Mathebattle EduRandomtasks

0 oder 1 Treffer bei n Versuchen

Beispiel:

Ein idealer Würfel wird 4 mal geworfen. Bestimme die Wahrscheinlichkeit dafür, dass dabei genau einmal eine "6" gewürfelt wird.

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 - $\frac{1}{6}$ = $\frac{5}{6}$ . 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 = $\frac{1}{6} \cdot {(\frac{5}{6})}^{3}$ .

Für die gesuchte Wahrscheinlichkeit aller 4 Fälle gilt somit P = $4 \cdot \frac{1}{6} \cdot {(\frac{5}{6})}^{3}$ ≈ 0.3858 .

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:

Bei einem Glücksspiel sind auf einem Schein 8 Felder abgedruckt. Von diesen 8 Felder soll sich der Spieler 2 Felder aussuchen und ankreuzen.Wieviele Möglichkeiten hat er hierfür?

Lösung einblenden

Für die erste Stelle ist jedes Feld möglich. Es gibt also 8 Möglichkeiten. Für die zweite Stelle ist das bereits als erstes gewählte Feld 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 8⋅7 = 56 Möglichkeiten, die 8 Möglichkeiten (abgedruckte Felder) auf die 2 "Ziehungen" (angekreuzte Felder) zu verteilen.

Wir haben jetzt dabei aber genau unterschieden an welcher Stelle was gezogen bzw. gewählt wurde. Also wären zum Beispiel Feld1 - Feld3 - Feld6 und Feld3 - Feld6 - Feld1 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 2⋅1 = 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 $\frac{56}{2}$ = 28 Möglichkeiten für 2er-Gruppen, die aus 8 Elementen (abgedruckte Felder) gebildet werden.

Die hier durchgeführte Berechnung $\frac{8\cdot7}{2\cdot1}$ könnte man mit 6! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

28 = $\frac{8\cdot7}{2\cdot1}$ = $\frac{8 \cdot 7 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}{2 \cdot 1 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}$ = $\frac{8!}{2! ⋅ 6!}$ = $(\begin{matrix} 8 \\ 2 \end{matrix})$

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

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

Es werden 7 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 18 und die 19 dabei sind?

Lösung einblenden

Es gibt insgesamt $(\begin{matrix} 30 \\ 7 \end{matrix})$ = $\frac{30!}{7! ⋅ 23!}$ = $\frac{30⋅29⋅28⋅27⋅26⋅25⋅24}{7⋅6⋅5⋅4⋅3⋅2⋅1}$ = 2035800 verschiedene Möglichkeiten, die 7 Kugeln aus den 30 zu ziehen, bzw. von 30 Zahlen 7 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn zwei der gezogenen Zahlen die 18 und die 19 sind, bzw. wie viele Möglichkeiten es gibt, 7 von 30 Zahlen anzukreuzen, wobei zwei Kreuze sicher auf der der 18 und der 19 sein müssen, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 5 Kreuze auf 28 Zahlen (alle außer der 18 und der 19) zu setzen, also $(\begin{matrix} 28 \\ 5 \end{matrix})$ = $\frac{28!}{5! ⋅ 23!}$ = $\frac{28⋅27⋅26⋅25⋅24}{5⋅4⋅3⋅2⋅1}$ = 98280.

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

P = $\frac{Anzahl der gewünschten Ergebnisse}{Anzahl der möglichen Ergebnisse}$ = $\frac{98280}{2035800}$ ≈ 0.0483, also ca. 4.83%.

Formel v. Bernoulli

Beispiel:

In einer Urne sind 7 blaue und 3 rote Kugeln. Es wird 34 mal eine Kugel gezogen. Nach jedem Ziehen wird die Kugel wieder zurückgelegt. Wie groß ist die Wahrscheinlichkeit dass genau 22 mal eine blaue Kugel gezogen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der blauen Kugeln an. X ist binomialverteilt mit n=34 und p=0.7.

P_{0.7}^{34} (X = 22)

=

(\begin{matrix} 34 \\ 22 \end{matrix}) \cdot {0.7}^{22} \cdot {0.3}^{12}

=0.11393915241114≈ 0.1139
(TI-Befehl: binompdf(34,0.7,22))

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) ≥ 0.55.

Lösung einblenden

Wenn P(X ≥ k) ≥ 0.55 sein soll, bedeutet das doch, dass sie Summe der Säulenhöhen von k bis zum rechten Rand mindestens 0.55 sein muss. Das ist dann aber doch gleichbedeutend, wie dass für die restlichen Säulenhöhen links von 0 bis k-1 höchstens 1-0.55=0.45 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	≈ 0.01	≈ 0 + 0.01 = 0.01
1	≈ 0.05	≈ 0.01 + 0.05 = 0.06
2	≈ 0.14	≈ 0.06 + 0.14 = 0.2
3	≈ 0.22	≈ 0.2 + 0.22 = 0.42
4	≈ 0.23	≈ 0.42 + 0.23 = 0.65

Während P(X ≤ 3) = 0.42 also noch klar unter der geforderten Wahrscheinlichkeit von 0.45 liegt, ist P(X ≤ 4) = 0.65 klar darüber.

Oder andersrum: P(X ≥ 4) = 1 - P(X ≤ 3) = 0.58 (die Summe der blauen Säulenhöhen von 4 bis 13) ist klar über der geforderten Wahrscheinlichkeit von 0.55, während P(X ≥ 5) = 1 - P(X ≤ 4) = 0.35 (die Summe der Säulenhöhen von 5 bis 13) klar darunter liegt.

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 92 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Glückskekse mit einer Peperoni an. X ist binomialverteilt mit n=92 und p= $\frac{1}{8}$ .

P_{\frac{1}{8}}^{92} (X \leq 10)

=

P_{\frac{1}{8}}^{92} (X = 0)

+

P_{\frac{1}{8}}^{92} (X = 1)

+

P_{\frac{1}{8}}^{92} (X = 2)

+... +

P_{\frac{1}{8}}^{92} (X = 10)

= 0.39027441385224 ≈ 0.3903
(TI-Befehl: binomcdf(92,1/8,10))

Binomialverteilung 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 75 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so 14 oder gar noch mehr Fragen richtig beantwortet hat?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der zufällig richtig beantworteten Fragen an. X ist binomialverteilt mit n=75 und p=0.25.

...

11

12

13

14

15

16

...

P_{0.25}^{75} (X \geq 14)

= 1 -

P_{0.25}^{75} (X \leq 13)

= 0.9231
(TI-Befehl: 1-binomcdf(75,0.25,13))

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 55 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 13, aber weniger als 16 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der zufällig richtig beantworteten Fragen an. X ist binomialverteilt mit n=55 und p=0.25.

$P_{0.25}^{55} (13 \leq X \leq 15)$ =

...

10

11

12

13

14

15

16

17

...

P_{0.25}^{55} (X \leq 15)

-

P_{0.25}^{55} (X \leq 12)

≈ 0.7132 - 0.3571 ≈ 0.3561
(TI-Befehl: binomcdf(55,0.25,15) - binomcdf(55,0.25,12))

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