Mathebattle EduRandomtasks

0 oder 1 Treffer bei n Versuchen

Beispiel:

Ein idealer Würfel wird 3 mal geworfen. Bestimme die Wahrscheinlichkeit dafür, dass jeder Wurf eine "6" ist, außer beim ersten Versuch.

Lösung einblenden

Die Wahrscheinlichkeit für einen Treffer (also hier, dass eine "6" gewürfelt wird) beträgt p = $\frac{1}{6}$ , für einen Nicht-Treffer (also hier, dass keine "6" gewürfelt wird) beträgt sie q = 1 - $\frac{1}{6}$ = $\frac{5}{6}$ . Da ja der Nicht-Treffer genau im ersten Durchgang kommen soll, ist auch hier nur ein Pfad im Baumdiagramm möglich. Dessen Wahrscheinlichkeit lässt sich dann wie folgt berechnen:

P = $\frac{5}{6}$ ⋅ $\frac{1}{6}$ ⋅ $\frac{1}{6}$ = $\frac{5}{6} \cdot {(\frac{1}{6})}^{2}$ ≈ 0.0231 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: $(\begin{matrix} 6 \\ 4 \end{matrix})$

Lösung einblenden

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

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

= $\frac{3⋅5}{1}$ (gekürzt mit 2)

= 15

Binomialkoeffizient Anwendungen

Beispiel:

Die Sportlehrerin Frau Hertz braucht für eine Demonstration 3 Schülerinnen. Diese möchte sie zufällig aus der 20-köpfigen Sportgruppe losen. Wie viele verschiedene 3er-Gruppen sind so möglich?

Lösung einblenden

Für die erste Stelle ist jede Schülerin möglich. Es gibt also 20 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Schülerin nicht mehr möglich, es gibt also nur noch 19 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 18 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 20⋅19⋅18 = 6840 Möglichkeiten, die 20 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 6840 Möglichkeiten für nach Reihenfolge sortierte 3er-Gruppen durch die 6 Möglichkeiten, die 3er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich $\frac{6840}{6}$ = 1140 Möglichkeiten für 3er-Gruppen, die aus 20 Elementen (Schülerinnen) gebildet werden.

Die hier durchgeführte Berechnung $\frac{20\cdot19\cdot18}{3\cdot2\cdot1}$ könnte man mit 17! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

1140 = $\frac{20\cdot19\cdot18}{3\cdot2\cdot1}$ = $\frac{20 \cdot 19 \cdot 18 \cdot 17 \cdot 16 \cdot 15 \cdot 14 \cdot 13 \cdot 12 \cdot 11 \cdot 10 \cdot 9 \cdot 8 \cdot 7 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}{3 \cdot 2 \cdot 1 \cdot 17 \cdot 16 \cdot 15 \cdot 14 \cdot 13 \cdot 12 \cdot 11 \cdot 10 \cdot 9 \cdot 8 \cdot 7 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}$ = $\frac{20!}{3! ⋅ 17!}$ = $(\begin{matrix} 20 \\ 3 \end{matrix})$

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

In einer Urne befinden sich 35 Kugeln, die mit den Zahlen 1 bis 35 beschriftet sind.

Es werden 5 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 15 dabei ist?

Lösung einblenden

Es gibt insgesamt $(\begin{matrix} 35 \\ 5 \end{matrix})$ = $\frac{35!}{5! ⋅ 30!}$ = $\frac{35⋅34⋅33⋅32⋅31}{5⋅4⋅3⋅2⋅1}$ = 324632 verschiedene Möglichkeiten, die 5 Kugeln aus den 35 zu ziehen, bzw. von 35 Zahlen 5 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn eine der gezogenen Zahlen die 15 ist, bzw. wie viele Möglichkeiten es gibt, 5 von 35 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 15 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 4 Kreuze auf 34 Zahlen (alle außer der 15) zu setzen, also $(\begin{matrix} 34 \\ 4 \end{matrix})$ = $\frac{34!}{4! ⋅ 30!}$ = $\frac{34⋅33⋅32⋅31}{4⋅3⋅2⋅1}$ = 46376.

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

P = $\frac{Anzahl der gewünschten Ergebnisse}{Anzahl der möglichen Ergebnisse}$ = $\frac{46376}{324632}$ ≈ 0.1429, also ca. 14.29%.

Formel v. Bernoulli

Beispiel:

In einer Urne sind 7 blaue und 3 rote Kugeln. Es wird 35 mal eine Kugel gezogen. Nach jedem Ziehen wird die Kugel wieder zurückgelegt. Wie groß ist die Wahrscheinlichkeit dass genau 26 mal eine blaue Kugel gezogen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der blauen Kugeln an. X ist binomialverteilt mit n=35 und p=0.7.

P_{0.7}^{35} (X = 26)

=

(\begin{matrix} 35 \\ 26 \end{matrix}) \cdot {0.7}^{26} \cdot {0.3}^{9}

=0.13046406961671≈ 0.1305
(TI-Befehl: binompdf(35,0.7,26))

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) ≥ 0.4.

Lösung einblenden

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

k	P(X = k)	P(X ≤ k)
0	≈ 0	≈ 0 + 0 = 0
1	≈ 0.02	≈ 0 + 0.02 = 0.02
2	≈ 0.08	≈ 0.02 + 0.08 = 0.1
3	≈ 0.17	≈ 0.1 + 0.17 = 0.27
4	≈ 0.24	≈ 0.27 + 0.24 = 0.51

Während P(X ≤ 3) = 0.27 also noch klar unter der geforderten Wahrscheinlichkeit von 0.4 liegt, ist P(X ≤ 4) = 0.51 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 10 Glückskekse mit einer Peproni zu erwischen, wenn man 56 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Glückskekse mit einer Peperoni an. X ist binomialverteilt mit n=56 und p= $\frac{1}{8}$ .

P_{\frac{1}{8}}^{56} (X \leq 10)

=

P_{\frac{1}{8}}^{56} (X = 0)

+

P_{\frac{1}{8}}^{56} (X = 1)

+

P_{\frac{1}{8}}^{56} (X = 2)

+... +

P_{\frac{1}{8}}^{56} (X = 10)

= 0.91574262014306 ≈ 0.9157
(TI-Befehl: binomcdf(56,1/8,10))

Binomialverteilung X>=k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,82. Wie groß ist die Wahrscheinlichkeit dass er von 61 Versuchen mindestens 51 trifft?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=61 und p=0.82.

...

48

49

50

51

52

53

...

P_{0.82}^{61} (X \geq 51)

= 1 -

P_{0.82}^{61} (X \leq 50)

= 0.4505
(TI-Befehl: 1-binomcdf(61,0.82,50))

Binomialverteilung l < X < k

Beispiel:

Ein Zufallsexperiment wird 66 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,3.Wie groß ist dabei die Wahrscheinlichkeit, mindestens 14, aber höchstens 20 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=66 und p=0.3.

$P_{0.3}^{66} (14 \leq X \leq 20)$ =

...

11

12

13

14

15

16

17

18

19

20

21

22

...

P_{0.3}^{66} (X \leq 20)

-

P_{0.3}^{66} (X \leq 13)

≈ 0.5813 - 0.0414 ≈ 0.5399
(TI-Befehl: binomcdf(66,0.3,20) - binomcdf(66,0.3,13))

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