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=0,4 Ausschuss. Es werden nacheinander 6 Chips als Stichprobe entnommen. Bestimme die Wahrscheinlichkeit dafür, dass beim fünften Chip ein Defekt vorliegt.

Lösung einblenden

Da hier ja nur eine Aussage über den 5-ten Versuch gemacht wird und keine Aussage über alle anderen Versuche, muss auch nur der 5-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 = 0,4 ≈ 0.4 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: ( 7 1 )

Lösung einblenden

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

( 7 1 ) = 7 1

= 7

Binomialkoeffizient Anwendungen

Beispiel:

Die Sportlehrerin Frau Hertz braucht für eine Demonstration 3 Schülerinnen. Diese möchte sie zufällig aus der 23-köpfigen Sportgruppe losen. Wie viele verschiedene 3er-Gruppen sind so möglich?

Lösung einblenden

Für die erste Stelle ist jede Schülerin möglich. Es gibt also 23 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Schülerin nicht mehr möglich, es gibt also nur noch 22 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 21 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 232221 = 10626 Möglichkeiten, die 23 Möglichkeiten (Schülerinnen) auf die 3 "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 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 10626 Möglichkeiten für nach Reihenfolge sortierte 3er-Gruppen durch die 6 Möglichkeiten, die 3er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 10626 6 = 1771 Möglichkeiten für 3er-Gruppen, die aus 23 Elementen (Schülerinnen) gebildet werden.

Die hier durchgeführte Berechnung 232221 321 könnte man mit 20! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

1771 = 232221 321 = 232221 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 321 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 = 23! 3! ⋅ 20! = ( 23 3 )

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

In einer Urne befinden sich 25 Kugeln, die mit den Zahlen 1 bis 25 beschriftet sind.

Es werden 6 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 6 dabei ist?

Lösung einblenden

Es gibt insgesamt ( 25 6 ) = 25! 6! ⋅ 19! = 25⋅24⋅23⋅22⋅21⋅20 6⋅5⋅4⋅3⋅2⋅1 = 177100 verschiedene Möglichkeiten, die 6 Kugeln aus den 25 zu ziehen, bzw. von 25 Zahlen 6 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn eine der gezogenen Zahlen die 6 ist, bzw. wie viele Möglichkeiten es gibt, 6 von 25 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 6 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 5 Kreuze auf 24 Zahlen (alle außer der 6) zu setzen, also ( 24 5 ) = 24! 5! ⋅ 19! = 24⋅23⋅22⋅21⋅20 5⋅4⋅3⋅2⋅1 = 42504.

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

P = Anzahl der gewünschten Ereignisse Anzahl der möglichen Ereignisse = 42504 177100 ≈ 0.24, also ca. 24%.

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 57 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so genau 17 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=57 und p= 1 4 .

P 1 4 57 (X=17) = ( 57 17 ) ( 1 4 )17 ( 3 4 )40 =0.0817449050245≈ 0.0817
(TI-Befehl: binompdf(57,1/4,17))

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) ≥ 0.5.

Lösung einblenden

Wenn P(X ≥ k) ≥ 0.5 sein soll, bedeutet das doch, dass sie Summe der Säulenhöhen von k bis zum rechten Rand mindestens 0.5 sein muss. Das ist dann aber doch gleichbedeutend, wie dass für die restlichen Säulenhöhen links von 0 bis k-1 höchstens 1-0.5=0.5 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≈ 0.01≈ 0 + 0.01 = 0.01
1≈ 0.04≈ 0.01 + 0.04 = 0.05
2≈ 0.12≈ 0.05 + 0.12 = 0.17
3≈ 0.22≈ 0.17 + 0.22 = 0.39
4≈ 0.25≈ 0.39 + 0.25 = 0.64
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 3) = 0.39 also noch klar unter der geforderten Wahrscheinlichkeit von 0.5 liegt, ist P(X ≤ 4) = 0.64 klar darüber.

Oder andersrum: P(X ≥ 4) = 1 - P(X ≤ 3) = 0.61 (die Summe der blauen Säulenhöhen von 4 bis 10) ist klar über der geforderten Wahrscheinlichkeit von 0.5, während P(X ≥ 5) = 1 - P(X ≤ 4) = 0.36 (die Summe der Säulenhöhen von 5 bis 10) klar darunter liegt.

Somit ist das gesuchte k = 4.

kumulierte Binomialverteilung

Beispiel:

Eine Münze wird 94 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass höchstens 39 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=94 und p=0.5.

P0.594 (X39) = P0.594 (X=0) + P0.594 (X=1) + P0.594 (X=2) +... + P0.594 (X=39) = 0.060685556486214 ≈ 0.0607
(TI-Befehl: binomcdf(94,0.5,39))

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=0,22 entsteht. Es wird eine Stichprobe der Menge 77 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon 15 oder sogar noch mehr Chips defekt sind?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=77 und p=0.22.

...
12
13
14
15
16
17
...

P0.2277 (X15) = 1 - P0.2277 (X14) = 0.7443
(TI-Befehl: 1-binomcdf(77,0.22,14))

Binomialverteilung X ∈ [l;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 48 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 7, aber weniger als 16 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=48 und p=0.25.

P0.2548 (7X15) =

...
4
5
6
7
8
9
10
11
12
13
14
15
16
17
...

P0.2548 (X15) - P0.2548 (X6) ≈ 0.8768 - 0.0272 ≈ 0.8496
(TI-Befehl: binomcdf(48,0.25,15) - binomcdf(48,0.25,6))