Mathebattle EduRandomtasks

0 oder 1 Treffer bei n Versuchen

Beispiel:

Bei einem Glückrad beträgt die Wahrscheinlichkeit, in den grünen Bereich zu drehen, 40%. Es wird 5 mal gedreht. Bestimme die Wahrscheinlichkeit dafür, dass bei jeder Drehung außer der vierten in den grünen Bereich gedreht wird.

Lösung einblenden

Die Wahrscheinlichkeit für einen Treffer (also hier, dass in den grünen Bereich gedreht wird) beträgt p = 0,4, für einen Nicht-Treffer (also hier, dass nicht in den grünen Bereich gedreht wird) beträgt sie q = 1 - 0,4 = $0,6$ . Da ja der Nicht-Treffer genau im vierten Durchgang kommen soll, ist auch hier nur ein Pfad im Baumdiagramm möglich. Dessen Wahrscheinlichkeit lässt sich dann wie folgt berechnen:

P = 0,4⋅0,4⋅0,4⋅ $0,6$ ⋅0,4 = $0,6 \cdot {0,4}^{4}$ ≈ 0.0154 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: $(\begin{matrix} 5 \\ 4 \end{matrix})$

Lösung einblenden

Wenn man von der allgememeinen Formel für den Binomialkoeffizient
$(\begin{matrix} 5 \\ 4 \end{matrix})$ = $\frac{5!}{4! ⋅ (5 - 4)!}$ = $\frac{5!}{4! ⋅ 1!}$ = $\frac{5⋅4⋅3⋅2⋅1}{4⋅3⋅2⋅1 ⋅ 1}$
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:

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

= 5

Binomialkoeffizient Anwendungen

Beispiel:

Die Sportlehrerin Frau Hertz braucht für eine Demonstration 4 Schülerinnen. Diese möchte sie zufällig aus der 21-köpfigen Sportgruppe losen. Wie viele verschiedene 4er-Gruppen sind so möglich?

Lösung einblenden

Für die erste Stelle ist jede Schülerin möglich. Es gibt also 21 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Schülerin nicht mehr möglich, es gibt also nur noch 20 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 19 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 21⋅20⋅19⋅18 = 143640 Möglichkeiten, die 21 Möglichkeiten (Schülerinnen) auf die 4 "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 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 143640 Möglichkeiten für nach Reihenfolge sortierte 4er-Gruppen durch die 24 Möglichkeiten, die 4er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich $\frac{143640}{24}$ = 5985 Möglichkeiten für 4er-Gruppen, die aus 21 Elementen (Schülerinnen) gebildet werden.

Die hier durchgeführte Berechnung $\frac{21\cdot20\cdot19\cdot18}{4\cdot3\cdot2\cdot1}$ könnte man mit 17! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

5985 = $\frac{21\cdot20\cdot19\cdot18}{4\cdot3\cdot2\cdot1}$ = $\frac{21 \cdot 20 \cdot 19 \cdot 18 \cdot 17 \cdot 16 \cdot 15 \cdot 14 \cdot 13 \cdot 12 \cdot 11 \cdot 10 \cdot 9 \cdot 8 \cdot 7 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}{4 \cdot 3 \cdot 2 \cdot 1 \cdot 17 \cdot 16 \cdot 15 \cdot 14 \cdot 13 \cdot 12 \cdot 11 \cdot 10 \cdot 9 \cdot 8 \cdot 7 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}$ = $\frac{21!}{4! ⋅ 17!}$ = $(\begin{matrix} 21 \\ 4 \end{matrix})$

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

In einer Urne befinden sich 30 Kugeln, die mit den Zahlen 1 bis 30 beschriftet sind.

Es werden 5 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 24 dabei ist?

Lösung einblenden

Es gibt insgesamt $(\begin{matrix} 30 \\ 5 \end{matrix})$ = $\frac{30!}{5! ⋅ 25!}$ = $\frac{30⋅29⋅28⋅27⋅26}{5⋅4⋅3⋅2⋅1}$ = 142506 verschiedene Möglichkeiten, die 5 Kugeln aus den 30 zu ziehen, bzw. von 30 Zahlen 5 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn eine der gezogenen Zahlen die 24 ist, bzw. wie viele Möglichkeiten es gibt, 5 von 30 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 24 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 4 Kreuze auf 29 Zahlen (alle außer der 24) zu setzen, also $(\begin{matrix} 29 \\ 4 \end{matrix})$ = $\frac{29!}{4! ⋅ 25!}$ = $\frac{29⋅28⋅27⋅26}{4⋅3⋅2⋅1}$ = 23751.

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

P = $\frac{Anzahl der gewünschten Ergebnisse}{Anzahl der möglichen Ergebnisse}$ = $\frac{23751}{142506}$ ≈ 0.1667, also ca. 16.67%.

Formel v. Bernoulli

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,6. Wie groß ist die Wahrscheinlichkeit bei 32 Versuchen genau 21 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=32 und p=0.6.

P_{0.6}^{32} (X = 21)

=

(\begin{matrix} 32 \\ 21 \end{matrix}) \cdot {0.6}^{21} \cdot {0.4}^{11}

=0.11871573347288≈ 0.1187
(TI-Befehl: binompdf(32,0.6,21))

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) ≥ 0.45.

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	≈ 0.2	≈ 0.16 + 0.2 = 0.36
4	≈ 0.24	≈ 0.36 + 0.24 = 0.6

Während P(X ≤ 3) = 0.36 also noch klar unter der geforderten Wahrscheinlichkeit von 0.45 liegt, ist P(X ≤ 4) = 0.6 klar darüber.

Somit ist das gesuchte k = 4.

kumulierte Binomialverteilung

Beispiel:

Ein Würfel wird 25 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass nicht öfter als 3 mal eine 6 (p=1/6) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der gewürfelten Sechser an. X ist binomialverteilt mit n=25 und p= $\frac{1}{6}$ .

P_{\frac{1}{6}}^{25} (X \leq 3)

=

P_{\frac{1}{6}}^{25} (X = 0)

+

P_{\frac{1}{6}}^{25} (X = 1)

+

P_{\frac{1}{6}}^{25} (X = 2)

+

P_{\frac{1}{6}}^{25} (X = 3)

= 0.38156649477842 ≈ 0.3816
(TI-Befehl: binomcdf(25,1/6,3))

Binomialverteilung X>=k

Beispiel:

Ein Zufallsexperiment wird 93 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,45.
Wie groß ist dabei die Wahrscheinlichkeit, mehr als 32 Treffer zu erzielen?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=93 und p=0.45.

...

30

31

32

33

34

35

...

P_{0.45}^{93} (X > 32)

=

P_{0.45}^{93} (X \geq 33)

= 1 -

P_{0.45}^{93} (X \leq 32)

= 0.9752
(TI-Befehl: 1-binomcdf(93,0.45,32))

Binomialverteilung l < X < k

Beispiel:

Ein Würfel wird 69 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 11 mal, aber weniger als 14 mal eine sechs gewürfelt wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der gewürfelten Sechser an. X ist binomialverteilt mit n=69 und p= $\frac{1}{6}$ .

$P_{\frac{1}{6}}^{69} (12 \leq X \leq 13)$ =

...

9

10

11

12

13

14

15

...

P_{\frac{1}{6}}^{69} (X \leq 13)

-

P_{\frac{1}{6}}^{69} (X \leq 11)

≈ 0.7476 - 0.5145 ≈ 0.2331
(TI-Befehl: binomcdf(69, $\frac{1}{6}$ ,13) - binomcdf(69, $\frac{1}{6}$ ,11))

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