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 4 mal gedreht. Bestimme die Wahrscheinlichkeit dafür, dass bei der dritten Drehung nicht der grüne Bereich erzielt wird.

Lösung einblenden

Da hier ja nur eine Aussage über den 3-ten Versuch gemacht wird und keine Aussage über alle anderen Versuche, muss auch nur der 3-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 = 1 - 0,6 = $0,4$ ≈ 0.4 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: $(\begin{matrix} 9 \\ 7 \end{matrix})$

Lösung einblenden

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

$(\begin{matrix} 9 \\ 7 \end{matrix})$ = $\frac{9⋅8}{2⋅1}$

= $\frac{9⋅4}{1}$ (gekürzt mit 2)

= 36

Binomialkoeffizient Anwendungen

Beispiel:

Bei einem Glücksspiel sind auf einem Schein 6 Felder abgedruckt. Von diesen 6 Felder soll sich der Spieler 3 Felder aussuchen und ankreuzen.Wieviele Möglichkeiten hat er hierfür?

Lösung einblenden

Für die erste Stelle ist jedes Feld möglich. Es gibt also 6 Möglichkeiten. Für die zweite Stelle ist das bereits als erstes gewählte Feld nicht mehr möglich, es gibt also nur noch 5 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 4 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 6⋅5⋅4 = 120 Möglichkeiten, die 6 Möglichkeiten (abgedruckte Felder) auf die 3 "Ziehungen" (angekreuzte Felder) zu verteilen.

Wir haben jetzt dabei aber genau unterschieden an welcher Stelle was gezogen bzw. gewählt wurde. Also wären zum Beispiel Feld1 - Feld3 - Feld6 und Feld3 - Feld6 - Feld1 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 120 Möglichkeiten für nach Reihenfolge sortierte 3er-Gruppen durch die 6 Möglichkeiten, die 3er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich $\frac{120}{6}$ = 20 Möglichkeiten für 3er-Gruppen, die aus 6 Elementen (abgedruckte Felder) gebildet werden.

Die hier durchgeführte Berechnung $\frac{6\cdot5\cdot4}{3\cdot2\cdot1}$ könnte man mit 3! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

20 = $\frac{6\cdot5\cdot4}{3\cdot2\cdot1}$ = $\frac{6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}{3 \cdot 2 \cdot 1 \cdot 3 \cdot 2 \cdot 1}$ = $\frac{6!}{3! ⋅ 3!}$ = $(\begin{matrix} 6 \\ 3 \end{matrix})$

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

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

Es werden 6 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 9 und die 19 dabei sind?

Lösung einblenden

Es gibt insgesamt $(\begin{matrix} 25 \\ 6 \end{matrix})$ = $\frac{25!}{6! ⋅ 19!}$ = $\frac{25⋅24⋅23⋅22⋅21⋅20}{6⋅5⋅4⋅3⋅2⋅1}$ = 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 9 und die 19 sind, bzw. wie viele Möglichkeiten es gibt, 6 von 25 Zahlen anzukreuzen, wobei zwei Kreuze sicher auf der der 9 und der 19 sein müssen, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 4 Kreuze auf 23 Zahlen (alle außer der 9 und der 19) zu setzen, also $(\begin{matrix} 23 \\ 4 \end{matrix})$ = $\frac{23!}{4! ⋅ 19!}$ = $\frac{23⋅22⋅21⋅20}{4⋅3⋅2⋅1}$ = 8855.

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

P = $\frac{Anzahl der gewünschten Ergebnisse}{Anzahl der möglichen Ergebnisse}$ = $\frac{8855}{177100}$ ≈ 0.05, also ca. 5%.

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 70 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so genau 25 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der zufällig richtig beantworteten Fragen an. X ist binomialverteilt mit n=70 und p= $\frac{1}{4}$ .

P_{\frac{1}{4}}^{70} (X = 25)

=

(\begin{matrix} 70 \\ 25 \end{matrix}) \cdot {(\frac{1}{4})}^{25} \cdot {(\frac{3}{4})}^{45}

=0.013683732168543≈ 0.0137
(TI-Befehl: binompdf(70,1/4,25))

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) ≥ 0.2.

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

Während P(X ≤ 1) = 0.11 also noch klar unter der geforderten Wahrscheinlichkeit von 0.2 liegt, ist P(X ≤ 2) = 0.31 klar darüber.

Somit ist das gesuchte k = 2.

kumulierte Binomialverteilung

Beispiel:

Ein Würfel wird 76 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass nicht öfter als 18 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=76 und p= $\frac{1}{6}$ .

P_{\frac{1}{6}}^{76} (X \leq 18)

=

P_{\frac{1}{6}}^{76} (X = 0)

+

P_{\frac{1}{6}}^{76} (X = 1)

+

P_{\frac{1}{6}}^{76} (X = 2)

+... +

P_{\frac{1}{6}}^{76} (X = 18)

= 0.95861622051679 ≈ 0.9586
(TI-Befehl: binomcdf(76,1/6,18))

Binomialverteilung X>=k

Beispiel:

Ein Würfel wird 28 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass mehr als 6 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=28 und p= $\frac{1}{6}$ .

...

4

5

6

7

8

9

...

P_{\frac{1}{6}}^{28} (X > 6)

=

P_{\frac{1}{6}}^{28} (X \geq 7)

= 1 -

P_{\frac{1}{6}}^{28} (X \leq 6)

= 0.1735
(TI-Befehl: 1-binomcdf(28, $\frac{1}{6}$ ,6))

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 95 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 16, aber weniger als 25 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der zufällig richtig beantworteten Fragen an. X ist binomialverteilt mit n=95 und p=0.25.

$P_{0.25}^{95} (16 \leq X \leq 24)$ =

...

13

14

15

16

17

18

19

20

21

22

23

24

25

26

...

P_{0.25}^{95} (X \leq 24)

-

P_{0.25}^{95} (X \leq 15)

≈ 0.578 - 0.0215 ≈ 0.5565
(TI-Befehl: binomcdf(95,0.25,24) - binomcdf(95,0.25,15))

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