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=0,15 Ausschuss. Es werden nacheinander 4 Chips als Stichprobe entnommen. Bestimme die Wahrscheinlichkeit dafür, dass dabei genau ein Chip defekt ist.
Die Wahrscheinlichkeit für einen Treffer (also hier, dass ein entnommener Chips defekt sind) beträgt p = 0,15, für einen Nicht-Treffer (also hier, dass ein entnommener Chips nicht defekt ist) beträgt sie q = 1 - 0,15 = . Hier gibt es nun mehrere Möglichkeiten, wann der eine Treffer eintritt:
Treffer - NichtTreffer - NichtTreffer - NichtTreffer (also Treffer im 1-ten Versuch)
NichtTreffer - Treffer - NichtTreffer - NichtTreffer (also Treffer im 2-ten Versuch)
NichtTreffer - NichtTreffer - Treffer - NichtTreffer (also Treffer im 3-ten Versuch)
NichtTreffer - NichtTreffer - NichtTreffer - Treffer (also Treffer im 4-ten Versuch)
Bei jedem dieser 4 Fälle ist die Wahrscheinlichkeit gleich, nämlich Pk = .
Für die gesuchte Wahrscheinlichkeit aller 4 Fälle gilt somit P = ≈ 0.3685 .
Binomialkoeffizient
Beispiel:
Berechne ohne Taschenrechner:
Wenn man von der allgememeinen Formel für den Binomialkoeffizient
= =
=
ausgeht, sieht man schnell, dass man mit der
15! = 15⋅14⋅13⋅12⋅11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1
rechts im Zähler und links im Nenner kürzen kann, so dass gilt:
=
= 16
Binomialkoeffizient Anwendungen
Beispiel:
Die Sportlehrerin Frau Hertz braucht für eine Demonstration 2 Schülerinnen. Diese möchte sie zufällig aus der 18-köpfigen Sportgruppe losen. Wie viele verschiedene 2er-Gruppen sind so möglich?
Für die erste Stelle ist jede Schülerin möglich. Es gibt also 18 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Schülerin nicht mehr möglich, es gibt also nur noch 17 Möglichkeiten.
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 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 2er-Gruppe drin ist, nicht an welcher Stelle.
Wir berechnen jetzt also, wie viele mögliche Reihenfolgen pro 2er-Gruppe möglich sind.
- Für die erste Stelle ist jede(r) aus der 2er-Gruppe möglich. Es gibt also 2 Möglichkeiten.
- Für die zweite Stelle ist der/die an erster Stelle stehende nicht mehr möglich, es gibt also nur noch 1 Möglichkeiten.
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 306 Möglichkeiten für nach Reihenfolge sortierte 2er-Gruppen durch die 2 Möglichkeiten, die 2er-Gruppe anzuordnen, teilen.
Hieraus ergeben sich = 153 Möglichkeiten für 2er-Gruppen, die aus 18 Elementen (Schülerinnen) gebildet werden.
Die hier durchgeführte Berechnung könnte man mit 16! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:
153 = = = =
Wahrscheinlichkeiten mit Binom.Koeff.
Beispiel:
In einer Urne befinden sich 30 Kugeln, die mit den Zahlen 1 bis 30 beschriftet sind.
Es werden 8 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 5, die 13 und die 19 dabei sind?
Es gibt insgesamt = = = 5852925 verschiedene Möglichkeiten, die 8 Kugeln aus den 30 zu ziehen, bzw. von 30 Zahlen 8 anzukreuzen.
Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn drei der gezogenen Zahlen die 5, die 13 und die 19 sind, bzw. wie viele Möglichkeiten es gibt, 8 von 30 Zahlen anzukreuzen, wobei drei Kreuze sicher auf der der 5, der 13 und der 19 sein müssen, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 5 Kreuze auf 27 Zahlen (alle außer der 5, der 13 und der 19) zu setzen, also = = = 80730.
Die Wahrscheinlichkeit lässt sich somit mit der Laplace-Formel berechnen:
P = = ≈ 0.0138, also ca. 1.38%.
Formel v. Bernoulli
Beispiel:
Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, genau 19 Glückskekse mit einer Peproni zu erwischen, wenn man 84 Glückskekse kauft?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=84 und p=.
= =0.0038973803449055≈ 0.0039(TI-Befehl: binompdf(84,1/8,19))
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) ≥ 0.5.
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:
| k | P(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 |
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:
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=0,26 entsteht. Es wird eine Stichprobe der Menge 55 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon nicht mehr als 20 defekte Chips enthalten sind.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=55 und p=0.26.
= + + +... + = 0.96820489774789 ≈ 0.9682(TI-Befehl: binomcdf(55,0.26,20))
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=0,24 entsteht. Es wird eine Stichprobe der Menge 80 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon 27 oder sogar noch mehr Chips defekt sind?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=80 und p=0.24.
(TI-Befehl: 1-binomcdf(80,0.24,26))
Binomialverteilung X ∈ [l;k]
Beispiel:
Ein Zufallsexperiment wird 64 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,7.Wie groß ist dabei die Wahrscheinlichkeit, mindestens 38, aber höchstens 45 Treffer zu erzielen?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=64 und p=0.7.
=
(TI-Befehl: binomcdf(64,0.7,45) - binomcdf(64,0.7,37))
