3. www.vom-mathelehrer.de
Stochastik – Bernoulli und Binomialverteilung
www.vom-mathelehrer.de 3
Ein Bernoulliexperiment ist ein Zufallsexperiment, das genau zwei mögliche Ausgänge besitzt. Z.B.:
Lichtschalter „an“ und „aus“, Würfelwurf „sechs“ und „nicht sechs“, Münzwurf „Kopf“ und „Zahl“.
Eine Bernoullikette ist eine Versuchsreihe, bei der das gleiche Bernoulliexperiment mehrmals hintereinander
durchgeführt wird. Die Anzahl der Versuche bezeichnet man als Länge n der Bernoullikette, wobei jedem
Versuch die Trefferwahrscheinlichkeit p zugrunde liegt.
Eine Wahrscheinlichkeitsverteilung gibt an, mit welcher Wahrscheinlichkeit eine Zufallsvariable X den
möglichen/die möglichen Wert(e) annimmt. Ist das der Zufallsvariablen zugeordnete Zufallsexperiment eine
Bernoullikette, so liegt eine Binomialverteilung vor.
Pn
p
(X = k) = B(n; p; k)( )
Pn
p
(X ≤ k) = B(n; p; i)
i=0
k
∑
⎛
⎝
⎜
⎜
⎞
⎠
⎟
⎟
Drei Größen sind gegeben,
eine gesucht:
Beispiele:
n ist gesucht:
„3-mindestens-Aufgabe“
k ist gesucht:
„Hypothesentest“
P gesucht:
„Fehler 1. und 2. Art“
p gesucht:
„Trefferwahrscheinlichkeit“
4. www.vom-mathelehrer.de
Genau k Treffer: (Im Tafelwerk nachschlagen oder Taschenrechner)
Stochastik – Binomialverteilung
www.vom-mathelehrer.de 4
X ist eine binomialverteilte Zufallsgröße.
Pn
p
(X = k) =
n
k
⎛
⎝
⎜
⎞
⎠
⎟pk
(1−p)n−k
Erwartungswert, Varianz und Standardabweichung: (Im Bsp: n=20; p=0,4)
µ = E(X) = np Var(X) = np(1−p) σ = np(1−p)
B(n; p; k) =
n
k
⎛
⎝
⎜
⎞
⎠
⎟pk
(1−p)n−k
μ
σσ P20
0,4
( X −µ ≤ σ) = P20
0,4
(µ − σ ≤ X ≤ µ + σ) = 0,7469
5. www.vom-mathelehrer.de
Stochastik – Binomialverteilung
www.vom-mathelehrer.de 5
Die kumulative Verteilungsfunktion.
Mit welcher Wahrscheinlichkeit tritt beim zweimaligen Münzwurf höchstens einmal Wappen auf?
Darstellung als Treppenfunktion:
Die Höhe (von der x-Achse aus) jeder Stufe stellt
die gesamte Wahrscheinlichkeit bis einschließlich
einer Grenze k dar.
Jeder „Sprung“ stellt die Wahrscheinlichkeit eines
Werts der Zufallsgröße dar.
P(X ≤1) = P(X = 0) +P(X =1) = 0,25+0,5 = 0,75
6. www.vom-mathelehrer.de
Stochastik – Binomialverteilung I
www.vom-mathelehrer.de 6
Höchstens k Treffer: (Im Tafelwerk nachschlagen oder neure Taschenrechner)
Weniger als k Treffer: (Im Tafelwerk bis k-1 nachschlagen oder neure Taschenrechner)
B(n; p; i)
i=0
k
∑ = B(n; p; 0) +B(n; p; 1) +...+B(n; p; k)
B(n; p; i)
i=0
k−1
∑ = B(n; p; 0) +B(n; p; 1) +...+B(n; p; k −1)
Mindestens k Treffer: (Gegenereignis betrachten und dann im TW nachschlagen)
B(n; p; k)
i=k
n
∑ = B(n; p; k) +B(n; p; k +1) +...+B(n; p; n) =1− B(n; p; i)
i=0
k−1
∑
Mehr als k Treffer:
Pn
p
(X ≤ k) = Pn
p
(X = 0) +Pn
p
(X =1) +...+Pn
p
(X = k)
Pn
p
(X < k) = Pn
p
(X ≤ k −1) = Pn
p
(X = 0) +Pn
p
(X =1) +...+Pn
p
(X = k −1)
Pn
p
(X ≥ k) = Pn
p
(X = k) +Pn
p
(X = k +1) +...+Pn
p
(X = n)
=1−Pn
p
(X ≤ k −1)
Pn
p
(X > k) = Pn
p
(X = k +1) +Pn
p
(X = k + 2) +...+Pn
p
(X = n)
=1−Pn
p
(X ≤ k)
B(n; p; k)
i=k+1
n
∑ = B(n; p; k +1) +B(n; p; k + 2) +...+B(n; p; n) =1− B(n; p; i)
i=0
k
∑
7. www.vom-mathelehrer.de
Stochastik – Binomialverteilung II
www.vom-mathelehrer.de 7
Mindestens k1 und höchstens k2 Treffer:
Mehr als k1 und höchstens k2 Treffer:
Pn
p
(k1
< X ≤ k2
) = Pn
p
(X ≤ k2
) −Pn
p
(X ≤ k1
)
B(n; p; i)
i=k1
k2
∑ = B(n; p; i)
0
k2
∑ − B(n; p; i)
i=0
k1−1
∑Pn
p
(k1
≤ X ≤ k2
) = Pn
p
(X ≤ k2
) −Pn
p
(X < k1
) = Pn
p
(X ≤ k2
) −Pn
p
(X ≤ k1
−1)
B(n; p; i)
i=k1
+1
k2
∑ = B(n; p; i)
0
k2
∑ − B(n; p; i)
i=0
k1
∑
Mehr als k1 und weniger k2 Treffer:
Pn
p
(k1
< X < k2
) = Pn
p
(k1
< X ≤ k2
−1) = Pn
p
(X ≤ k2
−1) −Pn
p
(X ≤ k1
)
B(n; p; i)
i=k1
+1
k2−1
∑ = B(n; p; i)
0
k2−1
∑ − B(n; p; i)
i=0
k1
∑
Mindestens k1 und weniger k2 Treffer:
Pn
p
(k1
≤ X < k2
) = Pn
p
(k1
≤ X ≤ k2
−1) = Pn
p
(X ≤ k2
−1) −Pn
p
(X ≤ k1
−1) B(n; p; i)
i=k1
k2−1
∑ = B(n; p; i)
0
k2−1
∑ − B(n; p; i)
i=0
k1−1
∑