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=0,15 Ausschuss. Es werden nacheinander 4 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 = 0,15, für einen Nicht-Treffer (also hier, dass ein entnommener Chips nicht defekt ist) beträgt sie q = 1 - 0,15 = $0,85$ . Hier gibt es nun mehrere Möglichkeiten, wann der eine Treffer eintritt:

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

Bei jedem dieser 4 Fälle ist die Wahrscheinlichkeit gleich, nämlich P_k = $0,15 \cdot {0,85}^{3}$ .

Für die gesuchte Wahrscheinlichkeit aller 4 Fälle gilt somit P = $4 \cdot 0,15 \cdot {0,85}^{3}$ ≈ 0.3685 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: $(\begin{matrix} 4 \\ 2 \end{matrix})$

Lösung einblenden

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

$(\begin{matrix} 4 \\ 2 \end{matrix})$ = $\frac{4⋅3}{2⋅1}$

= $\frac{2⋅3}{1}$ (gekürzt mit 2)

= 6

Binomialkoeffizient Anwendungen

Beispiel:

Ein Skatkartenspiel hat 32 verschiedende Karten. Aus einem gut gemischten Stapel werden 3 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 = 29760 Möglichkeiten, die 32 Möglichkeiten (Karten) auf die 3 "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 3er-Gruppe drin ist, nicht an welcher Stelle.

Wir berechnen jetzt also, wie viele mögliche Reihenfolgen pro 3er-Gruppe möglich sind.

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

Wir müssen deswegen die 29760 Möglichkeiten für nach Reihenfolge sortierte 3er-Gruppen durch die 6 Möglichkeiten, die 3er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich $\frac{29760}{6}$ = 4960 Möglichkeiten für 3er-Gruppen, die aus 32 Elementen (Karten) gebildet werden.

Die hier durchgeführte Berechnung $\frac{32\cdot31\cdot30}{3\cdot2\cdot1}$ könnte man mit 29! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

4960 = $\frac{32\cdot31\cdot30}{3\cdot2\cdot1}$ = $\frac{32 \cdot 31 \cdot 30 \cdot 29 \cdot 28 \cdot 27 \cdot 26 \cdot 25 \cdot 24 \cdot 23 \cdot 22 \cdot 21 \cdot 20 \cdot 19 \cdot 18 \cdot 17 \cdot 16 \cdot 15 \cdot 14 \cdot 13 \cdot 12 \cdot 11 \cdot 10 \cdot 9 \cdot 8 \cdot 7 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}{3 \cdot 2 \cdot 1 \cdot 29 \cdot 28 \cdot 27 \cdot 26 \cdot 25 \cdot 24 \cdot 23 \cdot 22 \cdot 21 \cdot 20 \cdot 19 \cdot 18 \cdot 17 \cdot 16 \cdot 15 \cdot 14 \cdot 13 \cdot 12 \cdot 11 \cdot 10 \cdot 9 \cdot 8 \cdot 7 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}$ = $\frac{32!}{3! ⋅ 29!}$ = $(\begin{matrix} 32 \\ 3 \end{matrix})$

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

In einer Urne befinden sich 25 Kugeln, die mit den Zahlen 1 bis 25 beschriftet sind.

Es werden 6 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 6, die 19 und die 20 dabei sind?

Lösung einblenden

Es gibt insgesamt $(\begin{matrix} 25 \\ 6 \end{matrix})$ = $\frac{25!}{6! ⋅ 19!}$ = $\frac{25⋅24⋅23⋅22⋅21⋅20}{6⋅5⋅4⋅3⋅2⋅1}$ = 177100 verschiedene Möglichkeiten, die 6 Kugeln aus den 25 zu ziehen, bzw. von 25 Zahlen 6 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn drei der gezogenen Zahlen die 6, die 19 und die 20 sind, bzw. wie viele Möglichkeiten es gibt, 6 von 25 Zahlen anzukreuzen, wobei drei Kreuze sicher auf der der 6, der 19 und der 20 sein müssen, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 3 Kreuze auf 22 Zahlen (alle außer der 6, der 19 und der 20) zu setzen, also $(\begin{matrix} 22 \\ 3 \end{matrix})$ = $\frac{22!}{3! ⋅ 19!}$ = $\frac{22⋅21⋅20}{3⋅2⋅1}$ = 1540.

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

P = $\frac{Anzahl der gewünschten Ergebnisse}{Anzahl der möglichen Ergebnisse}$ = $\frac{1540}{177100}$ ≈ 0.0087, also ca. 0.87%.

Formel v. Bernoulli

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 43 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so genau 12 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der zufällig richtig beantworteten Fragen an. X ist binomialverteilt mit n=43 und p= $\frac{1}{4}$ .

P_{\frac{1}{4}}^{43} (X = 12)

=

(\begin{matrix} 43 \\ 12 \end{matrix}) \cdot {(\frac{1}{4})}^{12} \cdot {(\frac{3}{4})}^{31}

=0.12245237342256≈ 0.1225
(TI-Befehl: binompdf(43,1/4,12))

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 43%. Wie groß ist die Wahrscheinlichkeit dass er von 79 Versuchen weniger als 41 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=79 und p=0.43.

P_{0.43}^{79} (X < 41)

=

P_{0.43}^{79} (X \leq 40)

=

P_{0.43}^{79} (X = 0)

+

P_{0.43}^{79} (X = 1)

+

P_{0.43}^{79} (X = 2)

+... +

P_{0.43}^{79} (X = 40)

= 0.93050611188 ≈ 0.9305
(TI-Befehl: binomcdf(79,0.43,40))

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=0,26 entsteht. Es wird eine Stichprobe der Menge 55 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon 14 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=55 und p=0.26.

...

11

12

13

14

15

16

...

P_{0.26}^{55} (X \geq 14)

= 1 -

P_{0.26}^{55} (X \leq 13)

= 0.5879
(TI-Befehl: 1-binomcdf(55,0.26,13))

Binomialverteilung l < 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 76 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 19, aber weniger als 27 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der zufällig richtig beantworteten Fragen an. X ist binomialverteilt mit n=76 und p=0.25.

$P_{0.25}^{76} (19 \leq X \leq 26)$ =

...

16

17

18

19

20

21

22

23

24

25

26

27

28

...

P_{0.25}^{76} (X \leq 26)

-

P_{0.25}^{76} (X \leq 18)

≈ 0.9735 - 0.4561 ≈ 0.5174
(TI-Befehl: binomcdf(76,0.25,26) - binomcdf(76,0.25,18))

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