Mathebattle EduRandomtasks

0 oder 1 Treffer bei n Versuchen

Beispiel:

Ein idealer Würfel wird 5 mal geworfen. Bestimme die Wahrscheinlichkeit dafür, dass jeder Wurf eine "6" ist, außer beim zweiten Versuch.

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 - $\frac{1}{6}$ = $\frac{5}{6}$ . Da ja der Nicht-Treffer genau im zweiten Durchgang kommen soll, ist auch hier nur ein Pfad im Baumdiagramm möglich. Dessen Wahrscheinlichkeit lässt sich dann wie folgt berechnen:

P = $\frac{1}{6}$ ⋅ $\frac{5}{6}$ ⋅ $\frac{1}{6}$ ⋅ $\frac{1}{6}$ ⋅ $\frac{1}{6}$ = $\frac{5}{6} \cdot {(\frac{1}{6})}^{4}$ ≈ 0.0006 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: $(\begin{matrix} 8 \\ 6 \end{matrix})$

Lösung einblenden

Wenn man von der allgememeinen Formel für den Binomialkoeffizient
$(\begin{matrix} 8 \\ 6 \end{matrix})$ = $\frac{8!}{6! ⋅ (8 - 6)!}$ = $\frac{8!}{6! ⋅ 2!}$ = $\frac{8⋅7⋅6⋅5⋅4⋅3⋅2⋅1}{6⋅5⋅4⋅3⋅2⋅1 ⋅ 2⋅1}$
ausgeht, sieht man schnell, dass man mit der
6! = 6⋅5⋅4⋅3⋅2⋅1
rechts im Zähler und links im Nenner kürzen kann, so dass gilt:

$(\begin{matrix} 8 \\ 6 \end{matrix})$ = $\frac{8⋅7}{2⋅1}$

= $\frac{4⋅7}{1}$ (gekürzt mit 2)

= 28

Binomialkoeffizient Anwendungen

Beispiel:

Bei einem Glücksspiel sind auf einem Schein 8 Felder abgedruckt. Von diesen 8 Felder soll sich der Spieler 4 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. 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 (abgedruckte Felder) auf die 4 "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 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 (abgedruckte Felder) 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 20 Kugeln, die mit den Zahlen 1 bis 20 beschriftet sind.

Es werden 6 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 14 und die 16 dabei sind?

Lösung einblenden

Es gibt insgesamt $(\begin{matrix} 20 \\ 6 \end{matrix})$ = $\frac{20!}{6! ⋅ 14!}$ = $\frac{20⋅19⋅18⋅17⋅16⋅15}{6⋅5⋅4⋅3⋅2⋅1}$ = 38760 verschiedene Möglichkeiten, die 6 Kugeln aus den 20 zu ziehen, bzw. von 20 Zahlen 6 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn zwei der gezogenen Zahlen die 14 und die 16 sind, bzw. wie viele Möglichkeiten es gibt, 6 von 20 Zahlen anzukreuzen, wobei zwei Kreuze sicher auf der der 14 und der 16 sein müssen, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 4 Kreuze auf 18 Zahlen (alle außer der 14 und der 16) zu setzen, also $(\begin{matrix} 18 \\ 4 \end{matrix})$ = $\frac{18!}{4! ⋅ 14!}$ = $\frac{18⋅17⋅16⋅15}{4⋅3⋅2⋅1}$ = 3060.

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

P = $\frac{Anzahl der gewünschten Ergebnisse}{Anzahl der möglichen Ergebnisse}$ = $\frac{3060}{38760}$ ≈ 0.0789, also ca. 7.89%.

Formel v. Bernoulli

Beispiel:

Es soll geprüft werden, ob die Würfel eines Casinos gezinkt sind.Dazu wird mit einem Würfel 72-mal gewürfelt. Es werden hierbei 9 6er erzielt.Berechnen Sie die Wahrscheinlichkeit für 9 6er bei 72 Würfen.

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=72 und p= $\frac{1}{6}$ .

P_{\frac{1}{6}}^{72} (X = 9)

=

(\begin{matrix} 72 \\ 9 \end{matrix}) \cdot {(\frac{1}{6})}^{9} \cdot {(\frac{5}{6})}^{63}

=0.086739351358503≈ 0.0867
(TI-Befehl: binompdf(72,1/6,9))

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) ≥ 0.75.

Lösung einblenden

Wir lesen einfach die Säulenhöhen aus dem Histogramm ab und addieren diese Werte:

k	P(X = k)	P(X ≤ k)
0	≈ 0.03	≈ 0 + 0.03 = 0.03
1	≈ 0.13	≈ 0.03 + 0.13 = 0.16
2	≈ 0.23	≈ 0.16 + 0.23 = 0.39
3	≈ 0.26	≈ 0.39 + 0.26 = 0.65
4	≈ 0.19	≈ 0.65 + 0.19 = 0.84

Während P(X ≤ 3) = 0.65 also noch klar unter der geforderten Wahrscheinlichkeit von 0.75 liegt, ist P(X ≤ 4) = 0.84 klar darüber.

Somit ist das gesuchte k = 4.

kumulierte Binomialverteilung

Beispiel:

Eine Münze wird 80 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass weniger als 49 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Würfe mit Zahl an. X ist binomialverteilt mit n=80 und p=0.5.

P_{0.5}^{80} (X < 49)

=

P_{0.5}^{80} (X \leq 48)

=

P_{0.5}^{80} (X = 0)

+

P_{0.5}^{80} (X = 1)

+

P_{0.5}^{80} (X = 2)

+... +

P_{0.5}^{80} (X = 48)

= 0.97166778682744 ≈ 0.9717
(TI-Befehl: binomcdf(80,0.5,48))

Binomialverteilung X>=k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,79. Wie groß ist die Wahrscheinlichkeit dass er von 26 Versuchen mehr als 22 trifft?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=26 und p=0.79.

...

20

21

22

23

24

25

P_{0.79}^{26} (X > 22)

=

P_{0.79}^{26} (X \geq 23)

= 1 -

P_{0.79}^{26} (X \leq 22)

= 0.1737
(TI-Befehl: 1-binomcdf(26,0.79,22))

Binomialverteilung l < X < k

Beispiel:

Ein Würfel wird 48 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 10 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=48 und p= $\frac{1}{6}$ .

$P_{\frac{1}{6}}^{48} (11 \leq X \leq 13)$ =

...

8

9

10

11

12

13

14

15

...

P_{\frac{1}{6}}^{48} (X \leq 13)

-

P_{\frac{1}{6}}^{48} (X \leq 10)

≈ 0.9782 - 0.8348 ≈ 0.1434
(TI-Befehl: binomcdf(48, $\frac{1}{6}$ ,13) - binomcdf(48, $\frac{1}{6}$ ,10))

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