Mathebattle EduRandomtasks

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=0,2 Ausschuss. Es werden nacheinander 3 Chips als Stichprobe entnommen. Bestimme die Wahrscheinlichkeit dafür, dass nur beim zweiten Chip ein Defekt vorliegt.

Lösung einblenden

Die Wahrscheinlichkeit für einen Treffer (also hier, dass ein entnommener Chips defekt sind) beträgt p = 0,2, für einen Nicht-Treffer (also hier, dass ein entnommener Chips nicht defekt ist) beträgt sie q = 1 - 0,2 = $0,8$ . Da ja der 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 = $0,8$ ⋅0,2⋅ $0,8$ = $0,2 \cdot {0,8}^{2}$ ≈ 0.128 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: $(\begin{matrix} 5 \\ 2 \end{matrix})$

Lösung einblenden

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

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

= $\frac{5⋅2}{1}$ (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 6⋅5 = 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 2⋅1 = 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 $\frac{30}{2}$ = 15 Möglichkeiten für 2er-Gruppen, die aus 6 Elementen (SchülerInnen) gebildet werden.

Die hier durchgeführte Berechnung $\frac{6\cdot5}{2\cdot1}$ könnte man mit 4! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

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

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

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

Es werden 7 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 2, die 29 und die 31 dabei sind?

Lösung einblenden

Es gibt insgesamt $(\begin{matrix} 40 \\ 7 \end{matrix})$ = $\frac{40!}{7! ⋅ 33!}$ = $\frac{40⋅39⋅38⋅37⋅36⋅35⋅34}{7⋅6⋅5⋅4⋅3⋅2⋅1}$ = 18643560 verschiedene Möglichkeiten, die 7 Kugeln aus den 40 zu ziehen, bzw. von 40 Zahlen 7 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn drei der gezogenen Zahlen die 2, die 29 und die 31 sind, bzw. wie viele Möglichkeiten es gibt, 7 von 40 Zahlen anzukreuzen, wobei drei Kreuze sicher auf der der 2, der 29 und der 31 sein müssen, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 4 Kreuze auf 37 Zahlen (alle außer der 2, der 29 und der 31) zu setzen, also $(\begin{matrix} 37 \\ 4 \end{matrix})$ = $\frac{37!}{4! ⋅ 33!}$ = $\frac{37⋅36⋅35⋅34}{4⋅3⋅2⋅1}$ = 66045.

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

P = $\frac{Anzahl der gewünschten Ereignisse}{Anzahl der möglichen Ereignisse}$ = $\frac{66045}{18643560}$ ≈ 0.0035, also ca. 0.35%.

Formel v. Bernoulli

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,9. Wie groß ist die Wahrscheinlichkeit dass er von 52 Versuchen genau 42 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=52 und p=0.9.

P_{0.9}^{52} (X = 42)

=

(\begin{matrix} 52 \\ 42 \end{matrix}) \cdot {0.9}^{42} \cdot {0.1}^{10}

=0.018940548016245≈ 0.0189
(TI-Befehl: binompdf(52,0.9,42))

kumulierte WS aus Histogramm finden

Beispiel:

In der Abbildung rechts ist das Histogramm einer binomialverteilten Zufallsgröße X zu sehen. Finde das größte k, für das gilt P(X ≥ k) ≥ 0.75.

Lösung einblenden

Wenn P(X ≥ k) ≥ 0.75 sein soll, bedeutet das doch, dass sie Summe der Säulenhöhen von k bis zum rechten Rand mindestens 0.75 sein muss. Das ist dann aber doch gleichbedeutend, wie dass für die restlichen Säulenhöhen links von 0 bis k-1 höchstens 1-0.75=0.25 als Wahrscheinlichkeit übrig bleiben darf.

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

k	P(X = k)	P(X ≤ k)
0	≈ 0.03	≈ 0 + 0.03 = 0.03
1	≈ 0.12	≈ 0.03 + 0.12 = 0.15
2	≈ 0.23	≈ 0.15 + 0.23 = 0.38

Während P(X ≤ 1) = 0.15 also noch klar unter der geforderten Wahrscheinlichkeit von 0.25 liegt, ist P(X ≤ 2) = 0.38 klar darüber.

Oder andersrum: P(X ≥ 2) = 1 - P(X ≤ 1) = 0.85 (die Summe der blauen Säulenhöhen von 2 bis 10) ist klar über der geforderten Wahrscheinlichkeit von 0.75, während P(X ≥ 3) = 1 - P(X ≤ 2) = 0.62 (die Summe der Säulenhöhen von 3 bis 10) klar darunter liegt.

Somit ist das gesuchte k = 2.

kumulierte Binomialverteilung

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 65%. Wie groß ist die Wahrscheinlichkeit dass er von 23 Versuchen weniger als 18 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=23 und p=0.65.

P_{0.65}^{23} (X < 18)

=

P_{0.65}^{23} (X \leq 17)

=

P_{0.65}^{23} (X = 0)

+

P_{0.65}^{23} (X = 1)

+

P_{0.65}^{23} (X = 2)

+... +

P_{0.65}^{23} (X = 17)

= 0.86905347585914 ≈ 0.8691
(TI-Befehl: binomcdf(23,0.65,17))

Binomialverteilung X>=k

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,85. Wie groß ist die Wahrscheinlichkeit bei 33 Versuchen mindestens 26 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=33 und p=0.85.

...

23

24

25

26

27

28

...

P_{0.85}^{33} (X \geq 26)

= 1 -

P_{0.85}^{33} (X \leq 25)

= 0.8893
(TI-Befehl: 1-binomcdf(33,0.85,25))

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 2 und höchstens 14 Glückskekse mit einer Peproni zu erwischen, wenn man 84 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Glückskekse mit einer Peperoni an. X ist binomialverteilt mit n=84 und p=0.125.

$P_{0.125}^{84} (3 \leq X \leq 14)$ =

...

0

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

...

P_{0.125}^{84} (X \leq 14)

-

P_{0.125}^{84} (X \leq 2)

≈ 0.9026 - 0.0011 ≈ 0.9015
(TI-Befehl: binomcdf(84,0.125,14) - binomcdf(84,0.125,2))

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