Mathebattle EduRandomtasks

0 oder 1 Treffer bei n Versuchen

Beispiel:

Ein idealer Würfel wird 5 mal geworfen. Bestimme die Wahrscheinlichkeit dafür, dass keine einzige "6" gewürfelt wird.

Da die Wahrscheinlichkeit für keinen Treffer (also hier, dass keine "6" gewürfelt wird) q = 1 - $\frac{1}{6}$ = $\frac{5}{6}$ beträgt, muss die Wahrscheinlichkeit für 5 Nicht-Treffer bei 5 Versuchen P = ${(\frac{5}{6})}^{5}$ ≈ 0.4019 betragen, da ja bei jedem Versuch kein Treffer erzielt wird, und es somit nur einen möglichen Pfad im Baumdiagramm gibt.

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: $(\begin{matrix} 6 \\ 2 \end{matrix})$

Lösung einblenden

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

$(\begin{matrix} 6 \\ 2 \end{matrix})$ = $\frac{6⋅5}{2⋅1}$

= $\frac{3⋅5}{1}$ (gekürzt mit 2)

= 15

Binomialkoeffizient Anwendungen

Beispiel:

Eine Eisdiele bietet 12 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 12 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Eissorte nicht mehr möglich, es gibt also nur noch 11 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 10 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 12⋅11⋅10⋅9 = 11880 Möglichkeiten, die 12 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 11880 Möglichkeiten für nach Reihenfolge sortierte 4er-Gruppen durch die 24 Möglichkeiten, die 4er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich $\frac{11880}{24}$ = 495 Möglichkeiten für 4er-Gruppen, die aus 12 Elementen (Eissorten) gebildet werden.

Die hier durchgeführte Berechnung $\frac{12\cdot11\cdot10\cdot9}{4\cdot3\cdot2\cdot1}$ könnte man mit 8! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

495 = $\frac{12\cdot11\cdot10\cdot9}{4\cdot3\cdot2\cdot1}$ = $\frac{12 \cdot 11 \cdot 10 \cdot 9 \cdot 8 \cdot 7 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}{4 \cdot 3 \cdot 2 \cdot 1 \cdot 8 \cdot 7 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}$ = $\frac{12!}{4! ⋅ 8!}$ = $(\begin{matrix} 12 \\ 4 \end{matrix})$

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 3 und die 7 dabei sind?

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 zwei der gezogenen Zahlen die 3 und die 7 sind, bzw. wie viele Möglichkeiten es gibt, 5 von 35 Zahlen anzukreuzen, wobei zwei Kreuze sicher auf der der 3 und der 7 sein müssen, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 3 Kreuze auf 33 Zahlen (alle außer der 3 und der 7) zu setzen, also $(\begin{matrix} 33 \\ 3 \end{matrix})$ = $\frac{33!}{3! ⋅ 30!}$ = $\frac{33⋅32⋅31}{3⋅2⋅1}$ = 5456.

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

P = $\frac{Anzahl der gewünschten Ergebnisse}{Anzahl der möglichen Ergebnisse}$ = $\frac{5456}{324632}$ ≈ 0.0168, also ca. 1.68%.

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 50% entsteht. Es wird eine Stichprobe der Menge 69 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon genau 36 defekte Chips enthalten sind.

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der defekten Chips an. X ist binomialverteilt mit n=69 und p=0.5.

P_{0.5}^{69} (X = 36)

=

(\begin{matrix} 69 \\ 36 \end{matrix}) \cdot {0.5}^{36} \cdot {0.5}^{33}

=0.089746280566063≈ 0.0897
(TI-Befehl: binompdf(69,0.5,36))

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) ≥ 0.1.

Lösung einblenden

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

k	P(X = k)	P(X ≤ k)
0	≈ 0.04	≈ 0 + 0.04 = 0.04
1	≈ 0.15	≈ 0.04 + 0.15 = 0.19

Während P(X ≤ 0) = 0.04 also noch klar unter der geforderten Wahrscheinlichkeit von 0.1 liegt, ist P(X ≤ 1) = 0.19 klar darüber.

Somit ist das gesuchte k = 1.

kumulierte Binomialverteilung

Beispiel:

Eine Münze wird 60 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass höchstens 31 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=60 und p=0.5.

P_{0.5}^{60} (X \leq 31)

=

P_{0.5}^{60} (X = 0)

+

P_{0.5}^{60} (X = 1)

+

P_{0.5}^{60} (X = 2)

+... +

P_{0.5}^{60} (X = 31)

= 0.65055828619 ≈ 0.6506
(TI-Befehl: binomcdf(60,0.5,31))

Binomialverteilung X>=k

Beispiel:

Ein Würfel wird 36 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass mehr als 5 mal eine 6 (p=1/6) geworfen wird?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der gewürfelten Sechser an. X ist binomialverteilt mit n=36 und p= $\frac{1}{6}$ .

...

3

4

5

6

7

8

...

P_{\frac{1}{6}}^{36} (X > 5)

=

P_{\frac{1}{6}}^{36} (X \geq 6)

= 1 -

P_{\frac{1}{6}}^{36} (X \leq 5)

= 0.5691
(TI-Befehl: 1-binomcdf(36, $\frac{1}{6}$ ,5))

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 93 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 22, aber weniger als 29 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der zufällig richtig beantworteten Fragen an. X ist binomialverteilt mit n=93 und p=0.25.

$P_{0.25}^{93} (22 \leq X \leq 28)$ =

...

19

20

21

22

23

24

25

26

27

28

29

30

...

P_{0.25}^{93} (X \leq 28)

-

P_{0.25}^{93} (X \leq 21)

≈ 0.8939 - 0.3438 ≈ 0.5501
(TI-Befehl: binomcdf(93,0.25,28) - binomcdf(93,0.25,21))

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