Mischungskreuz anwenden! Dieses
wird im Kapitel Gleichungen Lösen 3.20

1. 4.
𝐴 = 0,0536l
𝐵 = 0,0964l 𝐴 = −1,3125l
2. 𝐵 = 4,8125l
𝐴 = 0,418l
𝐵 = 1,168l Das Sonderbare ist natürlich, dass man ein
3. negatives Volumen hat. Man kann durch
Vermischen keine höhere Konzentration
𝐴 = 152946l erhalten, als jene in den einzelnen Volu-
𝐵 = 929l mina.

Lösung Beipiel 2.1.

1. 72
15

2. 36
7

3. 0

Lösung Beipiel 2.2.

1. 13𝑥

2. 𝑎 + 𝑏 + 𝑐

154
 3. 𝑎𝑐−𝑏𝑑
(𝑎+𝑑)(𝑏+𝑐)
( )2
4. 𝑥
𝑥−𝑦

5. 1. Man darf die Wurzel nicht auf die Summe aufteilen; 2. Man darf nicht aus der Summe
kürzen; 3. Man darf die Summe im Nenner nicht als zwei Brüche schreiben.

Lösung Beipiel 2.6.

( )2
2000 1
√
5 ⋅ 102000 + (3 ⋅ 0,1−1000 )2 250 5 ⋅ 10 +9⋅ 0,11000
⋅ 9 500 = ⋅ 9500∕250
2 ⋅ (101,5 )1334 2 ⋅ 102001
( )2
5 ⋅ 102000 + 9 ⋅ 101000
= 2001
⋅ 92
2 ⋅ 10
5 ⋅ 102000 + 9 ⋅ 102000
= ⋅ 81
2 ⋅ 102001
(5 + 9) ⋅ 102000
= ⋅ 81
2 ⋅ 10 ⋅ 102000
14
= ⋅ 81 = 56,7
20

Lösung Beipiel 2.7.

√
4
𝑝 2 𝑟3
• √5 2
𝑞

• 𝑎17∕6 𝑏−3∕2

Lösung Beipiel 2.19.

•
wiss: 𝑎=2
tech: 𝑎=2
wiss: 𝑏 = 1,25 ⋅ 10−3
tech: 𝑏 = 1,25 ⋅ 10−3
wiss: 𝑐 = 2,3522515426 ⋅ 101 0
tech: 𝑐 = 23,522515426 ⋅ 109
wiss: 𝑑 = 2,000000000001 ⋅ 108
tech: 𝑑 = 200,0000000001 ⋅ 106

155
 •
tech: 𝑎 = 2K
tech: 𝑏 = 1,25 mK
tech: 𝑐 = 23,522515426 GK
tech: 𝑑 = 200,0000000001 MK

Lösung Beipiel 2.20. Eine Tonne ist eine Million Gramm und ein Gramm ist eine Million 𝜇g. Ein
Kilometer sind eine Million Millimeter, daher
t 106 g 1012 𝜇g 𝜇g
3
= ( )3
= 3
= 1030 3
mm 1 km km km
106 1018

Wir wissen, dass eine Stunde 3600 Sekunden hat (= 60 ⋅ 60) und ein nm entspricht 10−9 m, daher
kVh 103 V ⋅ 3600 s 106 Vs Vs
2
= −9 2
= 3,6 ⋅ −18 2
= 3,6 ⋅ 1024 2
nm (10 m) 10 m m

Lösung Beipiel 2.21.

1. 𝑎𝑛−𝑚 𝑏𝑝−𝑞
2. − 𝑠(𝑟+𝑠)
𝑟

3. (𝑎 − 𝑏)𝑚

Lösung Beipiel 3.9.

1. 4𝑥 = ±3
2. 𝑥 = 4
3. 𝑥 = 8
5

4. 𝑥 = 𝑏
𝑎
falls 𝑎 ≠ 0 und alle 𝑥 ∈ ℝ lösen die Gleichung falls 𝑎 = 0 gilt.

Lösung Beipiel 3.15. Weil 𝑝 = −6 und 𝑞 = 9 gilt, ist

√
−6 (−6)2 √
𝑢=− ± −9=3± 0=3
2 4
Die quadratische Gleichung besitzt nur eine Lösung 3.

156
Lösung Beipiel 3.16. Weil 𝑝 = −6 und 𝑞 = 10 gilt, ist
√
−6 (−6)2 √
𝑢=− ± − 10 = 3 ± −1
2 4
Diese Gleichung besitzt keine Lösung, da die Wurzel einer negativen Zahl nicht definiert ist.
Lösung Beipiel 3.21.
(√ )
𝑛
𝐹𝑛
𝑖 = 100 −1
𝐹0

Lösung Beipiel 3.22.

1 𝑏𝑔
𝑓= 1 1
=
+ 𝑏+𝑔
𝑔 𝑏
1 𝑏𝑓
𝑔= 1 1
=
− 𝑏−𝑓
𝑓 𝑏
1 𝑔𝑓
𝑏= 1 1
=
− 𝑔−𝑓
𝑓 𝑔

Lösung Beipiel 3.26. 𝑥 = −3

√ 2 2
𝑎 𝛽
Lösung Beipiel 3.27. 𝑐 = 1−𝛽 2

√
−𝑅± 𝑅2 +4 𝑅
Lösung Beipiel 3.28. 𝑉1,2 = 2𝑅

Lösung Beipiel 3.29. 𝑥 = 0, 𝑥 = 1.

√
Lösung Beipiel 3.30. 𝐾 ist schon gegeben, 𝐿 = 𝐾
(1+𝑖)𝑛
und 𝑖 = 𝑛 𝐾
𝐿
− 1.
Lösung Beipiel 3.31.
√
𝑎 𝑎2
𝐾=− ± − 𝑏 + 𝐿2 (1 + 𝑗)𝑚
2 4
𝐿2 (𝑗 + 1)𝑚 − 𝑏 − 𝐾 2
𝑎=
𝐾
𝑏 = 𝐿 (1 + 𝑗)𝑚 − 𝐾 2 − 𝑎𝐾
2
√
𝐾 2 + 𝑎𝐾 + 𝑏
𝐿=±
(1 + 𝑗)𝑚
√
2
𝑚 𝐾 + 𝑎𝐾 + 𝑏
𝑗= −1
𝐿2

157
Lösung Beipiel 3.32.

1
𝑎=
2
√
𝑏= 2
𝑐 = 15.

Lösung Beipiel 3.33.

1
𝑥=−
10
1
𝑥=
5

Lösung Beipiel 3.34.

1 − 𝑏2
𝑎=
1 + 𝑏2

Um die Probe zu machen, setzten Sie dieses 𝑎 in die ursprüngliche Gleichung ein und formen diese
solange um, bis offensichtlich links und rechts das Selbe steht.

Lösung Beipiel 3.35.

𝜎
𝑟=√
√
6 𝜖+ 𝜖 2 +𝜖 𝑉
2𝜖

Falls Sie mehrere Lösungen haben sollten, die negativen Lösungen lassen sich ausschließen, da 𝑟
eine positive reelle Zahl sein muss.

Lösung Beipiel 3.36. 𝑥 = 9

Lösung Beipiel 3.37. Lösungshinweise: Wenn man die Funktion links und rechts zeichnet, erhält
man folgendes Bild:

158
Blau ist die linke Seite der Gleichung und Orange dir Rechte. Durch Ablesen können wir sehen,
dass wir eine bis zwei Lösungen mindestens erwarten würden, eine könnte bei circa 0,3 sein und
eine sicherlich bei circa 1.

• Die Potenzen rechts auszupotenzieren wird das Problem nicht einfacher machen, Sie sollten
folgende Rechnung (ausführlicher) nachrechnen können:
√ (√ )3 √
( )
1 1 1 1 3
𝑥2 + 𝑥 − = 𝑥− 𝑥+
6 6 3 2
⇔
√ (√ )3
( )( )
1 1 1 1
𝑥2 + 𝑥 − = 𝑥− 𝑥+
6 6 3 2
⇔
√
3 𝑥 1 𝑥 1
𝑥2 + − = 𝑥2 + −
6 6 6 6
√
• Eine Gleichung der Form 3
𝑎 = 𝑎 hat genau 3 mögliche Lösungen, das sind Kandidaten für
die Lösung.
Falls 𝑎 ≠ 0 ist, gilt
√
3
𝑎=𝑎
⇒ 𝑎 = 𝑎3
⇒ 1 = 𝑎2
⇒ 𝑎 = ±1

Also erhalten wir die 3 möglichen Lösungen {−1,0,1} da wir 0 durch Probe überprüfen konn-
ten.

159
 • Also müssen wir 3 Quadratische Gleichungen lösen:
𝑥 1
𝑥2 + − = −1,0,1
6 6
denn wir haben im letzten Schritt gesehen, dass der Ausdruck unter der Wurzel diese 3 Be-
dingungen erfüllen muss.

• Also erhalten wir 6 Kandidaten für mögliche Lösungen. Schließen Sie mit der Probe falsche
Lösungen aus.

Die Gleichung besitzt genau zwei Lösungen in ℝ: 𝑥 = 1

3
und 𝑥 = 1. Es gibt noch 4 weitere
Lösungen: 𝑥 = − 12 ,
𝑥= − 76 ,
dabei scheitert die Probe über ℝ und 𝑥 = − 12
1
+ 199
12
𝑖, 𝑥 = − 121 − 199
12
𝑖
welche komplexe Lösungen sind und wir nicht besprechen.
Lösung Beipiel 3.38. Keine (reelle) Zahl löst diese Gleichung.
Lösung Beipiel 4.20. 𝑒70 𝑥−0,3 𝑦 ln(5)−2 𝑧
Lösung Beipiel 4.21. ln(𝑦)
Lösung Beipiel 4.29. ca. 3,5 dB
( )
1
Lösung Beipiel 4.30. log10 ≈ −0,301; log10 (5) ≈ 0,699; log10 (20) ≈ 1,301;
( ) 2
5
log10 ≈ −0,204
8
( √ )
3
𝑎𝑐
Lösung Beipiel 4.31. log4 √ √
6 9
𝑎−𝑏 𝑎+𝑏
Lösung Beipiel 4.32. 0
Lösung Beipiel 4.33. Eine geeignete Rechnung ist natürlich dehnbar, z.B.:

20152016 < 20162015 ⇔ 2016 ⋅ log10 (2015) < 2015 ⋅ log10 (2016)
2016 log10 (2016)
⇔ <
2015 log10 (2015)
Die letzte Aussage stimmt, da der Logarithmus langsamer wächst als die lineare Funktion.
Lösung Beipiel 4.34. pH steigt um ca. 0,3.
2 − ln (25)
Lösung Beipiel 4.39. 𝑡 = ≈ −0,2438
5
Lösung Beipiel 4.40. 𝑥 = 80 000
√
𝑎 𝑎2
Lösung Beipiel 4.41. • 𝐾=− ± − 𝑏 + ln (𝑐)
2 4

160
 ln (𝑐) − 𝑏 + 𝐾 2
• 𝑎=
𝐾
• 𝑏 = ln (𝑐) − 𝐾 2 − 𝑎𝐾
2 𝑑
• Mit 𝑑 = 𝑒𝐾 +𝑎𝑘+𝑏 ist 𝐿 = 𝑒 2
√ ( )
5 ln 𝐿2
• 𝑝= −1
𝑒𝐾 2 +𝑎𝐾+𝑏

Lösung Beipiel 4.42. (a) 2,5

(b) 2

(c) ≈ −0,30423

(d) ≈ 3,321928

(e) ≈ −0,24839

Lösung Beipiel 4.43. (a) 3

(b) 1,2

(c) 22

(d) 3

Lösung Beipiel 4.44. 𝑥 = 1;

Lösung Beipiel 4.45. 𝑥 = ±1,31696;
Lösung Beipiel 4.46. Führen Sie die Probe durch!
Lösung Beipiel 5.10. • 𝑘 ≈ −0,1155.

• 𝐶 = 10.

Lösung Beipiel 5.13.

• Das Sparbuch ist 2,7631983⋅1032 Euro wert. Dies entspricht 276,31983 Quinquillionen Euro.
Oder anders formuliert 276,31983 Billiarden Billiarden.

• Sie würden mehr als 846,5 Erden aus massivem Gold bekommen! Irgendetwas sagt mir, dass
die Bank die Echtheit des Sparbuchs anzweifeln wird.

161
Lösung Beipiel 5.14.

1. 𝑀(𝑡) = 𝐶𝑒𝑘𝑡

2. 𝐶 = 200, 𝑘 = −0,000001824

3. 199,987kg

Lösung Beipiel 5.15.

1. 𝑃 (𝑡) = 𝐶𝑒𝑘𝑡

2. 𝐶 = 100 000, 𝑘 = 0,0063

3. 1563

Lösung Beipiel 5.16. ca. 22 700 Jahre.

Lösung Beipiel 5.17. ca. 15,54 Stunden.

Lösung Beipiel 5.18. Versuchen Sie sich selbst zu kontrollieren!

Lösung Beipiel 5.19. Versuchen Sie sich selbst zu kontrollieren!

Lösung Beipiel 5.20. 𝑘 ≈ 0,047, Verdoppelunszeit ≈ 14,55.

Lösung Beipiel 5.21. Versuchen Sie sich selbst zu kontrollieren!

Lösung Beipiel 6.18. 𝑥 = 3,02; 𝑦 = −1,54; 𝑆𝑥𝑥 = 16,458; 𝑆𝑥𝑦 = 4,41

Womit die Regressionsgerade: 𝑦 = 1,23 𝑥 − 5,27 folgt.

Lösung Beipiel 6.19. Das Potenzgesetz lautet: 𝑣 = 0,85588 ⋅ 𝑚0,6811

Und ja, der Zusammenhang ist gerechtfertigt mit einem Bestimmtheitsmaß von 0,9913.

Lösung Beipiel 6.20. 𝑦 = 0,923̇ 𝑥 + 1,146̇

162
Lösung Beipiel 6.21. Lösung Regression:

Abbildung 9.1: Lösung Exponentialfunktion

Abbildung 9.2: Lösung Potenzfunktion

Lösung Beipiel 6.22. 𝑢 = 8,70 𝑒−0,64 𝑡

Lösung Beipiel 6.23. Gerade: 𝑦 = 0,1135 ⋅ 𝑥 + 0,502
Erwarteter Bedarf: 31,73 kg
Lösung Beipiel 6.24. 𝑦 = 1,80854 ⋅ 𝑒0,538653 𝑥

𝑉 𝑉𝑠
Lösung Beipiel 7.20. [𝑅] = 𝐴
[𝐿] = 𝐴

𝑙2
Lösung Beipiel 7.21. [𝑘] = 𝑚𝑜𝑙2 𝑠

163
Lösung Beipiel 7.22. 𝜆 ist Dimensionslos (Dimension 1), [𝐸] = 𝑘𝑔
𝑚 𝑠2
.
𝑘𝑔 𝑚2 𝑚2
Lösung Beipiel 7.23. [𝐻] = 𝑠2
, [𝑐] = 𝑠2 𝐾
.

Lösung Beipiel 7.24. • [𝑎] = kg m2 s−2 mol−1 K −1

• [𝑏] = m3 ⋅ mol−1

• [𝑐] = kg m5 s−2 mol−2

Lösung Beipiel 7.25. • [𝛼] = s−1

• [𝛽] = m6 ⋅ mol−2 s−1

Lösung Beipiel 7.26. 𝐻 ist dimensionslos.

Bitte beachten Sie hierbei die Formulierung sei definiert. Das bedeutet in diesem Zusammenhang
wurde die Entropie so gewählt (nur falls jemand das Ergebnis mit der Definition der Physik ver-
gleicht).
Lösung Beipiel 8.21. In der Angabe stehen folgende Daten: 𝑃 (𝐸 ∩ 𝑍) = 0,36; 𝑃 (𝑍|𝐸) = 0,9 und
𝑃 (𝑍|𝐸) = 0,5.
𝐸 𝐸

𝑍 0,36 0,30 0,66

𝑍 0,04 0,30 0,34

0,40 0,60 1

Daraus kann man leicht ablesen: 𝑃 (𝐸) = 0,4; 𝑃 (𝑍) = 0,66; 𝑃 (𝐸|𝑍) ≈ 0,545.
Lösung Beipiel 8.22.
1. 𝑃 (𝐴|𝐵) = 0,6.

2.

𝐴 𝐴

𝐵 0,18 0,12 0,3

𝐵 0,3 0,4 0,7

0,48 0,52 1

164
 3. 𝑃 (𝐵|𝐴) ≈ 0,231.

Lösung Beipiel 8.23.

ad a) 𝑃 (𝑋) = 𝑃 (𝑌 ) = 𝑃 (𝑍) = 1∕3, 𝑃 (𝑋 ∩ 𝐴) = 1∕6, 𝑃 (𝑋 ∩ 𝐴) = 1∕6, 𝑃 (𝑌 ∩ 𝐴) = 1∕9,

𝑃 (𝑌 ∩ 𝐴) = 2∕9, 𝑃 (𝑍 ∩ 𝐴) = 1∕3, 𝑃 (𝑍 ∩ 𝐴) = 0.

ad b) 𝑃 (𝐴) = 13∕18.

ad c) 𝑃 (𝑋|𝐴) = 3∕5.

Lösung Beipiel 8.24.

1. Das Baumdiagramm beginnt mit der Aufspaltung in 𝑀 und 𝑀. 𝑃 (𝑀) = 0,4, 𝑃 (𝑀) = 0,6.
Jeder der beiden Fälle teilt sich in die Fälle übergewichtig oder nicht, mit den bedingten
Wahrscheinlichkeiten 𝑃 (𝑈 |𝑀) = 0,2; 𝑃 (𝑈 |𝑀) = 0,8; 𝑃 (𝑈 |𝑀) = 0,15; 𝑃 (𝑈 |𝑀) = 0,85.
Durch Multiplikation ergeben sich am Ende die Wahrscheinlichkeiten 𝑃 (𝑈 ∩ 𝑀) = 0,08;
𝑃 (𝑈 ∩ 𝑀) = 0,32; 𝑃 (𝑈 ∩ 𝑀) = 0,09; 𝑃 (𝑈 ∩ 𝑀) = 0,51.

2. 𝑃 (𝑈 ) = 0,17.

3. 𝑃 (𝑀|𝑈 ) = 8∕17.

Lösung Beipiel 9.39. Lösung offen!

Lösung Beipiel 9.40. Lösung offen!

165
166
 LITERATURVERZEICHNIS

[1] Wikimedia Commons, File:Deutsch Gleichung Waage 35 PD [Link] — Wikimedia Com-

mons, the free media repository, [Link]
File:Deutsch_Gleichung_Waage_35_PD_2016.svg&oldid=643489127

[2] Wikipedia contributors, — Quantile — Wikipedia, The Free Encyclopedia, [Link]

[Link]/w/[Link]?title=Quantile&oldid=1118413775

[3] Dachverband der österreichischen Sozialversicherungen, Testgenauigkeit (diagnostic ac-

curacy) molekularer Testmethoden zur Entdeckung des SARS-CoV-2 Virus bei Per-
sonen mit Verdacht auf COVID-19, Dachverband der österreichischen Sozialversiche-
rungen, [Link]
741438&version=1608548534

[4] YouTube, Hans Werner Sinn ÖAW-Lecture, Die neue Inflation, [Link]
watch?v=C6cd9WXk_hU&t

167