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: ( 25 2 )

Lösung einblenden

Wenn man von der allgememeinen Formel für den Binomialkoeffizient
( 25 2 ) = 25! 2! ⋅ (25 - 2)! = 25! 2! ⋅ 23! = 25⋅24⋅23⋅22⋅21⋅20⋅19⋅18⋅17⋅16⋅15⋅14⋅13⋅12⋅11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1 2⋅1 ⋅ 23⋅22⋅21⋅20⋅19⋅18⋅17⋅16⋅15⋅14⋅13⋅12⋅11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1
ausgeht, sieht man schnell, dass man mit der
23! = 23⋅22⋅21⋅20⋅19⋅18⋅17⋅16⋅15⋅14⋅13⋅12⋅11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1
rechts im Zähler und Nenner kürzen kann, so dass gilt:

( 25 2 ) = 25⋅24 2⋅1

= 25⋅12 1 (gekürzt mit 2)

= 300

Binomialkoeffizient Anwendungen

Beispiel:

Eine Mathelehrerin verlost unter den 10 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 10 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte SchülerIn nicht mehr möglich, es gibt also nur noch 9 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 8 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 10987 = 5040 Möglichkeiten, die 10 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 5040 Möglichkeiten für nach Reihenfolge sortierte 4er-Gruppen durch die 24 Möglichkeiten, die 4er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 5040 24 = 210 Möglichkeiten für 4er-Gruppen, die aus 10 Elementen (SchülerInnen) gebildet werden.

Die hier durchgeführte Berechnung 10987 4321 könnte man mit 6! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

210 = 10987 4321 = 10987 6 5 4 3 2 1 4321 6 5 4 3 2 1 = 10! 4! ⋅ 6! = ( 10 4 )

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

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

Es werden 7 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 14, die 29 und die 32 dabei sind?

Lösung einblenden

Es gibt insgesamt ( 40 7 ) = 40! 7! ⋅ 33! = 40⋅39⋅38⋅37⋅36⋅35⋅34 7⋅6⋅5⋅4⋅3⋅2⋅1 = 18643560 verschiedene Möglichkeiten, die 7 Kugeln aus den 40 zu ziehen, bzw. von 40 Zahlen 7 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn drei der gezogenen Zahlen die 14, die 29 und die 32 sind, bzw. wie viele Möglichkeiten es gibt, 7 von 40 Zahlen anzukreuzen, wobei drei Kreuze sicher auf der der 14, der 29 und der 32 sein müssen, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 4 Kreuze auf 37 Zahlen (alle außer der 14, der 29 und der 32) zu setzen, also ( 37 4 ) = 37! 4! ⋅ 33! = 37⋅36⋅35⋅34 4⋅3⋅2⋅1 = 66045.

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

P = Anzahl der gewünschten Ereignisse Anzahl der möglichen Ereignisse = 66045 18643560 ≈ 0.0035, also ca. 0.35%.

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 98 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so genau 16 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=98 und p= 1 4 .

P 1 4 98 (X=16) = ( 98 16 ) ( 1 4 )16 ( 3 4 )82 =0.012554112306731≈ 0.0126
(TI-Befehl: binompdf(98,1/4,16))

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) ≥ 0.65.

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≈ 0.01≈ 0 + 0.01 = 0.01
2≈ 0.05≈ 0.01 + 0.05 = 0.06
3≈ 0.11≈ 0.06 + 0.11 = 0.17
4≈ 0.18≈ 0.17 + 0.18 = 0.35
5≈ 0.22≈ 0.35 + 0.22 = 0.57
6≈ 0.2≈ 0.57 + 0.2 = 0.77
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 5) = 0.57 also noch klar unter der geforderten Wahrscheinlichkeit von 0.65 liegt, ist P(X ≤ 6) = 0.77 klar darüber.

Somit ist das gesuchte k = 6.

kumulierte Binomialverteilung

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 46%. Wie groß ist die Wahrscheinlichkeit dass er von 55 Versuchen weniger als 21 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=55 und p=0.46.

P0.4655 (X<21) = P0.4655 (X20) = P0.4655 (X=0) + P0.4655 (X=1) + P0.4655 (X=2) +... + P0.4655 (X=20) = 0.096370216896314 ≈ 0.0964
(TI-Befehl: binomcdf(55,0.46,20))

Binomialverteilung X>=k

Beispiel:

Ein Würfel wird 94 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass mindestens 8 mal eine 6 (p=1/6) geworfen wird?

Lösung einblenden

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

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

P 1 6 94 (X8) = 1 - P 1 6 94 (X7) = 0.9925
(TI-Befehl: 1-binomcdf(94, 1 6 ,7))

Binomialverteilung X ∈ [l;k]

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,7. Wie groß ist die Wahrscheinlichkeit bei 74 Versuchen, mehr als 45 mal und höchstens 54 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=74 und p=0.7.

P0.774 (46X54) =

...
43
44
45
46
47
48
49
50
51
52
53
54
55
56
...

P0.774 (X54) - P0.774 (X45) ≈ 0.7503 - 0.0575 ≈ 0.6928
(TI-Befehl: binomcdf(74,0.7,54) - binomcdf(74,0.7,45))