Aufgabenbeispiele von Anwendungen

Durch Aktualisieren des Browsers (z.B. mit Taste F5) kann man neue Beispielaufgaben sehen


Bernoulli-Formel vervollständigen (einfach)

Beispiel:

Ein idealer Würfel wird 20 mal geworfen. Gesucht ist die Wahrscheinlichkeit dass genau 0 mal eine 6 geworfen wird.

Bestimme hierfür a, b, c, d und e so, dass man mit der folgenden Formel die gesuchte Wahrscheinlichkeit berechnen kann.

P(X = 0) = ( a b ) ( 1 6 )c ( d 6 )e

Lösung einblenden

Man könnte die Wahrscheinlichkeit ja theoretisch auch mit einem Baumdiagramm mit 20 Ebenen lösen.

Der Binomialkoeffizient ( a b ) vorne steht dann für die Anzahl der relevanten Pfade, also der Pfade, bei denen 0 mal getroffen und 20 mal nicht getroffen wird. Davon gibt es ( n k ) , wobei n für die Anzahl aller Versuche und k für die Anzahl der Treffer steht, also muss hier a=20 und b=0 sein.

Die beiden Potenzen danach geben die Wahrscheinlichkeit eines dieser ( 20 0 ) Pfade an. Da ja in jedem Pfad 0 Treffer und 20 Nicht-Treffer vorkommen und man die Einzelwahrscheinlichkeiten miteinander multiplizieren muss, ist die Wahrscheinlichkeit eines dieser Pfade:
( 1 6 )0( 5 6 )20

Somit muss d = 5, sowie c = 0 und e = 20 sein.

Bernoulli-Formel vervollständigen

Beispiel:

Ein idealer Würfel wird 5 mal geworfen.

Für welches der aufgeführten Ereignisse könnte der Term P = 1 -( 1 6 )5 - ( 5 a ) ( 1 6 )4 ( b 6 )c die Wahrscheinlichkeit angeben?

Bestimme für diesen Fall die fehlenden Parameter a, b und c, so dass die Formel auch tatsächlich korrekt ist.

Lösung einblenden

Es machen zwei Zufallsgrößen Sinn:
X : Anzahl der Treffer (also es wird eine 6 gewürfelt)
Y : Anzahl der Nicht-Treffer (also es wird keine 6 gewürfelt)

Beim ersten Summand nach dem "1-", also bei ( 1 6 )5 steht ja die gegebene Wahrscheinlichkeit in der Basis und die Gesamtanzahl n=5 in der Hochzahl. Dieser Teilterm gibt also die Wahrscheinlichkeit für 5 Treffer bzw. 0 Nicht-Treffer an, also P(X=5) bzw. P(Y=0).

Beim zweiten längeren Term erkennt man die Potenz ( 1 6 )4, bei dem die gegebene Wahrscheinlichkeit in der Basis steht. Weil 4 in der Hochzahl steht, muss das also die Wahrscheinlichkeit für 4 Treffer sein, also P(X=4) bzw. P(Y=1).

Diese beiden Teilwahrscheinlichkeiten werden von der 1 abgezogen, d.h. der gegebene Term gibt also die Wahrscheinlichkeit für das Gegenereignis an, also in diesem Fall, dass alle Möglichkeiten außer 5 und 4 Treffer möglich sind, also 3, 2, ..., kurz P(X≤3) bzw. P(Y≥2).

X: Treffer:
0
1
2
3
4
5

Y: keine Treffer:
5
4
3
2
1
0

Somit ist die gesuchte Option: Höchstens 3 mal wird eine 6 gewürfelt oder eben gleich bedeutend: Mindestens 2 mal wird keine 6 gewürfelt.

Weil ja in der Basis der ersten Potenz (im hinteren Bernoulliformel-Term) die gegebene Wahrscheinlichkeit steht, muss in der Basis der zweiten Potenz die Gegenwahrscheinlichkeit stehen. Somit ist b = 5.

Die Hochzahl der ersten Potenz (im hinteren Bernoulliformel-Term) gibt die Anzahl der "Treffer" an, somit kann man bei 5 Versuchen die Anzahl der "Nicht-Treffer" mit c = 1 bestimmen.

Die Anzahl der richtigen Pfade (mit 4 Treffer und 1 Nicht-Treffer) steht vorne im Binomialkoeffizient mit ( 5 4 ) , also ist a = 4 (hier ist auch a=1 möglich).

Binomial-Aufgabe mit 2 Ereignissen

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 p=0,26 entsteht. Es wird eine Stichprobe der Menge 70 entnommen. Wie groß ist die Wahrscheinlichkeit, dass von den ersten 10 Stück dieser Stichprobe gleich mal genau 2 defekt sind und von den restlichen der Stickprobe höchstens 10 nicht funktionieren.

Lösung einblenden

Wir können die beiden Ereignisse als zwei getrennte von einander unabhängige Zufallsversuche betrachten, dabei betrachten wir zuerst die ersten 10 Durchgänge:

Die Zufallsgröße X gibt die Anzahl der defekten Chips an. X ist binomialverteilt mit n=10 und p=0.26.

Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als P0.2610 (X=2) ≈ 0.2735.

Analog betrachten wir nun die restlichen 60 Durchgänge:

Die Zufallsgröße Y gibt die Anzahl der defekten Chips an. Y ist binomialverteilt mit n=60 und p=0.26.

Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als P0.2660 (Y10) ≈ 0.062.

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 = P0.2610 (X=2) P0.2660 (Y10) = 0.2735 ⋅ 0.062 ≈ 0.017

zwei unabhängige Binom.

Beispiel:

Ein Mitarbeiter der Stadtwerke bekommt den Auftrag am Freitag bei 50 und am Samstag bei 40 Haushalten den Gas- und den Stromzähler abzulesen. Als ihn seine Frau fragt, was er denn glaubt, wie viele der Kunden überhaupt zuhause wären und die Tür öffnen würden, sagr er: Ich denke, dass ich am Freitag so zwischen 24 und 37 am Samstag so zwischen 24 und 30 erreichen werde. Tatsächlich ist die Wahrscheinlichkeit, dass ihm die Tür geöffnet wird, am Samstag mit 71% höher als am Freitag mit 49%. Wie groß ist die Wahrscheinlichkeit, dass seine Prognose zutrifft?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Freitag:

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=50 und unbekanntem Parameter p.

Gesucht ist die Wahrscheinlichkeit zwischen 24 und 37 Treffer bei 50 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.49 zu erzielen, also P0.4950 (24X37) .
Diese Wahrscheinlichkeit lässt sich als P0.4950 (X37) - P0.4950 (X23) ≈ 0.9999 - 0.3891 ≈ 0.6108 berechnen.
TI-Befehl: binomcdf(50,0.49,37)- binomcdf(50,0.49,23)

Samstag:

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=40 und unbekanntem Parameter p.

Gesucht ist die Wahrscheinlichkeit zwischen 24 und 30 Treffer bei 40 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.71 zu erzielen, also P0.7140 (24X30) .
Diese Wahrscheinlichkeit lässt sich als P0.7140 (X30) - P0.7140 (X23) ≈ 0.7641 - 0.0473 ≈ 0.7168 berechnen.
TI-Befehl: binomcdf(40,0.71,30)- binomcdf(40,0.71,23)

Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten:

P ≈ 0.6108 ⋅ 0.7168 ≈ 0.4378

feste Reihenfolge im Binomialkontext

Beispiel:

In einer Urne sind 7 blaue und 3 rote Kugeln. Es wird 6 mal eine Kugel gezogen. Nach jedem Ziehen wird die Kugel wieder zurückgelegt. Bestimme die Wahrscheinlichkeit, dass dabei genau 4 blaue Kugeln gezogen werden und diese aber unmittelbar hintereinander gezogen werden (also ohne, dass dazwischen mal eine rote gezogen wird).

Lösung einblenden

Wenn die Reihenfolge keine Rolle spielen würde, könnten wir ja einfach die Wahrscheinlichkeit von 4 Treffer bei 6 Versuchen mit der Formel von Bernoulli berechnen: ( 6 4 ) 0.7 4 0.3 2

Dabei gibt ja 0.7 4 0.3 2 die Wahrscheinlichkeit eines bestimmten Pfads mit 4 Treffer und 2 Nicht-Treffern und ( 6 4 ) die Anzahl solcher Pfade an.

Hier spielt nun aber die Reihenfolge eine Rolle, also haben wir nicht alle möglichen ( 6 4 ) Anordnungen der Treffer sondern nur die ausgewählten (bei denen die Treffer benachbart sind), das sind im Einzelnen:

XXXXOO

OXXXXO

OOXXXX

Es gibt also genau 3 verschiedene mögliche Reihenfolgen für diese benachbarten Treffer, somit gilt für die Gesamtwahrscheinlichkeit:
P = 3 ⋅ 0.7 4 0.3 2 ≈ 0.0648

Kombination Binom.-Baumdiagramm

Beispiel:

Ein fernöstlicher LED-Hersteller hat Probleme in der Qualitätssicherung, so dass 7% seiner Leuchtmittel defekt sind. Diese werden in Kartons a 50 Stück verpackt. Ein Großhändler öffnet testweise zwei Kartons der Lieferung und prüft die darin enthaltenen Leuchtmittel. Nur wenn in keiner der Packungen mehr als 4 Stück defekt sind nimmt er die Lieferung an. Wie hoch ist die Wahrscheinlichkeit, dass er die Lieferung annimmt?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Zuerst berechnen wir mit Hilfe der Binomialverteilungsfunktionen die Einzelwahrscheinlichkeiten für 'kiste ok'.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=50 und unbekanntem Parameter p.

Gesucht ist die Wahrscheinlichkeit für höchstens 4 Treffer bei 50 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.07, also P0.0750 (X4)

Dazu kann man ja einfach die kumulierte Binomialverteilungsfunktion benutzen:

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=50 und p=0.07.

P0.0750 (X4) = P0.0750 (X=0) + P0.0750 (X=1) + P0.0750 (X=2) +... + P0.0750 (X=4) = 0.72902690999887 ≈ 0.729
(TI-Befehl: binomcdf(50,0.07,4))

Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'kiste ok' (p=0.729) und 'nicht ok'(p=0.271).

Jetzt können wir mit einem Baumdiagramm die Gesuchte Endwahrscheinlichkeit berechnen.

Gesucht ist ja 0 mal 'nicht ok'

EreignisP
kiste ok -> kiste ok0,5314
kiste ok -> nicht ok0,1976
nicht ok -> kiste ok0,1976
nicht ok -> nicht ok0,0734

Einzel-Wahrscheinlichkeiten: kiste ok: 0,729; nicht ok: 0,271;

Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das SchaubBild nicht sehen :( Die relevanten Pfade sind:
  • 'kiste ok'-'kiste ok' (P=0,5314)

Die Lösung ist also die Summe dieser Wahrscheinlichkeiten:

0,5314 = 0,5314