Mathebattle EduRandomtasks

0 oder 1 Treffer bei n Versuchen

Beispiel:

Bei einem Glückrad beträgt die Wahrscheinlichkeit, in den grünen Bereich zu drehen, 30%. Es wird 5 mal gedreht. Bestimme die Wahrscheinlichkeit dafür, dass nur beim dritten Drehen der grüne Bereich erzielt wird.

Lösung einblenden

Die Wahrscheinlichkeit für einen Treffer (also hier, dass in den grünen Bereich gedreht wird) beträgt p = 0,3, für einen Nicht-Treffer (also hier, dass nicht in den grünen Bereich gedreht wird) beträgt sie q = 1 - 0,3 = $0,7$ . Da ja der Treffer genau im dritten Durchgang kommen soll, ist auch hier nur ein Pfad im Baumdiagramm möglich. Dessen Wahrscheinlichkeit lässt sich dann wie folgt berechnen:

P = $0,7$ ⋅ $0,7$ ⋅0,3⋅ $0,7$ ⋅ $0,7$ = $0,3 \cdot {0,7}^{4}$ ≈ 0.072 .

Binomialkoeffizient

Beispiel:

Berechne ohne Taschenrechner: $(\begin{matrix} 16 \\ 1 \end{matrix})$

Lösung einblenden

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

$(\begin{matrix} 16 \\ 1 \end{matrix})$ = $\frac{16}{1}$

= 16

Binomialkoeffizient Anwendungen

Beispiel:

Eine Eisdiele bietet 12 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 12 Möglichkeiten. Für die zweite Stelle ist die bereits als erstes gewählte Eissorte nicht mehr möglich, es gibt also nur noch 11 Möglichkeiten. Für die 3. Stelle fehlen dann schon 2, so dass nur noch 10 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 12⋅11⋅10⋅9 = 11880 Möglichkeiten, die 12 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 11880 Möglichkeiten für nach Reihenfolge sortierte 4er-Gruppen durch die 24 Möglichkeiten, die 4er-Gruppe anzuordnen, teilen.

Hieraus ergeben sich $\frac{11880}{24}$ = 495 Möglichkeiten für 4er-Gruppen, die aus 12 Elementen (Eissorten) gebildet werden.

Die hier durchgeführte Berechnung $\frac{12\cdot11\cdot10\cdot9}{4\cdot3\cdot2\cdot1}$ könnte man mit 8! erweitern würde so auf die Formel für den Binomialkoeffizient kommen:

495 = $\frac{12\cdot11\cdot10\cdot9}{4\cdot3\cdot2\cdot1}$ = $\frac{12 \cdot 11 \cdot 10 \cdot 9 \cdot 8 \cdot 7 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}{4 \cdot 3 \cdot 2 \cdot 1 \cdot 8 \cdot 7 \cdot 6 \cdot 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1}$ = $\frac{12!}{4! ⋅ 8!}$ = $(\begin{matrix} 12 \\ 4 \end{matrix})$

Wahrscheinlichkeiten mit Binom.Koeff.

Beispiel:

In einer Urne befinden sich 30 Kugeln, die mit den Zahlen 1 bis 30 beschriftet sind.

Es werden 4 Kugeln zufällig aus der Urne gezogen. Wie groß ist die Wahrscheinlichkeit, dass bei den gezogenen Kugeln die 20 dabei ist?

Lösung einblenden

Es gibt insgesamt $(\begin{matrix} 30 \\ 4 \end{matrix})$ = $\frac{30!}{4! ⋅ 26!}$ = $\frac{30⋅29⋅28⋅27}{4⋅3⋅2⋅1}$ = 27405 verschiedene Möglichkeiten, die 4 Kugeln aus den 30 zu ziehen, bzw. von 30 Zahlen 4 anzukreuzen.

Wenn man jetzt die Möglichkeiten zählen will, wie viele Möglichkeiten es gibt, wenn eine der gezogenen Zahlen die 20 ist, bzw. wie viele Möglichkeiten es gibt, 4 von 30 Zahlen anzukreuzen, wobei ein Kreuz sicher auf der der 20 sein muss, dann ist das doch genau das gleiche, wie wenn man die Möglichkeiten zählt, 3 Kreuze auf 29 Zahlen (alle außer der 20) zu setzen, also $(\begin{matrix} 29 \\ 3 \end{matrix})$ = $\frac{29!}{3! ⋅ 26!}$ = $\frac{29⋅28⋅27}{3⋅2⋅1}$ = 3654.

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

P = $\frac{Anzahl der gewünschten Ergebnisse}{Anzahl der möglichen Ergebnisse}$ = $\frac{3654}{27405}$ ≈ 0.1333, also ca. 13.33%.

Formel v. Bernoulli

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,85. Wie groß ist die Wahrscheinlichkeit dass er von 39 Versuchen genau 29 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=39 und p=0.85.

P_{0.85}^{39} (X = 29)

=

(\begin{matrix} 39 \\ 29 \end{matrix}) \cdot {0.85}^{29} \cdot {0.15}^{10}

=0.03291127140804≈ 0.0329
(TI-Befehl: binompdf(39,0.85,29))

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 71 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass weniger als 10 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=71 und p= $\frac{1}{6}$ .

P_{\frac{1}{6}}^{71} (X < 10)

=

P_{\frac{1}{6}}^{71} (X \leq 9)

=

P_{\frac{1}{6}}^{71} (X = 0)

+

P_{\frac{1}{6}}^{71} (X = 1)

+

P_{\frac{1}{6}}^{71} (X = 2)

+... +

P_{\frac{1}{6}}^{71} (X = 9)

= 0.2337138838112 ≈ 0.2337
(TI-Befehl: binomcdf(71,1/6,9))

Binomialverteilung X>=k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,95. Wie groß ist die Wahrscheinlichkeit dass er von 56 Versuchen mehr als 55 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=56 und p=0.95.

...

53

54

55

P_{0.95}^{56} (X > 55)

=

P_{0.95}^{56} (X \geq 56)

= 1 -

P_{0.95}^{56} (X \leq 55)

= 0.0566
(TI-Befehl: 1-binomcdf(56,0.95,55))

Binomialverteilung l < X < k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 93% von der Freiwurflinie. Wie groß ist die Wahrscheinlichkeit dass er von 65 Versuchen mindestens 62 und weniger als 66 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=65 und p=0.93.

$P_{0.93}^{65} (X \geq 62)$ =

...

59

60

61

62

63

64

65

P_{0.93}^{65} (X \leq 65)

-

P_{0.93}^{65} (X \leq 61)

≈ 1 - 0.6754 ≈ 0.3246
(TI-Befehl: binomcdf(65,0.93,65) - binomcdf(65,0.93,61))

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