Mathebattle EduRandomtasks

0 oder 1 Treffer bei n Versuchen

Beispiel:

Bei einem Glückrad beträgt die Wahrscheinlichkeit, in den grünen Bereich zu drehen, 70%. Es wird 4 mal gedreht. Bestimme die Wahrscheinlichkeit dafür, dass bei der zweiten Drehung nicht der grüne Bereich erzielt wird.

Lösung einblenden

Da hier ja nur eine Aussage über den 2-ten Versuch gemacht wird und keine Aussage über alle anderen Versuche, muss auch nur der 2-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 - 0,7 = $0,3$ ≈ 0.3 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: $(\begin{matrix} 6 \\ 3 \end{matrix})$

Lösung einblenden

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

$(\begin{matrix} 6 \\ 3 \end{matrix})$ = $\frac{6⋅5⋅4}{3⋅2⋅1}$

= $\frac{2⋅5⋅4}{2⋅1}$ (gekürzt mit 3)

= $\frac{5⋅4}{1}$ (gekürzt mit 2)

= 20

Binomialkoeffizient Anwendungen

Beispiel:

Eine Eisdiele bietet 11 verschiedene Eissorten an. Rüdiger darf sich ein Eis mit 4 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 11 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Eissorte nicht mehr möglich, es gibt also nur noch 10 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 9 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 11⋅10⋅9⋅8 = 7920 Möglichkeiten, die 11 Möglichkeiten (Eissorten) auf die 4 "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 4er-Gruppe drin ist, nicht an welcher Stelle.

Wir berechnen jetzt also, wie viele mögliche Reihenfolgen pro 4er-Gruppe möglich sind.

Für die erste Stelle ist jede(r) aus der 4er-Gruppe möglich. Es gibt also 4 Möglichkeiten.
Für die zweite Stelle ist der/die an erster Stelle stehende nicht mehr möglich, es gibt also nur noch 3 Möglichkeiten.
Für die 3. Stelle fehlen dann schon 2, so dass nur noch 2 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 4⋅3⋅2⋅1 = 24 Möglichkeiten für die verschiedenen Reihenfolgen innerhalb einer 4er-Gruppe.

Wir müssen deswegen die 7920 Möglichkeiten für nach Reihenfolge sortierte 4er-Gruppen durch die 24 Möglichkeiten, die 4er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich $\frac{7920}{24}$ = 330 Möglichkeiten für 4er-Gruppen, die aus 11 Elementen (Eissorten) gebildet werden.

Die hier durchgeführte Berechnung $\frac{11\cdot10\cdot9\cdot8}{4\cdot3\cdot2\cdot1}$ könnte man mit 7! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

330 = $\frac{11\cdot10\cdot9\cdot8}{4\cdot3\cdot2\cdot1}$ = $\frac{11 \cdot 10 \cdot 9 \cdot 8 \cdot 7 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}{4 \cdot 3 \cdot 2 \cdot 1 \cdot 7 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}$ = $\frac{11!}{4! ⋅ 7!}$ = $(\begin{matrix} 11 \\ 4 \end{matrix})$

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

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

Es werden 8 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 17 dabei ist?

Lösung einblenden

Es gibt insgesamt $(\begin{matrix} 20 \\ 8 \end{matrix})$ = $\frac{20!}{8! ⋅ 12!}$ = $\frac{20⋅19⋅18⋅17⋅16⋅15⋅14⋅13}{8⋅7⋅6⋅5⋅4⋅3⋅2⋅1}$ = 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 eine der gezogenen Zahlen die 17 ist, bzw. wie viele Möglichkeiten es gibt, 8 von 20 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 17 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 7 Kreuze auf 19 Zahlen (alle außer der 17) zu setzen, also $(\begin{matrix} 19 \\ 7 \end{matrix})$ = $\frac{19!}{7! ⋅ 12!}$ = $\frac{19⋅18⋅17⋅16⋅15⋅14⋅13}{7⋅6⋅5⋅4⋅3⋅2⋅1}$ = 50388.

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

P = $\frac{Anzahl der gewünschten Ergebnisse}{Anzahl der möglichen Ergebnisse}$ = $\frac{50388}{125970}$ ≈ 0.4, also ca. 40%.

Formel v. Bernoulli

Beispiel:

Ein Würfel wird 54 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 7 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=54 und p= $\frac{1}{6}$ .

P_{\frac{1}{6}}^{54} (X = 7)

=

(\begin{matrix} 54 \\ 7 \end{matrix}) \cdot {(\frac{1}{6})}^{7} \cdot {(\frac{5}{6})}^{47}

=0.12012754938981≈ 0.1201
(TI-Befehl: binompdf(54,1/6,7))

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) ≥ 0.85.

Lösung einblenden

Wenn P(X ≥ k) ≥ 0.85 sein soll, bedeutet das doch, dass sie Summe der Säulenhöhen von k bis zum rechten Rand mindestens 0.85 sein muss. Das ist dann aber doch gleichbedeutend, wie dass für die restlichen Säulenhöhen links von 0 bis k-1 höchstens 1-0.85=0.15 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	≈ 0.01	≈ 0 + 0.01 = 0.01
1	≈ 0.07	≈ 0.01 + 0.07 = 0.08
2	≈ 0.18	≈ 0.08 + 0.18 = 0.26

Während P(X ≤ 1) = 0.08 also noch klar unter der geforderten Wahrscheinlichkeit von 0.15 liegt, ist P(X ≤ 2) = 0.26 klar darüber.

Oder andersrum: P(X ≥ 2) = 1 - P(X ≤ 1) = 0.92 (die Summe der blauen Säulenhöhen von 2 bis 10) ist klar über der geforderten Wahrscheinlichkeit von 0.85, während P(X ≥ 3) = 1 - P(X ≤ 2) = 0.74 (die Summe der Säulenhöhen von 3 bis 10) klar darunter liegt.

Somit ist das gesuchte k = 2.

kumulierte Binomialverteilung

Beispiel:

In einer Chip-Fabrik werden neue High Tech Chips produziert. Leider ist die Technik noch nicht so ganz ausgereift, weswegen Ausschuss mit einer Wahrscheinlichkeit von p=0,27 entsteht. Es wird eine Stichprobe der Menge 72 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon nicht mehr als 22 defekte Chips enthalten sind.

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der defekten Chips an. X ist binomialverteilt mit n=72 und p=0.27.

P_{0.27}^{72} (X \leq 22)

=

P_{0.27}^{72} (X = 0)

+

P_{0.27}^{72} (X = 1)

+

P_{0.27}^{72} (X = 2)

+... +

P_{0.27}^{72} (X = 22)

= 0.79366657099073 ≈ 0.7937
(TI-Befehl: binomcdf(72,0.27,22))

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 74 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so 22 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=74 und p=0.25.

...

19

20

21

22

23

24

...

P_{0.25}^{74} (X \geq 22)

= 1 -

P_{0.25}^{74} (X \leq 21)

= 0.208
(TI-Befehl: 1-binomcdf(74,0.25,21))

Binomialverteilung l < X < k

Beispiel:

In einer Chip-Fabrik werden neue High Tech Chips produziert. Leider ist die Technik noch nicht so ganz ausgereift, weswegen Ausschuss mit einer Wahrscheinlichkeit von p=0,45 entsteht. Es wird eine Stichprobe der Menge 55 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips mindestens 25 und höchstens 30 beträgt?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der defekten Chips an. X ist binomialverteilt mit n=55 und p=0.45.

$P_{0.45}^{55} (25 \leq X \leq 30)$ =

...

22

23

24

25

26

27

28

29

30

31

32

...

P_{0.45}^{55} (X \leq 30)

-

P_{0.45}^{55} (X \leq 24)

≈ 0.9401 - 0.4748 ≈ 0.4653
(TI-Befehl: binomcdf(55,0.45,30) - binomcdf(55,0.45,24))

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