Aufgabenbeispiele von Anwendungen

Durch Aktualisieren des Browsers (z.B. mit Taste F5) kann man neue Beispielaufgaben sehen


Bernoulli-Formel vervollständigen (einfach)

Beispiel:

Ein idealer Würfel wird 25 mal geworfen. Gesucht ist die Wahrscheinlichkeit dass genau 12 mal eine 6 geworfen wird.

Bestimme hierfür a, b, c, d und e so, dass man mit der folgenden Formel die gesuchte Wahrscheinlichkeit berechnen kann.

P(X = 12) = ( a b ) ( 1 6 )c ( d 6 )e

Lösung einblenden

Man könnte die Wahrscheinlichkeit ja theoretisch auch mit einem Baumdiagramm mit 25 Ebenen lösen.

Der Binomialkoeffizient ( a b ) vorne steht dann für die Anzahl der relevanten Pfade, also der Pfade, bei denen 12 mal getroffen und 13 mal nicht getroffen wird. Davon gibt es ( n k ) , wobei n für die Anzahl aller Versuche und k für die Anzahl der Treffer steht, also muss hier a=25 und b=12 sein.

Die beiden Potenzen danach geben die Wahrscheinlichkeit eines dieser ( 25 12 ) Pfade an. Da ja in jedem Pfad 12 Treffer und 13 Nicht-Treffer vorkommen und man die Einzelwahrscheinlichkeiten miteinander multiplizieren muss, ist die Wahrscheinlichkeit eines dieser Pfade:
( 1 6 )12( 5 6 )13

Somit muss d = 5, sowie c = 12 und e = 13 sein.

Bernoulli-Formel vervollständigen

Beispiel:

Bei einem Glücksrad beträgt die Wahrscheinlichkeit für den grünen Bereich 20%. Es wird 15 mal gedreht.

Für welches der aufgeführten Ereignisse könnte der Term P = 0.215 + ( 15 a ) 0.214 bc die Wahrscheinlichkeit angeben?

Bestimme für diesen Fall die fehlenden Parameter a, b und c, so dass die Formel auch tatsächlich korrekt ist.

Lösung einblenden

Es machen zwei Zufallsgrößen Sinn:
X : Anzahl der Treffer (also es wird in den grünen Bereich gedreht)
Y : Anzahl der Nicht-Treffer (also es wird nicht in den grünen Bereich gedreht)

Beim ersten Summand 0.215 steht ja die gegebene Wahrscheinlichkeit in der Basis und die Gesamtanzahl n=15 in der Hochzahl. Dieser Teilterm gibt also die Wahrscheinlichkeit für 15 Treffer bzw. 0 Nicht-Treffer an, also P(X=15) bzw. P(Y=0).

Beim zweiten längeren Term erkennt man die Potenz 0.214, bei dem die gegebene Wahrscheinlichkeit in der Basis steht. Weil 14 in der Hochzahl steht, muss das also die Wahrscheinlichkeit für 14 Treffer sein, also P(X=14) bzw. P(Y=1).

X: Treffer:
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Y: keine Treffer:
15
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0

Zusammengefasst ergibt sich also die Wahrscheinlichkeit P(X=15)+P(X=14)=P(X≥14) bzw. P(Y≤1)

Somit ist die gesuchte Option: Mindestens 14 mal wird in den grünen Bereich gedreht oder eben gleich bedeutend: Weniger als 2 mal wird nicht in den grünen Bereich gedreht.

Weil ja in der Basis der ersten Potenz (im hinteren Bernoulliformel-Term) die gegebene Wahrscheinlichkeit steht, muss in der Basis der zweiten Potenz die Gegenwahrscheinlichkeit stehen. Somit ist b = 0.8.

Die Hochzahl der ersten Potenz (im hinteren Bernoulliformel-Term) gibt die Anzahl der "Treffer" an, somit kann man bei 15 Versuchen die Anzahl der "Nicht-Treffer" mit c = 1 bestimmen.

Die Anzahl der richtigen Pfade (mit 14 Treffer und 1 Nicht-Treffer) steht vorne im Binomialkoeffizient mit ( 15 14 ) , also ist a = 14 (hier ist auch a=1 möglich).

Binomial-Aufgabe mit 2 Ereignissen

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 15 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er von den ersten 4 Aufgaben keine einzige und von den restlichen Fragen nicht mehr als 3 richtig errät?

Lösung einblenden

Wir können die beiden Ereignisse als zwei getrennte von einander unabhängige Zufallsversuche betrachten, dabei betrachten wir zuerst die ersten 4 Durchgänge:

Die Zufallsvariable X gibt die Anzahl der zufällig richtig geratenen Antworten an. X ist binomialverteilt mit n=4 und p=0.25.

Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als P0.254 (X=0) ≈ 0.3164.

Analog betrachten wir nun die restlichen 11 Durchgänge:

Die Zufallsvariable Y gibt die Anzahl der zufällig richtig geratenen Antworten an. Y ist binomialverteilt mit n=11 und p=0.25.

Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als P0.2511 (Y3) ≈ 0.7133.

Da die beiden Teilereignisse unabhängig voneinander sind und ja beide eintreten sollen, müssen wir nun die beiden Teilwahrscheinlichkeiten miteinander multiplizieren um die gesuchte Gesamtwahrscheinlcihkeit zu erhalten:

P = P0.254 (X=0) P0.2511 (Y3) = 0.3164 ⋅ 0.7133 ≈ 0.2257

zwei unabhängige Binom.

Beispiel:

Ein Mitarbeiter der Stadtwerke bekommt den Auftrag am Freitag bei 55 und am Samstag bei 50 Haushalten den Gas- und den Stromzähler abzulesen. Als ihn seine Frau fragt, was er denn glaubt, wie viele der Kunden überhaupt zuhause wären und die Tür öffnen würden, sagr er: Ich denke, dass ich am Freitag so zwischen 30 und 36 am Samstag so zwischen 20 und 26 erreichen werde. Tatsächlich ist die Wahrscheinlichkeit, dass ihm die Tür geöffnet wird, am Samstag mit 67% höher als am Freitag mit 51%. Wie groß ist die Wahrscheinlichkeit, dass seine Prognose zutrifft?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Freitag:

Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=55 und p=0.51.

Gesucht ist die Wahrscheinlichkeit zwischen 30 und 36 Treffer bei 55 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.51 zu erzielen, also P0.5155 (30X36) .
Diese Wahrscheinlichkeit lässt sich als P0.5155 (X36) - P0.5155 (X29) ≈ 0.9892 - 0.6517 ≈ 0.3375 berechnen.
TI-Befehl: binompdf(55,0.51,36)- binompdf(55,0.51,29)

Samstag:

Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=50 und p=0.67.

Gesucht ist die Wahrscheinlichkeit zwischen 20 und 26 Treffer bei 50 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.67 zu erzielen, also P0.6750 (20X26) .
Diese Wahrscheinlichkeit lässt sich als P0.6750 (X26) - P0.6750 (X19) ≈ 0.0196 - 0 ≈ 0.0196 berechnen.
TI-Befehl: binompdf(50,0.67,26)- binompdf(50,0.67,19)

Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten:

P ≈ 0.3375 ⋅ 0.0196 ≈ 0.0066

feste Reihenfolge im Binomialkontext

Beispiel:

8 Würfel werden gleichzeitig geworfen und liegen dann anschließend in einer Reihe. Bestimme die Wahrscheinlichkeit, dass dabei genau 5 Sechser gewürfelt werden und die alle direkt nebeneinander liegen.

Lösung einblenden

Wenn die Reihenfolge keine Rolle spielen würde, könnten wir ja einfach die Wahrscheinlichkeit von 5 Treffer bei 8 Versuchen mit der Formel von Bernoulli berechnen: ( 8 5 ) ( 1 6 ) 5 ( 5 6 ) 3

Dabei gibt ja ( 1 6 ) 5 ( 5 6 ) 3 die Wahrscheinlichkeit eines bestimmten Pfads mit 5 Treffer und 3 Nicht-Treffern und ( 8 5 ) die Anzahl solcher Pfade an.

Hier spielt nun aber die Reihenfolge eine Rolle, also haben wir nicht alle möglichen ( 8 5 ) Anordnungen der Treffer sondern nur die ausgewählten (bei denen die Treffer benachbart sind), das sind im Einzelnen:

XXXXXOOO

OXXXXXOO

OOXXXXXO

OOOXXXXX

Es gibt also genau 4 verschiedene mögliche Reihenfolgen für diese benachbarten Treffer, somit gilt für die Gesamtwahrscheinlichkeit:
P = 4 ⋅ ( 1 6 ) 5 ( 5 6 ) 3 ≈ 0.0003

Kombination Binom.-Baumdiagramm

Beispiel:

Bei einer Fluggesellschaft treten 10% der Besitzer gültiger Flugtickets ihren Flug nicht an. Deswegen verkauft die Fluggesellschaft immer 104 Tickets für ihr Flugzeug mit 94 Plätzen. Wie groß ist die Wahrscheinlichkeit, dass es bei drei aufeinanderfolgenden Flügen nicht öfters als einmal zu der peinlichen Situation kommt, dass mehr Fluggäste ihren Flug antreten wollen, als Plätze frei sind?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Zuerst berechnen wir mit Hilfe der Binomialverteilungsfunktionen die Einzelwahrscheinlichkeiten für 'nicht überbucht'.

Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=104 und p=0.9.

Gesucht ist die Wahrscheinlichkeit für höchstens 94 Treffer bei 104 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.9, also P0.9104 (X94)

Dazu kann man ja einfach die kumulierte Binomialverteilungsfunktion benutzen:

Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=104 und p=0.9.

P0.9104 (X94) = P0.9104 (X=0) + P0.9104 (X=1) + P0.9104 (X=2) +... + P0.9104 (X=94) = 0.599900106819 ≈ 0.5999
(TI-Befehl: binomcdf(104,0.9,94))

Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'nicht überbucht' (p=0.5999) und 'überbucht'(p=0.4001).

Jetzt können wir mit einem Baumdiagramm die Gesuchte Endwahrscheinlichkeit berechnen.

Gesucht ist ja 0 mal 'überbucht' oder 1 mal 'überbucht'

EreignisP
nicht überbucht -> nicht überbucht -> nicht überbucht0.215892017999
nicht überbucht -> nicht überbucht -> überbucht0.143987992001
nicht überbucht -> überbucht -> nicht überbucht0.143987992001
nicht überbucht -> überbucht -> überbucht0.096031997999
überbucht -> nicht überbucht -> nicht überbucht0.143987992001
überbucht -> nicht überbucht -> überbucht0.096031997999
überbucht -> überbucht -> nicht überbucht0.096031997999
überbucht -> überbucht -> überbucht0.064048012001

Einzel-Wahrscheinlichkeiten: nicht überbucht: 0.5999; überbucht: 0.4001;

Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das SchaubBild nicht sehen :( Die relevanten Pfade sind:


'nicht überbucht'-'nicht überbucht'-'nicht überbucht' (P=0.215892017999)
'nicht überbucht'-'nicht überbucht'-'überbucht' (P=0.143987992001)
'nicht überbucht'-'überbucht'-'nicht überbucht' (P=0.143987992001)
'überbucht'-'nicht überbucht'-'nicht überbucht' (P=0.143987992001)


Die Lösung ist also die Summe dieser Wahrscheinlichkeiten:

0.215892017999 + 0.143987992001 + 0.143987992001 + 0.143987992001 = 0.647855994002