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 keine einzige "6" gewürfelt wird.

Lösung einblenden

Da die Wahrscheinlichkeit für keinen Treffer (also hier, dass keine "6" gewürfelt wird) q = 1 - 1 6 = 5 6 beträgt, muss die Wahrscheinlichkeit für 4 Nicht-Treffer bei 4 Versuchen P = ( 5 6 ) 4 ≈ 0.4823 betragen, da ja bei jedem Versuch kein Treffer erzielt wird, und es somit nur einen möglichen Pfad im Baumdiagramm gibt.

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: ( 8 1 )

Lösung einblenden

Wenn man von der allgememeinen Formel für den Binomialkoeffizient
( 8 1 ) = 8! 1! ⋅ (8 - 1)! = 8! 1! ⋅ 7! = 8⋅7⋅6⋅5⋅4⋅3⋅2⋅1 1 ⋅ 7⋅6⋅5⋅4⋅3⋅2⋅1
ausgeht, sieht man schnell, dass man mit der
7! = 7⋅6⋅5⋅4⋅3⋅2⋅1
rechts im Zähler und Nenner kürzen kann, so dass gilt:

( 8 1 ) = 8 1

= 8

Binomialkoeffizient Anwendungen

Beispiel:

Eine Mathelehrerin verlost unter den 8 SchülerInnen ihrer 8. Klasse, die eine Zusatzaufgabe gemacht haben, 2 Matherätsel-Knobelbücher. Natürlich kann jeder höchstens eins bekommen. Wie viele verschiedene Möglichkeiten gibt es für die 2er-Gruppe der glücklichen Gewinner?

Lösung einblenden

Für die erste Stelle ist jede SchülerIn möglich. Es gibt also 8 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte SchülerIn nicht mehr möglich, es gibt also nur noch 7 Möglichkeiten.

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 87 = 56 Möglichkeiten, die 8 Möglichkeiten (SchülerInnen) auf die 2 "Ziehungen" (Knobelbücher) 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 2er-Gruppe drin ist, nicht an welcher Stelle.

Wir berechnen jetzt also, wie viele mögliche Reihenfolgen pro 2er-Gruppe möglich sind.

  • Für die erste Stelle ist jede(r) aus der 2er-Gruppe möglich. Es gibt also 2 Möglichkeiten.
  • Für die zweite Stelle ist der/die an erster Stelle stehende nicht mehr möglich, es gibt also nur noch 1 Möglichkeiten.

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 21 = 2 Möglichkeiten für die verschiedenen Reihenfolgen innerhalb einer 2er-Gruppe.

Wir müssen deswegen die 56 Möglichkeiten für nach Reihenfolge sortierte 2er-Gruppen durch die 2 Möglichkeiten, die 2er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 56 2 = 28 Möglichkeiten für 2er-Gruppen, die aus 8 Elementen (SchülerInnen) gebildet werden.

Die hier durchgeführte Berechnung 87 21 könnte man mit 6! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

28 = 87 21 = 87 6 5 4 3 2 1 21 6 5 4 3 2 1 = 8! 2! ⋅ 6! = ( 8 2 )

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

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

Es werden 7 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 13, die 14 und die 23 dabei sind?

Lösung einblenden

Es gibt insgesamt ( 25 7 ) = 25! 7! ⋅ 18! = 25⋅24⋅23⋅22⋅21⋅20⋅19 7⋅6⋅5⋅4⋅3⋅2⋅1 = 480700 verschiedene Möglichkeiten, die 7 Kugeln aus den 25 zu ziehen, bzw. von 25 Zahlen 7 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn drei der gezogenen Zahlen die 13, die 14 und die 23 sind, bzw. wie viele Möglichkeiten es gibt, 7 von 25 Zahlen anzukreuzen, wobei drei Kreuze sicher auf der der 13, der 14 und der 23 sein müssen, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 4 Kreuze auf 22 Zahlen (alle außer der 13, der 14 und der 23) zu setzen, also ( 22 4 ) = 22! 4! ⋅ 18! = 22⋅21⋅20⋅19 4⋅3⋅2⋅1 = 7315.

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

P = Anzahl der gewünschten Ergebnisse Anzahl der möglichen Ergebnisse = 7315 480700 ≈ 0.0152, also ca. 1.52%.

Formel v. Bernoulli

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,85. Wie groß ist die Wahrscheinlichkeit bei 76 Versuchen genau 69 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=76 und p=0.85.

P0.8576 (X=69) = ( 76 69 ) 0.8569 0.157 =0.050377019795093≈ 0.0504
(TI-Befehl: binompdf(76,0.85,69))

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 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:

kP(X = k)P(X ≤ k)
0≈ 0≈ 0 + 0 = 0
1≈ 0.01≈ 0 + 0.01 = 0.01
2≈ 0.05≈ 0.01 + 0.05 = 0.06
3≈ 0.13≈ 0.06 + 0.13 = 0.19
4≈ 0.21≈ 0.19 + 0.21 = 0.4
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 3) = 0.19 also noch klar unter der geforderten Wahrscheinlichkeit von 0.25 liegt, ist P(X ≤ 4) = 0.4 klar darüber.

Oder andersrum: P(X ≥ 4) = 1 - P(X ≤ 3) = 0.81 (die Summe der blauen Säulenhöhen von 4 bis 11) ist klar über der geforderten Wahrscheinlichkeit von 0.75, während P(X ≥ 5) = 1 - P(X ≤ 4) = 0.6 (die Summe der Säulenhöhen von 5 bis 11) klar darunter liegt.

Somit ist das gesuchte k = 4.

kumulierte Binomialverteilung

Beispiel:

Ein Fortbildungsteilnehmer ermüdet mit einer Wahrscheinlichkeit von 70%. An einer Fortbildung nehmen 95 Personen teil. Wie groß ist die Wahrscheinlichkeit, dass höchstens 58 Personen ermüden?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der ermüdeten Personen an. X ist binomialverteilt mit n=95 und p=0.7.

P0.795 (X58) = P0.795 (X=0) + P0.795 (X=1) + P0.795 (X=2) +... + P0.795 (X=58) = 0.038895163291047 ≈ 0.0389
(TI-Befehl: binomcdf(95,0.7,58))

Binomialverteilung X>=k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,74. Wie groß ist die Wahrscheinlichkeit dass er von 65 Versuchen mehr als 49 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=65 und p=0.74.

...
47
48
49
50
51
52
...

P0.7465 (X>49) = P0.7465 (X50) = 1 - P0.7465 (X49) = 0.3535
(TI-Befehl: 1-binomcdf(65,0.74,49))

Binomialverteilung l < X < k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 79% von der Freiwurflinie. Wie groß ist die Wahrscheinlichkeit dass er von 46 Versuchen mindestens 32 und weniger als 39 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=46 und p=0.79.

P0.7946 (32X38) =

...
29
30
31
32
33
34
35
36
37
38
39
40
...

P0.7946 (X38) - P0.7946 (X31) ≈ 0.7786 - 0.0449 ≈ 0.7337
(TI-Befehl: binomcdf(46,0.79,38) - binomcdf(46,0.79,31))