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:

Bei einem Glückrad beträgt die Wahrscheinlichkeit, in den grünen Bereich zu drehen, 60%. Es wird 5 mal gedreht. Bestimme die Wahrscheinlichkeit dafür, dass bei der vierten Drehung der grüne Bereich erzielt wird.

Lösung einblenden

Da hier ja nur eine Aussage über den 4-ten Versuch gemacht wird und keine Aussage über alle anderen Versuche, muss auch nur der 4-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 = 0,6 ≈ 0.6 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: ( 16 1 )

Lösung einblenden

Wenn man von der allgememeinen Formel für den Binomialkoeffizient
( 16 1 ) = 16! 1! ⋅ (16 - 1)! = 16! 1! ⋅ 15! = 16⋅15⋅14⋅13⋅12⋅11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1 1 ⋅ 15⋅14⋅13⋅12⋅11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1
ausgeht, sieht man schnell, dass man mit der
15! = 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:

( 16 1 ) = 16 1

= 16

Binomialkoeffizient Anwendungen

Beispiel:

Eine Mathelehrerin verlost unter den 8 SchülerInnen ihrer 8. Klasse, die eine Zusatzaufgabe gemacht haben, 4 Matherätsel-Knobelbücher. Natürlich kann jeder höchstens eins bekommen. Wie viele verschiedene Möglichkeiten gibt es für die 4er-Gruppe der glücklichen Gewinner?

Lösung einblenden

Für die erste Stelle ist jede SchülerIn möglich. Es gibt also 8 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte SchülerIn 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 (SchülerInnen) auf die 4 "Ziehungen" (Knobelbücher) 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 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 1680 24 = 70 Möglichkeiten für 4er-Gruppen, die aus 8 Elementen (SchülerInnen) gebildet werden.

Die hier durchgeführte Berechnung 8⋅7⋅6⋅5 4⋅3⋅2⋅1 könnte man mit 4! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

70 = 8⋅7⋅6⋅5 4⋅3⋅2⋅1 = 8⋅7⋅6⋅5 ⋅4 ⋅ 3 ⋅ 2 ⋅ 1 4⋅3⋅2⋅1 ⋅4 ⋅ 3 ⋅ 2 ⋅ 1 = 8! 4! ⋅ 4! = ( 8 4 )

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

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

Es werden 6 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 2 und die 25 dabei sind?

Lösung einblenden

Es gibt insgesamt ( 25 6 ) = 25! 6! ⋅ 19! = 25⋅24⋅23⋅22⋅21⋅20 6⋅5⋅4⋅3⋅2⋅1 = 177100 verschiedene Möglichkeiten, die 6 Kugeln aus den 25 zu ziehen, bzw. von 25 Zahlen 6 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn zwei der gezogenen Zahlen die 2 und die 25 sind, bzw. wie viele Möglichkeiten es gibt, 6 von 25 Zahlen anzukreuzen, wobei zwei Kreuze sicher auf der der 2 und der 25 sein müssen, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 4 Kreuze auf 23 Zahlen (alle außer der 2 und der 25) zu setzen, also ( 23 4 ) = 23! 4! ⋅ 19! = 23⋅22⋅21⋅20 4⋅3⋅2⋅1 = 8855.

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

P = Anzahl der gewünschten Ergebnisse Anzahl der möglichen Ergebnisse = 8855 177100 ≈ 0.05, also ca. 5%.

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 35% entsteht. Es wird eine Stichprobe der Menge 55 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon genau 14 defekte Chips enthalten sind.

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der defekten Chips an. X ist binomialverteilt mit n=55 und p=0.35.

P0.3555 (X=14) = ( 55 14 ) ⋅ 0.3514 ⋅ 0.6541 =0.038480763244508≈ 0.0385
(TI-Befehl: binompdf(55,0.35,14))

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) ≥ 0.45.

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≈ 0.01≈ 0 + 0.01 = 0.01
2≈ 0.05≈ 0.01 + 0.05 = 0.06
3≈ 0.11≈ 0.06 + 0.11 = 0.17
4≈ 0.18≈ 0.17 + 0.18 = 0.35
5≈ 0.22≈ 0.35 + 0.22 = 0.57
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 4) = 0.35 also noch klar unter der geforderten Wahrscheinlichkeit von 0.45 liegt, ist P(X ≤ 5) = 0.57 klar darüber.

Somit ist das gesuchte k = 5.

kumulierte Binomialverteilung

Beispiel:

Ein Fortbildungsteilnehmer ermüdet mit einer Wahrscheinlichkeit von 60%. An einer Fortbildung nehmen 88 Personen teil. Wie groß ist die Wahrscheinlichkeit, dass höchstens 53 Personen ermüden?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der ermüdeten Personen an. X ist binomialverteilt mit n=88 und p=0.6.

P0.688 (X≤53) = P0.688 (X=0) + P0.688 (X=1) + P0.688 (X=2) +... + P0.688 (X=53) = 0.55766146791431 ≈ 0.5577
(TI-Befehl: binomcdf(88,0.6,53))

Binomialverteilung X>=k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,85. Wie groß ist die Wahrscheinlichkeit dass er von 35 Versuchen mehr als 30 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=35 und p=0.85.

...
28
29
30
31
32
33
...

P0.8535 (X>30) = P0.8535 (X≥31) = 1 - P0.8535 (X≤30) = 0.3807
(TI-Befehl: 1-binomcdf(35,0.85,30))

Binomialverteilung l < X < k

Beispiel:

Ein Würfel wird 95 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 15 mal, aber weniger als 23 mal eine sechs gewürfelt wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der gewürfelten Sechser an. X ist binomialverteilt mit n=95 und p= 1 6 .

P 1 6 95 (16≤X≤22) =

...
13
14
15
16
17
18
19
20
21
22
23
24
...

P 1 6 95 (X≤22) - P 1 6 95 (X≤15) ≈ 0.9622 - 0.4757 ≈ 0.4865
(TI-Befehl: binomcdf(95, 1 6 ,22) - binomcdf(95, 1 6 ,15))