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 3 mal gedreht. Bestimme die Wahrscheinlichkeit dafür, dass kein einziges mal in den grünen Bereich gedreht wird.

Lösung einblenden

Da die Wahrscheinlichkeit für keinen Treffer (also hier, dass nicht in den grünen Bereich gedreht wird) q = 1 - 0,6 = 0,4 beträgt, muss die Wahrscheinlichkeit für 3 Nicht-Treffer bei 3 Versuchen P = 0,4 3 ≈ 0.064 betragen, da ja bei jedem Versuch kein Treffer erzielt wird, und es somit nur einen möglichen Pfad im Baumdiagramm gibt.

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: ( 10 6 )

Lösung einblenden

Wenn man von der allgememeinen Formel für den Binomialkoeffizient
( 10 6 ) = 10! 6! ⋅ (10 - 6)! = 10! 6! ⋅ 4! = 10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1 6⋅5⋅4⋅3⋅2⋅1 ⋅ 4⋅3⋅2⋅1
ausgeht, sieht man schnell, dass man mit der
6! = 6⋅5⋅4⋅3⋅2⋅1
rechts im Zähler und links im Nenner kürzen kann, so dass gilt:

( 10 6 ) = 10⋅9⋅8⋅7 4⋅3⋅2⋅1

= 10⋅9⋅2⋅7 3⋅2⋅1 (gekürzt mit 4)

= 10⋅3⋅2⋅7 2⋅1 (gekürzt mit 3)

= 10⋅3⋅7 1 (gekürzt mit 2)

= 210

Binomialkoeffizient Anwendungen

Beispiel:

Die Sportlehrerin Frau Hertz braucht für eine Demonstration 4 Schülerinnen. Diese möchte sie zufällig aus der 21-köpfigen Sportgruppe losen. Wie viele verschiedene 4er-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 21201918 = 143640 Möglichkeiten, die 21 Möglichkeiten (Schülerinnen) auf die 4 "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 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 4321 = 24 Möglichkeiten für die verschiedenen Reihenfolgen innerhalb einer 4er-Gruppe.

Wir müssen deswegen die 143640 Möglichkeiten für nach Reihenfolge sortierte 4er-Gruppen durch die 24 Möglichkeiten, die 4er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 143640 24 = 5985 Möglichkeiten für 4er-Gruppen, die aus 21 Elementen (Schülerinnen) gebildet werden.

Die hier durchgeführte Berechnung 21201918 4321 könnte man mit 17! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

5985 = 21201918 4321 = 21201918 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 4321 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 = 21! 4! ⋅ 17! = ( 21 4 )

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

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

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

Lösung einblenden

Es gibt insgesamt ( 25 8 ) = 25! 8! ⋅ 17! = 25⋅24⋅23⋅22⋅21⋅20⋅19⋅18 8⋅7⋅6⋅5⋅4⋅3⋅2⋅1 = 1081575 verschiedene Möglichkeiten, die 8 Kugeln aus den 25 zu ziehen, bzw. von 25 Zahlen 8 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn eine der gezogenen Zahlen die 11 ist, bzw. wie viele Möglichkeiten es gibt, 8 von 25 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 11 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 7 Kreuze auf 24 Zahlen (alle außer der 11) zu setzen, also ( 24 7 ) = 24! 7! ⋅ 17! = 24⋅23⋅22⋅21⋅20⋅19⋅18 7⋅6⋅5⋅4⋅3⋅2⋅1 = 346104.

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

P = Anzahl der gewünschten Ereignisse Anzahl der möglichen Ereignisse = 346104 1081575 ≈ 0.32, also ca. 32%.

Formel v. Bernoulli

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,75. Wie groß ist die Wahrscheinlichkeit dass er von 40 Versuchen genau 26 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=40 und p=0.75.

P0.7540 (X=26) = ( 40 26 ) 0.7526 0.2514 =0.048794476041159≈ 0.0488
(TI-Befehl: binompdf(40,0.75,26))

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) ≥ 0.25.

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≈ 0.04≈ 0.01 + 0.04 = 0.05
2≈ 0.12≈ 0.05 + 0.12 = 0.17
3≈ 0.22≈ 0.17 + 0.22 = 0.39
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 2) = 0.17 also noch klar unter der geforderten Wahrscheinlichkeit von 0.25 liegt, ist P(X ≤ 3) = 0.39 klar darüber.

Somit ist das gesuchte k = 3.

kumulierte Binomialverteilung

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 50%. Wie groß ist die Wahrscheinlichkeit dass er von 59 Versuchen weniger als 27 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=59 und p=0.5.

P0.559 (X<27) = P0.559 (X26) = P0.559 (X=0) + P0.559 (X=1) + P0.559 (X=2) +... + P0.559 (X=26) = 0.21749640256108 ≈ 0.2175
(TI-Befehl: binomcdf(59,0.5,26))

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 32 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so 11 oder gar noch mehr Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=32 und p=0.25.

...
8
9
10
11
12
13
...

P0.2532 (X11) = 1 - P0.2532 (X10) = 0.1536
(TI-Befehl: 1-binomcdf(32,0.25,10))

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 44 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 12, aber weniger als 15 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=44 und p=0.25.

P0.2544 (12X14) =

...
9
10
11
12
13
14
15
16
...

P0.2544 (X14) - P0.2544 (X11) ≈ 0.8865 - 0.5801 ≈ 0.3064
(TI-Befehl: binomcdf(44,0.25,14) - binomcdf(44,0.25,11))