Beispielaufgaben und Diskussion zur Binomialverteilung
Die Binomialverteilung ist eine der am häufigsten verwendeten diskreten Wahrscheinlichkeitsverteilungen. Sie eignet sich zur Modellierung der Anzahl von Erfolgen in einer Reihe identischer, unabhängiger Versuche, von denen jeder entweder zu einem Erfolg oder zu einem Misserfolg führt. In diesem Artikel werden wir die Binomialverteilung anhand mehrerer Beispiele und einer detaillierten Erläuterung genauer betrachten.
Einführung in die Binomialverteilung
Hauptmerkmale der Binomialverteilung:
1. n : Anzahl der Versuche oder Wiederholungen.
2. p : Erfolgswahrscheinlichkeit bei jedem Versuch.
3. q = 1-p : Wahrscheinlichkeit des Scheiterns in jedem Versuch.
Die Wahrscheinlichkeitsfunktion der Binomialverteilung lautet:
\[ P(X = k) = {n \choose k} p^k (1-p)^{nk} \]
Wo:
– \( {n \choose k} = \frac{n!}{k!(nk)!} \)
– \( X \): Eine Zufallsvariable, die die Anzahl der Erfolge darstellt.
– \( k \): Die Anzahl der angestrebten Erfolge.
Contoh Soal dan Pembahasan
Beginnen wir mit einigen Beispielaufgaben, um das Konzept der Binomialverteilung genauer zu verstehen.
Beispiel 1: Auswahl aus einer Gruppe von Studierenden
Nehmen wir beispielsweise an, wir haben eine Gruppe von 10 Schülern, und die Wahrscheinlichkeit, dass jeder Schüler für die Teilnahme an einem Wettbewerb ausgewählt wird, beträgt 0,3. Wir möchten die Wahrscheinlichkeit wissen, dass genau 4 Schüler ausgewählt werden.
Schritt 1: Identifizieren Sie die Parameter der Binomialverteilung.
– \( n = 10 \)
– \( p = 0.3 \)
Schritt 2: Verwenden Sie die Binomialverteilung, um die Wahrscheinlichkeit von \( X = 4 \) zu berechnen.
\[ P(X = 4) = {10 \choose 4} (0.3)^4 (0.7)^6 \]
Berechnung von \( {10 \choose 4} \):
\[ {10 \choose 4} = \frac{10!}{4!(10-4)!} = \frac{10!}{4!6!} = 210 \]
Berechnen Sie nun \( (0.3)^4 \) und \( (0.7)^6 \):
\[ (0.3)^4 = 0.0081 \]
\[ (0.7)^6 = 0.117649 \]
So,
\[ P(X = 4) = 210 \cdot 0.0081 \cdot 0.117649 \approx 0.20012 \]
Die Wahrscheinlichkeit, dass genau 4 Schüler ausgewählt werden, beträgt also ungefähr 0.20012 oder 20.012%.
Beispiel 2: Wahrscheinlichkeit kleiner oder gleich 2
Nun werden wir beispielsweise nach der Wahrscheinlichkeit gefragt, dass weniger als oder gleich 2 Schüler ausgewählt werden.
Schritt 1: Wir müssen \( P(X = 0) \), \( P(X = 1) \) und \( P(X = 2) \) berechnen.
– Für \( P(X = 0) \):
\[ P(X = 0) = {10 \choose 0} (0.3)^0 (0.7)^{10} \]
\[ {10 \choose 0} = 1 \]
\[ (0.7)^{10} = 0.0282475 \]
\[ P(X = 0) = 1 \cdot 1 \cdot 0.0282475 = 0.0282475 \]
– Für \( P(X = 1) \):
\[ P(X = 1) = {10 \choose 1} (0.3)^1 (0.7)^9 \]
\[ {10 \choose 1} = 10 \]
\[ (0.3) \cdot (0.7)^9 = 0.1210608 \]
\[ P(X = 1) = 10 \cdot 0.3 \cdot 0.1210608 = 0.3631824 \]
– Für \( P(X = 2) \):
\[ P(X = 2) = {10 \choose 2} (0.3)^2 (0.7)^8 \]
\[ {10 \choose 2} = 45 \]
\[ (0.3)^2 \cdot (0.7)^8 = 0.2334744 \]
\[ P(X = 2) = 45 \cdot 0.09 \cdot 0.2334744 = 0.2334744 \]
Schritt 2: Addiere die Wahrscheinlichkeiten.
\[ P(X \leq 2) = P(X = 0) + P(X = 1) + P(X = 2) \]
\[ P(X \leq 2) = 0.0282475 + 0.3631824 + 0.3826372 = 0.7740671 \]
Die Wahrscheinlichkeit, dass weniger als oder gleich 2 Schüler ausgewählt werden, beträgt also ungefähr 0.7740671 oder 77.41%.
Beispiel 3: Wahrscheinlichkeit von mindestens 8
Wenn ein Experiment 12 Mal durchgeführt wird und die Erfolgswahrscheinlichkeit bei jedem Versuch 0.5 beträgt, wie hoch ist die Wahrscheinlichkeit, dass mindestens 8 Erfolge erzielt werden?
Schritt 1: Die Binomialparameter festlegen: \( n = 12, p = 0.5 \).
Schritt 2: Ermitteln Sie die Wahrscheinlichkeit für \( X \geq 8 \).
Dies erfordert die Berechnung mehrerer Einzelwahrscheinlichkeiten und deren Addition:
\[ P(X \geq 8) = P(X = 8) + P(X = 9) + P(X = 10) + P(X = 11) + P(X = 12) \]
Zähle eins nach dem anderen:
– Für \( P(X = 8) \):
\[ P(X = 8) = {12 \choose 8} (0.5)^8 (0.5)^4 \]
\[ {12 \choose 8} = 495 \]
\[ (0.5)^{12} = 0.0002441406 \]
\[ P(X = 8) = 495 \cdot 0.0002441406 = 0.1208496 \]
– Für \( P(X = 9) \):
\[ P(X = 9) = {12 \choose 9} (0.5)^9 (0.5)^3 \]
\[ {12 \choose 9} = 220 \]
\[ P(X = 9) = 220 \cdot 0.0002441406 = 0.05371094 \]
– Für \( P(X = 10) \):
\[ P(X = 10) = {12 \choose 10} (0.5)^{10} (0.5)^2 \]
\[ {12 \choose 10} = 66 \]
\[ P(X = 10) = 66 \cdot 0.0002441406 = 0.01611328 \]
– Für \( P(X = 11) \):
\[ P(X = 11) = {12 \choose 11} (0.5)^{11} (0.5)^1 \]
\[ {12 \choose 11} = 12 \]
\[ P(X = 11) = 12 \cdot 0.0002441406 = 0.002929688 \]
– Für \( P(X = 12) \):
\[ P(X = 12) = {12 \choose 12} (0.5)^{12} \]
\[ {12 \choose 12} = 1 \]
\[ P(X = 12) = 1 \cdot 0.0002441406 = 0.0002441406 \]
Schritt 3: Addiere alle Wahrscheinlichkeiten.
\[ P(X \geq 8) = 0.1208496 + 0.05371094 + 0.01611328 + 0.002929688 + 0.0002441406 \approx 0.1938477 \]
Die Wahrscheinlichkeit, dass bei 12 Versuchen mindestens 8 Erfolge erzielt werden, beträgt also ungefähr 0.1938477 oder 19.38 %.
Abschluss
Die Binomialverteilung ist ein grundlegendes Konzept der Statistik und spielt in vielen praktischen Anwendungen eine entscheidende Rolle. Indem wir verstehen, wie man Wahrscheinlichkeiten für verschiedene Fälle der Binomialverteilung berechnet, wie in den obigen Beispielen gezeigt, können wir dieses Konzept in realen Situationen anwenden. Diese Übung vertieft zudem unser Verständnis der Funktionsweise von Wahrscheinlichkeitsstrukturen in einem klaren und strukturierten Kontext.
