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 4 mal geworfen. Bestimme die Wahrscheinlichkeit dafür, dass nur im dritten Wurf eine "6" gewürfelt wird.

Lösung einblenden

Die Wahrscheinlichkeit für einen Treffer (also hier, dass eine "6" gewürfelt wird) beträgt p = 1 6 , für einen Nicht-Treffer (also hier, dass keine "6" gewürfelt wird) beträgt sie q = 1 - 1 6 = 5 6 . Da ja der Treffer genau im dritten Durchgang kommen soll, ist auch hier nur ein Pfad im Baumdiagramm möglich. Dessen Wahrscheinlichkeit lässt sich dann wie folgt berechnen:

P = 5 6 5 6 1 6 5 6 = 1 6 · ( 5 6 ) 3 ≈ 0.0965 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: ( 9 5 )

Lösung einblenden

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

( 9 5 ) = 9⋅8⋅7⋅6 4⋅3⋅2⋅1

= 9⋅2⋅7⋅6 3⋅2⋅1 (gekürzt mit 4)

= 3⋅2⋅7⋅6 2⋅1 (gekürzt mit 3)

= 3⋅7⋅6 1 (gekürzt mit 2)

= 126

Binomialkoeffizient Anwendungen

Beispiel:

Die Sportlehrerin Frau Hertz braucht für eine Demonstration 5 Schülerinnen. Diese möchte sie zufällig aus der 21-köpfigen Sportgruppe losen. Wie viele verschiedene 5er-Gruppen sind so möglich?

Lösung einblenden

Für die erste Stelle ist jede Schülerin möglich. Es gibt also 21 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Schülerin nicht mehr möglich, es gibt also nur noch 20 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 19 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 2120191817 = 2441880 Möglichkeiten, die 21 Möglichkeiten (Schülerinnen) auf die 5 "Ziehungen" (geloste) 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 5er-Gruppe drin ist, nicht an welcher Stelle.

Wir berechnen jetzt also, wie viele mögliche Reihenfolgen pro 5er-Gruppe möglich sind.

  • Für die erste Stelle ist jede(r) aus der 5er-Gruppe möglich. Es gibt also 5 Möglichkeiten.
  • Für die zweite Stelle ist der/die an erster Stelle stehende nicht mehr möglich, es gibt also nur noch 4 Möglichkeiten.
  • Für die 3. Stelle fehlen dann schon 2, so dass nur noch 3 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 54321 = 120 Möglichkeiten für die verschiedenen Reihenfolgen innerhalb einer 5er-Gruppe.

Wir müssen deswegen die 2441880 Möglichkeiten für nach Reihenfolge sortierte 5er-Gruppen durch die 120 Möglichkeiten, die 5er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 2441880 120 = 20349 Möglichkeiten für 5er-Gruppen, die aus 21 Elementen (Schülerinnen) gebildet werden.

Die hier durchgeführte Berechnung 2120191817 54321 könnte man mit 16! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

20349 = 2120191817 54321 = 2120191817 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 54321 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 = 21! 5! ⋅ 16! = ( 21 5 )

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

In einer Urne befinden sich 30 Kugeln, die mit den Zahlen 1 bis 30 beschriftet sind.

Es werden 5 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 23 dabei ist?

Lösung einblenden

Es gibt insgesamt ( 30 5 ) = 30! 5! ⋅ 25! = 30⋅29⋅28⋅27⋅26 5⋅4⋅3⋅2⋅1 = 142506 verschiedene Möglichkeiten, die 5 Kugeln aus den 30 zu ziehen, bzw. von 30 Zahlen 5 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn eine der gezogenen Zahlen die 23 ist, bzw. wie viele Möglichkeiten es gibt, 5 von 30 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 23 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 4 Kreuze auf 29 Zahlen (alle außer der 23) zu setzen, also ( 29 4 ) = 29! 4! ⋅ 25! = 29⋅28⋅27⋅26 4⋅3⋅2⋅1 = 23751.

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

P = Anzahl der gewünschten Ereignisse Anzahl der möglichen Ereignisse = 23751 142506 ≈ 0.1667, also ca. 16.67%.

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 53 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so genau 11 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=53 und p= 1 4 .

P 1 4 53 (X=11) = ( 53 11 ) ( 1 4 )11 ( 3 4 )42 =0.10280245506596≈ 0.1028
(TI-Befehl: binompdf(53,1/4,11))

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≈ 0.05≈ 0.01 + 0.05 = 0.06
3≈ 0.13≈ 0.06 + 0.13 = 0.19
4≈ 0.21≈ 0.19 + 0.21 = 0.4
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 3) = 0.19 also noch klar unter der geforderten Wahrscheinlichkeit von 0.25 liegt, ist P(X ≤ 4) = 0.4 klar darüber.

Oder andersrum: P(X ≥ 4) = 1 - P(X ≤ 3) = 0.81 (die Summe der blauen Säulenhöhen von 4 bis 11) ist klar über der geforderten Wahrscheinlichkeit von 0.75, während P(X ≥ 5) = 1 - P(X ≤ 4) = 0.6 (die Summe der Säulenhöhen von 5 bis 11) klar darunter liegt.

Somit ist das gesuchte k = 4.

kumulierte Binomialverteilung

Beispiel:

Ein Würfel wird 92 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass nicht öfter als 16 mal eine 6 (p=1/6) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=92 und p= 1 6 .

P 1 6 92 (X16) = P 1 6 92 (X=0) + P 1 6 92 (X=1) + P 1 6 92 (X=2) +... + P 1 6 92 (X=16) = 0.63829880980685 ≈ 0.6383
(TI-Befehl: binomcdf(92,1/6,16))

Binomialverteilung X>=k

Beispiel:

Ein Würfel wird 21 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass mehr als 5 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=21 und p= 1 6 .

...
3
4
5
6
7
8
...

P 1 6 21 (X>5) = P 1 6 21 (X6) = 1 - P 1 6 21 (X5) = 0.1234
(TI-Befehl: 1-binomcdf(21, 1 6 ,5))

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 0 und höchstens 5 Glückskekse mit einer Peproni zu erwischen, wenn man 41 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=41 und p=0.125.

P0.12541 (1X5) =

...
0
1
2
3
4
5
6
7
...

P0.12541 (X5) - P0.12541 (X0) ≈ 0.5928 - 0.0042 ≈ 0.5886
(TI-Befehl: binomcdf(41,0.125,5) - binomcdf(41,0.125,0))