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 ersten Wurf eine "6" gewürfelt wird.

Lösung einblenden

Da hier ja nur eine Aussage über den 1-ten Versuch gemacht wird und keine Aussage über alle anderen Versuche, muss auch nur der 1-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 6 ≈ 0.1667 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: ( 7 2 )

Lösung einblenden

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

( 7 2 ) = 7⋅6 2⋅1

= 7⋅3 1 (gekürzt mit 2)

= 21

Binomialkoeffizient Anwendungen

Beispiel:

Die Sportlehrerin Frau Hertz braucht für eine Demonstration 5 Schülerinnen. Diese möchte sie zufällig aus der 22-köpfigen Sportgruppe losen. Wie viele verschiedene 5er-Gruppen sind so möglich?

Lösung einblenden

Für die erste Stelle ist jede Schülerin möglich. Es gibt also 22 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Schülerin nicht mehr möglich, es gibt also nur noch 21 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 20 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 2221201918 = 3160080 Möglichkeiten, die 22 Möglichkeiten (Schülerinnen) auf die 5 "Ziehungen" (geloste) zu verteilen.

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 5er-Gruppe drin ist, nicht an welcher Stelle.

Wir berechnen jetzt also, wie viele mögliche Reihenfolgen pro 5er-Gruppe möglich sind.

  • Für die erste Stelle ist jede(r) aus der 5er-Gruppe möglich. Es gibt also 5 Möglichkeiten.
  • Für die zweite Stelle ist der/die an erster Stelle stehende nicht mehr möglich, es gibt also nur noch 4 Möglichkeiten.
  • Für die 3. Stelle fehlen dann schon 2, so dass nur noch 3 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 54321 = 120 Möglichkeiten für die verschiedenen Reihenfolgen innerhalb einer 5er-Gruppe.

Wir müssen deswegen die 3160080 Möglichkeiten für nach Reihenfolge sortierte 5er-Gruppen durch die 120 Möglichkeiten, die 5er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 3160080 120 = 26334 Möglichkeiten für 5er-Gruppen, die aus 22 Elementen (Schülerinnen) gebildet werden.

Die hier durchgeführte Berechnung 2221201918 54321 könnte man mit 17! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

26334 = 2221201918 54321 = 2221201918 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 54321 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 = 22! 5! ⋅ 17! = ( 22 5 )

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 6 dabei ist?

Lösung einblenden

Es gibt insgesamt ( 40 4 ) = 40! 4! ⋅ 36! = 40⋅39⋅38⋅37 4⋅3⋅2⋅1 = 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 6 ist, bzw. wie viele Möglichkeiten es gibt, 4 von 40 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 6 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 3 Kreuze auf 39 Zahlen (alle außer der 6) zu setzen, also ( 39 3 ) = 39! 3! ⋅ 36! = 39⋅38⋅37 3⋅2⋅1 = 9139.

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

P = Anzahl der gewünschten Ereignisse Anzahl der möglichen Ereignisse = 9139 91390 ≈ 0.1, also ca. 10%.

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 45% entsteht. Es wird eine Stichprobe der Menge 26 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon genau 14 defekte Chips enthalten sind.

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=26 und p=0.45.

P0.4526 (X=14) = ( 26 14 ) 0.4514 0.5512 =0.10332399207673≈ 0.1033
(TI-Befehl: binompdf(26,0.45,14))

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≈ 0 + 0 = 0
1≈ 0.01≈ 0 + 0.01 = 0.01
2≈ 0.05≈ 0.01 + 0.05 = 0.06
3≈ 0.13≈ 0.06 + 0.13 = 0.19
4≈ 0.21≈ 0.19 + 0.21 = 0.4
5≈ 0.24≈ 0.4 + 0.24 = 0.64
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 4) = 0.4 also noch klar unter der geforderten Wahrscheinlichkeit von 0.5 liegt, ist P(X ≤ 5) = 0.64 klar darüber.

Oder andersrum: P(X ≥ 5) = 1 - P(X ≤ 4) = 0.6 (die Summe der blauen Säulenhöhen von 5 bis 11) ist klar über der geforderten Wahrscheinlichkeit von 0.5, während P(X ≥ 6) = 1 - P(X ≤ 5) = 0.36 (die Summe der Säulenhöhen von 6 bis 11) klar darunter liegt.

Somit ist das gesuchte k = 5.

kumulierte Binomialverteilung

Beispiel:

Ein Würfel wird 87 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass weniger als 10 mal eine 6 (p=1/6) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der gewürfelten Sechser an. X ist binomialverteilt mit n=87 und p= 1 6 .

P 1 6 87 (X<10) = P 1 6 87 (X9) = P 1 6 87 (X=0) + P 1 6 87 (X=1) + P 1 6 87 (X=2) +... + P 1 6 87 (X=9) = 0.069209898095211 ≈ 0.0692
(TI-Befehl: binomcdf(87,1/6,9))

Binomialverteilung X>=k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,84. Wie groß ist die Wahrscheinlichkeit dass er von 39 Versuchen mindestens 36 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=39 und p=0.84.

...
33
34
35
36
37
38

P0.8439 (X36) = 1 - P0.8439 (X35) = 0.1097
(TI-Befehl: 1-binomcdf(39,0.84,35))

Binomialverteilung X ∈ [l;k]

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,35. Wie groß ist die Wahrscheinlichkeit bei 70 Versuchen, mehr als 29 mal und höchstens 31 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=70 und p=0.35.

P0.3570 (30X31) =

...
27
28
29
30
31
32
33
...

P0.3570 (X31) - P0.3570 (X29) ≈ 0.9585 - 0.8938 ≈ 0.0647
(TI-Befehl: binomcdf(70,0.35,31) - binomcdf(70,0.35,29))