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 5 mal geworfen. Bestimme die Wahrscheinlichkeit dafür, dass jeder Wurf eine "6" ist, außer beim vierten Versuch.

Lösung einblenden

Die Wahrscheinlichkeit für einen Treffer (also hier, dass eine "6" gewürfelt wird) beträgt p = 1 6 , für einen Nicht-Treffer (also hier, dass keine "6" gewürfelt wird) beträgt sie q = 1 - 1 6 = 5 6 . Da ja der Nicht-Treffer genau im vierten Durchgang kommen soll, ist auch hier nur ein Pfad im Baumdiagramm möglich. Dessen Wahrscheinlichkeit lässt sich dann wie folgt berechnen:

P = 1 6 ⋅ 1 6 ⋅ 1 6 ⋅ 5 6 ⋅ 1 6 = 5 6 · ( 1 6 ) 4 ≈ 0.0006 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: ( 20 18 )

Lösung einblenden

Wenn man von der allgememeinen Formel für den Binomialkoeffizient
( 20 18 ) = 20! 18! ⋅ (20 - 18)! = 20! 18! ⋅ 2! = 20⋅19⋅18⋅17⋅16⋅15⋅14⋅13⋅12⋅11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1 18⋅17⋅16⋅15⋅14⋅13⋅12⋅11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1 ⋅ 2⋅1
ausgeht, sieht man schnell, dass man mit der
18! = 18⋅17⋅16⋅15⋅14⋅13⋅12⋅11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1
rechts im Zähler und links im Nenner kürzen kann, so dass gilt:

( 20 18 ) = 20⋅19 2⋅1

= 10⋅19 1 (gekürzt mit 2)

= 190

Binomialkoeffizient Anwendungen

Beispiel:

Eine Mathelehrerin verlost unter den 10 SchülerInnen ihrer 8. Klasse, die eine Zusatzaufgabe gemacht haben, 5 Matherätsel-Knobelbücher. Natürlich kann jeder höchstens eins bekommen. Wie viele verschiedene Möglichkeiten gibt es für die 5er-Gruppe der glücklichen Gewinner?

Lösung einblenden

Für die erste Stelle ist jede SchülerIn möglich. Es gibt also 10 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte SchülerIn nicht mehr möglich, es gibt also nur noch 9 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 8 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 10⋅9⋅8⋅7⋅6 = 30240 Möglichkeiten, die 10 Möglichkeiten (SchülerInnen) auf die 5 "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 5er-Gruppe drin ist, nicht an welcher Stelle.

Wir berechnen jetzt also, wie viele mögliche Reihenfolgen pro 5er-Gruppe möglich sind.

  • Für die erste Stelle ist jede(r) aus der 5er-Gruppe möglich. Es gibt also 5 Möglichkeiten.
  • Für die zweite Stelle ist der/die an erster Stelle stehende nicht mehr möglich, es gibt also nur noch 4 Möglichkeiten.
  • Für die 3. Stelle fehlen dann schon 2, so dass nur noch 3 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 5⋅4⋅3⋅2⋅1 = 120 Möglichkeiten für die verschiedenen Reihenfolgen innerhalb einer 5er-Gruppe.

Wir müssen deswegen die 30240 Möglichkeiten für nach Reihenfolge sortierte 5er-Gruppen durch die 120 Möglichkeiten, die 5er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 30240 120 = 252 Möglichkeiten für 5er-Gruppen, die aus 10 Elementen (SchülerInnen) gebildet werden.

Die hier durchgeführte Berechnung 10⋅9⋅8⋅7⋅6 5⋅4⋅3⋅2⋅1 könnte man mit 5! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

252 = 10⋅9⋅8⋅7⋅6 5⋅4⋅3⋅2⋅1 = 10⋅9⋅8⋅7⋅6 ⋅5 ⋅ 4 ⋅ 3 ⋅ 2 ⋅ 1 5⋅4⋅3⋅2⋅1 ⋅5 ⋅ 4 ⋅ 3 ⋅ 2 ⋅ 1 = 10! 5! ⋅ 5! = ( 10 5 )

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

In einer Urne befinden sich 30 Kugeln, die mit den Zahlen 1 bis 30 beschriftet sind.

Es werden 4 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 30 dabei ist?

Lösung einblenden

Es gibt insgesamt ( 30 4 ) = 30! 4! ⋅ 26! = 30⋅29⋅28⋅27 4⋅3⋅2⋅1 = 27405 verschiedene Möglichkeiten, die 4 Kugeln aus den 30 zu ziehen, bzw. von 30 Zahlen 4 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn eine der gezogenen Zahlen die 30 ist, bzw. wie viele Möglichkeiten es gibt, 4 von 30 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 30 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 3 Kreuze auf 29 Zahlen (alle außer der 30) zu setzen, also ( 29 3 ) = 29! 3! ⋅ 26! = 29⋅28⋅27 3⋅2⋅1 = 3654.

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

P = Anzahl der gewünschten Ergebnisse Anzahl der möglichen Ergebnisse = 3654 27405 ≈ 0.1333, also ca. 13.33%.

Formel v. Bernoulli

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 25% entsteht. Es wird eine Stichprobe der Menge 84 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon genau 13 defekte Chips enthalten sind.

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der defekten Chips an. X ist binomialverteilt mit n=84 und p=0.25.

P0.2584 (X=13) = ( 84 13 ) ⋅ 0.2513 ⋅ 0.7571 =0.012560591309023≈ 0.0126
(TI-Befehl: binompdf(84,0.25,13))

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 kleinste k, für das gilt P(X ≤ k) ≥ 0.7.

Lösung einblenden

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

kP(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≈ 0.19≈ 0.16 + 0.19 = 0.35
4≈ 0.23≈ 0.35 + 0.23 = 0.58
5≈ 0.2≈ 0.58 + 0.2 = 0.78
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 4) = 0.58 also noch klar unter der geforderten Wahrscheinlichkeit von 0.7 liegt, ist P(X ≤ 5) = 0.78 klar darüber.

Somit ist das gesuchte k = 5.

kumulierte Binomialverteilung

Beispiel:

Eine Münze wird 27 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass weniger als 14 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Würfe mit Zahl an. X ist binomialverteilt mit n=27 und p=0.5.

P0.527 (X<14) = P0.527 (X≤13) = P0.527 (X=0) + P0.527 (X=1) + P0.527 (X=2) +... + P0.527 (X=13) = 0.5 ≈ 0.5
(TI-Befehl: binomcdf(27,0.5,13))

Binomialverteilung X>=k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,61. Wie groß ist die Wahrscheinlichkeit dass er von 100 Versuchen mindestens 67 trifft?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=100 und p=0.61.

...
64
65
66
67
68
69
...

P0.61100 (X≥67) = 1 - P0.61100 (X≤66) = 0.1292
(TI-Befehl: 1-binomcdf(100,0.61,66))

Binomialverteilung l < X < k

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, mehr als 3 und höchstens 10 Glückskekse mit einer Peproni zu erwischen, wenn man 74 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Glückskekse mit einer Peperoni an. X ist binomialverteilt mit n=74 und p=0.125.

P0.12574 (4≤X≤10) =

...
1
2
3
4
5
6
7
8
9
10
11
12
...

P0.12574 (X≤10) - P0.12574 (X≤3) ≈ 0.6824 - 0.0131 ≈ 0.6693
(TI-Befehl: binomcdf(74,0.125,10) - binomcdf(74,0.125,3))