Mathebattle EduRandomtasks

0 oder 1 Treffer bei n Versuchen

Beispiel:

Bei einem Glückrad beträgt die Wahrscheinlichkeit, in den grünen Bereich zu drehen, 30%. Es wird 3 mal gedreht. Bestimme die Wahrscheinlichkeit dafür, dass bei der zweiten Drehung nicht der grüne Bereich erzielt wird.

Lösung einblenden

Da hier ja nur eine Aussage über den 2-ten Versuch gemacht wird und keine Aussage über alle anderen Versuche, muss auch nur der 2-te Versuch betrachtet werden.
(In jedem anderen Versuch ist die Wahrscheinlichkeit 1, da es ja keine Einschränkung für diesen Versuch gibt.)

Für die gesuchte Wahrscheinlichkeit gilt somit einfach P = 1 - 0,3 = $0,7$ ≈ 0.7 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: $(\begin{matrix} 40 \\ 1 \end{matrix})$

Lösung einblenden

Wenn man von der allgememeinen Formel für den Binomialkoeffizient
$(\begin{matrix} 40 \\ 1 \end{matrix})$ = $\frac{40!}{1! ⋅ (40 - 1)!}$ = $\frac{40!}{1! ⋅ 39!}$ = $\frac{40⋅39⋅38⋅37⋅36⋅35⋅34⋅33⋅32⋅31⋅30⋅29⋅28⋅27⋅26⋅25⋅24⋅23⋅22⋅21⋅20⋅19⋅18⋅17⋅16⋅15⋅14⋅13⋅12⋅11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1}{1 ⋅ 39⋅38⋅37⋅36⋅35⋅34⋅33⋅32⋅31⋅30⋅29⋅28⋅27⋅26⋅25⋅24⋅23⋅22⋅21⋅20⋅19⋅18⋅17⋅16⋅15⋅14⋅13⋅12⋅11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1}$
ausgeht, sieht man schnell, dass man mit der
39! = 39⋅38⋅37⋅36⋅35⋅34⋅33⋅32⋅31⋅30⋅29⋅28⋅27⋅26⋅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
rechts im Zähler und Nenner kürzen kann, so dass gilt:

$(\begin{matrix} 40 \\ 1 \end{matrix})$ = $\frac{40}{1}$

= 40

Binomialkoeffizient Anwendungen

Beispiel:

Ein Skatkartenspiel hat 32 verschiedende Karten. Aus einem gut gemischten Stapel werden 4 Karten gezogen.Wie viele verschiedene Möglichkeiten gibt es hierfür?

Lösung einblenden

Für die erste Stelle ist jede Karte möglich. Es gibt also 32 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Karte nicht mehr möglich, es gibt also nur noch 31 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 30 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 32⋅31⋅30⋅29 = 863040 Möglichkeiten, die 32 Möglichkeiten (Karten) auf die 4 "Ziehungen" (gezogene) zu verteilen.

Wir haben jetzt dabei aber genau unterschieden an welcher Stelle was gezogen bzw. gewählt wurde. Also wären zum Beispiel HerzAss - KreuzBube - Karo7 und KreuzBube - Karo7 - HerzAss 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 863040 Möglichkeiten für nach Reihenfolge sortierte 4er-Gruppen durch die 24 Möglichkeiten, die 4er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich $\frac{863040}{24}$ = 35960 Möglichkeiten für 4er-Gruppen, die aus 32 Elementen (Karten) gebildet werden.

Die hier durchgeführte Berechnung $\frac{32\cdot31\cdot30\cdot29}{4\cdot3\cdot2\cdot1}$ könnte man mit 28! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

35960 = $\frac{32\cdot31\cdot30\cdot29}{4\cdot3\cdot2\cdot1}$ = $\frac{32 \cdot 31 \cdot 30 \cdot 29 \cdot 28 \cdot 27 \cdot 26 \cdot 25 \cdot 24 \cdot 23 \cdot 22 \cdot 21 \cdot 20 \cdot 19 \cdot 18 \cdot 17 \cdot 16 \cdot 15 \cdot 14 \cdot 13 \cdot 12 \cdot 11 \cdot 10 \cdot 9 \cdot 8 \cdot 7 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}{4 \cdot 3 \cdot 2 \cdot 1 \cdot 28 \cdot 27 \cdot 26 \cdot 25 \cdot 24 \cdot 23 \cdot 22 \cdot 21 \cdot 20 \cdot 19 \cdot 18 \cdot 17 \cdot 16 \cdot 15 \cdot 14 \cdot 13 \cdot 12 \cdot 11 \cdot 10 \cdot 9 \cdot 8 \cdot 7 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}$ = $\frac{32!}{4! ⋅ 28!}$ = $(\begin{matrix} 32 \\ 4 \end{matrix})$

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 1 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 1 ist, bzw. wie viele Möglichkeiten es gibt, 5 von 35 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 1 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 4 Kreuze auf 34 Zahlen (alle außer der 1) 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:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, genau 11 Glückskekse mit einer Peproni zu erwischen, wenn man 83 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Glückskekse mit einer Peperoni an. X ist binomialverteilt mit n=83 und p= $\frac{1}{8}$ .

P_{\frac{1}{8}}^{83} (X = 11)

=

(\begin{matrix} 83 \\ 11 \end{matrix}) \cdot {(\frac{1}{8})}^{11} \cdot {(\frac{7}{8})}^{72}

=0.12547091004794≈ 0.1255
(TI-Befehl: binompdf(83,1/8,11))

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) ≥ 0.65.

Lösung einblenden

Wenn P(X ≥ k) ≥ 0.65 sein soll, bedeutet das doch, dass sie Summe der Säulenhöhen von k bis zum rechten Rand mindestens 0.65 sein muss. Das ist dann aber doch gleichbedeutend, wie dass für die restlichen Säulenhöhen links von 0 bis k-1 höchstens 1-0.65=0.35 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	≈ 0 + 0 = 0
1	≈ 0.01	≈ 0 + 0.01 = 0.01
2	≈ 0.03	≈ 0.01 + 0.03 = 0.04
3	≈ 0.09	≈ 0.04 + 0.09 = 0.13
4	≈ 0.17	≈ 0.13 + 0.17 = 0.3
5	≈ 0.22	≈ 0.3 + 0.22 = 0.52

Während P(X ≤ 4) = 0.3 also noch klar unter der geforderten Wahrscheinlichkeit von 0.35 liegt, ist P(X ≤ 5) = 0.52 klar darüber.

Oder andersrum: P(X ≥ 5) = 1 - P(X ≤ 4) = 0.7 (die Summe der blauen Säulenhöhen von 5 bis 12) ist klar über der geforderten Wahrscheinlichkeit von 0.65, während P(X ≥ 6) = 1 - P(X ≤ 5) = 0.48 (die Summe der Säulenhöhen von 6 bis 12) klar darunter liegt.

Somit ist das gesuchte k = 5.

kumulierte Binomialverteilung

Beispiel:

Ein Zufallsexperiment wird 23 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p= 0,5.Wie groß ist dabei die Wahrscheinlichkeit, höchstens 14 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=23 und p=0.5.

P_{0.5}^{23} (X \leq 14)

=

P_{0.5}^{23} (X = 0)

+

P_{0.5}^{23} (X = 1)

+

P_{0.5}^{23} (X = 2)

+... +

P_{0.5}^{23} (X = 14)

= 0.89498019218445 ≈ 0.895
(TI-Befehl: binomcdf(23,0.5,14))

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 44 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so 15 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=44 und p=0.25.

...

12

13

14

15

16

17

...

P_{0.25}^{44} (X \geq 15)

= 1 -

P_{0.25}^{44} (X \leq 14)

= 0.1135
(TI-Befehl: 1-binomcdf(44,0.25,14))

Binomialverteilung l < X < k

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, mehr als 4 und höchstens 8 Glückskekse mit einer Peproni zu erwischen, wenn man 45 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Glückskekse mit einer Peperoni an. X ist binomialverteilt mit n=45 und p=0.125.

$P_{0.125}^{45} (5 \leq X \leq 8)$ =

...

2

3

4

5

6

7

8

9

10

...

P_{0.125}^{45} (X \leq 8)

-

P_{0.125}^{45} (X \leq 4)

≈ 0.8979 - 0.322 ≈ 0.5759
(TI-Befehl: binomcdf(45,0.125,8) - binomcdf(45,0.125,4))

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