Kostenlose Arbeitsblätter

- Welche zwei grundlegenden Bedingungen müssen die Wahrscheinlichkeiten der einzelnen Ergebnisse erfüllen? - Prüfe sowohl die Summe als auch die Vorzeichen der angegebenen Werte.

1. Bei Modell A sind alle Wahrscheinlichkeiten nichtnegativ und ihre Summe ist \(0{,}2+0{,}5+0{,}3=1\). Modell A ist gültig. 2. Bei Modell B ist zwar die Summe \(0{,}4+0{,}7-0{,}1=1\), aber \(P(c)=-0{,}1<0\). Eine Wahrscheinlichkeit darf nicht negativ sein. 3. Daher ist nur Modell A gültig.

Nur Modell A ist gültig.

- Welche Gesamtwahrscheinlichkeit hat der vollständige Ergebnisraum? - Wie kannst du den fehlenden Anteil aus den beiden bekannten Anteilen bestimmen?

1. Da \(A\), \(B\) und \(C\) den Ergebnisraum vollständig und ohne Überschneidung zerlegen, gilt \(P(A)+P(B)+P(C)=1\). 2. Daher ist \(P(C)=1-0{,}25-0{,}35=0{,}40\).

\(P(C)=0{,}40\)

- Stelle dir vor, die Gesamtwahrscheinlichkeit von 1 wird in eine bestimmte Anzahl gleicher Teile zerlegt. - Wie viele dieser Teile entfallen auf jedes Ergebnis, wenn du das gegebene Verhältnis betrachtest? - Überlege dir, welche Ergebnisse gleichzeitig in beiden Ereignissen vorkommen. - Was bedeutet es für die Wahrscheinlichkeit der Vereinigung, wenn alle möglichen Ergebnisse abgedeckt sind?

1. Bestimmung der Gesamtzahl der Anteile aus dem Verhältnis \(2 : 1 : 4 : 2 : 3\): \(2 + 1 + 4 + 2 + 3 = 12\). 2. Berechnung der Einzelwahrscheinlichkeiten durch Division der Anteile durch die Gesamtzahl: \(P(S_1) = \frac{2}{12} = \frac{1}{6}\) \(P(S_2) = \frac{1}{12}\) \(P(S_3) = \frac{4}{12} = \frac{1}{3}\) \(P(S_4) = \frac{2}{12} = \frac{1}{6}\) \(P(S_5) = \frac{3}{12} = \frac{1}{4}\) 3. Berechnung der Wahrscheinlichkeiten für die Ereignisse durch Summation der Elementarereignisse: \(P(A) = P(S_1) + P(S_2) + P(S_3) = \frac{2+1+4}{12} = \frac{7}{12}\) \(P(B) = P(S_3) + P(S_4) + P(S_5) = \frac{4+2+3}{12} = \frac{9}{12} = \frac{3}{4}\) 4. Schnittmenge \(A \cap B = \{S_3\}\): \(P(A \cap B) = P(S_3) = \frac{4}{12} = \frac{1}{3}\). 5. Vereinigungsmenge \(A \cup B = \{S_1; S_2; S_3; S_4; S_5\}\): \(P(A \cup B) = \frac{2+1+4+2+3}{12} = 1\).

a) \(P(S_1) = \frac{1}{6}\), \(P(S_2) = \frac{1}{12}\), \(P(S_3) = \frac{1}{3}\), \(P(S_4) = \frac{1}{6}\), \(P(S_5) = \frac{1}{4}\) b) \(P(A) = \frac{7}{12}\), \(P(B) = \frac{3}{4}\), \(P(A \cap B) = \frac{1}{3}\), \(P(A \cup B) = 1\)

- Was weißt du über die Summe aller Wahrscheinlichkeiten in einem Ergebnisraum? - Kannst du die Beziehung zwischen den beiden unbekannten Ergebnissen mathematisch ausdrücken? - Wie berechnet man die Wahrscheinlichkeit eines Ereignisses, wenn die Wahrscheinlichkeiten der einzelnen Ergebnisse bekannt sind?

1. Aufstellen der Summenbedingung für die Wahrscheinlichkeiten: \(P(x_1) + P(x_2) + P(x_3) + P(x_4) = 1\). 2. Einsetzen der bekannten Werte und der Relation \(P(x_3) = 3 \cdot P(x_4)\): \(0{,}12 + 0{,}28 + 3 \cdot P(x_4) + P(x_4) = 1\). 3. Zusammenfassen und Lösen nach \(P(x_4)\): \(0{,}40 + 4 \cdot P(x_4) = 1 \Rightarrow 4 \cdot P(x_4) = 0{,}60 \Rightarrow P(x_4) = 0{,}15\). 4. Berechnung von \(P(x_3)\): \(P(x_3) = 3 \cdot 0{,}15 = 0{,}45\). 5. Berechnung der Wahrscheinlichkeit des Ereignisses \(E\): \(P(E) = P(x_1) + P(x_3) = 0{,}12 + 0{,}45 = 0{,}57\).

Die Wahrscheinlichkeiten sind \(P(x_3) = 0{,}45\) und \(P(x_4) = 0{,}15\). Die Wahrscheinlichkeit des Ereignisses \(E\) beträgt \(P(E) = 0{,}57\).

- Überlege dir, welche Werte die Anzahl der Elemente einer Teilmenge \(|A|\) im Vergleich zur Gesamtmenge \(n\) annehmen kann. - Was passiert mit der Anzahl der günstigen Ergebnisse, wenn du das sichere Ereignis \(\Omega\) betrachtest? - Wenn zwei Mengen keine gemeinsamen Elemente haben, wie berechnet man dann die Anzahl der Elemente in ihrer Vereinigung?

1. Nichtnegativität: Da die Mächtigkeit einer Menge \(|A|\) stets eine natürliche Zahl oder Null ist (\(|A| \in \{0, 1, \dots, n\}\)) und die Gesamtzahl der Ergebnisse \(n > 0\) ist, folgt für den Quotienten unmittelbar \(P(A) = \frac{|A|}{n} \ge 0\). 2. Normierung: Setzt man für das Ereignis den gesamten Ergebnisraum ein (\(A = \Omega\)), so gilt \(|A| = n\). Daraus ergibt sich \(P(\Omega) = \frac{n}{n} = 1\). 3. Additivität: Sind \(A\) und \(B\) unvereinbar (\(A \cap B = \emptyset\)), so enthält die Vereinigungsmenge genau die Summe der Elemente der Einzelmengen, also \(|A \cup B| = |A| + |B|\). Einsetzen in die Laplace-Formel liefert \(P(A \cup B) = \frac{|A| + |B|}{n} = \frac{|A|}{n} + \frac{|B|}{n} = P(A) + P(B)\).

Die Laplace-Wahrscheinlichkeit erfüllt die Axiome, da: 1. \(|A| \ge 0 \implies \frac{|A|}{n} \ge 0\). 2. \(|\Omega| = n \implies \frac{n}{n} = 1\). 3. \(|A \cup B| = |A| + |B|\) für disjunkte Mengen direkt zur Summe der Brüche führt.

- Wann darf man davon ausgehen, dass alle Ergebnisse die gleiche Wahrscheinlichkeit haben? - Erinnere dich an die Definition von Primzahlen, um die Menge \(A\) zu bestimmen. - Wenn eine Wahrscheinlichkeit ein Vielfaches einer anderen ist, kannst du eine Variable (z. B. \(x\)) verwenden, um die Beziehungen auszudrücken. - Welches Axiom hilft dir dabei, den Wert der Variablen \(x\) eindeutig zu berechnen?

a) Es wird die Laplace-Definition verwendet, da bei einem fairen Würfel alle Ergebnisse als gleich wahrscheinlich angenommen werden (Symmetrieprinzip). Die Primzahlen im Wurf sind \(\{2, 3, 5\}\). Es gilt \(P(A) = \frac{|A|}{|\Omega|} = \frac{3}{6} = 0{,}5\). b) Sei \(x\) die Wahrscheinlichkeit für ein Ergebnis \(k \in \{1, 2, 3, 4, 5\}\). Dann gilt \(P(\{1\}) = P(\{2\}) = P(\{3\}) = P(\{4\}) = P(\{5\}) = x\) und \(P(\{6\}) = 3 \cdot x\). Nach dem Normiertheitsaxiom muss die Summe aller Wahrscheinlichkeiten der Elementarereignisse \(1\) ergeben: \(x + x + x + x + x + 3 \cdot x = 1\). Dies führt zu \(8 \cdot x = 1\), also \(x = 0{,}125\). Daraus ergeben sich die Wahrscheinlichkeiten: \(P(\{1\}) = P(\{2\}) = P(\{3\}) = P(\{4\}) = P(\{5\}) = 0{,}125\) und \(P(\{6\}) = 3 \cdot 0{,}125 = 0{,}375\). Das Axiom der Nichtnegativität ist erfüllt, da alle Werte größer als null sind.

a) Laplace-Definition; \(P(A) = 0{,}5\). b) Die Wahrscheinlichkeiten der Elementarereignisse lauten: \(P(\{1\}) = P(\{2\}) = P(\{3\}) = P(\{4\}) = P(\{5\}) = 0{,}125\) und \(P(\{6\}) = 0{,}375\).

- Was bedeutet es für die Summe der Wahrscheinlichkeiten, wenn Ereignisse eine Zerlegung des gesamten Ergebnisraums bilden? - Wie kannst du die Information über den Zusammenhang zwischen zwei Wahrscheinlichkeiten mathematisch ausdrücken? - Überlege dir, wie groß die Wahrscheinlichkeit für das gleichzeitige Eintreten zweier Ereignisse ist, die sich gegenseitig ausschließen. - Kannst du eine Gleichung aufstellen, in der nur noch eine unbekannte Wahrscheinlichkeit vorkommt?

1. Berechnung von \(P(B)\) über den gegebenen Faktor: \(P(B) = 2 \cdot 0{,}15 = 0{,}3\). 2. Aufstellen der Summenbedingung für eine Zerlegung: \(P(A) + P(B) + P(C) + P(D) = 1\). 3. Einsetzen der bekannten Werte und der Beziehung \(P(C) = P(D) + 0{,}1\): \(0{,}15 + 0{,}3 + (P(D) + 0{,}1) + P(D) = 1\). 4. Zusammenfassen und Lösen der linearen Gleichung: \(0{,}55 + 2 \cdot P(D) = 1 \Rightarrow 2 \cdot P(D) = 0{,}45 \Rightarrow P(D) = 0{,}225\). 5. Berechnung von \(P(C)\): \(P(C) = 0{,}225 + 0{,}1 = 0{,}325\). 6. Berechnung der Wahrscheinlichkeit der Vereinigung disjunkter Ereignisse: \(P(A \cup B \cup C) = P(A) + P(B) + P(C) = 0{,}15 + 0{,}3 + 0{,}325 = 0{,}775\). 7. Bestimmung des Schnitts: Da die Ereignisse eine Zerlegung bilden, sind sie paarweise disjunkt, woraus \(P(B \cap D) = 0\) folgt.

a) \(P(B) = 0{,}3\); \(P(C) = 0{,}325\); \(P(D) = 0{,}225\) b) \(P(A \cup B \cup C) = 0{,}775\); \(P(B \cap D) = 0\)

- Erinnere dich an die Beziehung zwischen einer Menge und ihrer Vereinigung mit einer anderen Menge. - Welche grundlegende Eigenschaft müssen Ereignisse haben, damit man ihre Wahrscheinlichkeiten einfach addieren darf? - Wie lautet die Formel für \(P(A \cup B)\), wenn die Ereignisse nicht disjunkt sind? - Welches Vorzeichen hat die Wahrscheinlichkeit eines Schnittereignisses immer?

1. Nach der Definition der Vereinigung gilt \(A \subseteq (A \cup B)\). Es gilt die disjunkte Zerlegung \(A \cup B = A \mathbin{\dot\cup} (B \setminus A)\). Nach Additivität und Nichtnegativität ist \(P(A \cup B) = P(A) + P(B \setminus A) \ge P(A)\). 2. Die Gleichheit \(P(A \cup B) = P(A) + P(B)\) ist insbesondere dann erfüllt, wenn die Ereignisse \(A\) und \(B\) unvereinbar (disjunkt) sind, also \(A \cap B = \emptyset\). Allgemein genügt dafür \(P(A \cap B)=0\); Disjunktheit ist die passende mengentheoretische Bedingung. 3. Der allgemeine Additionssatz lautet \(P(A \cup B) = P(A) + P(B) - P(A \cap B)\). Da Wahrscheinlichkeiten nicht negativ sind (\(P(A \cap B) \ge 0\)), wird von der Summe \(P(A) + P(B)\) entweder Null oder ein positiver Wert subtrahiert, woraus \(P(A \cup B) \le P(A) + P(B)\) folgt.

1. Aus \(A \cup B = A \mathbin{\dot\cup} (B \setminus A)\), der Additivität und \(P(B \setminus A) \ge 0\) folgt \(P(A) \le P(A \cup B)\). 2. Eine ausreichende mengentheoretische Bedingung ist \(A \cap B = \emptyset\) (Disjunktheit); allgemein reicht \(P(A \cap B)=0\). 3. Aus \(P(A \cup B) = P(A) + P(B) - P(A \cap B)\) und \(P(A \cap B) \ge 0\) folgt die Behauptung.

- Überlege dir zuerst, wie viele Zahlen im Bereich von 1 bis 100 die jeweilige Bedingung erfüllen. - Was bedeutet es mathematisch, wenn eine Zahl durch zwei verschiedene Zahlen gleichzeitig teilbar sein muss? - Erinnere dich an die Formel, die die Wahrscheinlichkeit von „Ereignis A oder Ereignis B“ mit ihren Einzelwahrscheinlichkeiten und ihrer Schnittmenge verknüpft. - Wenn du die Wahrscheinlichkeit für ein Ereignis kennst, wie berechnest du dann die Wahrscheinlichkeit, dass dieses Ereignis gerade nicht eintritt?

1. Berechnung von \(P(A)\): Im Bereich von 1 bis 100 gibt es \(\lfloor 100 : 6 \rfloor = 16\) Vielfache von 6. Somit ist \(P(A) = \frac{16}{100} = 0{,}16\). 2. Berechnung von \(P(B)\): Es gibt \(\lfloor 100 : 8 \rfloor = 12\) Vielfache von 8. Somit ist \(P(B) = \frac{12}{100} = 0{,}12\). 3. Berechnung von \(P(A \cap B)\): Eine Zahl ist durch 6 und 8 teilbar, wenn sie durch das kleinste gemeinsame Vielfache \(\text{kgV}(6, 8) = 24\) teilbar ist. Es gibt \(\lfloor 100 : 24 \rfloor = 4\) solche Zahlen (24, 48, 72, 96). Somit ist \(P(A \cap B) = \frac{4}{100} = 0{,}04\). 4. Anwendung der Summenregel: \(P(A \cup B) = P(A) + P(B) - P(A \cap B) = 0{,}16 + 0{,}12 - 0{,}04 = 0{,}24\). 5. Berechnung des Komplementärereignisses: Die Wahrscheinlichkeit, dass die Zahl weder durch 6 noch durch 8 teilbar ist, entspricht \(P(\overline{A \cup B}) = 1 - P(A \cup B) = 1 - 0{,}24 = 0{,}76\).

a) \(P(A) = 0{,}16\); \(P(B) = 0{,}12\) b) \(P(A \cap B) = 0{,}04\) c) \(P(A \cup B) = 0{,}24\) d) \(P(\overline{A \cup B}) = 0{,}76\)

- Denk daran, dass die Summe aller Wahrscheinlichkeiten in einem Zufallsexperiment immer genau 1 sein muss. - Berechne zuerst, wie viel Wahrscheinlichkeit für die restlichen Ergebnisse übrig bleibt, nachdem du den bekannten Wert abgezogen hast. - Wie kannst du diesen Restbetrag fair auf die Anteile im Verhältnis aufteilen? - Für die Mengenoperationen: Welche Elemente liegen in beiden Mengen, und welche liegen in mindestens einer der beiden Mengen?

1. Da die Summe aller Wahrscheinlichkeiten 1 ergeben muss, beträgt die Summe für die verbleibenden Ergebnisse: \(P(e_2) + P(e_3) + P(e_4) = 1 - 0{,}2 = 0{,}8\). 2. Aufteilung der restlichen \(0{,}8\) gemäß dem Verhältnis \(1 : 2 : 5\). Die Summe der Verhältnisanteile ist \(1 + 2 + 5 = 8\). 3. Wert eines Anteils: \(0{,}8 : 8 = 0{,}1\). 4. Berechnung der Einzelwahrscheinlichkeiten: \(P(e_2) = 1 \cdot 0{,}1 = 0{,}1\) \(P(e_3) = 2 \cdot 0{,}1 = 0{,}2\) \(P(e_4) = 5 \cdot 0{,}1 = 0{,}5\) 5. Berechnung der Ereigniswahrscheinlichkeiten: \(P(E) = P(e_1) + P(e_3) = 0{,}2 + 0{,}2 = 0{,}4\) \(P(F) = P(e_2) + P(e_3) = 0{,}1 + 0{,}2 = 0{,}3\) 6. Schnittmenge \(E \cap F = \{e_3\}\): \(P(E \cap F) = 0{,}2\). 7. Vereinigungsmenge \(E \cup F = \{e_1; e_2; e_3\}\): \(P(E \cup F) = 0{,}2 + 0{,}1 + 0{,}2 = 0{,}5\).

a) \(P(e_1) = 0{,}2\); \(P(e_2) = 0{,}1\); \(P(e_3) = 0{,}2\); \(P(e_4) = 0{,}5\) b) \(P(E) = 0{,}4\); \(P(F) = 0{,}3\); \(P(E \cap F) = 0{,}2\); \(P(E \cup F) = 0{,}5\)

- Was weißt du über die Summe aller Wahrscheinlichkeiten in einem Zufallsexperiment? - Stelle eine Gleichung auf, in der die unbekannte Wahrscheinlichkeit \(p\) vorkommt. - Was ist die Grundvoraussetzung, um die Laplace-Formel verwenden zu dürfen? - Unterscheide zwischen idealen Zufallsgeräten und manipulierten Objekten.

1. Sei \(p\) die Wahrscheinlichkeit für eine der Augenzahlen \(1\) bis \(5\). Dann gilt für die Augenzahl \(6\) die Wahrscheinlichkeit \(2 \cdot p\). Nach dem Normierungsaxiom muss die Summe aller Wahrscheinlichkeiten \(1\) ergeben: \(5 \cdot p + 2 \cdot p = 1 \Rightarrow 7 \cdot p = 1 \Rightarrow p = \frac{1}{7}\). Die Wahrscheinlichkeit für eine „6“ ist somit \(P(6) = 2 \cdot \frac{1}{7} = \frac{2}{7} \approx 0{,}2857\). 2. Der Laplace-Begriff setzt voraus, dass alle Elementarereignisse des Ergebnisraums gleich wahrscheinlich sind (Symmetrieprinzip). Da der Würfel gezinkt ist, sind die Elementarereignisse nicht gleichwahrscheinlich, wodurch die Laplace-Formel \(P(A) = \frac{|A|}{|\Omega|}\) nicht anwendbar ist.

1. Die Wahrscheinlichkeit für eine „6“ beträgt \(\frac{2}{7} \approx 0{,}2857\). 2. Der Laplace-Begriff ist nicht anwendbar, da die Bedingung der Gleichwahrscheinlichkeit aller Elementarereignisse aufgrund der Manipulation des Würfels nicht erfüllt ist.

- Nutze die Eigenschaft, dass die Summe der Wahrscheinlichkeiten aller Ergebnisse immer 1 ergibt. - Überlege, welches Ergebnis nicht in Ereignis A enthalten ist. Wie hängen deren Wahrscheinlichkeiten zusammen? - Wie viele Teilmengen hat eine Menge mit drei Elementen? - Ein Ereignis ist eine Teilmenge des Ergebnisraums. Addiere einfach die Wahrscheinlichkeiten der enthaltenen Ergebnisse.

1. Anwendung der Axiome: \(P(\omega_1) + P(\omega_2) + P(\omega_3) = 1\). 2. Bestimmung von \(P(\omega_3)\) über das Komplement von \(A\): \(P(\omega_3) = 1 - P(A) = 1 - 0{,}55 = 0{,}45\). 3. Bestimmung von \(P(\omega_1)\) über das Komplement von \(B\): \(P(\omega_1) = 1 - P(B) = 1 - 0{,}75 = 0{,}25\). 4. Berechnung von \(P(\omega_2)\): \(P(\omega_2) = 1 - 0{,}25 - 0{,}45 = 0{,}30\). 5. Auflistung aller Teilmengen von \(\Omega\) und Summation der entsprechenden Elementarwahrscheinlichkeiten: \(\emptyset \to 0\) \(\{\omega_1\} \to 0{,}25\) \(\{\omega_2\} \to 0{,}30\) \(\{\omega_3\} \to 0{,}45\) \(\{\omega_1, \omega_2\} \to 0{,}55\) \(\{\omega_1, \omega_3\} \to 0{,}25 + 0{,}45 = 0{,}70\) \(\{\omega_2, \omega_3\} \to 0{,}75\) \(\{\omega_1, \omega_2, \omega_3\} \to 1\)

Die Wahrscheinlichkeiten der Ergebnisse sind: \(P(\omega_1) = 0{,}25\); \(P(\omega_2) = 0{,}30\); \(P(\omega_3) = 0{,}45\). Alle möglichen Ereignisse und ihre Wahrscheinlichkeiten sind: \(P(\emptyset) = 0\) \(P(\{\omega_1\}) = 0{,}25\) \(P(\{\omega_2\}) = 0{,}30\) \(P(\{\omega_3\}) = 0{,}45\) \(P(\{\omega_1, \omega_2\}) = 0{,}55\) \(P(\{\omega_1, \omega_3\}) = 0{,}70\) \(P(\{\omega_2, \omega_3\}) = 0{,}75\) \(P(\Omega) = 1\)

- Erinnere dich an den Zusammenhang zwischen absoluter Häufigkeit \(H_N\) und relativer Häufigkeit \(h_N\). - Warum kann eine absolute oder relative Häufigkeit niemals negativ sein? - Wie oft tritt ein Ergebnis aus \(\Omega\) insgesamt ein, wenn man ein Experiment \(N\)-mal durchführt? - Was bedeutet „unvereinbar“ für das Zählen von Ergebnissen in einer Versuchsreihe? Kann ein Versuch gleichzeitig zu zwei unvereinbaren Ereignissen zählen?

1. Nichtnegativitätsaxiom: Die absolute Häufigkeit \(H_N(A)\) ist eine nichtnegative Anzahl. Für \(N>0\) folgt daher \(h_N(A) = \frac{H_N(A)}{N} \ge 0\). 2. Normierungsaxiom: Bei \(N\) Durchführungen eines Zufallsexperiments tritt bei jedem einzelnen Versuch ein Ergebnis aus dem Ergebnisraum \(\Omega\) ein. Somit entspricht die absolute Häufigkeit des sicheren Ereignisses der Gesamtzahl der Versuche, \(H_N(\Omega) = N\). Für die relative Häufigkeit folgt \(h_N(\Omega) = \frac{H_N(\Omega)}{N} = \frac{N}{N} = 1\). 3. Additivitätsaxiom: Wenn \(A\) und \(B\) unvereinbar sind, kann kein Versuchsergebnis gleichzeitig in \(A\) und in \(B\) liegen. Die Anzahl der Versuche, bei denen \(A\) oder \(B\) eintritt, ist daher die Summe der jeweiligen absoluten Häufigkeiten: \(H_N(A \cup B) = H_N(A) + H_N(B)\). 4. Durch Division der Gleichung durch \(N\) erhält man \(\frac{H_N(A \cup B)}{N} = \frac{H_N(A)}{N} + \frac{H_N(B)}{N}\). Damit gilt \(h_N(A \cup B) = h_N(A) + h_N(B)\).

Die relative Häufigkeit erfüllt die drei Axiome: \(h_N(A) \ge 0\), weil \(H_N(A)\) eine nichtnegative Anzahl ist; \(H_N(\Omega)=N\) führt zu \(h_N(\Omega)=1\); und für unvereinbare Ereignisse gilt \(H_N(A \cup B)=H_N(A)+H_N(B)\), woraus nach Division durch \(N\) die Additivität folgt.

- Überlege dir, wie man den gesamten Ergebnisraum mithilfe eines Ereignisses und seines Gegenteils ausdrücken kann. - Welches Axiom macht eine Aussage über die Wahrscheinlichkeit des gesamten Ergebnisraums? - Wenn eine Menge in einer anderen enthalten ist, wie kannst du die größere Menge in zwei disjunkte (überschneidungsfreie) Teile zerlegen? - Welches Axiom garantiert, dass Wahrscheinlichkeiten niemals negativ sind?

1. Zerlegung des Ergebnisraums: Da \(A \cup \overline{A} = \Omega\) und \(A \cap \overline{A} = \emptyset\) (disjunkt), folgt aus dem Additivitätsaxiom (Axiom 3): \(P(A \cup \overline{A}) = P(A) + P(\overline{A})\). 2. Anwendung der Normiertheit: Nach Axiom 2 ist \(P(\Omega) = 1\). Durch Gleichsetzen erhält man \(P(A) + P(\overline{A}) = 1\), woraus durch Umformung \(P(\overline{A}) = 1 - P(A)\) folgt. 3. Zerlegung von \(B\): Wenn \(A \subseteq B\), kann \(B\) als Vereinigung der disjunkten Mengen \(A\) und \(B \setminus A\) dargestellt werden: \(B = A \cup (B \setminus A)\). 4. Anwendung von Axiom 3: Es gilt \(P(B) = P(A) + P(B \setminus A)\). 5. Schlussfolgerung: Da nach Axiom 1 (Nichtnegativität) stets \(P(B \setminus A) \ge 0\) gilt, muss \(P(B) \ge P(A)\) sein.

a) \(P(\overline{A}) = 1 - P(A)\) b) \(P(B) = P(A) + P(B \setminus A)\), woraus wegen \(P(B \setminus A) \ge 0\) folgt: \(P(A) \le P(B)\).

- Was besagen die drei Axiome von Kolmogorow über die Summe aller Wahrscheinlichkeiten und über die Vorzeichen einzelner Wahrscheinlichkeiten? - Wie hängen die Wahrscheinlichkeiten von Teilmengen mit den Wahrscheinlichkeiten der einzelnen Ergebnisse zusammen? - Kannst du ein Gleichungssystem aufstellen, um die Wahrscheinlichkeiten der einzelnen Ergebnisse zu berechnen? - Überprüfe am Ende, ob alle berechneten Werte im erlaubten Bereich liegen.

1. Nach dem Normiertheitsaxiom gilt \(P(\Omega) = P(\{e_1, e_2, e_3\}) = 1\). 2. Da die Elementarereignisse disjunkt sind, gilt nach dem Additivitätsaxiom \(P(\{e_1, e_2\}) + P(\{e_3\}) = P(\Omega)\). 3. Einsetzen der gegebenen Werte ergibt \(0{,}3 + P(\{e_3\}) = 1\), woraus \(P(\{e_3\}) = 0{,}7\) folgt. 4. Analog gilt \(P(\{e_2, e_3\}) = P(\{e_2\}) + P(\{e_3\})\). Einsetzen ergibt \(0{,}6 = P(\{e_2\}) + 0{,}7\), woraus \(P(\{e_2\}) = -0{,}1\) folgt. 5. Aus \(P(\{e_1, e_2\}) = P(\{e_1\}) + P(\{e_2\})\) folgt \(0{,}3 = P(\{e_1\}) - 0{,}1\), also \(P(\{e_1\}) = 0{,}4\). 6. Das Axiom der Nichtnegativität besagt, dass für jedes Ereignis \(A\) gelten muss: \(P(A) \geq 0\). 7. Da \(P(\{e_2\}) = -0{,}1 < 0\), ist dieses Axiom verletzt. Eine solche Wahrscheinlichkeitsverteilung kann daher nicht existieren.

Eine solche Wahrscheinlichkeitsverteilung kann nicht existieren. Die Berechnung der Elementarereignisse ergibt \(P(\{e_1\}) = 0{,}4\), \(P(\{e_2\}) = -0{,}1\) und \(P(\{e_3\}) = 0{,}7\). Da \(P(\{e_2\}) < 0\) ist, wird das Axiom der Nichtnegativität verletzt.

- Was bedeutet es für die Berechnung der Wahrscheinlichkeiten, wenn Ereignisse unvereinbar sind? - Kannst du ein Gleichungssystem mit den drei gesuchten Wahrscheinlichkeiten aufstellen? - Überlege, was passiert, wenn du alle gegebenen Gleichungen addierst. - Wie hängen die Summen von zwei Ereignissen mit der Summe aller drei Ereignisse zusammen?

1. Da die Ereignisse paarweise unvereinbar sind, gilt nach dem Additivitätsaxiom: \(P(G) + P(S) = 0{,}35\), \(P(S) + P(B) = 0{,}85\) und \(P(G) + P(B) = 0{,}80\). 2. Durch Addition der drei Gleichungen erhält man \(2 \cdot (P(G) + P(S) + P(B)) = 0{,}35 + 0{,}85 + 0{,}80 = 2{,}00\). 3. Daraus folgt für die Gesamtwahrscheinlichkeit der drei Sektoren: \(P(G \cup S \cup B) = P(G) + P(S) + P(B) = 1{,}00\). 4. Die Einzelwahrscheinlichkeiten ergeben sich durch Subtraktion der gegebenen Summen von der Gesamtsumme: \(P(B) = 1{,}00 - 0{,}35 = 0{,}65\) \(P(G) = 1{,}00 - 0{,}85 = 0{,}15\) \(P(S) = 1{,}00 - 0{,}80 = 0{,}20\)

\(P(G) = 0{,}15\); \(P(S) = 0{,}20\); \(P(B) = 0{,}65\)

- Übersetze die textlichen Formulierungen (wie „halb so groß“ oder „mindestens eines“) in mathematische Gleichungen. - Nutze die Eigenschaft der Unvereinbarkeit, um die Wahrscheinlichkeit von Vereinigungen als Summen zu schreiben. - Versuche, eine Unbekannte nach der anderen durch Einsetzen zu bestimmen.

1. Aufgrund der paarweisen Unvereinbarkeit gilt: \(P(A) + P(B) + P(C) = 0{,}90\). 2. Aus den weiteren Bedingungen ergeben sich die Gleichungen \(P(A) = 0{,}5 \cdot P(B)\) und \(P(B) + P(C) = 0{,}70\). 3. Setzt man die dritte Gleichung in die erste ein, erhält man \(P(A) + 0{,}70 = 0{,}90\), woraus \(P(A) = 0{,}20\) folgt. 4. Mit der Bedingung \(P(A) = 0{,}5 \cdot P(B)\) ergibt sich \(0{,}20 = 0{,}5 \cdot P(B)\), also \(P(B) = 0{,}40\). 5. Einsetzen in \(P(B) + P(C) = 0{,}70\) liefert \(0{,}40 + P(C) = 0{,}70\), woraus \(P(C) = 0{,}30\) folgt.

\(P(A) = 0{,}20\); \(P(B) = 0{,}40\); \(P(C) = 0{,}30\)

- Was weißt du über den maximalen Wert, den eine Wahrscheinlichkeit annehmen kann? - Wie berechnet man die Wahrscheinlichkeit der Vereinigung zweier Ereignisse, wenn sie sich überschneiden? - Überlege dir, wie die Mengen zueinander liegen müssen, damit die Vereinigung so klein wie möglich wird. - Kann die Summe der Einzelwahrscheinlichkeiten größer als die Wahrscheinlichkeit der Vereinigung sein?

1. Nach der Additionsregel gilt \(P(A\cup B)=P(A)+P(B)-P(A\cap B)\). Da \(P(A\cup B)\leq1\), folgt \(1{,}1-P(A\cap B)\leq1\) und damit \(P(A\cap B)\geq0{,}1\). Die Schnittwahrscheinlichkeit ist also positiv; daher können \(A\) und \(B\) nicht unvereinbar sein. 2. Der größte mögliche Wert von \(P(A\cup B)\) ist \(1\), entsprechend der kleinsten möglichen Schnittwahrscheinlichkeit \(0{,}1\). Der kleinste Wert der Vereinigung ist \(0{,}7\); er tritt ein, wenn \(B\subseteq A\) und somit \(P(A\cap B)=0{,}4\) gilt. Daher ist \(P(A\cup B)\in[0{,}7;1]\).

1. Die Summe \(P(A) + P(B) = 1{,}1\) übersteigt den maximal zulässigen Wert \(1\) für \(P(A \cup B)\). Da \(P(A \cup B) = P(A) + P(B) - P(A \cap B) \le 1\) gelten muss, folgt \(P(A \cap B) \ge 0{,}1\). Somit sind die Ereignisse nicht unvereinbar. 2. Das Intervall ist \([0{,}7; 1]\).

- Welche Eigenschaft müssen die Wahrscheinlichkeiten der Ergebnisse in einem Laplace-Experiment erfüllen? - Wenn du weißt, dass eine Menge eine andere zu einem Ganzen ergänzt, wie hängen ihre Wahrscheinlichkeiten zusammen? - Wie verhält sich die Wahrscheinlichkeit der Schnittmenge, wenn zwei Ereignisse keine gemeinsamen Ergebnisse haben? - Versuche, alle unbekannten Wahrscheinlichkeiten durch eine einzige Variable auszudrücken.

1. Nutzung der Axiome von Kolmogorow für die Zerlegung: \(P(E_1) + P(E_2) + P(E_3) = 1\). 2. Einsetzen von \(P(E_1) = 0{,}25\) und der Relation \(P(E_2) = \frac{2}{3} \cdot P(E_3)\) in die Summenformel: \(0{,}25 + \frac{2}{3} \cdot P(E_3) + P(E_3) = 1\). 3. Vereinfachen der Gleichung: \(\frac{5}{3} \cdot P(E_3) = 0{,}75\). 4. Berechnung von \(P(E_3)\): \(P(E_3) = 0{,}75 \cdot \frac{3}{5} = \frac{3}{4} \cdot \frac{3}{5} = \frac{9}{20} = 0{,}45\). 5. Berechnung von \(P(E_2)\): \(P(E_2) = \frac{2}{3} \cdot 0{,}45 = 0{,}3\). 6. Bewertung bzgl. Laplace: Ein Laplace-Experiment setzt voraus, dass alle Elementarereignisse gleichwahrscheinlich sind. Da \(P(E_1) = 0{,}25\), \(P(E_2) = 0{,}3\) und \(P(E_3) = 0{,}45\) verschieden sind, ist diese Bedingung nicht erfüllt. 7. Berechnung der Vereinigung disjunkter Ereignisse: \(P(E_1 \cup E_2) = P(E_1) + P(E_2) = 0{,}25 + 0{,}3 = 0{,}55\). 8. Da die Ereignisse eine Zerlegung bilden, gilt für den Schnitt disjunkter Mengen \(P(E_2 \cap E_3) = 0\).

a) \(P(E_2) = 0{,}3\); \(P(E_3) = 0{,}45\) b) Es liegt kein Laplace-Experiment vor, da die Wahrscheinlichkeiten der Elementarereignisse nicht identisch sind (\(0{,}25 \neq 0{,}3 \neq 0{,}45\)). c) \(P(E_1 \cup E_2) = 0{,}55\); \(P(E_2 \cap E_3) = 0\)

- Unterscheide zwischen der Art und Weise, wie man einen Wert berechnet, und den Regeln, die für diesen Wert gelten müssen. - Welche Aussage beschreibt eine mathematische Spielregel und welche beschreibt eine Beobachtung oder eine Symmetrie? - Kann man bei einer Maschine die Defektwahrscheinlichkeit vorhersagen, ohne sie jemals laufen zu lassen?

a) Aussage I basiert auf dem Laplace-Begriff, da ein „fairer“ Würfel symmetrisch ist und alle vier Seitenflächen mit der gleichen Wahrscheinlichkeit von \(\frac{1}{4}\) auftreten. Die Primzahlen sind \(\{2; 3\}\), also \(2\) von \(4\) Ergebnissen (\(\frac{2}{4} = 0{,}5\)). Aussage II basiert auf dem empirischen Begriff, da die Fehlerquote der Maschine aus langfristig erhobenen Produktionsdaten gewonnen wird. b) Der axiomatische Begriff nach Kolmogorow (Aussage III) stellt den formalen, mathematischen Rahmen dar. Er definiert die Regeln, denen jede Wahrscheinlichkeit gehorchen muss (Nichtnegativität, Normiertheit, Additivität), unabhängig davon, wie der konkrete Zahlenwert (ob durch Symmetrieüberlegungen wie in I oder Datenanalyse wie in II) zustande gekommen ist. Er dient somit als theoretisches Fundament, das alle Interpretationen vereint.

a) I: Laplace-Wahrscheinlichkeit (wegen Symmetrie/Fairness); II: empirische Wahrscheinlichkeit (basiert auf Produktionsdaten). b) Die Axiome von Kolmogorow bilden das mathematische Fundament. Sie legen die formalen Eigenschaften fest, die sowohl für Laplace-Wahrscheinlichkeiten als auch für empirisch ermittelte Werte gelten müssen, ohne deren Herkunft vorzuschreiben.

- Was muss für die Summe aller Wahrscheinlichkeiten aller möglichen Einzelergebnisse in einem Zufallsexperiment immer gelten? - Stelle eine Gleichung auf, in der du alle Karten und ihre jeweiligen Wahrscheinlichkeiten berücksichtigst. - Welche Karten gehören genau zur Menge der „Bildkarten“? - Wie berechnet man die Wahrscheinlichkeit eines Ereignisses im Laplace-Fall?

1. Anwendung der Normierungsbedingung (Axiom von Kolmogorow): Die Summe aller Wahrscheinlichkeiten im Ergebnisraum muss 1 ergeben. Es gilt \(4 \cdot p + 4 \cdot (1{,}5 \cdot p) = 1\). Dies vereinfacht sich zu \(4 \cdot p + 6 \cdot p = 10 \cdot p = 1\), woraus \(p = 0{,}1\) folgt. 2. Berechnung der Wahrscheinlichkeit von \(E\): Das Ereignis \(E\) umfasst die Karten Bube, Dame und König. Jede dieser Karten hat nach der Gewichtung die Wahrscheinlichkeit \(1{,}5 \cdot 0{,}1 = 0{,}15\). Somit ist \(P(E) = 3 \cdot 0{,}15 = 0{,}45\). 3. Vergleich mit Laplace: Im Laplace-Modell hat jede der 8 Karten die Wahrscheinlichkeit \(\frac{1}{8} = 0{,}125\). Die Wahrscheinlichkeit für die drei Bildkarten beträgt dort \(P_L(E) = \frac{3}{8} = 0{,}375\). Das gewichtete Modell liefert eine um \(0{,}075\) höhere Wahrscheinlichkeit für Bildkarten.

a) \(p = 0{,}1\) b) \(P(E) = 0{,}45\) c) Im Laplace-Modell ist \(P_L(E) = 0{,}375\). Die Wahrscheinlichkeit im gewichteten Modell ist somit höher (\(45\,\%\) gegenüber \(37{,}5\,\%\)).

- Überlege dir zuerst, welche Zahlen zwischen 1 und 12 die jeweiligen Bedingungen erfüllen. - Bei einem Laplace-Experiment ist die Wahrscheinlichkeit eines Ereignisses das Verhältnis der Anzahl der günstigen Ergebnisse zur Anzahl der möglichen Ergebnisse. - „Oder“ bedeutet in der Mengenlehre die Vereinigung, also alle Elemente, die in mindestens einer der Mengen enthalten sind. - „Und nicht“ bedeutet, dass du die Schnittmenge mit dem Komplementärereignis bildest.

1. Ergebnismengen bestimmen: \(A = \{2; 3; 5; 7; 11\}\) (5 Elemente) \(B = \{1; 2; 3; 4; 6; 12\}\) (6 Elemente) \(C = \{9; 10; 11; 12\}\) (4 Elemente) 2. Laplace-Wahrscheinlichkeiten (\(|\Omega| = 12\)): \(P(A) = \frac{5}{12} \approx 0{,}417\) \(P(B) = \frac{6}{12} = 0{,}5\) \(P(C) = \frac{4}{12} = \frac{1}{3} \approx 0{,}333\) 3. Verknüpfte Ereignisse: \(A \cup C = \{2; 3; 5; 7; 9; 10; 11; 12\}\) (8 Elemente), daraus folgt \(P(A \cup C) = \frac{8}{12} = \frac{2}{3} \approx 0{,}667\). \(\bar{C} = \{1; 2; 3; 4; 5; 6; 7; 8\}\). Die Schnittmenge \(B \cap \bar{C}\) enthält alle Teiler von 12, die nicht größer als 8 sind: \(\{1; 2; 3; 4; 6\}\) (5 Elemente). Somit ist \(P(B \cap \bar{C}) = \frac{5}{12} \approx 0{,}417\).

1. \(A = \{2; 3; 5; 7; 11\}\), \(B = \{1; 2; 3; 4; 6; 12\}\), \(C = \{9; 10; 11; 12\}\) 2. \(P(A) = \frac{5}{12}\), \(P(B) = \frac{1}{2}\), \(P(C) = \frac{1}{3}\) 3. \(P(A \cup C) = \frac{2}{3}\), \(P(B \cap \bar{C}) = \frac{5}{12}\)

- Überlege dir, wie sich die Größe der Schnittmenge auf die Vereinigungsmenge auswirkt. - Wann ist die Fläche, die zwei Kreise in einem Venn-Diagramm abdecken, am kleinsten und wann am größten? - Denk an die allgemeine Additionsregel für Wahrscheinlichkeiten. - Was bedeutet es für die Personengruppen, wenn die Wahrscheinlichkeit der Vereinigung genau der Summe der Einzelwahrscheinlichkeiten entspricht?

1. Die Wahrscheinlichkeiten sind \(P(A) = 0{,}45\) und \(P(B) = 0{,}35\). Nach der Formel \(P(A \cup B) = P(A) + P(B) - P(A \cap B)\) hängen die Schranken vom Schnittereignis ab. Die untere Schranke ergibt sich, wenn ein Ereignis Teilmenge des anderen ist: \(P(A \cup B) \ge \max(P(A), P(B)) = 0{,}45\). Die obere Schranke ergibt sich für disjunkte Ereignisse: \(P(A \cup B) \le P(A) + P(B) = 0{,}45 + 0{,}35 = 0{,}80\). Das Intervall ist \([0{,}45; 0{,}80]\). 2. Die untere Grenze \(0{,}45\) wird erreicht, wenn alle Käufer von Produkt B auch Produkt A kaufen (\(B \subset A\)). Die obere Grenze \(0{,}80\) wird erreicht, wenn niemand beide Produkte gleichzeitig kauft (\(A \cap B = \emptyset\)), die Käufergruppen also vollkommen getrennt sind.

1. Das Intervall ist \([0{,}45; 0{,}80]\). 2. Untere Grenze (\(0{,}45\)): Alle Käufer von B kaufen auch A (\(B \subseteq A\)). Obere Grenze (\(0{,}80\)): Niemand kauft beide Produkte (\(A \cap B = \emptyset\)).

- Welche Obergrenze gibt es für die Wahrscheinlichkeit eines beliebigen Ereignisses? - Nutze die allgemeine Summenregel \(P(E \cup F) = P(E) + P(F) - P(E \cap F)\), um Zusammenhänge zwischen den Werten herzustellen. - Überlege dir, wie groß die Summe der Einzelwahrscheinlichkeiten im Vergleich zum maximal möglichen Wert 1 ist. - Das Ereignis „keines von beiden“ ist das Gegenteil von „mindestens eines von beiden“.

1. Prüfung auf Unvereinbarkeit: Wären \(E\) und \(F\) unvereinbar, müsste laut Additionsaxiom \(P(E \cup F) = P(E) + P(F)\) gelten. Hier wäre \(0{,}65 + 0{,}55 = 1{,}20\). Da Wahrscheinlichkeiten maximal 1 betragen können (\(P(E \cup F) \le 1\)), ist dies unmöglich. Die Ereignisse müssen also eine Schnittmenge besitzen. 2. Minimaler Wert für \(P(E \cap F)\): Da \(P(E \cup F) = P(E) + P(F) - P(E \cap F)\) und \(P(E \cup F) \le 1\), folgt \(P(E \cap F) \ge P(E) + P(F) - 1\). Einsetzen ergibt \(0{,}65 + 0{,}55 - 1 = 0{,}20\). 3. Berechnung von \(P(E \cap F)\) bei \(P(E \cup F) = 0{,}85\): Umstellen der Summenregel ergibt \(P(E \cap F) = P(E) + P(F) - P(E \cup F) = 0{,}65 + 0{,}55 - 0{,}85 = 0{,}35\). 4. Wahrscheinlichkeit des Komplementärereignisses: Die Wahrscheinlichkeit, dass weder \(E\) noch \(F\) eintritt, ist \(P(\overline{E \cup F}) = 1 - P(E \cup F) = 1 - 0{,}85 = 0{,}15\).

a) Wären sie unvereinbar, wäre \(P(E \cup F) = 1{,}2 > 1\), was den Axiomen widerspricht. b) \(P(E \cap F)_{\min} = 0{,}20\) c) \(P(E \cap F) = 0{,}35\) d) \(P(\text{keines}) = 0{,}15\)

- Achte bei der Teilbarkeit darauf, ob es Zahlen gibt, die in beiden Gruppen vorkommen. - „Weder noch“ lässt sich als Gegenereignis zu „mindestens eine der beiden Bedingungen“ auffassen. - Nutze die Eigenschaft, dass die Summe aller Wahrscheinlichkeiten in einem Zufallsexperiment immer 1 ergeben muss.

1. Für a) sei \(A\) das Ereignis „teilbar durch 4“ (\(\{4, 8, 12, 16, 20\}\), \(|A|=5\)) und \(B\) „teilbar durch 6“ (\(\{6, 12, 18\}\), \(|B|=3\)). Die Schnittmenge ist \(A \cap B = \{12\}\) (\(|A \cap B|=1\)). Nach dem Additionssatz: \(P(A \cup B) = \frac{5 + 3 - 1}{20} = \frac{7}{20} = 0{,}35\). 2. Für b) sei \(C\) „teilbar durch 3“ (\(\{3, 6, 9, 12, 15, 18\}\), \(|C|=6\)) und \(D\) „teilbar durch 5“ (\(\{5, 10, 15, 20\}\), \(|D|=4\)). Die Schnittmenge ist \(C \cap D = \{15\}\) (\(|C \cap D|=1\)). Die Mächtigkeit der Vereinigung ist \(6 + 4 - 1 = 9\). Das gesuchte Ereignis ist das Komplement dazu: \(20 - 9 = 11\) günstige Ergebnisse. \(P = \frac{11}{20} = 0{,}55\). 3. Für c) gilt nach den Axiomen von Kolmogorow: \(\sum P(\omega_i) = 1\). Mit \(P(1) = \dots = P(19) = x\) und \(P(20) = 0{,}1\) folgt: \(19x + 0{,}1 = 1\). Daraus ergibt sich \(19x = 0{,}9\), also \(x = \frac{0{,}9}{19} = \frac{9}{190}\).

a) \(P = \frac{7}{20} = 0{,}35\) b) \(P = \frac{11}{20} = 0{,}55\) c) \(P(1) = \frac{9}{190} \approx 0{,}0474\)

- Wie viele Zahlen zwischen 1 und 100 sind durch 8 teilbar? - Gibt es Zahlen, die sowohl in Ereignis A als auch in Ereignis B vorkommen? - Welche Formel hilft dir, wenn sich zwei Ereignisse überschneiden? - Wann spricht man in der Stochastik von einem Laplace-Experiment?

1. Anzahl der günstigen Ergebnisse für \(A\): Die Vielfachen von \(8\) bis \(100\) sind \(8, 16, \dots, 96\). Da \(100 : 8 = 12{,}5\), gibt es \(|A| = 12\) günstige Ergebnisse. Somit ist \(P(A) = \frac{12}{100} = 0{,}12\). 2. Anzahl der günstigen Ergebnisse für \(B\): Die Vielfachen von \(12\) bis \(100\) sind \(12, 24, \dots, 96\). Da \(100 : 12 \approx 8{,}33\), gibt es \(|B| = 8\) günstige Ergebnisse. Somit ist \(P(B) = \frac{8}{100} = 0{,}08\). 3. Schnittmenge \(A \cap B\): Gesucht sind die Vielfachen des kleinsten gemeinsamen Vielfachen von \(8\) und \(12\), also von \(24\). Dies sind \(\{24, 48, 72, 96\}\). Es gilt \(|A \cap B| = 4\) und \(P(A \cap B) = \frac{4}{100} = 0{,}04\). 4. Anwendung des Additionssatzes: \(P(A \cup B) = P(A) + P(B) - P(A \cap B) = 0{,}12 + 0{,}08 - 0{,}04 = 0{,}16\). 5. Begründung Laplace: Ein Laplace-Experiment liegt vor, wenn alle Elementarereignisse die gleiche Wahrscheinlichkeit haben. Dies ist hier gerechtfertigt, da die Kugeln in Form und Gewicht identisch sind und der Ziehungsprozess rein zufällig erfolgt.

a) \(P(A) = 0{,}12\); \(P(B) = 0{,}08\) b) \(P(A \cup B) = 0{,}16\) c) Die Annahme ist gerechtfertigt, da alle Kugeln identisch sind und somit die gleiche Chance haben, gezogen zu werden (Gleichwahrscheinlichkeit der Elementarereignisse).

- Wann ist eine Zahl gleichzeitig durch zwei verschiedene Zahlen teilbar? - Was bedeutet das Wort „Gegenereignis“ für die logische Beschreibung einer Bedingung? - Wie hängen die Wahrscheinlichkeiten eines Ereignisses und seines Gegenereignisses mathematisch zusammen? - Wie viele Zahlen in deinem Bereich erfüllen die kombinierte Teilbarkeitsregel?

1. Identifikation der Bedingungen für \(E\): Eine Zahl ist genau dann durch \(4\) und \(6\) teilbar, wenn sie ein Vielfaches des kleinsten gemeinsamen Vielfachen \(\operatorname{kgV}(4; 6) = 12\) ist. 2. Bestimmung der Mächtigkeit von \(E\): Die Vielfachen von \(12\) im Bereich von \(1\) bis \(120\) sind \(12, 24, 36, 48, 60, 72, 84, 96, 108, 120\). Es gibt somit \(|E| = 10\) günstige Ergebnisse. 3. Berechnung von \(P(E)\): Da es sich um ein Laplace-Experiment mit \(|\Omega| = 120\) handelt, gilt \(P(E) = \frac{10}{120} = \frac{1}{12} \approx 0{,}0833\). 4. Definition des Gegenereignisses \(\overline{E}\): Die gezogene Nummer ist nicht durch \(4\) oder nicht durch \(6\) teilbar (bzw. nicht durch \(12\) teilbar). 5. Berechnung von \(P(\overline{E})\): Über die Komplementärregel ergibt sich \(P(\overline{E}) = 1 - P(E) = 1 - \frac{1}{12} = \frac{11}{12} \approx 0{,}9167\).

Das Gegenereignis \(\overline{E}\) lautet: „Die Zahl ist nicht durch \(12\) teilbar“ (oder: „Die Zahl ist nicht sowohl durch \(4\) als auch durch \(6\) teilbar“). Die Wahrscheinlichkeiten betragen \(P(E) = \frac{1}{12} \approx 0{,}0833\) und \(P(\overline{E}) = \frac{11}{12} \approx 0{,}9167\).

- Erstelle eine Liste aller Zahlen, die die eine oder die andere Bedingung erfüllen. - Achte darauf, ob es Zahlen gibt, die eventuell beide Bedingungen gleichzeitig erfüllen könnten. - Ist die Zahl \(1\) eine Primzahl? - Wie lautet die Verneinung von „A oder B“?

1. Auflistung der Primzahlen bis \(50\): \(2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47\). Das sind \(15\) Zahlen. 2. Auflistung der Quadratzahlen bis \(50\): \(1, 4, 9, 16, 25, 36, 49\). Das sind \(7\) Zahlen. 3. Prüfung auf Schnittmengen: Da \(1\) keine Primzahl ist und alle anderen Quadratzahlen \(n^2\) für \(n > 1\) zusammengesetzte Zahlen sind, gibt es keine Überschneidungen. 4. Bestimmung der Mächtigkeit von \(E\): \(|E| = 15 + 7 = 22\). 5. Berechnung von \(P(E)\): Bei \(|\Omega| = 50\) ist \(P(E) = \frac{22}{50} = 0{,}44\). 6. Definition von \(\overline{E}\): Die Zahl ist weder eine Primzahl noch eine Quadratzahl. 7. Berechnung von \(P(\overline{E})\): \(P(\overline{E}) = 1 - 0{,}44 = 0{,}56\).

Das Gegenereignis \(\overline{E}\) lautet: „Die Zahl ist weder eine Primzahl noch eine Quadratzahl“. Die Wahrscheinlichkeiten sind \(P(E) = 0{,}44\) und \(P(\overline{E}) = 0{,}56\).

- Überlege zuerst, wie viele Zahlen im Bereich bis 150 jeweils die geforderte Eigenschaft erfüllen. - Wie findet man Zahlen, die gleichzeitig durch zwei verschiedene Werte teilbar sind? - Erinnere dich an den Additionssatz für die Wahrscheinlichkeit der Vereinigung zweier Ereignisse. - Wenn ein Ereignis eintreten soll, ein anderes aber nicht, kannst du das über die Differenz der Mengen betrachten.

1. Berechnung von \(P(E_1)\) und \(P(E_2)\): Da es sich um ein Laplace-Experiment handelt, gilt \(P(E) = \frac{|E|}{|\Omega|}\). Mit \(|\Omega| = 150\) ergeben sich \(|E_1| = 150 : 6 = 25\) und \(|E_2| = 150 : 10 = 15\). Somit ist \(P(E_1) = \frac{25}{150} = \frac{1}{6}\) und \(P(E_2) = \frac{15}{150} = \frac{1}{10} = 0{,}1\). 2. Bestimmung von \(E_1 \cap E_2\): Eine Zahl ist genau dann durch 6 und 10 teilbar, wenn sie durch das kleinste gemeinsame Vielfache \(\text{kgV}(6, 10) = 30\) teilbar ist. Die Ergebnismenge ist \(E_1 \cap E_2 = \{30; 60; 90; 120; 150\}\). Es gilt \(|E_1 \cap E_2| = 5\), also \(P(E_1 \cap E_2) = \frac{5}{150} = \frac{1}{30}\). 3. Berechnung von \(P(E_1 \cup E_2)\): Nach dem Additionssatz gilt \(P(E_1 \cup E_2) = P(E_1) + P(E_2) - P(E_1 \cap E_2) = \frac{25}{150} + \frac{15}{150} - \frac{5}{150} = \frac{35}{150} = \frac{7}{30}\). 4. Wahrscheinlichkeit für \(E_1 \setminus E_2\): Gesucht ist \(P(E_1 \cap \bar{E_2}) = P(E_1) - P(E_1 \cap E_2) = \frac{25}{150} - \frac{5}{150} = \frac{20}{150} = \frac{2}{15}\).

a) \(P(E_1) = \frac{1}{6}\); \(P(E_2) = \frac{1}{10}\) b) \(E_1 \cap E_2 = \{30; 60; 90; 120; 150\}\); \(P(E_1 \cap E_2) = \frac{1}{30}\) c) \(P(E_1 \cup E_2) = \frac{7}{30}\) d) \(P = \frac{2}{15}\)

- Was sagt dir die Information über die Personen, die „keiner der beiden Tätigkeiten“ nachgehen, über die Vereinigung der beiden Ereignisse? - Kennst du eine Formel, die die Wahrscheinlichkeiten der Einzelereignisse, ihrer Vereinigung und ihrer Schnittmenge miteinander verknüpft? - Wie hängen die Wahrscheinlichkeiten „Liest Bücher“ und „Liest Bücher und treibt Sport“ mit „Liest Bücher, aber treibt keinen Sport“ zusammen? - Vielleicht hilft es dir, die Anteile in einem Venn-Diagramm oder einer Vierfeldertafel darzustellen.

1. Bestimmung der Wahrscheinlichkeit für das Eintreten von mindestens einem der beiden Ereignisse über das Gegenereignis: \(P(S \cup L) = 1 - P(\overline{S} \cap \overline{L}) = 1 - 0{,}38 = 0{,}62\). 2. Anwendung des Additionssatzes für Wahrscheinlichkeiten: \(P(S \cup L) = P(S) + P(L) - P(S \cap L)\). 3. Umstellen nach der gesuchten Schnittmenge für Aufgabenteil a): \(P(S \cap L) = P(S) + P(L) - P(S \cup L) = 0{,}42 + 0{,}35 - 0{,}62 = 0{,}15\). 4. Berechnung der Differenzmenge für Aufgabenteil b): \(P(L \cap \overline{S}) = P(L) - P(S \cap L) = 0{,}35 - 0{,}15 = 0{,}20\).

a) \(P(S \cap L) = 0{,}15\) (oder \(15\,\%\)) b) Die Wahrscheinlichkeit beträgt \(0{,}20\) (oder \(20\,\%\)).

- Überlege dir zuerst, wie viele Zahlen zwischen 1 und 100 die jeweilige Bedingung erfüllen. - Was bedeutet das Wort „oder“ in der Mengenlehre für die Berechnung der Wahrscheinlichkeit? - Gibt es Zahlen, die in beiden Mengen gleichzeitig vorkommen? - Wie hängen die Bedingungen „durch 5 teilbar“ und „durch 20 teilbar“ logisch zusammen?

1. Bestimmung der Mächtigkeiten der Ereignisse im Ergebnisraum \(S = \{1, 2, \dots, 100\}\): \(|A| = \lfloor 100 : 5 \rfloor = 20\) \(|B| = \lfloor 100 : 8 \rfloor = 12\) \(|C| = \lfloor 100 : 20 \rfloor = 5\) 2. Berechnung der Einzelwahrscheinlichkeiten (Laplace-Experiment): \(P(A) = \frac{20}{100} = 0{,}2\) \(P(B) = \frac{12}{100} = 0{,}12\) \(P(C) = \frac{5}{100} = 0{,}05\) 3. Schnittmenge \(A \cap B\): Zahlen, die durch \(\text{kgV}(5, 8) = 40\) teilbar sind: \(\{40, 80\}\). Somit \(|A \cap B| = 2\). 4. Additionssatz für \(P(A \cup B)\): \(P(A \cup B) = P(A) + P(B) - P(A \cap B) = 0{,}2 + 0{,}12 - \frac{2}{100} = 0{,}32 - 0{,}02 = 0{,}3\) 5. Schnittmenge \(A \cap C\): Da jede durch \(20\) teilbare Zahl auch durch \(5\) teilbar ist, gilt \(C \subset A\), also \(A \cap C = C\). \(P(A \cap C) = P(C) = 0{,}05\)

\(P(A) = 0{,}2\); \(P(B) = 0{,}12\); \(P(C) = 0{,}05\); \(P(A \cup B) = 0{,}3\); \(P(A \cap C) = 0{,}05\)

- Überlege dir, wie die beiden Gruppen im Extremfall zueinander liegen könnten: Könnte eine Gruppe komplett in der anderen enthalten sein? - Was ist der kleinstmögliche gemeinsame Bereich, wenn die Gruppen so weit wie möglich „auseinandergeschoben“ werden? - Bedenke, dass die Gesamtwahrscheinlichkeit aller Möglichkeiten niemals \(100\,\%\) überschreiten darf. - Wie hängen die Wahrscheinlichkeiten für „A oder B“ und „A und B“ mathematisch zusammen?

1. Definition der Ereignisse: \(S\) für Streaming-Dienst mit \(P(S) = 0{,}75\) und \(M\) für Musik-App mit \(P(M) = 0{,}65\). 2. Für die Schnittmenge \(P(S \cap M)\) gilt: Die maximale Wahrscheinlichkeit tritt ein, wenn das kleinere Ereignis eine Teilmenge des größeren ist, also \(P(S \cap M)_{\text{max}} = \min(0{,}75; 0{,}65) = 0{,}65\). Die minimale Wahrscheinlichkeit ergibt sich aus der Bedingung \(P(S \cup M) \le 1\), woraus folgt \(P(S \cap M) \ge P(S) + P(M) - 1\). Somit ist \(P(S \cap M)_{\text{min}} = 0{,}75 + 0{,}65 - 1 = 0{,}40\). 3. Für die Vereinigungsmenge \(P(S \cup M)\) gilt die Formel \(P(S \cup M) = P(S) + P(M) - P(S \cap M)\). Die minimale Wahrscheinlichkeit für die Vereinigung tritt beim maximalen Schnitt auf: \(0{,}75 + 0{,}65 - 0{,}65 = 0{,}75\). Die maximale Wahrscheinlichkeit für die Vereinigung tritt beim minimalen Schnitt auf: \(0{,}75 + 0{,}65 - 0{,}40 = 1{,}00\).

(1) Die Wahrscheinlichkeit für beide Dienste ist mindestens \(40\,\%\) und höchstens \(65\,\%\). (2) Die Wahrscheinlichkeit für mindestens einen Dienst ist mindestens \(75\,\%\) und höchstens \(100\,\%\).

- Wie viele Möglichkeiten gibt es, \(3\) Kugeln aus \(10\) zu wählen? - Welche Auswahlen gehören nicht zum Ereignis „mindestens eine der beiden Kugeln“? - Wann darf man Wahrscheinlichkeiten von zwei Ereignissen einfach addieren? - Überlege dir, ob es möglich ist, dass beide Bedingungen gleichzeitig erfüllt sind.

1. Wahrscheinlichkeit für Kugel \(1\): Die Anzahl der Möglichkeiten, \(3\) aus \(10\) Kugeln zu ziehen, ist \(\binom{10}{3}=120\). Die günstigen Fälle (Kugel \(1\) ist dabei) sind \(\binom{1}{1}\cdot\binom{9}{2}=36\). Damit gilt \(P(\text{Kugel } 1)=\frac{36}{120}=\frac{3}{10}=0{,}3\). 2. Wahrscheinlichkeit für mindestens eine aus \(\{1,2\}\): Berechnung über das Gegenereignis (weder \(1\) noch \(2\) wird gezogen). Die Anzahl der Möglichkeiten, \(3\) Kugeln aus den restlichen \(8\) zu ziehen, ist \(\binom{8}{3}=56\). Die Wahrscheinlichkeit für das Gegenereignis ist \(\frac{56}{120}=\frac{7}{15}\). Die gesuchte Wahrscheinlichkeit ist \(P(\text{mind. eine})=1-\frac{7}{15}=\frac{8}{15}\approx0{,}533\). 3. Analyse des Denkfehlers: Bens Behauptung ist falsch, da \(0{,}533\neq0{,}6\). Der Fehler liegt darin, dass die Ereignisse „Kugel \(1\) wird gezogen“ und „Kugel \(2\) wird gezogen“ nicht unvereinbar (disjunkt) sind. Es ist möglich, dass beide Kugeln gleichzeitig gezogen werden. Die einfache Addition der Wahrscheinlichkeiten (oder die Verdopplung) zählt den Fall, in dem beide Kugeln in der Auswahl enthalten sind, doppelt.

a) \(P=0{,}3\) b) \(P=\frac{8}{15}\approx0{,}533\) c) Die Aussage ist falsch. Der Denkfehler liegt in der Annahme, dass die Ereignisse disjunkt seien; die Schnittmenge (beide Kugeln werden gezogen) wird bei Bens Rechnung fälschlicherweise doppelt gezählt.

- Überlege, warum die 36 geordneten Würfelpaare gleichwahrscheinlich sind. - Notiere für jede relevante Augensumme die Anzahl der zugehörigen Würfelpaare. - Übersetze die Bedingung \(3<S<11\) zuerst in eine Menge möglicher Summen. - Das Gegenereignis enthält genau die Summen, die nicht zum ursprünglichen Ereignis gehören.

1. Wegen Idealität und Unabhängigkeit sind die \(6\cdot6=36\) geordneten Ergebnisse gleichwahrscheinlich. 2. Für \(S\le4\) gibt es \(1+2+3=6\) günstige Ergebnisse, für \(S\ge10\) ebenfalls \(3+2+1=6\). Die Ereignisse sind disjunkt. Daher ist \(P(S\le4\;\text{oder}\;S\ge10)=\frac{12}{36}=\frac13\). 3. Das Ereignis \(E\) entspricht \(S\in\{4,5,6,7,8,9,10\}\). Sein Gegenereignis ist \(\bar E:\;S\in\{2,3,11,12\}\). Dafür gibt es \(1+2+2+1=6\) günstige Ergebnisse, also \(P(\bar E)=\frac6{36}=\frac16\).

a) \(P=\frac13\) b) \(P(\bar E)=\frac16\)

- Versuche, ein Ereignis so darzustellen, dass es aus zwei Teilen besteht: dem Teil, der eine bestimmte Bedingung erfüllt, und dem Teil, der sie nicht erfüllt. - Warum sind die Mengen \(A \cap B\) und \(A \cap \overline{B}\) disjunkt? - Wie kannst du die Wahrscheinlichkeit \(P(A \cap \overline{B})\) mithilfe von \(P(A)\) und \(P(A \cap B)\) ausdrücken? - Nutze eine geschickte Zerlegung von \(A \cup B\), bei der eine der Teilmengen bereits das gesamte Ereignis \(B\) ist.

1. Disjunkte Zerlegung von \(A\): Das Ereignis \(A\) lässt sich als Vereinigung der Teilmengen schreiben, die entweder in \(B\) liegen oder nicht in \(B\) liegen: \(A = (A \cap B) \cup (A \cap \overline{B})\). Da \((A \cap B) \cap (A \cap \overline{B}) = \emptyset\), sind diese disjunkt. 2. Anwendung von Axiom 3: Es folgt unmittelbar \(P(A) = P(A \cap B) + P(A \cap \overline{B})\). 3. Disjunkte Zerlegung von \(A \cup B\): Die Menge \(A \cup B\) besteht aus allen Elementen von \(B\) und jenen Elementen von \(A\), die nicht in \(B\) liegen. Es gilt \(A \cup B = (A \cap \overline{B}) \cup B\) mit \((A \cap \overline{B}) \cap B = \emptyset\). 4. Anwendung von Axiom 3: \(P(A \cup B) = P(A \cap \overline{B}) + P(B)\). 5. Substitution: Aus der Gleichung in Schritt 2 folgt \(P(A \cap \overline{B}) = P(A) - P(A \cap B)\). 6. Finale Herleitung: Einsetzen in die Gleichung aus Schritt 4 ergibt \(P(A \cup B) = P(A) - P(A \cap B) + P(B)\), was der allgemeinen Additionsregel entspricht.

a) \(P(A) = P(A \cap B) + P(A \cap \overline{B})\) b) \(P(A \cup B) = P(A) + P(B) - P(A \cap B)\)

- Erinnere dich an das Axiom für die Wahrscheinlichkeit der Vereinigung von Mengen, die keine gemeinsamen Elemente haben. - Wie kannst du die Fläche von zwei überlappenden Kreisen so aufteilen, dass du nur nicht-überlappende Teile hast? - Welche Beziehung besteht zwischen der Wahrscheinlichkeit einer Teilmenge und der Wahrscheinlichkeit der gesamten Menge?

1. Die Vereinigungsmenge lässt sich als Vereinigung zweier disjunkter Mengen darstellen: \(E_1 \cup E_2 = E_1 \cup (E_2 \setminus E_1)\). Dabei ist \(E_2 \setminus E_1\) die Menge aller Ergebnisse, die in \(E_2\), aber nicht in \(E_1\) liegen. 2. Nach dem Axiom für unvereinbare Ereignisse gilt: \(P(E_1 \cup E_2) = P(E_1) + P(E_2 \setminus E_1)\). 3. Außerdem gilt die disjunkte Zerlegung \(E_2 = (E_2 \setminus E_1) \mathbin{\dot\cup} (E_1 \cap E_2)\). Mit Additivität und Nichtnegativität folgt \(P(E_2) = P(E_2 \setminus E_1) + P(E_1 \cap E_2) \ge P(E_2 \setminus E_1)\). 4. Durch Ersetzen im Term aus Schritt 2 erhält man die gesuchte Beziehung: \(P(E_1 \cup E_2) \le P(E_1) + P(E_2)\).

Durch die disjunkte Zerlegung \(E_1 \cup E_2 = E_1 \cup (E_2 \cap \overline{E_1})\) folgt mit dem Additivitätsaxiom \(P(E_1 \cup E_2) = P(E_1) + P(E_2 \cap \overline{E_1})\). Da \(E_2 = (E_2 \cap \overline{E_1}) \mathbin{\dot\cup} (E_1 \cap E_2)\) gilt, folgt aus Additivität und Nichtnegativität \(P(E_2 \cap \overline{E_1}) \le P(E_2)\). Einsetzen ergibt \(P(E_1 \cup E_2) \le P(E_1) + P(E_2)\).

- Welches der drei Kriterien schränkt die maximale Anzahl an perfekten Bauteilen am stärksten ein? - Stell dir vor, die Fehler bei den verschiedenen Kriterien treten bei völlig unterschiedlichen Bauteilen auf. Wie viele Bauteile blieben dann noch übrig, die gar keinen Fehler haben? - Wie viel „Platz“ lassen die Gegenwahrscheinlichkeiten (die Wahrscheinlichkeiten für einen Defekt) insgesamt im Bereich bis \(100\,\%\)?

1. Gegeben sind die Wahrscheinlichkeiten \(P(A) = 0{,}90\), \(P(B) = 0{,}85\) und \(P(C) = 0{,}80\). 2. Die maximale Wahrscheinlichkeit für die Schnittmenge \(P(A \cap B \cap C)\) ist durch die kleinste Einzelwahrscheinlichkeit begrenzt, da alle drei Ereignisse gleichzeitig eintreten müssen: \(P(A \cap B \cap C)_{\text{max}} = \min(0{,}90; 0{,}85; 0{,}80) = 0{,}80\). 3. Die minimale Wahrscheinlichkeit für den Schnitt von drei Ereignissen lässt sich über die Bonferroni-Ungleichung bestimmen: \(P(A \cap B \cap C) \ge P(A) + P(B) + P(C) - 2\). Einsetzen der Werte ergibt \(0{,}90 + 0{,}85 + 0{,}80 - 2 = 2{,}55 - 2 = 0{,}55\).

Die Wahrscheinlichkeit, dass alle drei Kriterien erfüllt sind, beträgt mindestens \(55\,\%\) und höchstens \(80\,\%\).