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=0,25 Ausschuss. Es werden nacheinander 3 Chips als Stichprobe entnommen. Bestimme die Wahrscheinlichkeit dafür, dass nur beim ersten Chip ein Defekt vorliegt.

Lösung einblenden

Die Wahrscheinlichkeit für einen Treffer (also hier, dass ein entnommener Chips defekt sind) beträgt p = 0,25, für einen Nicht-Treffer (also hier, dass ein entnommener Chips nicht defekt ist) beträgt sie q = 1 - 0,25 = 0,75. Da ja der Treffer genau im ersten Durchgang kommen soll, ist auch hier nur ein Pfad im Baumdiagramm möglich. Dessen Wahrscheinlichkeit lässt sich dann wie folgt berechnen:

P = 0,25⋅0,750,75 = 0,25 · 0,75 2 ≈ 0.1406 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: ( 11 10 )

Lösung einblenden

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

( 11 10 ) = 11 1

= 11

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 20 Kugeln, die mit den Zahlen 1 bis 20 beschriftet sind.

Es werden 8 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 10 und die 12 dabei sind?

Lösung einblenden

Es gibt insgesamt ( 20 8 ) = 20! 8! ⋅ 12! = 20⋅19⋅18⋅17⋅16⋅15⋅14⋅13 8⋅7⋅6⋅5⋅4⋅3⋅2⋅1 = 125970 verschiedene Möglichkeiten, die 8 Kugeln aus den 20 zu ziehen, bzw. von 20 Zahlen 8 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn zwei der gezogenen Zahlen die 10 und die 12 sind, bzw. wie viele Möglichkeiten es gibt, 8 von 20 Zahlen anzukreuzen, wobei zwei Kreuze sicher auf der der 10 und der 12 sein müssen, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 6 Kreuze auf 18 Zahlen (alle außer der 10 und der 12) zu setzen, also ( 18 6 ) = 18! 6! ⋅ 12! = 18⋅17⋅16⋅15⋅14⋅13 6⋅5⋅4⋅3⋅2⋅1 = 18564.

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

P = Anzahl der gewünschten Ereignisse Anzahl der möglichen Ereignisse = 18564 125970 ≈ 0.1474, also ca. 14.74%.

Formel v. Bernoulli

Beispiel:

Ein Würfel wird 100 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 18 mal eine 6 (p=1/6) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=100 und p= 1 6 .

P 1 6 100 (X=18) = ( 100 18 ) ( 1 6 )18 ( 5 6 )82 =0.097062474255535≈ 0.0971
(TI-Befehl: binompdf(100,1/6,18))

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≈ 0.02≈ 0 + 0.02 = 0.02
1≈ 0.1≈ 0.02 + 0.1 = 0.12
2≈ 0.21≈ 0.12 + 0.21 = 0.33
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 1) = 0.12 also noch klar unter der geforderten Wahrscheinlichkeit von 0.25 liegt, ist P(X ≤ 2) = 0.33 klar darüber.

Somit ist das gesuchte k = 2.

kumulierte Binomialverteilung

Beispiel:

Ein Würfel wird 87 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass weniger als 11 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=87 und p= 1 6 .

P 1 6 87 (X<11) = P 1 6 87 (X10) = P 1 6 87 (X=0) + P 1 6 87 (X=1) + P 1 6 87 (X=2) +... + P 1 6 87 (X=10) = 0.12213638622297 ≈ 0.1221
(TI-Befehl: binomcdf(87,1/6,10))

Binomialverteilung X>=k

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,3. Wie groß ist die Wahrscheinlichkeit bei 58 Versuchen mehr als 16 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Drehungen, die im grünen Bereich landen, an. X ist binomialverteilt mit n=58 und p=0.3.

...
14
15
16
17
18
19
...

P0.358 (X>16) = P0.358 (X17) = 1 - P0.358 (X16) = 0.5946
(TI-Befehl: 1-binomcdf(58,0.3,16))

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 42 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 6, aber weniger als 14 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=42 und p=0.25.

P0.2542 (6X13) =

...
3
4
5
6
7
8
9
10
11
12
13
14
15
...

P0.2542 (X13) - P0.2542 (X5) ≈ 0.857 - 0.0307 ≈ 0.8263
(TI-Befehl: binomcdf(42,0.25,13) - binomcdf(42,0.25,5))