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 jeder Wurf eine "6" ist, außer beim zweiten 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 zweiten Durchgang kommen soll, ist auch hier nur ein Pfad im Baumdiagramm möglich. Dessen Wahrscheinlichkeit lässt sich dann wie folgt berechnen:

P = 1 6 ⋅ 5 6 ⋅ 1 6 ⋅ 1 6 = 5 6 · ( 1 6 ) 3 ≈ 0.0039 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: ( 6 3 )

Lösung einblenden

Wenn man von der allgememeinen Formel für den Binomialkoeffizient
( 6 3 ) = 6! 3! ⋅ (6 - 3)! = 6! 3! ⋅ 3! = 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:

( 6 3 ) = 6⋅5⋅4 3⋅2⋅1

= 2⋅5⋅4 2⋅1 (gekürzt mit 3)

= 5⋅4 1 (gekürzt mit 2)

= 20

Binomialkoeffizient Anwendungen

Beispiel:

Ein Skatkartenspiel hat 32 verschiedende Karten. Aus einem gut gemischten Stapel werden 6 Karten gezogen.Wie viele verschiedene Möglichkeiten gibt es hierfür?

Lösung einblenden

Für die erste Stelle ist jede Karte möglich. Es gibt also 32 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Karte nicht mehr möglich, es gibt also nur noch 31 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 30 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 32⋅31⋅30⋅29⋅28⋅27 = 652458240 Möglichkeiten, die 32 Möglichkeiten (Karten) auf die 6 "Ziehungen" (gezogene) zu verteilen.

Wir haben jetzt dabei aber genau unterschieden an welcher Stelle was gezogen bzw. gewählt wurde. Also wären zum Beispiel HerzAss - KreuzBube - Karo7 und KreuzBube - Karo7 - HerzAss zwei unterschiedliche Ergebnisse. In unserem Fall hier soll diese Reihenfolge aber keine Rolle spielen. Es interessiert nur, wer in der 6er-Gruppe drin ist, nicht an welcher Stelle.

Wir berechnen jetzt also, wie viele mögliche Reihenfolgen pro 6er-Gruppe möglich sind.

  • Für die erste Stelle ist jede(r) aus der 6er-Gruppe möglich. Es gibt also 6 Möglichkeiten.
  • Für die zweite Stelle ist der/die an erster Stelle stehende nicht mehr möglich, es gibt also nur noch 5 Möglichkeiten.
  • Für die 3. Stelle fehlen dann schon 2, so dass nur noch 4 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 6⋅5⋅4⋅3⋅2⋅1 = 720 Möglichkeiten für die verschiedenen Reihenfolgen innerhalb einer 6er-Gruppe.

Wir müssen deswegen die 652458240 Möglichkeiten für nach Reihenfolge sortierte 6er-Gruppen durch die 720 Möglichkeiten, die 6er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 652458240 720 = 906192 Möglichkeiten für 6er-Gruppen, die aus 32 Elementen (Karten) gebildet werden.

Die hier durchgeführte Berechnung 32⋅31⋅30⋅29⋅28⋅27 6⋅5⋅4⋅3⋅2⋅1 könnte man mit 26! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

906192 = 32⋅31⋅30⋅29⋅28⋅27 6⋅5⋅4⋅3⋅2⋅1 = 32⋅31⋅30⋅29⋅28⋅27 ⋅26 ⋅ 25 ⋅ 24 ⋅ 23 ⋅ 22 ⋅ 21 ⋅ 20 ⋅ 19 ⋅ 18 ⋅ 17 ⋅ 16 ⋅ 15 ⋅ 14 ⋅ 13 ⋅ 12 ⋅ 11 ⋅ 10 ⋅ 9 ⋅ 8 ⋅ 7 ⋅ 6 ⋅ 5 ⋅ 4 ⋅ 3 ⋅ 2 ⋅ 1 6⋅5⋅4⋅3⋅2⋅1 ⋅26 ⋅ 25 ⋅ 24 ⋅ 23 ⋅ 22 ⋅ 21 ⋅ 20 ⋅ 19 ⋅ 18 ⋅ 17 ⋅ 16 ⋅ 15 ⋅ 14 ⋅ 13 ⋅ 12 ⋅ 11 ⋅ 10 ⋅ 9 ⋅ 8 ⋅ 7 ⋅ 6 ⋅ 5 ⋅ 4 ⋅ 3 ⋅ 2 ⋅ 1 = 32! 6! ⋅ 26! = ( 32 6 )

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

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

Es werden 8 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 12 dabei ist?

Lösung einblenden

Es gibt insgesamt ( 30 8 ) = 30! 8! ⋅ 22! = 30⋅29⋅28⋅27⋅26⋅25⋅24⋅23 8⋅7⋅6⋅5⋅4⋅3⋅2⋅1 = 5852925 verschiedene Möglichkeiten, die 8 Kugeln aus den 30 zu ziehen, bzw. von 30 Zahlen 8 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn eine der gezogenen Zahlen die 12 ist, bzw. wie viele Möglichkeiten es gibt, 8 von 30 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 12 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 7 Kreuze auf 29 Zahlen (alle außer der 12) zu setzen, also ( 29 7 ) = 29! 7! ⋅ 22! = 29⋅28⋅27⋅26⋅25⋅24⋅23 7⋅6⋅5⋅4⋅3⋅2⋅1 = 1560780.

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

P = Anzahl der gewünschten Ergebnisse Anzahl der möglichen Ergebnisse = 1560780 5852925 ≈ 0.2667, also ca. 26.67%.

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 30% entsteht. Es wird eine Stichprobe der Menge 86 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon genau 32 defekte Chips enthalten sind.

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der defekten Chips an. X ist binomialverteilt mit n=86 und p=0.3.

P0.386 (X=32) = ( 86 32 ) ⋅ 0.332 ⋅ 0.754 =0.031914341819163≈ 0.0319
(TI-Befehl: binompdf(86,0.3,32))

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) ≥ 0.4.

Lösung einblenden

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

kP(X = k)P(X ≤ k)
0≈ 0≈ 0 + 0 = 0
1≈ 0.03≈ 0 + 0.03 = 0.03
2≈ 0.09≈ 0.03 + 0.09 = 0.12
3≈ 0.18≈ 0.12 + 0.18 = 0.3
4≈ 0.24≈ 0.3 + 0.24 = 0.54
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 3) = 0.3 also noch klar unter der geforderten Wahrscheinlichkeit von 0.4 liegt, ist P(X ≤ 4) = 0.54 klar darüber.

Somit ist das gesuchte k = 4.

kumulierte Binomialverteilung

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 57%. Wie groß ist die Wahrscheinlichkeit dass er von 32 Versuchen weniger als 18 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=32 und p=0.57.

P0.5732 (X<18) = P0.5732 (X≤17) = P0.5732 (X=0) + P0.5732 (X=1) + P0.5732 (X=2) +... + P0.5732 (X=17) = 0.39303573981576 ≈ 0.393
(TI-Befehl: binomcdf(32,0.57,17))

Binomialverteilung 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=0,17 entsteht. Es wird eine Stichprobe der Menge 63 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon 11 oder sogar noch mehr Chips defekt sind?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der defekten Chips an. X ist binomialverteilt mit n=63 und p=0.17.

...
8
9
10
11
12
13
...

P0.1763 (X≥11) = 1 - P0.1763 (X≤10) = 0.5132
(TI-Befehl: 1-binomcdf(63,0.17,10))

Binomialverteilung l < X < k

Beispiel:

Ein Zufallsexperiment wird 63 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,6.Wie groß ist dabei die Wahrscheinlichkeit, mindestens 39, aber höchstens 40 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=63 und p=0.6.

P0.663 (39≤X≤40) =

...
36
37
38
39
40
41
42
...

P0.663 (X≤40) - P0.663 (X≤38) ≈ 0.7547 - 0.5681 ≈ 0.1866
(TI-Befehl: binomcdf(63,0.6,40) - binomcdf(63,0.6,38))