Seite 1 Prof. Dr.

Gerald Richter I Binominalverteilung – Einführung

Prof. Dr. Gerald Richter

Die Binominalverteilung
Eine Einführung
Seite 2 Prof. Dr. Gerald Richter I Binominalverteilung – Einführung

Trinkspiel in der Kneipe…

Wer spendiert die nächste Runde?

Grundregel
 Würfeln einer „⚀“ zählt als Treffer

Erweiterte Regel
 Es wird viermal gewürfelt
 Sind genau zwei „⚀“ (Treffer) dabei,
gibt man die nächste Runde aus.

Frage
 Wie wahrscheinlich ist es, dass Sie
beim Würfeln „Glück“ haben und die
nächste Runde spendieren? ⚀⚀⚂⚀
Seite 3 Prof. Dr. Gerald Richter I Binominalverteilung – Einführung

Wichtige Begriffe der Wahrscheinlichkeitstheorie

Zufallsvorgänge, Zufallsexperiment
 „Vorgänge die zu unvorhersehbaren und sich gegenseitig ausschließen-
den Ergebnissen führen, nennt man Zufallsvorgänge. Die Durchführung
eines Zufallsvorgangs unter kontrollierten Bedingungen nennt man
Zufallsexperiment“ (Eid, Gollwitzer und Schmidt, 2013, S. 172)

 Beispiel: Wurf eines „fairen“ Würfels

P(„Würfeln einer ⚀ beim einmaligen Wurf“) = P(„1“) oder kurz…

1
𝑝"1" …
= = 1/6 = 0,1 6ത = 16, 6ത %
6
1
𝑝"2" =
6
usw.
Seite 4 Prof. Dr. Gerald Richter I Binominalverteilung – Einführung

Wichtige Begriffe der Wahrscheinlichkeitstheorie

Bernoulli-Experiment
 = Zufallsexperiment mit nur zwei Ausgängen,
z.B. Treffer (𝑇) oder „Nicht-Treffer“ bzw. Niete (𝑇ത 𝑜𝑑𝑒𝑟 𝑁)

 Beispiel: Wurf eines „fairen“ Würfels

P(„Würfeln einer ⚀ beim einmaligen Wurf“) = P(Treffer)
1
𝑝𝑇 =
6

P(„Würfeln einer anderen Zahl als ⚀“) = P(Nicht-Treffer)

5
𝑝 𝑇ത =
6
Allgemein gilt: 𝑝𝑇 + 𝑝 𝑇ത = 1
Seite 5 Prof. Dr. Gerald Richter I Binominalverteilung – Einführung

Unser Würfelspiel – mögliche Ausgänge („Ereignisse“)

Bernoulli-Kette
 = mehrstufiges Bernoulli-Experiment

 Beispiel: vier-maliger Wurf eines „fairen“ Würfels

Mögliche Ereignisse: 0, 1, 2, 3 oder 4 Treffer (bzw. geworfene ⚀)

Bezeichnung der zugehörigen Wahrscheinlichkeiten:

𝑃 "0 𝑇𝑟𝑒𝑓𝑓𝑒𝑟 𝑏𝑒𝑖 𝑣𝑖𝑒𝑟 𝑊ü𝑟𝑓𝑒𝑛" =𝑃 𝑋 =0
𝑃 "1 𝑇𝑟𝑒𝑓𝑓𝑒𝑟 𝑏𝑒𝑖 𝑣𝑖𝑒𝑟 𝑊ü𝑟𝑓𝑒𝑛" =𝑃 𝑋 =1
𝑃 "2 𝑇𝑟𝑒𝑓𝑓𝑒𝑟 𝑏𝑒𝑖 𝑣𝑖𝑒𝑟 𝑊ü𝑟𝑓𝑒𝑛" =𝑃 𝑋 =2
𝑃 "3 𝑇𝑟𝑒𝑓𝑓𝑒𝑟 𝑏𝑒𝑖 𝑣𝑖𝑒𝑟 𝑊ü𝑟𝑓𝑒𝑛" =𝑃 𝑋 =3
𝑃 "4 𝑇𝑟𝑒𝑓𝑓𝑒𝑟 𝑏𝑒𝑖 𝑣𝑖𝑒𝑟 𝑊ü𝑟𝑓𝑒𝑛" =𝑃 𝑋 =4
oder allgemein
𝑃("𝑘 𝑇𝑟𝑒𝑓𝑓𝑒𝑟 𝑏𝑒𝑖 𝑣𝑖𝑒𝑟 𝑊ü𝑟𝑓𝑒𝑛") = 𝑃 𝑋 = 𝑘
Seite 6 Prof. Dr. Gerald Richter I Binominalverteilung – Einführung

Unser Würfelspiel – Wahrscheinlichkeiten der Ausgänge

Anzahl der „Treffer“ beim 4-fachen Würfeln

Wahrscheinlichkeit für k-Treffer

𝒌 𝑷 𝑿=𝒌 𝑷 𝑿=𝒌 =𝑩 𝟏 (𝒌) 𝒃𝒛𝒘. 𝑩𝒏;𝒑 (𝒌)

𝟒;
𝟔
0 0,482
1 0,386 0,60
2 0,116 0,50
3 0,015 𝑩𝒊𝒏𝒐𝒎𝒊𝒏𝒂𝒍𝒗𝒆𝒓𝒕𝒆𝒊𝒍𝒖𝒏𝒈
4 0,001 0,40
𝑩𝟒; 𝟏 𝑓ü𝑟 𝑛 = 4 𝑢𝑛𝑑 𝑝 = 16
෍𝑃 𝑋 = 𝑘 = 1 0,30 𝟔

0,20 𝑜𝑑𝑒𝑟 𝑎𝑙𝑙𝑔𝑒𝑚𝑒𝑖𝑛 𝑩𝒏;𝒑

Darstellung als
Wahrscheinlich- 0,10
keitsverteilung
0,00
0 1 22 33 4 𝒌
Seite 7 Prof. Dr. Gerald Richter I Binominalverteilung – Einführung

Unser Würfelspiel – Wahrscheinlichkeiten der Ausgänge

Anzahl der „Treffer“ beim 4-fachen Würfeln

Wahrscheinlichkeit für k-Treffer

𝒌 𝑷 𝑿=𝒌 𝑷 𝑿=𝒌 =𝑩 𝟏 (𝒌)

𝟒;
𝟔
0 0,482
1 0,386 0,60
2 0,116 0,50
3 0,015
4 0,001 0,40

෍𝑃 𝑋 = 𝑘 = 1 0,30

0,20 𝑷 𝑿=𝟐 =𝑩 𝟏 (𝟐)

𝟒; 𝟔
Darstellung als
Wahrscheinlich- 0,10
keitsverteilung
0,00
0 1 2 3 4 𝒌
Seite 8 Prof. Dr. Gerald Richter I Binominalverteilung – Einführung

T
Berechnung von 𝑷 𝑿 = 𝒌 𝒃𝒛𝒘. 𝑩𝒏;𝒑 (𝒌) T
N
𝟏 T
T
 Am Beispiel B4; 1/6(2) : Ein Würfel 𝟔 N
N
wird viermal geworfen. Wie groß T
ist die Wahrscheinlichkeit, dass es T
T
genau zwei „Treffer“ gibt? 𝟏 𝟓
N
𝟔 𝟔 N
T
N
N
N
T
T
N
𝟓 𝟏 T
𝟔 𝟔 T
N
N
N
T
𝟓 T
N
𝟔 N
T
N
N
Seite 9 Prof. Dr. Gerald Richter I Binominalverteilung – Einführung

T
Berechnung von 𝑷 𝑿 = 𝒌 𝒃𝒛𝒘. 𝑩𝒏;𝒑 (𝒌) T
N
T
T
 Am Beispiel B4; 1/6(2) : Ein Würfel N
N
wird viermal geworfen. Wie groß T
ist die Wahrscheinlichkeit, dass es T
𝟏 𝟓 T
genau zwei „Treffer“ gibt? 𝟏 N
𝟔 𝟔 N
𝟔 T
𝟓 N
𝟔 N
N
𝟏 T
𝑃 ⚀⚂⚄⚀ 𝟏
𝟔 T
𝟓 N
𝟓 T
= (1Τ6) ∙ (5Τ6) ∙ (5Τ6) ∙ (1Τ6) 𝟔 𝟔 𝟔 T
N
= (1Τ6)2 ∙ 5Τ6 2 ≈ 0,0193 = 1,93% N
N

T
 Wieviele Pfade mit T
zwei Treffern gibt es? N
N
=> Auszählen oder Kombinatorik! T
N
N
Seite 10 Prof. Dr. Gerald Richter I Binominalverteilung – Einführung

T
Berechnung von 𝑷 𝑿 = 𝒌 𝒃𝒛𝒘. 𝑩𝒏;𝒑 (𝒌) T
N
T
T
N
T
N 1
T
T
N 2
Anzahl Pfade mit zwei Treffern: N
T 3
 Auszählen: 6 Pfade N
N
N
 Kombinatorik:
T
Binominalkoeffizient T
𝑛 4 N 4
ℎ𝑖𝑒𝑟 =6 T
𝑘 2 T 5
N
=> Damit ist die Wahrscheinlichkeit N
N
von 2 Treffern bei 4 Würfen:
T
T 6
𝑩 𝟏 𝟐 = 1,93% + 1,93% + 1,93% + ⋯ N
𝟒;𝟔 N
𝑩 𝟏 𝟐 = 6 ∙ 1,93% = 11,58% ≈ 11,6% T
𝟒;𝟔 N
N
Seite 11 Prof. Dr. Gerald Richter I Binominalverteilung – Einführung

Definition, Formel und Schreibweisen

Binominalverteilung (siehe Bronstein & Semendjajew, 1991, S. 662)

 Eine Zufallsgröße X, heißt binominalverteilt mit den Parametern 𝑛 und 𝑝
(oder kurz: 𝑩𝒏;𝒑 -verteilt ), wenn sie die möglichen Werte 𝑘
(mit 𝑘 ∈ 0; 1; … ; 𝑛 ) mit folgenden den Wahrscheinlichkeiten annimmt:
𝑛
𝑃 𝑋 = 𝑘 = 𝑩𝒏;𝒑 𝒌 = ∙ 𝑝𝑘 ∙ 1 − 𝑝 𝑛−𝑘
𝑘
Anzahl Pfade Wahrscheinlichkeit für
mit k Treffern Pfad mit genau k Treffern

2 4−2
4 1 1
𝑃 𝑋=2 =𝑩 𝟏 𝟐 = ∙ ∙ 1− = 0,1159
𝟒;
𝟔 2 6 6

ACHTUNG: Nicht verwirren lassen!

 Für 𝑩𝒏;𝒑 𝒌 gibt es viele unterschiedliche Schreibweisen, z.B.
– 𝐵𝑛;𝑝 𝑘 oder 𝐵𝑛;𝑝 𝑋 = 𝑘 oder 𝐵𝑛;𝑝;𝑘 oder 𝐵 𝑛; 𝑝; 𝑘 oder 𝐵 𝑘 ❘ 𝑝; 𝑛
Seite 12 Prof. Dr. Gerald Richter I Binominalverteilung – Einführung

Binominalverteilung - Anwendungsbeispiele

Single Choice Test

 SC-Test mit 30 Fragen und je 4 Antwortmöglichkeiten (𝑝 𝑇ത = .25). Bei
15 oder mehr richtigen Fragen hat man bestanden.
 Wie wahrscheinlich ist es, dass jemand ohne jede Ahnung besteht?
𝑃 𝑋 ≥ 15 = 0,003 = 0,3%

Nebenwirkungen
 Medizinische Hautsalbe führt laut Beipackzettel bei 3% der Patienten zu
allergischer Reaktion. Ärztin beobachtet 7 Allergien bei 100 Patienten.
 Sollte sie weiterhin den Angaben des Herstellers vertrauen?
𝑃 𝑋 ≥ 7 = 0,031 = 3,1%
Seite 13 Prof. Dr. Gerald Richter I Binominalverteilung – Einführung

Zusammenfassung – was haben Sie heute gelernt

Zufallsexperiment
1
𝑖𝑚 𝐵𝑒𝑖𝑠𝑝𝑖𝑒𝑙: 𝑃 𝑊ü𝑟𝑓𝑒𝑙𝑛 "1" = 𝑝"1" = = 0,16ത
6

Bernoulli-Experiment
1 5
𝑖𝑚 𝐵𝑒𝑖𝑠𝑝𝑖𝑒𝑙: 𝑝𝑇 = 𝑢𝑛𝑑 𝑝 𝑇ത =
6 6

Bernoulli-Kette oder Binominalverteilung

2 4−2
4 1 1
𝑖𝑚 𝐵𝑒𝑖𝑠𝑝𝑖𝑒𝑙: 𝑃 𝑋=2 =𝑩 𝟏 𝟐 = ∙ ∙ 1−
𝟒;
𝟔 2 6 6

𝑛
𝑎𝑙𝑙𝑔𝑒𝑚𝑒𝑖𝑛: 𝑃 𝑋 = 𝑘 = 𝑩𝒏;𝒑 𝒌 = ∙ 𝑝𝑘 ∙ 1 − 𝑝 𝑛−𝑘
𝑘
𝑛 𝑛!
𝑚𝑖𝑡 𝐵𝑖𝑛𝑜𝑚𝑖𝑛𝑎𝑙𝑘𝑜𝑒𝑓𝑓𝑖𝑧𝑖𝑒𝑛𝑡: =
𝑘 𝑘! ∙ (𝑛 − 𝑘)!
Seite 14 Prof. Dr. Gerald Richter I Binominalverteilung – Einführung

Literatur

 Bronstein, I. N. & Semendjajew, K. A. (1991). Taschenbuch der

Mathematik (25. Aufl.). Teubner.
 Eid, M., Gollwitzer, M. & Schmitt, M. (2013). Statistik und
Forschungsmethoden (3. Aufl.). Beltz.
Seite 15 Prof. Dr. Gerald Richter I Binominalverteilung – Einführung

Anhang
Seite 16 Prof. Dr. Gerald Richter I Binominalverteilung – Einführung

Ausblick: Binominalverteilungen für versch. n und p

𝐵4;𝟎,𝟑 𝑘 𝐵4;𝟎,𝟓 𝑘 𝐵4;𝟎,𝟖 𝑘

0,45 0,40 0,45
0,40 0,35 0,40
0,35 0,30 0,35
0,30 0,30
0,25
0,25 0,25
0,20
0,20 0,20
0,15
0,15 0,15
0,10 0,10
0,10
0,05 0,05
0,05
0,00 0,00 0,00
0 1 2 3 4 0 1 2 3 4 0 1 2 3 4

𝐵𝟒;0,3 𝑘 𝐵𝟖;0,3 𝑘 𝐵𝟏𝟐;0,3 𝑘

0,45 0,35 0,30
0,40
0,30 0,25
0,35
0,25 0,20
0,30
0,25 0,20
0,15
0,20 0,15
0,15 0,10
0,10
0,10
0,05
0,05 0,05

0,00 0,00 0,00

0 1 2 3 4 0 1 2 3 4 5 6 7 8 0 1 2 3 4 5 6 7 8 9 10 11 12