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, 30%. Es wird 4 mal gedreht. Bestimme die Wahrscheinlichkeit dafür, dass bei der dritten Drehung der grüne Bereich erzielt wird.

Lösung einblenden

Da hier ja nur eine Aussage über den 3-ten Versuch gemacht wird und keine Aussage über alle anderen Versuche, muss auch nur der 3-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 = 0,3 ≈ 0.3 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: ( 9 0 )

Lösung einblenden

Wenn man von der allgememeinen Formel für den Binomialkoeffizient
( 9 0 ) = 9! 0! ⋅ (9 - 0)! = 9! 0! ⋅ 9! = 9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1 1 ⋅ 9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1
ausgeht, sieht man schnell, dass man mit der
9! = 9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1
rechts im Zähler und Nenner kürzen kann, so dass gilt:

( 9 0 ) = 1 1

= 1

Binomialkoeffizient Anwendungen

Beispiel:

Eine Mathelehrerin verlost unter den 8 SchülerInnen ihrer 8. Klasse, die eine Zusatzaufgabe gemacht haben, 2 Matherätsel-Knobelbücher. Natürlich kann jeder höchstens eins bekommen. Wie viele verschiedene Möglichkeiten gibt es für die 2er-Gruppe der glücklichen Gewinner?

Lösung einblenden

Für die erste Stelle ist jede SchülerIn möglich. Es gibt also 8 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte SchülerIn nicht mehr möglich, es gibt also nur noch 7 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 87 = 56 Möglichkeiten, die 8 Möglichkeiten (SchülerInnen) auf die 2 "Ziehungen" (Knobelbücher) 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 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 21 = 2 Möglichkeiten für die verschiedenen Reihenfolgen innerhalb einer 2er-Gruppe.

Wir müssen deswegen die 56 Möglichkeiten für nach Reihenfolge sortierte 2er-Gruppen durch die 2 Möglichkeiten, die 2er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 56 2 = 28 Möglichkeiten für 2er-Gruppen, die aus 8 Elementen (SchülerInnen) gebildet werden.

Die hier durchgeführte Berechnung 87 21 könnte man mit 6! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

28 = 87 21 = 87 6 5 4 3 2 1 21 6 5 4 3 2 1 = 8! 2! ⋅ 6! = ( 8 2 )

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

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

Es werden 4 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 9 dabei ist?

Lösung einblenden

Es gibt insgesamt ( 25 4 ) = 25! 4! ⋅ 21! = 25⋅24⋅23⋅22 4⋅3⋅2⋅1 = 12650 verschiedene Möglichkeiten, die 4 Kugeln aus den 25 zu ziehen, bzw. von 25 Zahlen 4 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn eine der gezogenen Zahlen die 9 ist, bzw. wie viele Möglichkeiten es gibt, 4 von 25 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 9 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 3 Kreuze auf 24 Zahlen (alle außer der 9) zu setzen, also ( 24 3 ) = 24! 3! ⋅ 21! = 24⋅23⋅22 3⋅2⋅1 = 2024.

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

P = Anzahl der gewünschten Ereignisse Anzahl der möglichen Ereignisse = 2024 12650 ≈ 0.16, also ca. 16%.

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 93 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so genau 14 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=93 und p= 1 4 .

P 1 4 93 (X=14) = ( 93 14 ) ( 1 4 )14 ( 3 4 )79 =0.0074507810273535≈ 0.0075
(TI-Befehl: binompdf(93,1/4,14))

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≈ 0.03≈ 0 + 0.03 = 0.03
1≈ 0.13≈ 0.03 + 0.13 = 0.16
2≈ 0.23≈ 0.16 + 0.23 = 0.39
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 1) = 0.16 also noch klar unter der geforderten Wahrscheinlichkeit von 0.25 liegt, ist P(X ≤ 2) = 0.39 klar darüber.

Somit ist das gesuchte k = 2.

kumulierte Binomialverteilung

Beispiel:

Ein Zufallsexperiment wird 36 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p= 0,45. Wie groß ist dabei die Wahrscheinlichkeit, weniger als 21 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=36 und p=0.45.

P0.4536 (X<21) = P0.4536 (X20) = P0.4536 (X=0) + P0.4536 (X=1) + P0.4536 (X=2) +... + P0.4536 (X=20) = 0.92479722353246 ≈ 0.9248
(TI-Befehl: binomcdf(36,0.45,20))

Binomialverteilung X>=k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,89. Wie groß ist die Wahrscheinlichkeit dass er von 22 Versuchen mehr als 19 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=22 und p=0.89.

...
17
18
19
20
21

P0.8922 (X>19) = P0.8922 (X20) = 1 - P0.8922 (X19) = 0.5582
(TI-Befehl: 1-binomcdf(22,0.89,19))

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 67 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 21, aber weniger als 24 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=67 und p=0.25.

P0.2567 (21X23) =

...
18
19
20
21
22
23
24
25
...

P0.2567 (X23) - P0.2567 (X20) ≈ 0.9682 - 0.8546 ≈ 0.1136
(TI-Befehl: binomcdf(67,0.25,23) - binomcdf(67,0.25,20))