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:

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

Lösung einblenden

Da die Wahrscheinlichkeit für einen Treffer (also hier, dass keine "6" gewürfelt wird) p = 1 6 beträgt, muss die Wahrscheinlichkeit für 3 Treffer bei 3 Versuchen P = ( 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: ( 7 5 )

Lösung einblenden

Wenn man von der allgememeinen Formel für den Binomialkoeffizient
( 7 5 ) = 7! 5! ⋅ (7 - 5)! = 7! 5! ⋅ 2! = 7⋅6⋅5⋅4⋅3⋅2⋅1 5⋅4⋅3⋅2⋅1 ⋅ 2⋅1
ausgeht, sieht man schnell, dass man mit der
5! = 5⋅4⋅3⋅2⋅1
rechts im Zähler und links im Nenner kürzen kann, so dass gilt:

( 7 5 ) = 7⋅6 2⋅1

= 7⋅3 1 (gekürzt mit 2)

= 21

Binomialkoeffizient Anwendungen

Beispiel:

Eine Eisdiele bietet 7 verschiedene Eissorten an. Rüdiger darf sich ein Eis mit 2 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.

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 = 42 Möglichkeiten, die 7 Möglichkeiten (Eissorten) auf die 2 "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 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 42 Möglichkeiten für nach Reihenfolge sortierte 2er-Gruppen durch die 2 Möglichkeiten, die 2er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich 42 2 = 21 Möglichkeiten für 2er-Gruppen, die aus 7 Elementen (Eissorten) gebildet werden.

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

21 = 7⋅6 2⋅1 = 7⋅6 ⋅5 ⋅ 4 ⋅ 3 ⋅ 2 ⋅ 1 2⋅1 ⋅5 ⋅ 4 ⋅ 3 ⋅ 2 ⋅ 1 = 7! 2! ⋅ 5! = ( 7 2 )

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

In einer Urne befinden sich 20 Kugeln, die mit den Zahlen 1 bis 20 beschriftet sind.

Es werden 8 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 2, die 8 und die 19 dabei sind?

Lösung einblenden

Es gibt insgesamt ( 20 8 ) = 20! 8! ⋅ 12! = 20⋅19⋅18⋅17⋅16⋅15⋅14⋅13 8⋅7⋅6⋅5⋅4⋅3⋅2⋅1 = 125970 verschiedene Möglichkeiten, die 8 Kugeln aus den 20 zu ziehen, bzw. von 20 Zahlen 8 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn drei der gezogenen Zahlen die 2, die 8 und die 19 sind, bzw. wie viele Möglichkeiten es gibt, 8 von 20 Zahlen anzukreuzen, wobei drei Kreuze sicher auf der der 2, der 8 und der 19 sein müssen, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 5 Kreuze auf 17 Zahlen (alle außer der 2, der 8 und der 19) zu setzen, also ( 17 5 ) = 17! 5! ⋅ 12! = 17⋅16⋅15⋅14⋅13 5⋅4⋅3⋅2⋅1 = 6188.

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

P = Anzahl der gewünschten Ergebnisse Anzahl der möglichen Ergebnisse = 6188 125970 ≈ 0.0491, also ca. 4.91%.

Formel v. Bernoulli

Beispiel:

Es soll geprüft werden, ob die Würfel eines Casinos gezinkt sind.Dazu wird mit einem Würfel 83-mal gewürfelt. Es werden hierbei 21 6er erzielt.Berechnen Sie die Wahrscheinlichkeit für 21 6er bei 83 Würfen.

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=83 und p= 1 6 .

P 1 6 83 (X=21) = ( 83 21 ) ⋅ ( 1 6 )21 ⋅ ( 5 6 )62 =0.013786400400394≈ 0.0138
(TI-Befehl: binompdf(83,1/6,21))

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) ≥ 0.4.

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≈ 0.03≈ 0 + 0.03 = 0.03
2≈ 0.09≈ 0.03 + 0.09 = 0.12
3≈ 0.18≈ 0.12 + 0.18 = 0.3
4≈ 0.24≈ 0.3 + 0.24 = 0.54
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Während P(X ≤ 3) = 0.3 also noch klar unter der geforderten Wahrscheinlichkeit von 0.4 liegt, ist P(X ≤ 4) = 0.54 klar darüber.

Somit ist das gesuchte k = 4.

kumulierte Binomialverteilung

Beispiel:

Ein Würfel wird 27 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass nicht öfter als 6 mal eine 6 (p=1/6) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der gewürfelten Sechser an. X ist binomialverteilt mit n=27 und p= 1 6 .

P 1 6 27 (X≤6) = P 1 6 27 (X=0) + P 1 6 27 (X=1) + P 1 6 27 (X=2) +... + P 1 6 27 (X=6) = 0.84951423961406 ≈ 0.8495
(TI-Befehl: binomcdf(27,1/6,6))

Binomialverteilung 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 23 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so 8 oder gar noch mehr Fragen richtig beantwortet hat?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der zufällig richtig beantworteten Fragen an. X ist binomialverteilt mit n=23 und p=0.25.

...
5
6
7
8
9
10
...

P0.2523 (X≥8) = 1 - P0.2523 (X≤7) = 0.1963
(TI-Befehl: 1-binomcdf(23,0.25,7))

Binomialverteilung l < X < k

Beispiel:

Ein Zufallsexperiment wird 85 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,25.Wie groß ist dabei die Wahrscheinlichkeit, mindestens 27, aber höchstens 28 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=85 und p=0.25.

P0.2585 (27≤X≤28) =

...
24
25
26
27
28
29
30
...

P0.2585 (X≤28) - P0.2585 (X≤26) ≈ 0.9622 - 0.9036 ≈ 0.0586
(TI-Befehl: binomcdf(85,0.25,28) - binomcdf(85,0.25,26))