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 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) =
Man könnte die Wahrscheinlichkeit ja theoretisch auch mit einem Baumdiagramm mit 15 Ebenen lösen.
Der Binomialkoeffizient
Die beiden Potenzen danach geben die Wahrscheinlichkeit eines dieser
Somit muss d = 5, sowie c = 15 und e = 0 sein.
Bernoulli-Formel vervollständigen
Beispiel:
Ein Basketballspieler mit einer Trefferquote von p=0,4 wirft 10 mal auf den Korb.
Für welches der aufgeführten Ereignisse könnte der Term P =
Bestimme für diesen Fall die fehlenden Parameter a, b und c, so dass die Formel auch tatsächlich korrekt ist.
Es machen zwei Zufallsgrößen Sinn:
X : Anzahl der Treffer (also es trifft er in den Korb)Y : Anzahl der Nicht-Treffer (also es trifft er nicht in den Korb)
Beim ersten Summand
Beim zweiten längeren Term erkennt man die Potenz
Zusammengefasst ergibt sich also die Wahrscheinlichkeit P(X=0)+P(X=1)=P(X≤1) bzw. P(Y≥9)
Somit ist die gesuchte Option: Weniger als 2 mal trifft er in den Korb.
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 = 0.6.
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
Binomial-Aufgabe mit 2 Ereignissen
Beispiel:
Ein Basketballspieler hat eine Trefferquote von 65% und wirft 31 mal auf dem Korb. Wie groß ist die Wahrscheinlichkeit, dass er von den ersten 12 Versuchen genau 9 mal und von den restlichen Versuchen höchstens 10 mal trifft.
Wir können die beiden Ereignisse als zwei getrennte von einander unabhängige Zufallsversuche betrachten, dabei betrachten wir zuerst die ersten 12
Durchgänge:
Die Zufallsgröße X gibt die Anzahl der Treffer des BB-Spielers an. X ist binomialverteilt mit n=12 und p=0.65.
Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als
Analog betrachten wir nun die restlichen 19 Durchgänge:
Die Zufallsgröße Y gibt die Anzahl der Treffer des BB-Spielers an. Y ist binomialverteilt mit n=19 und p=0.65.
Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als
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 =
zwei unabhängige Binom.
Beispiel:
Ein Mitarbeiter der Stadtwerke bekommt den Auftrag am Freitag bei 55 und am Samstag bei 35 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 34 am Samstag so zwischen 24 und 30 erreichen werde. Tatsächlich ist die Wahrscheinlichkeit, dass ihm die Tür geöffnet wird, am Samstag mit 73% höher als am Freitag mit 51%. Wie groß ist die Wahrscheinlichkeit, dass seine Prognose zutrifft?
(Bitte auf 4 Stellen nach dem Komma runden)
Freitag:
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=55 und unbekanntem Parameter p.
Gesucht ist die Wahrscheinlichkeit zwischen 24 und 34 Treffer bei 55 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.51 zu erzielen, alsoDiese Wahrscheinlichkeit lässt sich als
TI-Befehl: binomcdf(55,0.51,34)- binomcdf(55,0.51,23)
Samstag:
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=35 und unbekanntem Parameter p.
Gesucht ist die Wahrscheinlichkeit zwischen 24 und 30 Treffer bei 35 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.73 zu erzielen, alsoDiese Wahrscheinlichkeit lässt sich als
TI-Befehl: binomcdf(35,0.73,30)- binomcdf(35,0.73,23)
Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten:
P ≈ 0.8499 ⋅ 0.7627 ≈ 0.6482
feste Reihenfolge im Binomialkontext
Beispiel:
Ein Basketballspieler mit einer Trefferquote von 80% wirft 8 mal auf den Korb. Bestimme die Wahrscheinlichkeit, dass er bei diesen 8 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 8 Versuchen mit der Formel von Bernoulli
berechnen:
Dabei gibt ja
Hier spielt nun aber die Reihenfolge eine Rolle, also haben wir nicht alle möglichen
XXXXOOOO
OXXXXOOO
OOXXXXOO
OOOXXXXO
OOOOXXXX
Es gibt also genau 5 verschiedene mögliche Reihenfolgen für diese benachbarten Treffer, somit gilt für die Gesamtwahrscheinlichkeit:
P = 5 ⋅
Kombination Binom.-Baumdiagramm
Beispiel:
Bei einer Fluggesellschaft treten 13% der Besitzer gültiger Flugtickets ihren Flug nicht an. Deswegen verkauft die Fluggesellschaft immer 104 Tickets für ihr Flugzeug mit 92 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 92 Treffer bei 104 Versuchen mit einer Einzelwahrscheinlichkeiten
von 0.87, 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=0.87.
(TI-Befehl: binomcdf(104,0.87,92))
Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'nicht überbucht' (p=0.7138) und 'überbucht'(p=0.2862).
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: nicht überbucht:
- 'nicht überbucht'-'nicht überbucht'-'nicht überbucht' (P=
)0,3637 - 'nicht überbucht'-'nicht überbucht'-'überbucht' (P=
)0,1458 - 'nicht überbucht'-'überbucht'-'nicht überbucht' (P=
)0,1458 - 'überbucht'-'nicht überbucht'-'nicht überbucht' (P=
)0,1458
Die Lösung ist also die Summe dieser Wahrscheinlichkeiten:
