Aufgabenbeispiele von Basics

Durch Aktualisieren des Browsers (z.B. mit Taste F5) kann man neue Beispielaufgaben sehen


0 oder 1 Treffer bei n Versuchen

Beispiel:

In einer Chip-Fabrik werden neue High Tech Chips produziert. Dabei entsteht mit einer Wahrscheinlichkeit von p=0,3 Ausschuss. Es werden nacheinander 6 Chips als Stichprobe entnommen. Bestimme die Wahrscheinlichkeit dafür, dass nur beim zweiten Chip ein Defekt vorliegt.

Lösung einblenden

Die Wahrscheinlichkeit für einen Treffer (also hier, dass ein entnommener Chips defekt sind) beträgt p = 0,3, für einen Nicht-Treffer (also hier, dass ein entnommener Chips nicht defekt ist) beträgt sie q = 1 - 0,3 = 0,7. Da ja der Treffer genau im zweiten Durchgang kommen soll, ist auch hier nur ein Pfad im Baumdiagramm möglich. Dessen Wahrscheinlichkeit lässt sich dann wie folgt berechnen:

P = 0,7⋅0,3⋅0,7⋅0,7⋅0,7⋅0,7 = 0,3 · 0,7 5 ≈ 0.0504 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: ( 8 4 )

Lösung einblenden

Wenn man von der allgememeinen Formel für den Binomialkoeffizient
( 8 4 ) = 8! 4! ⋅ (8 - 4)! = 8! 4! ⋅ 4! = 8⋅7⋅6⋅5⋅4⋅3⋅2⋅1 4⋅3⋅2⋅1 ⋅ 4⋅3⋅2⋅1
ausgeht, sieht man schnell, dass man mit der
4! = 4⋅3⋅2⋅1
rechts im Zähler und Nenner kürzen kann, so dass gilt:

( 8 4 ) = 8⋅7⋅6⋅5 4⋅3⋅2⋅1

= 2⋅7⋅6⋅5 3⋅2⋅1 (gekürzt mit 4)

= 2⋅7⋅2⋅5 2⋅1 (gekürzt mit 3)

= 7⋅2⋅5 1 (gekürzt mit 2)

= 70

Binomialkoeffizient Anwendungen

Beispiel:

Eine Eisdiele bietet 10 verschiedene Eissorten an. Rüdiger darf sich ein Eis mit 2 Kugeln zusammenstellen. Er möchte aber auf jeden Fall lauter verschiedene Eissorten in seinem Eis haben. Wieviele Möglichkeiten hat er sich solch ein Eis zusammenzustellen?

Lösung einblenden

Für die erste Stelle ist jede Eissorte möglich. Es gibt also 10 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Eissorte nicht mehr möglich, es gibt also nur noch 9 Möglichkeiten.

Da ja jede Möglichkeit der ersten Stelle mit den Möglichkeiten der zweiten, dritten, ... Stelle kombinierbar sind, müssen wir die verschiedenen Möglichkeiten an den verschiedenen Stellen multiplizieren:

Es gibt also 10⋅9 = 90 Möglichkeiten, die 10 Möglichkeiten (Eissorten) auf die 2 "Ziehungen" (Kugeln) zu verteilen.

Wir haben jetzt dabei aber genau unterschieden an welcher Stelle was gezogen bzw. gewählt wurde. Also wären zum Beispiel Ananas - Birne - Citrone und Birne - Citrone - Ananas zwei unterschiedliche Ergebnisse. In unserem Fall hier soll diese Reihenfolge aber keine Rolle spielen. Es interessiert nur, wer in der 2er-Gruppe drin ist, nicht an welcher Stelle.

Wir berechnen jetzt also, wie viele mögliche Reihenfolgen pro 2er-Gruppe möglich sind.

  • Für die erste Stelle ist jede(r) aus der 2er-Gruppe möglich. Es gibt also 2 Möglichkeiten.
  • Für die zweite Stelle ist der/die an erster Stelle stehende nicht mehr möglich, es gibt also nur noch 1 Möglichkeiten.

Da ja jede Möglichkeit der ersten Stelle mit den Möglichkeiten der zweiten, dritten, ... Stelle kombinierbar sind, müssen wir die verschiedenen Möglichkeiten an den verschiedenen Stellen multiplizieren und erhalten 2⋅1 = 2 Möglichkeiten für die verschiedenen Reihenfolgen innerhalb einer 2er-Gruppe.

Wir müssen deswegen die 90 Möglichkeiten für nach Reihenfolge sortierte 2er-Gruppen durch die 2 Möglichkeiten, die 2er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 90 2 = 45 Möglichkeiten für 2er-Gruppen, die aus 10 Elementen (Eissorten) gebildet werden.

Die hier durchgeführte Berechnung 10⋅9 2⋅1 könnte man mit 8! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

45 = 10⋅9 2⋅1 = 10⋅9 ⋅8 ⋅ 7 ⋅ 6 ⋅ 5 ⋅ 4 ⋅ 3 ⋅ 2 ⋅ 1 2⋅1 ⋅8 ⋅ 7 ⋅ 6 ⋅ 5 ⋅ 4 ⋅ 3 ⋅ 2 ⋅ 1 = 10! 2! ⋅ 8! = ( 10 2 )

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

In einer Urne befinden sich 30 Kugeln, die mit den Zahlen 1 bis 30 beschriftet sind.

Es werden 8 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 22 dabei ist?

Lösung einblenden

Es gibt insgesamt ( 30 8 ) = 30! 8! ⋅ 22! = 30⋅29⋅28⋅27⋅26⋅25⋅24⋅23 8⋅7⋅6⋅5⋅4⋅3⋅2⋅1 = 5852925 verschiedene Möglichkeiten, die 8 Kugeln aus den 30 zu ziehen, bzw. von 30 Zahlen 8 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn eine der gezogenen Zahlen die 22 ist, bzw. wie viele Möglichkeiten es gibt, 8 von 30 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 22 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 7 Kreuze auf 29 Zahlen (alle außer der 22) zu setzen, also ( 29 7 ) = 29! 7! ⋅ 22! = 29⋅28⋅27⋅26⋅25⋅24⋅23 7⋅6⋅5⋅4⋅3⋅2⋅1 = 1560780.

Die Wahrscheinlichkeit lässt sich somit mit der Laplace-Formel berechnen:

P = Anzahl der gewünschten Ergebnisse Anzahl der möglichen Ergebnisse = 1560780 5852925 ≈ 0.2667, also ca. 26.67%.

Formel v. Bernoulli

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 98 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so genau 24 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=98 und p= 1 4 .

P 1 4 98 (X=24) = ( 98 24 ) ⋅ ( 1 4 )24 ⋅ ( 3 4 )74 =0.092726961380643≈ 0.0927
(TI-Befehl: binompdf(98,1/4,24))

kumulierte WS aus Histogramm finden

Beispiel:

Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

In der Abbildung rechts ist das Histogramm einer binomialverteilten Zufallsgröße X zu sehen. Finde das kleinste k, für das gilt P(X ≤ k) ≥ 0.2.

Lösung einblenden

Wir lesen einfach die Säulenhöhen aus dem Histogramm ab und addieren diese Werte:

kP(X = k)P(X ≤ k)
0≈ 0≈ 0 + 0 = 0
1≈ 0.01≈ 0 + 0.01 = 0.01
2≈ 0.03≈ 0.01 + 0.03 = 0.04
3≈ 0.08≈ 0.04 + 0.08 = 0.12
4≈ 0.15≈ 0.12 + 0.15 = 0.27
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 3) = 0.12 also noch klar unter der geforderten Wahrscheinlichkeit von 0.2 liegt, ist P(X ≤ 4) = 0.27 klar darüber.

Somit ist das gesuchte k = 4.

kumulierte Binomialverteilung

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 45%. Wie groß ist die Wahrscheinlichkeit dass er von 92 Versuchen nicht mehr als 35 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=92 und p=0.45.

P0.4592 (X≤35) = P0.4592 (X=0) + P0.4592 (X=1) + P0.4592 (X=2) +... + P0.4592 (X=35) = 0.10768830347368 ≈ 0.1077
(TI-Befehl: binomcdf(92,0.45,35))

Binomialverteilung X>=k

Beispiel:

Ein Würfel wird 41 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass mehr als 9 mal eine 6 (p=1/6) geworfen wird?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der gewürfelten Sechser an. X ist binomialverteilt mit n=41 und p= 1 6 .

...
7
8
9
10
11
12
...

P 1 6 41 (X>9) = P 1 6 41 (X≥10) = 1 - P 1 6 41 (X≤9) = 0.1333
(TI-Befehl: 1-binomcdf(41, 1 6 ,9))

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen, von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 64 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 12, aber weniger als 17 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=64 und p=0.25.

P0.2564 (12≤X≤16) =

...
9
10
11
12
13
14
15
16
17
18
...

P0.2564 (X≤16) - P0.2564 (X≤11) ≈ 0.5666 - 0.0935 ≈ 0.4731
(TI-Befehl: binomcdf(64,0.25,16) - binomcdf(64,0.25,11))