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: ( 10 5 )

Lösung einblenden

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

( 10 5 ) = 10⋅9⋅8⋅7⋅6 5⋅4⋅3⋅2⋅1

= 2⋅9⋅8⋅7⋅6 4⋅3⋅2⋅1 (gekürzt mit 5)

= 2⋅9⋅2⋅7⋅6 3⋅2⋅1 (gekürzt mit 4)

= 2⋅3⋅2⋅7⋅6 2⋅1 (gekürzt mit 3)

= 3⋅2⋅7⋅6 1 (gekürzt mit 2)

= 252

Binomialkoeffizient Anwendungen

Beispiel:

Eine Eisdiele bietet 9 verschiedene Eissorten an. Rüdiger darf sich ein Eis mit 4 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 9 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Eissorte nicht mehr möglich, es gibt also nur noch 8 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 7 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 9876 = 3024 Möglichkeiten, die 9 Möglichkeiten (Eissorten) auf die 4 "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 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 3024 Möglichkeiten für nach Reihenfolge sortierte 4er-Gruppen durch die 24 Möglichkeiten, die 4er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 3024 24 = 126 Möglichkeiten für 4er-Gruppen, die aus 9 Elementen (Eissorten) gebildet werden.

Die hier durchgeführte Berechnung 9876 4321 könnte man mit 5! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

126 = 9876 4321 = 9876 5 4 3 2 1 4321 5 4 3 2 1 = 9! 4! ⋅ 5! = ( 9 4 )

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

In einer Urne befinden sich 40 Kugeln, die mit den Zahlen 1 bis 40 beschriftet sind.

Es werden 4 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 12 dabei ist?

Lösung einblenden

Es gibt insgesamt ( 40 4 ) = 40! 4! ⋅ 36! = 40⋅39⋅38⋅37 4⋅3⋅2⋅1 = 91390 verschiedene Möglichkeiten, die 4 Kugeln aus den 40 zu ziehen, bzw. von 40 Zahlen 4 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn eine der gezogenen Zahlen die 12 ist, bzw. wie viele Möglichkeiten es gibt, 4 von 40 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 12 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 3 Kreuze auf 39 Zahlen (alle außer der 12) zu setzen, also ( 39 3 ) = 39! 3! ⋅ 36! = 39⋅38⋅37 3⋅2⋅1 = 9139.

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

P = Anzahl der gewünschten Ereignisse Anzahl der möglichen Ereignisse = 9139 91390 ≈ 0.1, also ca. 10%.

Formel v. Bernoulli

Beispiel:

In einer Urne sind 7 blaue und 3 rote Kugeln. Es wird 47 mal eine Kugel gezogen. Nach jedem Ziehen wird die Kugel wieder zurückgelegt. Wie groß ist die Wahrscheinlichkeit dass genau 38 mal eine blaue Kugel gezogen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=47 und p=0.7.

P0.747 (X=38) = ( 47 38 ) 0.738 0.39 =0.034849845820506≈ 0.0348
(TI-Befehl: binompdf(47,0.7,38))

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 größte k, für das gilt P(X ≥ k) ≥ 0.75.

Lösung einblenden

Wenn P(X ≥ k) ≥ 0.75 sein soll, bedeutet das doch, dass sie Summe der Säulenhöhen von k bis zum rechten Rand mindestens 0.75 sein muss. Das ist dann aber doch gleichbedeutend, wie dass für die restlichen Säulenhöhen links von 0 bis k-1 höchstens 1-0.75=0.25 als Wahrscheinlichkeit übrig bleiben darf.

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

kP(X = k)P(X ≤ k)
0≈ 0.03≈ 0 + 0.03 = 0.03
1≈ 0.12≈ 0.03 + 0.12 = 0.15
2≈ 0.23≈ 0.15 + 0.23 = 0.38
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 1) = 0.15 also noch klar unter der geforderten Wahrscheinlichkeit von 0.25 liegt, ist P(X ≤ 2) = 0.38 klar darüber.

Oder andersrum: P(X ≥ 2) = 1 - P(X ≤ 1) = 0.85 (die Summe der blauen Säulenhöhen von 2 bis 10) ist klar über der geforderten Wahrscheinlichkeit von 0.75, während P(X ≥ 3) = 1 - P(X ≤ 2) = 0.62 (die Summe der Säulenhöhen von 3 bis 10) klar darunter liegt.

Somit ist das gesuchte k = 2.

kumulierte Binomialverteilung

Beispiel:

Ein Würfel wird 23 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass nicht öfter als 4 mal eine 6 (p=1/6) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=23 und p= 1 6 .

P 1 6 23 (X4) = P 1 6 23 (X=0) + P 1 6 23 (X=1) + P 1 6 23 (X=2) +... + P 1 6 23 (X=4) = 0.66502259976098 ≈ 0.665
(TI-Befehl: binomcdf(23,1/6,4))

Binomialverteilung X>=k

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=0,2 entsteht. Es wird eine Stichprobe der Menge 41 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon 10 oder sogar noch mehr Chips defekt sind?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=41 und p=0.2.

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

P0.241 (X10) = 1 - P0.241 (X9) = 0.296
(TI-Befehl: 1-binomcdf(41,0.2,9))

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, mehr als 1 und höchstens 13 Glückskekse mit einer Peproni zu erwischen, wenn man 77 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=77 und p=0.125.

P0.12577 (2X13) =

...
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
...

P0.12577 (X13) - P0.12577 (X1) ≈ 0.9049 - 0.0004 ≈ 0.9045
(TI-Befehl: binomcdf(77,0.125,13) - binomcdf(77,0.125,1))