Wahrscheinlichkeit: Diskrete Zufallsvariablen und die Binomialverteilung: Unterschied zwischen den Versionen
(→Definition und Formel) |
|||
| Zeile 1: | Zeile 1: | ||
| + | |||
= Zufallsvariablen = | = Zufallsvariablen = | ||
| + | |||
| + | |||
== Zufallsvariablen == | == Zufallsvariablen == | ||
{{Vorlage:Definition|1=Das Ergebnis eines Zufallsexperimentes kann mithilfe einer "'''''Zufallsvariable'''''" $X$ beschrieben werden. | {{Vorlage:Definition|1=Das Ergebnis eines Zufallsexperimentes kann mithilfe einer "'''''Zufallsvariable'''''" $X$ beschrieben werden. | ||
| Zeile 114: | Zeile 117: | ||
}} | }} | ||
| − | = Bernoulli- | + | = Bernoulli-Experimente und die Binomialverteilung = |
| − | == Bernoulli- | + | == Bernoulli-Experimente und die Binomialverteilung == |
=== Definition und Formel === | === Definition und Formel === | ||
Im Folgenden betrachten wir ein sogenanntes: | Im Folgenden betrachten wir ein sogenanntes: | ||
| − | {{Vorlage:Definition|1= '''Bernoulli-Experiment''' | + | {{Vorlage:Definition|1= '''Bernoulli-Experiment''' (benannt nach dem schweizer Mathematiker [https://de.wikipedia.org/wiki/Jakob_I._Bernoulli Jakob Bernoulli]) |
Dies sind Experimente, bei denen es | Dies sind Experimente, bei denen es | ||
# '''genau zwei mögliche Ergebnisse''' $E$ und $\bar{E}$ (nicht $E$) gibt und | # '''genau zwei mögliche Ergebnisse''' $E$ und $\bar{E}$ (nicht $E$) gibt und | ||
| Zeile 213: | Zeile 216: | ||
[[Grün: Arbeitsblätter | <span style="background-color:#00CD00"> $Aha!$ </span>]] [http://geogebratube.org/student/m188423 In diesem Arbeitsblatt lernst du den Grafen einer binomialverteilten Zufallsvariable besser kennen] | [[Grün: Arbeitsblätter | <span style="background-color:#00CD00"> $Aha!$ </span>]] [http://geogebratube.org/student/m188423 In diesem Arbeitsblatt lernst du den Grafen einer binomialverteilten Zufallsvariable besser kennen] | ||
| + | <ggb_applet width="800" height="450" version="5.0" id="u8eFAVNc" /> | ||
<gallery> | <gallery> | ||
| Zeile 232: | Zeile 236: | ||
{{Vorlage:Video|1=UkOx8qdLAak}} | {{Vorlage:Video|1=UkOx8qdLAak}} | ||
| + | |||
=== Beispiele zur Binomialverteilung === | === Beispiele zur Binomialverteilung === | ||
Version vom 10. November 2016, 12:55 Uhr
Inhaltsverzeichnis
Zufallsvariablen
|
Das Ergebnis eines Zufallsexperimentes kann mithilfe einer "Zufallsvariable" $X$ beschrieben werden.
Die Zufallsvariable ordnet dabei jedem Einzelereignis eine reelle Zahl zu.
|
Man unterscheidet zwischen 2 Typen von Zuvallsvariablen:
- Die diskrete Zufallsvariable hat einen abzählbaren Wertebereich (z.B. Anzahl von Personen).
- Die stetige Zufallsvariable hat als Wertebereich ein Intervall in den reellen Zahlen und damit einen nicht abzählbaren Wertebereich.
Mithilfe der Zufallsvariable wird uns nun das Berechnen der folgenden Aufgaben erleichtert.
Diskrete Zufallsvariablen
Diskrete Zufallsvariablen haben einen abzählbaren Wertebereich (z.B. Anzahl von Personen).
Wahrscheinlichkeits- und Verteilungsfunktion
|
Die Wahrscheinlichkeitsfunktion $f$ ordnet jedem Einzelereignis seine Wahrscheinlichkeit zu:
$$f: f(x_i)=P(X=x_i)$$ wobei $x_i$ ein Einzelereignis (z.B.: $x_1...1er\ würfeln,\ x_2...2er\ würfeln$ usw.) und $P(X=x_i)$ die dazugehörige Wahrscheinlichkeit ist: $P(X=x_1)=P(X=1er)=\frac{1}{6}...$) |
Die folgende Abbildung zeigt die Verteilungsfunktion für die Zuvallsvariable $X$, die die Augenzahl beim zufälligen Wurf eines Würfels zählt:
Wollen wir nun wissen, wie groß die Wahrscheinlichkeit ist, dass man beim Würfelwurf eine Zahl $\leq 3$ würfelt, so müssen wir $P(X\leq 3)$ berechnen: $$P(X\leq 3)=P(X=1)+P(X=2)+P(X=3)=\frac{1}{6}+\frac{1}{6}+\frac{1}{6}=\frac{3}{6}$$
|
Die Verteilungsfunktion $F$ ist definiert als $F(x_i)=P(X\leq x_i)$. Sie gibt also immer die Wahrscheinlichkeit an, dass die Zufallsvariable $X$ einen Wert kleiner oder gleich dem Wert von $x_i$ annimmt. |
Die folgende Graphik zeigt die Verteilungsfunktion für die Zuvallsvariable $X$, die die Augenzahl beim zufälligen Wurf eines Würfels zählt:
Hinweise zur Verteilungsfunktion:
- - die Wahrscheinlichkeit, dass eine Zahl kleiner als $1$ gewürfelt wird ($=P(X<1)$) ist $0$, somit sind alle Funktionswerte von $F$ links der 1 gleich 0.
- - Bei $X=1$ macht die Verteilungsfunktion $F$ einen Sprung. Anschließend ist für alle $X<2$ die Wahrscheinlichkeit $P(X<2)=\frac{1}{6}\approx 0.17$ (die Wahrscheinlichkeit, dass eine Zahl kleiner als 2 gewürfelt wird ist $\frac{1}{6}$)
- - Bei $X=2$ macht die Funktion wieder einen Sprung um den Wert $\frac{1}{6}\approx 0.17$, da hier die Wahrscheinlichkeit für eine 2 ($=P(X=2)=\frac{1}{6}$) hinzukommt.
- - Ab $X=6$ hat die Verteilungsfunktion durchgängig den Wert $1$, da gilt $P(X<=6)=1$ (die Wahrscheinlichkeit, dass ein Wert kleiner oder gleich 6 gewürfelt wird, ist 1).
- - Die Höhe der Sprünge entspricht gerade der Höhe der Funktionswerte bei der Wahrscheinlichkeitsfunktion (siehe oben).
Erwartungswert und Standardabweichung
Im Kapitel Beschreibende Statistik haben wir bereits Begriffe wie die relative Häufigkeit, das arithmetische Mittel und die Standardabweichung kennen gelernt. Auch in der Wahrscheinlichkeitsrechnung gibt es ähnliche Konzepte: Wahrscheinlichkeit, Erwartungswert und Standardabweichung:
| Idee ... | in der Wahrscheinlichkeitsrechnung | in der Statistik |
|---|---|---|
| Prozent | Wahrscheinlichkeit $$P(X=x_i)$$ | relative Häufigkeit $$h_i=\frac{H_i}{n}$$ |
| Mittel/Durchschnitt | Erwartungswert $E(X)$ oder $\mu$ $$\mu=\sum_{i=1}^{n}x_i\cdot P(X=x_i)$$ | Arithmetisches Mittel $$\bar{x}=\sum_{i=1}^{n}x_i\cdot h_i$$ |
| Streuung/Abweichung vom Mittel | Standardabweichung $$\sigma=\sqrt{\sum_{i=1}^{n}(x_i-\mu)^2\cdot P(X=x_i)}$$ | Standardabweichung $$\sigma=\sqrt{\sum_{i=1}^{n}(x_i-\bar{x})^2\cdot h_i}$$ |
Berechnen Sie
a) den Erwartungswert
b) die Standardabweichung
beim Wurf eines sechsseitigen Würfels, wobei die Zufallsvariable $X$ die Augensumme angibt $($d.h. $X\in \{1;2;3;4;5;6\})$.
Der Erwartungswert $E(X)=\mu=\sum_{i=1}^{n}x_i\cdot P(X=x_i)$. Setzen wir die Werte aus der Tabelle in die Formel ein, so erhalten wir: $$ \sum_{i=1}^{n}x_i\cdot P(X=x_i)=\underbrace{1}_{x_1}\cdot \underbrace{\frac{1}{6} }_{P(X=x_1) }+2\cdot \frac{1}{6} +3\cdot \frac{1}{6} +4 \cdot \frac{1}{6}+5\cdot \frac{1}{6}+6\cdot \frac{1}{6}=\underline{\underline{3.5} }$$
Der Erwartungswert $\mu$ beträgt also 3.5. Natürlich kann man aber beim einmaligen Würfeln nicht 3.5 würfeln. Man kann den Erwartungswert aber so interpretieren, dass, wenn man lange genug würfelt, der Durchschnitt bei 3.5 liegen wird.
b) Die Standardabweichung $\sigma=\sqrt{\sum_{i=1}^{n}(x_i-\mu)^2\cdot P(X=x_i)}$
Setzen wir wieder alles in die Formel ein (siehe obige Wertetabelle und $\mu=3.5$): $$\sigma=\sqrt{\sum_{i=1}^{n}(x_i-\mu)^2\cdot P(X=x_i)}=\\ \sqrt{(1-3.5)^2\cdot \frac{1}{6}+(2-3.5)^2\cdot \frac{1}{6}+(3-3.5)^2\cdot \frac{1}{6}+(4-3.5)^2\cdot \frac{1}{6}+(5-3.5)^2\cdot \frac{1}{6}+(6-3.5)^2\cdot \frac{1}{6} }\\ =\underline{\underline{1.71} }$$
Exkurs: Kombinatorik - Die Kunst des Abzählens
Exkurs 2: Lotto
Mit dieser Überlegung können wir uns nun ganz einfach die Wahrscheinlichkeit für einen Lottogewinn berechnen. Beim Lotto werden insgesamt 6 von 45 Kugeln gezogen. Dabei ist die Reihenfolge, egal.
- Die Anzahl der möglichen Ziehungen ist somit $\binom{45}{6}=8.145.060$ (aus 45 Kugeln werden 6 gezogen).
- Die Anzahl der günstigen Möglichkeiten $\binom{6}{6}=1$
Somit ist die Wahrscheinlichkeit für einen Lotto-6er: $$P(Lotto-6er)=\frac{günstige}{mögliche}=\frac{\binom{6}{6}}{\binom{45}{6}}=\frac{1}{8.145.060}$$
Berechnen Sie die Wahrscheinlichkeit, beim Lotto 5 der 6 richtigen auszuwählen.
- Die Anzahl der möglichen Ziehungen ist wieder $\binom{45}{6}=8.145.060$ (aus 45 Kugeln werden 6 gezogen).
- Die Anzahl der günstigen Möglichkeiten $\binom{6}{5}=6$ (aus 6 Kugeln werden 5 gezogen) Mal $\binom{39}{1}$ (=aus 39 Kugeln, wird eine gezogen).
$$P(5er)=\frac{günstige}{mögliche}=\frac{\binom{6}{5}\cdot \binom{39}{1} }{\binom{45}{6} }=\frac{6\cdot 39}{8.145.060}$$
Inhaltsverzeichnis
Bernoulli-Experimente und die Binomialverteilung
Definition und Formel
Im Folgenden betrachten wir ein sogenanntes:
|
Bernoulli-Experiment (benannt nach dem schweizer Mathematiker Jakob Bernoulli)
Dies sind Experimente, bei denen es
|
Typische Beispiele hierfür wären:
- Ziehen von roten und blauen Kugeln aus einer Urne mit Zurücklegen. Die Zuvallsvariable $X$ zählt das Auftreten von roten Kugeln.
- Mehrmaliges Würfeln mit einem Würfel. Die Zuvallsvariable $X$ zählt das Auftreten eines $6er$.
- Multiple-Choice-Tests. Die Zufallsvariable $X$ zählt die richtigen Antworten.
Sie stehen vor einer Urne mit 7 roten und 13 blauen Kugeln. Wie groß ist die Wahrscheinlichkeit, bei 4-maligem Ziehen mit Zurücklegen, 3 Mal eine rote Kugel zu erhalten?
$$P(X=3)=?$$
- Anzahl der Pfade zu unserem Ergebnis: Um von 4 Ziehungen 3 mal eine rote Kugel zu ziehen gibt es $\binom{4}{3}=4$ Möglichkeiten, nämlich:
(r,r,r,b); (r,r,b,r); (r,b,r,r,); (b,r,r,r).
- Die Wahrscheinlichkeit für dreimal rot ist $p^3\cdot (1-p)^1$ mit $p=\frac{7}{20}$.
- Begründung: Nehmen wir zum Beispiel (r,r,r,b).
Die Wahrscheinlichkeit, eine rote Kugel zu ziehen ist $p=\frac{7}{20}$. Die Wahrscheinlichkeit eine blaue Kugel zu ziehen ist $(1-p)=\frac{13}{20}$. Somit ist die Wahrscheinlichkeit für das Ergebnis (r,r,r,b) aufgrund der Multiplikationsregel $$p\cdot p\cdot p\cdot (1-p)=p^3\cdot (1-p)^1$$ Für die anderen Ausfälle (r,r,b,r); (r,b,r,r,); (b,r,r,r) kommt man auf dasselbe Resultat. Somit erhalten wir: $$P(X=3)=\underbrace{\binom{4}{3} }_{\textrm{Anzahl der Fälle} }\cdot \underbrace{p^3\cdot (1-p)^1}_{\textrm{Wahrscheinlichkeit für einen dieser Fälle} }=4\cdot (\frac{7}{20})^3\cdot \frac{13}{20}= 0.1115=11.15\%$$
|
Binomialverteilung und Formel
Es wird ein Bernoulli-Experiment (2 Ereignisse: Erfolg oder Misserfolg) n-mal durchgeführt, wobei die Erfolgswahrscheinlichkeit $p$ konstant bleibt. Die Zufallsvariable $X$ zählt die Anzahl der Erfolge. Dann ist $X$ binomialverteilt (kurz: $B(n;p)$) mit der Wahrscheinlichkeitsfunktion $$P(X=k)=\binom{n}{k}\cdot p^k\cdot (1-p)^{n-k}$$ |
|
Die Formel für die Wahrscheinlichkeitsfunktion der Binomialverteilung:
$$P(X=k)=\binom{n}{k}\cdot p^k\cdot (1-p)^{n-k}$$ setzt sich folgendermaßen zusammen:
|
|
Für eine Zufallsvariable $X$, die $B(n;p)-$verteilt ist, gilt:
|
Ein Würfel wird 30-mal geworfen. Wie groß ist die Wahrscheinlichkeit
a) 8-mal eine 6 zu würfeln?
b) niemals eine 6 zu Würfeln?
c) maximal einmal eine 6 zu würfeln?
d) mindestens zweimal eine 6 zu würfeln?
e) Bestimmen Sie den Erwartungswert und die Standardabweichung.
$$P(X=k)=\binom{30}{k}\cdot (\frac{1}{6})^k\cdot (\frac{5}{6})^{30-k}$$
a) Gesucht ist $P(X=8)$. Setzen wir das in die Formel ein, so erhalten wir:
$$P(X=8)=\binom{30}{8}\cdot (\frac{1}{6})^8\cdot (\frac{5}{6})^{30-8}=0.0632=6.32\% $$
b) Gesucht ist $P(X=0)$, dies kann entweder einfach über die Multiplikationsregel $(P(X=0)=(\frac{5}{6})^30)$ berechnet werden, oder mit der Formel für die Binomialverteílung: $$P(X=k)=\binom{30}{0}\cdot (\frac{1}{6})^0\cdot (\frac{5}{6})^{30-0}=0.0042=0.42\% $$
c) Gesucht ist $P(X\leq 1)$: $$P(X\leq 1)=P(X=0)+P(X=1)=\underbrace{0.0042}_{P(X=0)}+\underbrace{\binom{30}{1}\cdot (\frac{1}{6})^1\cdot (\frac{5}{6})^{30-1} }_{P(X=1)}=0.0042+0.0253=0.0295=2.95\% $$
d) Betrachten wir die obige Abbildung von Aufgabe c). Dann ist die Wahrscheinlichkeit mindestens zweimal eine 6 zu ziehen $(P(X\geq 2))$ gerade die weiß eingefärbte Fläche.
Mithilfe der Gegenwahrscheinlichkeit erhalten wir:
$$P(X\geq 2)=1-P(X\leq 1)=1-0.0295=0.9705=97.05\% $$
e)
- $E(X)=n\cdot p=30\cdot \frac{1}{6}=5$ (dies kann man auch aus den obigen Graphen herauslesen!)
- $\sigma=\sqrt{n\cdot p\cdot (1-p)}=\sqrt{30\cdot \frac{1}{6}\cdot \frac{5}{6} }=\sqrt{\frac{25}{6} }\approx 2.04$.
Typischer Graph der Wahrscheinlichkeitsfunktion
Die Wahrscheinlichkeitsfunktion der Binomialverteilung wird in der Regel als Histogramm dargestellt.
$Aha!$ In diesem Arbeitsblatt lernst du den Grafen einer binomialverteilten Zufallsvariable besser kennen
Rechtsschiefe Binomialverteilung mit $n=10$ und $p=0.2$. Damit ist $E(X)=2$ und $\sigma=2.26$
symmetrische Binomialverteilung mit $n=10$ und $p=0.5$. Damit ist $E(X)=5$ und $\sigma=1.58$
Linksschiefe Binomialverteilung mit $n=10$ und $p=0.7$. Damit ist $E(X)=7$ und $\sigma=1.45$
png.png)
.png)
.png)
|
Eigenschaften:
|
Beispiele zur Binomialverteilung
Matura-Aufgaben
- $Bifie$ Milchverpackung (Bifie-Aufgabe: leicht-mittel-mittel)
- Welche Inhalte werden hier noch gefragt: für a) Formeln und für b) Trigonometrie (2.12 und 3.10)
- $Bifie$ Torten (Bifie-Aufgabe: mittel-leicht-leicht-leicht)
- Welche Inhalte werden hier noch gefragt: Gleichungssysteme sowie Funktionen und Formeln
