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 im dritten Wurf keine "6" gewürfelt wird.

Lösung einblenden

Da hier ja nur eine Aussage über den 3-ten Versuch gemacht wird und keine Aussage über alle anderen Versuche, muss auch nur der 3-te Versuch betrachtet werden.
(In jedem anderen Versuch ist die Wahrscheinlichkeit 1, da es ja keine Einschränkung für diesen Versuch gibt.)

Für die gesuchte Wahrscheinlichkeit gilt somit einfach P = 1 - 1 6 = 5 6 ≈ 0.8333 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: ( 9 7 )

Lösung einblenden

Wenn man von der allgememeinen Formel für den Binomialkoeffizient
( 9 7 ) = 9! 7! ⋅ (9 - 7)! = 9! 7! ⋅ 2! = 9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1 7⋅6⋅5⋅4⋅3⋅2⋅1 ⋅ 2⋅1
ausgeht, sieht man schnell, dass man mit der
7! = 7⋅6⋅5⋅4⋅3⋅2⋅1
rechts im Zähler und links im Nenner kürzen kann, so dass gilt:

( 9 7 ) = 9⋅8 2⋅1

= 9⋅4 1 (gekürzt mit 2)

= 36

Binomialkoeffizient Anwendungen

Beispiel:

Eine Eisdiele bietet 9 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 9 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Eissorte nicht mehr möglich, es gibt also nur noch 8 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 7 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 9876 = 3024 Möglichkeiten, die 9 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 4321 = 24 Möglichkeiten für die verschiedenen Reihenfolgen innerhalb einer 4er-Gruppe.

Wir müssen deswegen die 3024 Möglichkeiten für nach Reihenfolge sortierte 4er-Gruppen durch die 24 Möglichkeiten, die 4er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 3024 24 = 126 Möglichkeiten für 4er-Gruppen, die aus 9 Elementen (Eissorten) gebildet werden.

Die hier durchgeführte Berechnung 9876 4321 könnte man mit 5! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

126 = 9876 4321 = 9876 5 4 3 2 1 4321 5 4 3 2 1 = 9! 4! ⋅ 5! = ( 9 4 )

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

In einer Urne befinden sich 40 Kugeln, die mit den Zahlen 1 bis 40 beschriftet sind.

Es werden 7 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 24 dabei ist?

Lösung einblenden

Es gibt insgesamt ( 40 7 ) = 40! 7! ⋅ 33! = 40⋅39⋅38⋅37⋅36⋅35⋅34 7⋅6⋅5⋅4⋅3⋅2⋅1 = 18643560 verschiedene Möglichkeiten, die 7 Kugeln aus den 40 zu ziehen, bzw. von 40 Zahlen 7 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn eine der gezogenen Zahlen die 24 ist, bzw. wie viele Möglichkeiten es gibt, 7 von 40 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 24 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 6 Kreuze auf 39 Zahlen (alle außer der 24) zu setzen, also ( 39 6 ) = 39! 6! ⋅ 33! = 39⋅38⋅37⋅36⋅35⋅34 6⋅5⋅4⋅3⋅2⋅1 = 3262623.

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

P = Anzahl der gewünschten Ereignisse Anzahl der möglichen Ereignisse = 3262623 18643560 ≈ 0.175, also ca. 17.5%.

Formel v. Bernoulli

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 35% entsteht. Es wird eine Stichprobe der Menge 84 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon genau 26 defekte Chips enthalten sind.

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=84 und p=0.35.

P0.3584 (X=26) = ( 84 26 ) 0.3526 0.6558 =0.068918718976497≈ 0.0689
(TI-Befehl: binompdf(84,0.35,26))

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) ≥ 0.25.

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

Während P(X ≤ 4) = 0.16 also noch klar unter der geforderten Wahrscheinlichkeit von 0.25 liegt, ist P(X ≤ 5) = 0.33 klar darüber.

Somit ist das gesuchte k = 5.

kumulierte Binomialverteilung

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 43%. Wie groß ist die Wahrscheinlichkeit dass er von 70 Versuchen weniger als 35 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=70 und p=0.43.

P0.4370 (X<35) = P0.4370 (X34) = P0.4370 (X=0) + P0.4370 (X=1) + P0.4370 (X=2) +... + P0.4370 (X=34) = 0.85582490180123 ≈ 0.8558
(TI-Befehl: binomcdf(70,0.43,34))

Binomialverteilung X>=k

Beispiel:

Ein Würfel wird 80 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass mindestens 7 mal eine 6 (p=1/6) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=80 und p= 1 6 .

...
4
5
6
7
8
9
...

P 1 6 80 (X7) = 1 - P 1 6 80 (X6) = 0.986
(TI-Befehl: 1-binomcdf(80, 1 6 ,6))

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Zufallsexperiment wird 92 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,25.Wie groß ist dabei die Wahrscheinlichkeit, mindestens 28, aber höchstens 32 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=92 und p=0.25.

P0.2592 (28X32) =

...
25
26
27
28
29
30
31
32
33
34
...

P0.2592 (X32) - P0.2592 (X27) ≈ 0.9868 - 0.8601 ≈ 0.1267
(TI-Befehl: binomcdf(92,0.25,32) - binomcdf(92,0.25,27))