0% fanden dieses Dokument nützlich (0 Abstimmungen)

163 Ansichten47 Seiten

Stochastik

Das Dokument behandelt grundlegende Konzepte der Stochastik wie Zufallsexperimente, Wahrscheinlichkeiten und Erwartungswerte. Es werden wichtige Begriffe wie Ereignis, Ergebnis und Wahrscheinlichkeit erklärt. Darüber hinaus werden Methoden wie der Ereignisbaum beschrieben und Übungsaufgaben mit Lösungen vorgestellt.

Hochgeladen von

dproleon

Wir nehmen die Rechte an Inhalten ernst. Wenn Sie vermuten, dass dies Ihr Inhalt ist, beanspruchen Sie ihn hier.

Verfügbare Formate

Als PDF, TXT herunterladen oder online auf Scribd lesen

0% fanden dieses Dokument nützlich (0 Abstimmungen)

163 Ansichten47 Seiten

Stochastik

Hochgeladen von

dproleon

Wir nehmen die Rechte an Inhalten ernst. Wenn Sie vermuten, dass dies Ihr Inhalt ist, beanspruchen Sie ihn hier.

Verfügbare Formate

Als PDF, TXT herunterladen oder online auf Scribd lesen

Grundlagen der Stochastik

Wolfgang Kippels
22. Februar 2022

Inhaltsverzeichnis
1 Vorwort 3

2 Einführung 4

3 Wichtige Begriffe 4
3.1 Ereignis und Ergebnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3.2 Wahrscheinlichkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

4 Zufallsexperimente 7
4.1 Umfang der Stichprobe . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
4.2 Häufigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

5 Ereignisbaum 8
5.1 Einstufige Experimente . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
5.2 Mehrstufige Experimente . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
5.3 Unterschiedliche Wahrscheinlichkeiten . . . . . . . . . . . . . . . . . . . . 12
5.4 Abhängige Wahrscheinlichkeiten . . . . . . . . . . . . . . . . . . . . . . . 14

6 Erwartungswert 16
6.1 Erwartungswert im Bernoulli-Experiment . . . . . . . . . . . . . . . . . . 17
6.2 Erwartungswert bei abhängiger Wahrscheinlichkeit . . . . . . . . . . . . 18

7 Übungsaufgaben 19
7.1 Aufgabe 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
7.2 Aufgabe 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
7.3 Aufgabe 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
7.4 Aufgabe 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
7.5 Aufgabe 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
7.6 Aufgabe 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
7.7 Aufgabe 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

1
7.8 Aufgabe 8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
7.9 Aufgabe 9 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
7.10 Aufgabe 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

8 Lösungen der Übungsaufgaben 23

8.1 Aufgabe 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
8.2 Aufgabe 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
8.3 Aufgabe 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
8.4 Aufgabe 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
8.5 Aufgabe 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
8.6 Aufgabe 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
8.7 Aufgabe 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
8.8 Aufgabe 8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
8.9 Aufgabe 9 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
8.10 Aufgabe 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

2
1 Vorwort
Diese und ähnliche Anleitungen zu erstellen erfordert sehr viel Zeit und Mühe. Trotzdem
stelle ich alles kostenfrei der Allgemeinheit zur Verfügung. Wenn Sie diese Datei hilfreich
finden, dann bitte ich Sie um Erfüllung des nachfolgend beschriebenen Generationen-
”
vertrages“:

Wenn Sie später einmal Ihre Ausbildungsphase beendet haben und im Beruf
stehen (oder auch noch danach), geben Sie bitte Ihr Wissen in geeigneter
Form an die nachfolgende Generation weiter.

Wenn Sie mir eine Freude machen wollen, dann schreiben Sie mir bitte eine kleine Email
an die folgende Adresse:

Vielen Dank!

3
2 Einführung
Manchmal passieren Ereignisse in der Welt zufällig. Das ist mathematisch nicht vorher-
sagbar. Trotzdem versucht man in der Mathematik, auch den Zufall mit mathemati-
schen Methoden zu beschreiben. Dabei geht es aber nie darum, zufällige Ereignisse in
der Zukunft vorherzusagen, sondern nur eine Aussage über die Wahrscheinlichkeit
bestimmter Ergebnisse zu machen. Das nennt der Mathematiker dann Wahrschein-
lichkeitsrechnung oder mit einem Fremdwort Stochastik. Ein Beispiel aus dem prak-
tischen Leben soll das verdeutlichen.

Mit einer Haftpflichtversicherung kann ich mich gegen Missgeschicke bei einer Versiche-
rungsgesellschaft versichern. Das bedeutet zwar nicht, dass die Versicherungsgesellschaft
dafür sorgt, dass mir kein Missgeschick passiert, aber sie bezahlt den Schaden, den ich
dabei anrichte.1 Ob mir ein solches Missgeschick passiert oder nicht, ist vom Zufall
abhängig und von mir (fast) nicht zu beeinflussen. Dabei kann der Schaden, den ich
schuldhaft verursache, durchaus in die Millionen gehen. Trotzdem verlangt die Versiche-
rungsgesellschaft von mir nur einen zwei- oder dreistelligen Jahresbeitrag. Warum kann
sie das? Reine Menschenfreundlichkeit ist das sicher nicht.

Die Versicherungsgesellschaft rechnet mit der Wahrscheinlichkeit, mit der mir ein teu-
res Missgeschick passiert. Hat sie hinreichend viele Kunden, dann werden in aller Regel
die Einnahmen von allen Kunden zur Deckung der Schäden ausreichen, die nur einige
wenige verursachen. Wer genau die Schäden verursacht, ist den Versicherern herzlich
egal, sie interessieren sich nur dafür, wieviele das ungefähr sein werden. Hierbei helfen
ihnen die Methoden der Stochastik.

3 Wichtige Begriffe
3.1 Ereignis und Ergebnis
Die ersten Begriffe sind das Ereignis und das Ergebnis. Unter einem Ereignis versteht
man einen Vorgang, der zu unterschiedlichen Ergebnissen führen kann. Das Werfen einer
Münze als Ereignis mit den Ergebnissen Kopf oder Zahl, oder das Würfeln mit einem
Würfel als Ereignis mit den Ergebnissen 1 . . . 6 kann hier als Beispiel dienen. Auch
die Ziehung der Lottozahlen in einer Lostrommel ist ein solches Ereignis. Das Ergebnis
wären die 7 gezogenen Zahlen oder je nach der Fragestellung auch mein Gewinn (meist
leider nur 0 e).

Wenn das Ergebnis in einer Formel auftaucht, dann wird dafür gern das Formelzeichen
e verwendet. Solche Zusammenhänge werden aber erst etwas später in diesem Artikel
deutlich.

1
Die Einzelheiten regeln die Versicherungsbestimmungen des jeweiligen Vertrages, das steht hier aber
nicht zur Debatte.

4
3.2 Wahrscheinlichkeit
Der nächste wichtige Begriff ist die Wahrscheinlichkeit mit dem Formelzeichen P
(englisch: probability). Sie wird üblicherweise als Verhältniszahl (als Bruch) oder manch-
mal auch in Prozent angegeben. Wenn alle Ergebnisse gleich wahrscheinlich sind,2 dann
lässt sich die Wahrscheinlichkeit so definieren:

Zahl der günstigen Ergebnisse

P =
Zahl der möglichen Ergebnisse

Nehmen wir den Wurf einer Münze als Beispiel, dann gibt es zwei mögliche Ergebnisse:
Kopf oder Zahl. Davon stellt eins das günstige Ergebnis dar, je nachdem, was vorher
vereinbart wurde. Suchen wir die Wahrscheinlichkeit dafür, dass die Münze nach dem
Wurf mit der Zahl nach oben liegen bleibt, erhält man:

1
P = = 50 %
2
Man kann auch sagen: Bei durchschnittlich jedem zweiten Wurf bleibt die Münze mit
der Zahl nach oben liegen.

Die gleiche Wahrscheinlichkeit gilt natürlich auch für den Fall, dass die Münze bei Kopf“
”
liegen bleiben soll. Der theoretisch denkbare Fall, dass die Münze auf einer Kante stehen
bleibt, wird dabei vernachlässigt. Die menschliche Erfahrung zeigt, dass dieser Fall eben
extrem unwahrscheinlich ist.

Beim Würfeln mit einem klassischen hexaederförmigen Würfel3 gibt es die Zahlen von 1
bis 6 als Ergebnis, also 6 mögliche Ergebnisse. Für jede würfelbare Augenzahl ist dann
die Wahrscheinlichkeit:

1
≈ 16,7 %
P =
6
Man kann auch sagen: Bei durchschnittlich jedem sechsten Wurf würfele ich beispiels-
weise eine 3.

2
Bei gleich wahrscheinlichen Ergebnissen spricht man von einem Bernoulli-Experiment.
3
Das ist ein Würfel mit 6 gleichgroßen Quadraten als Seitenflächen.

5
Wichtig ist hierbei natürlich, dass der Würfel tatsächlich in jeder Richtung symmetrisch
ist. Sind etwa die Quadrate mit der 1 und der 6 (die liegen auf gegenüberliegenden
Seiten) größer, als die anderen Würfelflächen, ist also der Würfel“ nur ein Quader,
”
dann wird er seltener auf den rechteckigen Seitenflächen mit 2, 3, 4 und 5 Augen lie-
gen bleiben, als auf der 1 oder der 6. Solche Fälle lassen wir zunächst aus, sie stellen
kein Bernoulli-Experiment dar.4 Wir erhalten also beim Würfeln wie oben beschrieben
6 mögliche Ergebnisse, die alle gleich wahrscheinlich sind.

Ein weiteres Beispiel soll die Rechenmethode weiter erläutern. Beim Würfelspiel soll eine
gerade Zahl gewürfelt werden. Dann gibt es bei der Berechnung der Wahrscheinlichkeit
3 günstige Ergebnisse, nämlich die 2, die 4 und die 6 bei 6 möglichen Ergebnissen.
Dann wird die Wahrscheinlichkeit für den Wurf einer geraden Zahl so berechnet:

3 1
P = = = 50 %
6 2
Man kann auch sagen: Bei durchschnittlich jedem zweiten Wurf würfele ich eine gerade
Zahl.

Ein letztes Beispiel: Ein Kartenspiel als Skatblatt“ enthält 32 Karten mit den Zahlen-
”
werten 7, 8, 9 und 10 sowie den Bildern Bube, Dame, König und Ass. Alle diese Werte
können in vier verschiedenen Farben5 vorliegen. Ich suche jetzt die Wahrscheinlichkeit
dafür, dass ich aus einem gemischten Kartenspiel ein beliebiges Ass ziehe.

Es gibt 32 Karten, also 32 mögliche Ergebnisse. Weil es insgesamt 4 Asse gibt (in Kreuz,
Pik, Herz und Karo), haben wir 4 günstige Ergebnisse. Wir können die Wahrschein-
lichkeit berechnen:

4 1
=P =
32 8
Bei durchschnittlich jeder achten gezogenen Karte handelt es sich um ein Ass.

4
Streng genomen ist sogar der klassische Würfel, der in Gesellschaftsspielen üblich ist, ein gezinkter“
”
Würfel, der kein reines Bernoulli-Experiment darstellt. Die markierten Würfelaugen“ liegen nämlich
”
normalerweise in kleinen Vertiefungen. Dadurch ist der Würfel auf der Seite der 1 etwas schwerer
aus auf der Seite der 6. Liegt der Würfel mit der 1 nach unten (also der 6 nach oben), dann liegt
sein Schwerpunkt tiefer als umgekehrt. Daher müsste die 6 etwas häufiger als die 1gewürfelt werden.
Dieser Unterschied ist jedoch so gering, dass er in der Praxis kaum eine Rolle spielt.
5
Als Farbe“ gilt beim Kartenspiel nicht die Farbe Rot oder Schwarz, sondern die Farben Kreuz ♣,
”
Pik ♠, Herz ♡ und Karo ♢.

6
4 Zufallsexperimente
Man kann die berechneten Wahrscheinlichkeiten auch durch Experimente überprüfen.
Im Gegensatz zur herkömmlichen Mathematik, die eindeutig nachvollziehbare Ergebnisse
liefert, wird man dabei nie genau zu den berechneten Wahrscheinlichkeiten kommen,
sondern nur mehr oder weniger ungefähr. Bei einem solchen Zufallsexperiment kommen
nun noch ein paar weitere Begriffe ins Spiel.

4.1 Umfang der Stichprobe

Will man beispielsweise die Wahrscheinlichkeiten beim Werfen einer Münze experimen-
tell überprüfen, reicht es nicht, nur ein einziges Mal eine Münze zu werfen. Man muss
viele Würfe machen und dann die Ergebnisse auswerten. Die Anzahl dieser Würfe
nennt man dann den Umfang der Stichprobe. Hierfür verwendet man das Formelzeichen
N.

4.2 Häufigkeit
Unter der Häufigkeit eines Ergebnisses versteht man die Anzahl der Ergebnisse,
die in N Experimenten aufgetreten sind. Hierbei unterscheidet man noch zwischen der
absoluten und der relativen Häufigkeit. Die absolute Häufigkeit bekommt das Formel-
zeichen n und die relative Häufigkeit das Formelzeichen h. Hierbei sind n und h von
dem erwarteten Ergebnis abhängig. Sie sind also mathematisch gesehen eine Funktion
des Ergebnisses. Derhalb schreibt man n(e) und h(e).

Am Beispiel Münzwurf wird das vielleicht deutlich. Nehmen wir an, ich habe die Münze
100 mal geworfen. Dabei blieb sie 44 mal bei Kopf und 56 mal bei Zahl liegen. Dann ist
der Umfang der Stichprobe N = 100. Die Häufigkeit ist zunächst davon abhängig, was
ich erwarte. Frage ich nach der (absoluten) Häufigkeit für Kopf, dann kann ich das so
schreiben: n(K) = 44. Die (absolute) Häufigkeit für Zahl ist dann n(Z) = 56.

Aussagekräftiger als die absolute Häufigkeit ist die relative Häufigkeit. Man bezieht
sie auf den Umfang der Stichprobe. Es gilt die Formel:
n(e)
h(e) =
N
Das wenden wir auf unser Beispiel an. Ich bestimme zunächst die relative Häufigkeit für
Kopf. Weil das erwartete Ergebnis Kopf heißt, setze ich für die Ereignisvariable e ein K
ein.
n(K) 44
h(K) = = = 44 %
N 100
Für die relative Häufigkeit von Zahl gilt dann mit der Ergebnisvariablen Z wie Zahl :
n(Z) 56
h(Z) = = = 56 %
N 100

7
Vergleichen wir diese Ergebnisse mit der Wahrscheinlichkeit P für diese Ereignisse, die
wir weiter vorn mit 12 = 50 % berechnet haben, dann erkennt man, dass die von der
Wirklichkeit mit der relativen Häufigkeit beide nicht ganz getroffen wurden, aber man
liegt immerhin irgendwo in der Nähe.

Erhöhen wir den Umfang der Stichprobe nun von 100 auf 1 000, erhalten wir beispielswei-
se 478 mal Kopf und 522 mal Zahl. Obwohl die Abweichung von den jeweils erwarteten
500 mit 22 deutlich größer als die 6 bei der kleineren Stichprobe, kann man dennoch
sagen, dass die berechnete Wahrscheinlichkeit diesmal besser getroffen wurde. Die Rech-
nung zeigt:
n(K) 478
h(K) = = = 47,8 %
N 1 00
und
n(Z) 522
h(Z) = = = 52,2 %
N 100
Die Abweichung der relativen Häufigkeit beträgt statt 6 % hier nur noch 2,2 %. Wenn
ich nun behaupte, dass diese Abweichung zwischen der Wahrscheinlichkeit P (e) und der
relativen Häufigkeit h(e) um so kleiner wird, je größer N ist, kann das leider niemand
direkt nachweisen. Man müsste dazu viele (zeitaufwändige!) Experimente durchführen,
und trotzdem kann es dabei vorkommen, dass bei einer von ganz vielen Experimentreihen
mit N = 100 die Wahrscheinlichkeit einmal besser getroffen wird, als mit N = 1 000. Es
ist eben nur wahrscheinlich, dass meine Behauptung stimmt. Es ist ja auch so, dass
fast jedes Wochenende jemand mit 6 Richtigen im Lotto gewinnt, obwohl die Wahr-
1
scheinlichkeit dafür bei 13 983 816
liegt. Bei vielen Millionen Tippern ist das Ereignis eines
Gewinnes irgendwo in Deutschland als solches dann nicht mehr unwahrscheinlich, auch
wenn die Wahrscheinlichkeit dafür, dass es mich oder Sie trifft, verschwindend klein ist.

5 Ereignisbaum
5.1 Einstufige Experimente
Man kann die möglichen Ergebnisse gut in einem Ereignisbaum
(auch Wahrscheinlichkeitsbaum genannt) darstellen. Für einen ein- 1 1
zelnen Münzwurf sähe dieser etwa so aus, wie nebenstehend darge- 2 2

stellt. K Z

Man startet oben in der Mitte. Von dort verzweigt sich der Baum nach K für Kopf
und Z für Zahl. An jeden Zweig ist die jeweilige Wahrscheinlichkeit angetragen, im Fall
des Münzwurfes 21 . Allerdings ist ein solcher Baum für einen einzigen Wurf wenig sinnvoll.

8
5.2 Mehrstufige Experimente
Sinnvoll wird ein solcher Ereignisbaum eigentlich erst, wenn
man mehrere Ergebnisse miteinander verknüpft. Wirft man die 1 1
Münze zwei mal nacheinander, dann erhält man den neben- 2 2

stehend dargestellten Baum. Beim ersten Wurf gibt es zwei 1 K 1 1 Z 1

Möglichkeiten, die als Strich nach schräg links für Kopf und 2 2 2 2

schräg rechts für Zahl dargestellt sind. Beim zweiten Wurf rut- K Z K Z
schen wir in die nächste Ebene darunter. Haben wir zwei mal
nacheinander Kopf geworfen, landen wir im Baum unten links; kam nach dem ersten
Wurf mit Kopf eine Zahl, dann sind wir in der untersten Zeile an der zweiten Stelle von
links bei Z für Zahl angekommen, usw.

Diesen Baum können wir nun nutzen, um unterschiedliche Wahrscheinlichkeiten zu be-

rechnen. Zunächst möchte ich wissen, wie groß die Wahrscheinlichkeit dafür ist, dass ich
zwei mal nacheinander Kopf werfe. Dieser Fall ist im linken Pfad vom Ausgangspunkt
oben über K in der ersten Ebene nach K in der untersten Ebene dargestellt. Hierbei
hilft folgender Lehrsatz weiter:
Die Wahrscheinlichkeit für einen bestimmten Pfad erhält man,
indem man die Wahrscheinlichkeiten für jede Stufe miteinander
multipliziert.
Man kann das auch als Formel schreiben:
Pges = P1 · P2 · . . .

Ich nenne in unserem Beispiel die Wahrscheinlichkeit dafür, mit dem ersten Wurf Kopf
zu werfen P1 und die Wahrscheinlichkeit dafür, mit dem zweiten Wurf Kopf zu werfen P2 .
Dann erhalte ich die Gesamtwahrscheinlichkeit P (KK) dafür, zwei mal Kopf zu werfen,
mit dieser Rechnung:
1 1 1
P (KK) = P1 · P2 = · =
2 2 4
Ähnlich sieht es mit der Wahrscheinlichkeit P (ZZ) dafür aus, dass ich beide Male eine
Zahl werfe. Im Ereignisbaum gehe ich dazu am rechten Rand hinunter und durchlaufe
wieder zwei mal die Wahrscheinlichkeit P1 = P2 = 12 . Insgesamt ergibt das wieder:

1 1 1
P (ZZ) = P1 · P2 = · =
2 2 4
Etwas anders sieht es aus, wenn ich die Wahrscheinlichkeit P (gleich) dafür suche, dass
beide Würfe das gleiche Ergebnis liefern, also zwei mal Kopf oder zwei mal Zahl. Aus
dem Ereignisbaum kann man erkennen, dass es zwei Zweige gibt, die das gewünschte
Ergebnis liefern, nämlich der ganz linke Zweig für zwei mal Kopf und der ganz rechte
zwei mal Zahl. In einem solchen Fall gilt die Summenregel für die Zusammenfassung
mehrerer Zweige:

9
Die Gesamtwahrscheinlichkeit mehrerer Zweig erhält man, in-
dem man die Teilwahrscheinlichkeiten dieser Zweige addiert.

Auch das kann man als Formel schreiben:

Pges = P1 + P2 + . . .

Konkret bedeutet das für unsere Aufgabenstellung:

1 1 1
Pges = P (KK) + P (ZZ) = + =
4 4 2
Nun kann man auch beispielsweise die Wahrscheinlichkeit dafür suchen, dass bei den
beiden Würfen mindestens einmal ein Kopf dabei war. Im Ereignisbaum erkennt
man schnell, dass hierfür die drei linken Zweige ein gültiges Ergebnis liefern, nur der
ganz rechte Zweig nicht. Das führt zu dieser Lösung:

1 1 1 3
Pmin1K = PKK + PKZ + PZK = + + =
4 4 4 4
Dies kann man auch etwas einfacher lösen. Dazu benötigt man diesen Lehrsatz:

Die Summe aller Wahrscheinlichkeiten in n Zweigen ist immer

Als Formel geschrieben sieht das so aus:

P1 + P 2 + . . . + Pn = 1

Es gibt nun auch den Begriff der Gegenwahrscheinlichkeit, Formelzeichen P . In

der Gegenwahrscheinlichkeit P sind alle Wahrscheinlichkeiten der Zweige enthalten, die
nicht zu dem gewünschten Ergebnis führen. Als Formel kann man das so schreiben:

P =1−P

Vielleicht etwas anschaulicher sieht die Formel auch so aus:

P = 1 − P (Gegenteil)

Im aktuellen Beispiel ist das nur ein einziger Fall, nämlich zwei mal Zahl. Mit dem
vorstehenden Lehrsatz kann ich nun relativ einfach6 zum gleichen Ergebnis kommen.
Die Gegenwahrscheinlichkeit zur gesuchten ist nämlich einfach zur zwei mal Zahl.

1 3
P (min1K) = 1 − P (min1K) = 1 − P (ZZ) = 1 − =
4 4

6
Ich gebe zu, wirklich kompliziert ist die ursprüngliche Rechnung nicht, weil das Beispiel so einfach
ist. Es gibt aber auch mehrstufige Bäume, wo es erheblich komplizierter wird.

10
Um die ganzen Zusammenhänge an einem anderen Beispiel noch einmal zu verdeutlichen
nehme ich mir noch einmal den klassischen Würfel vor. Leider ist bei 6 möglichen Ergeb-
nissen schon ein zweistufiger Ereignisbaum recht groß. Wir erhalten insgesamt 6 · 6 = 36
unterschiedliche Ergebnisse. Daher möchte ich auf das Zeichnen des Baumes verzichten.
Wir können ihn uns aber im Kopf vorstellen.

Das Experiment besteht nun also darin, zwei mal zu würfeln. Das kann mit einem einzi-
gen Würfel nacheinander oder mit zwei Würfeln gleichzeitig erfolgen, das führt zum
selben Ergebnis. Als erstes möchte ich wissen, wie groß die Wahrscheinlichkeit dafür ist,
dass die Summe der gewürfelten Augen 3 ist. Diese Wahrscheinlichkeit bezeichne ich
als P (3). Auch ohne gezeichneten Ergebnisbaum Ergebnisbaum kann man sich sicher
vorstellen, dass es zur Lösung genau zwei mögliche Konstellationen gibt:

1. Der erste Würfel zeigt 1 Auge und der zweite Würfel zeigt 2 Augen.

2. Der erste Würfel zeigt 2 Augen und der zweite Würfel zeigt 1 Auge.

Aus den Überlegungen weiter vorn wissen wir noch, dass die Wahrscheinlichkeit für ei-
ne bestimmte Augenzahl beim Würfeln mit einem einzigen Würfel jeweils 61 beträgt.
Ich verwende die Würfelnummer (oder die Nummer des Wurfes bei nur einem Würfel)
im folgenden als Index. P1 ist demnach der erste Wurf und P2 der zweite Wurf (bzw.
Würfel). Entsprechend bezeichne ich die Wahrscheinlichkeit dafür, dass beim ersten
Würfel (Wurf) eine 1 gewürfelt wurde mit P1 (1) und dafür, dass eine 2 gewürfelt wurde
mit P1 (2).

Jetzt werden die Würfe (Würfel) kombiniert, also entweder gleichzeitig nacheinander
ausgeführt. Im ersten günstigen Fall sollte Würfel 1 eine Augenzahl von 1 zeigen und
der zweite eine Augenzahl von 2. Die zugehörige Wahrscheinlichkeit nenne ich P (1; 2).
Ich berechne:
1 1 1
P (1; 2) = P1 (1) · P2 (2) = · =
6 6 36
Für die Augenzahlsumme 3 kann aber auch zuerst die 2 und danach die 1 gewürfelt
worden sein. Ich erhalte dafür:
1 1 1
P (2; 1) = P1 (2) · P2 (1) = · =
6 6 36
Beide Fälle zusammen ergeben die Gesamtwahrscheinlichkeit P (3) für die Augenzahl-
summe 3:
1 1 1
P (3) = P (1; 2) + P (2; 1) = + =
36 36 18
Als nächstes möchte ich wissen, wie groß die Wahrscheinlichkeit P (7) für die Augenzahl-
summe 7 ist. Dafür gibt es jetzt 6 Möglichkeiten:

1+6=7 2+5=7 3+4=7 4+3=7 5+2=7 6+1=7

11
Es gibt jetzt also 6 verschiedene Kombinationsmöglichkeiten für die Augenzahlsumme
7. Weil immer noch alle Wahrscheinlichkeiten für eine bestimmte Augenzahl bei jedem
Wurf bei 61 liegt, können wir jetzt etwas verkürzt so rechnen:

1 1 1
P (7) = 6 · · =
6 6 6
Weil wir 6 Zweige mit gleicher Teilwahrscheinlichkeiten zu addieren hatten, war eine ein-
fache Multiplikation mit 6 anstelle einer Summe mit 6 (gleichen) Summanden möglich.
Man kann das Ergebnis auch mit P (3) vergleichen. Offensichtlich ist es deutlich wahr-
scheinlicher, die Augenzahlsumme 7 als die 3 zu würfeln.

Zum Schluss möchte ich noch wissen, wie wahrscheinlich es ist, mit den beiden Würfeln
mindestens 4 Augen zu würfeln. Das wird jetzt sehr unübersichtlich, denn die meisten
von den 36 möglichen Konstellationen führen zu dem gewünschten Ergebnis. Daher ist es
hier sinnvoll, mit der Gegenwahrscheinlichkeit zu arbeiten. In der Gegenwahrschein-
lichkeit sind nur die Fälle enthalten, in denen die Augenzahlsumme kleiner als 4 ist. Das
sind nur diese drei Fälle:
1+1=1 1+2=3 2+1=3
Ich kann also so rechnen:
1 1 1 11
P (≥ 4) = 1 − P (≥ 4) = 1 − P (< 4) = 1 − 3 · · =1− =
6 6 12 12

5.3 Unterschiedliche Wahrscheinlichkeiten

Beim Bernoulli-Experiment sind alle möglichen Ergebnisse gleich wahrscheinlich. Das
war so beim Werfen einer Münze oder beim Würfeln. Es gibt jedoch auch Ereignisse,
wo das nicht der Fall ist. Das kann ein Würfel“ mit unterschiedlichen Kantenlängen
”
sein oder auch ein Glücksrad mit unterschiedlich großen Gewinnfeldern. Es gibt Fälle,
in denen die unterschiedlichen Wahrscheinlichkeiten leicht berechnet werden können7 ,
es gibt aber auch Fälle, in denen gar keine Berechnung möglich ist. Als Beispiel nehme
ich einen Biathleten, der auf die schwarze Scheibe schießt. Trifft er, dann klappt ein
weißer Deckel vor das Schussfeld, ist alles ok. Trifft er nicht, dann bleibt das Schussfeld
schwarz und er muss eine Strafrunde o.ä. machen. Die beiden möglichen Ergebnisse –
Treffer oder Fehlschuss – sind logischerweise nicht gleich wahrscheinlich. Die Trefferwahr-
scheinlichkeit ist hauptsächlich abhängig von den Fertigkeiten des Biathleten und seinem
Trainingszustand. Man kann sie daher nur aus seinen bisherigen Ergebnissen abschätzen.

Nehmen wir an, der Biathlet hat in seinen bisherigen Wettkämpfen eine Trefferquote
von 80 % gehabt. Dann gehen wir für seinen nächsten Wettkampf von einer Trefferwahr-
scheinlichkeit von 80 % = 45 aus. Die Wahrscheinlichkeit für einen Fehlschuss liegt dann
bei 20 % = 15 .

7
Bei einem Glückrad etwa, bei dem das Gewinnfeld nur halb so groß ist, wie das Feld für Niete, ist
sofort erkennbar, dass die Gewinnwahrscheinlichkeit 31 ist, die Wahrscheinlichkeit für Niete aber 32 .

12
Nebenstehend ist ein Ereignisbaum für zwei Schüsse dargestellt. 4 1
Im Biathlon werden zwar jeweils 5 Schüsse abgegeben, aber für 5 5

den zugehörigen Ereignisbaum fehlt hier der Platz. Er hätte 4 1 4 1

25 = 32 Enden. Als Anschauungsgrundlage sollte aber dieser 5 5 5 5

verkürzte Baum aber ausreichen. Links ist jeweils eine helle

Scheibe für einen Treffer und rechts eine schwarze für den Fehl-
schuss dargestellt.

Zunächst wollen wir wissen, mit welcher Wahrscheinlichkeit der Biathlet 5 Treffer er-
ziehlt. Dazu gehen wir in dem (fünfstufigen) Baum jeweils nach links runter. An jedem
Zweig steht 54 für die Trefferwahrscheinlichkeit. Die Trefferwahrscheinlichkeit P5T für 5
Treffer ist dann das Produkt:
!5
4 4 4 4 4 4 1 024
P (5T ) = · · · · = = = 32,768 %
5 5 5 5 5 5 3 125

Man erkennt sehr schön, dass man hier mit der Potenzschreibweise eine Vereinfachung
in der Rechnung bekommt. Das geht aber nur, wenn bei jeder Stufe das gleiche Ergebnis
erwartet wird. Wenn wir jetzt die Wahrscheinlichkeit für 5 Fehlschüsse berechnen wollen,
ist das auch so. Die Rechnung sieht dann so aus:
!5
1 1
P (5F ) = = = 0,032 %
5 3 125

Als nächstes möchte ich wissen, wie groß die Wahrscheinlichkeit für genau einen Fehl-
schuss ist. Der kann natürlich beim ersten, beim zweiten, usw. bis beim fünften Schuss
passieren. Im (nicht dargestellten) Gesamtbaum würden wir demnach 5 Zweige zu einem
Ergebnis zusammenfassen müssen. In jedem Zweig mit 5 Faktoren ist jeweils einmal 51 für
einen Fehlschuss und viermal 45 für einen Treffer enthalten. Das kann man so schreiben:
!4
1 4 256
5 ·
P (4T ) = |{z} · = = 40,96 %
5 5 625
Zweige
|{z}
Fehl.
| {z }
Treff.

Etwas komplizierter wird es, wenn ich wissen will, wie groß die Wahrscheinlichkeit für
höchstens einen Fehlschuss ist. Dann müssen die Fälle für genau 5 und genau 4
Treffer noch addiert werden.
1 024 256 2 304
P (≥ 4T ) = P (5T ) + P (4T ) = + = = 73,728 %
3 125 625 3 125

13
5.4 Abhängige Wahrscheinlichkeiten
Manchmal sind die Teilwahrscheinlichkeiten unterschiedlich und hängen auch von dem
ab, was bisher bereits passiert ist. Ein Beispiel soll das erklären.

Wir haben eine Tüte mit 10 roten und 15 gelben Schokolinsen vor
uns stehen. Wenn ich in die Tüte greife, ist die Wahrscheinlichkeit 2 3
für eine rote Schokolinse anders als für eine gelbe, denn gelbe sind ja 5 5

mehr da. Von insgesamt 25 Schokolinsen sind 10 rot. Nebenstehend r g

ist ein zugehöriger Ereignisbaum dargestellt. Die Wahrscheinlichkeit
eine rote zu erwischen lässt sich daher so berechnen:
10 2
P (rot) = =
25 5
Wenn ich eine gelbe erwischen möchte, rechne ich so:

15 3
P (gelb) = =
25 5
Diese unterschiedlichen Wahrscheinlichkeiten sind im obigen Er-
eignisbaum so eingetragen. Spannend wird es aber jetzt, wenn 10 15
25 25
ich noch eine zweite Schokolinse herausnehmen möchte. Dabei
gehe ich davon aus, dass ich die erste aufgegessen habe. Es sind 9 r 15 g
10 14
dann ja nur noch insgesamt 24 Schokolinsen da, eine rote oder 24 24 24 24

eine gelbe fehlt. Daher müssen die Wahrscheinlichkeiten für den r g r g

nächsten Zugriff für jeden möglichen Fall neu berechnet werden.
Wir erhalten den nebenstehenden zweistufigen Ereignisbaum. Für den besseren Über-
blick habe ich die sich ergebenden Brüche hier nicht gekürzt.

Die Berechnung der Wahrscheinlichkeiten möchte ich nur an zwei Beispielen erläutern.
Betrachten wir zunächst den Fall, dass ich eine rote Schokolinse entnommen habe. An-
schließend möchte ich noch eine rote haben. Jetzt sind von den verbleibenden 24 insge-
samt noch 9 rote da, die Wahrscheinlichkeit beträgt für diesen Fall:

9 3
P (rot) = =
24 8
Habe ich dagegen zuerst eine gelbe Schokolinse herausgeholt, sind jetzt noch 10 von
insgesamt 24 rot. Ich möchte eine rote haben. Die Wahrscheinlichkeit dafür beträgt
jetzt:
10 5
P (rot) = =
24 12
Die Wahrscheinlichkeit ist diesmal also etwas größer, als im ersten Fall. Das war auch
so zu erwarten, denn es waren ja jetzt weniger (unerwünschte) gelbe vorhanden.

14
Jetzt möchte ich wissen, wie groß die Wahrscheinlichkeit dafür ist, zwei rote Schoko-
linsen zu erwischen. Wir kennen ja schon die Formel, in der die Teilwahrscheinlichkeiten
für jede Stufe miteinander multipliziert werden müssen. Wie wir eben gesehen haben,
sind diese unterschiedlich. Wir können sie aus dem Ereignisbaum ablesen.

10 9 2 3 3
P (2 · rot) = P1 (rot) · P2 (rot) = · = · =
25 24 5 8 20
Als nächstes möchte ich wissen, wie groß die Wahrscheinlichkeit dafür ist, dass ich zwei
verschiedenfarbige Schokolinsen herausnehme. Im Ereignisbaum kann man erkennen,
dass dafür zwei Zweige infrage kommen, nämlich die beiden mittleren. Im einen Fall
erhalte ich zuerst eine rote und dann die gelbe, im zweiten habe ich die gelbe vor der ro-
ten. Jetzt stellt sich eine wichtige Frage: Ist die Wahrscheinlichkeit für jeden Pfad
davon abhängig, welche ich zuerst heraushole? Oder ist das gleichgültig?

Klären wir das zunächst an unserem Beispiel. Ich berechne zuerst den Fall, dass ich erst
die rote und dann die gelbe erhalte.

10 15 2 5 1
P (rot/gelb) = P1 (rot) · P2 (gelb) = · = · =
25 24 5 8 4
Jetzt soll es erst die gelbe und dann die rote sein.

15 10 3 5 1
P (gelb/rot) = P1 (gelb) · P2 (rot) = · = · =
25 24 5 12 4
Die Ergebnisse stimmen überein. Aber ist das immer so? Und wenn ja, warum?

Schauen wir uns dazu die beiden Produkte an:

10 15 15 10
· und ·
25 24 25 24
Leicht erkennbar sind die Nenner identisch. Dort steht ja immer die Zahl der noch vor-
handenen Schokolinsen. Lediglich die Zähler unterscheiden sich. Allerdings sind sie nur
gegeneinander vertauscht. Da beim Multiplizieren der Zähler das Vertauschungsgesetz
gilt, spielt das keine Rolle, das Ergebnis ist gleich. Auch wenn hier nur ein zweistufiger
Baum dargestellt ist, kann man zeigen, dass das gleiche Prinzip auch für mehrstufige
Ereignisbäume gilt. Wenn ich also drei oder vier mal oder noch häufiger in die Tüte grei-
fe, hängt das Ergebnis ausschließlich davon ab, wieviele Schokolinsen von welcher Sorte
ich erwarte. An dieser Stelle möchte ich auf einen Beweis verzichten. Er läuft daraus
hinaus, dass bei n Gegenständen von einer bestimmten Sorte im Zähler in jedem Fall
die Faktoren a, (a − 1), . . . , (a − n + 1) mit a als der ursprünglichen Anzahl von dieser
Sorte vorkommen.

Mit diesem Kenntnisstand können wir unser Beispiel (zwei unterschiedlichfarbene Scho-
kolinsen) zuende rechnen. Ich muss also nur die Wahrscheinlichkeit für einen einzigen

15
Pfad bestimmen und kann ihn dann mit der Anzahl der Pfade (hier 2) multiplizieren.
1 1
P (verschiedenfarbig) = 2 · P (rot/gelb) = 2 · =
4 2
Als nächstes möchte ich wissen, wie groß die Wahrscheinlichkeit für zwei gleichfarbi-
ge Schokolinsen ist. Natürlich kann man hier mit der Gegenwahrscheinlichkeit zu den
verschiedenfarbigen rechnen, denn die kennen wir ja schon. Das wäre dann:
1 1
P (gleichfarbig) = 1 − P (verschiedenfarbig) = 1 − =
2 2
Weil das Aufstellen der Pfadwahrscheinlichkeiten geübt werden soll, rechnen wir jetzt
mit dem klassischen Weg. Es führen zwei Pfade zu dem gewünschten Ergebnis, der ganz
linke und der ganz rechte. Den ganz linken für zwei mal Rot haben wir schon gerechnet.
10 9 2 3 3
·
P (2 · rot) = P1 (rot) · P2 (rot) = = · =
25 24 5 8 20
Den rechten mit zwei mal Gelb nehmen wir uns jetzt vor:
15 14 3 7 7
P (2 · gelb) = P1 (gelb) · P2 (gelb) = · = · =
25 24 5 12 20
Achtung! Diese Werte beiden sind unterschiedlich! Zwei mal Gelb ist ja auch etwas an-
deres als zwei mal Rot. Dieser Fall ist also anders als der Fall vorhin mit Gelb/Rot bzw.
Rot/Gelb. Wenn auch eine einfache Multiplikation mit 2 (wie bei Bernoulli-Experimenten)
nicht möglich ist, können wir jetzt die Summe bilden:
3 7 10 1
P (gleichfarbig) = P (2 · rot) + P (2 · gelb) =
+ = =
20 20 20 2
Erkennbar hat auch dieser Lösungsweg zum gleichen Ergebnis geführt, das man mit der
Gegenwahrscheinlichkeit erhalten hätte.

6 Erwartungswert
Wenn es um Zahlen als Ergebnis geht, kann man auch einen Erwartungswert E
angeben. Darunter versteht man, welches Ergebnis als Zahl man bei vielen Experimenten
im Durchschnitt erwarten kann.
Der Erwartungswert E ist die Summe aller Produkte aus einem
Ergebnis ei mit der zugehörigen Wahrscheinlichkeit Pi .
Man kann das auch als Formel für n mögliche Ergebnisse schreiben:
E = P1 · e1 + P2 · e2 + . . . + Pn · en
In Kurzform schreibt man das gern auch so:
n
X
E= Pi · ei
i=1

16
6.1 Erwartungswert im Bernoulli-Experiment
Nehmen wir als Beispiel den Würfel. Als Ergebnis liefert er eine Natürliche Zahl im
Intervall [1; 6]. Berechnen wir den Erwartungswert:

E = P1 · e1 + P2 · e2 + P3 · e3 + P4 · e4 + P5 · e5 + P6 · e6
1 1 1 1 1 1
= ·1+ ·2+ ·3+ ·4+ ·5+ ·6
6 6 6 6 6 6
1
= · (1 + 2 + 3 + 4 + 5 + 6)
6
E = 3,5

Natürlich kann man nicht erwarten, dass der Würfel eine 3,5 anzeigt. Das kann er nicht,
er kann ja nur Ganze Zahlen als Ergebnis anzeigen. Der Erwartungswert E = 3,5
besagt nur, dass man diese Zahl als Mittelwert bei vielen Würfen erwarten kann.

17
6.2 Erwartungswert bei abhängiger Wahrscheinlichkeit
Nehmen wir wieder das Beispiel mit den Schokolinsen. Neben-
stehend ist noch einmal der zugehörige Ereignisbaum darge- 10 15
25 25
stellt. Da hier eigentlich keine Zahlen eine Rolle spielen bringe
ich sie künstlich mit ein, indem ich den Wert einer roten Scho- r g
9 15 10 14
kolinse auf 15 ct und einer gelben auf 10 ct festlege. Ich suche 24 24 24 24

jetzt den Erwartungswert für den Gegenwert von zwei beliebig r g r g

herausgenommenen Schokolinsen.

Zur Bestimmung des Erwartungswertes müssen jetzt eigentlich für 4 Zweige die Produkte
aus Wahrscheinlichkeit und Wert (Gesamtwert der beiden Schokolinsen) gebildet werden.
Tatsächlich sind es aber nur 3 Fälle, die unterschieden werden müssen. Wie wir bereits
im Kapitel Abhängige Wahrscheinlichkeiten gelernt haben, ist es für die Bestimmung der
Wahrscheinlichkeit für zwei verschiedenfarbige Schokolinsen gleichgültig, ob zuerst die
rote oder zuerst die gelbe Schokolinse entnommen wird. Daher können wir diese beiden
Fälle zusammenfassen und dazu die Wahrscheinlichkeit für einen beliebigen der beiden
Fälle verdoppeln. Damit erhalten wir den Erwartungswert:

E = P (rot/rot) · 30 ct + 2 · P (rot/gelb) · 25 ct + P (gelb/gelb) · 20 ct

10 9 10 15 15 14
= · · 30 ct + 2 · · · 25 ct + · · 20 ct
25 24 25 24 25 24
= 4,5 ct + 12,5 ct + 7 ct
E = 24 ct

Ich kann also erwarten beim Herausnehmen von zwei Schokolinsen durchschnittlich einen
Gesamtwert von 24 ct zu entnehmen.

An dieser Stelle könnte die Frage auftreten: Kann ich nicht einfach den Gesamt-
wert aller Schokolinsen durch die Anzahl aller Schokolinsen dividieren und
dann mit der Anzahl der entnommenen Linsen multiplizieren?

Rechnen wir nach:

10 · 15 ct + 15 · 10 ct
E= · 2 = 24 ct
25
Offensichtlich ist das richtig. Dass das tatsächlich immer so ist, stimmt zwar, möchte ich
an dieser Stelle aber nicht beweisen.

18
7 Übungsaufgaben
7.1 Aufgabe 1
Nebenstehend ist ein Glücksrad abgebildet. Das Glücksrad
wird gedreht und irgendwann bleibt unter dem Pfeil ein hel-
les oder ein dunkles Feld stehen. Zeigt der Pfeil auf das
dunkle Feld, dann bedeutet das einen Gewinn von 3 e,
zeigt der Pfeil auf ein helles Feld, wird nichts gewon-
nen. Das Glücksrad darf drei mal nacheinander gedreht wer-
den.

Folgende Fragen sollen beantwortet werden.

1. Wie groß ist die Wahrscheinlichkeit dafür ist, dass man bei dreimaligem Drehen
genau zweimal gewinnt?

2. Wie groß ist die Wahrscheinlichkeit dafür ist, dass man bei dreimaligem Drehen
mindestens einmal gewinnt?

3. Wie groß ist der Erwartungswert für den Gewinn insgesamt beim dreimaligen
Drehen?

7.2 Aufgabe 2
In einem Schrank befinden sich unsortiert 4 dunkle und 6 helle T-Shirts. Zwei T-Shirts
werden herausgenommen.

a) Erstellen Sie zu diesem Vorgang einen Ereignisbaum.

b) Ermitteln Sie anhand des Ereignisbaumes die Wahrscheinlichkeit dafür, zwei helle
T-Shirts herauszunehmen.

c) Ermitteln Sie anhand des Ereignisbaumes die Wahrscheinlichkeit dafür, zwei verschie-
denfarbige T-Shirts herauszunehmen.

d) Die dunklen T-Shirts haben 27 e gekostet, die hellen nur 18 e. Berechnen Sie den
Erwartungswert für den Gesamtwert von zwei beliebig herausgenommenen T-Shirts?

7.3 Aufgabe 3
Ein Würfel ist ungleichmäßig beschriftet. Auf drei Seiten steht eine 1, auf zwei Seiten
eine 3 und auf einer Seite eine 6. Mit diesem Würfel wird zwei mal gewürfelt. Berechnen
Sie die Wahrscheinlichkeit dafür, dass zwei gleiche Zahlen gewürfelt werden.

19
7.4 Aufgabe 4
In den Jahren 2017/18 wurde am Berliner Bahnhof Südkreuz“ eine Software zur auto-
”
matisierten Gesichtserkennung bei der Fahndung nach Gefährdern aus der Terrorszene
getestet. Das Ergebnis: Etwa 80 % der Testpersonen wurden erkannt. Es gab nur 0,1 %
Fehlalarme, also Meldungen von der Software, dass eine der Testpersonen von einer Ka-
mera erfasst wurde, obwohl diese Testperson nicht am Ort anwesend war. Innenminister
Horst Seehofer war begeistert von der Genauigkeit der Software und bewertete sie als
positiv, sogar sehr positiv“. Der Test habe gezeigt, dass Gesichtserkennungssysteme
” ”
in Zukunft einen wesentlichen Mehrwert für polizeiliche Arbeit, insbesondere der Bun-
despolizei, darstellen können“, heißt es in der Pressemitteilung des Innenministeriums.
Herr Seehofer befürwortet eine breite Einführung“.
”
In Deutschland leben derzeit etwa 80 000 000 Menschen. Als Terroristische Gefährder“
”
gelten etwa 200 Personen. Den Berliner Bahnhof Südkreuz“ passieren täglich etwa
”
160 000 Reisende. Nehmen wir nun an, die getestete Software zur Gesichtserkennung
würde an diesem Bahnhof eingesetzt, um Terroristische Gefährder zu finden und festzu-
nehmen.

a) Berechnen Sie den Erwartungswert für die Anzahl der Personen, die am Berliner
Bahnhof Südkreuz“ täglich fälschlicherweise festgenommen (und später nach genauerer
”
Untersuchung wieder freigelassen) werden müssen.

b) Berechnen Sie den Erwartungswert für die Anzahl der Terrorverdächtigen, die die
Software korrekt meldet.

c) Bewerten Sie den Nutzen der Software. Was würden Sie Herrn Seehofer empfehlen?

7.5 Aufgabe 5
In einem Gefäß liegen 8 Münzen. Drei davon sind aus Gold und haben eine Masse von
je 28 Gramm. Die anderen bestehen aus Messing mit je 14 Gramm Masse. Es werden
zwei beliebige Münzen entnommen.

a) Erstellen Sie zu diesem Vorgang einen Ereignisbaum.

b) Berechnen Sie anhand des Ereignisbaumes die Wahrscheinlichkeit dafür, zwei gleiche
Münzen entnommen zu haben. Das Ergebnis kann als Bruch zusammengefasst stehen
bleiben.

c) Berechnen Sie den Erwartungswert für die Gesamtmasse von zwei entnommenen
Münzen.

20
7.6 Aufgabe 6
In einer Tüte befinden sich 3 rote, 4 grüne und 5 orangefarbene Gummibärchen. Aus
der Tüte werden 2 Gummibärchen entnommen.

a) Ermitteln Sie durch einen Ereignisbaum die Wahrscheinlichkeiten dafür, dass man
folgende Ergebnisse erzielt:
1. zwei grüne Gummibärchen
2. ein rotes und ein orangefarbenes Gummibärchen
3. kein orangefarbenes Gummibärchen
4. zwei verschiedenfarbige Gummibärchen
b) Ein rotes Gummibärchen kostet 0,20 e, ein grünes 0,15 e und ein orangefarbenes
0,10 e. Welchen Erwartungswert für den Gesamtwert der beiden entnommen Gum-
mibärchen erhält man?

7.7 Aufgabe 7
Bei einem Würfelspiel wird mit zwei Würfeln gewürfelt. Der Spieleinsatz beträgt 5 e.
Bei einem Pasch (beide Würfel zeigen die gleiche Augenzahl) erhält der Spieler 25 e, bei
einem Pasch mit zwei Sechsen sogar 50 e. In allen anderen Fälle geht er leer aus. Lohnt
sich dieses Würfelspiel eher für den Betreiber oder für den Spieler? Berechnen Sie dazu
den Erwartungswert für den Spieler. Runden Sie ggf. auf einen ganzen Centbetrag.

7.8 Aufgabe 8
In einem Wäschekorb befinden sich 5 Paar Socken. Wieviele Socken muss man herausneh-
men, damit die Wahrscheinlichkeit dafür, dass man ein zusammenpassendes Paar dabei
hat, mindestens 50 % beträgt? Berechnen Sie dazu schrittweise (Socken für Socken) die
Wahrschenlichkeiten dafür, dass bis dahin ein Sockenpaar aufgetaucht ist.

7.9 Aufgabe 9
In einer Lieferung von 100 Transistoren sind 5 defekt. Es werden 3 Transistoren aus-
gewählt und geprüft.

a) Wie groß ist die Wahrscheinlichkeit dafür, dass bei den geprüften mindestens ein
defekter Transistor dabei ist? Skizzieren Sie dazu einen Ereignisbaum und berechnen Sie
die Wahrscheinlichkeit.

b) Ein intakter Transistor kostet 1,00 e, ein defekter Transistor ist wertlos. Berechnen
Sie den Erwartungswert für den Gesamtwert von drei beliebig entnommen Transisto-
ren an.

21
7.10 Aufgabe 10
In einer Schachtel liegen verschiedene Münzen:

• 5 50-Cent- Münzen

• 4 1-Euro-Münzen

• 3 2-Euro-Münzen

Sie dürfen 2 Münzen entnehmen.

a) Skizzieren Sie für diesen Vorgang einen Ereignisbaum!

b) Berechnen Sie die Wahrscheinlichkeit dafür, dass Sie zwei 1-Euro-Münzen erwischen!

c) Berechnen Sie die Wahrscheinlichkeit dafür, dass Sie zwei 2-Euro-Münzen erwischen!

d) Berechnen Sie die Wahrscheinlichkeit dafür, dass Sie zwei gleiche Münzen erwischen!

e) Berechnen Sie die Wahrscheinlichkeit dafür, dass der Gesamtwert der entnommenen
Münzen genau 1,50 e beträgt!

f ) Berechnen Sie die Wahrscheinlichkeit dafür, dass der Gesamtwert der entnommenen
Münzen mindestens 2,50 e beträgt!

g) Berechnen Sie die Wahrscheinlichkeit dafür, dass der Gesamtwert der entnommenen
Münzen höchstens 1,50 e beträgt!

h) Berechnen Sie die Wahrscheinlichkeit dafür, dass der Gesamtwert der entnommenen
Münzen mindestens 2 e beträgt!

i) Berechnen Sie den Erwartungswert für den Gesamtwert der beiden entnommenen
Münzen!

22
8 Lösungen der Übungsaufgaben
8.1 Aufgabe 1
Nebenstehend ist ein Glücksrad abgebildet. Das Glücksrad
wird gedreht und irgendwann bleibt unter dem Pfeil ein hel-
les oder ein dunkles Feld stehen. Zeigt der Pfeil auf das
dunkle Feld, dann bedeutet das einen Gewinn von 3 e,
zeigt der Pfeil auf ein helles Feld, wird nichts gewon-
nen. Das Glücksrad darf drei mal nacheinander gedreht wer-
den.

Folgende Fragen sollen beantwortet werden.

1. Wie groß ist die Wahrscheinlichkeit dafür ist, dass man bei dreimaligem Drehen
genau zweimal gewinnt?
2. Wie groß ist die Wahrscheinlichkeit dafür ist, dass man bei dreimaligem Drehen
mindestens einmal gewinnt?
3. Wie groß ist der Erwartungswert für den Gewinn insgesamt beim dreimaligen
Drehen?

Lösung: Offensichtlich ist die Chance, auf einem hellen Feld zu landen, drei mal so groß,
wie für ein dunkles Feld, denn das dunkle Feld nimmt nur ein Viertel des Kreisumfanges
ein. Beginnen wir mit dem Ereignisbaum, der nachfolgend dargestellt ist. Der dunkle
Kreis bedeutet jeweils einen Gewinn, der helle Kreis die Niete. Die sich jeweils ergebenden
Wahrscheinlichkeiten sind bereits eingetragen. Um besser im Text auf die Zweige des
Baumes Bezug nehmen zu können, habe ich die Zweige am unteren Ende mit einer
Nummer versehen.

1 3
4 4

1 3 1 3
4 4 4 4

1 3 1 3 1 3 1 3
4 4 4 4 4 4 4 4

1. 2. 3. 4. 5. 6. 7. 8.

23
Teil 1: Genau zwei Gewinne finden wir in Zweig 2, 3 und 5. In allen anderen
Zweigen sind entweder mehr oder weniger Gewinne. Ich kann also beispielhaft für den
Zweig 2 die Wahrscheinlichkeit bestimmen und diese verdreifachen:
1 1 3 9
P (2) = 3 · · · = = 14,0625 %
4 4 4 64

Teil 2: Zu mindestens ein Gewinn“ gehören alle Zweige von 1 bis 7. Um die
”
Summe zu bestimmen benötigen wir zunächst die Wahrscheinlichkeiten
• P (1) von genau einem
• P (2) von genau zwei und
• P (3) von genau drei
Gewinnen.

P (2) ist aus Teil 1 schon bekannt, wir benötigen nur noch P (1) und P (3). Zu P (1)
gehören die Zweige 4, 6 und 7, also drei Zweige. Damit können wir P (1) berechnen.
1 3 3 27
P (1) = 3 · · · =
4 4 4 64
Zu P (3) gehört nur Zweig 1. Daraus erhalten wir:
!3
1 1
P (3) = =
4 64
Damit können wir die gesuchte Wahrscheinlichkeit als Summe der Teilwahrscheinlich-
keiten berechnen.
27 9 1 37
P (≥ 1) = P (1) + P (2) + P (3) = + + = = 57,8125 %
64 64 64 64
Alternative Lösung: Wir haben gesehen, dass die Rechnung etwas aufwändig war,
weil dabei Zweige mit einem, mit zwei und mit drei Gewinnen mit unterschiedlichen
Teilwahrscheinlichkeiten zusammengerechnet werden mussten.Es liegt daher nahe, hier
mit der Gegenwahrscheinlichkeit zu arbeiten. Das Gegenteil von mindestens ein ist
kein. Keinen Gewinn liefert nur Zweig 8. Die zugehörige Wahrscheinlichkeit muss nur
noch von 1 subtrahiert werden. Wir erhalten damit:
3 3 3 27 37
P (≥ 1) = 1 − · · = 1 − = = 57,8125 %
4 4 4 64 64
Das ist erkennbar wesentlich einfacher.

Teil 3: Hier geht es um den Erwartungswert für drei Ziehungen. Da keine Abhängig-
keiten vorliegen, ist das Ergebnis das Dreifache des Erwartungswertes von einer Ziehung.
Wir können daher so rechnen:
1
E(3) = 3 · E(1) = 3 · P1 (1) · 3 e = 3 · · 3 e = 2,25 e
4

24
8.2 Aufgabe 2
In einem Schrank befinden sich unsortiert 4 dunkle und 6 helle T-Shirts. Zwei T-Shirts
werden herausgenommen.

a) Erstellen Sie zu diesem Vorgang einen Ereignisbaum.

b) Ermitteln Sie anhand des Ereignisbaumes die Wahrscheinlichkeit dafür, zwei helle
T-Shirts herauszunehmen.

c) Ermitteln Sie anhand des Ereignisbaumes die Wahrscheinlichkeit dafür, zwei verschie-
denfarbige T-Shirts herauszunehmen.

d) Die dunklen T-Shirts haben 27 e gekostet, die hellen nur 18 e. Berechnen Sie den
Erwartungswert für den Gesamtwert von zwei beliebig herausgenommenen T-Shirts?

Lösung a:

4 6
10 10

3 6 4 5
9 9 9 9

Lösung b:
6 5 1
Phell = · =
10 9 3

Lösung c:
4 6 6 4 8
Punterschiedlich = · + · =
10 9 10 9 15

Lösung d: Zunächst bilde ich die Werte für jede mögliche Konstellation. Da die Kom-
bination dunkel/hell in zwei verschiedenen Zweigen des Baumes steht, wird dieser Wert
verdoppelt.

25
4 3
Ed/d = · · 54 e
10 9
= 7,20 e
4 6
Ed/h = 2· · · 45 e
10 9
= 24,00 e
6 5
Eh/h = · · 36 e
10 9
= 12,00 e
Der Erwartungswert ist die Summe aller Teilbeträge.

E = Ed/d + Ed/h + Eh/h

= 7,20 e + 24,00 e + 12,00 e
E = 43,20 e

26
8.3 Aufgabe 3
Ein Würfel ist ungleichmäßig beschriftet. Auf drei Seiten steht eine 1, auf zwei Seiten
eine 3 und auf einer Seite eine 6. Mit diesem Würfel wird zwei mal gewürfelt. Berechnen
Sie die Wahrscheinlichkeit dafür, dass zwei gleiche Zahlen gewürfelt werden.

Lösung: Sinnvollerweise erstellt man zunächst einen Ereignisbaum.

3
6
1
2 6
6

1 3 6

3 3 3
6 2 1 6 2 1 6 2 1
6 6 6 6 6 6

1 3 6 1 3 6 1 3 6

3 3
P (1; 1) = ·
6 6
2 2
P (3; 3) = ·
6 6
1 1
P (6; 6) = ·
6 6
3 3 2 2 1 1
P (gleich) = P (1; 1) + P (2; 2) + P (3; 3) = · + · + ·
6 6 6 6 6 6
Das Ergebnis kann man noch weiter zusammenfassen:

3 3 2 2 1 1
P (gleich) = · + · + ·
6 6 6 6 6 6
9 4 1
= + +
36 36 36
14
=
36
7
P (gleich) =
18

27
8.4 Aufgabe 4
In den Jahren 2017/18 wurde am Berliner Bahnhof Südkreuz“ eine Software zur auto-
”
matisierten Gesichtserkennung bei der Fahndung nach Gefährdern aus der Terrorszene
getestet. Das Ergebnis: Etwa 80 % der Testpersonen wurden erkannt. Es gab nur 0,1 %
Fehlalarme, also Meldungen von der Software, dass eine der Testpersonen von einer Ka-
mera erfasst wurde, obwohl diese Testperson nicht am Ort anwesend war. Innenminister
Horst Seehofer war begeistert von der Genauigkeit der Software und bewertete sie als
positiv, sogar sehr positiv“. Der Test habe gezeigt, dass Gesichtserkennungssysteme
” ”
in Zukunft einen wesentlichen Mehrwert für polizeiliche Arbeit, insbesondere der Bun-
despolizei, darstellen können“, heißt es in der Pressemitteilung des Innenministeriums.
Herr Seehofer befürwortet eine breite Einführung“.
”
In Deutschland leben derzeit etwa 80 000 000 Menschen. Als Terroristische Gefährder“
”
gelten etwa 200 Personen. Den Berliner Bahnhof Südkreuz“ passieren täglich etwa
”
160 000 Reisende. Nehmen wir nun an, die getestete Software zur Gesichtserkennung
würde an diesem Bahnhof eingesetzt, um Terroristische Gefährder zu finden und festzu-
nehmen.

b) Berechnen Sie den Erwartungswert für die Anzahl der Terrorverdächtigen, die die
Software korrekt meldet.

c) Bewerten Sie den Nutzen der Software. Was würden Sie Herrn Seehofer empfehlen?

Lösung a)
80 000 000 − 200
P (unschuldig) = ≈1
80 000 000
E(Fehlalarm) = 160 000 · 1 · 0,1 % = 160 000 · 0,001 = 160

Es sind täglich 160 Fehlalarme zu erwarten.

Lösung b)
200 1
P (Terror) = · 0,8 =
80 000 000 500 000
1
E(Terror) = 160 000 · = 0,32
500 000
Es sind täglich 0,32 korrekte Festnahmen zu erwarten.

Lösung c) Die große Zahl der Fehlalarme steht in keinem vernünftigen Verhältnis zu
den korrekten Verhaftungen. Herr Seehofer sollte diese Software besser nicht einsetzen.
28
8.5 Aufgabe 5
In einem Gefäß liegen 8 Münzen. Drei davon sind aus Gold und haben eine Masse von
je 28 Gramm. Die anderen bestehen aus Messing mit je 14 Gramm Masse. Es werden
zwei beliebige Münzen entnommen.

a) Erstellen Sie zu diesem Vorgang einen Ereignisbaum.

b) Berechnen Sie anhand des Ereignisbaumes die Wahrscheinlichkeit dafür, zwei gleiche
Münzen entnommen zu haben. Das Ergebnis kann als Bruch zusammengefasst stehen
bleiben.

c) Berechnen Sie den Erwartungswert für die Gesamtmasse von zwei entnommenen
Münzen.

Lösung a:

3 5
8 8

g M
2 5 3 4
7 7 7 7

g M g M

Lösung b:
3 2 5 4 6 20 26 13
P (gleich) = P (GG) + P (M M ) = · + · = + = =
8 7 8 7 56 56 56 28

Lösung c:
3 2 6 3
P (GG) = · = =
8 7 56 28
3 5 30 15
P (GM ) = 2 · · = =
8 7 56 28
5 4 20 5
P (M M ) = · = =
8 7 56 14
E(2) = P (GG) · m(GG) + P (GM ) · m(GM ) + P (M M ) · m(M M )
3 15 5
= · 56 g + · 42 g + · 28 g
28 28 14
= 6 g + 22,5 g + 10 g
E(2) = 38,5 g

Der Erwartungswert für zwei Münzen liegt bei 38,5 Gramm.

29
8.6 Aufgabe 6
In einer Tüte befinden sich 3 rote, 4 grüne und 5 orangefarbene Gummibärchen. Aus
der Tüte werden 2 Gummibärchen entnommen.

a) Ermitteln Sie durch einen Ereignisbaum die Wahrscheinlichkeiten dafür, dass man
folgende Ergebnisse erziehlt:

1. zwei grüne Gummibärchen

2. ein rotes und ein orangefarbenes Gummibärchen

3. kein orangfarbenes Gummibärchen

4. zwei verschiedenfarbige Gummibärchen

b) Ein rotes Gummibärchen kostet 0,20 e, ein grünes 0,15 e und ein orangefarbenes
0,10 e. Welchen Erwartungswert für den Gesamtwert der beiden entnommen Gum-
mibärchen erhält man?

Lösung: Vorweg wird der Ereignisbaum dargestellt, der für jede Unteraufgabe Pla-
nungsgrundlage sein kann.

3
12
5
4 12
12

r g o

2 3 3
11 4 5 11 3 5 11 4 4
11 11 11 11 11 11

r g o r g o r g o

Lösung a1: zwei grüne Gummibärchen

Der Zweig zur Lösung verläuft senkrecht in der Mitte, zwei mal nach grün“. Die Wahr-
” 4
scheinlichkeit, beim ersten Zugriff ein grünes Gummibärchen zu erwischen, liegt bei 12 ,
3
für das zweite bei 11 .
4 3 1 3 1
P (g,g) = · = · =
12 11 3 11 11

30
Lösung a2: ein rotes, ein orangefarbenes Gummibärchen

3
12
5
4 12
12

r g o

2 3 3
11 4 5 11 3 5 11 4 4
11 11 11 11 11 11

r g o r g o r g o
× ×

Hier führen zwei Zweige zu einem gewünschten Ergebnis. Die beiden Zweige sind mit
einem Kreuz × markiert.

1. Zuerst ein rotes, danach ein orangefarbeses Gummibärchen. Dieser Zweig verläuft
3 5
über 12 nach links zu rot, dann über 11 nach rechts zu orange.

2. Zuerst ein orangefarbeses, danach ein rotes Gummibärchen. Dieser Zweig verläuft
5 3
über 12 nach rechts zu orange, dann über 11 nach rechts zu rot.

Für die Gesamtwahrscheinlichkeit werden die Teilwahrscheinlichkeiten beider

Zweige addiert.

3 5 5 3 3·5 5
P (rot/orange) = · + · =2· =
|12{z11} |12{z11} 12 · 11 22
Zweig 1 Zweig 2

31
Lösung a3: kein orangefarbenes Gummibärchen

3
12
5
4 12
12

r g o

2 3 3
11 4 5 11 3 5 11 4 4
11 11 11 11 11 11

r g o r g o r g o
× × × ×

Zu diesem Ergebnis führen vier Zweige. Diese sind mit einem Kreuz × markiert.
3 2
1. Zuerst rot, dann nochmal rot: P1 = 12
· 11
3 4
2. Zuerst rot, dann grün: P2 = 12
· 11
4 3
3. Zuerst grün, dann rot: P3 = 12
· 11
4 3
4. Zuerst grün, dann nochmal grün: P4 = 12
· 11

Für die Gesamtwahrscheinlichkeit werden die Teilwahrscheinlichkeiten aller vier

Zweige addiert.

3 2 3 4 4 3 4 3 6 + 12 + 12 + 12 42 7
P (nicht orange) = · + · + · + · = = =
|12{z11} |12{z11} |12{z11} |12{z11} 132 132 22
P1 P2 P3 P4

32
Lösung a4: Zwei verschiedenfarbige Gummibärchen.

3
12
5
4 12
12

r g o

2 3 3
11 4 5 11 3 5 11 4 4
11 11 11 11 11 11

r g o r g o r g o
× × × × × ×

Zur Lösung führen insgesamt 6 Zweige. Diese sind jeweils mit einem Kreuz × markert.

1. rot-grün

2. rot-orange

3. grün-rot

4. grün-orange

5. orange-rot

6. orange-grün

Will man alle 6 Zweige berechnen, wird das etwas umständlich. Das sieht dann nämlich
so aus:
rot-grün rot-orange grün-rot grün-orange orange-rot orange-grün
z }| { z }| { z }| { z }| { z }| { z }| {
3 4 3 5 4 3 4 5 5 3 5 4
P (verschieden) = · + · + · + · + · + ·
12 11 12 11 12 11 12 11 12 11 12 11
12 15 12 20 15 20
= + + + + +
132 132 132 132 132 132
94
=
132
47
=
66

33
Etwas einfacher wird es mit der Berechnung über die Gegenwahrscheinlichkeit.8 Das
Gegenteil von verschiedenfarbig ist gleichfarbig. Zu gleichfarbig gibt es nur drei
Zweige, nämlich zwei mal rot, zwei mal grün und zwei mal orange. Mit dem Ansatz mit
der Formel für die Gegenwahrscheinlichkeit sieht die Lösung wie folgt aus:
2·grün 2·orange
 2·rot 
z }| { z }| { z }| {
3 2 4 3 5 4
P (verschieden) = = 1 −  · + · + · 
 
|12 11 12{z11 12 11}
je zwei gleichfarbige

6 + 12 + 20
= 1−
132
38
= 1−
132
132 38
= −
132 132
94
=
132
47
=
66

Lösung b: Zu jeder möglichen Ergebniskombination (z.B. rot/rot oder grün/orange)

wird die zugehörige Wahrscheinlichkeit mit dem jeweiligen Gewinn multipliziert und alles
addiert. Hierbei ist zu beachten, dass die jeweiligen Kombinationen aus zwei verschie-
denfarbigen Gummibärchen immer in zwei verschiedenen Zweigen vorkommen, also
verdoppelt werden müssen.

3 2 4 3 5 4
E = · · 0,40 e + · · 0,30 e + · · 0,20 e + . . .
|12 11{z } |12 11{z } |12 11{z }
rot/rot grün/grün orange/orange
3 4 3 5 4 5
... + 2 · · · 0,35 e +2 · · · 0,30 e +2 · · · 0,25 e
|12 11{z } |12 11{z } |12 11{z }
rot/grün rot/orange grün/orange
E = 0,283 e

Ergebnis:

Man erwartet bei jedem Zugriff zwei Gummibärchen im Gesamtwert von 0,283 e.

8
Einzelheiten dazu siehe hier im Kapitel Mehrstufige Experimente“.
”

34
8.7 Aufgabe 7
Bei einem Würfelspiel wird mit zwei Würfeln gewürfelt. Der Spieleinsatz beträgt 5 e.
Bei einem Pasch (beide Würfel zeigen die gleiche Augenzahl) erhält der Spieler 25 e, bei
einem Pasch mit zwei Sechsen sogar 50 e. In allen anderen Fälle geht er leer aus. Lohnt
sich dieses Würfelspiel eher für den Betreiber oder für den Spieler? Berechnen Sie dazu
den Erwartungswert für den Spieler. Runden Sie ggf. auf einen ganzen Centbetrag.

Lösung: Zur Beurteilung dieser Frage muss der Erwartungswert für eine Auszahlung
ermittelt werden.

Die Wahrscheinlichkeit für zwei Einsen / Zweien usw. beträgt jeweils:

1 1 1
P (1) = · =
6 6 36
Fasst man alle Möglichkeiten für einen Pasch mit den Augenzahlen 1 bis 5 zusammen,
beträgt dafür die Wahrscheinlichkeit:

1 5
P (12345) = 5 · =
36 36
Die Wahrscheinlichkeit für einen 6-er Pasch bleibt bei
1
P (6) =
36
Damit kann der Erwartungswert berechnet werden.

E = P (12345) · 25 e + P (6) · 50 e
5 1
= · 25 e + · 50 e
36 36
E ≈ 4,86 e

Auf lange Sicht wird also bei jedem Wurf nur 4,86 e ausgezahlt. Weil jeder Einsatz 5 e
kostet bleibt dem Betreiber daher längerfristig ein durchschnittlicher Gewinn von etwa
0,14 e pro Wurf.

Das Spiel lohnt sich für den Betreiber.

35
8.8 Aufgabe 8
In einem Wäschekorb befinden sich 5 Paar Socken. Wieviele Socken muss man herausneh-
men, damit die Wahrscheinlichkeit dafür, dass man ein zusammenpassendes Paar dabei
hat, mindestens 50 % beträgt? Berechnen Sie dazu schrittweise (Socken für Socken) die
Warscheinlichkeiten dafür, dass bis dahin ein Sockenpaar aufgetaucht ist.

Lösung: Zur Lösung gehe ich schrittweise Socken für Socken vor.

1. Zugriff: Bei nur einem Socken kann es noch keine Übereinstimmung geben. Daher:

P1 = 0

2. Zugriff: 9 Socken sind noch auf dem Haufen, davon kann nur einer passen. Daher:

1
P2 = ≈ 11,11%
9
3. Zugriff: Nehmen wir zunächst an, zwei verschiedene Socken sind schon da. Von
den 8 Socken auf dem Haufen würden zwei ein Paar mit einem der vorhandenen Socken
bilden. Damit ergibt sich die Wahrscheinlichkeit, beim dritten Zugriff erfolgreich zu sein:

2 1
P3 = =
8 4
Dazu kommt noch die Wahrscheinlichkeit, bereits im zweiten Zugriff erfolgreich gewesen
zu sein. Wir erhalten insgesamt:

1 1 13
P3ges = P2 + P3 = + = ≈ 36,11%
9 4 36
4. Zugriff: Nehmen wir zunächst an, drei verschiedene Socken sind schon da. Von
den 7 Socken auf dem Haufen würden drei ein Paar mit einem der vorhandenen Socken
bilden. Damit ergibt sich die Wahrscheinlichkeit, beim dritten Zugriff erfolgreich zu sein:

3
P4 =
7
Dazu kommt noch die Wahrscheinlichkeit, bereits vorher schon erfolgreich gewesen zu
sein. Wir erhalten insgesamt:

13 3 91 + 108 199
P4ges = P3ges + P4 = + = = ≈ 78,97%
36 7 252 252
Das ist schon mehr als die geforderten 50 %. Ergebnis:

Spätestens beim vierten gezogenen Socken beträgt die Wahrscheinlichkeit über 50 %.

36
8.9 Aufgabe 9
In einer Lieferung von 100 Transistoren sind 5 defekt. Es werden 3 Transistoren aus-
gewählt und geprüft.

b) Ein intakter Transistor kostet 1,00 e, ein defekter Transistor ist wertlos. Berechnen
Sie den Erwartungswert für den Gesamtwert von drei beliebig entnommen Transisto-
ren an.

Lösung a:

95 5
100 100

ok def
94 5 95 4
99 99 99 99

ok def ok def
93 5 94 4 94 4 95 3
98 98 98 98 98 98 98 98

ok def ok def ok def ok def

Sinnvollerweise arbeitet man hier mit der Gegenwahrscheinlichkeit. Dazu bestimmt

man zunächst die Wahrscheinlichkeit für 3 intakte Transistoren und subtrahiert das
Ergebnis von 1.
95 94 93
P (≥ 1) = 1 − · · ≈ 14,40 %
100 99 98
Möglich ist die Lösung auch ohne die Methode der Gegenwahrscheinlichkeit. Das ist aber
wesentlich umständlicher, weil die Wahrscheinlichkeiten von 7 möglichen Fällen addiert
werden müssen. Der zugehörige Ansatz sähe dann so aus:
95 94 5 95 5 94 5 95 94 95 5 4 5 95 4 5 4 95 5 4 3
P (≥ 1) = · · + · · + · · + · · + · · + · · + · ·
100 99 98 100 99 98 100 99 98 100 99 98 100 99 98 100 99 98 100 99 98
| {z } | {z } | {z }
1 defekt 2 defekt 3 defekt

37
Lösung b: Grundsätzlich sind 4 unterschiedliche Ergebnisse möglich:

1. P (0d): Alle drei Transistoren sind ok.

2. P (1d): Zwei Transistoren sind ok, einer defekt.

3. P (2d): Ein Transistor ist ok, zwei sind defekt.

4. P (3d): Alle drei Transistoren sind defekt.

Zunächst werden die Wahrscheinlichkeiten für diese vier Fälle für jeweils einen Zweig
bestimmt. Wie man im Baum leicht erkennen kann, treten die Fälle 2 und 3 jeweils in
drei verschiedenen Zweigen auf. Die zugehörigen Werte müssen daher dreifach berechnet
werden.
95 94 93
P (0d) = · ·
100 99 98
95 94 5
P (1d) = 3 · · ·
100 99 98
95 5 4
P (2d) = 3 · · ·
100 99 98
5 4 3
P (3d) = · ·
100 99 98
E = P (0d) · 3 e + P (1d) · 2 e + P (2d) · 1 e + P (3d) · 0 e
| {z }
entfällt
95 · 94 · 93 95 · 94 · 5 95 · 5 · 4
= · 3e + 3 · · 2e + 3 · · 1e
100 · 99 · 98 100 · 99 · 98 100 · 99 · 98
≈ 2,568 e + 0,671 e + 0,059 e
E ≈ 2,85 e

Ergebnis: Der Erwartungswert beträgt 2,85 e.

38
8.10 Aufgabe 10
In einer Schachtel liegen verschiedene Münzen: