Mathebattle EduRandomtasks

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 ersten Drehung der grüne Bereich erzielt wird.

Lösung einblenden

Da hier ja nur eine Aussage über den 1-ten Versuch gemacht wird und keine Aussage über alle anderen Versuche, muss auch nur der 1-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: $(\begin{matrix} 11 \\ 8 \end{matrix})$

Lösung einblenden

Wenn man von der allgememeinen Formel für den Binomialkoeffizient
$(\begin{matrix} 11 \\ 8 \end{matrix})$ = $\frac{11!}{8! ⋅ (11 - 8)!}$ = $\frac{11!}{8! ⋅ 3!}$ = $\frac{11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1}{8⋅7⋅6⋅5⋅4⋅3⋅2⋅1 ⋅ 3⋅2⋅1}$
ausgeht, sieht man schnell, dass man mit der
8! = 8⋅7⋅6⋅5⋅4⋅3⋅2⋅1
rechts im Zähler und links im Nenner kürzen kann, so dass gilt:

$(\begin{matrix} 11 \\ 8 \end{matrix})$ = $\frac{11⋅10⋅9}{3⋅2⋅1}$

= $\frac{11⋅10⋅3}{2⋅1}$ (gekürzt mit 3)

= $\frac{11⋅5⋅3}{1}$ (gekürzt mit 2)

= 165

Binomialkoeffizient Anwendungen

Beispiel:

Die Sportlehrerin Frau Hertz braucht für eine Demonstration 2 Schülerinnen. Diese möchte sie zufällig aus der 18-köpfigen Sportgruppe losen. Wie viele verschiedene 2er-Gruppen sind so möglich?

Lösung einblenden

Für die erste Stelle ist jede Schülerin möglich. Es gibt also 18 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Schülerin nicht mehr möglich, es gibt also nur noch 17 Möglichkeiten.

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 18⋅17 = 306 Möglichkeiten, die 18 Möglichkeiten (Schülerinnen) auf die 2 "Ziehungen" (geloste) 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 2er-Gruppe drin ist, nicht an welcher Stelle.

Wir berechnen jetzt also, wie viele mögliche Reihenfolgen pro 2er-Gruppe möglich sind.

Für die erste Stelle ist jede(r) aus der 2er-Gruppe möglich. Es gibt also 2 Möglichkeiten.
Für die zweite Stelle ist der/die an erster Stelle stehende nicht mehr möglich, es gibt also nur noch 1 Möglichkeiten.

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 2⋅1 = 2 Möglichkeiten für die verschiedenen Reihenfolgen innerhalb einer 2er-Gruppe.

Wir müssen deswegen die 306 Möglichkeiten für nach Reihenfolge sortierte 2er-Gruppen durch die 2 Möglichkeiten, die 2er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich $\frac{306}{2}$ = 153 Möglichkeiten für 2er-Gruppen, die aus 18 Elementen (Schülerinnen) gebildet werden.

Die hier durchgeführte Berechnung $\frac{18\cdot17}{2\cdot1}$ könnte man mit 16! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

153 = $\frac{18\cdot17}{2\cdot1}$ = $\frac{18 \cdot 17 \cdot 16 \cdot 15 \cdot 14 \cdot 13 \cdot 12 \cdot 11 \cdot 10 \cdot 9 \cdot 8 \cdot 7 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}{2 \cdot 1 \cdot 16 \cdot 15 \cdot 14 \cdot 13 \cdot 12 \cdot 11 \cdot 10 \cdot 9 \cdot 8 \cdot 7 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}$ = $\frac{18!}{2! ⋅ 16!}$ = $(\begin{matrix} 18 \\ 2 \end{matrix})$

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

In einer Urne befinden sich 40 Kugeln, die mit den Zahlen 1 bis 40 beschriftet sind.

Es werden 7 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 10, die 18 und die 31 dabei sind?

Lösung einblenden

Es gibt insgesamt $(\begin{matrix} 40 \\ 7 \end{matrix})$ = $\frac{40!}{7! ⋅ 33!}$ = $\frac{40⋅39⋅38⋅37⋅36⋅35⋅34}{7⋅6⋅5⋅4⋅3⋅2⋅1}$ = 18643560 verschiedene Möglichkeiten, die 7 Kugeln aus den 40 zu ziehen, bzw. von 40 Zahlen 7 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn drei der gezogenen Zahlen die 10, die 18 und die 31 sind, bzw. wie viele Möglichkeiten es gibt, 7 von 40 Zahlen anzukreuzen, wobei drei Kreuze sicher auf der der 10, der 18 und der 31 sein müssen, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 4 Kreuze auf 37 Zahlen (alle außer der 10, der 18 und der 31) zu setzen, also $(\begin{matrix} 37 \\ 4 \end{matrix})$ = $\frac{37!}{4! ⋅ 33!}$ = $\frac{37⋅36⋅35⋅34}{4⋅3⋅2⋅1}$ = 66045.

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

P = $\frac{Anzahl der gewünschten Ergebnisse}{Anzahl der möglichen Ergebnisse}$ = $\frac{66045}{18643560}$ ≈ 0.0035, also ca. 0.35%.

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 33 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so genau 9 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der zufällig richtig beantworteten Fragen an. X ist binomialverteilt mit n=33 und p= $\frac{1}{4}$ .

P_{\frac{1}{4}}^{33} (X = 9)

=

(\begin{matrix} 33 \\ 9 \end{matrix}) \cdot {(\frac{1}{4})}^{9} \cdot {(\frac{3}{4})}^{24}

=0.14762074180804≈ 0.1476
(TI-Befehl: binompdf(33,1/4,9))

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) ≥ 0.15.

Lösung einblenden

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

k	P(X = k)	P(X ≤ k)
0	≈ 0.06	≈ 0 + 0.06 = 0.06
1	≈ 0.19	≈ 0.06 + 0.19 = 0.25

Während P(X ≤ 0) = 0.06 also noch klar unter der geforderten Wahrscheinlichkeit von 0.15 liegt, ist P(X ≤ 1) = 0.25 klar darüber.

Somit ist das gesuchte k = 1.

kumulierte Binomialverteilung

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 69%. Wie groß ist die Wahrscheinlichkeit dass er von 39 Versuchen weniger als 32 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=39 und p=0.69.

P_{0.69}^{39} (X < 32)

=

P_{0.69}^{39} (X \leq 31)

=

P_{0.69}^{39} (X = 0)

+

P_{0.69}^{39} (X = 1)

+

P_{0.69}^{39} (X = 2)

+... +

P_{0.69}^{39} (X = 31)

= 0.94886004281431 ≈ 0.9489
(TI-Befehl: binomcdf(39,0.69,31))

Binomialverteilung X>=k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,94. Wie groß ist die Wahrscheinlichkeit dass er von 91 Versuchen mehr als 76 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=91 und p=0.94.

...

74

75

76

77

78

79

...

P_{0.94}^{91} (X > 76)

=

P_{0.94}^{91} (X \geq 77)

= 1 -

P_{0.94}^{91} (X \leq 76)

= 0.9997
(TI-Befehl: 1-binomcdf(91,0.94,76))

Binomialverteilung l < X < k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 77% von der Freiwurflinie. Wie groß ist die Wahrscheinlichkeit dass er von 49 Versuchen mindestens 37 und weniger als 42 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=49 und p=0.77.

$P_{0.77}^{49} (37 \leq X \leq 41)$ =

...

34

35

36

37

38

39

40

41

42

43

...

P_{0.77}^{49} (X \leq 41)

-

P_{0.77}^{49} (X \leq 36)

≈ 0.9041 - 0.3291 ≈ 0.575
(TI-Befehl: binomcdf(49,0.77,41) - binomcdf(49,0.77,36))

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