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 im zweiten Wurf keine "6" gewürfelt wird.

Lösung einblenden

Da hier ja nur eine Aussage über den 2-ten Versuch gemacht wird und keine Aussage über alle anderen Versuche, muss auch nur der 2-te Versuch betrachtet werden.
(In jedem anderen Versuch ist die Wahrscheinlichkeit 1, da es ja keine Einschränkung für diesen Versuch gibt.)

Für die gesuchte Wahrscheinlichkeit gilt somit einfach P = 1 - 1 6 = 5 6 ≈ 0.8333 .

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:

Die Sportlehrerin Frau Hertz braucht für eine Demonstration 5 Schülerinnen. Diese möchte sie zufällig aus der 18-köpfigen Sportgruppe losen. Wie viele verschiedene 5er-Gruppen sind so möglich?

Lösung einblenden

Für die erste Stelle ist jede Schülerin möglich. Es gibt also 18 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Schülerin nicht mehr möglich, es gibt also nur noch 17 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 16 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 18⋅17⋅16⋅15⋅14 = 1028160 Möglichkeiten, die 18 Möglichkeiten (Schülerinnen) auf die 5 "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 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 1028160 Möglichkeiten für nach Reihenfolge sortierte 5er-Gruppen durch die 120 Möglichkeiten, die 5er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 1028160 120 = 8568 Möglichkeiten für 5er-Gruppen, die aus 18 Elementen (Schülerinnen) gebildet werden.

Die hier durchgeführte Berechnung 18⋅17⋅16⋅15⋅14 5⋅4⋅3⋅2⋅1 könnte man mit 13! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

8568 = 18⋅17⋅16⋅15⋅14 5⋅4⋅3⋅2⋅1 = 18⋅17⋅16⋅15⋅14 ⋅13 ⋅ 12 ⋅ 11 ⋅ 10 ⋅ 9 ⋅ 8 ⋅ 7 ⋅ 6 ⋅ 5 ⋅ 4 ⋅ 3 ⋅ 2 ⋅ 1 5⋅4⋅3⋅2⋅1 ⋅13 ⋅ 12 ⋅ 11 ⋅ 10 ⋅ 9 ⋅ 8 ⋅ 7 ⋅ 6 ⋅ 5 ⋅ 4 ⋅ 3 ⋅ 2 ⋅ 1 = 18! 5! ⋅ 13! = ( 18 5 )

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 2 und die 10 dabei sind?

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 zwei der gezogenen Zahlen die 2 und die 10 sind, bzw. wie viele Möglichkeiten es gibt, 8 von 30 Zahlen anzukreuzen, wobei zwei Kreuze sicher auf der der 2 und der 10 sein müssen, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 6 Kreuze auf 28 Zahlen (alle außer der 2 und der 10) zu setzen, also ( 28 6 ) = 28! 6! ⋅ 22! = 28⋅27⋅26⋅25⋅24⋅23 6⋅5⋅4⋅3⋅2⋅1 = 376740.

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

P = Anzahl der gewünschten Ergebnisse Anzahl der möglichen Ergebnisse = 376740 5852925 ≈ 0.0644, also ca. 6.44%.

Formel v. Bernoulli

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,15. Wie groß ist die Wahrscheinlichkeit bei 63 Versuchen genau 16 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=63 und p=0.15.

P0.1563 (X=16) = ( 63 16 ) ⋅ 0.1516 ⋅ 0.8547 =0.011590426901584≈ 0.0116
(TI-Befehl: binompdf(63,0.15,16))

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) ≥ 0.55.

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≈ 0.05≈ 0.01 + 0.05 = 0.06
2≈ 0.14≈ 0.06 + 0.14 = 0.2
3≈ 0.22≈ 0.2 + 0.22 = 0.42
4≈ 0.23≈ 0.42 + 0.23 = 0.65
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 3) = 0.42 also noch klar unter der geforderten Wahrscheinlichkeit von 0.55 liegt, ist P(X ≤ 4) = 0.65 klar darüber.

Somit ist das gesuchte k = 4.

kumulierte Binomialverteilung

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, nicht mehr als 6 Glückskekse mit einer Peproni zu erwischen, wenn man 90 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Glückskekse mit einer Peperoni an. X ist binomialverteilt mit n=90 und p= 1 8 .

P 1 8 90 (X≤6) = P 1 8 90 (X=0) + P 1 8 90 (X=1) + P 1 8 90 (X=2) +... + P 1 8 90 (X=6) = 0.056791900815743 ≈ 0.0568
(TI-Befehl: binomcdf(90,1/8,6))

Binomialverteilung X>=k

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,25. Wie groß ist die Wahrscheinlichkeit bei 83 Versuchen mehr als 18 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=83 und p=0.25.

...
16
17
18
19
20
21
...

P0.2583 (X>18) = P0.2583 (X≥19) = 1 - P0.2583 (X≤18) = 0.7107
(TI-Befehl: 1-binomcdf(83,0.25,18))

Binomialverteilung l < X < k

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,3. Wie groß ist die Wahrscheinlichkeit bei 77 Versuchen, mehr als 20 mal und höchstens 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=77 und p=0.3.

P0.377 (21≤X≤31) =

...
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
...

P0.377 (X≤31) - P0.377 (X≤20) ≈ 0.9795 - 0.2623 ≈ 0.7172
(TI-Befehl: binomcdf(77,0.3,31) - binomcdf(77,0.3,20))