Mathebattle EduRandomtasks

0 oder 1 Treffer bei n Versuchen

Beispiel:

Ein idealer Würfel wird 3 mal geworfen. Bestimme die Wahrscheinlichkeit dafür, dass jedes mal eine "6" gewürfelt wird.

Da die Wahrscheinlichkeit für einen Treffer (also hier, dass keine "6" gewürfelt wird) p = $\frac{1}{6}$ beträgt, muss die Wahrscheinlichkeit für 3 Treffer bei 3 Versuchen P = ${(\frac{1}{6})}^{3}$ ≈ 0.0046 betragen, da ja bei jedem Versuch ein Treffer erzielt wird, und es somit nur einen möglichen Pfad im Baumdiagramm gibt.

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: $(\begin{matrix} 40 \\ 1 \end{matrix})$

Lösung einblenden

Wenn man von der allgememeinen Formel für den Binomialkoeffizient
$(\begin{matrix} 40 \\ 1 \end{matrix})$ = $\frac{40!}{1! ⋅ (40 - 1)!}$ = $\frac{40!}{1! ⋅ 39!}$ = $\frac{40⋅39⋅38⋅37⋅36⋅35⋅34⋅33⋅32⋅31⋅30⋅29⋅28⋅27⋅26⋅25⋅24⋅23⋅22⋅21⋅20⋅19⋅18⋅17⋅16⋅15⋅14⋅13⋅12⋅11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1}{1 ⋅ 39⋅38⋅37⋅36⋅35⋅34⋅33⋅32⋅31⋅30⋅29⋅28⋅27⋅26⋅25⋅24⋅23⋅22⋅21⋅20⋅19⋅18⋅17⋅16⋅15⋅14⋅13⋅12⋅11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1}$
ausgeht, sieht man schnell, dass man mit der
39! = 39⋅38⋅37⋅36⋅35⋅34⋅33⋅32⋅31⋅30⋅29⋅28⋅27⋅26⋅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
rechts im Zähler und Nenner kürzen kann, so dass gilt:

$(\begin{matrix} 40 \\ 1 \end{matrix})$ = $\frac{40}{1}$

= 40

Binomialkoeffizient Anwendungen

Beispiel:

Eine Eisdiele bietet 7 verschiedene Eissorten an. Rüdiger darf sich ein Eis mit 3 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 7 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Eissorte nicht mehr möglich, es gibt also nur noch 6 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 5 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 7⋅6⋅5 = 210 Möglichkeiten, die 7 Möglichkeiten (Eissorten) auf die 3 "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 3er-Gruppe drin ist, nicht an welcher Stelle.

Wir berechnen jetzt also, wie viele mögliche Reihenfolgen pro 3er-Gruppe möglich sind.

Für die erste Stelle ist jede(r) aus der 3er-Gruppe möglich. Es gibt also 3 Möglichkeiten.
Für die zweite Stelle ist der/die an erster Stelle stehende nicht mehr möglich, es gibt also nur noch 2 Möglichkeiten.
Für die 3. Stelle fehlen dann schon 2, so dass nur noch 1 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 3⋅2⋅1 = 6 Möglichkeiten für die verschiedenen Reihenfolgen innerhalb einer 3er-Gruppe.

Wir müssen deswegen die 210 Möglichkeiten für nach Reihenfolge sortierte 3er-Gruppen durch die 6 Möglichkeiten, die 3er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich $\frac{210}{6}$ = 35 Möglichkeiten für 3er-Gruppen, die aus 7 Elementen (Eissorten) gebildet werden.

Die hier durchgeführte Berechnung $\frac{7\cdot6\cdot5}{3\cdot2\cdot1}$ könnte man mit 4! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

35 = $\frac{7\cdot6\cdot5}{3\cdot2\cdot1}$ = $\frac{7 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}{3 \cdot 2 \cdot 1 \cdot 4 \cdot 3 \cdot 2 \cdot 1}$ = $\frac{7!}{3! ⋅ 4!}$ = $(\begin{matrix} 7 \\ 3 \end{matrix})$

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

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

Es werden 8 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 10, die 11 und die 15 dabei sind?

Lösung einblenden

Es gibt insgesamt $(\begin{matrix} 25 \\ 8 \end{matrix})$ = $\frac{25!}{8! ⋅ 17!}$ = $\frac{25⋅24⋅23⋅22⋅21⋅20⋅19⋅18}{8⋅7⋅6⋅5⋅4⋅3⋅2⋅1}$ = 1081575 verschiedene Möglichkeiten, die 8 Kugeln aus den 25 zu ziehen, bzw. von 25 Zahlen 8 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn drei der gezogenen Zahlen die 10, die 11 und die 15 sind, bzw. wie viele Möglichkeiten es gibt, 8 von 25 Zahlen anzukreuzen, wobei drei Kreuze sicher auf der der 10, der 11 und der 15 sein müssen, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 5 Kreuze auf 22 Zahlen (alle außer der 10, der 11 und der 15) zu setzen, also $(\begin{matrix} 22 \\ 5 \end{matrix})$ = $\frac{22!}{5! ⋅ 17!}$ = $\frac{22⋅21⋅20⋅19⋅18}{5⋅4⋅3⋅2⋅1}$ = 26334.

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

P = $\frac{Anzahl der gewünschten Ergebnisse}{Anzahl der möglichen Ergebnisse}$ = $\frac{26334}{1081575}$ ≈ 0.0243, also ca. 2.43%.

Formel v. Bernoulli

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 71 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so genau 22 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der zufällig richtig beantworteten Fragen an. X ist binomialverteilt mit n=71 und p= $\frac{1}{4}$ .

P_{\frac{1}{4}}^{71} (X = 22)

=

(\begin{matrix} 71 \\ 22 \end{matrix}) \cdot {(\frac{1}{4})}^{22} \cdot {(\frac{3}{4})}^{49}

=0.053391733405676≈ 0.0534
(TI-Befehl: binompdf(71,1/4,22))

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) ≥ 0.45.

Lösung einblenden

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

k	P(X = k)	P(X ≤ k)
0	≈ 0.02	≈ 0 + 0.02 = 0.02
1	≈ 0.09	≈ 0.02 + 0.09 = 0.11
2	≈ 0.2	≈ 0.11 + 0.2 = 0.31
3	≈ 0.26	≈ 0.31 + 0.26 = 0.57

Während P(X ≤ 2) = 0.31 also noch klar unter der geforderten Wahrscheinlichkeit von 0.45 liegt, ist P(X ≤ 3) = 0.57 klar darüber.

Somit ist das gesuchte k = 3.

kumulierte Binomialverteilung

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 38 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so bis zu 10 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der zufällig richtig beantworteten Fragen an. X ist binomialverteilt mit n=38 und p=0.25.

P_{0.25}^{38} (X \leq 10)

=

P_{0.25}^{38} (X = 0)

+

P_{0.25}^{38} (X = 1)

+

P_{0.25}^{38} (X = 2)

+... +

P_{0.25}^{38} (X = 10)

= 0.65577778038137 ≈ 0.6558
(TI-Befehl: binomcdf(38,0.25,10))

Binomialverteilung X>=k

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, 1 oder mehr Glückskekse mit einer Peproni zu erwischen, wenn man 23 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=23 und p=0.125.

0

1

2

3

...

P_{0.125}^{23} (X \geq 1)

= 1 -

P_{0.125}^{23} (X \leq 0)

= 0.9536
(TI-Befehl: 1-binomcdf(23,0.125,0))

Binomialverteilung l < X < k

Beispiel:

Ein Zufallsexperiment wird 77 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,35.Wie groß ist dabei die Wahrscheinlichkeit, mindestens 29, aber höchstens 31 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=77 und p=0.35.

$P_{0.35}^{77} (29 \leq X \leq 31)$ =

...

26

27

28

29

30

31

32

33

...

P_{0.35}^{77} (X \leq 31)

-

P_{0.35}^{77} (X \leq 28)

≈ 0.8611 - 0.6482 ≈ 0.2129
(TI-Befehl: binomcdf(77,0.35,31) - binomcdf(77,0.35,28))

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