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:

Bei einem Glückrad beträgt die Wahrscheinlichkeit, in den grünen Bereich zu drehen, 30%. Es wird 3 mal gedreht. Bestimme die Wahrscheinlichkeit dafür, dass kein einziges mal in den grünen Bereich gedreht wird.

Lösung einblenden

Da die Wahrscheinlichkeit für keinen Treffer (also hier, dass nicht in den grünen Bereich gedreht wird) q = 1 - 0,3 = 0,7 beträgt, muss die Wahrscheinlichkeit für 3 Nicht-Treffer bei 3 Versuchen P = 0,7 3 ≈ 0.343 betragen, da ja bei jedem Versuch kein Treffer erzielt wird, und es somit nur einen möglichen Pfad im Baumdiagramm gibt.

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: ( 10 3 )

Lösung einblenden

Wenn man von der allgememeinen Formel für den Binomialkoeffizient
( 10 3 ) = 10! 3! ⋅ (10 - 3)! = 10! 3! ⋅ 7! = 10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1 3⋅2⋅1 ⋅ 7⋅6⋅5⋅4⋅3⋅2⋅1
ausgeht, sieht man schnell, dass man mit der
7! = 7⋅6⋅5⋅4⋅3⋅2⋅1
rechts im Zähler und Nenner kürzen kann, so dass gilt:

( 10 3 ) = 10⋅9⋅8 3⋅2⋅1

= 10⋅3⋅8 2⋅1 (gekürzt mit 3)

= 5⋅3⋅8 1 (gekürzt mit 2)

= 120

Binomialkoeffizient Anwendungen

Beispiel:

Eine Mathelehrerin verlost unter den 6 SchülerInnen ihrer 8. Klasse, die eine Zusatzaufgabe gemacht haben, 4 Matherätsel-Knobelbücher. Natürlich kann jeder höchstens eins bekommen. Wie viele verschiedene Möglichkeiten gibt es für die 4er-Gruppe der glücklichen Gewinner?

Lösung einblenden

Für die erste Stelle ist jede SchülerIn möglich. Es gibt also 6 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte SchülerIn nicht mehr möglich, es gibt also nur noch 5 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 4 möglich sind, usw.

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 6543 = 360 Möglichkeiten, die 6 Möglichkeiten (SchülerInnen) auf die 4 "Ziehungen" (Knobelbücher) zu verteilen.

Wir haben jetzt dabei aber genau unterschieden an welcher Stelle was gezogen bzw. gewählt wurde. Also wären zum Beispiel Antonia - Bea - Carla und Bea - Carla - Antonia zwei unterschiedliche Ergebnisse. In unserem Fall hier soll diese Reihenfolge aber keine Rolle spielen. Es interessiert nur, wer in der 4er-Gruppe drin ist, nicht an welcher Stelle.

Wir berechnen jetzt also, wie viele mögliche Reihenfolgen pro 4er-Gruppe möglich sind.

  • Für die erste Stelle ist jede(r) aus der 4er-Gruppe möglich. Es gibt also 4 Möglichkeiten.
  • Für die zweite Stelle ist der/die an erster Stelle stehende nicht mehr möglich, es gibt also nur noch 3 Möglichkeiten.
  • Für die 3. Stelle fehlen dann schon 2, so dass nur noch 2 möglich sind, usw.

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 4321 = 24 Möglichkeiten für die verschiedenen Reihenfolgen innerhalb einer 4er-Gruppe.

Wir müssen deswegen die 360 Möglichkeiten für nach Reihenfolge sortierte 4er-Gruppen durch die 24 Möglichkeiten, die 4er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 360 24 = 15 Möglichkeiten für 4er-Gruppen, die aus 6 Elementen (SchülerInnen) gebildet werden.

Die hier durchgeführte Berechnung 6543 4321 könnte man mit 2! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

15 = 6543 4321 = 6543 2 1 4321 2 1 = 6! 4! ⋅ 2! = ( 6 4 )

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

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

Es werden 6 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 9, die 12 und die 20 dabei sind?

Lösung einblenden

Es gibt insgesamt ( 30 6 ) = 30! 6! ⋅ 24! = 30⋅29⋅28⋅27⋅26⋅25 6⋅5⋅4⋅3⋅2⋅1 = 593775 verschiedene Möglichkeiten, die 6 Kugeln aus den 30 zu ziehen, bzw. von 30 Zahlen 6 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn drei der gezogenen Zahlen die 9, die 12 und die 20 sind, bzw. wie viele Möglichkeiten es gibt, 6 von 30 Zahlen anzukreuzen, wobei drei Kreuze sicher auf der der 9, der 12 und der 20 sein müssen, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 3 Kreuze auf 27 Zahlen (alle außer der 9, der 12 und der 20) zu setzen, also ( 27 3 ) = 27! 3! ⋅ 24! = 27⋅26⋅25 3⋅2⋅1 = 2925.

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

P = Anzahl der gewünschten Ereignisse Anzahl der möglichen Ereignisse = 2925 593775 ≈ 0.0049, also ca. 0.49%.

Formel v. Bernoulli

Beispiel:

Eine Münze wird 90 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 38 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=90 und p=0.5.

P0.590 (X=38) = ( 90 38 ) 0.538 0.552 =0.028449020501327≈ 0.0284
(TI-Befehl: binompdf(90,0.5,38))

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) ≥ 0.75.

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≈ 0.02≈ 0 + 0.02 = 0.02
2≈ 0.06≈ 0.02 + 0.06 = 0.08
3≈ 0.14≈ 0.08 + 0.14 = 0.22
4≈ 0.2≈ 0.22 + 0.2 = 0.42
5≈ 0.22≈ 0.42 + 0.22 = 0.64
6≈ 0.18≈ 0.64 + 0.18 = 0.82
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 5) = 0.64 also noch klar unter der geforderten Wahrscheinlichkeit von 0.75 liegt, ist P(X ≤ 6) = 0.82 klar darüber.

Somit ist das gesuchte k = 6.

kumulierte Binomialverteilung

Beispiel:

In einer Chip-Fabrik werden neue High Tech Chips produziert. Leider ist die Technik noch nicht so ganz ausgereift, weswegen Ausschuss mit einer Wahrscheinlichkeit von p=0,17 entsteht. Es wird eine Stichprobe der Menge 31 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon nicht mehr als 6 defekte Chips enthalten sind.

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=31 und p=0.17.

P0.1731 (X6) = P0.1731 (X=0) + P0.1731 (X=1) + P0.1731 (X=2) +... + P0.1731 (X=6) = 0.73312043259567 ≈ 0.7331
(TI-Befehl: binomcdf(31,0.17,6))

Binomialverteilung X>=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 27 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so 8 oder gar noch mehr Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=27 und p=0.25.

...
5
6
7
8
9
10
...

P0.2527 (X8) = 1 - P0.2527 (X7) = 0.3573
(TI-Befehl: 1-binomcdf(27,0.25,7))

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 65 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 15, aber weniger als 18 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=65 und p=0.25.

P0.2565 (15X17) =

...
12
13
14
15
16
17
18
19
...

P0.2565 (X17) - P0.2565 (X14) ≈ 0.6475 - 0.3147 ≈ 0.3328
(TI-Befehl: binomcdf(65,0.25,17) - binomcdf(65,0.25,14))