1. Das Problem: Wir wollen verstehen, was die hypergeometrische Verteilung ist und wie sie verwendet wird. 2. Definition: Die hypergeometrische Verteilung beschreibt die Wahrscheinlichkeit, genau $k$ Erfolge in $n$ Ziehungen ohne Zurücklegen aus einer endlichen Population von Größe $N$ zu erhalten, die $K$ Erfolge enthält. 3. Formel: Die Wahrscheinlichkeit wird berechnet mit $$P(X = k) = \frac{\binom{K}{k} \binom{N-K}{n-k}}{\binom{N}{n}}$$ 4. Erklärung der Formel: - $\binom{K}{k}$ ist die Anzahl der Möglichkeiten, $k$ Erfolge aus den $K$ Erfolgen auszuwählen. - $\binom{N-K}{n-k}$ ist die Anzahl der Möglichkeiten, die restlichen $n-k$ Ziehungen aus den $N-K$ Nicht-Erfolgen auszuwählen. - $\binom{N}{n}$ ist die Gesamtzahl der Möglichkeiten, $n$ Elemente aus $N$ zu ziehen. 5. Wichtige Regeln: - Ziehungen erfolgen ohne Zurücklegen, das heißt, die Wahrscheinlichkeiten ändern sich nach jeder Ziehung. - $k$ kann Werte von $\max(0, n-(N-K))$ bis $\min(n,K)$ annehmen. 6. Beispiel: Wenn wir aus einer Urne mit $N=20$ Kugeln, davon $K=7$ rot, $n=5$ Kugeln ziehen, wie groß ist die Wahrscheinlichkeit, genau $k=3$ rote Kugeln zu ziehen? 7. Berechnung: $$P(X=3) = \frac{\binom{7}{3} \binom{13}{2}}{\binom{20}{5}} = \frac{35 \times 78}{15504} = \frac{2730}{15504} \approx 0{,}176$$ 8. Zusammenfassung: Die hypergeometrische Verteilung hilft, Wahrscheinlichkeiten bei Stichproben ohne Zurücklegen zu bestimmen, besonders wenn die Population endlich ist und Erfolge/Nichterfolge klar definiert sind.