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 jeder Wurf eine "6" ist, außer beim vierten Versuch.

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 . Da ja der Nicht-Treffer genau im vierten Durchgang kommen soll, ist auch hier nur ein Pfad im Baumdiagramm möglich. Dessen Wahrscheinlichkeit lässt sich dann wie folgt berechnen:

P = 1 6 1 6 1 6 5 6 1 6 = 5 6 · ( 1 6 ) 4 ≈ 0.0006 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: ( 9 4 )

Lösung einblenden

Wenn man von der allgememeinen Formel für den Binomialkoeffizient
( 9 4 ) = 9! 4! ⋅ (9 - 4)! = 9! 4! ⋅ 5! = 9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1 4⋅3⋅2⋅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:

( 9 4 ) = 9⋅8⋅7⋅6 4⋅3⋅2⋅1

= 9⋅2⋅7⋅6 3⋅2⋅1 (gekürzt mit 4)

= 3⋅2⋅7⋅6 2⋅1 (gekürzt mit 3)

= 3⋅7⋅6 1 (gekürzt mit 2)

= 126

Binomialkoeffizient Anwendungen

Beispiel:

Die Sportlehrerin Frau Hertz braucht für eine Demonstration 5 Schülerinnen. Diese möchte sie zufällig aus der 24-köpfigen Sportgruppe losen. Wie viele verschiedene 5er-Gruppen sind so möglich?

Lösung einblenden

Für die erste Stelle ist jede Schülerin möglich. Es gibt also 24 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Schülerin nicht mehr möglich, es gibt also nur noch 23 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 22 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 2423222120 = 5100480 Möglichkeiten, die 24 Möglichkeiten (Schülerinnen) auf die 5 "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 5er-Gruppe drin ist, nicht an welcher Stelle.

Wir berechnen jetzt also, wie viele mögliche Reihenfolgen pro 5er-Gruppe möglich sind.

  • Für die erste Stelle ist jede(r) aus der 5er-Gruppe möglich. Es gibt also 5 Möglichkeiten.
  • Für die zweite Stelle ist der/die an erster Stelle stehende nicht mehr möglich, es gibt also nur noch 4 Möglichkeiten.
  • Für die 3. Stelle fehlen dann schon 2, so dass nur noch 3 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 54321 = 120 Möglichkeiten für die verschiedenen Reihenfolgen innerhalb einer 5er-Gruppe.

Wir müssen deswegen die 5100480 Möglichkeiten für nach Reihenfolge sortierte 5er-Gruppen durch die 120 Möglichkeiten, die 5er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 5100480 120 = 42504 Möglichkeiten für 5er-Gruppen, die aus 24 Elementen (Schülerinnen) gebildet werden.

Die hier durchgeführte Berechnung 2423222120 54321 könnte man mit 19! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

42504 = 2423222120 54321 = 2423222120 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 54321 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 = 24! 5! ⋅ 19! = ( 24 5 )

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 3 dabei ist?

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 eine der gezogenen Zahlen die 3 ist, bzw. wie viele Möglichkeiten es gibt, 7 von 30 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 3 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 6 Kreuze auf 29 Zahlen (alle außer der 3) zu setzen, also ( 29 6 ) = 29! 6! ⋅ 23! = 29⋅28⋅27⋅26⋅25⋅24 6⋅5⋅4⋅3⋅2⋅1 = 475020.

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

P = Anzahl der gewünschten Ereignisse Anzahl der möglichen Ereignisse = 475020 2035800 ≈ 0.2333, also ca. 23.33%.

Formel v. Bernoulli

Beispiel:

Eine Münze wird 41 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 24 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=41 und p=0.5.

P0.541 (X=24) = ( 41 24 ) 0.524 0.517 =0.068932640920139≈ 0.0689
(TI-Befehl: binompdf(41,0.5,24))

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) ≥ 0.75.

Lösung einblenden

Wir lesen einfach die Säulenhöhen aus dem Histogramm ab und addieren diese Werte:

kP(X = k)P(X ≤ k)
0≈ 0.01≈ 0 + 0.01 = 0.01
1≈ 0.04≈ 0.01 + 0.04 = 0.05
2≈ 0.12≈ 0.05 + 0.12 = 0.17
3≈ 0.22≈ 0.17 + 0.22 = 0.39
4≈ 0.25≈ 0.39 + 0.25 = 0.64
5≈ 0.2≈ 0.64 + 0.2 = 0.84
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 4) = 0.64 also noch klar unter der geforderten Wahrscheinlichkeit von 0.75 liegt, ist P(X ≤ 5) = 0.84 klar darüber.

Somit ist das gesuchte k = 5.

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 69 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so bis zu 17 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=69 und p=0.25.

P0.2569 (X17) = P0.2569 (X=0) + P0.2569 (X=1) + P0.2569 (X=2) +... + P0.2569 (X=17) = 0.53690448946487 ≈ 0.5369
(TI-Befehl: binomcdf(69,0.25,17))

Binomialverteilung X>=k

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,9. Wie groß ist die Wahrscheinlichkeit bei 89 Versuchen mehr als 88 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=89 und p=0.9.

...
86
87
88

P0.989 (X>88) = P0.989 (X89) = 1 - P0.989 (X88) = 9.9999999999989E-5
(TI-Befehl: 1-binomcdf(89,0.9,88))

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 82% von der Freiwurflinie. Wie groß ist die Wahrscheinlichkeit dass er von 95 Versuchen mindestens 73 und weniger als 86 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=95 und p=0.82.

P0.8295 (73X85) =

...
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
...

P0.8295 (X85) - P0.8295 (X72) ≈ 0.9841 - 0.0783 ≈ 0.9058
(TI-Befehl: binomcdf(95,0.82,85) - binomcdf(95,0.82,72))