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=0,4 Ausschuss. Es werden nacheinander 4 Chips als Stichprobe entnommen. Bestimme die Wahrscheinlichkeit dafür, dass alle entnommenen Chips fehlerfrei funktionieren.
Da die Wahrscheinlichkeit für keinen Treffer (also hier, dass ein entnommener Chips nicht defekt ist) q = 1 - 0,4 = beträgt, muss die Wahrscheinlichkeit für 4 Nicht-Treffer bei 4 Versuchen P = ≈ 0.1296 betragen, da ja bei jedem Versuch kein Treffer erzielt wird, und es somit nur einen möglichen Pfad im Baumdiagramm gibt.
Binomialkoeffizient
Beispiel:
Berechne ohne Taschenrechner:
Wenn man von der allgememeinen Formel für den Binomialkoeffizient
= =
=
ausgeht, sieht man schnell, dass man mit der
6! = 6⋅5⋅4⋅3⋅2⋅1
rechts im Zähler und links im Nenner kürzen kann, so dass gilt:
=
= (gekürzt mit 4)
= (gekürzt mit 3)
= (gekürzt mit 2)
= 210
Binomialkoeffizient Anwendungen
Beispiel:
Eine Eisdiele bietet 8 verschiedene Eissorten an. Rüdiger darf sich ein Eis mit 3 Kugeln zusammenstellen. Er möchte aber auf jeden Fall lauter verschiedene Eissorten in seinem Eis haben. Wieviele Möglichkeiten hat er sich solch ein Eis zusammenzustellen?
Für die erste Stelle ist jede Eissorte möglich. Es gibt also 8 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Eissorte nicht mehr möglich, es gibt also nur noch 7 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 6 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
Wir haben jetzt dabei aber genau unterschieden an welcher Stelle was gezogen bzw. gewählt wurde. Also wären zum Beispiel Ananas - Birne - Citrone und Birne - Citrone - Ananas zwei unterschiedliche Ergebnisse. In unserem Fall hier soll diese Reihenfolge aber keine Rolle spielen. Es interessiert nur, wer in der 3er-Gruppe drin ist, nicht an welcher Stelle.
Wir berechnen jetzt also, wie viele mögliche Reihenfolgen pro 3er-Gruppe möglich sind.
- Für die erste Stelle ist jede(r) aus der 3er-Gruppe möglich. Es gibt also 3 Möglichkeiten.
- Für die zweite Stelle ist der/die an erster Stelle stehende nicht mehr möglich, es gibt also nur noch 2 Möglichkeiten.
- Für die 3. Stelle fehlen dann schon 2, so dass nur noch 1 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
Wir müssen deswegen die 336 Möglichkeiten für nach Reihenfolge sortierte 3er-Gruppen durch die 6 Möglichkeiten, die 3er-Gruppe anzuordnen, teilen.
Hieraus ergeben sich = 56 Möglichkeiten für 3er-Gruppen, die aus 8 Elementen (Eissorten) gebildet werden.
Die hier durchgeführte Berechnung könnte man mit 5! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:
56 = = = =
Wahrscheinlichkeiten mit Binom.Koeff.
Beispiel:
In einer Urne befinden sich 25 Kugeln, die mit den Zahlen 1 bis 25 beschriftet sind.
Es werden 5 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 14 und die 25 dabei sind?
Es gibt insgesamt = = = 53130 verschiedene Möglichkeiten, die 5 Kugeln aus den 25 zu ziehen, bzw. von 25 Zahlen 5 anzukreuzen.
Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn zwei der gezogenen Zahlen die 14 und die 25 sind, bzw. wie viele Möglichkeiten es gibt, 5 von 25 Zahlen anzukreuzen, wobei zwei Kreuze sicher auf der der 14 und der 25 sein müssen, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 3 Kreuze auf 23 Zahlen (alle außer der 14 und der 25) zu setzen, also = = = 1771.
Die Wahrscheinlichkeit lässt sich somit mit der Laplace-Formel berechnen:
P = = ≈ 0.0333, also ca. 3.33%.
Formel v. Bernoulli
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 60% entsteht. Es wird eine Stichprobe der Menge 86 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon genau 50 defekte Chips enthalten sind.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=86 und p=0.6.
= =0.081736029018067≈ 0.0817(TI-Befehl: binompdf(86,0.6,50))
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 | ≈ 0.03 | ≈ 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 |
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.
Oder andersrum: P(X ≥ 3) = 1 - P(X ≤ 2) = 0.61 (die Summe der blauen Säulenhöhen von 3 bis 12) ist klar über der geforderten Wahrscheinlichkeit von 0.5, während P(X ≥ 4) = 1 - P(X ≤ 3) = 0.35 (die Summe der Säulenhöhen von 4 bis 12) klar darunter liegt.
Somit ist das gesuchte k = 3.
kumulierte Binomialverteilung
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,8. Wie groß ist die Wahrscheinlichkeit bei 36 Versuchen höchstens 31 mal im grünen Bereich zu landen?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=36 und p=0.8.
= + + +... + = 0.87310183666415 ≈ 0.8731(TI-Befehl: binomcdf(36,0.8,31))
Binomialverteilung X>=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 26 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so 6 oder gar noch mehr Fragen richtig beantwortet hat?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=26 und p=0.25.
(TI-Befehl: 1-binomcdf(26,0.25,5))
Binomialverteilung X ∈ [l;k]
Beispiel:
Ein Würfel wird 94 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 16 mal, aber weniger als 22 mal eine sechs gewürfelt wird?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=94 und p=.
=
(TI-Befehl: binomcdf(94,,21) - binomcdf(94,,16))
