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 5 mal geworfen. Bestimme die Wahrscheinlichkeit dafür, dass im dritten Wurf keine "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 - 1 6 = 5 6 ≈ 0.8333 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: ( 7 7 )

Lösung einblenden

Wenn man von der allgememeinen Formel für den Binomialkoeffizient
( 7 7 ) = 7! 7! ⋅ (7 - 7)! = 7! 7! ⋅ 0! = 7⋅6⋅5⋅4⋅3⋅2⋅1 7⋅6⋅5⋅4⋅3⋅2⋅1 ⋅ 1
ausgeht, sieht man schnell, dass man mit der
7! = 7⋅6⋅5⋅4⋅3⋅2⋅1
rechts im Zähler und links im Nenner kürzen kann, so dass gilt:

( 7 7 ) = 1 1

= 1

Binomialkoeffizient Anwendungen

Beispiel:

Bei einem Glücksspiel sind auf einem Schein 8 Felder abgedruckt. Von diesen 8 Felder soll sich der Spieler 2 Felder aussuchen und ankreuzen.Wieviele Möglichkeiten hat er hierfür?

Lösung einblenden

Für die erste Stelle ist jedes Feld möglich. Es gibt also 8 Möglichkeiten. Für die zweite Stelle ist das bereits als erstes gewählte Feld nicht mehr möglich, es gibt also nur noch 7 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 87 = 56 Möglichkeiten, die 8 Möglichkeiten (abgedruckte Felder) auf die 2 "Ziehungen" (angekreuzte Felder) zu verteilen.

Wir haben jetzt dabei aber genau unterschieden an welcher Stelle was gezogen bzw. gewählt wurde. Also wären zum Beispiel Feld1 - Feld3 - Feld6 und Feld3 - Feld6 - Feld1 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 21 = 2 Möglichkeiten für die verschiedenen Reihenfolgen innerhalb einer 2er-Gruppe.

Wir müssen deswegen die 56 Möglichkeiten für nach Reihenfolge sortierte 2er-Gruppen durch die 2 Möglichkeiten, die 2er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 56 2 = 28 Möglichkeiten für 2er-Gruppen, die aus 8 Elementen (abgedruckte Felder) gebildet werden.

Die hier durchgeführte Berechnung 87 21 könnte man mit 6! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

28 = 87 21 = 87 6 5 4 3 2 1 21 6 5 4 3 2 1 = 8! 2! ⋅ 6! = ( 8 2 )

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

In einer Urne befinden sich 20 Kugeln, die mit den Zahlen 1 bis 20 beschriftet sind.

Es werden 6 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 2, die 4 und die 8 dabei sind?

Lösung einblenden

Es gibt insgesamt ( 20 6 ) = 20! 6! ⋅ 14! = 20⋅19⋅18⋅17⋅16⋅15 6⋅5⋅4⋅3⋅2⋅1 = 38760 verschiedene Möglichkeiten, die 6 Kugeln aus den 20 zu ziehen, bzw. von 20 Zahlen 6 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn drei der gezogenen Zahlen die 2, die 4 und die 8 sind, bzw. wie viele Möglichkeiten es gibt, 6 von 20 Zahlen anzukreuzen, wobei drei Kreuze sicher auf der der 2, der 4 und der 8 sein müssen, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 3 Kreuze auf 17 Zahlen (alle außer der 2, der 4 und der 8) zu setzen, also ( 17 3 ) = 17! 3! ⋅ 14! = 17⋅16⋅15 3⋅2⋅1 = 680.

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

P = Anzahl der gewünschten Ereignisse Anzahl der möglichen Ereignisse = 680 38760 ≈ 0.0175, also ca. 1.75%.

Formel v. Bernoulli

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 75% entsteht. Es wird eine Stichprobe der Menge 72 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon genau 59 defekte Chips enthalten sind.

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=72 und p=0.75.

P0.7572 (X=59) = ( 72 59 ) 0.7559 0.2513 =0.044928986118715≈ 0.0449
(TI-Befehl: binompdf(72,0.75,59))

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) ≥ 0.6.

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≈ 0.08≈ 0.02 + 0.08 = 0.1
3≈ 0.17≈ 0.1 + 0.17 = 0.27
4≈ 0.24≈ 0.27 + 0.24 = 0.51
5≈ 0.23≈ 0.51 + 0.23 = 0.74
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 4) = 0.51 also noch klar unter der geforderten Wahrscheinlichkeit von 0.6 liegt, ist P(X ≤ 5) = 0.74 klar darüber.

Somit ist das gesuchte k = 5.

kumulierte Binomialverteilung

Beispiel:

Ein Würfel wird 67 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass nicht öfter als 13 mal eine 6 (p=1/6) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=67 und p= 1 6 .

P 1 6 67 (X13) = P 1 6 67 (X=0) + P 1 6 67 (X=1) + P 1 6 67 (X=2) +... + P 1 6 67 (X=13) = 0.78241089091534 ≈ 0.7824
(TI-Befehl: binomcdf(67,1/6,13))

Binomialverteilung X>=k

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, 8 oder mehr Glückskekse mit einer Peproni zu erwischen, wenn man 37 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=37 und p=0.125.

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

P0.12537 (X8) = 1 - P0.12537 (X7) = 0.0831
(TI-Befehl: 1-binomcdf(37,0.125,7))

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Würfel wird 87 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 7 mal, aber weniger als 24 mal eine sechs gewürfelt wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=87 und p= 1 6 .

P 1 6 87 (8X23) =

...
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
...

P 1 6 87 (X23) - P 1 6 87 (X7) ≈ 0.9928 - 0.016 ≈ 0.9768
(TI-Befehl: binomcdf(87, 1 6 ,23) - binomcdf(87, 1 6 ,7))