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 jedes mal eine "6" gewürfelt wird.

Lösung einblenden

Da die Wahrscheinlichkeit für einen Treffer (also hier, dass keine "6" gewürfelt wird) p = 1 6 beträgt, muss die Wahrscheinlichkeit für 5 Treffer bei 5 Versuchen P = ( 1 6 ) 5 ≈ 0.0001 betragen, da ja bei jedem Versuch ein Treffer erzielt wird, und es somit nur einen möglichen Pfad im Baumdiagramm gibt.

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: ( 6 4 )

Lösung einblenden

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

( 6 4 ) = 6⋅5 2⋅1

= 3⋅5 1 (gekürzt mit 2)

= 15

Binomialkoeffizient Anwendungen

Beispiel:

Eine Mathelehrerin verlost unter den 6 SchülerInnen ihrer 8. Klasse, die eine Zusatzaufgabe gemacht haben, 3 Matherätsel-Knobelbücher. Natürlich kann jeder höchstens eins bekommen. Wie viele verschiedene Möglichkeiten gibt es für die 3er-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. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 4 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 654 = 120 Möglichkeiten, die 6 Möglichkeiten (SchülerInnen) auf die 3 "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 3er-Gruppe drin ist, nicht an welcher Stelle.

Wir berechnen jetzt also, wie viele mögliche Reihenfolgen pro 3er-Gruppe möglich sind.

  • Für die erste Stelle ist jede(r) aus der 3er-Gruppe möglich. Es gibt also 3 Möglichkeiten.
  • Für die zweite Stelle ist der/die an erster Stelle stehende nicht mehr möglich, es gibt also nur noch 2 Möglichkeiten.
  • Für die 3. Stelle fehlen dann schon 2, so dass nur noch 1 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 321 = 6 Möglichkeiten für die verschiedenen Reihenfolgen innerhalb einer 3er-Gruppe.

Wir müssen deswegen die 120 Möglichkeiten für nach Reihenfolge sortierte 3er-Gruppen durch die 6 Möglichkeiten, die 3er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 120 6 = 20 Möglichkeiten für 3er-Gruppen, die aus 6 Elementen (SchülerInnen) gebildet werden.

Die hier durchgeführte Berechnung 654 321 könnte man mit 3! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

20 = 654 321 = 654 3 2 1 321 3 2 1 = 6! 3! ⋅ 3! = ( 6 3 )

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

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

Es werden 5 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 15 dabei ist?

Lösung einblenden

Es gibt insgesamt ( 20 5 ) = 20! 5! ⋅ 15! = 20⋅19⋅18⋅17⋅16 5⋅4⋅3⋅2⋅1 = 15504 verschiedene Möglichkeiten, die 5 Kugeln aus den 20 zu ziehen, bzw. von 20 Zahlen 5 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn eine der gezogenen Zahlen die 15 ist, bzw. wie viele Möglichkeiten es gibt, 5 von 20 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 15 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 4 Kreuze auf 19 Zahlen (alle außer der 15) zu setzen, also ( 19 4 ) = 19! 4! ⋅ 15! = 19⋅18⋅17⋅16 4⋅3⋅2⋅1 = 3876.

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

P = Anzahl der gewünschten Ereignisse Anzahl der möglichen Ereignisse = 3876 15504 ≈ 0.25, also ca. 25%.

Formel v. Bernoulli

Beispiel:

Ein Würfel wird 56 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 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=56 und p= 1 6 .

P 1 6 56 (X=4) = ( 56 4 ) ( 1 6 )4 ( 5 6 )52 =0.02162615484265≈ 0.0216
(TI-Befehl: binompdf(56,1/6,4))

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) ≥ 0.85.

Lösung einblenden

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

kP(X = k)P(X ≤ k)
0≈ 0.01≈ 0 + 0.01 = 0.01
1≈ 0.07≈ 0.01 + 0.07 = 0.08
2≈ 0.18≈ 0.08 + 0.18 = 0.26
3≈ 0.25≈ 0.26 + 0.25 = 0.51
4≈ 0.24≈ 0.51 + 0.24 = 0.75
5≈ 0.15≈ 0.75 + 0.15 = 0.9
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 4) = 0.75 also noch klar unter der geforderten Wahrscheinlichkeit von 0.85 liegt, ist P(X ≤ 5) = 0.9 klar darüber.

Somit ist das gesuchte k = 5.

kumulierte Binomialverteilung

Beispiel:

Eine Münze wird 27 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass höchstens 16 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=27 und p=0.5.

P0.527 (X16) = P0.527 (X=0) + P0.527 (X=1) + P0.527 (X=2) +... + P0.527 (X=16) = 0.87610571831465 ≈ 0.8761
(TI-Befehl: binomcdf(27,0.5,16))

Binomialverteilung X>=k

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 80 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so 18 oder gar noch mehr Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=80 und p=0.25.

...
15
16
17
18
19
20
...

P0.2580 (X18) = 1 - P0.2580 (X17) = 0.7364
(TI-Befehl: 1-binomcdf(80,0.25,17))

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 9 und höchstens 12 Glückskekse mit einer Peproni zu erwischen, wenn man 71 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=71 und p=0.125.

P0.12571 (10X12) =

...
7
8
9
10
11
12
13
14
...

P0.12571 (X12) - P0.12571 (X9) ≈ 0.8993 - 0.6052 ≈ 0.2941
(TI-Befehl: binomcdf(71,0.125,12) - binomcdf(71,0.125,9))