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:
Bei einem Glückrad beträgt die Wahrscheinlichkeit, in den grünen Bereich zu drehen, 60%. Es wird 6 mal gedreht. Bestimme die Wahrscheinlichkeit dafür, dass dabei genau einmal in den grünen Bereich gedreht wird.
Die Wahrscheinlichkeit für einen Treffer (also hier, dass in den grünen Bereich gedreht wird) beträgt p = 0,6, für einen Nicht-Treffer (also hier, dass nicht in den grünen Bereich gedreht wird) beträgt sie q = 1 - 0,6 = . Hier gibt es nun mehrere Möglichkeiten, wann der eine Treffer eintritt:
Treffer - NichtTreffer - NichtTreffer - NichtTreffer - NichtTreffer - NichtTreffer (also Treffer im 1-ten Versuch)
NichtTreffer - Treffer - NichtTreffer - NichtTreffer - NichtTreffer - NichtTreffer (also Treffer im 2-ten Versuch)
NichtTreffer - NichtTreffer - Treffer - NichtTreffer - NichtTreffer - NichtTreffer (also Treffer im 3-ten Versuch)
NichtTreffer - NichtTreffer - NichtTreffer - Treffer - NichtTreffer - NichtTreffer (also Treffer im 4-ten Versuch)
NichtTreffer - NichtTreffer - NichtTreffer - NichtTreffer - Treffer - NichtTreffer (also Treffer im 5-ten Versuch)
NichtTreffer - NichtTreffer - NichtTreffer - NichtTreffer - NichtTreffer - Treffer (also Treffer im 6-ten Versuch)
Bei jedem dieser 6 Fälle ist die Wahrscheinlichkeit gleich, nämlich Pk = .
Für die gesuchte Wahrscheinlichkeit aller 6 Fälle gilt somit P = ≈ 0.0369 .
Binomialkoeffizient
Beispiel:
Berechne ohne Taschenrechner:
Wenn man von der allgememeinen Formel für den Binomialkoeffizient
= =
=
ausgeht, sieht man schnell, dass man mit der
5! = 5⋅4⋅3⋅2⋅1
rechts im Zähler und Nenner kürzen kann, so dass gilt:
=
= 1
Binomialkoeffizient Anwendungen
Beispiel:
Eine Eisdiele bietet 7 verschiedene Eissorten an. Rüdiger darf sich ein Eis mit 4 Kugeln zusammenstellen. Er möchte aber auf jeden Fall lauter verschiedene Eissorten in seinem Eis haben. Wieviele Möglichkeiten hat er sich solch ein Eis zusammenzustellen?
Für die erste Stelle ist jede Eissorte möglich. Es gibt also 7 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Eissorte nicht mehr möglich, es gibt also nur noch 6 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 5 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
Wir haben jetzt dabei aber genau unterschieden an welcher Stelle was gezogen bzw. gewählt wurde. Also wären zum Beispiel Ananas - Birne - Citrone und Birne - Citrone - Ananas 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
Wir müssen deswegen die 840 Möglichkeiten für nach Reihenfolge sortierte 4er-Gruppen durch die 24 Möglichkeiten, die 4er-Gruppe anzuordnen, teilen.
Hieraus ergeben sich = 35 Möglichkeiten für 4er-Gruppen, die aus 7 Elementen (Eissorten) gebildet werden.
Die hier durchgeführte Berechnung könnte man mit 3! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:
35 = = = =
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 27, die 35 und die 38 dabei sind?
Es gibt insgesamt = = = 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 27, die 35 und die 38 sind, bzw. wie viele Möglichkeiten es gibt, 7 von 40 Zahlen anzukreuzen, wobei drei Kreuze sicher auf der der 27, der 35 und der 38 sein müssen, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 4 Kreuze auf 37 Zahlen (alle außer der 27, der 35 und der 38) zu setzen, also = = = 66045.
Die Wahrscheinlichkeit lässt sich somit mit der Laplace-Formel berechnen:
P = = ≈ 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 89 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?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=89 und p=.
= =0.031136322162619≈ 0.0311(TI-Befehl: binompdf(89,1/4,16))
kumulierte WS aus Histogramm finden
Beispiel:
In der Abbildung rechts ist das Histogramm einer binomialverteilten Zufallsgröße X zu sehen. Finde das größte k, für das gilt P(X ≥ k) ≥ 0.65.
Wenn P(X ≥ k) ≥ 0.65 sein soll, bedeutet das doch, dass sie Summe der Säulenhöhen von k bis zum rechten Rand mindestens 0.65 sein muss. Das ist dann aber doch gleichbedeutend, wie dass für die restlichen Säulenhöhen links von 0 bis k-1 höchstens 1-0.65=0.35 als Wahrscheinlichkeit übrig bleiben darf.
Wir lesen einfach die Säulenhöhen aus dem Histogramm ab und addieren diese Werte:
| k | P(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 |
Während P(X ≤ 3) = 0.17 also noch klar unter der geforderten Wahrscheinlichkeit von 0.35 liegt, ist P(X ≤ 4) = 0.35 klar darüber.
Oder andersrum: P(X ≥ 4) = 1 - P(X ≤ 3) = 0.83 (die Summe der blauen Säulenhöhen von 4 bis 13) ist klar über der geforderten Wahrscheinlichkeit von 0.65, während P(X ≥ 5) = 1 - P(X ≤ 4) = 0.65 (die Summe der Säulenhöhen von 5 bis 13) klar darunter liegt.
Somit ist das gesuchte k = 4.
kumulierte Binomialverteilung
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=0,2 entsteht. Es wird eine Stichprobe der Menge 93 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon nicht mehr als 17 defekte Chips enthalten sind.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=93 und p=0.2.
= + + +... + = 0.39714875751048 ≈ 0.3971(TI-Befehl: binomcdf(93,0.2,17))
Binomialverteilung X>=k
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,9. Wie groß ist die Wahrscheinlichkeit bei 34 Versuchen mindestens 33 mal im grünen Bereich zu landen?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=34 und p=0.9.
(TI-Befehl: 1-binomcdf(34,0.9,32))
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 82 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 17, aber weniger als 30 Fragen richtig beantwortet hat?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=82 und p=0.25.
=
(TI-Befehl: binomcdf(82,0.25,29) - binomcdf(82,0.25,16))
