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:

Ein idealer Würfel wird 3 mal geworfen. Bestimme die Wahrscheinlichkeit dafür, dass jedes mal eine "6" gewürfelt wird.

Lösung einblenden

Da die Wahrscheinlichkeit für einen Treffer (also hier, dass keine "6" gewürfelt wird) p = 1 6 beträgt, muss die Wahrscheinlichkeit für 3 Treffer bei 3 Versuchen P = ( 1 6 ) 3 ≈ 0.0046 betragen, da ja bei jedem Versuch ein Treffer erzielt wird, und es somit nur einen möglichen Pfad im Baumdiagramm gibt.

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: ( 11 4 )

Lösung einblenden

Wenn man von der allgememeinen Formel für den Binomialkoeffizient
( 11 4 ) = 11! 4! ⋅ (11 - 4)! = 11! 4! ⋅ 7! = 11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1 4⋅3⋅2⋅1 ⋅ 7⋅6⋅5⋅4⋅3⋅2⋅1
ausgeht, sieht man schnell, dass man mit der
7! = 7⋅6⋅5⋅4⋅3⋅2⋅1
rechts im Zähler und Nenner kürzen kann, so dass gilt:

( 11 4 ) = 11⋅10⋅9⋅8 4⋅3⋅2⋅1

= 11⋅10⋅9⋅2 3⋅2⋅1 (gekürzt mit 4)

= 11⋅10⋅3⋅2 2⋅1 (gekürzt mit 3)

= 11⋅10⋅3 1 (gekürzt mit 2)

= 330

Binomialkoeffizient Anwendungen

Beispiel:

Eine Mathelehrerin verlost unter den 10 SchülerInnen ihrer 8. Klasse, die eine Zusatzaufgabe gemacht haben, 5 Matherätsel-Knobelbücher. Natürlich kann jeder höchstens eins bekommen. Wie viele verschiedene Möglichkeiten gibt es für die 5er-Gruppe der glücklichen Gewinner?

Lösung einblenden

Für die erste Stelle ist jede SchülerIn möglich. Es gibt also 10 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte SchülerIn nicht mehr möglich, es gibt also nur noch 9 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 8 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 109876 = 30240 Möglichkeiten, die 10 Möglichkeiten (SchülerInnen) auf die 5 "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 5er-Gruppe drin ist, nicht an welcher Stelle.

Wir berechnen jetzt also, wie viele mögliche Reihenfolgen pro 5er-Gruppe möglich sind.

  • Für die erste Stelle ist jede(r) aus der 5er-Gruppe möglich. Es gibt also 5 Möglichkeiten.
  • Für die zweite Stelle ist der/die an erster Stelle stehende nicht mehr möglich, es gibt also nur noch 4 Möglichkeiten.
  • Für die 3. Stelle fehlen dann schon 2, so dass nur noch 3 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 54321 = 120 Möglichkeiten für die verschiedenen Reihenfolgen innerhalb einer 5er-Gruppe.

Wir müssen deswegen die 30240 Möglichkeiten für nach Reihenfolge sortierte 5er-Gruppen durch die 120 Möglichkeiten, die 5er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 30240 120 = 252 Möglichkeiten für 5er-Gruppen, die aus 10 Elementen (SchülerInnen) gebildet werden.

Die hier durchgeführte Berechnung 109876 54321 könnte man mit 5! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

252 = 109876 54321 = 109876 5 4 3 2 1 54321 5 4 3 2 1 = 10! 5! ⋅ 5! = ( 10 5 )

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

In einer Urne befinden sich 30 Kugeln, die mit den Zahlen 1 bis 30 beschriftet sind.

Es werden 7 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 15, die 17 und die 29 dabei sind?

Lösung einblenden

Es gibt insgesamt ( 30 7 ) = 30! 7! ⋅ 23! = 30⋅29⋅28⋅27⋅26⋅25⋅24 7⋅6⋅5⋅4⋅3⋅2⋅1 = 2035800 verschiedene Möglichkeiten, die 7 Kugeln aus den 30 zu ziehen, bzw. von 30 Zahlen 7 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn drei der gezogenen Zahlen die 15, die 17 und die 29 sind, bzw. wie viele Möglichkeiten es gibt, 7 von 30 Zahlen anzukreuzen, wobei drei Kreuze sicher auf der der 15, der 17 und der 29 sein müssen, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 4 Kreuze auf 27 Zahlen (alle außer der 15, der 17 und der 29) zu setzen, also ( 27 4 ) = 27! 4! ⋅ 23! = 27⋅26⋅25⋅24 4⋅3⋅2⋅1 = 17550.

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

P = Anzahl der gewünschten Ereignisse Anzahl der möglichen Ereignisse = 17550 2035800 ≈ 0.0086, also ca. 0.86%.

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 43 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so genau 8 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=43 und p= 1 4 .

P 1 4 43 (X=8) = ( 43 8 ) ( 1 4 )8 ( 3 4 )35 =0.093768676706978≈ 0.0938
(TI-Befehl: binompdf(43,1/4,8))

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) ≥ 0.35.

Lösung einblenden

Wir lesen einfach die Säulenhöhen aus dem Histogramm ab und addieren diese Werte:

kP(X = k)P(X ≤ k)
0≈ 0≈ 0 + 0 = 0
1≈ 0≈ 0 + 0 = 0
2≈ 0.02≈ 0 + 0.02 = 0.02
3≈ 0.07≈ 0.02 + 0.07 = 0.09
4≈ 0.14≈ 0.09 + 0.14 = 0.23
5≈ 0.2≈ 0.23 + 0.2 = 0.43
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 4) = 0.23 also noch klar unter der geforderten Wahrscheinlichkeit von 0.35 liegt, ist P(X ≤ 5) = 0.43 klar darüber.

Somit ist das gesuchte k = 5.

kumulierte Binomialverteilung

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,2. Wie groß ist die Wahrscheinlichkeit bei 39 Versuchen höchstens 9 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=39 und p=0.2.

P0.239 (X9) = P0.239 (X=0) + P0.239 (X=1) + P0.239 (X=2) +... + P0.239 (X=9) = 0.75864054871921 ≈ 0.7586
(TI-Befehl: binomcdf(39,0.2,9))

Binomialverteilung X>=k

Beispiel:

Ein Würfel wird 86 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass mehr als 7 mal eine 6 (p=1/6) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der gewürfelten Sechser an. X ist binomialverteilt mit n=86 und p= 1 6 .

...
5
6
7
8
9
10
...

P 1 6 86 (X>7) = P 1 6 86 (X8) = 1 - P 1 6 86 (X7) = 0.9823
(TI-Befehl: 1-binomcdf(86, 1 6 ,7))

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 82% von der Freiwurflinie. Wie groß ist die Wahrscheinlichkeit dass er von 95 Versuchen mindestens 80 und weniger als 85 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=95 und p=0.82.

P0.8295 (80X84) =

...
77
78
79
80
81
82
83
84
85
86
...

P0.8295 (X84) - P0.8295 (X79) ≈ 0.967 - 0.6566 ≈ 0.3104
(TI-Befehl: binomcdf(95,0.82,84) - binomcdf(95,0.82,79))