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=0,25 Ausschuss. Es werden nacheinander 5 Chips als Stichprobe entnommen. Bestimme die Wahrscheinlichkeit dafür, dass alle entnommenen Chips defekt sind.
Da die Wahrscheinlichkeit für einen Treffer (also hier, dass ein entnommener Chips nicht defekt ist) p = 0,25 beträgt, muss die Wahrscheinlichkeit für 5 Treffer bei 5 Versuchen P = ≈ 0.001 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:
Wenn man von der allgememeinen Formel für den Binomialkoeffizient
= =
=
ausgeht, sieht man schnell, dass man mit der
23! = 23⋅22⋅21⋅20⋅19⋅18⋅17⋅16⋅15⋅14⋅13⋅12⋅11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1
rechts im Zähler und links im Nenner kürzen kann, so dass gilt:
=
= (gekürzt mit 2)
= 300
Binomialkoeffizient Anwendungen
Beispiel:
Eine Mathelehrerin verlost unter den 6 SchülerInnen ihrer 8. Klasse, die eine Zusatzaufgabe gemacht haben, 4 Matherätsel-Knobelbücher. Natürlich kann jeder höchstens eins bekommen. Wie viele verschiedene Möglichkeiten gibt es für die 4er-Gruppe der glücklichen Gewinner?
Für die erste Stelle ist jede SchülerIn möglich. Es gibt also 6 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte SchülerIn nicht mehr möglich, es gibt also nur noch 5 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 4 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 360 Möglichkeiten für nach Reihenfolge sortierte 4er-Gruppen durch die 24 Möglichkeiten, die 4er-Gruppe anzuordnen, teilen.
Hieraus ergeben sich = 15 Möglichkeiten für 4er-Gruppen, die aus 6 Elementen (SchülerInnen) gebildet werden.
Die hier durchgeführte Berechnung könnte man mit 2! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:
15 = = = =
Wahrscheinlichkeiten mit Binom.Koeff.
Beispiel:
In einer Urne befinden sich 35 Kugeln, die mit den Zahlen 1 bis 35 beschriftet sind.
Es werden 5 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 28 dabei ist?
Es gibt insgesamt = = = 324632 verschiedene Möglichkeiten, die 5 Kugeln aus den 35 zu ziehen, bzw. von 35 Zahlen 5 anzukreuzen.
Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn eine der gezogenen Zahlen die 28 ist, bzw. wie viele Möglichkeiten es gibt, 5 von 35 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 28 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 4 Kreuze auf 34 Zahlen (alle außer der 28) zu setzen, also = = = 46376.
Die Wahrscheinlichkeit lässt sich somit mit der Laplace-Formel berechnen:
P = = ≈ 0.1429, also ca. 14.29%.
Formel v. Bernoulli
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,3. Wie groß ist die Wahrscheinlichkeit bei 72 Versuchen genau 23 mal im grünen Bereich zu landen?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=72 und p=0.3.
= =0.094186661530225≈ 0.0942(TI-Befehl: binompdf(72,0.3,23))
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) ≥ 0.7.
Wenn P(X ≥ k) ≥ 0.7 sein soll, bedeutet das doch, dass sie Summe der Säulenhöhen von k bis zum rechten Rand mindestens 0.7 sein muss. Das ist dann aber doch gleichbedeutend, wie dass für die restlichen Säulenhöhen links von 0 bis k-1 höchstens 1-0.7=0.3 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 | ≈ 0.02 | ≈ 0 + 0.02 = 0.02 |
| 1 | ≈ 0.1 | ≈ 0.02 + 0.1 = 0.12 |
| 2 | ≈ 0.21 | ≈ 0.12 + 0.21 = 0.33 |
Während P(X ≤ 1) = 0.12 also noch klar unter der geforderten Wahrscheinlichkeit von 0.3 liegt, ist P(X ≤ 2) = 0.33 klar darüber.
Oder andersrum: P(X ≥ 2) = 1 - P(X ≤ 1) = 0.88 (die Summe der blauen Säulenhöhen von 2 bis 13) ist klar über der geforderten Wahrscheinlichkeit von 0.7, während P(X ≥ 3) = 1 - P(X ≤ 2) = 0.67 (die Summe der Säulenhöhen von 3 bis 13) klar darunter liegt.
Somit ist das gesuchte k = 2.
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 63 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so bis zu 9 Fragen richtig beantwortet hat?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=63 und p=0.25.
= + + +... + = 0.029288668227593 ≈ 0.0293(TI-Befehl: binomcdf(63,0.25,9))
Binomialverteilung X>=k
Beispiel:
Ein Würfel wird 60 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass mehr als 8 mal eine 6 (p=1/6) geworfen wird?
Die Zufallsgröße X gibt die Anzahl der gewürfelten Sechser an. X ist binomialverteilt mit n=60 und p=.
(TI-Befehl: 1-binomcdf(60,,8))
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 6 und höchstens 11 Glückskekse mit einer Peproni zu erwischen, wenn man 71 Glückskekse kauft?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=71 und p=0.125.
=
(TI-Befehl: binomcdf(71,0.125,11) - binomcdf(71,0.125,6))
