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 6 mal gedreht. Bestimme die Wahrscheinlichkeit dafür, dass dabei 5 mal in den grünen Bereich gedreht wird.

Lösung einblenden

Die Wahrscheinlichkeit für einen Treffer (also hier, dass in den grünen Bereich gedreht wird) beträgt p = 0,6, für einen Nicht-Treffer (also hier, dass nicht in den grünen Bereich gedreht wird) beträgt sie q = 1 - 0,6 = $0,4$ . Wenn genau 5 Treffer unter den 6 Versuchen sein sollen, bedeutet das doch, dass es genau einen Nicht-Treffer unter den 6 Versuchen geben muss. Hier gibt es nun mehrere Möglichkeiten, wann dieser Nicht-Treffer eintritt:

NichtTreffer - Treffer - Treffer - Treffer - Treffer - Treffer (also der NichtTreffer im 1-ten Versuch)
Treffer - NichtTreffer - Treffer - Treffer - Treffer - Treffer (also der NichtTreffer im 2-ten Versuch)
Treffer - Treffer - NichtTreffer - Treffer - Treffer - Treffer (also der NichtTreffer im 3-ten Versuch)
Treffer - Treffer - Treffer - NichtTreffer - Treffer - Treffer (also der NichtTreffer im 4-ten Versuch)
Treffer - Treffer - Treffer - Treffer - NichtTreffer - Treffer (also der NichtTreffer im 5-ten Versuch)
Treffer - Treffer - Treffer - Treffer - Treffer - NichtTreffer (also der NichtTreffer im 6-ten Versuch)

Bei jedem dieser 6 Fälle ist die Wahrscheinlichkeit gleich, nämlich P_k = $0,4 \cdot {0,6}^{5}$ .

Für die gesuchte Wahrscheinlichkeit aller 6 Fälle gilt somit P = $6 \cdot 0,4 \cdot {0,6}^{5}$ ≈ 0.1866 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: $(\begin{matrix} 20 \\ 2 \end{matrix})$

Lösung einblenden

Wenn man von der allgememeinen Formel für den Binomialkoeffizient
$(\begin{matrix} 20 \\ 2 \end{matrix})$ = $\frac{20!}{2! ⋅ (20 - 2)!}$ = $\frac{20!}{2! ⋅ 18!}$ = $\frac{20⋅19⋅18⋅17⋅16⋅15⋅14⋅13⋅12⋅11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1}{2⋅1 ⋅ 18⋅17⋅16⋅15⋅14⋅13⋅12⋅11⋅10⋅9⋅8⋅7⋅6⋅5⋅4⋅3⋅2⋅1}$
ausgeht, sieht man schnell, dass man mit der
18! = 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:

$(\begin{matrix} 20 \\ 2 \end{matrix})$ = $\frac{20⋅19}{2⋅1}$

= $\frac{10⋅19}{1}$ (gekürzt mit 2)

= 190

Binomialkoeffizient Anwendungen

Beispiel:

Eine Mathelehrerin verlost unter den 10 SchülerInnen ihrer 8. Klasse, die eine Zusatzaufgabe gemacht haben, 3 Matherätsel-Knobelbücher. Natürlich kann jeder höchstens eins bekommen. Wie viele verschiedene Möglichkeiten gibt es für die 3er-Gruppe der glücklichen Gewinner?

Lösung einblenden

Für die erste Stelle ist jede SchülerIn möglich. Es gibt also 10 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte SchülerIn nicht mehr möglich, es gibt also nur noch 9 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 8 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 10⋅9⋅8 = 720 Möglichkeiten, die 10 Möglichkeiten (SchülerInnen) auf die 3 "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 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 720 Möglichkeiten für nach Reihenfolge sortierte 3er-Gruppen durch die 6 Möglichkeiten, die 3er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich $\frac{720}{6}$ = 120 Möglichkeiten für 3er-Gruppen, die aus 10 Elementen (SchülerInnen) gebildet werden.

Die hier durchgeführte Berechnung $\frac{10\cdot9\cdot8}{3\cdot2\cdot1}$ könnte man mit 7! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

120 = $\frac{10\cdot9\cdot8}{3\cdot2\cdot1}$ = $\frac{10 \cdot 9 \cdot 8 \cdot 7 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}{3 \cdot 2 \cdot 1 \cdot 7 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}$ = $\frac{10!}{3! ⋅ 7!}$ = $(\begin{matrix} 10 \\ 3 \end{matrix})$

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

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

Es werden 6 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 4 dabei ist?

Lösung einblenden

Es gibt insgesamt $(\begin{matrix} 20 \\ 6 \end{matrix})$ = $\frac{20!}{6! ⋅ 14!}$ = $\frac{20⋅19⋅18⋅17⋅16⋅15}{6⋅5⋅4⋅3⋅2⋅1}$ = 38760 verschiedene Möglichkeiten, die 6 Kugeln aus den 20 zu ziehen, bzw. von 20 Zahlen 6 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn eine der gezogenen Zahlen die 4 ist, bzw. wie viele Möglichkeiten es gibt, 6 von 20 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 4 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 5 Kreuze auf 19 Zahlen (alle außer der 4) zu setzen, also $(\begin{matrix} 19 \\ 5 \end{matrix})$ = $\frac{19!}{5! ⋅ 14!}$ = $\frac{19⋅18⋅17⋅16⋅15}{5⋅4⋅3⋅2⋅1}$ = 11628.

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

P = $\frac{Anzahl der gewünschten Ergebnisse}{Anzahl der möglichen Ergebnisse}$ = $\frac{11628}{38760}$ ≈ 0.3, also ca. 30%.

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 50 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so genau 14 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der zufällig richtig beantworteten Fragen an. X ist binomialverteilt mit n=50 und p= $\frac{1}{4}$ .

P_{\frac{1}{4}}^{50} (X = 14)

=

(\begin{matrix} 50 \\ 14 \end{matrix}) \cdot {(\frac{1}{4})}^{14} \cdot {(\frac{3}{4})}^{36}

=0.1110444800183≈ 0.111
(TI-Befehl: binompdf(50,1/4,14))

kumulierte WS aus Histogramm finden

Beispiel:

In der Abbildung rechts ist das Histogramm einer binomialverteilten Zufallsgröße X zu sehen. Finde das größte k, für das gilt P(X ≥ k) ≥ 0.65.

Lösung einblenden

Wenn P(X ≥ k) ≥ 0.65 sein soll, bedeutet das doch, dass sie Summe der Säulenhöhen von k bis zum rechten Rand mindestens 0.65 sein muss. Das ist dann aber doch gleichbedeutend, wie dass für die restlichen Säulenhöhen links von 0 bis k-1 höchstens 1-0.65=0.35 als Wahrscheinlichkeit übrig bleiben darf.

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	≈ 0.08	≈ 0.02 + 0.08 = 0.1
2	≈ 0.18	≈ 0.1 + 0.18 = 0.28
3	≈ 0.24	≈ 0.28 + 0.24 = 0.52

Während P(X ≤ 2) = 0.28 also noch klar unter der geforderten Wahrscheinlichkeit von 0.35 liegt, ist P(X ≤ 3) = 0.52 klar darüber.

Oder andersrum: P(X ≥ 3) = 1 - P(X ≤ 2) = 0.72 (die Summe der blauen Säulenhöhen von 3 bis 14) ist klar über der geforderten Wahrscheinlichkeit von 0.65, während P(X ≥ 4) = 1 - P(X ≤ 3) = 0.48 (die Summe der Säulenhöhen von 4 bis 14) klar darunter liegt.

Somit ist das gesuchte k = 3.

kumulierte Binomialverteilung

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 51%. Wie groß ist die Wahrscheinlichkeit dass er von 44 Versuchen weniger als 19 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=44 und p=0.51.

P_{0.51}^{44} (X < 19)

=

P_{0.51}^{44} (X \leq 18)

=

P_{0.51}^{44} (X = 0)

+

P_{0.51}^{44} (X = 1)

+

P_{0.51}^{44} (X = 2)

+... +

P_{0.51}^{44} (X = 18)

= 0.11728883839984 ≈ 0.1173
(TI-Befehl: binomcdf(44,0.51,18))

Binomialverteilung X>=k

Beispiel:

Ein Zufallsexperiment wird 51 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,7.
Wie groß ist dabei die Wahrscheinlichkeit, mehr als 39 Treffer zu erzielen?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=51 und p=0.7.

...

37

38

39

40

41

42

...

P_{0.7}^{51} (X > 39)

=

P_{0.7}^{51} (X \geq 40)

= 1 -

P_{0.7}^{51} (X \leq 39)

= 0.121
(TI-Befehl: 1-binomcdf(51,0.7,39))

Binomialverteilung l < X < k

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, mehr als 5 und höchstens 15 Glückskekse mit einer Peproni zu erwischen, wenn man 84 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Glückskekse mit einer Peperoni an. X ist binomialverteilt mit n=84 und p=0.125.

$P_{0.125}^{84} (6 \leq X \leq 15)$ =

...

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

...

P_{0.125}^{84} (X \leq 15)

-

P_{0.125}^{84} (X \leq 5)

≈ 0.9445 - 0.0404 ≈ 0.9041
(TI-Befehl: binomcdf(84,0.125,15) - binomcdf(84,0.125,5))

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