Lessons and exercises follow the school system and stay in its language.Les leçons et les exercices suivent le système scolaire et restent dans sa langue.Lektionen und Übungen folgen dem Schulsystem und bleiben in seiner Sprache.

Zufallsgrößen

Thema drucken

Alle Lektionen des Themas, vom ersten bis zum letzten Jahr, bereit für Papier. Die Aufgabenserien heißen A, B, C… und die Lösungen stehen am Ende.

Für ein PDF wähle im Druckdialog „Als PDF speichern“.

1. Erwartungswert und Standardabweichung einer Zufallsgröße

Aufwärmen

Drei schnelle Fragen zu früheren Lektionen.

  1. Eine Zufallsgröße X nimmt die Werte 0, 1 und 2 an, mit P(X = 0) = 29/100 und P(X = 1) = 13/100. Bestimme P(X = 2).
  2. X nimmt die Werte 0, 1, 2 an, mit P(X = 0) = 25/100 und P(X = 1) = 15/100. Bestimme P(X ≥ 1).
  3. Welche Liste kann die Wahrscheinlichkeitsverteilung einer Zufallsgröße mit drei Werten sein?
    1. 0,1, 0,5 und 4/10
    2. 0,5, 0,5 und 0,1
    3. 0,8, 0,4 und −0,2

Entdecken

Ein Los gewinnt mit der Wahrscheinlichkeit 0,1 genau 10 Euro, sonst nichts. Wie viel gewinnt man auf lange Sicht im Mittel pro Los?

  1. 1 Euro
  2. 5 Euro

Die Grundidee

Erwartungswert und Standardabweichung einer Zufallsgröße.

E(X)=μ=∑x⋅P(X=x)E(X) = \mu = \sum x \cdot P(X = x), der Mittelwert auf lange Sicht. Var(X)=∑(x−μ)2⋅P(X=x)Var(X) = \sum (x - \mu)^2 \cdot P(X = x) und σ=Var(X)\sigma = \sqrt{Var(X)}. Ist XX mit der Wahrscheinlichkeit pp gleich 1 und sonst 0: μ=p\mu = p, Var(X)=p(1−p)Var(X) = p(1 - p).

Beispiel

XX: 0, 1, 2 mit den Wahrscheinlichkeiten 0,3, 0,4, 0,3.

E(X)=0+0,4+0,6=1E(X) = 0 + 0{,}4 + 0{,}6 = 1
Σ x · P(X = x).
Var(X)=0,3+0+0,3=0,6Var(X) = 0{,}3 + 0 + 0{,}3 = 0{,}6
Σ (x − 1)² · P(X = x).
σ=0,6≈0,77\sigma = \sqrt{0{,}6} \approx 0{,}77
Wurzel ziehen.

Du bist dran

Jetzt du: XX = 0, 5 mit den Wahrscheinlichkeiten 0,6, 0,4. Bestimme E(X)E(X).

22
5 · 0,4.

Üben ★

  1. X nimmt die Werte 0, 1, 2 mit den Wahrscheinlichkeiten 51/100, 15/100 und 34/100 an. Bestimme E(X).
  2. X nimmt die Werte 0, 1, 2 mit den Wahrscheinlichkeiten 56/100, 25/100 und 19/100 an. Bestimme E(X).
  1. Ein Spiel kostet 1 Euro. Mit der Wahrscheinlichkeit 1/3 gewinnst du netto 4 Euro; sonst ist dein Euro verloren. Bestimme deinen erwarteten Nettogewinn in Euro.

Vorsicht!

Üben ★★

  1. X = 1 mit der Wahrscheinlichkeit 7/10, sonst X = 0. Bestimme die Standardabweichung von X.
  2. X = 1 mit der Wahrscheinlichkeit 9/10, sonst X = 0. Bestimme die Standardabweichung von X.

Abschlusscheck

Drei Fragen zum Abschluss: Sitzt es?

  1. X nimmt die Werte 0, 1, 2 mit den Wahrscheinlichkeiten 51/100, 15/100 und 34/100 an. Bestimme E(X).
  2. X nimmt die Werte 0, 1, 2 mit den Wahrscheinlichkeiten 56/100, 25/100 und 19/100 an. Bestimme E(X).
  3. X nimmt die Werte 0, 1, 2 mit den Wahrscheinlichkeiten 77/100, 10/100 und 13/100 an. Bestimme E(X).

Merkkarte

Erwartungswert und Standardabweichung

E(X)=∑x⋅P(X=x)E(X) = \sum x \cdot P(X = x); σ=∑(x−μ)2⋅P(X=x)\sigma = \sqrt{\sum (x - \mu)^2 \cdot P(X = x)}.

Achtung: Mit den Wahrscheinlichkeiten gewichten; Verluste mitzählen.

Ein Schritt ist freiwillig: eine Herausforderung. Probier sie aus oder beende die Lektion jetzt.

Herausforderung ★★★

  1. Ein Spiel kostet 1 Euro. Mit der Wahrscheinlichkeit 15\dfrac{1}{ 5 } gewinnst du netto ww Euro, sonst ist dein Euro verloren. Für welches ww ist das Spiel fair (Erwartungswert 0)?

2. Die Binomialverteilung

Aufwärmen

Drei schnelle Fragen zu früheren Lektionen.

  1. Zwei unabhängige Maschinen fallen mit den Wahrscheinlichkeiten 0,2 und 0,2 aus. Bestimme die Wahrscheinlichkeit, dass beide ausfallen.
  2. P(A) = 3/10, P(B) = 6/10 und P(A ∩ B) = 18/100. Sind A und B unabhängig?
    1. Ja: P(A ∩ B) = P(A) · P(B)
    2. Nein, weil P(A ∩ B) > 0
    3. Das lässt sich nicht entscheiden
  3. In einem Beutel sind 3 rote und 3 blaue Kugeln. Zwei werden ohne Zurücklegen gezogen. Bestimme P(beide rot).

Entdecken

Eine Münze wird dreimal geworfen. Wie viele Folgen enthalten genau einmal Zahl?

  1. 3
  2. 1

Die Grundidee

Ein Bernoulli-Experiment hat zwei Ergebnisse: Treffer mit der Wahrscheinlichkeit pp und Niete. Eine Bernoulli-Kette der Länge nn wiederholt es nn-mal unabhängig.

Die Anzahl XX der Treffer ist binomialverteilt nach B(n;p)B(n; p): P(X=k)=(nk)pk(1−p)n−kP(X = k) = \binom{n}{k}p^k(1 - p)^{n - k}, wobei (nk)\binom{n}{k} die Pfade im Baumdiagramm mit kk Treffern zählt.

Beispiel

XX ist nach B(5;0,2)B(5; 0{,}2) verteilt. Berechne P(X=2)P(X = 2).

(52)=10\binom{5}{2} = 10
Anzahl der Pfade.
0,22⋅0,83=0,020480{,}2^2 \cdot 0{,}8^3 = 0{,}02048
Wahrscheinlichkeit eines Pfads.
P(X=2)=0,2048P(X = 2) = 0{,}2048
Multiplizieren.

Du bist dran

Jetzt du: XX ist nach B(4;12)B\left(4; \dfrac{1}{2}\right) verteilt. Berechne P(X=1)P(X = 1).

14\dfrac{1}{4}
4 · (½)⁴.

Üben ★

  1. Eine Spielerin trifft einen Freiwurf mit der Wahrscheinlichkeit 13\dfrac{1}{ 3 }. Berechne die Wahrscheinlichkeit, bei 3 unabhängigen Würfen genau einmal zu treffen.
  2. Eine Spielerin trifft einen Freiwurf mit der Wahrscheinlichkeit 18\dfrac{1}{ 8 }. Berechne die Wahrscheinlichkeit, bei 12 unabhängigen Würfen genau einmal zu treffen.
  1. Welche Situation lässt sich mit einer Binomialverteilung beschreiben?
    1. Die Anzahl von „Zahl“ bei 9 Würfen einer fairen Münze
    2. Die Anzahl der Würfe bis zur ersten „Zahl“
    3. Die Anzahl der Asse unter 9 Karten, die ohne Zurücklegen gezogen werden

Vorsicht!

Üben ★★

  1. Ein Samenkorn keimt mit der Wahrscheinlichkeit 13\dfrac{1}{ 3 }, unabhängig von den anderen. Es werden 4 Körner gesät. Berechne die Wahrscheinlichkeit, dass genau zwei keimen.
  2. Ein Samenkorn keimt mit der Wahrscheinlichkeit 18\dfrac{1}{ 8 }, unabhängig von den anderen. Es werden 12 Körner gesät. Berechne die Wahrscheinlichkeit, dass genau zwei keimen.

Abschlusscheck

Drei Fragen zum Abschluss: Sitzt es?

  1. Eine Spielerin trifft einen Freiwurf mit der Wahrscheinlichkeit 13\dfrac{1}{ 3 }. Berechne die Wahrscheinlichkeit, bei 3 unabhängigen Würfen genau einmal zu treffen.
  2. Eine Spielerin trifft einen Freiwurf mit der Wahrscheinlichkeit 18\dfrac{1}{ 8 }. Berechne die Wahrscheinlichkeit, bei 12 unabhängigen Würfen genau einmal zu treffen.
  3. Eine Spielerin trifft einen Freiwurf mit der Wahrscheinlichkeit 13\dfrac{1}{ 3 }. Berechne die Wahrscheinlichkeit, bei 4 unabhängigen Würfen genau einmal zu treffen.

Merkkarte

Binomialverteilung

P(X=k)=(nk)pk(1−p)n−kP(X = k) = \binom{n}{k}p^k(1 - p)^{n - k} für XX nach B(n;p)B(n; p).

Achtung: Mit der Anzahl der Pfade multiplizieren.

Ein Schritt ist freiwillig: eine Herausforderung. Probier sie aus oder beende die Lektion jetzt.

Herausforderung ★★★

  1. XX ist binomialverteilt mit n=10n = 10 und p=12p = \dfrac{1}{2}. Für welches kk ist P(X=k)P(X = k) am größten?

3. Erwartungswert und Standardabweichung der Binomialverteilung

Aufwärmen

Drei schnelle Fragen zu früheren Lektionen.

  1. X nimmt die Werte 0, 1, 2 mit den Wahrscheinlichkeiten 51/100, 15/100 und 34/100 an. Bestimme E(X).
  2. X = 1 mit der Wahrscheinlichkeit 7/10, sonst X = 0. Bestimme die Standardabweichung von X.
  3. Ein Spiel kostet 1 Euro. Mit der Wahrscheinlichkeit 1/3 gewinnst du netto 4 Euro; sonst ist dein Euro verloren. Bestimme deinen erwarteten Nettogewinn in Euro.

Entdecken

Eine faire Münze wird 100-mal geworfen. Wie oft erwartet man im Mittel „Zahl“?

  1. 50
  2. 25

Die Grundidee

Eine binomialverteilte Zufallsgröße ist die Summe von nn unabhängigen Bernoulli-Größen.

Ist XX nach B(n;p)B(n; p) verteilt, so gilt E(X)=n⋅pE(X) = n \cdot p, Var(X)=n⋅p⋅(1−p)Var(X) = n \cdot p \cdot (1 - p) und σ(X)=n⋅p⋅(1−p)\sigma(X) = \sqrt{n \cdot p \cdot (1 - p)}.

Beispiel

XX ist nach B(50;0,3)B(50; 0{,}3) verteilt.

E(X)=15E(X) = 15
n · p.
Var(X)=10,5Var(X) = 10{,}5
n · p · (1 − p).
σ(X)≈3,24\sigma(X) \approx 3{,}24
Wurzel.

Du bist dran

Jetzt du: n=200n = 200, p=0,1p = 0{,}1. Berechne den Erwartungswert.

2020
200 · 0,1.

Üben ★

  1. XX ist binomialverteilt mit n=30n = 30 und p=110p = \dfrac{1}{ 10 }. Berechne E(X)E(X).
  2. XX ist binomialverteilt mit n=523n = 523 und p=14p = \dfrac{1}{ 4 }. Berechne E(X)E(X).
  1. XX ist binomialverteilt mit n=64n = 64 und p=12p = \dfrac{1}{ 2 }. Berechne σ(X)\sigma(X).
  2. XX ist binomialverteilt mit n=908n = 908 und p=112p = \dfrac{1}{ 12 }. Berechne σ(X)\sigma(X).

Vorsicht!

Üben ★★

  1. Ein Multiple-Choice-Test hat 87 Fragen mit je 4 Antworten. Jemand kreuzt alle zufällig an. Was bedeutet E(X)=874E(X) = \frac{87}{4}?
    1. Bei sehr vielen zufällig ausgefüllten Tests liegt die mittlere Anzahl richtiger Antworten nahe bei \frac{87}{4}
    2. Es werden genau \frac{87}{4} Antworten richtig sein
    3. \frac{87}{4} ist das bestmögliche Ergebnis

Abschlusscheck

Drei Fragen zum Abschluss: Sitzt es?

  1. XX ist binomialverteilt mit n=30n = 30 und p=110p = \dfrac{1}{ 10 }. Berechne E(X)E(X).
  2. XX ist binomialverteilt mit n=523n = 523 und p=14p = \dfrac{1}{ 4 }. Berechne E(X)E(X).
  3. XX ist binomialverteilt mit n=30n = 30 und p=15p = \dfrac{1}{ 5 }. Berechne E(X)E(X).

Merkkarte

Erwartungswert und Standardabweichung

E(X)=n⋅pE(X) = n \cdot p und σ(X)=n⋅p⋅(1−p)\sigma(X) = \sqrt{n \cdot p \cdot (1 - p)}.

Achtung: Die Standardabweichung ist die Wurzel aus n⋅p⋅(1−p)n \cdot p \cdot (1 - p).

Ein Schritt ist freiwillig: eine Herausforderung. Probier sie aus oder beende die Lektion jetzt.

Herausforderung ★★★

  1. XX ist binomialverteilt mit E(X)=20E(X) = 20 und V(X)=15V(X) = 15. Wie groß ist nn?

4. Binomialverteilung: Schwellenwerte und Intervalle

Aufwärmen

Drei schnelle Fragen zu früheren Lektionen.

  1. Eine Spielerin trifft einen Freiwurf mit der Wahrscheinlichkeit 13\dfrac{1}{ 3 }. Berechne die Wahrscheinlichkeit, bei 3 unabhängigen Würfen genau einmal zu treffen.
  2. Ein Samenkorn keimt mit der Wahrscheinlichkeit 13\dfrac{1}{ 3 }, unabhängig von den anderen. Es werden 4 Körner gesät. Berechne die Wahrscheinlichkeit, dass genau zwei keimen.
  3. Welche Situation lässt sich mit einer Binomialverteilung beschreiben?
    1. Die Anzahl von „Zahl“ bei 9 Würfen einer fairen Münze
    2. Die Anzahl der Würfe bis zur ersten „Zahl“
    3. Die Anzahl der Asse unter 9 Karten, die ohne Zurücklegen gezogen werden

Entdecken

Eine Münze zeigt „Zahl“ mit der Wahrscheinlichkeit 12\dfrac{1}{2}. Man möchte mit einer Wahrscheinlichkeit von mindestens 0,990{,}99 mindestens einmal „Zahl“. Wie berechnet man P(X≥1)P(X \geq 1) am einfachsten?

  1. 1−P(X=0)1 - P(X = 0)
  2. P(X=1)P(X = 1)

Die Grundidee

Taschenrechner oder Tabellenkalkulation liefern die kumulierten Wahrscheinlichkeiten P(X≤k)P(X \leq k).

P(a≤X≤b)=P(X≤b)−P(X≤a−1)P(a \leq X \leq b) = P(X \leq b) - P(X \leq a - 1).

„Mindestens“-Aufgaben: Gesucht ist die kleinste ganze Zahl kk mit P(X≤k)≥αP(X \leq k) \geq \alpha oder das kleinste nn mit 1−(1−p)n≥α1 - (1 - p)^n \geq \alpha.

Beispiel

Bestimme das kleinste nn mit 1−0,5n≥0,991 - 0{,}5^n \geq 0{,}99.

0,5n≤0,010{,}5^n \leq 0{,}01
Die Potenz isolieren.
n=7n = 7
0,5⁶ ≈ 0,0156 und 0,5⁷ ≈ 0,0078.

Du bist dran

Jetzt du: P(X≤5)=0,9P(X \leq 5) = 0{,}9 und P(X≤2)=0,3P(X \leq 2) = 0{,}3. Wie groß ist P(3≤X≤5)P(3 \leq X \leq 5)?

0,60{,}6
0,9 − 0,3.

Üben ★

  1. XX ist nach B(2;12)B\left(2; \dfrac{1}{ 2 }\right) verteilt. Berechne P(X≥1)P(X \geq 1).
  2. XX ist nach B(9;16)B\left(9; \dfrac{1}{ 6 }\right) verteilt. Berechne P(X≥1)P(X \geq 1).
  3. XX ist nach B(2;13)B\left(2; \dfrac{1}{ 3 }\right) verteilt. Berechne P(X≥1)P(X \geq 1).

Vorsicht!

Üben ★★

  1. Bestimme die kleinste ganze Zahl nn mit 1−(12)n≥1−11021 - \left(\dfrac{1}{2}\right)^n \geq 1 - \dfrac{1}{10^{ 2 }}.
  2. Bestimme die kleinste ganze Zahl nn mit 1−(12)n≥1−11031 - \left(\dfrac{1}{2}\right)^n \geq 1 - \dfrac{1}{10^{ 3 }}.
  1. XX ist nach B(3;12)B\left(3; \dfrac{1}{2}\right) verteilt. Berechne P(1≤X≤2)P(1 \leq X \leq 2).
  2. XX ist nach B(8;12)B\left(8; \dfrac{1}{2}\right) verteilt. Berechne P(1≤X≤7)P(1 \leq X \leq 7).
  1. XX ist nach B(3;12)B\left(3; \dfrac{1}{2}\right) verteilt. Berechne P(X=1)P(X = 1).

Abschlusscheck

Drei Fragen zum Abschluss: Sitzt es?

  1. XX ist nach B(2;12)B\left(2; \dfrac{1}{ 2 }\right) verteilt. Berechne P(X≥1)P(X \geq 1).
  2. XX ist nach B(9;16)B\left(9; \dfrac{1}{ 6 }\right) verteilt. Berechne P(X≥1)P(X \geq 1).
  3. XX ist nach B(2;13)B\left(2; \dfrac{1}{ 3 }\right) verteilt. Berechne P(X≥1)P(X \geq 1).

Merkkarte

Kumulierte Wahrscheinlichkeiten

  • P(a≤X≤b)=P(X≤b)−P(X≤a−1)P(a \leq X \leq b) = P(X \leq b) - P(X \leq a - 1).
  • „Mindestens einmal“: über das Gegenereignis.

Achtung: auf das a−1a - 1 achten.

Ein Schritt ist freiwillig: eine Herausforderung. Probier sie aus oder beende die Lektion jetzt.

Herausforderung ★★★

  1. Man wirft einen fairen Würfel nn-mal. Für welches kleinste nn ist die Wahrscheinlichkeit für mindestens eine 6 größer als 12\dfrac{1}{2}?

5. Zufallsvariable und Wahrscheinlichkeitsverteilung

Aufwärmen

Drei schnelle Fragen zu früheren Lektionen.

  1. Zwei faire Würfel werden geworfen. Berechne die Wahrscheinlichkeit, dass die Summe 2 ist.
  2. Ein fairer Würfel wird 2-mal geworfen. Berechne die Wahrscheinlichkeit für mindestens eine Sechs.
  3. Die Wahrscheinlichkeit, dass ein Flug Verspätung hat, ist 0,780{,}78. Berechne die Wahrscheinlichkeit, dass er keine Verspätung hat.

Entdecken

Eine Münze wird zweimal geworfen; XX ist die Anzahl von „Zahl“. Welche Werte nimmt XX an?

  1. 00, 11, 22
  2. 11, 22

Die Grundidee

Eine Zufallsgröße ordnet jedem Ergebnis eine Zahl zu.

Die Wahrscheinlichkeitsverteilung von XX gibt P(X=xi)P(X = x_i) für jeden Wert an. Die Summe dieser Wahrscheinlichkeiten ist 1.

Beispiel

Verteilung von XX bei zwei Münzwürfen.

P(X=0)=14P(X = 0) = \dfrac{1}{4}
KK.
P(X=1)=12P(X = 1) = \dfrac{1}{2}
ZK oder KZ.
P(X=2)=14P(X = 2) = \dfrac{1}{4}
ZZ.

Du bist dran

Jetzt du: Wie groß ist P(X≥1)P(X \geq 1) für diese Verteilung?

34\dfrac{3}{4}
1/2 + 1/4.

Üben ★

  1. XX nimmt drei Werte an; zwei davon haben die Wahrscheinlichkeiten 110\dfrac{ 1 }{10} und 310\dfrac{ 3 }{10}. Wie groß ist die Wahrscheinlichkeit des dritten?
  2. XX nimmt drei Werte an; zwei davon haben die Wahrscheinlichkeiten 410\dfrac{ 4 }{10} und 410\dfrac{ 4 }{10}. Wie groß ist die Wahrscheinlichkeit des dritten?
  3. XX nimmt drei Werte an; zwei davon haben die Wahrscheinlichkeiten 310\dfrac{ 3 }{10} und 310\dfrac{ 3 }{10}. Wie groß ist die Wahrscheinlichkeit des dritten?

Vorsicht!

Üben ★★

  1. P(X=0)=210P(X = 0) = \dfrac{ 2 }{10}, P(X=1)=210P(X = 1) = \dfrac{ 2 }{10}, und XX nimmt auch den Wert 2 an. Bestimme P(X≥1)P(X \geq 1).
  2. P(X=0)=310P(X = 0) = \dfrac{ 3 }{10}, P(X=1)=310P(X = 1) = \dfrac{ 3 }{10}, und XX nimmt auch den Wert 2 an. Bestimme P(X≥1)P(X \geq 1).
  1. P(X=1)=210P(X = 1) = \dfrac{ 2 }{10}, P(X=2)=310P(X = 2) = \dfrac{ 3 }{10}, und XX nimmt nur die Werte 0, 1 und 2 an. Bestimme P(X≥1)P(X \geq 1).
  1. Wie groß ist die Summe aller Wahrscheinlichkeiten einer Wahrscheinlichkeitsverteilung?
    1. 1
    2. 0
    3. Die Anzahl der Werte

Abschlusscheck

Drei Fragen zum Abschluss: Sitzt es?

  1. XX nimmt drei Werte an; zwei davon haben die Wahrscheinlichkeiten 110\dfrac{ 1 }{10} und 310\dfrac{ 3 }{10}. Wie groß ist die Wahrscheinlichkeit des dritten?
  2. XX nimmt drei Werte an; zwei davon haben die Wahrscheinlichkeiten 410\dfrac{ 4 }{10} und 410\dfrac{ 4 }{10}. Wie groß ist die Wahrscheinlichkeit des dritten?
  3. XX nimmt drei Werte an; zwei davon haben die Wahrscheinlichkeiten 310\dfrac{ 3 }{10} und 310\dfrac{ 3 }{10}. Wie groß ist die Wahrscheinlichkeit des dritten?

Merkkarte

Wahrscheinlichkeitsverteilung

  • Werte und Wahrscheinlichkeiten.
  • Summe = 1.

Achtung: Prüfe immer die Summe.

Ein Schritt ist freiwillig: eine Herausforderung. Probier sie aus oder beende die Lektion jetzt.

Herausforderung ★★★

  1. Man wirft drei faire Münzen. XX ist die Anzahl Kopf. Berechne P(X=2)P(X = 2).

6. Erwartungswert, Varianz und Standardabweichung

Aufwärmen

Drei schnelle Fragen zu früheren Lektionen.

  1. XX nimmt drei Werte an; zwei davon haben die Wahrscheinlichkeiten 110\dfrac{ 1 }{10} und 310\dfrac{ 3 }{10}. Wie groß ist die Wahrscheinlichkeit des dritten?
  2. P(X=0)=210P(X = 0) = \dfrac{ 2 }{10}, P(X=1)=210P(X = 1) = \dfrac{ 2 }{10}, und XX nimmt auch den Wert 2 an. Bestimme P(X≥1)P(X \geq 1).
  3. P(X=1)=210P(X = 1) = \dfrac{ 2 }{10}, P(X=2)=310P(X = 2) = \dfrac{ 3 }{10}, und XX nimmt nur die Werte 0, 1 und 2 an. Bestimme P(X≥1)P(X \geq 1).

Entdecken

Ein Spiel bringt mit der Wahrscheinlichkeit 0,10{,}1 genau 10 € und sonst 0 €. Wie hoch ist der mittlere Gewinn?

  1. 11 €
  2. 55 €

Die Grundidee

Der Erwartungswert ist ein gewichteter Mittelwert.

E(X)=∑xi⋅P(X=xi)E(X) = \displaystyle\sum x_i \cdot P(X = x_i).

Var(X)=∑(xi−E(X))2⋅P(X=xi)Var(X) = \displaystyle\sum (x_i - E(X))^2 \cdot P(X = x_i) und σ(X)=Var(X)\sigma(X) = \sqrt{Var(X)}.

Beispiel

XX ist 0 oder 2, jeweils mit P=12P = \dfrac{1}{2}.

E(X)=1E(X) = 1
Erwartungswert.
Var(X)=1⋅12+1⋅12=1Var(X) = 1 \cdot \dfrac{1}{2} + 1 \cdot \dfrac{1}{2} = 1
Varianz.
σ(X)=1\sigma(X) = 1
Standardabweichung.

Du bist dran

Jetzt du: XX ist 1 mit der Wahrscheinlichkeit 0,20{,}2, sonst 0. Berechne E(X)E(X).

0,20{,}2
1 · 0,2.

Üben ★

  1. XX ist 5 mit der Wahrscheinlichkeit 15\dfrac{1}{ 5 } und sonst 0. Berechne E(X)E(X).
  2. XX ist 13 mit der Wahrscheinlichkeit 18\dfrac{1}{ 8 } und sonst 0. Berechne E(X)E(X).
  3. XX ist 3 mit der Wahrscheinlichkeit 17\dfrac{1}{ 7 } und sonst 0. Berechne E(X)E(X).

Vorsicht!

Üben ★★

  1. XX ist −2-2 oder 22, jeweils mit der Wahrscheinlichkeit 12\dfrac{1}{2}. Berechne Var(X)Var(X).
  2. XX ist −39-39 oder 3939, jeweils mit der Wahrscheinlichkeit 12\dfrac{1}{2}. Berechne Var(X)Var(X).
  1. E(X)=2E(X) = 2. Berechne E(3X+1)E(3X + 1).
  1. Var(X)=2Var(X) = 2. Berechne Var(2X+5)Var(2X + 5).

Abschlusscheck

Drei Fragen zum Abschluss: Sitzt es?

  1. XX ist 5 mit der Wahrscheinlichkeit 15\dfrac{1}{ 5 } und sonst 0. Berechne E(X)E(X).
  2. XX ist 13 mit der Wahrscheinlichkeit 18\dfrac{1}{ 8 } und sonst 0. Berechne E(X)E(X).
  3. XX ist 3 mit der Wahrscheinlichkeit 17\dfrac{1}{ 7 } und sonst 0. Berechne E(X)E(X).

Merkkarte

Erwartungswert und Varianz

  • E(X)=∑xi⋅piE(X) = \sum x_i \cdot p_i.
  • σ(X)=Var(X)\sigma(X) = \sqrt{Var(X)}.

Achtung: Mit den Wahrscheinlichkeiten gewichten.

Ein Schritt ist freiwillig: eine Herausforderung. Probier sie aus oder beende die Lektion jetzt.

Herausforderung ★★★

  1. Ein Spiel bringt 5 € Gewinn mit der Wahrscheinlichkeit 16\dfrac{1}{ 6 }; sonst verliert man den Einsatz cc €. Für welchen Einsatz cc ist das Spiel fair (Erwartungswert 0)?

7. Warten auf den ersten Erfolg

Entdecken

Du würfelst mit einem fairen Würfel, bis eine Sechs kommt. Wie viele Würfe dauert das im Mittel?

  1. 6 Würfe
  2. 3,5 Würfe

Die Grundidee

Warten auf den ersten Erfolg.

Gelingt jeder Versuch unabhängig mit der Wahrscheinlichkeit pp, so ist die erwartete Anzahl Versuche bis zum ersten Erfolg

E=1pE = \dfrac{1}{p}.

Beispiel

Ein Glücksrad bleibt mit der Wahrscheinlichkeit 14\tfrac{1}{4} auf Rot stehen. Wie viele Drehungen erwartest du bis zum ersten Rot?

E=11/4E = \dfrac{1}{1/4}
p=14p = \tfrac{1}{4}.
E=4E = 4 Drehungen
11/4=4\dfrac{1}{1/4} = 4.

Du bist dran

Jetzt du: Jeder Versuch gelingt mit der Wahrscheinlichkeit 110\tfrac{1}{10}. Wie viele Versuche erwartest du?

1010
11/10\dfrac{1}{1/10}.

Üben ★

  1. Jeder Versuch gelingt unabhängig mit der Wahrscheinlichkeit 111\tfrac{1}{ 11 }. Wie viele Versuche erwartest du bis zum ersten Erfolg?
  2. Jeder Versuch gelingt unabhängig mit der Wahrscheinlichkeit 115\tfrac{1}{ 15 }. Wie viele Versuche erwartest du bis zum ersten Erfolg?
  3. Jeder Versuch gelingt unabhängig mit der Wahrscheinlichkeit 12\tfrac{1}{ 2 }. Wie viele Versuche erwartest du bis zum ersten Erfolg?

Üben ★★

  1. Ein Maschinenteil fällt an einem Tag mit der Wahrscheinlichkeit 160\tfrac{1}{ 60 } aus. Wie viele Tage dauert es im Mittel bis zum ersten Ausfall?
  2. Ein Maschinenteil fällt an einem Tag mit der Wahrscheinlichkeit 150\tfrac{1}{ 50 } aus. Wie viele Tage dauert es im Mittel bis zum ersten Ausfall?

Abschlusscheck

Zwei Fragen zur Kontrolle.

  1. Jeder Versuch gelingt unabhängig mit der Wahrscheinlichkeit 111\tfrac{1}{ 11 }. Wie viele Versuche erwartest du bis zum ersten Erfolg?
  2. Jeder Versuch gelingt unabhängig mit der Wahrscheinlichkeit 115\tfrac{1}{ 15 }. Wie viele Versuche erwartest du bis zum ersten Erfolg?

Merkkarte

Wartezeit

  • Erwartete Wartezeit =1p= \dfrac{1}{p}.
  • Seltene Ereignisse: im Mittel lange Wartezeiten.

Ingenieure nutzen das für die mittlere Zeit zwischen zwei Ausfällen einer Maschine.

8. Geschichte: Bernoulli, de Moivre und das Gesetz der großen Zahlen

Entdecken

Wirf eine faire Münze 10-mal: Es können gut 7-mal Kopf kommen. Wirf sie 10 000-mal: Der Anteil von Kopf liegt fast immer sehr nah bei 12\tfrac{1}{2}. Wer hat als Erster bewiesen, dass das so sein muss?

  1. Jakob Bernoulli, mit seinem Gesetz der großen Zahlen
  2. Niemand: Es ist nur eine Beobachtung

Die Grundidee

Vom einzelnen Wurf zu vielen.

17001710172017301740175017601713Bernoulli1713Bernoulli
  1. Schritt 117001710172017301740175017601713Bernoulli1713BernoulliJakob I Bernoulli 1655–1705Niklaus Bernoulli (1662-1716), 1687. Gemeinfrei1713: Jakob Bernoullis Ars Conjectandi wird gedruckt, acht Jahre nach seinem Tod. Sie beweist das Gesetz der großen Zahlen.
  2. Schritt 217001710172017301740175017601713Bernoulli1718de Moivre1713Bernoulli1718de MoivreAbraham de Moivre 1667–1754Joseph Highmore, 1736. Gemeinfrei1718: de Moivres Buch The Doctrine of Chances.
  3. Schritt 317001710172017301740175017601713Bernoulli1718de Moivre1733de Moivre1713Bernoulli1718de Moivre1733de MoivreAbraham de Moivre 1667–1754Joseph Highmore, 1736. Gemeinfrei13. November 1733: de Moivre nähert die Binomialverteilung durch die Glockenkurve an.

Jakob Bernoullis Ars Conjectandi (gedruckt 1713, acht Jahre nach seinem Tod) enthält das Gesetz der großen Zahlen. Am 13. November 1733 zeigt Abraham de Moivre, dass die Binomialverteilung bei vielen Versuchen der Glockenkurve gleicht, unserer Normalverteilung.

Beispiel

Bei nn Würfen einer fairen Münze hat die Anzahl XX von Kopf den Erwartungswert n2\tfrac{n}{2} und die Standardabweichung n2\tfrac{\sqrt{n}}{2}.

Erwartungswert 50, Standardabweichung 5
Für n=100n = 100:
0,0050{,}005: sehr nah bei 12\tfrac{1}{2}
Für n=10 000n = 10\,000 hat der Anteil von Kopf die Standardabweichung 5010 000\tfrac{50}{10\,000}.

Üben ★

  1. Was sagt Jakob Bernoullis Gesetz der großen Zahlen (gedruckt 1713)?
    1. Bei vielen Versuchen nähert sich die relative Häufigkeit der Wahrscheinlichkeit
    2. Nach vielen Zahlwürfen wird Kopf wahrscheinlicher
    3. Große Zahlen sind wahrscheinlicher als kleine
  1. Eine faire Münze wird 144-mal geworfen. Mit σ=n2\sigma = \tfrac{\sqrt{n}}{2}: Wie groß ist die Standardabweichung der Anzahl von Kopf?
  2. Eine faire Münze wird 196-mal geworfen. Mit σ=n2\sigma = \tfrac{\sqrt{n}}{2}: Wie groß ist die Standardabweichung der Anzahl von Kopf?
  1. Die Ars Conjectandi wurde 1713 gedruckt, acht Jahre nach Jakob Bernoullis Tod. In welchem Jahr starb er? Addiere 4 zu diesem Jahr.

Merkkarte

Zufallsgrößen heute

  • Umfragen: Eine Stichprobe von 1 000 Personen liefert einen Anteil nah am wahren.
  • Versicherungen und Kasinos beruhen auf dem Gesetz der großen Zahlen.
  • Die Qualitätskontrolle zählt fehlerhafte Teile mit der Binomialverteilung.

Quellen: MacTutor-Biografien von Jakob Bernoulli und Abraham de Moivre (siehe „Quellen und Nachweise“).

9. Stetige Verteilungen mit Dichte

Aufwärmen

Drei schnelle Fragen zu früheren Lektionen.

  1. Berechne ∫03x2 dx\displaystyle\int_0^{ 3 } x^2\,\mathrm{d}x.
  2. Berechne ∫0π/5cos⁡x dx\displaystyle\int_0^{\pi/5} \cos x\,\mathrm{d}x. Gib den exakten Wert an.
  3. Berechne ∫−14(2x+1) dx\displaystyle\int_{ -1 }^{ 4 } (2x + 1)\,\mathrm{d}x.

Entdecken

XX ist eine stetige Zufallsgröße mit einer Dichtefunktion. Wie groß ist P(X=2)P(X = 2)?

  1. 00
  2. f(2)f(2)

Die Grundidee

Eine Wahrscheinlichkeit ist eine Fläche unter dem Graphen der Dichtefunktion.

ff ist eine Dichtefunktion auf [a;b][a; b], wenn f≥0f \geq 0 und ∫abf(x) dx=1\displaystyle\int_a^b f(x)\,\mathrm{d}x = 1. Dann gilt P(c≤X≤d)=∫cdf(x) dxP(c \leq X \leq d) = \displaystyle\int_c^d f(x)\,\mathrm{d}x.

F(x)=P(X≤x)F(x) = P(X \leq x) ist die Verteilungsfunktion. E(X)=∫abxf(x) dxE(X) = \displaystyle\int_a^b xf(x)\,\mathrm{d}x und Var(X)=∫ab(x−E(X))2f(x) dxVar(X) = \displaystyle\int_a^b (x - E(X))^2f(x)\,\mathrm{d}x.

Beispiel

f(x)=2xf(x) = 2x auf [0;1][0; 1]. Berechne P(X≤0,5)P(X \leq 0{,}5) und E(X)E(X).

P(X≤0,5)=0,52=0,25P(X \leq 0{,}5) = 0{,}5^2 = 0{,}25
Stammfunktion x².
E(X)=∫012x2 dx=23E(X) = \displaystyle\int_0^1 2x^2\,\mathrm{d}x = \dfrac{2}{3}
Erwartungswert.

Du bist dran

Jetzt du: ff ist eine Dichtefunktion auf [0;1][0; 1]. Welchen Wert hat ∫01f(x) dx\displaystyle\int_0^1 f(x)\,\mathrm{d}x?

11
Gesamtfläche.

Üben ★

  1. f(x)=2xf(x) = 2x ist eine Dichtefunktion auf [0;1][0; 1]. Berechne P(X≤12)P\left(X \leq \dfrac{1}{ 2 }\right).
  2. f(x)=2xf(x) = 2x ist eine Dichtefunktion auf [0;1][0; 1]. Berechne P(X≤121)P\left(X \leq \dfrac{1}{ 21 }\right).
  3. f(x)=2xf(x) = 2x ist eine Dichtefunktion auf [0;1][0; 1]. Berechne P(X≤13)P\left(X \leq \dfrac{1}{ 3 }\right).

Vorsicht!

Üben ★★

  1. f(x)=kxf(x) = kx ist eine Dichtefunktion auf [0;4][0; 4]. Bestimme kk.
  2. f(x)=kxf(x) = kx ist eine Dichtefunktion auf [0;22][0; 22]. Bestimme kk.
  1. XX ist eine stetige Zufallsgröße. Wie groß ist P(X=2)P(X = 2)?
    1. 0
    2. f(2)f(2)
    3. 1
  1. ff ist auf [0;4][0; 4] konstant gleich kk und eine Dichtefunktion. Wie groß ist kk?

Abschlusscheck

Drei Fragen zum Abschluss: Sitzt es?

  1. f(x)=2xf(x) = 2x ist eine Dichtefunktion auf [0;1][0; 1]. Berechne P(X≤12)P\left(X \leq \dfrac{1}{ 2 }\right).
  2. f(x)=2xf(x) = 2x ist eine Dichtefunktion auf [0;1][0; 1]. Berechne P(X≤121)P\left(X \leq \dfrac{1}{ 21 }\right).
  3. f(x)=2xf(x) = 2x ist eine Dichtefunktion auf [0;1][0; 1]. Berechne P(X≤13)P\left(X \leq \dfrac{1}{ 3 }\right).

Merkkarte

Stetige Zufallsgrößen

  • Wahrscheinlichkeit = Fläche unter der Dichtefunktion.
  • P(X=a)=0P(X = a) = 0.

Achtung: Die Dichte ist keine Wahrscheinlichkeit.

Ein Schritt ist freiwillig: eine Herausforderung. Probier sie aus oder beende die Lektion jetzt.

Herausforderung ★★★

  1. XX hat die Dichte f(x)=5x4f(x) = 5x^{ 4 } auf [0;1][0 ; 1]. Berechne E(X)E(X).

10. Normalverteilung: Φ und symmetrische Intervalle

Aufwärmen

Drei schnelle Fragen zu früheren Lektionen.

  1. Testergebnisse haben den Erwartungswert 61 und die Standardabweichung 10. Bestimme den z-Wert des Ergebnisses 48.
  2. Körpergrößen sind näherungsweise normalverteilt mit Erwartungswert 76 und Standardabweichung 4. Wie viel Prozent liegen nach den Sigma-Regeln zwischen 72 und 84?
  3. Erwartungswert 72, Standardabweichung 2. Welcher Wert hat den z-Wert −3-3?

Entdecken

Die Kurve ist die Dichte der Standardnormalverteilung. Φ(z)\Phi(z) ist die Fläche links von zz. Mit Φ(1)≈0,8413\Phi(1) \approx 0{,}8413: Wie groß ist die Fläche rechts von 1?

  1. 0,15870{,}1587
  2. 0,84130{,}8413

Die Grundidee

Jede Normalverteilung führst du über z=x−μσz = \dfrac{x - \mu}{\sigma} auf Φ\Phi zurück.

Ist XX normalverteilt mit μ\mu und σ\sigma, so gilt P(X≤x)=Φ(x−μσ)P(X \leq x) = \Phi\left(\dfrac{x - \mu}{\sigma}\right) und P(X≥x)=1−Φ(x−μσ)P(X \geq x) = 1 - \Phi\left(\dfrac{x - \mu}{\sigma}\right).

Symmetrie: Φ(−z)=1−Φ(z)\Phi(-z) = 1 - \Phi(z). Für ein symmetrisches Intervall gilt P(μ−c≤X≤μ+c)=2 Φ(cσ)−1P(\mu - c \leq X \leq \mu + c) = 2\,\Phi\left(\dfrac{c}{\sigma}\right) - 1.

Beispiel

Füllmengen sind normalverteilt mit μ=500\mu = 500 g und σ=4\sigma = 4 g. Gegeben ist Φ(1,5)≈0,9332\Phi(1{,}5) \approx 0{,}9332. Berechne P(494≤X≤506)P(494 \leq X \leq 506).

z=64=1,5z = \dfrac{6}{4} = 1{,}5
Symmetrisches Intervall mit c = 6.
2⋅0,9332−12 \cdot 0{,}9332 - 1
Formel für symmetrische Intervalle.
P(494≤X≤506)≈0,8664P(494 \leq X \leq 506) \approx 0{,}8664
Ergebnis.

Du bist dran

Jetzt du: μ=20\mu = 20, σ=5\sigma = 5, Φ(2)≈0,9772\Phi(2) \approx 0{,}9772. Berechne P(X≥30)P(X \geq 30).

1−Φ(2)1 - \Phi(2)
z = (30 − 20)/5 = 2.
0,02280{,}0228
Rest rechts von z = 2.

Üben ★

  1. XX ist normalverteilt mit μ=71\mu = 71 und σ=7\sigma = 7. Gegeben ist Φ(1)≈0,8413\Phi(1) \approx 0{,}8413. Berechne P(X≤78)P(X \leq 78).
  2. XX ist normalverteilt mit μ=72\mu = 72 und σ=5\sigma = 5. Gegeben ist Φ(1)≈0,8413\Phi(1) \approx 0{,}8413. Berechne P(X≤77)P(X \leq 77).
  1. XX ist normalverteilt mit μ=74\mu = 74 und σ=7\sigma = 7. Gegeben ist Φ(2)≈0,9772\Phi(2) \approx 0{,}9772. Berechne P(X≥88)P(X \geq 88).

Vorsicht!

Üben ★★

  1. XX ist normalverteilt mit μ=44\mu = 44 und σ=8\sigma = 8. Gegeben ist Φ(1)≈0,8413\Phi(1) \approx 0{,}8413. Berechne P(36≤X≤52)P(36 \leq X \leq 52).
  2. XX ist normalverteilt mit μ=71\mu = 71 und σ=3\sigma = 3. Gegeben ist Φ(1)≈0,8413\Phi(1) \approx 0{,}8413. Berechne P(68≤X≤74)P(68 \leq X \leq 74).
  1. XX ist normalverteilt mit μ=48\mu = 48 und σ=3\sigma = 3. Gegeben ist Φ(1)≈0,8413\Phi(1) \approx 0{,}8413. Berechne P(X≤45)P(X \leq 45).

Abschlusscheck

Drei Fragen zum Abschluss: Sitzt es?

  1. XX ist normalverteilt mit μ=71\mu = 71 und σ=7\sigma = 7. Gegeben ist Φ(1)≈0,8413\Phi(1) \approx 0{,}8413. Berechne P(X≤78)P(X \leq 78).
  2. XX ist normalverteilt mit μ=72\mu = 72 und σ=5\sigma = 5. Gegeben ist Φ(1)≈0,8413\Phi(1) \approx 0{,}8413. Berechne P(X≤77)P(X \leq 77).
  3. XX ist normalverteilt mit μ=57\mu = 57 und σ=4\sigma = 4. Gegeben ist Φ(1)≈0,8413\Phi(1) \approx 0{,}8413. Berechne P(X≤61)P(X \leq 61).

Merkkarte

Normalverteilung mit Φ

  • P(X≤x)=Φ(z)P(X \leq x) = \Phi(z) mit z=(x−μ)/σz = (x - \mu)/\sigma.
  • P(X≥x)=1−Φ(z)P(X \geq x) = 1 - \Phi(z) und Φ(−z)=1−Φ(z)\Phi(-z) = 1 - \Phi(z).
  • Symmetrisch: 2 Φ(c/σ)−12\,\Phi(c/\sigma) - 1.

Achtung: Φ gibt die Fläche links an.

Ein Schritt ist freiwillig: eine Herausforderung. Probier sie aus oder beende die Lektion jetzt.

Herausforderung ★★★

  1. XX ist normalverteilt mit μ=47\mu = 47 und σ=9\sigma = 9. Gegeben ist Φ(1)≈0,8413\Phi(1) \approx 0{,}8413. Berechne P(X≥38)P(X \geq 38).