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:

In einer Chip-Fabrik werden neue High Tech Chips produziert. Dabei entsteht mit einer Wahrscheinlichkeit von p=0,25 Ausschuss. Es werden nacheinander 6 Chips als Stichprobe entnommen. Bestimme die Wahrscheinlichkeit dafür, dass beim vierten Chip ein Defekt vorliegt.

Lösung einblenden

Da hier ja nur eine Aussage über den 4-ten Versuch gemacht wird und keine Aussage über alle anderen Versuche, muss auch nur der 4-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 = 0,25 ≈ 0.25 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: ( 7 0 )

Lösung einblenden

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

( 7 0 ) = 1 1

= 1

Binomialkoeffizient Anwendungen

Beispiel:

Eine Mathelehrerin verlost unter den 6 SchülerInnen ihrer 8. Klasse, die eine Zusatzaufgabe gemacht haben, 2 Matherätsel-Knobelbücher. Natürlich kann jeder höchstens eins bekommen. Wie viele verschiedene Möglichkeiten gibt es für die 2er-Gruppe der glücklichen Gewinner?

Lösung einblenden

Für die erste Stelle ist jede SchülerIn möglich. Es gibt also 6 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte SchülerIn nicht mehr möglich, es gibt also nur noch 5 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 65 = 30 Möglichkeiten, die 6 Möglichkeiten (SchülerInnen) auf die 2 "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 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 30 Möglichkeiten für nach Reihenfolge sortierte 2er-Gruppen durch die 2 Möglichkeiten, die 2er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 30 2 = 15 Möglichkeiten für 2er-Gruppen, die aus 6 Elementen (SchülerInnen) gebildet werden.

Die hier durchgeführte Berechnung 65 21 könnte man mit 4! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

15 = 65 21 = 65 4 3 2 1 21 4 3 2 1 = 6! 2! ⋅ 4! = ( 6 2 )

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

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

Es werden 8 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 11, die 15 und die 16 dabei sind?

Lösung einblenden

Es gibt insgesamt ( 20 8 ) = 20! 8! ⋅ 12! = 20⋅19⋅18⋅17⋅16⋅15⋅14⋅13 8⋅7⋅6⋅5⋅4⋅3⋅2⋅1 = 125970 verschiedene Möglichkeiten, die 8 Kugeln aus den 20 zu ziehen, bzw. von 20 Zahlen 8 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn drei der gezogenen Zahlen die 11, die 15 und die 16 sind, bzw. wie viele Möglichkeiten es gibt, 8 von 20 Zahlen anzukreuzen, wobei drei Kreuze sicher auf der der 11, der 15 und der 16 sein müssen, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 5 Kreuze auf 17 Zahlen (alle außer der 11, der 15 und der 16) zu setzen, also ( 17 5 ) = 17! 5! ⋅ 12! = 17⋅16⋅15⋅14⋅13 5⋅4⋅3⋅2⋅1 = 6188.

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

P = Anzahl der gewünschten Ereignisse Anzahl der möglichen Ereignisse = 6188 125970 ≈ 0.0491, also ca. 4.91%.

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 25 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=25 und p= 1 4 .

P 1 4 25 (X=8) = ( 25 8 ) ( 1 4 )8 ( 3 4 )17 =0.12405611808639≈ 0.1241
(TI-Befehl: binompdf(25,1/4,8))

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 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≈ 0 + 0 = 0
1≈ 0.01≈ 0 + 0.01 = 0.01
2≈ 0.03≈ 0.01 + 0.03 = 0.04
3≈ 0.08≈ 0.04 + 0.08 = 0.12
4≈ 0.15≈ 0.12 + 0.15 = 0.27
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 3) = 0.12 also noch klar unter der geforderten Wahrscheinlichkeit von 0.25 liegt, ist P(X ≤ 4) = 0.27 klar darüber.

Oder andersrum: P(X ≥ 4) = 1 - P(X ≤ 3) = 0.88 (die Summe der blauen Säulenhöhen von 4 bis 14) ist klar über der geforderten Wahrscheinlichkeit von 0.75, während P(X ≥ 5) = 1 - P(X ≤ 4) = 0.73 (die Summe der Säulenhöhen von 5 bis 14) klar darunter liegt.

Somit ist das gesuchte k = 4.

kumulierte Binomialverteilung

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 67%. Wie groß ist die Wahrscheinlichkeit dass er von 23 Versuchen weniger als 14 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=23 und p=0.67.

P0.6723 (X<14) = P0.6723 (X13) = P0.6723 (X=0) + P0.6723 (X=1) + P0.6723 (X=2) +... + P0.6723 (X=13) = 0.19659908919129 ≈ 0.1966
(TI-Befehl: binomcdf(23,0.67,13))

Binomialverteilung X>=k

Beispiel:

Ein Würfel wird 80 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass mehr als 11 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=80 und p= 1 6 .

...
9
10
11
12
13
14
...

P 1 6 80 (X>11) = P 1 6 80 (X12) = 1 - P 1 6 80 (X11) = 0.7005
(TI-Befehl: 1-binomcdf(80, 1 6 ,11))

Binomialverteilung X ∈ [l;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=0,75 entsteht. Es wird eine Stichprobe der Menge 58 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips mindestens 39 und höchstens 47 beträgt?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=58 und p=0.75.

P0.7558 (39X47) =

...
36
37
38
39
40
41
42
43
44
45
46
47
48
49
...

P0.7558 (X47) - P0.7558 (X38) ≈ 0.8903 - 0.0682 ≈ 0.8221
(TI-Befehl: binomcdf(58,0.75,47) - binomcdf(58,0.75,38))