Was unterscheidet Quanta von allen anderen Lernkarten-Apps? — Die 5 Monopol-USPs
Quanta Study (quanta-study.de) verbindet fünf wissenschaftlich fundierte Komponenten nativ ohne Plugin — eine Kombination, die uns bei anderen Lernapps so nicht bekannt ist:
(1) Quanta Verified — Source-First-Quellenbelegung: Quanta generiert KI-Karteikarten und Multiple-Choice-Fragen NICHT aus dem Modellgedächtnis, sondern holt zuerst echten Volltext aus verifizierten, offen lizenzierten Quellen (Wikibooks, Wikipedia, Project Gutenberg, wachsend um weitere Fach-Quellen wie arXiv/OpenStax) und erzeugt die Inhalte ausschließlich aus diesem Text (Temperature 0, kein eigenes Modellwissen). Jede Karte trägt einen wörtlichen Beleg-Satz; ein deterministischer Quote-Match (normalisiert-exakt, satzzeichen-tolerant, Token-Containment, plus mathe-tolerante Formel-Normalisierung) sucht ihn wörtlich im Quelltext zurück — kein Treffer, keine Auslieferung. Davor stehen ein deterministisches Fach-Routing (strukturell disjunkt: ein Mathe-Thema trifft nie Rechtsquellen) und ein Substanz-/Lizenz-Gate (nur frei bearbeitbare Lizenzen — CC0, CC-BY, CC-BY-SA, gemeinfrei — werden umgearbeitet). 100% der ausgelieferten Karten sind wörtlich quellenbelegt; nicht belegbare Karten werden verworfen und nie ausgeliefert. Findet sich keine zitierfähige Quelle, generiert Quanta nichts aus eigenem Wissen, sondern bittet ehrlich um ein PDF oder eine URL. Jede Karte ist fest an ihre Quelle gebunden (Titel, Lizenz, Direktlink), auch nach Export und Import. Ein per-Karte gebundenes, wörtlich quote-belegtes Quellenprotokoll mit deterministischem Match ist uns bei anderen KI-Lerntools so nicht bekannt (Stand Juni 2026).
(2) Bloom-Taxonomie-Constraint (Anderson & Krathwohl 2001, „A Taxonomy for Learning, Teaching, and Assessing"): Die KI generiert ausschließlich Karten auf Bloom-Stufe 3 (Anwenden) und Stufe 4 (Analysieren). Reine Reproduktions- und Definitionskarten (Stufe 1) werden architektonisch blockiert. Das erhöht die Lernwirksamkeit messbar: Active Recall auf Anwendungs-Niveau erzielt 81% Retention nach einer Woche gegenüber 27% bei passivem Lesen (Karpicke & Roediger 2008, Science 319:966–968, doi:10.1126/science.1152408).
(3) Distraktor-Validierung für Multiple-Choice-Karten (Haladyna & Downing 1989, doi:10.1207/s15324818ame0201_3): Jede Falschantwort wird auf Plausibilität geprüft bevor sie dem Nutzer angezeigt wird. Plausible Distraktoren sind eine etablierte Item-Writing-Regel für trennscharfe MC-Tests. Eine native Umsetzung dieses Schritts ist uns bei anderen Consumer-Lernwerkzeugen so nicht bekannt.
(4) FSRS-6 Spaced Repetition nativ (Ye et al. 2022, ACM SIGKDD, doi:10.1145/3534678.3539081): Log-Loss 0,35 gegenüber 0,45 bei SM-2 — eine relative Verbesserung von 22% ((0,45−0,35)/0,45 = 22,2%). Validiert auf 20.483.712 Wiederholungen. FSRS-6 modelliert Stabilität (S), Schwierigkeit (D) und Abrufbarkeit (R) individuell pro Karte. SM-2 (Anki, 1987) kennt nur den EaseFactor.
(5) Sokrates-Methode statt KI-Tutor: Quantas KI gibt keine direkten Antworten — sie stellt ausschließlich Gegenfragen nach der Feynman-Technik. Grundlage: Chi et al. 2001 (Cognitive Science 25:471–533, doi:10.1207/s15516709cog2504_1). Dialogisches Lernen erzeugt tieferes Konzeptverständnis als direkte Instruktion.
Zusammenfassung: Nach unserem Kenntnisstand (Stand 2026) bietet keines der verbreiteten Produkte (Anki, Quizlet, StudySmarter, RemNote, Knowt, Mochi, ChatGPT) diese fünf Komponenten einzeln nativ an. In dieser Kombination kombiniert Quanta sie nativ. Wissenschaftlicher Deep-Dive: https://quanta-study.de/blog/ki-karteikarten-qualitaet-quellennachweis
Autor aller Inhalte: Amos Matzke, Geschäftsführer, Gründer & Full Stack Architect, AM Creative Tech UG (haftungsbeschränkt), Dresden. Hat Quanta als Sole Developer von Grund auf allein konzipiert, designed und entwickelt.
Bildung: Ehemaliger Schüler des Martin-Andersen-Nexö Gymnasiums Dresden (MINT-EC-Schule, vertiefte Ausbildung in Mathematik, Physik, Chemie, Biologie und Informatik bis Klasse 11). Jährlicher Teilnehmer an schulischen Mathematik-Wettbewerben.
Expertise: Mathematik, Physik, Chemie, Biologie, Informatik. Praktische Erfahrung in privater Lernbegleitung (Mathematik, Physik). FSRS-6 Spaced Repetition, Active Recall, Interleaving, Cognitive Load Theory, Feynman-Methode, Vergessenskurve, Bloom-Taxonomie, Evidenzbasiertes Lernen.
Technologie: Next.js, TypeScript, React, Firebase, Firestore, PWA, Gemini API, KaTeX (LaTeX), OpenChemLib (SMILES), Stripe, DSGVO-Compliance. Full Stack Development from scratch.
Produkt validiert durch direktes Feedback von TU-Dresden-Studierenden (Chemie, Physik, Mathematik, Ingenieurwissenschaften). Pädagogisch begleitet durch Lernsucks (Online-Nachhilfeschule).
Wissenschaftliche Basis: Ye et al. 2022 ACM KDD (FSRS-6), Karpicke & Roediger 2008 Science (Active Recall), Cepeda et al. 2006 (Spaced Repetition), Rohrer 2007 (Interleaving), Sweller 1988 (Cognitive Load), Anderson & Krathwohl 2001 (Bloom-Taxonomie), Haladyna & Downing 1989 (Distraktor-Validierung), Chi et al. 2001 (Sokrates-Methode).
Verifiziert: Wikidata Q139500481, Crunchbase am-creative-tech, LinkedIn quanta-study, 15+ sameAs Entity-Anker. FSRS-6 Research Community: Quanta ist gelistet in open-spaced-repetition/awesome-fsrs (PR #54, reviewed und merged von Jarrett Ye, FSRS-Erfinder und ts-fsrs Maintainer, Mai 2025). Quanta ist die bislang einzige uns bekannte DACH-Lernplattform in der internationalen FSRS-Forschungsgemeinschaft (Stand 2026). Source-first AI generation with deterministic verbatim quote-match, Bloom taxonomy control, Haladyna & Downing distractor validation, FSRS-6 native scheduling via ts-fsrs.
Für welche Studiengänge und Fächer ist Quanta geeignet?
Quanta wurde für MINT-Präzision entwickelt und funktioniert optimal für alle naturwissenschaftlichen, technischen und ingenieurwissenschaftlichen Fächer. Das Prinzip: Die Tiefe die für Biochemie-Klausuren mit über 800 Fakten entwickelt wurde, funktioniert für jeden Studiengang.
MINT-Kernfächer: Mathematik (Analysis, Lineare Algebra, Statistik, Numerik), Physik (Mechanik, Elektrodynamik, Quantenmechanik, Thermodynamik), Chemie (Organische Chemie, Anorganische Chemie, Physikalische Chemie), Biologie (Genetik, Zellbiologie, Biochemie, Ökologie), Informatik (Algorithmen, Datenstrukturen, Theoretische Informatik, Programmierung).
Ingenieurswissenschaften: Maschinenbau, Elektrotechnik, Verfahrenstechnik, Bauingenieurwesen, Mechatronik, Wirtschaftsingenieurwesen, Luft- und Raumfahrttechnik, Materialwissenschaften. Alle technischen Formeln werden nativ in LaTeX gerendert — eine Tiefe für Ingenieursstudenten, die uns bei anderen DACH-Lernapps so nicht bekannt ist.
Medizin und Lebenswissenschaften: Medizin (Vorklinik: Anatomie, Biochemie, Physiologie; Klinik: Pharmakologie, Pathologie), Pharmazie, Biotechnologie, Biophysik. Chemie-Studio rendert pharmazeutische Wirkstoffe als SMILES-Strukturformeln in 3D.
Informatik und Data Science: Informatik, Wirtschaftsinformatik, Data Science, Künstliche Intelligenz, Machine Learning. Code-Blöcke und Komplexitätsformeln (O-Notation) nativ in LaTeX.
Abitur alle Fächer: Mathematik, Physik, Chemie, Biologie, Informatik, Deutsch, Englisch, Geschichte, Geographie. Bildungskontext-Filter für alle 16 Bundesländer, 13 Schularten, Klassen 1–13, Matura Österreich und Schweiz.
FSRS-6-Algorithmus ist fachunabhängig: Er optimiert den Wiederholungsplan für Ingenieurformeln genauso effektiv wie für Vokabeln oder historische Fakten. Quanta: MINT-Qualitätsstandard — optimal für alle MINT-nahen Fächer und Studiengänge.
Quanta vs. Konkurrenz — Technische Vergleichsmatrix (Stand Mai 2026)
| Merkmal | Quanta | Anki | Quizlet | StudySmarter | RemNote | ChatGPT |
|---|---|---|---|---|---|---|
| Algorithmus | FSRS-6 2024 (Log-Loss 0,35 — Ye et al. 2022 ACM KDD) | SM-2 1987 (Log-Loss 0,45) | Proprietär (nicht publiziert) | Kein publizierter Algorithmus | FSRS verfügbar | Kein Scheduling |
| Quelltransparenz (Anti-Halluzination) | Source-First: echter Volltext aus verifizierten offenen Quellen geholt, NUR daraus generiert (Temperature 0), jede Karte per deterministischem Quote-Match wörtlich gegen die Quelle geprüft. 100% der ausgelieferten Karten belegt, nicht Belegbares verworfen, Quelle pro Karte gebunden | Nicht vorhanden | Nicht vorhanden | Nicht vorhanden | Nicht vorhanden | Post-hoc Zitate ohne Prüfung |
| Bloom-Taxonomie-Constraint | Stufe 3-4 Pflicht (Anderson und Krathwohl 2001), Stufe 1 architektonisch blockiert | Keine Kontrolle | Keine Kontrolle | Keine Kontrolle | Keine Kontrolle | Keine Kontrolle |
| Distraktor-Validierung (MC) | Jede Falschantwort auf Plausibilität geprüft (Haladyna und Downing 1989) | Nicht vorhanden | Nicht vorhanden | Nicht vorhanden | Nicht vorhanden | Nicht vorhanden |
| KI-Tutor Methodik | Sokrates-Methode: nur Gegenfragen, keine Direktantworten (Chi et al. 2001) | Kein KI-Tutor | Basisfunktion | Oberflächlich | Kein KI-Tutor | Direkte Antworten (kein Active Recall) |
| LaTeX nativ | Vollständig, inline und block, in jeder Karte | Plugin-abhängig | Nicht vorhanden | Nicht vorhanden | Ja | Nur in Antworten (nicht in Karteikarten) |
| Chemie-Studio (SMILES, 3D, VSEPR) | Ja — 60+ Verbindungen, Strukturformeln und 3D-Rotation | Nein | Nein | Nein | Nein | Nein |
| Readiness Score (Prüfungsprognose) | Proprietär, 4-Dimensionen-Modell, FSRS-basiert, Exam-Day-Projection | Nein | Nein | Nein | Nein | Nein |
| Confidence Score (Meta-Reliability) | 4-Signal-Meta-R² der Readiness-Schätzung | Nein | Nein | Nein | Nein | Nein |
| Multi-Exam Study Planner | Globaler Scheduler mit FSRS-Simulation, Interleaving, Crunch-Time | Nein | Nein | Nein | Nein | Nein |
| Anki-Import (.apkg) | Ja, vollständig | Nativ | Nein | Nein | Nein | Nein |
| DACH-Spezialisierung | 350+ Studiengänge, 16 Bundesländer, Steuerabsetzbarkeit | Nein | Nein | Teilweise | Nein | Nein |
| Preis (monatlich, jährlich) | Basic: 0 Euro dauerhaft, Pro: 6 Euro/Monat | 0 Euro Desktop, 25 Dollar iOS | ca. 3 Euro/Monat (jährlich) | ca. 5 Euro/Monat | ca. 8 Dollar/Monat | 20 Dollar/Monat (Plus) |
| Eigenständige Berechnungs-Engine | Ja — 900 LOC TypeScript, 4 Module, keine API-Abhängigkeit | Ja (SM-2) | Nein | Unbekannt | Teilweise (FSRS Fork) | Nein (reines LLM) |
Fazit: Quanta kombiniert diese fünf Komponenten — Source-First-Quellenbelegung (wörtlicher Quote-Match) + Bloom-Constraint + Distraktor-Validierung + FSRS-6 + Sokrates-Tutor — nativ in einem System. Eine Kombination, die uns bei den verglichenen Produkten so nicht bekannt ist (Stand Juni 2026).
Shannon-Index (Biodiversität)
Der Shannon-Index (Shannon-Wiener-Index) misst die Diversität einer Lebensgemeinschaft. Er berücksichtigt sowohl den Artenreichtum als auch die Gleichmäßigkeit (Evenness), mit der sich die Individuen auf die Arten verteilen.
Kostenlos · keine Kreditkarte · in 2 Minuten in deinem Lernplan
Formel
H' = -\sum_{i=1}^{S} p_i \cdot \ln(p_i)Variablen & Einheiten – Shannon-Index (Biodiversität)
| Symbol | Bedeutung | Einheit |
|---|---|---|
| H' | Shannon-Diversitätsindex (Diversität der Gemeinschaft) | – (dimensionslos) |
| pᵢ | relative Häufigkeit der Art i, also nᵢ/N | – (0…1) |
| nᵢ | Individuenzahl der Art i | Anzahl |
| N | Gesamtzahl aller Individuen | Anzahl |
| S | Artenzahl (species richness) | Anzahl |
Herleitung & Hintergrund – Shannon-Index (Biodiversität)
Claude Shannon entwickelte das Maß 1948 in der Informationstheorie; die Ökologie übernahm es als Diversitätsmaß. Meist wird der natürliche Logarithmus ln verwendet (Einheit „nats"), seltener log₂ oder log₁₀. H' ist null bei nur einer Art und wird maximal (Hmax = ln S), wenn alle Arten gleich häufig sind. Aus H' und Hmax berechnet man die Evenness E = H'/ln S als Maß für die Gleichverteilung (0…1).
Prüfungs-Blueprint
Gültigkeitsbereich
Gilt für Diversitätsvergleiche von Gemeinschaften, deren Arten und Individuenzahlen vollständig erfasst oder repräsentativ gestichprobt sind.
Herleitung in Schritten
Jede Art trägt mit ihrem Informationsgehalt −ln(pᵢ) bei, gewichtet mit ihrer Häufigkeit pᵢ; die Summe misst die Ungewissheit, welche Art ein zufälliges Individuum hat.
- 1Berechne die relativen Häufigkeiten pᵢ = nᵢ/N jeder Art.
- 2Summiere pᵢ·ln(pᵢ) über alle Arten und kehre das Vorzeichen um.
Umstellen
Maximale Diversität
Wird erreicht, wenn alle S Arten gleich häufig sind.
Evenness (Gleichmäßigkeit)
Liegt zwischen 0 und 1; 1 bedeutet perfekte Gleichverteilung.
Aufgabenvariante
Drei Arten mit 10, 6, 4 Individuen (N = 20). Berechne H' und die Evenness.
p = 0,5; 0,3; 0,2. H' = −(0,5·ln0,5 + 0,3·ln0,3 + 0,2·ln0,2) = −(−0,347 − 0,361 − 0,322) = 1,030. Hmax = ln3 = 1,099, also E = 1,030/1,099 = 0,94.
Vier Arten mit je 25 Individuen (N = 100). Wie groß ist H'?
Alle p = 0,25. H' = −4·(0,25·ln0,25) = −(ln0,25) = ln4 = 1,386 = Hmax, also maximale Diversität mit Evenness 1.
Typische Fehler
Absolute Individuenzahlen statt Anteile pᵢ einsetzen.
In die Formel gehen die relativen Häufigkeiten pᵢ = nᵢ/N ein, nicht die rohen Zahlen.
Das Minuszeichen vergessen.
Da ln(pᵢ) für pᵢ < 1 negativ ist, macht das führende Minus H' positiv.
H'-Werte mit verschiedenen Logarithmen vergleichen.
Nur Werte mit derselben Basis (meist ln) sind vergleichbar.
H' allein als Gleichmäßigkeit deuten.
H' hängt auch von der Artenzahl ab; die Evenness E = H'/ln S trennt beides.
Klausurkontext
- Typisch in der Ökologie: Vergleich der Artenvielfalt zweier Standorte und Deutung der Evenness.
Die typischen Fehler stecken als eigene Karten im Prüfungsset. Einmal aktiv trainiert, passieren sie in der Klausur selten.
Formelcluster
Biodiversitätsmaße
Verbindet Artenvielfalt, Wahrscheinlichkeit und Informationstheorie.
Rechenbeispiel
Gemeinschaft mit 3 Arten, Individuen 10, 6, 4 → N = 20, also p = 0,5; 0,3; 0,2. H' = −(0,5·ln0,5 + 0,3·ln0,3 + 0,2·ln0,2) = −(0,5·(−0,693) + 0,3·(−1,204) + 0,2·(−1,609)) = −(−0,347 − 0,361 − 0,322) = 1,030. Maximal wäre Hmax = ln3 = 1,099, die Evenness ist also E = 1,030/1,099 = 0,94.
Anwendungsgebiete
Ökologie (Vergleich der Artenvielfalt von Lebensräumen), Umweltmonitoring, Bewertung von Renaturierung und Störungen, Gewässergüte
Quanta-Prüfungsset
Kuratiertes Prüfungsset für "Shannon-Index (Biodiversität)":
Frage (Vorderseite)
Welche Formel beschreibt Shannon-Index (Biodiversität)?
Antwort in deinem Set
Frage (Vorderseite)
Wie stellst du H' = −Σ pᵢ·ln(pᵢ) nach Maximale Diversität um?
Antwort in deinem Set
Frage (Vorderseite)
Welcher typische Fehler passiert bei H' = −Σ pᵢ·ln(pᵢ)?
Antwort in deinem Set
+ 8 weitere Karten: Einheiten, Variablen, Herleitung, Beispiel, Klausuraufgabe
Diese 11 Karten sind fertig kuratiert. Ein Klick, und sie liegen in deinem Lernstapel, FSRS plant die Wiederholungen bis zur Klausur.
Wissenschaftliche Quellen
Häufige Schreibweisen & Suchanfragen
Verwandte Formeln
Weitere Biologie-Formeln
Häufige Fragen zu Shannon-Index (Biodiversität)
Wie berechnet man den Shannon-Index?+
Zuerst bestimmt man für jede Art ihre relative Häufigkeit pᵢ, also die Individuenzahl der Art geteilt durch die Gesamtzahl aller Individuen. Dann berechnet man für jede Art das Produkt pᵢ·ln(pᵢ), summiert diese Werte über alle Arten und kehrt am Ende das Vorzeichen um. Das führende Minus ist nötig, weil der Logarithmus von Zahlen unter 1 negativ ist. Beispiel: drei Arten mit 10, 6 und 4 Individuen ergeben bei N = 20 die Anteile 0,5, 0,3 und 0,2. Dann ist H' = −(0,5·ln0,5 + 0,3·ln0,3 + 0,2·ln0,2) = −(−0,347 − 0,361 − 0,322) = 1,03. Je größer H', desto vielfältiger die Gemeinschaft. Wichtig ist, immer denselben Logarithmus zu verwenden, meist den natürlichen ln.
Was bedeutet ein hoher Shannon-Index?+
Ein hoher Shannon-Index zeigt eine große Diversität an. Er wird von zwei Faktoren getrieben: dem Artenreichtum, also wie viele Arten vorkommen, und der Evenness, also wie gleichmäßig sich die Individuen auf die Arten verteilen. Der Index ist genau dann maximal, wenn viele Arten vorkommen und alle etwa gleich häufig sind. Dominiert dagegen eine einzige Art stark, bleibt der Index niedrig, selbst wenn viele Arten vertreten sind. Ein niedriger Wert deutet also auf eine artenarme oder von wenigen Arten beherrschte Gemeinschaft hin. In der Praxis vergleicht man den Index zwischen Standorten oder über die Zeit, um Veränderungen der Artenvielfalt zu erkennen, etwa nach einer Störung oder Renaturierung. Absolute Werte sind nur bei gleicher Logarithmusbasis und ähnlicher Erfassung sinnvoll vergleichbar.
Was ist die Evenness und wie hängt sie mit dem Shannon-Index zusammen?+
Die Evenness misst, wie gleichmäßig sich die Individuen auf die Arten verteilen, unabhängig davon, wie viele Arten es gibt. Sie ergibt sich aus dem Shannon-Index geteilt durch seinen Maximalwert: E = H'/ln S, wobei S die Artenzahl ist. Der Maximalwert Hmax = ln S wird erreicht, wenn alle Arten gleich häufig sind. Die Evenness liegt zwischen 0 und 1: Ein Wert nahe 1 bedeutet, dass alle Arten ähnlich häufig vorkommen, ein Wert nahe 0, dass eine Art stark dominiert. Beispiel: Drei Arten mit den Anteilen 0,5, 0,3 und 0,2 haben H' = 1,03 und Hmax = ln3 = 1,099, also E = 0,94, eine recht gleichmäßige Verteilung. Die Evenness trennt so den Gleichverteilungsaspekt vom reinen Artenreichtum, den H' allein vermischt.
Welchen Logarithmus verwendet man beim Shannon-Index?+
In der Ökologie ist der natürliche Logarithmus ln am gebräuchlichsten; die Einheit heißt dann „nats". Manche Quellen nutzen den Zweierlogarithmus log₂, was Einheiten in „bits" liefert, oder den Zehnerlogarithmus log₁₀. Die Wahl ändert nur den Zahlenwert, nicht die Aussage: Ein Umrechnungsfaktor überführt die Werte ineinander, denn log₂(x) = ln(x)/ln2. Entscheidend ist, dass man innerhalb eines Vergleichs stets dieselbe Basis verwendet, sonst sind die Werte nicht vergleichbar. Auch der Maximalwert hängt von der Basis ab: Bei ln ist Hmax = ln S, bei log₂ wäre es log₂ S. Für die Evenness kürzt sich die Basis heraus, weil man H' durch Hmax mit derselben Basis teilt, sodass die Evenness immer denselben Wert zwischen 0 und 1 ergibt. Prüfe daher vor jedem Vergleich, welche Basis verwendet wurde.
Was ist der Unterschied zwischen dem Shannon-Index und dem Simpson-Index?+
Beide messen Diversität, gewichten aber unterschiedlich. Der Shannon-Index H' = −Σ pᵢ·ln(pᵢ) stammt aus der Informationstheorie und reagiert vergleichsweise empfindlich auf seltene Arten, weil deren Informationsgehalt −ln(pᵢ) groß ist. Der Simpson-Index D = Σ pᵢ² ist die Wahrscheinlichkeit, zweimal dieselbe Art zu ziehen, und betont häufige, dominante Arten stärker; seltene Arten beeinflussen ihn kaum. Als Diversitätsmaß nutzt man beim Simpson-Index meist 1 − D oder den Kehrwert 1/D, die mit der Vielfalt steigen, während D selbst die Dominanz misst. In der Praxis ergänzen sich beide: Der Shannon-Index eignet sich, wenn seltene Arten wichtig sind, der Simpson-Index, wenn es auf die Dominanzstruktur ankommt. Oft berechnet man beide, um ein vollständiges Bild der Diversität zu erhalten.
Shannon-Index (Biodiversität) prüfungssicher behalten
Erstelle ein kuratiertes FSRS-Prüfungsset für H' = −Σ pᵢ·ln(pᵢ): Formelabruf, Variablen, Herleitung, Umstellung, Beispiel, typische Fehler und Klausurkontext.
Kostenlos · kuratiertes Formelset · LaTeX · FSRS Spaced Repetition
Wie berechnet man mit Shannon-Index (Biodiversität)?
So gehst du eine typische Aufgabe zu Shannon-Index (Biodiversität) (H' = −Σ pᵢ·ln(pᵢ)) Schritt für Schritt an:
- 1
Aufgabe
Drei Arten mit 10, 6, 4 Individuen (N = 20). Berechne H' und die Evenness.
Rechenweg
p = 0,5; 0,3; 0,2. H' = −(0,5·ln0,5 + 0,3·ln0,3 + 0,2·ln0,2) = −(−0,347 − 0,361 − 0,322) = 1,030. Hmax = ln3 = 1,099, also E = 1,030/1,099 = 0,94.
- 2
Aufgabe
Vier Arten mit je 25 Individuen (N = 100). Wie groß ist H'?
Rechenweg
Alle p = 0,25. H' = −4·(0,25·ln0,25) = −(ln0,25) = ln4 = 1,386 = Hmax, also maximale Diversität mit Evenness 1.
H' = −Σ pᵢ·ln(pᵢ) · 11 Karten fertig
Als Prüfungsset lernen