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 ersten Wurf keine "6" gewürfelt wird.

Lösung einblenden

Da hier ja nur eine Aussage über den 1-ten Versuch gemacht wird und keine Aussage über alle anderen Versuche, muss auch nur der 1-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: ( 16 15 )

Lösung einblenden

Wenn man von der allgememeinen Formel für den Binomialkoeffizient
( 16 15 ) = 16! 15! ⋅ (16 - 15)! = 16! 15! ⋅ 1! = 16⋅15⋅14⋅13⋅12⋅11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1 15⋅14⋅13⋅12⋅11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1 ⋅ 1
ausgeht, sieht man schnell, dass man mit der
15! = 15⋅14⋅13⋅12⋅11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1
rechts im Zähler und links im Nenner kürzen kann, so dass gilt:

( 16 15 ) = 16 1

= 16

Binomialkoeffizient Anwendungen

Beispiel:

Eine Eisdiele bietet 7 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 7 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Eissorte nicht mehr möglich, es gibt also nur noch 6 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 76 = 42 Möglichkeiten, die 7 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 21 = 2 Möglichkeiten für die verschiedenen Reihenfolgen innerhalb einer 2er-Gruppe.

Wir müssen deswegen die 42 Möglichkeiten für nach Reihenfolge sortierte 2er-Gruppen durch die 2 Möglichkeiten, die 2er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 42 2 = 21 Möglichkeiten für 2er-Gruppen, die aus 7 Elementen (Eissorten) gebildet werden.

Die hier durchgeführte Berechnung 76 21 könnte man mit 5! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

21 = 76 21 = 76 5 4 3 2 1 21 5 4 3 2 1 = 7! 2! ⋅ 5! = ( 7 2 )

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

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

Es werden 7 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 13 und die 18 dabei sind?

Lösung einblenden

Es gibt insgesamt ( 20 7 ) = 20! 7! ⋅ 13! = 20⋅19⋅18⋅17⋅16⋅15⋅14 7⋅6⋅5⋅4⋅3⋅2⋅1 = 77520 verschiedene Möglichkeiten, die 7 Kugeln aus den 20 zu ziehen, bzw. von 20 Zahlen 7 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn zwei der gezogenen Zahlen die 13 und die 18 sind, bzw. wie viele Möglichkeiten es gibt, 7 von 20 Zahlen anzukreuzen, wobei zwei Kreuze sicher auf der der 13 und der 18 sein müssen, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 5 Kreuze auf 18 Zahlen (alle außer der 13 und der 18) zu setzen, also ( 18 5 ) = 18! 5! ⋅ 13! = 18⋅17⋅16⋅15⋅14 5⋅4⋅3⋅2⋅1 = 8568.

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

P = Anzahl der gewünschten Ereignisse Anzahl der möglichen Ereignisse = 8568 77520 ≈ 0.1105, also ca. 11.05%.

Formel v. Bernoulli

Beispiel:

Eine Münze wird 26 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 15 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=26 und p=0.5.

P0.526 (X=15) = ( 26 15 ) 0.515 0.511 =0.11512875556946≈ 0.1151
(TI-Befehl: binompdf(26,0.5,15))

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) ≥ 0.4.

Lösung einblenden

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

kP(X = k)P(X ≤ k)
0≈ 0.02≈ 0 + 0.02 = 0.02
1≈ 0.08≈ 0.02 + 0.08 = 0.1
2≈ 0.18≈ 0.1 + 0.18 = 0.28
3≈ 0.24≈ 0.28 + 0.24 = 0.52
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 2) = 0.28 also noch klar unter der geforderten Wahrscheinlichkeit von 0.4 liegt, ist P(X ≤ 3) = 0.52 klar darüber.

Somit ist das gesuchte k = 3.

kumulierte Binomialverteilung

Beispiel:

Ein Würfel wird 73 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass weniger als 10 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=73 und p= 1 6 .

P 1 6 73 (X<10) = P 1 6 73 (X9) = P 1 6 73 (X=0) + P 1 6 73 (X=1) + P 1 6 73 (X=2) +... + P 1 6 73 (X=9) = 0.20407793876372 ≈ 0.2041
(TI-Befehl: binomcdf(73,1/6,9))

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=0,18 entsteht. Es wird eine Stichprobe der Menge 72 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon 14 oder sogar noch mehr Chips defekt sind?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=72 und p=0.18.

...
11
12
13
14
15
16
...

P0.1872 (X14) = 1 - P0.1872 (X13) = 0.4217
(TI-Befehl: 1-binomcdf(72,0.18,13))

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 6 und höchstens 9 Glückskekse mit einer Peproni zu erwischen, wenn man 70 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=70 und p=0.125.

P0.12570 (7X9) =

...
4
5
6
7
8
9
10
11
...

P0.12570 (X9) - P0.12570 (X6) ≈ 0.6228 - 0.2125 ≈ 0.4103
(TI-Befehl: binomcdf(70,0.125,9) - binomcdf(70,0.125,6))