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:

In einer Chip-Fabrik werden neue High Tech Chips produziert. Dabei entsteht mit einer Wahrscheinlichkeit von p=0,15 Ausschuss. Es werden nacheinander 5 Chips als Stichprobe entnommen. Bestimme die Wahrscheinlichkeit dafür, dass beim ersten Chip ein Defekt vorliegt.

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 = 0,15 ≈ 0.15 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: ( 5 3 )

Lösung einblenden

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

( 5 3 ) = 5⋅4 2⋅1

= 5⋅2 1 (gekürzt mit 2)

= 10

Binomialkoeffizient Anwendungen

Beispiel:

Eine Mathelehrerin verlost unter den 6 SchülerInnen ihrer 8. Klasse, die eine Zusatzaufgabe gemacht haben, 2 Matherätsel-Knobelbücher. Natürlich kann jeder höchstens eins bekommen. Wie viele verschiedene Möglichkeiten gibt es für die 2er-Gruppe der glücklichen Gewinner?

Lösung einblenden

Für die erste Stelle ist jede SchülerIn möglich. Es gibt also 6 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte SchülerIn nicht mehr möglich, es gibt also nur noch 5 Möglichkeiten.

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 65 = 30 Möglichkeiten, die 6 Möglichkeiten (SchülerInnen) auf die 2 "Ziehungen" (Knobelbücher) 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 2er-Gruppe drin ist, nicht an welcher Stelle.

Wir berechnen jetzt also, wie viele mögliche Reihenfolgen pro 2er-Gruppe möglich sind.

  • Für die erste Stelle ist jede(r) aus der 2er-Gruppe möglich. Es gibt also 2 Möglichkeiten.
  • Für die zweite Stelle ist der/die an erster Stelle stehende nicht mehr möglich, es gibt also nur noch 1 Möglichkeiten.

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 21 = 2 Möglichkeiten für die verschiedenen Reihenfolgen innerhalb einer 2er-Gruppe.

Wir müssen deswegen die 30 Möglichkeiten für nach Reihenfolge sortierte 2er-Gruppen durch die 2 Möglichkeiten, die 2er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 30 2 = 15 Möglichkeiten für 2er-Gruppen, die aus 6 Elementen (SchülerInnen) gebildet werden.

Die hier durchgeführte Berechnung 65 21 könnte man mit 4! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

15 = 65 21 = 65 4 3 2 1 21 4 3 2 1 = 6! 2! ⋅ 4! = ( 6 2 )

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

In einer Urne befinden sich 40 Kugeln, die mit den Zahlen 1 bis 40 beschriftet sind.

Es werden 6 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 8, die 16 und die 22 dabei sind?

Lösung einblenden

Es gibt insgesamt ( 40 6 ) = 40! 6! ⋅ 34! = 40⋅39⋅38⋅37⋅36⋅35 6⋅5⋅4⋅3⋅2⋅1 = 3838380 verschiedene Möglichkeiten, die 6 Kugeln aus den 40 zu ziehen, bzw. von 40 Zahlen 6 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn drei der gezogenen Zahlen die 8, die 16 und die 22 sind, bzw. wie viele Möglichkeiten es gibt, 6 von 40 Zahlen anzukreuzen, wobei drei Kreuze sicher auf der der 8, der 16 und der 22 sein müssen, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 3 Kreuze auf 37 Zahlen (alle außer der 8, der 16 und der 22) zu setzen, also ( 37 3 ) = 37! 3! ⋅ 34! = 37⋅36⋅35 3⋅2⋅1 = 7770.

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

P = Anzahl der gewünschten Ergebnisse Anzahl der möglichen Ergebnisse = 7770 3838380 ≈ 0.002, also ca. 0.2%.

Formel v. Bernoulli

Beispiel:

In einer Urne sind 7 blaue und 3 rote Kugeln. Es wird 26 mal eine Kugel gezogen. Nach jedem Ziehen wird die Kugel wieder zurückgelegt. Wie groß ist die Wahrscheinlichkeit dass genau 17 mal eine blaue Kugel gezogen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der blauen Kugeln an. X ist binomialverteilt mit n=26 und p=0.7.

P0.726 (X=17) = ( 26 17 ) 0.717 0.39 =0.14306897031399≈ 0.1431
(TI-Befehl: binompdf(26,0.7,17))

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) ≥ 0.65.

Lösung einblenden

Wenn P(X ≥ k) ≥ 0.65 sein soll, bedeutet das doch, dass sie Summe der Säulenhöhen von k bis zum rechten Rand mindestens 0.65 sein muss. Das ist dann aber doch gleichbedeutend, wie dass für die restlichen Säulenhöhen links von 0 bis k-1 höchstens 1-0.65=0.35 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≈ 0.06≈ 0 + 0.06 = 0.06
1≈ 0.19≈ 0.06 + 0.19 = 0.25
2≈ 0.28≈ 0.25 + 0.28 = 0.53
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 1) = 0.25 also noch klar unter der geforderten Wahrscheinlichkeit von 0.35 liegt, ist P(X ≤ 2) = 0.53 klar darüber.

Oder andersrum: P(X ≥ 2) = 1 - P(X ≤ 1) = 0.75 (die Summe der blauen Säulenhöhen von 2 bis 10) ist klar über der geforderten Wahrscheinlichkeit von 0.65, während P(X ≥ 3) = 1 - P(X ≤ 2) = 0.47 (die Summe der Säulenhöhen von 3 bis 10) klar darunter liegt.

Somit ist das gesuchte k = 2.

kumulierte Binomialverteilung

Beispiel:

Ein Würfel wird 83 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass nicht öfter als 20 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=83 und p= 1 6 .

P 1 6 83 (X20) = P 1 6 83 (X=0) + P 1 6 83 (X=1) + P 1 6 83 (X=2) +... + P 1 6 83 (X=20) = 0.97055436821072 ≈ 0.9706
(TI-Befehl: binomcdf(83,1/6,20))

Binomialverteilung X>=k

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,25. Wie groß ist die Wahrscheinlichkeit bei 72 Versuchen mehr als 16 mal im grünen Bereich zu landen?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Drehungen, die im grünen Bereich landen, an. X ist binomialverteilt mit n=72 und p=0.25.

...
14
15
16
17
18
19
...

P0.2572 (X>16) = P0.2572 (X17) = 1 - P0.2572 (X16) = 0.6512
(TI-Befehl: 1-binomcdf(72,0.25,16))

Binomialverteilung l < X < k

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen, von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 74 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 12, aber weniger als 25 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der zufällig richtig beantworteten Fragen an. X ist binomialverteilt mit n=74 und p=0.25.

P0.2574 (12X24) =

...
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
...

P0.2574 (X24) - P0.2574 (X11) ≈ 0.9431 - 0.0255 ≈ 0.9176
(TI-Befehl: binomcdf(74,0.25,24) - binomcdf(74,0.25,11))