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:

Bei einem Glückrad beträgt die Wahrscheinlichkeit, in den grünen Bereich zu drehen, 40%. Es wird 5 mal gedreht. Bestimme die Wahrscheinlichkeit dafür, dass jedes mal in den grünen Bereich gedreht wird.

Lösung einblenden

Da die Wahrscheinlichkeit für einen Treffer (also hier, dass nicht in den grünen Bereich gedreht wird) p = 0,4 beträgt, muss die Wahrscheinlichkeit für 5 Treffer bei 5 Versuchen P = 0,4 5 ≈ 0.0102 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 5 )

Lösung einblenden

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

( 5 5 ) = 1 1

= 1

Binomialkoeffizient Anwendungen

Beispiel:

Eine Eisdiele bietet 10 verschiedene Eissorten an. Rüdiger darf sich ein Eis mit 4 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 10⋅9⋅8⋅7 = 5040 Möglichkeiten, die 10 Möglichkeiten (Eissorten) auf die 4 "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 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 4⋅3⋅2⋅1 = 24 Möglichkeiten für die verschiedenen Reihenfolgen innerhalb einer 4er-Gruppe.

Wir müssen deswegen die 5040 Möglichkeiten für nach Reihenfolge sortierte 4er-Gruppen durch die 24 Möglichkeiten, die 4er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 5040 24 = 210 Möglichkeiten für 4er-Gruppen, die aus 10 Elementen (Eissorten) gebildet werden.

Die hier durchgeführte Berechnung 10⋅9⋅8⋅7 4⋅3⋅2⋅1 könnte man mit 6! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

210 = 10⋅9⋅8⋅7 4⋅3⋅2⋅1 = 10⋅9⋅8⋅7 ⋅6 ⋅ 5 ⋅ 4 ⋅ 3 ⋅ 2 ⋅ 1 4⋅3⋅2⋅1 ⋅6 ⋅ 5 ⋅ 4 ⋅ 3 ⋅ 2 ⋅ 1 = 10! 4! ⋅ 6! = ( 10 4 )

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 4 und die 17 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 zwei der gezogenen Zahlen die 4 und die 17 sind, bzw. wie viele Möglichkeiten es gibt, 7 von 30 Zahlen anzukreuzen, wobei zwei Kreuze sicher auf der der 4 und der 17 sein müssen, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 5 Kreuze auf 28 Zahlen (alle außer der 4 und der 17) zu setzen, also ( 28 5 ) = 28! 5! ⋅ 23! = 28⋅27⋅26⋅25⋅24 5⋅4⋅3⋅2⋅1 = 98280.

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

P = Anzahl der gewünschten Ereignisse Anzahl der möglichen Ereignisse = 98280 2035800 ≈ 0.0483, also ca. 4.83%.

Formel v. Bernoulli

Beispiel:

Ein Würfel wird 38 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 9 mal eine 6 (p=1/6) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=38 und p= 1 6 .

P 1 6 38 (X=9) = ( 38 9 ) ⋅ ( 1 6 )9 ⋅ ( 5 6 )29 =0.081771361317916≈ 0.0818
(TI-Befehl: binompdf(38,1/6,9))

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) ≥ 0.6.

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≈ 0.08≈ 0.04 + 0.08 = 0.12
4≈ 0.15≈ 0.12 + 0.15 = 0.27
5≈ 0.21≈ 0.27 + 0.21 = 0.48
6≈ 0.21≈ 0.48 + 0.21 = 0.69
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 5) = 0.48 also noch klar unter der geforderten Wahrscheinlichkeit von 0.6 liegt, ist P(X ≤ 6) = 0.69 klar darüber.

Somit ist das gesuchte k = 6.

kumulierte Binomialverteilung

Beispiel:

Ein Zufallsexperiment wird 37 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p= 0,6.Wie groß ist dabei die Wahrscheinlichkeit, höchstens 22 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=37 und p=0.6.

P0.637 (X≤22) = P0.637 (X=0) + P0.637 (X=1) + P0.637 (X=2) +... + P0.637 (X=22) = 0.53554390857336 ≈ 0.5355
(TI-Befehl: binomcdf(37,0.6,22))

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=0,27 entsteht. Es wird eine Stichprobe der Menge 23 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon 8 oder sogar noch mehr Chips defekt sind?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=23 und p=0.27.

...
5
6
7
8
9
10
...

P0.2723 (X≥8) = 1 - P0.2723 (X≤7) = 0.2651
(TI-Befehl: 1-binomcdf(23,0.27,7))

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Würfel wird 40 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 4 mal, aber weniger als 12 mal eine sechs gewürfelt wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=40 und p= 1 6 .

P 1 6 40 (5≤X≤11) =

...
2
3
4
5
6
7
8
9
10
11
12
13
...

P 1 6 40 (X≤11) - P 1 6 40 (X≤4) ≈ 0.9739 - 0.1806 ≈ 0.7933
(TI-Befehl: binomcdf(40, 1 6 ,11) - binomcdf(40, 1 6 ,4))