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 5 mal geworfen. Bestimme die Wahrscheinlichkeit dafür, dass dabei genau einmal eine "6" gewürfelt wird.

Lösung einblenden

Die Wahrscheinlichkeit für einen Treffer (also hier, dass eine "6" gewürfelt wird) beträgt p = 1 6 , für einen Nicht-Treffer (also hier, dass keine "6" gewürfelt wird) beträgt sie q = 1 - 1 6 = 5 6 . Hier gibt es nun mehrere Möglichkeiten, wann der eine Treffer eintritt:

Treffer - NichtTreffer - NichtTreffer - NichtTreffer - NichtTreffer (also Treffer im 1-ten Versuch)
NichtTreffer - Treffer - NichtTreffer - NichtTreffer - NichtTreffer (also Treffer im 2-ten Versuch)
NichtTreffer - NichtTreffer - Treffer - NichtTreffer - NichtTreffer (also Treffer im 3-ten Versuch)
NichtTreffer - NichtTreffer - NichtTreffer - Treffer - NichtTreffer (also Treffer im 4-ten Versuch)
NichtTreffer - NichtTreffer - NichtTreffer - NichtTreffer - Treffer (also Treffer im 5-ten Versuch)

Bei jedem dieser 5 Fälle ist die Wahrscheinlichkeit gleich, nämlich Pk = 1 6 · ( 5 6 ) 4 .

Für die gesuchte Wahrscheinlichkeit aller 5 Fälle gilt somit P = 5 · 1 6 · ( 5 6 ) 4 ≈ 0.4019 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: ( 5 0 )

Lösung einblenden

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

( 5 0 ) = 1 1

= 1

Binomialkoeffizient Anwendungen

Beispiel:

Eine Eisdiele bietet 10 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?

Lösung einblenden

Für die erste Stelle ist jede Eissorte möglich. Es gibt also 10 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Eissorte 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 1098 = 720 Möglichkeiten, die 10 Möglichkeiten (Eissorten) auf die 3 "Ziehungen" (Kugeln) zu verteilen.

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 321 = 6 Möglichkeiten für die verschiedenen Reihenfolgen innerhalb einer 3er-Gruppe.

Wir müssen deswegen die 720 Möglichkeiten für nach Reihenfolge sortierte 3er-Gruppen durch die 6 Möglichkeiten, die 3er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 720 6 = 120 Möglichkeiten für 3er-Gruppen, die aus 10 Elementen (Eissorten) gebildet werden.

Die hier durchgeführte Berechnung 1098 321 könnte man mit 7! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

120 = 1098 321 = 1098 7 6 5 4 3 2 1 321 7 6 5 4 3 2 1 = 10! 3! ⋅ 7! = ( 10 3 )

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

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

Es werden 8 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 4, die 6 und die 16 dabei sind?

Lösung einblenden

Es gibt insgesamt ( 25 8 ) = 25! 8! ⋅ 17! = 25⋅24⋅23⋅22⋅21⋅20⋅19⋅18 8⋅7⋅6⋅5⋅4⋅3⋅2⋅1 = 1081575 verschiedene Möglichkeiten, die 8 Kugeln aus den 25 zu ziehen, bzw. von 25 Zahlen 8 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn drei der gezogenen Zahlen die 4, die 6 und die 16 sind, bzw. wie viele Möglichkeiten es gibt, 8 von 25 Zahlen anzukreuzen, wobei drei Kreuze sicher auf der der 4, der 6 und der 16 sein müssen, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 5 Kreuze auf 22 Zahlen (alle außer der 4, der 6 und der 16) zu setzen, also ( 22 5 ) = 22! 5! ⋅ 17! = 22⋅21⋅20⋅19⋅18 5⋅4⋅3⋅2⋅1 = 26334.

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

P = Anzahl der gewünschten Ereignisse Anzahl der möglichen Ereignisse = 26334 1081575 ≈ 0.0243, also ca. 2.43%.

Formel v. Bernoulli

Beispiel:

Eine Münze wird 89 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 46 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=89 und p=0.5.

P0.589 (X=46) = ( 89 46 ) 0.546 0.543 =0.080224552423984≈ 0.0802
(TI-Befehl: binompdf(89,0.5,46))

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) ≥ 0.4.

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≈ 0.01≈ 0 + 0.01 = 0.01
2≈ 0.03≈ 0.01 + 0.03 = 0.04
3≈ 0.09≈ 0.04 + 0.09 = 0.13
4≈ 0.17≈ 0.13 + 0.17 = 0.3
5≈ 0.22≈ 0.3 + 0.22 = 0.52
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 4) = 0.3 also noch klar unter der geforderten Wahrscheinlichkeit von 0.4 liegt, ist P(X ≤ 5) = 0.52 klar darüber.

Somit ist das gesuchte k = 5.

kumulierte Binomialverteilung

Beispiel:

Ein Zufallsexperiment wird 46 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p= 0,1. Wie groß ist dabei die Wahrscheinlichkeit, weniger als 7 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=46 und p=0.1.

P0.146 (X<7) = P0.146 (X6) = P0.146 (X=0) + P0.146 (X=1) + P0.146 (X=2) +... + P0.146 (X=6) = 0.82811581700043 ≈ 0.8281
(TI-Befehl: binomcdf(46,0.1,6))

Binomialverteilung X>=k

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,8. Wie groß ist die Wahrscheinlichkeit bei 59 Versuchen mindestens 53 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=59 und p=0.8.

...
50
51
52
53
54
55
...

P0.859 (X53) = 1 - P0.859 (X52) = 0.0351
(TI-Befehl: 1-binomcdf(59,0.8,52))

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, mehr als 16 und höchstens 18 Glückskekse mit einer Peproni zu erwischen, wenn man 95 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=95 und p=0.125.

P0.12595 (17X18) =

...
14
15
16
17
18
19
20
...

P0.12595 (X18) - P0.12595 (X16) ≈ 0.9749 - 0.9196 ≈ 0.0553
(TI-Befehl: binomcdf(95,0.125,18) - binomcdf(95,0.125,16))