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 dabei genau einmal eine "6" gewürfelt wird.
Die Wahrscheinlichkeit für einen Treffer (also hier, dass eine "6" gewürfelt wird) beträgt p = , für einen Nicht-Treffer (also hier, dass keine "6" gewürfelt wird) beträgt sie q = 1 - = . Hier gibt es nun mehrere Möglichkeiten, wann der eine Treffer eintritt:
Treffer - NichtTreffer - NichtTreffer (also Treffer im 1-ten Versuch)
NichtTreffer - Treffer - NichtTreffer (also Treffer im 2-ten Versuch)
NichtTreffer - NichtTreffer - Treffer (also Treffer im 3-ten Versuch)
Bei jedem dieser 3 Fälle ist die Wahrscheinlichkeit gleich, nämlich Pk = .
Für die gesuchte Wahrscheinlichkeit aller 3 Fälle gilt somit P = ≈ 0.3472 .
Binomialkoeffizient
Beispiel:
Berechne ohne Taschenrechner:
Wenn man von der allgememeinen Formel für den Binomialkoeffizient
= =
=
ausgeht, sieht man schnell, dass man mit der
4! = 4⋅3⋅2⋅1
rechts im Zähler und Nenner kürzen kann, so dass gilt:
=
= (gekürzt mit 4)
= (gekürzt mit 3)
= (gekürzt mit 2)
= 70
Binomialkoeffizient Anwendungen
Beispiel:
Die Sportlehrerin Frau Hertz braucht für eine Demonstration 4 Schülerinnen. Diese möchte sie zufällig aus der 20-köpfigen Sportgruppe losen. Wie viele verschiedene 4er-Gruppen sind so möglich?
Für die erste Stelle ist jede Schülerin möglich. Es gibt also 20 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Schülerin nicht mehr möglich, es gibt also nur noch 19 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 18 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 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
Wir müssen deswegen die 116280 Möglichkeiten für nach Reihenfolge sortierte 4er-Gruppen durch die 24 Möglichkeiten, die 4er-Gruppe anzuordnen, teilen.
Hieraus ergeben sich = 4845 Möglichkeiten für 4er-Gruppen, die aus 20 Elementen (Schülerinnen) gebildet werden.
Die hier durchgeführte Berechnung könnte man mit 16! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:
4845 = = = =
Wahrscheinlichkeiten mit Binom.Koeff.
Beispiel:
In einer Urne befinden sich 20 Kugeln, die mit den Zahlen 1 bis 20 beschriftet sind.
Es werden 5 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 17 dabei ist?
Es gibt insgesamt = = = 15504 verschiedene Möglichkeiten, die 5 Kugeln aus den 20 zu ziehen, bzw. von 20 Zahlen 5 anzukreuzen.
Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn eine der gezogenen Zahlen die 17 ist, bzw. wie viele Möglichkeiten es gibt, 5 von 20 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 17 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 4 Kreuze auf 19 Zahlen (alle außer der 17) zu setzen, also = = = 3876.
Die Wahrscheinlichkeit lässt sich somit mit der Laplace-Formel berechnen:
P = = ≈ 0.25, also ca. 25%.
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 90 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so genau 21 Fragen richtig beantwortet hat?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=90 und p=.
= =0.09252353959916≈ 0.0925(TI-Befehl: binompdf(90,1/4,21))
kumulierte WS aus Histogramm finden
Beispiel:
In der Abbildung rechts ist das Histogramm einer binomialverteilten Zufallsgröße X zu sehen. Finde das kleinste k, für das gilt P(X ≤ k) ≥ 0.65.
Wir lesen einfach die Säulenhöhen aus dem Histogramm ab und addieren diese Werte:
| k | P(X = k) | P(X ≤ k) |
|---|---|---|
| 0 | ≈ 0.02 | ≈ 0 + 0.02 = 0.02 |
| 1 | ≈ 0.08 | ≈ 0.02 + 0.08 = 0.1 |
| 2 | ≈ 0.18 | ≈ 0.1 + 0.18 = 0.28 |
| 3 | ≈ 0.24 | ≈ 0.28 + 0.24 = 0.52 |
| 4 | ≈ 0.22 | ≈ 0.52 + 0.22 = 0.74 |
Während P(X ≤ 3) = 0.52 also noch klar unter der geforderten Wahrscheinlichkeit von 0.65 liegt, ist P(X ≤ 4) = 0.74 klar darüber.
Somit ist das gesuchte k = 4.
kumulierte Binomialverteilung
Beispiel:
Ein Zufallsexperiment wird 48 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p= 0,75.Wie groß ist dabei die Wahrscheinlichkeit, höchstens 31 Treffer zu erzielen?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=48 und p=0.75.
= + + +... + = 0.070440448133055 ≈ 0.0704(TI-Befehl: binomcdf(48,0.75,31))
Binomialverteilung X>=k
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 p=0,21 entsteht. Es wird eine Stichprobe der Menge 80 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon 20 oder sogar noch mehr Chips defekt sind?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=80 und p=0.21.
(TI-Befehl: 1-binomcdf(80,0.21,19))
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 5 und höchstens 19 Glückskekse mit einer Peproni zu erwischen, wenn man 99 Glückskekse kauft?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=99 und p=0.125.
=
(TI-Befehl: binomcdf(99,0.125,19) - binomcdf(99,0.125,5))
