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=0,3 Ausschuss. Es werden nacheinander 6 Chips als Stichprobe entnommen. Bestimme die Wahrscheinlichkeit dafür, dass dabei genau ein Chip defekt ist.
Die Wahrscheinlichkeit für einen Treffer (also hier, dass ein entnommener Chips defekt sind) beträgt p = 0,3, für einen Nicht-Treffer (also hier, dass ein entnommener Chips nicht defekt ist) beträgt sie q = 1 - 0,3 = . Hier gibt es nun mehrere Möglichkeiten, wann der eine Treffer eintritt:
Treffer - NichtTreffer - NichtTreffer - NichtTreffer - NichtTreffer - NichtTreffer (also Treffer im 1-ten Versuch)
NichtTreffer - Treffer - NichtTreffer - NichtTreffer - NichtTreffer - NichtTreffer (also Treffer im 2-ten Versuch)
NichtTreffer - NichtTreffer - Treffer - NichtTreffer - NichtTreffer - NichtTreffer (also Treffer im 3-ten Versuch)
NichtTreffer - NichtTreffer - NichtTreffer - Treffer - NichtTreffer - NichtTreffer (also Treffer im 4-ten Versuch)
NichtTreffer - NichtTreffer - NichtTreffer - NichtTreffer - Treffer - NichtTreffer (also Treffer im 5-ten Versuch)
NichtTreffer - NichtTreffer - NichtTreffer - NichtTreffer - NichtTreffer - Treffer (also Treffer im 6-ten Versuch)
Bei jedem dieser 6 Fälle ist die Wahrscheinlichkeit gleich, nämlich Pk = .
Für die gesuchte Wahrscheinlichkeit aller 6 Fälle gilt somit P = ≈ 0.3025 .
Binomialkoeffizient
Beispiel:
Berechne ohne Taschenrechner:
Wenn man von der allgememeinen Formel für den Binomialkoeffizient
= =
=
ausgeht, sieht man schnell, dass man mit der
11! = 11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1
rechts im Zähler und Nenner kürzen kann, so dass gilt:
=
= 12
Binomialkoeffizient Anwendungen
Beispiel:
Eine Mathelehrerin verlost unter den 10 SchülerInnen ihrer 8. Klasse, die eine Zusatzaufgabe gemacht haben, 3 Matherätsel-Knobelbücher. Natürlich kann jeder höchstens eins bekommen. Wie viele verschiedene Möglichkeiten gibt es für die 3er-Gruppe der glücklichen Gewinner?
Für die erste Stelle ist jede SchülerIn möglich. Es gibt also 10 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte SchülerIn 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
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 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
Wir müssen deswegen die 720 Möglichkeiten für nach Reihenfolge sortierte 3er-Gruppen durch die 6 Möglichkeiten, die 3er-Gruppe anzuordnen, teilen.
Hieraus ergeben sich = 120 Möglichkeiten für 3er-Gruppen, die aus 10 Elementen (SchülerInnen) gebildet werden.
Die hier durchgeführte Berechnung könnte man mit 7! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:
120 = = = =
Wahrscheinlichkeiten mit Binom.Koeff.
Beispiel:
In einer Urne befinden sich 40 Kugeln, die mit den Zahlen 1 bis 40 beschriftet sind.
Es werden 4 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 30 dabei ist?
Es gibt insgesamt = = = 91390 verschiedene Möglichkeiten, die 4 Kugeln aus den 40 zu ziehen, bzw. von 40 Zahlen 4 anzukreuzen.
Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn eine der gezogenen Zahlen die 30 ist, bzw. wie viele Möglichkeiten es gibt, 4 von 40 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 30 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 3 Kreuze auf 39 Zahlen (alle außer der 30) zu setzen, also = = = 9139.
Die Wahrscheinlichkeit lässt sich somit mit der Laplace-Formel berechnen:
P = = ≈ 0.1, also ca. 10%.
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 63 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so genau 22 Fragen richtig beantwortet hat?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=63 und p=.
= =0.022606503487288≈ 0.0226(TI-Befehl: binompdf(63,1/4,22))
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 | ≈ 0 + 0 = 0 |
| 1 | ≈ 0 | ≈ 0 + 0 = 0 |
| 2 | ≈ 0.01 | ≈ 0 + 0.01 = 0.01 |
| 3 | ≈ 0.05 | ≈ 0.01 + 0.05 = 0.06 |
| 4 | ≈ 0.1 | ≈ 0.06 + 0.1 = 0.16 |
| 5 | ≈ 0.17 | ≈ 0.16 + 0.17 = 0.33 |
| 6 | ≈ 0.21 | ≈ 0.33 + 0.21 = 0.54 |
| 7 | ≈ 0.2 | ≈ 0.54 + 0.2 = 0.74 |
Während P(X ≤ 6) = 0.54 also noch klar unter der geforderten Wahrscheinlichkeit von 0.65 liegt, ist P(X ≤ 7) = 0.74 klar darüber.
Somit ist das gesuchte k = 7.
kumulierte Binomialverteilung
Beispiel:
Ein Zufallsexperiment wird 41 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p= 0,05. Wie groß ist dabei die Wahrscheinlichkeit, weniger als 4 Treffer zu erzielen?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=41 und p=0.05.
= = + + + = 0.85259450131142 ≈ 0.8526(TI-Befehl: binomcdf(41,0.05,3))
Binomialverteilung X>=k
Beispiel:
Ein Basketballspieler hat eine Trefferquote von p=0,64. Wie groß ist die Wahrscheinlichkeit dass er von 73 Versuchen mehr als 53 trifft?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=73 und p=0.64.
(TI-Befehl: 1-binomcdf(73,0.64,53))
Binomialverteilung X ∈ [l;k]
Beispiel:
Ein partystarker Schüler muss einen Mulitple Choice Test ablegen, von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 84 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 21, aber weniger als 24 Fragen richtig beantwortet hat?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=84 und p=0.25.
=
(TI-Befehl: binomcdf(84,0.25,23) - binomcdf(84,0.25,20))
