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 dabei genau einmal in den grünen Bereich gedreht wird.

Lösung einblenden

Die Wahrscheinlichkeit für einen Treffer (also hier, dass in den grünen Bereich gedreht wird) beträgt p = 0,3, für einen Nicht-Treffer (also hier, dass nicht in den grünen Bereich gedreht wird) beträgt sie q = 1 - 0,3 = $0,7$ . Hier gibt es nun mehrere Möglichkeiten, wann der eine Treffer eintritt:

Treffer - NichtTreffer - NichtTreffer (also Treffer im 1-ten Versuch)
NichtTreffer - Treffer - NichtTreffer (also Treffer im 2-ten Versuch)
NichtTreffer - NichtTreffer - Treffer (also Treffer im 3-ten Versuch)

Bei jedem dieser 3 Fälle ist die Wahrscheinlichkeit gleich, nämlich P_k = $0,3 \cdot {0,7}^{2}$ .

Für die gesuchte Wahrscheinlichkeit aller 3 Fälle gilt somit P = $3 \cdot 0,3 \cdot {0,7}^{2}$ ≈ 0.441 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: $(\begin{matrix} 8 \\ 3 \end{matrix})$

Lösung einblenden

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

$(\begin{matrix} 8 \\ 3 \end{matrix})$ = $\frac{8⋅7⋅6}{3⋅2⋅1}$

= $\frac{8⋅7⋅2}{2⋅1}$ (gekürzt mit 3)

= $\frac{8⋅7}{1}$ (gekürzt mit 2)

= 56

Binomialkoeffizient Anwendungen

Beispiel:

Bei einem Glücksspiel sind auf einem Schein 10 Felder abgedruckt. Von diesen 10 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 10 Möglichkeiten. Für die zweite Stelle ist das bereits als erstes gewählte Feld nicht mehr möglich, es gibt also nur noch 9 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 8 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 10⋅9⋅8⋅7 = 5040 Möglichkeiten, die 10 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 5040 Möglichkeiten für nach Reihenfolge sortierte 4er-Gruppen durch die 24 Möglichkeiten, die 4er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich $\frac{5040}{24}$ = 210 Möglichkeiten für 4er-Gruppen, die aus 10 Elementen (abgedruckte Felder) gebildet werden.

Die hier durchgeführte Berechnung $\frac{10\cdot9\cdot8\cdot7}{4\cdot3\cdot2\cdot1}$ könnte man mit 6! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

210 = $\frac{10\cdot9\cdot8\cdot7}{4\cdot3\cdot2\cdot1}$ = $\frac{10 \cdot 9 \cdot 8 \cdot 7 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}{4 \cdot 3 \cdot 2 \cdot 1 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}$ = $\frac{10!}{4! ⋅ 6!}$ = $(\begin{matrix} 10 \\ 4 \end{matrix})$

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

In einer Urne befinden sich 25 Kugeln, die mit den Zahlen 1 bis 25 beschriftet sind.

Es werden 4 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 5 dabei ist?

Lösung einblenden

Es gibt insgesamt $(\begin{matrix} 25 \\ 4 \end{matrix})$ = $\frac{25!}{4! ⋅ 21!}$ = $\frac{25⋅24⋅23⋅22}{4⋅3⋅2⋅1}$ = 12650 verschiedene Möglichkeiten, die 4 Kugeln aus den 25 zu ziehen, bzw. von 25 Zahlen 4 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn eine der gezogenen Zahlen die 5 ist, bzw. wie viele Möglichkeiten es gibt, 4 von 25 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 5 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 3 Kreuze auf 24 Zahlen (alle außer der 5) zu setzen, also $(\begin{matrix} 24 \\ 3 \end{matrix})$ = $\frac{24!}{3! ⋅ 21!}$ = $\frac{24⋅23⋅22}{3⋅2⋅1}$ = 2024.

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

P = $\frac{Anzahl der gewünschten Ergebnisse}{Anzahl der möglichen Ergebnisse}$ = $\frac{2024}{12650}$ ≈ 0.16, also ca. 16%.

Formel v. Bernoulli

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 30% entsteht. Es wird eine Stichprobe der Menge 32 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon genau 7 defekte Chips enthalten sind.

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der defekten Chips an. X ist binomialverteilt mit n=32 und p=0.3.

P_{0.3}^{32} (X = 7)

=

(\begin{matrix} 32 \\ 7 \end{matrix}) \cdot {0.3}^{7} \cdot {0.7}^{25}

=0.098717765216181≈ 0.0987
(TI-Befehl: binompdf(32,0.3,7))

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) ≥ 0.4.

Lösung einblenden

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	≈ 0.03	≈ 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

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:

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=0,22 entsteht. Es wird eine Stichprobe der Menge 55 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon nicht mehr als 12 defekte Chips enthalten sind.

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der defekten Chips an. X ist binomialverteilt mit n=55 und p=0.22.

P_{0.22}^{55} (X \leq 12)

=

P_{0.22}^{55} (X = 0)

+

P_{0.22}^{55} (X = 1)

+

P_{0.22}^{55} (X = 2)

+... +

P_{0.22}^{55} (X = 12)

= 0.56360151312693 ≈ 0.5636
(TI-Befehl: binomcdf(55,0.22,12))

Binomialverteilung X>=k

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,75. Wie groß ist die Wahrscheinlichkeit bei 21 Versuchen mindestens 16 mal im grünen Bereich zu landen?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Drehungen, die im grünen Bereich landen, an. X ist binomialverteilt mit n=21 und p=0.75.

...

13

14

15

16

17

18

...

P_{0.75}^{21} (X \geq 16)

= 1 -

P_{0.75}^{21} (X \leq 15)

= 0.5666
(TI-Befehl: 1-binomcdf(21,0.75,15))

Binomialverteilung l < X < k

Beispiel:

Ein Zufallsexperiment wird 64 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,4.Wie groß ist dabei die Wahrscheinlichkeit, mindestens 21, aber höchstens 31 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=64 und p=0.4.

$P_{0.4}^{64} (21 \leq X \leq 31)$ =

...

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

...

P_{0.4}^{64} (X \leq 31)

-

P_{0.4}^{64} (X \leq 20)

≈ 0.9329 - 0.0953 ≈ 0.8376
(TI-Befehl: binomcdf(64,0.4,31) - binomcdf(64,0.4,20))

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