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=0,35 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 = 0,35, für einen Nicht-Treffer (also hier, dass ein entnommener Chips nicht defekt ist) beträgt sie q = 1 - 0,35 = $0,65$ . 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 = $0,35 \cdot {0,65}^{3}$ .

Für die gesuchte Wahrscheinlichkeit aller 4 Fälle gilt somit P = $4 \cdot 0,35 \cdot {0,65}^{3}$ ≈ 0.3845 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: $(\begin{matrix} 6 \\ 3 \end{matrix})$

Lösung einblenden

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

$(\begin{matrix} 6 \\ 3 \end{matrix})$ = $\frac{6⋅5⋅4}{3⋅2⋅1}$

= $\frac{2⋅5⋅4}{2⋅1}$ (gekürzt mit 3)

= $\frac{5⋅4}{1}$ (gekürzt mit 2)

= 20

Binomialkoeffizient Anwendungen

Beispiel:

Die Sportlehrerin Frau Hertz braucht für eine Demonstration 3 Schülerinnen. Diese möchte sie zufällig aus der 25-köpfigen Sportgruppe losen. Wie viele verschiedene 3er-Gruppen sind so möglich?

Lösung einblenden

Für die erste Stelle ist jede Schülerin möglich. Es gibt also 25 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Schülerin nicht mehr möglich, es gibt also nur noch 24 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 23 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 25⋅24⋅23 = 13800 Möglichkeiten, die 25 Möglichkeiten (Schülerinnen) auf die 3 "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 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 13800 Möglichkeiten für nach Reihenfolge sortierte 3er-Gruppen durch die 6 Möglichkeiten, die 3er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich $\frac{13800}{6}$ = 2300 Möglichkeiten für 3er-Gruppen, die aus 25 Elementen (Schülerinnen) gebildet werden.

Die hier durchgeführte Berechnung $\frac{25\cdot24\cdot23}{3\cdot2\cdot1}$ könnte man mit 22! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

2300 = $\frac{25\cdot24\cdot23}{3\cdot2\cdot1}$ = $\frac{25 \cdot 24 \cdot 23 \cdot 22 \cdot 21 \cdot 20 \cdot 19 \cdot 18 \cdot 17 \cdot 16 \cdot 15 \cdot 14 \cdot 13 \cdot 12 \cdot 11 \cdot 10 \cdot 9 \cdot 8 \cdot 7 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}{3 \cdot 2 \cdot 1 \cdot 22 \cdot 21 \cdot 20 \cdot 19 \cdot 18 \cdot 17 \cdot 16 \cdot 15 \cdot 14 \cdot 13 \cdot 12 \cdot 11 \cdot 10 \cdot 9 \cdot 8 \cdot 7 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}$ = $\frac{25!}{3! ⋅ 22!}$ = $(\begin{matrix} 25 \\ 3 \end{matrix})$

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

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

Es werden 8 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 14 dabei ist?

Lösung einblenden

Es gibt insgesamt $(\begin{matrix} 25 \\ 8 \end{matrix})$ = $\frac{25!}{8! ⋅ 17!}$ = $\frac{25⋅24⋅23⋅22⋅21⋅20⋅19⋅18}{8⋅7⋅6⋅5⋅4⋅3⋅2⋅1}$ = 1081575 verschiedene Möglichkeiten, die 8 Kugeln aus den 25 zu ziehen, bzw. von 25 Zahlen 8 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn eine der gezogenen Zahlen die 14 ist, bzw. wie viele Möglichkeiten es gibt, 8 von 25 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 14 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 7 Kreuze auf 24 Zahlen (alle außer der 14) zu setzen, also $(\begin{matrix} 24 \\ 7 \end{matrix})$ = $\frac{24!}{7! ⋅ 17!}$ = $\frac{24⋅23⋅22⋅21⋅20⋅19⋅18}{7⋅6⋅5⋅4⋅3⋅2⋅1}$ = 346104.

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

P = $\frac{Anzahl der gewünschten Ergebnisse}{Anzahl der möglichen Ergebnisse}$ = $\frac{346104}{1081575}$ ≈ 0.32, also ca. 32%.

Formel v. Bernoulli

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, genau 13 Glückskekse mit einer Peproni zu erwischen, wenn man 97 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Glückskekse mit einer Peperoni an. X ist binomialverteilt mit n=97 und p= $\frac{1}{8}$ .

P_{\frac{1}{8}}^{97} (X = 13)

=

(\begin{matrix} 97 \\ 13 \end{matrix}) \cdot {(\frac{1}{8})}^{13} \cdot {(\frac{7}{8})}^{84}

=0.11402096671782≈ 0.114
(TI-Befehl: binompdf(97,1/8,13))

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) ≥ 0.35.

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	≈ 0.07	≈ 0.01 + 0.07 = 0.08
2	≈ 0.17	≈ 0.08 + 0.17 = 0.25
3	≈ 0.24	≈ 0.25 + 0.24 = 0.49

Während P(X ≤ 2) = 0.25 also noch klar unter der geforderten Wahrscheinlichkeit von 0.35 liegt, ist P(X ≤ 3) = 0.49 klar darüber.

Somit ist das gesuchte k = 3.

kumulierte Binomialverteilung

Beispiel:

Ein Zufallsexperiment wird 53 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p= 0,9. Wie groß ist dabei die Wahrscheinlichkeit, weniger als 52 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=53 und p=0.9.

P_{0.9}^{53} (X < 52)

=

P_{0.9}^{53} (X \leq 51)

=

P_{0.9}^{53} (X = 0)

+

P_{0.9}^{53} (X = 1)

+

P_{0.9}^{53} (X = 2)

+... +

P_{0.9}^{53} (X = 51)

= 0.97411774090884 ≈ 0.9741
(TI-Befehl: binomcdf(53,0.9,51))

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=0,27 entsteht. Es wird eine Stichprobe der Menge 32 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon 5 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=32 und p=0.27.

...

2

3

4

5

6

7

...

P_{0.27}^{32} (X \geq 5)

= 1 -

P_{0.27}^{32} (X \leq 4)

= 0.9575
(TI-Befehl: 1-binomcdf(32,0.27,4))

Binomialverteilung l < X < k

Beispiel:

Ein Würfel wird 54 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 4 mal, aber weniger als 12 mal eine sechs gewürfelt wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der gewürfelten Sechser an. X ist binomialverteilt mit n=54 und p= $\frac{1}{6}$ .

$P_{\frac{1}{6}}^{54} (5 \leq X \leq 11)$ =

...

2

3

4

5

6

7

8

9

10

11

12

13

...

P_{\frac{1}{6}}^{54} (X \leq 11)

-

P_{\frac{1}{6}}^{54} (X \leq 4)

≈ 0.8215 - 0.041 ≈ 0.7805
(TI-Befehl: binomcdf(54, $\frac{1}{6}$ ,11) - binomcdf(54, $\frac{1}{6}$ ,4))

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