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 5 Chips als Stichprobe entnommen. Bestimme die Wahrscheinlichkeit dafür, dass dabei genau ein Chip defekt ist.

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 = $0,8$ . Hier gibt es nun mehrere Möglichkeiten, wann der eine Treffer eintritt:

Treffer - NichtTreffer - NichtTreffer - NichtTreffer - NichtTreffer (also Treffer im 1-ten Versuch)
NichtTreffer - Treffer - NichtTreffer - NichtTreffer - NichtTreffer (also Treffer im 2-ten Versuch)
NichtTreffer - NichtTreffer - Treffer - NichtTreffer - NichtTreffer (also Treffer im 3-ten Versuch)
NichtTreffer - NichtTreffer - NichtTreffer - Treffer - NichtTreffer (also Treffer im 4-ten Versuch)
NichtTreffer - NichtTreffer - NichtTreffer - NichtTreffer - Treffer (also Treffer im 5-ten Versuch)

Bei jedem dieser 5 Fälle ist die Wahrscheinlichkeit gleich, nämlich P_k = $0,2 \cdot {0,8}^{4}$ .

Für die gesuchte Wahrscheinlichkeit aller 5 Fälle gilt somit P = $5 \cdot 0,2 \cdot {0,8}^{4}$ ≈ 0.4096 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: $(\begin{matrix} 7 \\ 3 \end{matrix})$

Lösung einblenden

Wenn man von der allgememeinen Formel für den Binomialkoeffizient
$(\begin{matrix} 7 \\ 3 \end{matrix})$ = $\frac{7!}{3! ⋅ (7 - 3)!}$ = $\frac{7!}{3! ⋅ 4!}$ = $\frac{7⋅6⋅5⋅4⋅3⋅2⋅1}{3⋅2⋅1 ⋅ 4⋅3⋅2⋅1}$
ausgeht, sieht man schnell, dass man mit der
4! = 4⋅3⋅2⋅1
rechts im Zähler und Nenner kürzen kann, so dass gilt:

$(\begin{matrix} 7 \\ 3 \end{matrix})$ = $\frac{7⋅6⋅5}{3⋅2⋅1}$

= $\frac{7⋅2⋅5}{2⋅1}$ (gekürzt mit 3)

= $\frac{7⋅5}{1}$ (gekürzt mit 2)

= 35

Binomialkoeffizient Anwendungen

Beispiel:

Bei einem Glücksspiel sind auf einem Schein 10 Felder abgedruckt. Von diesen 10 Felder soll sich der Spieler 4 Felder aussuchen und ankreuzen.Wieviele Möglichkeiten hat er hierfür?

Lösung einblenden

Für die erste Stelle ist jedes Feld möglich. Es gibt also 10 Möglichkeiten. Für die zweite Stelle ist das bereits als erstes gewählte Feld 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 = 5040 Möglichkeiten, die 10 Möglichkeiten (abgedruckte Felder) auf die 4 "Ziehungen" (angekreuzte Felder) zu verteilen.

Wir haben jetzt dabei aber genau unterschieden an welcher Stelle was gezogen bzw. gewählt wurde. Also wären zum Beispiel Feld1 - Feld3 - Feld6 und Feld3 - Feld6 - Feld1 zwei unterschiedliche Ergebnisse. In unserem Fall hier soll diese Reihenfolge aber keine Rolle spielen. Es interessiert nur, wer in der 4er-Gruppe drin ist, nicht an welcher Stelle.

Wir berechnen jetzt also, wie viele mögliche Reihenfolgen pro 4er-Gruppe möglich sind.

Für die erste Stelle ist jede(r) aus der 4er-Gruppe möglich. Es gibt also 4 Möglichkeiten.
Für die zweite Stelle ist der/die an erster Stelle stehende nicht mehr möglich, es gibt also nur noch 3 Möglichkeiten.
Für die 3. Stelle fehlen dann schon 2, so dass nur noch 2 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 4⋅3⋅2⋅1 = 24 Möglichkeiten für die verschiedenen Reihenfolgen innerhalb einer 4er-Gruppe.

Wir müssen deswegen die 5040 Möglichkeiten für nach Reihenfolge sortierte 4er-Gruppen durch die 24 Möglichkeiten, die 4er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich $\frac{5040}{24}$ = 210 Möglichkeiten für 4er-Gruppen, die aus 10 Elementen (abgedruckte Felder) gebildet werden.

Die hier durchgeführte Berechnung $\frac{10\cdot9\cdot8\cdot7}{4\cdot3\cdot2\cdot1}$ könnte man mit 6! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

210 = $\frac{10\cdot9\cdot8\cdot7}{4\cdot3\cdot2\cdot1}$ = $\frac{10 \cdot 9 \cdot 8 \cdot 7 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}{4 \cdot 3 \cdot 2 \cdot 1 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}$ = $\frac{10!}{4! ⋅ 6!}$ = $(\begin{matrix} 10 \\ 4 \end{matrix})$

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

In einer Urne befinden sich 20 Kugeln, die mit den Zahlen 1 bis 20 beschriftet sind.

Es werden 7 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 17 dabei ist?

Lösung einblenden

Es gibt insgesamt $(\begin{matrix} 20 \\ 7 \end{matrix})$ = $\frac{20!}{7! ⋅ 13!}$ = $\frac{20⋅19⋅18⋅17⋅16⋅15⋅14}{7⋅6⋅5⋅4⋅3⋅2⋅1}$ = 77520 verschiedene Möglichkeiten, die 7 Kugeln aus den 20 zu ziehen, bzw. von 20 Zahlen 7 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn eine der gezogenen Zahlen die 17 ist, bzw. wie viele Möglichkeiten es gibt, 7 von 20 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 17 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 6 Kreuze auf 19 Zahlen (alle außer der 17) zu setzen, also $(\begin{matrix} 19 \\ 6 \end{matrix})$ = $\frac{19!}{6! ⋅ 13!}$ = $\frac{19⋅18⋅17⋅16⋅15⋅14}{6⋅5⋅4⋅3⋅2⋅1}$ = 27132.

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

P = $\frac{Anzahl der gewünschten Ergebnisse}{Anzahl der möglichen Ergebnisse}$ = $\frac{27132}{77520}$ ≈ 0.35, also ca. 35%.

Formel v. Bernoulli

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, genau 5 Glückskekse mit einer Peproni zu erwischen, wenn man 98 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Glückskekse mit einer Peperoni an. X ist binomialverteilt mit n=98 und p= $\frac{1}{8}$ .

P_{\frac{1}{8}}^{98} (X = 5)

=

(\begin{matrix} 98 \\ 5 \end{matrix}) \cdot {(\frac{1}{8})}^{5} \cdot {(\frac{7}{8})}^{93}

=0.0083798887289086≈ 0.0084
(TI-Befehl: binompdf(98,1/8,5))

kumulierte WS aus Histogramm finden

Beispiel:

In der Abbildung rechts ist das Histogramm einer binomialverteilten Zufallsgröße X zu sehen. Finde das kleinste k, für das gilt P(X ≤ k) ≥ 0.25.

Lösung einblenden

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

k	P(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

Während P(X ≤ 2) = 0.16 also noch klar unter der geforderten Wahrscheinlichkeit von 0.25 liegt, ist P(X ≤ 3) = 0.35 klar darüber.

Somit ist das gesuchte k = 3.

kumulierte Binomialverteilung

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=0,16 entsteht. Es wird eine Stichprobe der Menge 89 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon nicht mehr als 13 defekte Chips enthalten sind.

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der defekten Chips an. X ist binomialverteilt mit n=89 und p=0.16.

P_{0.16}^{89} (X \leq 13)

=

P_{0.16}^{89} (X = 0)

+

P_{0.16}^{89} (X = 1)

+

P_{0.16}^{89} (X = 2)

+... +

P_{0.16}^{89} (X = 13)

= 0.42780899702541 ≈ 0.4278
(TI-Befehl: binomcdf(89,0.16,13))

Binomialverteilung 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 88 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so 27 oder gar noch mehr Fragen richtig beantwortet hat?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der zufällig richtig beantworteten Fragen an. X ist binomialverteilt mit n=88 und p=0.25.

...

24

25

26

27

28

29

...

P_{0.25}^{88} (X \geq 27)

= 1 -

P_{0.25}^{88} (X \leq 26)

= 0.1347
(TI-Befehl: 1-binomcdf(88,0.25,26))

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 12 und höchstens 18 Glückskekse mit einer Peproni zu erwischen, wenn man 95 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Glückskekse mit einer Peperoni an. X ist binomialverteilt mit n=95 und p=0.125.

$P_{0.125}^{95} (13 \leq X \leq 18)$ =

...

10

11

12

13

14

15

16

17

18

19

20

...

P_{0.125}^{95} (X \leq 18)

-

P_{0.125}^{95} (X \leq 12)

≈ 0.9749 - 0.5914 ≈ 0.3835
(TI-Befehl: binomcdf(95,0.125,18) - binomcdf(95,0.125,12))

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