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:

Ein idealer Würfel wird 4 mal geworfen. Bestimme die Wahrscheinlichkeit dafür, dass im dritten Wurf eine "6" gewürfelt wird.

Lösung einblenden

Da hier ja nur eine Aussage über den 3-ten Versuch gemacht wird und keine Aussage über alle anderen Versuche, muss auch nur der 3-te Versuch betrachtet werden.
(In jedem anderen Versuch ist die Wahrscheinlichkeit 1, da es ja keine Einschränkung für diesen Versuch gibt.)

Für die gesuchte Wahrscheinlichkeit gilt somit einfach P = 1 6 ≈ 0.1667 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: ( 9 5 )

Lösung einblenden

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

( 9 5 ) = 9⋅8⋅7⋅6 4⋅3⋅2⋅1

= 9⋅2⋅7⋅6 3⋅2⋅1 (gekürzt mit 4)

= 3⋅2⋅7⋅6 2⋅1 (gekürzt mit 3)

= 3⋅7⋅6 1 (gekürzt mit 2)

= 126

Binomialkoeffizient Anwendungen

Beispiel:

Eine Mathelehrerin verlost unter den 8 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 8 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte SchülerIn nicht mehr möglich, es gibt also nur noch 7 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 6 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 8765 = 1680 Möglichkeiten, die 8 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 1680 Möglichkeiten für nach Reihenfolge sortierte 4er-Gruppen durch die 24 Möglichkeiten, die 4er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 1680 24 = 70 Möglichkeiten für 4er-Gruppen, die aus 8 Elementen (SchülerInnen) gebildet werden.

Die hier durchgeführte Berechnung 8765 4321 könnte man mit 4! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

70 = 8765 4321 = 8765 4 3 2 1 4321 4 3 2 1 = 8! 4! ⋅ 4! = ( 8 4 )

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

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

Es werden 7 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 23 dabei ist?

Lösung einblenden

Es gibt insgesamt ( 30 7 ) = 30! 7! ⋅ 23! = 30⋅29⋅28⋅27⋅26⋅25⋅24 7⋅6⋅5⋅4⋅3⋅2⋅1 = 2035800 verschiedene Möglichkeiten, die 7 Kugeln aus den 30 zu ziehen, bzw. von 30 Zahlen 7 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn eine der gezogenen Zahlen die 23 ist, bzw. wie viele Möglichkeiten es gibt, 7 von 30 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 23 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 6 Kreuze auf 29 Zahlen (alle außer der 23) zu setzen, also ( 29 6 ) = 29! 6! ⋅ 23! = 29⋅28⋅27⋅26⋅25⋅24 6⋅5⋅4⋅3⋅2⋅1 = 475020.

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

P = Anzahl der gewünschten Ereignisse Anzahl der möglichen Ereignisse = 475020 2035800 ≈ 0.2333, also ca. 23.33%.

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 51 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so genau 8 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=51 und p= 1 4 .

P 1 4 51 (X=8) = ( 51 8 ) ( 1 4 )8 ( 3 4 )43 =0.041222302838074≈ 0.0412
(TI-Befehl: binompdf(51,1/4,8))

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) ≥ 0.55.

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≈ 0 + 0 = 0
2≈ 0.02≈ 0 + 0.02 = 0.02
3≈ 0.07≈ 0.02 + 0.07 = 0.09
4≈ 0.14≈ 0.09 + 0.14 = 0.23
5≈ 0.2≈ 0.23 + 0.2 = 0.43
6≈ 0.22≈ 0.43 + 0.22 = 0.65
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 5) = 0.43 also noch klar unter der geforderten Wahrscheinlichkeit von 0.55 liegt, ist P(X ≤ 6) = 0.65 klar darüber.

Somit ist das gesuchte k = 6.

kumulierte Binomialverteilung

Beispiel:

Ein Zufallsexperiment wird 100 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p= 0,95. Wie groß ist dabei die Wahrscheinlichkeit, weniger als 101 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=100 und p=0.95.

P0.95100 (X<101) = P0.95100 (X100) = P0.95100 (X=0) + P0.95100 (X=1) + P0.95100 (X=2) +... + P0.95100 (X=100) = 1 ≈ 1
(TI-Befehl: binomcdf(100,0.95,100))

Binomialverteilung X>=k

Beispiel:

Ein Würfel wird 94 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass mehr als 18 mal eine 6 (p=1/6) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der gewürfelten Sechser an. X ist binomialverteilt mit n=94 und p= 1 6 .

...
16
17
18
19
20
21
...

P 1 6 94 (X>18) = P 1 6 94 (X19) = 1 - P 1 6 94 (X18) = 0.2129
(TI-Befehl: 1-binomcdf(94, 1 6 ,18))

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 84% von der Freiwurflinie. Wie groß ist die Wahrscheinlichkeit dass er von 53 Versuchen mindestens 47 und weniger als 49 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=53 und p=0.84.

P0.8453 (47X48) =

...
44
45
46
47
48
49
50
...

P0.8453 (X48) - P0.8453 (X46) ≈ 0.941 - 0.7648 ≈ 0.1762
(TI-Befehl: binomcdf(53,0.84,48) - binomcdf(53,0.84,46))