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 15 mal geworfen. Gesucht ist die Wahrscheinlichkeit dass genau 6 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 = 6) = ( a b ) ( d 6 )c ( 1 6 )e

Lösung einblenden

Man könnte die Wahrscheinlichkeit ja theoretisch auch mit einem Baumdiagramm mit 15 Ebenen lösen.

Der Binomialkoeffizient ( a b ) vorne steht dann für die Anzahl der relevanten Pfade, also der Pfade, bei denen 6 mal getroffen und 9 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=15 und b=6 sein.

Die beiden Potenzen danach geben die Wahrscheinlichkeit eines dieser ( 15 6 ) Pfade an. Da ja in jedem Pfad 6 Treffer und 9 Nicht-Treffer vorkommen und man die Einzelwahrscheinlichkeiten miteinander multiplizieren muss, ist die Wahrscheinlichkeit eines dieser Pfade:
( 1 6 )6( 5 6 )9 oder eben (einfach vertauscht) ( 5 6 )9( 1 6 )6

Somit muss d = 5, sowie c = 9 und e = 6 sein.

Bernoulli-Formel vervollständigen

Beispiel:

Bei einem Glücksrad beträgt die Wahrscheinlichkeit für den grünen Bereich 30%. Es wird 10 mal gedreht.

Für welches der aufgeführten Ereignisse könnte der Term P = 0.710 + ( 10 a ) 0.31 bc 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 in den grünen Bereich gedreht)
Y : Anzahl der Nicht-Treffer (also es wird nicht in den grünen Bereich gedreht)

Beim ersten Summand 0.710 steht ja die Gegenwahrscheinlichkeit in der Basis und die Gesamtanzahl n=10 in der Hochzahl. Dieser Teilterm gibt also die Wahrscheinlichkeit für 0 Treffer bzw. 10 Nicht-Treffer an, also P(X=0) bzw. P(Y=10).

Beim zweiten längeren Term erkennt man die Potenz 0.31, bei dem die gegebene Wahrscheinlichkeit in der Basis steht. Weil 1 in der Hochzahl steht, muss das also die Wahrscheinlichkeit für 1 Treffer sein, also P(X=1) bzw. P(Y=9).

X: Treffer:
0
1
2
3
4
5
6
7
8
9
10

Y: keine Treffer:
10
9
8
7
6
5
4
3
2
1
0

Zusammengefasst ergibt sich also die Wahrscheinlichkeit P(X=0)+P(X=1)=P(X≤1) bzw. P(Y≥9)

Somit ist die gesuchte Option: Höchstens 1 mal wird in den grünen Bereich gedreht.

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 = 0.7.

Die Hochzahl der ersten Potenz (im hinteren Bernoulliformel-Term) gibt die Anzahl der "Treffer" an, somit kann man bei 10 Versuchen die Anzahl der "Nicht-Treffer" mit c = 9 bestimmen.

Die Anzahl der richtigen Pfade (mit 1 Treffer und 9 Nicht-Treffer) steht vorne im Binomialkoeffizient mit ( 10 1 ) , also ist a = 1 (hier ist auch a=9 möglich).

Binomial-Aufgabe mit 2 Ereignissen

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Ein Lehrer verteilt bei einer Klassenarbeit an alle seine 28 Schülerinnen und Schüler jeweils einen Glückskeks. Wie groß ist die Wahrscheinlichkeit, dass von den 6 Mädchen genau 1 einen Glückskeks mit einer Peperoni und von den Jungs genau 4 einen Glückskeks mit einer Peperoni erwischen .

Lösung einblenden

Wir können die beiden Ereignisse als zwei getrennte von einander unabhängige Zufallsversuche betrachten, dabei betrachten wir zuerst die ersten 6 Durchgänge:

Die Zufallsgröße X gibt die Anzahl der Kekse mit einer Peperoni drin an. X ist binomialverteilt mit n=6 und p= 1 8 .

Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als P 1 8 6 (X=1) ≈ 0.3847.

Analog betrachten wir nun die restlichen 22 Durchgänge:

Die Zufallsgröße Y gibt die Anzahl der Kekse mit einer Peperoni drin an. Y ist binomialverteilt mit n=22 und p= 1 8 .

Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als P 1 8 22 (Y=4) ≈ 0.1614.

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 = P 1 8 6 (X=1) P 1 8 22 (Y=4) = 0.3847 ⋅ 0.1614 ≈ 0.0621

zwei unabhängige Binom.

Beispiel:

Ein Mitarbeiter der Stadtwerke bekommt den Auftrag am Freitag bei 60 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 33 am Samstag so zwischen 20 und 32 erreichen werde. Tatsächlich ist die Wahrscheinlichkeit, dass ihm die Tür geöffnet wird, am Samstag mit 71% höher als am Freitag mit 55%. 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=60 und unbekanntem Parameter p.

Gesucht ist die Wahrscheinlichkeit zwischen 24 und 33 Treffer bei 60 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.55 zu erzielen, also P0.5560 (24X33) .
Diese Wahrscheinlichkeit lässt sich als P0.5560 (X33) - P0.5560 (X23) ≈ 0.5498 - 0.0069 ≈ 0.5429 berechnen.
TI-Befehl: binomcdf(60,0.55,33)- binomcdf(60,0.55,23)

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 20 und 32 Treffer bei 40 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.71 zu erzielen, also P0.7140 (20X32) .
Diese Wahrscheinlichkeit lässt sich als P0.7140 (X32) - P0.7140 (X19) ≈ 0.9281 - 0.0015 ≈ 0.9266 berechnen.
TI-Befehl: binomcdf(40,0.71,32)- binomcdf(40,0.71,19)

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

P ≈ 0.5429 ⋅ 0.9266 ≈ 0.5031

feste Reihenfolge im Binomialkontext

Beispiel:

Bei einem Glücksrad beträgt die Wahrscheinlichkeit für den grünen Bereich 5%. Es wird 7 mal gedreht.Bestimme die Wahrscheinlichkeit, dass dabei genau 4 mal in den grünen Bereich gedreht wird und diese Drehungen unmittelbar hintereinander erfolgen (also ohne, dass dazwischen mal nicht in den grünen Bereich gedreht wird).

Lösung einblenden

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: ( 7 4 ) 0.05 4 0.95 3

Dabei gibt ja 0.05 4 0.95 3 die Wahrscheinlichkeit eines bestimmten Pfads mit 4 Treffer und 3 Nicht-Treffern und ( 7 4 ) die Anzahl solcher Pfade an.

Hier spielt nun aber die Reihenfolge eine Rolle, also haben wir nicht alle möglichen ( 7 4 ) 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 ⋅ 0.05 4 0.95 3 ≈ 0

Kombination Binom.-Baumdiagramm

Beispiel:

Ein fernöstlicher LED-Hersteller hat Probleme in der Qualitätssicherung, so dass 8% seiner Leuchtmittel defekt sind. Diese werden in Kartons a 25 Stück verpackt. Ein Großhändler öffnet testweise zwei Kartons der Lieferung und prüft die darin enthaltenen Leuchtmittel. Nur wenn in keiner der Packungen mehr als 2 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=25 und unbekanntem Parameter p.

Gesucht ist die Wahrscheinlichkeit für höchstens 2 Treffer bei 25 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.08, also P0.0825 (X2)

Dazu kann man ja einfach die kumulierte Binomialverteilungsfunktion benutzen:

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=25 und p=0.08.

P0.0825 (X2) = P0.0825 (X=0) + P0.0825 (X=1) + P0.0825 (X=2) = 0.67683323573499 ≈ 0.6768
(TI-Befehl: binomcdf(25,0.08,2))

Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'kiste ok' (p=0.6768) und 'nicht ok'(p=0.3232).

Jetzt können wir mit einem Baumdiagramm die Gesuchte Endwahrscheinlichkeit berechnen.

Gesucht ist ja 0 mal 'nicht ok'

EreignisP
kiste ok -> kiste ok0,4581
kiste ok -> nicht ok0,2187
nicht ok -> kiste ok0,2187
nicht ok -> nicht ok0,1045

Einzel-Wahrscheinlichkeiten: kiste ok: 0,6768; nicht ok: 0,3232;

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=0,4581)

Die Lösung ist also die Summe dieser Wahrscheinlichkeiten:

0,4581 = 0,4581