dbinom-vs-rbinom-schoice

bayes
paper
Published

July 10, 2026

Question

Welche der folgenden Aussagen zum Unterschied zwischen den R-Funktionen dbinom() und rbinom() ist korrekt?

Answerlist

  • dbinom() berechnet die (theoretische) Wahrscheinlichkeit für eine bestimmte Trefferzahl bei festem Parameterwert; rbinom() erzeugt stattdessen zufällige, simulierte Trefferzahlen gemäß dieser Verteilung.
  • dbinom() und rbinom() liefern für dieselben Argumente stets exakt denselben Rückgabewert.
  • rbinom() gibt Wahrscheinlichkeiten zurück, dbinom() gibt zufällige simulierte Ganzzahlen zurück.
  • dbinom() benötigt kein Argument prob, da die Trefferwahrscheinlichkeit automatisch aus den Daten geschätzt wird.
  • Bei sehr vielen Wiederholungen (großem n in rbinom()) weicht die simulierte Häufigkeitsverteilung systematisch von der mit dbinom() berechneten theoretischen Verteilung ab.

Solution

dbinom(x, size, prob) liefert die exakte theoretische Wahrscheinlichkeit für genau x Treffer bei size Versuchen und Trefferwahrscheinlichkeit prob. rbinom(n, size, prob) hingegen erzeugt n zufällige (simulierte) Trefferzahlen, die dieser Verteilung folgen – ein Ergebnis kann bei jedem Aufruf anders ausfallen. Die erste Option ist korrekt.

Warum die Distraktoren falsch sind:

  • Die zweite Option ist falsch: dbinom() liefert einen festen, deterministischen Wahrscheinlichkeitswert, während rbinom() bei jedem Aufruf (ohne festen set.seed()) unterschiedliche zufällige Ergebnisse liefert – beide sind konzeptionell unterschiedliche Funktionen.
  • Die dritte Option vertauscht die beiden Funktionen genau umgekehrt zur richtigen Zuordnung.
  • Die vierte Option ist falsch: dbinom() benötigt zwingend das Argument prob, um überhaupt eine Wahrscheinlichkeit berechnen zu können – die Funktion schätzt nichts automatisch, sondern rechnet mit dem vorgegebenen Wert.
  • Die fünfte Option widerspricht dem im Kapitel gezeigten Ergebnis: Bei großer Anzahl an Simulationen (z. B. \(n=10^6\)) nähert sich die simulierte Häufigkeitsverteilung von rbinom() gerade sehr gut an die theoretische Verteilung von dbinom() an, statt systematisch davon abzuweichen.

Aufgabenname: dbinom-vs-rbinom-schoice

Answerlist

  • Wahr
  • Falsch
  • Falsch
  • Falsch
  • Falsch

Meta-information

exname: dbinom-vs-rbinom-schoice extype: schoice expoints: 1 exsolution: 10000 exshuffle: 5 excategory: bayes