Aufgabenbeispiele von Anwendungen
Durch Aktualisieren des Browsers (z.B. mit Taste F5) kann man neue Beispielaufgaben sehen
Bernoulli-Formel vervollständigen (einfach)
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,25. Gesucht ist die Wahrscheinlichkeit bei 80 Versuchen genau 30 mal im grünen Bereich zu landen.
Bestimme hierfür a, b, c, d und e so, dass man mit der folgenden Formel die gesuchte Wahrscheinlichkeit berechnen kann.
P(X = 30) =
Man könnte die Wahrscheinlichkeit ja theoretisch auch mit einem Baumdiagramm mit 80 Ebenen lösen.
Der Binomialkoeffizient vorne steht dann für die Anzahl der relevanten Pfade, also der Pfade, bei denen 30 mal getroffen und 50 mal nicht getroffen wird. Davon gibt es , wobei n für die Anzahl aller Versuche und k für die Anzahl der Treffer steht, also muss hier a=80 und b=30 sein.
Die beiden Potenzen danach geben die Wahrscheinlichkeit eines dieser
Pfade an. Da ja in jedem Pfad 30 Treffer und
50 Nicht-Treffer vorkommen und man die Einzelwahrscheinlichkeiten miteinander multiplizieren muss, ist die Wahrscheinlichkeit eines dieser Pfade:
⋅
Somit muss d = 0.75, sowie c = 30 und e = 50 sein.
Bernoulli-Formel vervollständigen
Beispiel:
Bei einem Glücksrad beträgt die Wahrscheinlichkeit für den grünen Bereich 10%. Es wird 20 mal gedreht.
Für welches der aufgeführten Ereignisse könnte der Term P = die Wahrscheinlichkeit angeben?
Bestimme für diesen Fall die fehlenden Parameter a, b und c, so dass die Formel auch tatsächlich korrekt ist.
Man kann relativ gut erkennen, dass es sich hier um die Formel von Bernoulli handeln muss, das heißt also die Wahrscheinlichkeit für genau k Treffer gegeben ist.
In der Basis der ersten Potenz kann man die gegebene Wahrscheinlichkeit für "Es wird in den grünen Bereich gedreht" erkennen, also muss die Hochzahl 1 die Anzahl der Treffer sein und die gesuchte Option ist: Genau 1 mal wird in den grünen Bereich gedreht.
Weil ja in der Basis der ersten Potenz die gegebene Wahrscheinlichkeit steht, muss in der Basis der zweiten Potenz die Gegenwahrscheinlichkeit stehen. Somit ist b = 0.9.
Die Hochzahl der ersten Potenz gibt die Anzahl der "Treffer" an, somit kann man bei 20 Versuchen die Anzahl der "Nicht-Treffer" mit c = 19 bestimmen.
Die Anzahl der richtigen Pfade (mit 1 Treffer und 19 Nicht-Treffer) steht vorne im Binomialkoeffizient mit , also ist a = 1 (hier ist auch a=19 möglich).
Binomial-Aufgabe mit 2 Ereignissen
Beispiel:
Ein partystarker Schüler muss einen Mulitple Choice Test ablegen von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 15 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er von den ersten 4 Aufgaben keine einzige und von den restlichen Fragen nicht mehr als 2 richtig errät?
Wir können die beiden Ereignisse als zwei getrennte von einander unabhängige Zufallsversuche betrachten, dabei betrachten wir zuerst die ersten 4
Durchgänge:
Die Zufallsgröße X gibt die Anzahl der zufällig richtig geratenen Antworten an. X ist binomialverteilt mit n=4 und p=0.25.
Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als ≈ 0.3164.
Analog betrachten wir nun die restlichen 11 Durchgänge:
Die Zufallsgröße Y gibt die Anzahl der zufällig richtig geratenen Antworten an. Y ist binomialverteilt mit n=11 und p=0.25.
Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als ≈ 0.4552.
Da die beiden Teilereignisse unabhängig voneinander sind und ja beide eintreten sollen, müssen wir nun die beiden Teilwahrscheinlichkeiten miteinander multiplizieren um die gesuchte Gesamtwahrscheinlcihkeit zu erhalten:
P = ⋅ = 0.3164 ⋅ 0.4552 ≈ 0.144
zwei unabhängige Binom.
Beispiel:
Ein Biathlet hat beim Liegendschießen eine Trefferquote von 90% und im Stehen 81%. Beim Sprintwettbewerb muss er 5 mal liegend und 5 mal im Stehen schießen. Wie hoch ist die Wahrscheinlichkeit, dass er dabei mindestens 9 mal trifft?
(Bitte auf 4 Stellen nach dem Komma runden)
Zuerst überlegen wir mit welchen Kombinationen man auf die Summe von mindestens 9 kommen kann:
- 4 mal Liegendschießen und 5 mal Stehendschießen
- 5 mal Liegendschießen und 4 mal Stehendschießen
- 5 mal Liegendschießen und 5 mal Stehendschießen
4 mal Liegendschießen und 5 mal Stehendschießen
Die Wahrscheinlichkeit für 4 mal Liegendschießen ist
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=5 und p=0.9.
= ≈ 0.3281Die Wahrscheinlichkeit für 5 mal Stehendschießen ist
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=5 und p=0.81.
= ≈ 0.3487Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p1=0.3281 ⋅ 0.3487 = 0.11440847
5 mal Liegendschießen und 4 mal Stehendschießen
Die Wahrscheinlichkeit für 5 mal Liegendschießen ist
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=5 und p=0.9.
= ≈ 0.5905Die Wahrscheinlichkeit für 4 mal Stehendschießen ist
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=5 und p=0.81.
= ≈ 0.4089Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p2=0.5905 ⋅ 0.4089 = 0.24145545
5 mal Liegendschießen und 5 mal Stehendschießen
Die Wahrscheinlichkeit für 5 mal Liegendschießen ist
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=5 und p=0.9.
= ≈ 0.5905Die Wahrscheinlichkeit für 5 mal Stehendschießen ist
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=5 und p=0.81.
= ≈ 0.3487Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p3=0.5905 ⋅ 0.3487 = 0.20590735
Die gesuchte Wahrscheinlichkeit erhält man nun, indem man die Wahrscheinlichkeiten der 3 Kombinationen addiert:
0.1144 + 0.2415 + 0.2059 = 0.5618
feste Reihenfolge im Binomialkontext
Beispiel:
Ein Basketballspieler mit einer Trefferquote von 95% wirft 7 mal auf den Korb. Bestimme die Wahrscheinlichkeit, dass er bei diesen 7 Versuchen irgendwann einmal eine Serie mit 4 aufeinanderfolgenden Treffern hinlegt und bei allen anderen Versuchen nicht trifft.
Wenn die Reihenfolge keine Rolle spielen würde, könnten wir ja einfach die Wahrscheinlichkeit von 4 Treffer bei 7 Versuchen mit der Formel von Bernoulli berechnen: ⋅ ⋅
Dabei gibt ja ⋅ die Wahrscheinlichkeit eines bestimmten Pfads mit 4 Treffer und 3 Nicht-Treffern und die Anzahl solcher Pfade an.
Hier spielt nun aber die Reihenfolge eine Rolle, also haben wir nicht alle möglichen Anordnungen der Treffer sondern nur die ausgewählten (bei denen die Treffer benachbart sind), das sind im Einzelnen:
XXXXOOO
OXXXXOO
OOXXXXO
OOOXXXX
Es gibt also genau 4 verschiedene mögliche Reihenfolgen für diese benachbarten Treffer, somit gilt für die Gesamtwahrscheinlichkeit: P = 4 ⋅ ⋅ ≈ 0.0004
Kombination Binom.-Baumdiagramm
Beispiel:
Bei einer Fluggesellschaft treten 14% der Besitzer gültiger Flugtickets ihren Flug nicht an. Deswegen verkauft die Fluggesellschaft immer 104 Tickets für ihr Flugzeug mit 95 Plätzen. Wie groß ist die Wahrscheinlichkeit, dass es bei drei aufeinanderfolgenden Flügen nicht öfters als einmal zu der peinlichen Situation kommt, dass mehr Fluggäste ihren Flug antreten wollen, als Plätze frei sind?
(Bitte auf 4 Stellen nach dem Komma runden)
Zuerst berechnen wir mit Hilfe der Binomialverteilungsfunktionen die Einzelwahrscheinlichkeiten für 'nicht überbucht'.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=104 und unbekanntem Parameter p.
Gesucht ist die Wahrscheinlichkeit für höchstens 95 Treffer bei 104 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.86, also
Dazu kann man ja einfach die kumulierte Binomialverteilungsfunktion benutzen:
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=104 und p=0.86.
= + + +... + = 0.96388653308448 ≈ 0.9639(TI-Befehl: binomcdf(104,0.86,95))
Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'nicht überbucht' (p=0.9639) und 'überbucht'(p=0.0361).
Jetzt können wir mit einem Baumdiagramm die Gesuchte Endwahrscheinlichkeit berechnen.
Gesucht ist ja 0 mal 'überbucht' oder 1 mal 'überbucht'
| Ereignis | P |
|---|---|
| nicht überbucht -> nicht überbucht -> nicht überbucht | |
| nicht überbucht -> nicht überbucht -> überbucht | |
| nicht überbucht -> überbucht -> nicht überbucht | |
| nicht überbucht -> überbucht -> überbucht | |
| überbucht -> nicht überbucht -> nicht überbucht | |
| überbucht -> nicht überbucht -> überbucht | |
| überbucht -> überbucht -> nicht überbucht | |
| überbucht -> überbucht -> überbucht |
Einzel-Wahrscheinlichkeiten: P("nicht überbucht")=; P("überbucht")=;
Die relevanten Pfade sind:- 'nicht überbucht'-'nicht überbucht'-'nicht überbucht' (P=)
- 'nicht überbucht'-'nicht überbucht'-'überbucht' (P=)
- 'nicht überbucht'-'überbucht'-'nicht überbucht' (P=)
- 'überbucht'-'nicht überbucht'-'nicht überbucht' (P=)
Die Lösung ist also die Summe dieser Wahrscheinlichkeiten:
+ + + =
