Mathebattle EduRandomtasks

0 oder 1 Treffer bei n Versuchen

Beispiel:

Ein idealer Würfel wird 4 mal geworfen. Bestimme die Wahrscheinlichkeit dafür, dass dabei 3 mal eine "6" gewürfelt wird.

Lösung einblenden

Die Wahrscheinlichkeit für einen Treffer (also hier, dass eine "6" gewürfelt wird) beträgt p = $\frac{1}{6}$ , für einen Nicht-Treffer (also hier, dass keine "6" gewürfelt wird) beträgt sie q = 1 - $\frac{1}{6}$ = $\frac{5}{6}$ . Wenn genau 3 Treffer unter den 4 Versuchen sein sollen, bedeutet das doch, dass es genau einen Nicht-Treffer unter den 4 Versuchen geben muss. Hier gibt es nun mehrere Möglichkeiten, wann dieser Nicht-Treffer eintritt:

NichtTreffer - Treffer - Treffer - Treffer (also der NichtTreffer im 1-ten Versuch)
Treffer - NichtTreffer - Treffer - Treffer (also der NichtTreffer im 2-ten Versuch)
Treffer - Treffer - NichtTreffer - Treffer (also der NichtTreffer im 3-ten Versuch)
Treffer - Treffer - Treffer - NichtTreffer (also der NichtTreffer im 4-ten Versuch)

Bei jedem dieser 4 Fälle ist die Wahrscheinlichkeit gleich, nämlich P_k = $\frac{5}{6} \cdot {(\frac{1}{6})}^{3}$ .

Für die gesuchte Wahrscheinlichkeit aller 4 Fälle gilt somit P = $4 \cdot \frac{5}{6} \cdot {(\frac{1}{6})}^{3}$ ≈ 0.0154 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: $(\begin{matrix} 6 \\ 3 \end{matrix})$

Lösung einblenden

Wenn man von der allgememeinen Formel für den Binomialkoeffizient
$(\begin{matrix} 6 \\ 3 \end{matrix})$ = $\frac{6!}{3! ⋅ (6 - 3)!}$ = $\frac{6!}{3! ⋅ 3!}$ = $\frac{6⋅5⋅4⋅3⋅2⋅1}{3⋅2⋅1 ⋅ 3⋅2⋅1}$
ausgeht, sieht man schnell, dass man mit der
3! = 3⋅2⋅1
rechts im Zähler und Nenner kürzen kann, so dass gilt:

$(\begin{matrix} 6 \\ 3 \end{matrix})$ = $\frac{6⋅5⋅4}{3⋅2⋅1}$

= $\frac{2⋅5⋅4}{2⋅1}$ (gekürzt mit 3)

= $\frac{5⋅4}{1}$ (gekürzt mit 2)

= 20

Binomialkoeffizient Anwendungen

Beispiel:

Eine Eisdiele bietet 7 verschiedene Eissorten an. Rüdiger darf sich ein Eis mit 3 Kugeln zusammenstellen. Er möchte aber auf jeden Fall lauter verschiedene Eissorten in seinem Eis haben. Wieviele Möglichkeiten hat er sich solch ein Eis zusammenzustellen?

Lösung einblenden

Für die erste Stelle ist jede Eissorte möglich. Es gibt also 7 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Eissorte nicht mehr möglich, es gibt also nur noch 6 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 5 möglich sind, usw.

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 7⋅6⋅5 = 210 Möglichkeiten, die 7 Möglichkeiten (Eissorten) auf die 3 "Ziehungen" (Kugeln) zu verteilen.

Wir haben jetzt dabei aber genau unterschieden an welcher Stelle was gezogen bzw. gewählt wurde. Also wären zum Beispiel Ananas - Birne - Citrone und Birne - Citrone - Ananas zwei unterschiedliche Ergebnisse. In unserem Fall hier soll diese Reihenfolge aber keine Rolle spielen. Es interessiert nur, wer in der 3er-Gruppe drin ist, nicht an welcher Stelle.

Wir berechnen jetzt also, wie viele mögliche Reihenfolgen pro 3er-Gruppe möglich sind.

Für die erste Stelle ist jede(r) aus der 3er-Gruppe möglich. Es gibt also 3 Möglichkeiten.
Für die zweite Stelle ist der/die an erster Stelle stehende nicht mehr möglich, es gibt also nur noch 2 Möglichkeiten.
Für die 3. Stelle fehlen dann schon 2, so dass nur noch 1 möglich sind, usw.

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 3⋅2⋅1 = 6 Möglichkeiten für die verschiedenen Reihenfolgen innerhalb einer 3er-Gruppe.

Wir müssen deswegen die 210 Möglichkeiten für nach Reihenfolge sortierte 3er-Gruppen durch die 6 Möglichkeiten, die 3er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich $\frac{210}{6}$ = 35 Möglichkeiten für 3er-Gruppen, die aus 7 Elementen (Eissorten) gebildet werden.

Die hier durchgeführte Berechnung $\frac{7\cdot6\cdot5}{3\cdot2\cdot1}$ könnte man mit 4! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

35 = $\frac{7\cdot6\cdot5}{3\cdot2\cdot1}$ = $\frac{7 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}{3 \cdot 2 \cdot 1 \cdot 4 \cdot 3 \cdot 2 \cdot 1}$ = $\frac{7!}{3! ⋅ 4!}$ = $(\begin{matrix} 7 \\ 3 \end{matrix})$

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

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

Es werden 5 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 11 dabei ist?

Lösung einblenden

Es gibt insgesamt $(\begin{matrix} 40 \\ 5 \end{matrix})$ = $\frac{40!}{5! ⋅ 35!}$ = $\frac{40⋅39⋅38⋅37⋅36}{5⋅4⋅3⋅2⋅1}$ = 658008 verschiedene Möglichkeiten, die 5 Kugeln aus den 40 zu ziehen, bzw. von 40 Zahlen 5 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn eine der gezogenen Zahlen die 11 ist, bzw. wie viele Möglichkeiten es gibt, 5 von 40 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 11 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 4 Kreuze auf 39 Zahlen (alle außer der 11) zu setzen, also $(\begin{matrix} 39 \\ 4 \end{matrix})$ = $\frac{39!}{4! ⋅ 35!}$ = $\frac{39⋅38⋅37⋅36}{4⋅3⋅2⋅1}$ = 82251.

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

P = $\frac{Anzahl der gewünschten Ergebnisse}{Anzahl der möglichen Ergebnisse}$ = $\frac{82251}{658008}$ ≈ 0.125, also ca. 12.5%.

Formel v. Bernoulli

Beispiel:

In einer Urne sind 7 blaue und 3 rote Kugeln. Es wird 40 mal eine Kugel gezogen. Nach jedem Ziehen wird die Kugel wieder zurückgelegt. Wie groß ist die Wahrscheinlichkeit dass genau 30 mal eine blaue Kugel gezogen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der blauen Kugeln an. X ist binomialverteilt mit n=40 und p=0.7.

P_{0.7}^{40} (X = 30)

=

(\begin{matrix} 40 \\ 30 \end{matrix}) \cdot {0.7}^{30} \cdot {0.3}^{10}

=0.11281730161487≈ 0.1128
(TI-Befehl: binompdf(40,0.7,30))

kumulierte WS aus Histogramm finden

Beispiel:

In der Abbildung rechts ist das Histogramm einer binomialverteilten Zufallsgröße X zu sehen. Finde das kleinste k, für das gilt P(X ≤ k) ≥ 0.25.

Lösung einblenden

Wir lesen einfach die Säulenhöhen aus dem Histogramm ab und addieren diese Werte:

k	P(X = k)	P(X ≤ k)
0	≈ 0.01	≈ 0 + 0.01 = 0.01
1	≈ 0.04	≈ 0.01 + 0.04 = 0.05
2	≈ 0.11	≈ 0.05 + 0.11 = 0.16
3	≈ 0.2	≈ 0.16 + 0.2 = 0.36

Während P(X ≤ 2) = 0.16 also noch klar unter der geforderten Wahrscheinlichkeit von 0.25 liegt, ist P(X ≤ 3) = 0.36 klar darüber.

Somit ist das gesuchte k = 3.

kumulierte Binomialverteilung

Beispiel:

Ein Fortbildungsteilnehmer ermüdet mit einer Wahrscheinlichkeit von 80%. An einer Fortbildung nehmen 43 Personen teil. Wie groß ist die Wahrscheinlichkeit, dass höchstens 37 Personen ermüden?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der ermüdeten Personen an. X ist binomialverteilt mit n=43 und p=0.8.

P_{0.8}^{43} (X \leq 37)

=

P_{0.8}^{43} (X = 0)

+

P_{0.8}^{43} (X = 1)

+

P_{0.8}^{43} (X = 2)

+... +

P_{0.8}^{43} (X = 37)

= 0.88545258115804 ≈ 0.8855
(TI-Befehl: binomcdf(43,0.8,37))

Binomialverteilung X>=k

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,8. Wie groß ist die Wahrscheinlichkeit bei 87 Versuchen mehr als 76 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=87 und p=0.8.

...

74

75

76

77

78

79

...

P_{0.8}^{87} (X > 76)

=

P_{0.8}^{87} (X \geq 77)

= 1 -

P_{0.8}^{87} (X \leq 76)

= 0.0266
(TI-Befehl: 1-binomcdf(87,0.8,76))

Binomialverteilung l < X < k

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=0,55 entsteht. Es wird eine Stichprobe der Menge 49 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips mindestens 22 und höchstens 31 beträgt?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der defekten Chips an. X ist binomialverteilt mit n=49 und p=0.55.

$P_{0.55}^{49} (22 \leq X \leq 31)$ =

...

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

...

P_{0.55}^{49} (X \leq 31)

-

P_{0.55}^{49} (X \leq 21)

≈ 0.9052 - 0.0592 ≈ 0.846
(TI-Befehl: binomcdf(49,0.55,31) - binomcdf(49,0.55,21))

Aufgabentypen anhand von Beispielen durchstöbern

0 oder 1 Treffer bei n Versuchen

Binomialkoeffizient

Binomialkoeffizient Anwendungen

Wahrscheinlichkeiten mit Binom.Koeff.

Formel v. Bernoulli

kumulierte WS aus Histogramm finden

kumulierte Binomialverteilung

Binomialverteilung X>=k

Binomialverteilung l < X < k