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 nur im dritten Wurf eine "6" gewürfelt wird.

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 Treffer genau im dritten Durchgang kommen soll, ist auch hier nur ein Pfad im Baumdiagramm möglich. Dessen Wahrscheinlichkeit lässt sich dann wie folgt berechnen:

P = 5 6 5 6 1 6 5 6 5 6 = 1 6 · ( 5 6 ) 4 ≈ 0.0804 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: ( 8 5 )

Lösung einblenden

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

( 8 5 ) = 8⋅7⋅6 3⋅2⋅1

= 8⋅7⋅2 2⋅1 (gekürzt mit 3)

= 8⋅7 1 (gekürzt mit 2)

= 56

Binomialkoeffizient Anwendungen

Beispiel:

Eine Eisdiele bietet 12 verschiedene Eissorten an. Rüdiger darf sich ein Eis mit 2 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 12 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Eissorte nicht mehr möglich, es gibt also nur noch 11 Möglichkeiten.

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 1211 = 132 Möglichkeiten, die 12 Möglichkeiten (Eissorten) auf die 2 "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 2er-Gruppe drin ist, nicht an welcher Stelle.

Wir berechnen jetzt also, wie viele mögliche Reihenfolgen pro 2er-Gruppe möglich sind.

  • Für die erste Stelle ist jede(r) aus der 2er-Gruppe möglich. Es gibt also 2 Möglichkeiten.
  • Für die zweite Stelle ist der/die an erster Stelle stehende nicht mehr möglich, es gibt also nur noch 1 Möglichkeiten.

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 21 = 2 Möglichkeiten für die verschiedenen Reihenfolgen innerhalb einer 2er-Gruppe.

Wir müssen deswegen die 132 Möglichkeiten für nach Reihenfolge sortierte 2er-Gruppen durch die 2 Möglichkeiten, die 2er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 132 2 = 66 Möglichkeiten für 2er-Gruppen, die aus 12 Elementen (Eissorten) gebildet werden.

Die hier durchgeführte Berechnung 1211 21 könnte man mit 10! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

66 = 1211 21 = 1211 10 9 8 7 6 5 4 3 2 1 21 10 9 8 7 6 5 4 3 2 1 = 12! 2! ⋅ 10! = ( 12 2 )

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

In einer Urne befinden sich 35 Kugeln, die mit den Zahlen 1 bis 35 beschriftet sind.

Es werden 8 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 31 dabei ist?

Lösung einblenden

Es gibt insgesamt ( 35 8 ) = 35! 8! ⋅ 27! = 35⋅34⋅33⋅32⋅31⋅30⋅29⋅28 8⋅7⋅6⋅5⋅4⋅3⋅2⋅1 = 23535820 verschiedene Möglichkeiten, die 8 Kugeln aus den 35 zu ziehen, bzw. von 35 Zahlen 8 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn eine der gezogenen Zahlen die 31 ist, bzw. wie viele Möglichkeiten es gibt, 8 von 35 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 31 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 7 Kreuze auf 34 Zahlen (alle außer der 31) zu setzen, also ( 34 7 ) = 34! 7! ⋅ 27! = 34⋅33⋅32⋅31⋅30⋅29⋅28 7⋅6⋅5⋅4⋅3⋅2⋅1 = 5379616.

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

P = Anzahl der gewünschten Ereignisse Anzahl der möglichen Ereignisse = 5379616 23535820 ≈ 0.2286, also ca. 22.86%.

Formel v. Bernoulli

Beispiel:

Ein Würfel wird 73 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=73 und p= 1 6 .

P 1 6 73 (X=9) = ( 73 9 ) ( 1 6 )9 ( 5 6 )64 =0.082447560536077≈ 0.0824
(TI-Befehl: binompdf(73,1/6,9))

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 größte k, für das gilt P(X ≥ k) ≥ 0.5.

Lösung einblenden

Wenn P(X ≥ k) ≥ 0.5 sein soll, bedeutet das doch, dass sie Summe der Säulenhöhen von k bis zum rechten Rand mindestens 0.5 sein muss. Das ist dann aber doch gleichbedeutend, wie dass für die restlichen Säulenhöhen links von 0 bis k-1 höchstens 1-0.5=0.5 als Wahrscheinlichkeit übrig bleiben darf.

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
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 3) = 0.39 also noch klar unter der geforderten Wahrscheinlichkeit von 0.5 liegt, ist P(X ≤ 4) = 0.64 klar darüber.

Oder andersrum: P(X ≥ 4) = 1 - P(X ≤ 3) = 0.61 (die Summe der blauen Säulenhöhen von 4 bis 10) ist klar über der geforderten Wahrscheinlichkeit von 0.5, während P(X ≥ 5) = 1 - P(X ≤ 4) = 0.36 (die Summe der Säulenhöhen von 5 bis 10) klar darunter liegt.

Somit ist das gesuchte k = 4.

kumulierte Binomialverteilung

Beispiel:

Eine Münze wird 26 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass höchstens 16 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=26 und p=0.5.

P0.526 (X16) = P0.526 (X=0) + P0.526 (X=1) + P0.526 (X=2) +... + P0.526 (X=16) = 0.91568122804165 ≈ 0.9157
(TI-Befehl: binomcdf(26,0.5,16))

Binomialverteilung X>=k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,76. Wie groß ist die Wahrscheinlichkeit dass er von 92 Versuchen mehr als 74 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=92 und p=0.76.

...
72
73
74
75
76
77
...

P0.7692 (X>74) = P0.7692 (X75) = 1 - P0.7692 (X74) = 0.1304
(TI-Befehl: 1-binomcdf(92,0.76,74))

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Zufallsexperiment wird 73 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,3.Wie groß ist dabei die Wahrscheinlichkeit, mindestens 27, aber höchstens 28 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=73 und p=0.3.

P0.373 (27X28) =

...
24
25
26
27
28
29
30
...

P0.373 (X28) - P0.373 (X26) ≈ 0.9515 - 0.8789 ≈ 0.0726
(TI-Befehl: binomcdf(73,0.3,28) - binomcdf(73,0.3,26))