Mathebattle EduRandomtasks

0 oder 1 Treffer bei n Versuchen

Beispiel:

Bei einem Glückrad beträgt die Wahrscheinlichkeit, in den grünen Bereich zu drehen, 60%. Es wird 6 mal gedreht. Bestimme die Wahrscheinlichkeit dafür, dass dabei 5 mal in den grünen Bereich gedreht wird.

Lösung einblenden

Die Wahrscheinlichkeit für einen Treffer (also hier, dass in den grünen Bereich gedreht wird) beträgt p = 0,6, für einen Nicht-Treffer (also hier, dass nicht in den grünen Bereich gedreht wird) beträgt sie q = 1 - 0,6 = $0,4$ . Wenn genau 5 Treffer unter den 6 Versuchen sein sollen, bedeutet das doch, dass es genau einen Nicht-Treffer unter den 6 Versuchen geben muss. Hier gibt es nun mehrere Möglichkeiten, wann dieser Nicht-Treffer eintritt:

NichtTreffer - Treffer - Treffer - Treffer - Treffer - Treffer (also der NichtTreffer im 1-ten Versuch)
Treffer - NichtTreffer - Treffer - Treffer - Treffer - Treffer (also der NichtTreffer im 2-ten Versuch)
Treffer - Treffer - NichtTreffer - Treffer - Treffer - Treffer (also der NichtTreffer im 3-ten Versuch)
Treffer - Treffer - Treffer - NichtTreffer - Treffer - Treffer (also der NichtTreffer im 4-ten Versuch)
Treffer - Treffer - Treffer - Treffer - NichtTreffer - Treffer (also der NichtTreffer im 5-ten Versuch)
Treffer - Treffer - Treffer - Treffer - Treffer - NichtTreffer (also der NichtTreffer im 6-ten Versuch)

Bei jedem dieser 6 Fälle ist die Wahrscheinlichkeit gleich, nämlich P_k = $0,4 \cdot {0,6}^{5}$ .

Für die gesuchte Wahrscheinlichkeit aller 6 Fälle gilt somit P = $6 \cdot 0,4 \cdot {0,6}^{5}$ ≈ 0.1866 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: $(\begin{matrix} 25 \\ 1 \end{matrix})$

Lösung einblenden

Wenn man von der allgememeinen Formel für den Binomialkoeffizient
$(\begin{matrix} 25 \\ 1 \end{matrix})$ = $\frac{25!}{1! ⋅ (25 - 1)!}$ = $\frac{25!}{1! ⋅ 24!}$ = $\frac{25⋅24⋅23⋅22⋅21⋅20⋅19⋅18⋅17⋅16⋅15⋅14⋅13⋅12⋅11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1}{1 ⋅ 24⋅23⋅22⋅21⋅20⋅19⋅18⋅17⋅16⋅15⋅14⋅13⋅12⋅11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1}$
ausgeht, sieht man schnell, dass man mit der
24! = 24⋅23⋅22⋅21⋅20⋅19⋅18⋅17⋅16⋅15⋅14⋅13⋅12⋅11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1
rechts im Zähler und Nenner kürzen kann, so dass gilt:

$(\begin{matrix} 25 \\ 1 \end{matrix})$ = $\frac{25}{1}$

= 25

Binomialkoeffizient Anwendungen

Beispiel:

Eine Eisdiele bietet 8 verschiedene Eissorten an. Rüdiger darf sich ein Eis mit 4 Kugeln zusammenstellen. Er möchte aber auf jeden Fall lauter verschiedene Eissorten in seinem Eis haben. Wieviele Möglichkeiten hat er sich solch ein Eis zusammenzustellen?

Lösung einblenden

Für die erste Stelle ist jede Eissorte möglich. Es gibt also 8 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Eissorte nicht mehr möglich, es gibt also nur noch 7 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 6 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 8⋅7⋅6⋅5 = 1680 Möglichkeiten, die 8 Möglichkeiten (Eissorten) auf die 4 "Ziehungen" (Kugeln) zu verteilen.

Wir haben jetzt dabei aber genau unterschieden an welcher Stelle was gezogen bzw. gewählt wurde. Also wären zum Beispiel Ananas - Birne - Citrone und Birne - Citrone - Ananas 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 1680 Möglichkeiten für nach Reihenfolge sortierte 4er-Gruppen durch die 24 Möglichkeiten, die 4er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich $\frac{1680}{24}$ = 70 Möglichkeiten für 4er-Gruppen, die aus 8 Elementen (Eissorten) gebildet werden.

Die hier durchgeführte Berechnung $\frac{8\cdot7\cdot6\cdot5}{4\cdot3\cdot2\cdot1}$ könnte man mit 4! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

70 = $\frac{8\cdot7\cdot6\cdot5}{4\cdot3\cdot2\cdot1}$ = $\frac{8 \cdot 7 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}{4 \cdot 3 \cdot 2 \cdot 1 \cdot 4 \cdot 3 \cdot 2 \cdot 1}$ = $\frac{8!}{4! ⋅ 4!}$ = $(\begin{matrix} 8 \\ 4 \end{matrix})$

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

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

Es werden 6 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 18 dabei ist?

Lösung einblenden

Es gibt insgesamt $(\begin{matrix} 30 \\ 6 \end{matrix})$ = $\frac{30!}{6! ⋅ 24!}$ = $\frac{30⋅29⋅28⋅27⋅26⋅25}{6⋅5⋅4⋅3⋅2⋅1}$ = 593775 verschiedene Möglichkeiten, die 6 Kugeln aus den 30 zu ziehen, bzw. von 30 Zahlen 6 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn eine der gezogenen Zahlen die 18 ist, bzw. wie viele Möglichkeiten es gibt, 6 von 30 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 18 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 5 Kreuze auf 29 Zahlen (alle außer der 18) zu setzen, also $(\begin{matrix} 29 \\ 5 \end{matrix})$ = $\frac{29!}{5! ⋅ 24!}$ = $\frac{29⋅28⋅27⋅26⋅25}{5⋅4⋅3⋅2⋅1}$ = 118755.

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

P = $\frac{Anzahl der gewünschten Ergebnisse}{Anzahl der möglichen Ergebnisse}$ = $\frac{118755}{593775}$ ≈ 0.2, also ca. 20%.

Formel v. Bernoulli

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,7. Wie groß ist die Wahrscheinlichkeit dass er von 90 Versuchen genau 59 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=90 und p=0.7.

P_{0.7}^{90} (X = 59)

=

(\begin{matrix} 90 \\ 59 \end{matrix}) \cdot {0.7}^{59} \cdot {0.3}^{31}

=0.058402801404419≈ 0.0584
(TI-Befehl: binompdf(90,0.7,59))

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) ≥ 0.7.

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
5	≈ 0.2	≈ 0.6 + 0.2 = 0.8

Während P(X ≤ 4) = 0.6 also noch klar unter der geforderten Wahrscheinlichkeit von 0.7 liegt, ist P(X ≤ 5) = 0.8 klar darüber.

Somit ist das gesuchte k = 5.

kumulierte Binomialverteilung

Beispiel:

Ein Fortbildungsteilnehmer ermüdet mit einer Wahrscheinlichkeit von 70%. An einer Fortbildung nehmen 51 Personen teil. Wie groß ist die Wahrscheinlichkeit, dass höchstens 33 Personen ermüden?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der ermüdeten Personen an. X ist binomialverteilt mit n=51 und p=0.7.

P_{0.7}^{51} (X \leq 33)

=

P_{0.7}^{51} (X = 0)

+

P_{0.7}^{51} (X = 1)

+

P_{0.7}^{51} (X = 2)

+... +

P_{0.7}^{51} (X = 33)

= 0.24730127115345 ≈ 0.2473
(TI-Befehl: binomcdf(51,0.7,33))

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=0,19 entsteht. Es wird eine Stichprobe der Menge 86 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon 8 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=86 und p=0.19.

...

5

6

7

8

9

10

...

P_{0.19}^{86} (X \geq 8)

= 1 -

P_{0.19}^{86} (X \leq 7)

= 0.9957
(TI-Befehl: 1-binomcdf(86,0.19,7))

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 50 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 10, 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=50 und p=0.25.

$P_{0.25}^{50} (10 \leq X \leq 15)$ =

...

7

8

9

10

11

12

13

14

15

16

17

...

P_{0.25}^{50} (X \leq 15)

-

P_{0.25}^{50} (X \leq 9)

≈ 0.8369 - 0.1637 ≈ 0.6732
(TI-Befehl: binomcdf(50,0.25,15) - binomcdf(50,0.25,9))

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