Binomialverteilung - Grundlagen
Hier findest du folgende Inhalte
Formeln
Diskrete Zufallsvariable
Die Anzahl der Ergebnisse des Zufallsexperiments ist endlich / abzählbar. Eine diskrete Zufallsvariable ist durch die Angabe ihres Wertebereichs \({x_1},{x_2},...,{x_n}\) und den Einzelwahrscheinlichkeiten fur das Auftreten von jedem Wert des Wertebereichs, also \(P\left( {X = {x_1}} \right) = {p_1},\,\,\,P\left( {X = {x_2}} \right) = {p_2},...P\left( {X = {x_n}} \right) = {p_n}\) vollständig definiert. Man spricht von der Wahrscheinlichkeitsfunktion, welche es nur für diskrete Zufallsvariablen gibt. (Bei stetigen Zufallsvariablen gibt es entsprechend die Dichtefunktion.)
Spezielle Verteilungen diskreter Zufallsvariabler sind
- Bernoulli-Verteilung
- Binomialverteilung (mit Zurücklegen)
- Poissonverteilung
- hypergeometrische Verteilung (ohne Zurücklegen)
Wahrscheinlichkeitsfunktion
Die Wahrscheinlichkeitsfunktion, welche es nur für diskrete Zufallsvariablen gibt, beschreibt eine diskrete Wahrscheinlichkeitsverteilung, indem sie jedem \(x \in {\Bbb R}\) einer Zufallsvariablen X genau eine Wahrscheinlichkeit P aus dem Intervall \(\left[ {0;1} \right]\) zuordnet.
\(f:x \to p\)
\(f:x \to \left\{ {\begin{array}{*{20}{l}} {P\left( {X = {x_i}} \right)}&{für\,\,x = {x_i}}\\ 0&{für\,\,\,x \ne {x_i}} \end{array}} \right.\)
Funktionsgraph der Wahrscheinlichkeitsfunktion
Im Funktionsgraph der Wahrscheinlichkeitsverteilung werden über jedem (diskreten) Wert x die jeweilige Wahrscheinlichkeit P(X=x) dargestellt, wobei die einzelnen Wahrscheinlichkeiten P(X=x) mit Hilfe der Laplace-Wahrscheinlichkeit berechnet werden. Im Stabdiagramm wird über jedem (diskreten) Wert x ein Stab (dünner Balken) aufgetragen, dessen Höhe der jeweilige Wahrscheinlichkeit P(X=x) entspricht.
Verteilungsfunktion
Die Verteilungsfunktion einer diskreten Zufallsvariablen, auch kumulative Verteilfunktion genannt, gibt die Wahrscheinlichkeit dafür an, dass die Zufallsvariable X höchstens den Wert x annimmt.
\(F\left( x \right) = P\left( {X \leqslant x} \right)\)
Sie ist eine monoton steigende Treppenfunktion mit Sprüngen an den Stellen xi und daher nicht stetig. Geometrisch entspricht die Wahrscheinlichkeit P(X=x) der Sprunghöhe der Verteilungsfunktion F(x) an der Stelle x.
F(x) ist für jedes x definiert und nimmt Werte von mindestens 0 bis höchstens 1 an.
\(\eqalign{ & \mathop {\lim }\limits_{x \to - \infty } F(x) = 0 \cr & \mathop {\lim }\limits_{x \to \infty } F(x) = 1 \cr} \)
Darüber hinaus gilt:
\(\eqalign{ & P\left( {X \geqslant x} \right) = 1 - P\left( {X < x} \right) \cr & P\left( {X > x} \right) = 1 - P\left( {X \leqslant x} \right) \cr} \)
Mittelwert einer Vollerhebung bzw. einer Stichprobe
Der arithmetische Mittelwert bezieht sich immer auf die grundsätzlich abzählbare Anzahl n an Durchgängen eines Zufallsexperiments. Er ist definiert als die Summe aller beobachteten Werte dividiert durch die Anzahl der beobachteten Werte.
\(\overline x = \dfrac{1}{n} \cdot \sum\limits_{i = 1}^n {{x_i}} \)
Unterschied Mittelwert und Erwartungswert
Wiederholt man das Zufallsexperiment unendlich oft, geht also \(n \to \infty \), so wird aus dem Mittelwert der Erwartungswert.
Erwartungswert
Der Erwartungswert einer diskreten Zufallsvariablen X, welche die diskreten Werte x1, x2, ..., xn mit den zugehörigen Wahrscheinlichkeiten P(X=x1), P(X=x2), ... P(X=xn) annimmt, errechnet sich aus der Summe der Produkte vom jeweiligen Wert xi und seiner Wahrscheinlichkeit P(X=xi). Merkregel: "Was passiert" mal "mit welcher Wahrscheinlichkeit passiert es".
\(E\left( X \right) = \mu = {x_1} \cdot P\left( {X = {x_1}} \right) + {x_2} \cdot P\left( {X = {x_2}} \right) + ... + {x_n} \cdot P\left( {X = {x_n}} \right) = \sum\limits_{i = 1}^n {{x_i} \cdot P\left( {X = {x_i}} \right)} \)
mit: \(P\left( E \right) = \frac{{{\text{Anzahl günstige Fälle}}}}{{{\text{Anzahl möglicher Fälle}}}}\)
Der Erwartungswert ist ein Maß für die mittlere Lage der Verteilung, und somit ein Lageparameter der beschreibenden Statistik.
- Ist die Wahrscheinlichkeit für jeden Versuch die selbe (z.B. bei binomialverteilten Experimenten), dann ist der Erwartungswert gleich dem arithmetischen Mittel.
- Ist die Wahrscheinlichkeit für jeden Versuch unterschiedlich , dann ist der Erwartungswert gemäß obiger Formel ein gewichtetes arithmetisches Mittel.
Erwartungswert für den Fall dass die diskrete Verteilung eine Binomialverteilung ist,
die nur zwei Werte (Erfolg / Misserfolg) annehmen kann und deren Trefferwahrscheinlichkeit immer p ist:
\(E\left( X \right) = n \cdot p\)
Physikalische Analogie
- Physikalisch entspricht der Erwartungswert dem Schwerpunkt. Man muss sich dabei die Massen R(X=xi) an den Positionen xi entlang vom Zahlenstrahl x platziert vorstellen.
- Physikalisch entspricht die Varianz dem Trägheitsmoment, wenn man den oben beschriebenen Zahlenstrahl um eine Achse dreht, die senkrecht auf den Zahlenstrahl steht und die durch den Schwerpunkt verläuft.
Varianz
Die Varianz einer diskreten Zufallsvariablen ist die mittlere quadratische Abweichung der Zufallsvariablen von ihrem Erwartungswert und somit ein Streumaß der beschreibenden Statistik.
\({\sigma _x}^2 = Var\left( X \right) = {\sum\limits_{i = 1}^n {\left( {{x_i} - E\left( x \right)} \right)} ^2} \cdot P\left( {X = {x_i}} \right)\)
Verschiebungssatz
Der Verschiebungssatz für diskrete Zufallsvariablen kann den Rechenaufwand für die Berechnung der Varianz verringern, es kann aber zum Verlust von Rechengenauigkeit kommen.
\({\sigma _x}^2 = Var\left( X \right) = E\left( {{X^2}} \right) - E{\left( X \right)^2} = \sum\limits_{i = 1}^n {{x_i}^2 \cdot P\left( {X = {x_i}} \right) - E{{\left( X \right)}^2}} \)
Standardabweichung
Die Varianz hat den Nachteil, als Einheit das Quadrat der Einheit der zugrunde liegenden Zufallsvariablen zu haben. Das ist bei der Standardabweichung (auf Grund der Quadratwurzel) und beim Erwartungswert nicht der Fall.
\({\sigma _x} = \sqrt {Var\left( X \right)} \)
Physikalische Analogie für den Erwartungswert und für die Varianz:
- Physikalisch entspricht der Erwartungswert dem Schwerpunkt. Man muss sich dabei die Massen R(X=xi) an den Positionen xi entlang vom Zahlenstrahl x plaziert vorstellen.
- Physikalisch entspricht die Varianz dem Trägheitsmoment, wenn man den oben beschriebenen Zahlenstrahl um eine Achse dreht, die senkrecht auf den Zahlenstrahl steht und die durch den Schwerpunkt verläuft
Illustration zur Veranschaulichung einer kleinen Varianz:
\(\eqalign{ & {x_1} = 3;\,\,\,\,\,{x_2} = 4;\,\,\,\,\,{x_3} = 5; \cr & P\left( {{x_1}} \right) = 0,2;\,\,\,\,\,P\left( {{x_2}} \right) = 0,6;\,\,\,\,\,P\left( {{x_3}} \right) = 0,2; \cr & E(X) = \mu = \sum\limits_{i = 1}^3 {{x_i} \cdot P\left( {X = {x_i}} \right)} = 3 \cdot 0,2 + 4 \cdot 0,6 + 5 \cdot 0,2 = 4 \cr & Var(X) = {\sum\limits_{i = 1}^3 {\left( {{x_i} - E\left( X \right)} \right)} ^2} \cdot P\left( {X = {x_i}} \right) = {\left( {3 - 4} \right)^2} \cdot 0,2 + {\left( {4 - 4} \right)^2} \cdot 0,6 + {\left( {5 - 4} \right)^2} \cdot 0,2 = 0,4 \cr} \)
Alternativ errechnet sich die Varianz unter Zuhilfenahme vom Verschiebungssatz wie folgt:
\(Var(X) = \sum\limits_{i = 3}^3 {{x_i}^2 \cdot P\left( {X = {x_i}} \right)} - {\left( {E\left( X \right)} \right)^2} = {3^2} \cdot 0,2 + {4^2} \cdot 0,6 + {5^2} \cdot 0,2 - {4^2} = 0,4\)
Illustration zur Veranschaulichung einer großen Varianz mit dem gleichen Erwartungswert:
\(\eqalign{ & {x_1} = 2;\,\,\,\,\,{x_2} = 4;\,\,\,\,\,{x_3} = 6; \cr & P\left( {{x_1}} \right) = 0,2;\,\,\,\,\,P\left( {{x_2}} \right) = 0,6;\,\,\,\,\,P\left( {{x_3}} \right) = 0,2; \cr & E(X) = \mu = \sum\limits_{i = 1}^3 {{x_i} \cdot P\left( {X = {x_i}} \right)} = 2 \cdot 0,2 + 4 \cdot 0,6 + 6 \cdot 0,2 = 4 \cr & Var(X) = {\sum\limits_{i = 1}^3 {\left( {{x_i} - E\left( X \right)} \right)} ^2} \cdot P\left( {X = {x_i}} \right) = {\left( {2 - 4} \right)^2} \cdot 0,2 + {\left( {4 - 4} \right)^2} \cdot 0,6 + {\left( {6 - 4} \right)^2} \cdot 0,2 = 1,6 \cr} \)
Alternativ errechnet sich die Varianz unter Zuhilfenahme vom Verschiebungssatz wie folgt:
\(Var(X) = \sum\limits_{i = 3}^3 {{x_i}^2 \cdot P\left( {X = {x_i}} \right)} - {\left( {E\left( X \right)} \right)^2} = {2^2} \cdot 0,2 + {4^2} \cdot 0,6 + {6^2} \cdot 0,2 - {4^2} = 1,6\)
Schon den nächsten Urlaub geplant?
Auf maths2mind kostenlos auf Prüfungen vorbereiten!
Nach der Prüfung mit dem gesparten Geld deinen Erfolg genießen.

Binomialverteilung
Die Binomialverteilung ist eine diskrete Verteilung, der ein mehrstufigen Zufallsexperiment zugrunde liegt. Sie entsteht, wenn man ein Bernoulli Experiment (einstufiges Experiment, welches nur 2 mögliche Ausgänge hat) n Mal gleich und unverändert wiederholt. Die Grundgesamtheit ändert sich also im Laufe der Wiederholungen nicht, d.h. es handelt sich um ein „Ziehen mit Zurücklegen“.
X heißt binomialverteilt mit den 2 Parametern n und p:
- n … Anzahl der Ziehungen bzw. der Wiederholungen vom Zufallsexperiment, wobei n ∈ N
- p ... Laplace-Wahrscheinlichkeit für das Auftreten vom Ereignis X, bei jedem einzelnen der n Versuche, mit 0 < p < 1
- k ... Anzahl der Treffer, d.h. das Ereignis X tritt genau k mal ein, mit k=0, 1, 2, ... n
- X ... Zufallsvariable bzw. Trefferzahl, d.h. das Ereignis X tritt genau, weniger, öfter mindestens,... k mal ein, mit k=0, 1, 2, ... n, wobei die Anzahl der unabhängigen Bernoulli-Versuche n beträgt und p die Erfolgswahrscheinlichkeit beschreibt.
Wahrscheinlichkeitsfunktion der Binomialverteilung
Die Wahrscheinlichkeitsfunktion der Binomialverteilung gibt die Wahrscheinlichkeit dafür an, dass es genau k Treffer gibt:
\(f\left( k \right) = P\left( {X = k} \right) = \left( {\begin{array}{*{20}{c}} n\\ k \end{array}} \right) \cdot {p^k} \cdot {\left( {1 - p} \right)^{n - k}}\) für k=0, 1, ..,n
Zur Erinnerung: Der Binomialkoeffizient errechnet sich zu: \(\left( {\begin{array}{*{20}{c}} n\\ k \end{array}} \right) = \dfrac{{n!}}{{k! \cdot \left( {n - k} \right)!}}\)
Bestimmung der Wahrscheinlichkeit einer Binomialverteilung bei unterschiedlichen Grenzen
Ungleichungen im Sprachgebrauch:
- Weniger entspricht <
- Höchstens entspricht \( \le \)
- Mehr entspricht >
- Mindestens entspricht \( \ge \)
genau k Treffer | \(P(X = k) = \left( {\begin{array}{*{20}{c}} n\\ k \end{array}} \right) \cdot {p^k} \cdot {\left( {1 - p} \right)^{\left( {n - k} \right)}}\) |
höchstens k Treffer | \(P\left( {X \le k} \right) = \sum\limits_{i = 0}^k {\left( {\begin{array}{*{20}{c}} n\\ i \end{array}} \right) \cdot {p^i} \cdot {{\left( {1 - p} \right)}^{n - i}}} \) |
weniger als k Treffer | \(P\left( {X < k} \right) = \sum\limits_{i = 0}^{k - 1} {\left( {\begin{array}{*{20}{c}} n\\ i \end{array}} \right) \cdot {p^i} \cdot {{\left( {1 - p} \right)}^{n - i}}} \) |
mindestens k Treffer | \(P\left( {X \ge k} \right) = 1 - P\left( {X \le k - 1} \right) = 1 - \sum\limits_{i = 0}^{k - 1} {\left( {\begin{array}{*{20}{c}} n\\ i \end{array}} \right) \cdot {p^i} \cdot {{\left( {1 - p} \right)}^{n - i}}} \) |
mehr als k Treffer | \(P\left( {X > k} \right) = 1 - P\left( {X \le k} \right) = 1 - \sum\limits_{i = 0}^k {\left( {\begin{array}{*{20}{c}} n\\ i \end{array}} \right) \cdot {p^i} \cdot {{\left( {1 - p} \right)}^{n - i}}} \) |
mindestens k aber höchstens m Treffer | \(\begin{array}{l} P\left( {k \le X \le m} \right) = P\left( {X \le m} \right) - P\left( {X \le k - 1} \right) = \\ = \sum\limits_{i = 0}^m {\left( {\begin{array}{*{20}{c}} n\\ i \end{array}} \right) \cdot {p^i} \cdot {{\left( {1 - p} \right)}^{n - i}}} - \sum\limits_{i = 0}^{k - 1} {\left( {\begin{array}{*{20}{c}} n\\ i \end{array}} \right) \cdot {p^i} \cdot {{\left( {1 - p} \right)}^{n - i}}} \end{array}\) |
Illustration zur Veranschaulichung
Wahrscheinlichkeitsfunktion der Binomialverteilung mit den Parametern n=10 Wiederholungen und einer Erfolgswahrscheinlichkeit von p=0,3
Laplace Bedingung
Wenn die Laplace Bedingung \(\sigma = \sqrt {n \cdot p \cdot \left( {1 - p} \right)} > 3\) erfüllt ist, kann man die Binomialverteilung durch die Normalverteilung annähern.
Sigma-Umgebungen
Der Erwartungswert ist der Wert mit der größten Wahrscheinlichkeit. Links und rechts vom Erwartungswert gruppieren sich die restlichen binomialverteilten Wahrscheinlichkeiten. Wenn die Streuung groß genug ist, kann man die Binomialverteilung durch die Normalverteilung annähern. Um zu prüfen ob diese Näherung zulässig ist, verwendet man die Laplace Bedingung.
Radius der Sigma Umgebung (also Vielfachen der Standardabweichung):
\(\begin{array}{l} 1\sigma \buildrel \wedge \over = P\left( {\mu - \sigma \le X \le \mu + \sigma } \right) \approx 68\% \\ 2\sigma \buildrel \wedge \over = P\left( {\mu - 2\sigma \le X \le \mu + 2\sigma } \right) \approx 95,5\% \\ 3\sigma \buildrel \wedge \over = P\left( {\mu - 3\sigma \le X \le \mu + 3\sigma } \right) \approx 99,7\% \end{array}\)
Verteilungsfunktion der Binomialverteilung
Verteilungsfunktion der Binomialverteilung gibt die Wahrscheinlichkeit dafür an, dass es höchstens k Treffer gibt:
\(F\left( k \right) = P\left( {0 \le X \le k} \right) = \sum\limits_{i = 0}^k {\left( {\begin{array}{*{20}{c}} n\\ i \end{array}} \right)} \cdot {p^i} \cdot {\left( {1 - p} \right)^{n - i}}\)
Erwartungswert der Binomialverteilung
Der Erwartungswert eine Binomialverteilung, deren Zufallsvariable nur 2 Werte (Treffer / Niete) annehmen kann und deren Trefferwahrscheinlichkeit immer p ist, ergibt sich bei n unabhängigen Bernoulli-Versuchen aus dem Produkt von n und p.
\(E\left( X \right) = \mu = n \cdot p\)
Dabei handelt es sich um eine Vereinfachung der nachfolgenden Formel für den Erwartungswert einer diskreten Zufallsvariablen, die mehrere Werte annehmen kann.
Erwartungswert einer diskreten Verteilung
Der Erwartungswert einer diskreten Verteilung, deren Zufallsvariable mehrere Werte X=xi annehmen kann, die ihrerseits mit unterschiedlicher Wahrscheinlichkeit P(X=xi) vorkommen entspricht der Summe der Werte der Zufallsvariablen X=xi multipliziert mit der Wahrscheinlichkeit für das Eintreten von xi also P(X=xi).
\(E(X) = \sum\limits_{i = 1}^n {{x_i} \cdot P\left( {X = {x_i}} \right)} = \mu \)
\(P\left( E \right) = \dfrac{{{\text{Anzahl günstiger Fälle}}}}{{{\text{Anzahl mölicher Fälle}}}}\)
Varianz der Binomialverteilung
Die Varianz einer Binomialverteilung mit den Parametern n und p ist gegeben durch:
\({\sigma ^2} = Var\left( X \right) = n \cdot p \cdot \left( {1 - p} \right)\)
Hierbei ist X eine Zufallsvariable, welche die Anzahl der Treffer in n unabhängigen Bernoulli-Versuchen mit Erfolgswahrscheinlichkeit p beschreibt.
Standardabweichung der Binomialverteilung
\(\sigma = \sqrt {Var(X)} = \sqrt {n \cdot p \cdot \left( {1 - p} \right)} \)
Binomialverteilung → Normalverteilung
Die Binomialverteilung kann bei großen Stichproben, also bei relativ hohem n, durch die Normalverteilung ersetzt werden. Wobei dann für die Normalverteilung - so wie bei der Binomialverteilung - wie folgt gilt:
- Erwartungswert bei großem n: \(E\left( x \right) = \mu = n \cdot p\)
- Standardabweichung bei großem n: \(\sigma = \sqrt {Var(x)} = \sqrt {n \cdot p \cdot \left( {1 - p} \right)} \)
Hat eine Zufallsvariable X eine Normalverteilung mit beliebigen μ und σ, so kann man die Werte der Normalverteilung mit \(z = \dfrac{{X - \mu }}{\sigma }\) in eine Standardnormalverteilung umrechnen.
Das zugehörige \(\Phi \left( {{z}} \right)\) entnimmt man anschließend der entsprechenden Tabelle für die Standardnormalverteilung.
Bei 2 zum Erwartungswert symmetrisch liegenden Wahrscheinlichkeiten kann man den Umstand, dass \(\left| {{z_{oG}}} \right| = \left| {{z_{uG}}} \right|\) ausnützen und aus speziellen Tabellen für die Standardnormalverteilung direkt den Wert für das Intervall D ablesen.
Aufgaben
Aufgabe 6009
Abitur 2015 Gymnasium Bayern - Prüfungsteil A - Stochastik
Angabe mit freundlicher Genehmigung vom Bayerischen Staatsministerium für Bildung und Kultus, Wissenschaft und Kunst
Bernoullikette
Bei der Wintersportart Biathlon wird bei jeder Schießeinlage auf fünf Scheiben geschossen. Ein Biathlet tritt bei einem Einzelrennen zu einer Schießeinlage an, bei der er auf jede Scheibe einen Schuss abgibt. Diese Schießeinlage wird modellhaft durch eine Bernoullikette mit der Länge 5 und der Trefferwahrscheinlichkeit p beschrieben.
1. Teilaufgabe a.1) 3 BE - Bearbeitungszeit: 7:00
Geben Sie für die folgenden Ereignisse A und B jeweils einen Term an, der die Wahrscheinlichkeit des Ereignisses in Abhängigkeit von p beschreibt.
- Aussage A: „Der Biathlet trifft bei genau vier Schüssen.“
- Aussage B: „Der Biathlet trifft nur bei den ersten beiden Schüssen.“
2. Teilaufgabe a.2) 2 BE - Bearbeitungszeit: 4:40
Erläutern Sie anhand eines Beispiels, dass die modellhafte Beschreibung der Schießeinlage durch eine Bernoullikette unter Umständen der Realität nicht gerecht wird.
Schon den nächsten Urlaub geplant?
Auf maths2mind kostenlos auf Prüfungen vorbereiten!
Nach der Prüfung mit dem gesparten Geld deinen Erfolg genießen.

Aufgabe 6011
Abitur 2015 Gymnasium Bayern - Prüfungsteil A - Stochastik
Angabe mit freundlicher Genehmigung vom Bayerischen Staatsministerium für Bildung und Kultus, Wissenschaft und Kunst
Binomialverteilte Zufallsgröße
In einer Urne befinden sich vier rote und sechs blaue Kugeln. Aus dieser wird achtmal eine Kugel zufällig gezogen, die Farbe notiert und die Kugel anschließend wieder zurückgelegt.
1. Teilaufgabe a) 2 BE - Bearbeitungszeit: 4:40
Geben Sie einen Term an, mit dem die Wahrscheinlichkeit des Ereignisses „Es werden gleich viele rote und blaue Kugeln gezogen“ berechnet werden kann.
2. Teilaufgabe b) 3 BE - Bearbeitungszeit: 7:00
Beschreiben Sie im Sachzusammenhang jeweils ein Ereignis, dessen Wahrscheinlichkeit durch den angegebenen Term berechnet werden kann.
- Aussage 1: \(1 - {\left( {\dfrac{3}{5}} \right)^8}\)
- Aussage 2: \({\left( {\dfrac{3}{5}} \right)^8} + 8 \cdot \dfrac{2}{5} \cdot {\left( {\dfrac{3}{5}} \right)^7}\)
Aufgabe 6027
Abitur 2015 Gymnasium Bayern - Prüfungsteil B - Analysis
Angabe mit freundlicher Genehmigung vom Bayerischen Staatsministerium für Bildung und Kultus, Wissenschaft und Kunst
Zwei Drittel der Senioren in Deutschland besitzen ein Mobiltelefon. Bei einer Talkshow zum Thema „Chancen und Risiken der digitalen Welt“ sitzen 30 Senioren im Publikum.
1. Teilaufgabe a) 3 BE - Bearbeitungszeit: 7:00
Bestimmen Sie die Wahrscheinlichkeit dafür, dass unter 30 zufällig ausgewählten Senioren in Deutschland mindestens 17 und höchstens 23 ein Mobiltelefon besitzen.
Von den 30 Senioren im Publikum besitzen 24 ein Mobiltelefon. Im Verlauf der Sendung werden drei der Senioren aus dem Publikum zufällig ausgewählt und nach ihrer Meinung befragt.
2. Teilaufgabe b) 3 BE - Bearbeitungszeit: 7:00
Bestimmen Sie die Wahrscheinlichkeit dafür, dass genau zwei dieser drei Senioren ein Mobiltelefon besitzen.
Aufgabe 1026
AHS - 1_026 & Lehrstoff: WS 3.3
Quelle: Aufgabenpool für die SRP in Mathematik (12.2015)
Angabe mit freundlicher Genehmigung vom Bundesministerium für Bildung; Lösungsweg: Maths2Mind
Binomialverteilung
- Aussage 1: In der Kantine eines Betriebs essen 80 Personen. Am Montag werden ein vegetarisches Gericht und drei weitere Menüs angeboten. Erfahrungsgemäß wählt jede vierte Person das vegetarische Gericht. Es werden 20 vegetarische Gerichte vorbereitet. Wie groß ist die Wahrscheinlichkeit, dass diese nicht ausreichen?
- Aussage 2: Bei einer Lieferung von 20 Mobiltelefonen sind fünf defekt. Es werden drei Geräte gleichzeitig entnommen und getestet. Mit welcher Wahrscheinlichkeit sind mindestens zwei davon defekt?
- Aussage 3: In einer Klasse müssen die Schüler/innen bei der Überprüfung der Bildungsstandards auf einem anonymen Fragebogen ihr Geschlecht (m, w) ankreuzen. Die Wahrscheinlichkeit, das Ankreuzen des Geschlechts nicht durchzuführen, ist für Buben und Mädchen gleich. In der Klasse sind 16 Schülerinnen und 12 Schüler. Fünf Personen haben auf dem Fragebogen das Geschlecht nicht angekreuzt. Mit welcher Wahrscheinlichkeit befinden sich drei Schüler unter den fünf Personen?
- Aussage 4: Ein Großhändler erhält eine Lieferung von 2 000 Mobiltelefonen, von denen erfahrungsgemäß 5 % defekt sind. Mit welcher Wahrscheinlichkeit befinden sich 80 bis 90 defekte Geräte in der Lieferung?
- Aussage 5: In einer Klinik werden 500 kranke Personen mit einem bestimmten Medikament behandelt. Die Wahrscheinlichkeit, dass schwere Nebenwirkungen auftreten, beträgt 0,001. Wie groß ist die Wahrscheinlichkeit, dass bei mehr als zwei Personen schwere Nebenwirkungen auftreten?
Aufgabenstellung:
Kreuzen Sie diejenige(n) Situation(en) an, die mithilfe der Binomialverteilung modelliert werden kann/können!
Aufgabe 1044
AHS - 1_044 & Lehrstoff: WS 3.2
Quelle: Aufgabenpool für die SRP in Mathematik (12.2015)
Angabe mit freundlicher Genehmigung vom Bundesministerium für Bildung; Lösungsweg: Maths2Mind
Binomialverteilung
Die Zufallsvariable X sei binomialverteilt mit n = 25 und p = 0,15. Es soll die Wahrscheinlichkeit bestimmt werden, sodass die Zufallsvariable X höchstens den Wert 2 annimmt.
- Aussage 1: \(\left( {\begin{array}{*{20}{c}} {25} \\ 2 \end{array}} \right) \cdot {0,15^2} \cdot {0,85^{23}}\)
- Aussage 2: \({0,85^{25}} + \left( {\begin{array}{*{20}{c}} {25} \\ 1 \end{array}} \right) \cdot {0,15^1} \cdot {0,85^{24}} + \left( {\begin{array}{*{20}{c}} {25} \\ 2 \end{array}} \right) \cdot {0,15^2} \cdot {0,85^{23}}\)
- Aussage 3: \(\left( {\begin{array}{*{20}{c}} {25} \\ 1 \end{array}} \right) \cdot {0,15^1} \cdot {0,85^{24}} + \left( {\begin{array}{*{20}{c}} {25} \\ 2 \end{array}} \right) \cdot {0,15^2} \cdot {0,85^{23}}\)
- Aussage 4: \(1 - \left( {\begin{array}{*{20}{c}} {25} \\ 2 \end{array}} \right) \cdot {0,15^2} \cdot {0,85^{23}}\)
- Aussage 5: \(1 - \left[ {{{0,85}^{25}} + \left( {\begin{array}{*{20}{c}} {25} \\ 1 \end{array}} \right) \cdot {{0,15}^1} \cdot {{0,85}^{24}} + \left( {\begin{array}{*{20}{c}} {25} \\ 2 \end{array}} \right) \cdot {{0,15}^2} \cdot {{0,85}^{23}}} \right]\)
- Aussage 6: \(\left( {\begin{array}{*{20}{c}} {25} \\ 2 \end{array}} \right) \cdot {0,85^2} \cdot {0,15^{23}}\)
Aufgabenstellung:
Kreuzen Sie den zutreffenden Term an!
Schon den nächsten Urlaub geplant?
Auf maths2mind kostenlos auf Prüfungen vorbereiten!
Nach der Prüfung mit dem gesparten Geld deinen Erfolg genießen.

Aufgabe 1045
AHS - 1_045 & Lehrstoff: WS 3.1
Quelle: Aufgabenpool für die SRP in Mathematik (12.2015)
Angabe mit freundlicher Genehmigung vom Bundesministerium für Bildung; Lösungsweg: Maths2Mind
Testung
Es werden zwei Tests TX und TY, bei denen man jeweils maximal zehn Punkte erwerben kann, auf ihre Lösungshäufigkeit untersucht. Bei mehr als fünf Punkten gilt der jeweilige Test als bestanden. Die Zufallsvariablen X und Y beschreiben die Anzahl der erreichten Punkte. Die beiden untenstehenden Abbildungen zeigen jeweils die Verteilungen der beiden Variablen X und Y.
- Aussage 1: Mit Test TY werden mehr Kandidatinnen/Kandidaten den Test bestehen als mit Test TX.
- Aussage 2: Beide Zufallsvariablen X und Y sind binomialverteilt.
- Aussage 3: Die Erwartungswerte sind gleich: E(X) = E(Y).
- Aussage 4: Die Standardabweichungen sind gleich: σ X = σ Y.
- Aussage 5: Der Test TX unterscheidet besser zwischen Kandidatinnen/Kandidaten mit schlechteren und besseren Testergebnissen.
Aufgabenstellung:
Kreuzen Sie diejenigen zwei Aussagen an, die aus den gegebenen Informationen ablesbar sind!
Aufgabe 1046
AHS - 1_046 & Lehrstoff: WS 3.2
Quelle: Aufgabenpool für die SRP in Mathematik (12.2015)
Angabe mit freundlicher Genehmigung vom Bundesministerium für Bildung; Lösungsweg: Maths2Mind
Graphen einer Binomialverteilung
In den untenstehenden Grafiken sind Binomialverteilungen dargestellt.
Zum Weiterlesen bitte aufklappen:
- Grafik 1:
- Grafik 2:
- Grafik 3:
- Grafik 4:
- Grafik 5:
- Grafik 6:
Aufgabenstellung:
Kreuzen Sie diejenige Grafik an, die einer Binomialverteilung mit n = 20 und p = 0,9 zuzuordnen ist!
Aufgabe 1047
AHS - 1_047 & Lehrstoff: WS 3.3
Quelle: Aufgabenpool für die SRP in Mathematik (12.2015)
Angabe mit freundlicher Genehmigung vom Bundesministerium für Bildung; Lösungsweg: Maths2Mind
Aufnahmetest
Eine Universität führt einen Aufnahmetest durch. Dabei werden zehn Multiple-Choice-Fragen gestellt, wobei jede Frage vier Antwortmöglichkeiten hat. Nur eine davon ist richtig. In den letzten Jahren wurden durchschnittlich 40 Bewerber/innen aufgenommen. Dabei traten etwa 95 % der angemeldeten Kandidatinnen und Kandidaten tatsächlich zum Aufnahmetest an. Heuer treten 122 Bewerber/innen zu diesem Aufnahmetest an. Nehmen Sie an, dass Kandidat K alle Antworten völlig zufällig ankreuzt.
- Aussage 1: Die Anzahl der angemeldeten Kandidatinnen und Kandidaten, die tatsächlich zum Aufnahmetest erscheinen, ist binomialverteilt mit n = 122 und p = 0,40.
- Aussage 2: Die Anzahl der richtig beantworteten Fragen des Aufnahmetests des Kandidaten K ist binomialverteilt mit n = 10 und p = 0,25.
- Aussage 3: Die durchschnittliche Anzahl der richtig beantworteten Fragen aller angetretenen Kandidatinnen und Kandidaten ist binomialverteilt mit n = 122 und p = 0,40.
- Aussage 4: Die Anzahl der zufällig ankreuzenden Kandidatinnen und Kandidaten, die aufgenommen werden, ist binomialverteilt mit n = 40 und p = 0,25.
- Aussage 5: Die Anzahl der falsch beantworteten Fragen des Aufnahmetests des Kandidaten K ist binomialverteilt mit n = 10 und p = 0,75.
Aufgabenstellung:
Kreuzen Sie die zutreffende(n) Aussage(n) an!
Aufgabe 1050
AHS - 1_050 & Lehrstoff: WS 3.1
Quelle: Aufgabenpool für die SRP in Mathematik (12.2015)
Angabe mit freundlicher Genehmigung vom Bundesministerium für Bildung; Lösungsweg: Maths2Mind
Bernoulli-Experiment
Beim Realisieren eines Bernoulli-Experiments tritt Erfolg mit der Wahrscheinlichkeit p mit 0 < p < 1 ein. Die Werte der binomialverteilten Zufallsvariablen X beschreiben die Anzahl der Erfolge beim n-maligen unabhängigen Wiederholen des Experiments. E bezeichnet den Erwartungswert, V die Varianz und σ die Standardabweichung.
- Aussage 1: \(E\left( X \right) = \sqrt {n \cdot p}\)
- Aussage 2: \(V\left( X \right) = n \cdot p \cdot \left( {1 - p} \right)\)
- Aussage 3: \(P\left( {X = 0} \right) = 0\)
- Aussage 4:\(P\left( {X = 1} \right) = p\)
- Aussage5: \(V\left( X \right) = {\sigma ^2}\)
Aufgabenstellung:
Kreuzen Sie die beiden für n > 1 zutreffenden Aussagen an!
Schon den nächsten Urlaub geplant?
Auf maths2mind kostenlos auf Prüfungen vorbereiten!
Nach der Prüfung mit dem gesparten Geld deinen Erfolg genießen.

Aufgabe 1152
AHS - 1_152 & Lehrstoff: WS 3.3
Quelle: Aufgabenpool für die SRP in Mathematik (12.2015)
Angabe mit freundlicher Genehmigung vom Bundesministerium für Bildung; Lösungsweg: Maths2Mind
Binomialverteilung
Einige der unten angeführten Situationen können mit einer Binomialverteilung modelliert werden.
- Aussage 1: Aus einer Urne mit vier blauen, zwei grünen und drei weißen Kugeln werden drei Kugeln mit Zurücklegen gezogen. (X = Anzahl der grünen Kugeln)
- Aussage 2: In einer Gruppe mit 25 Kindern sind sieben Linkshänder. Es werden drei Kinder zufällig ausgewählt. (X = Anzahl der Linkshänder)
- Aussage 3: In einem U-Bahn-Waggon sitzen 35 Personen. Vier haben keinen Fahrschein. Drei werden kontrolliert. (X = Anzahl der Personen ohne Fahrschein)
- Aussage 4: Bei einem Multiple-Choice-Test sind pro Aufgabe drei von fünf Wahlmöglichkeiten richtig. Die Antworten werden nach dem Zufallsprinzip angekreuzt. Sieben Aufgaben werden gestellt. (X = Anzahl der richtig gelösten Aufgaben).
- Aussage 5: Die Wahrscheinlichkeit für die Geburt eines Mädchens liegt bei 52 %. Eine Familie hat drei Kinder. (X = Anzahl der Mädchen)
Aufgabenstellung:
Kreuzen Sie diejenige(n) Situation(en) an, bei der/denen die Zufallsvariable X binomialverteilt ist!
Aufgabe 1188
AHS - 1_188 & Lehrstoff: WS 3.2
Quelle: Aufgabenpool für die SRP in Mathematik (12.2015)
Angabe mit freundlicher Genehmigung vom Bundesministerium für Bildung; Lösungsweg: Maths2Mind
Kennzahlen der Binomialverteilung
Auf einer Sortieranlage werden Flaschen von einem Scanner untersucht und es wird die Art des Kunststoffes ermittelt. 95 % der Flaschen werden richtig erkannt und in die bereitgestellten Behälter einsortiert. Die Werte der Zufallsvariablen X beschreiben die Anzahl der falschen Entscheidungen bei einem Stichprobenumfang von 500 Stück. Verwenden Sie die Binomialverteilung als Modell.
Aufgabenstellung:
Berechnen Sie den Erwartungswert und die Standardabweichung für die Zufallsvariable X!
Aufgabe 1291
AHS - 1_291 & Lehrstoff: WS 3.2
Quelle: Aufgabenpool für die SRP in Mathematik (12.2015)
Angabe mit freundlicher Genehmigung vom Bundesministerium für Bildung; Lösungsweg: Maths2Mind
Binomialverteilte Zufallsvariable
Die Zufallsvariable X sei binomialverteilt mit n = 8 und p = 0,25.
x | P(x) |
0 | 0,1001 |
1 | 0,2670 |
2 | 0,3115 |
3 | 0,2076 |
4 | 0,0865 |
5 | 0,0231 |
6 | 0,0038 |
7 | 0,0004 |
8 | 0,00002 |
Aufgabenstellung:
μ ist der Erwartungswert, σ die Standardabweichung der Verteilung.
Berechnen Sie die folgende Wahrscheinlichkeit: \(P\left( {\mu - \sigma < X < \mu + \sigma } \right)\)