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: ( 5 2 )

Lösung einblenden

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

( 5 2 ) = 5⋅4 2⋅1

= 5⋅2 1 (gekürzt mit 2)

= 10

Binomialkoeffizient Anwendungen

Beispiel:

Die Sportlehrerin Frau Hertz braucht für eine Demonstration 2 Schülerinnen. Diese möchte sie zufällig aus der 21-köpfigen Sportgruppe losen. Wie viele verschiedene 2er-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.

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 2120 = 420 Möglichkeiten, die 21 Möglichkeiten (Schülerinnen) auf die 2 "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 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 420 Möglichkeiten für nach Reihenfolge sortierte 2er-Gruppen durch die 2 Möglichkeiten, die 2er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 420 2 = 210 Möglichkeiten für 2er-Gruppen, die aus 21 Elementen (Schülerinnen) gebildet werden.

Die hier durchgeführte Berechnung 2120 21 könnte man mit 19! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

210 = 2120 21 = 2120 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 21 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 = 21! 2! ⋅ 19! = ( 21 2 )

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 25 und die 26 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 25 und die 26 sind, bzw. wie viele Möglichkeiten es gibt, 7 von 30 Zahlen anzukreuzen, wobei drei Kreuze sicher auf der der 15, der 25 und der 26 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 25 und der 26) 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:

Eine Münze wird 29 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 16 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=29 und p=0.5.

P0.529 (X=16) = ( 29 16 ) 0.516 0.513 =0.12640639208257≈ 0.1264
(TI-Befehl: binompdf(29,0.5,16))

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) ≥ 0.5.

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
3≈ 0.26≈ 0.39 + 0.26 = 0.65
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 2) = 0.39 also noch klar unter der geforderten Wahrscheinlichkeit von 0.5 liegt, ist P(X ≤ 3) = 0.65 klar darüber.

Somit ist das gesuchte k = 3.

kumulierte Binomialverteilung

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 38 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so bis zu 9 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=38 und p=0.25.

P0.2538 (X9) = P0.2538 (X=0) + P0.2538 (X=1) + P0.2538 (X=2) +... + P0.2538 (X=9) = 0.5126473173273 ≈ 0.5126
(TI-Befehl: binomcdf(38,0.25,9))

Binomialverteilung X>=k

Beispiel:

Ein Zufallsexperiment wird 30 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,15.
Wie groß ist dabei die Wahrscheinlichkeit, mindestens 6 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=30 und p=0.15.

...
3
4
5
6
7
8
...

P0.1530 (X6) = 1 - P0.1530 (X5) = 0.2894
(TI-Befehl: 1-binomcdf(30,0.15,5))

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 80% von der Freiwurflinie. Wie groß ist die Wahrscheinlichkeit dass er von 83 Versuchen mindestens 61 und weniger als 71 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=83 und p=0.8.

P0.883 (61X70) =

...
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
...

P0.883 (X70) - P0.883 (X60) ≈ 0.8717 - 0.0568 ≈ 0.8149
(TI-Befehl: binomcdf(83,0.8,70) - binomcdf(83,0.8,60))