nach Aufgabentypen suchen

Aufgabentypen anhand von Beispielen durchstöbern

Browserfenster aktualisieren (F5), um neue Beispiele bei den Aufgabentypen zu sehen

0 oder 1 Treffer bei n Versuchen

Beispiel:

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

Lösung einblenden

Da die Wahrscheinlichkeit für einen Treffer (also hier, dass keine "6" gewürfelt wird) p = 1 6 beträgt, muss die Wahrscheinlichkeit für 4 Treffer bei 4 Versuchen P = ( 1 6 ) 4 ≈ 0.0008 betragen, da ja bei jedem Versuch ein Treffer erzielt wird, und es somit nur einen möglichen Pfad im Baumdiagramm gibt.

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: ( 16 1 )

Lösung einblenden

Wenn man von der allgememeinen Formel für den Binomialkoeffizient
( 16 1 ) = 16! 1! ⋅ (16 - 1)! = 16! 1! ⋅ 15! = 16⋅15⋅14⋅13⋅12⋅11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1 1 ⋅ 15⋅14⋅13⋅12⋅11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1
ausgeht, sieht man schnell, dass man mit der
15! = 15⋅14⋅13⋅12⋅11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1
rechts im Zähler und Nenner kürzen kann, so dass gilt:

( 16 1 ) = 16 1

= 16

Binomialkoeffizient Anwendungen

Beispiel:

Die Sportlehrerin Frau Hertz braucht für eine Demonstration 2 Schülerinnen. Diese möchte sie zufällig aus der 22-köpfigen Sportgruppe losen. Wie viele verschiedene 2er-Gruppen sind so möglich?

Lösung einblenden

Für die erste Stelle ist jede Schülerin möglich. Es gibt also 22 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Schülerin nicht mehr möglich, es gibt also nur noch 21 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 2221 = 462 Möglichkeiten, die 22 Möglichkeiten (Schülerinnen) auf die 2 "Ziehungen" (geloste) 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 462 Möglichkeiten für nach Reihenfolge sortierte 2er-Gruppen durch die 2 Möglichkeiten, die 2er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 462 2 = 231 Möglichkeiten für 2er-Gruppen, die aus 22 Elementen (Schülerinnen) gebildet werden.

Die hier durchgeführte Berechnung 2221 21 könnte man mit 20! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

231 = 2221 21 = 2221 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 = 22! 2! ⋅ 20! = ( 22 2 )

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

In einer Urne befinden sich 35 Kugeln, die mit den Zahlen 1 bis 35 beschriftet sind.

Es werden 6 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 16 und die 32 dabei sind?

Lösung einblenden

Es gibt insgesamt ( 35 6 ) = 35! 6! ⋅ 29! = 35⋅34⋅33⋅32⋅31⋅30 6⋅5⋅4⋅3⋅2⋅1 = 1623160 verschiedene Möglichkeiten, die 6 Kugeln aus den 35 zu ziehen, bzw. von 35 Zahlen 6 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn zwei der gezogenen Zahlen die 16 und die 32 sind, bzw. wie viele Möglichkeiten es gibt, 6 von 35 Zahlen anzukreuzen, wobei zwei Kreuze sicher auf der der 16 und der 32 sein müssen, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 4 Kreuze auf 33 Zahlen (alle außer der 16 und der 32) zu setzen, also ( 33 4 ) = 33! 4! ⋅ 29! = 33⋅32⋅31⋅30 4⋅3⋅2⋅1 = 40920.

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

P = Anzahl der gewünschten Ergebnisse Anzahl der möglichen Ergebnisse = 40920 1623160 ≈ 0.0252, also ca. 2.52%.

Formel v. Bernoulli

Beispiel:

In einer Urne sind 7 blaue und 3 rote Kugeln. Es wird 22 mal eine Kugel gezogen. Nach jedem Ziehen wird die Kugel wieder zurückgelegt. Wie groß ist die Wahrscheinlichkeit dass genau 13 mal eine blaue Kugel gezogen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der blauen Kugeln an. X ist binomialverteilt mit n=22 und p=0.7.

P0.722 (X=13) = ( 22 13 ) 0.713 0.39 =0.094861296462954≈ 0.0949
(TI-Befehl: binompdf(22,0.7,13))

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) ≥ 0.6.

Lösung einblenden

Wenn P(X ≥ k) ≥ 0.6 sein soll, bedeutet das doch, dass sie Summe der Säulenhöhen von k bis zum rechten Rand mindestens 0.6 sein muss. Das ist dann aber doch gleichbedeutend, wie dass für die restlichen Säulenhöhen links von 0 bis k-1 höchstens 1-0.6=0.4 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≈ 0.04≈ 0 + 0.04 = 0.04
1≈ 0.15≈ 0.04 + 0.15 = 0.19
2≈ 0.26≈ 0.19 + 0.26 = 0.45
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 1) = 0.19 also noch klar unter der geforderten Wahrscheinlichkeit von 0.4 liegt, ist P(X ≤ 2) = 0.45 klar darüber.

Oder andersrum: P(X ≥ 2) = 1 - P(X ≤ 1) = 0.81 (die Summe der blauen Säulenhöhen von 2 bis 11) ist klar über der geforderten Wahrscheinlichkeit von 0.6, während P(X ≥ 3) = 1 - P(X ≤ 2) = 0.55 (die Summe der Säulenhöhen von 3 bis 11) klar darunter liegt.

Somit ist das gesuchte k = 2.

kumulierte Binomialverteilung

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,3. Wie groß ist die Wahrscheinlichkeit bei 84 Versuchen weniger als 31 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Drehungen, die im grünen Bereich landen, an. X ist binomialverteilt mit n=84 und p=0.3.

P0.384 (X<31) = P0.384 (X30) = P0.384 (X=0) + P0.384 (X=1) + P0.384 (X=2) +... + P0.384 (X=30) = 0.89508852463025 ≈ 0.8951
(TI-Befehl: binomcdf(84,0.3,30))

Binomialverteilung X>=k

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, 5 oder mehr Glückskekse mit einer Peproni zu erwischen, wenn man 78 Glückskekse kauft?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Glückskekse mit einer Peperoni an. X ist binomialverteilt mit n=78 und p=0.125.

...
2
3
4
5
6
7
...

P0.12578 (X5) = 1 - P0.12578 (X4) = 0.9734
(TI-Befehl: 1-binomcdf(78,0.125,4))

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 85 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 14, aber weniger als 27 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der zufällig richtig beantworteten Fragen an. X ist binomialverteilt mit n=85 und p=0.25.

P0.2585 (14X26) =

...
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
...

P0.2585 (X26) - P0.2585 (X13) ≈ 0.9036 - 0.022 ≈ 0.8816
(TI-Befehl: binomcdf(85,0.25,26) - binomcdf(85,0.25,13))