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:

In einer Chip-Fabrik werden neue High Tech Chips produziert. Dabei entsteht mit einer Wahrscheinlichkeit von p=0,25 Ausschuss. Es werden nacheinander 5 Chips als Stichprobe entnommen. Bestimme die Wahrscheinlichkeit dafür, dass nur beim dritten Chip ein Defekt vorliegt.

Lösung einblenden

Die Wahrscheinlichkeit für einen Treffer (also hier, dass ein entnommener Chips defekt sind) beträgt p = 0,25, für einen Nicht-Treffer (also hier, dass ein entnommener Chips nicht defekt ist) beträgt sie q = 1 - 0,25 = 0,75. Da ja der Treffer genau im dritten Durchgang kommen soll, ist auch hier nur ein Pfad im Baumdiagramm möglich. Dessen Wahrscheinlichkeit lässt sich dann wie folgt berechnen:

P = 0,75⋅0,75⋅0,25⋅0,75⋅0,75 = 0,25 · 0,75 4 ≈ 0.0791 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: ( 5 2 )

Lösung einblenden

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

( 5 2 ) = 5⋅4 2⋅1

= 5⋅2 1 (gekürzt mit 2)

= 10

Binomialkoeffizient Anwendungen

Beispiel:

Die Sportlehrerin Frau Hertz braucht für eine Demonstration 5 Schülerinnen. Diese möchte sie zufällig aus der 25-köpfigen Sportgruppe losen. Wie viele verschiedene 5er-Gruppen sind so möglich?

Lösung einblenden

Für die erste Stelle ist jede Schülerin möglich. Es gibt also 25 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Schülerin nicht mehr möglich, es gibt also nur noch 24 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 23 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 25⋅24⋅23⋅22⋅21 = 6375600 Möglichkeiten, die 25 Möglichkeiten (Schülerinnen) auf die 5 "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 5er-Gruppe drin ist, nicht an welcher Stelle.

Wir berechnen jetzt also, wie viele mögliche Reihenfolgen pro 5er-Gruppe möglich sind.

  • Für die erste Stelle ist jede(r) aus der 5er-Gruppe möglich. Es gibt also 5 Möglichkeiten.
  • Für die zweite Stelle ist der/die an erster Stelle stehende nicht mehr möglich, es gibt also nur noch 4 Möglichkeiten.
  • Für die 3. Stelle fehlen dann schon 2, so dass nur noch 3 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 5⋅4⋅3⋅2⋅1 = 120 Möglichkeiten für die verschiedenen Reihenfolgen innerhalb einer 5er-Gruppe.

Wir müssen deswegen die 6375600 Möglichkeiten für nach Reihenfolge sortierte 5er-Gruppen durch die 120 Möglichkeiten, die 5er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 6375600 120 = 53130 Möglichkeiten für 5er-Gruppen, die aus 25 Elementen (Schülerinnen) gebildet werden.

Die hier durchgeführte Berechnung 25⋅24⋅23⋅22⋅21 5⋅4⋅3⋅2⋅1 könnte man mit 20! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

53130 = 25⋅24⋅23⋅22⋅21 5⋅4⋅3⋅2⋅1 = 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 5⋅4⋅3⋅2⋅1 ⋅20 ⋅ 19 ⋅ 18 ⋅ 17 ⋅ 16 ⋅ 15 ⋅ 14 ⋅ 13 ⋅ 12 ⋅ 11 ⋅ 10 ⋅ 9 ⋅ 8 ⋅ 7 ⋅ 6 ⋅ 5 ⋅ 4 ⋅ 3 ⋅ 2 ⋅ 1 = 25! 5! ⋅ 20! = ( 25 5 )

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

In einer Urne befinden sich 20 Kugeln, die mit den Zahlen 1 bis 20 beschriftet sind.

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

Lösung einblenden

Es gibt insgesamt ( 20 7 ) = 20! 7! ⋅ 13! = 20⋅19⋅18⋅17⋅16⋅15⋅14 7⋅6⋅5⋅4⋅3⋅2⋅1 = 77520 verschiedene Möglichkeiten, die 7 Kugeln aus den 20 zu ziehen, bzw. von 20 Zahlen 7 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn eine der gezogenen Zahlen die 7 ist, bzw. wie viele Möglichkeiten es gibt, 7 von 20 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 7 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 6 Kreuze auf 19 Zahlen (alle außer der 7) zu setzen, also ( 19 6 ) = 19! 6! ⋅ 13! = 19⋅18⋅17⋅16⋅15⋅14 6⋅5⋅4⋅3⋅2⋅1 = 27132.

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

P = Anzahl der gewünschten Ergebnisse Anzahl der möglichen Ergebnisse = 27132 77520 ≈ 0.35, also ca. 35%.

Formel v. Bernoulli

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,45. Wie groß ist die Wahrscheinlichkeit dass er von 23 Versuchen genau 12 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=23 und p=0.45.

P0.4523 (X=12) = ( 23 12 ) ⋅ 0.4512 ⋅ 0.5511 =0.12987976557344≈ 0.1299
(TI-Befehl: binompdf(23,0.45,12))

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 kleinste k, für das gilt P(X ≤ k) ≥ 0.4.

Lösung einblenden

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≈ 0.03≈ 0 + 0.03 = 0.03
2≈ 0.08≈ 0.03 + 0.08 = 0.11
3≈ 0.17≈ 0.11 + 0.17 = 0.28
4≈ 0.22≈ 0.28 + 0.22 = 0.5
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 3) = 0.28 also noch klar unter der geforderten Wahrscheinlichkeit von 0.4 liegt, ist P(X ≤ 4) = 0.5 klar darüber.

Somit ist das gesuchte k = 4.

kumulierte Binomialverteilung

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 61%. Wie groß ist die Wahrscheinlichkeit dass er von 43 Versuchen nicht mehr als 30 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=43 und p=0.61.

P0.6143 (X≤30) = P0.6143 (X=0) + P0.6143 (X=1) + P0.6143 (X=2) +... + P0.6143 (X=30) = 0.91098147163415 ≈ 0.911
(TI-Befehl: binomcdf(43,0.61,30))

Binomialverteilung X>=k

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, 12 oder mehr Glückskekse mit einer Peproni zu erwischen, wenn man 72 Glückskekse kauft?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Glückskekse mit einer Peperoni an. X ist binomialverteilt mit n=72 und p=0.125.

...
9
10
11
12
13
14
...

P0.12572 (X≥12) = 1 - P0.12572 (X≤11) = 0.1836
(TI-Befehl: 1-binomcdf(72,0.125,11))

Binomialverteilung l < X < k

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,5. Wie groß ist die Wahrscheinlichkeit bei 66 Versuchen, mehr als 28 mal und höchstens 37 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=66 und p=0.5.

P0.566 (29≤X≤37) =

...
26
27
28
29
30
31
32
33
34
35
36
37
38
39
...

P0.566 (X≤37) - P0.566 (X≤28) ≈ 0.8661 - 0.1339 ≈ 0.7322
(TI-Befehl: binomcdf(66,0.5,37) - binomcdf(66,0.5,28))