Aufgabenbeispiele von Anwendungen
Durch Aktualisieren des Browsers (z.B. mit Taste F5) kann man neue Beispielaufgaben sehen
Binomialvert. mit variabl. p (höchstens) nur GTR
Beispiel:
Ein Promi macht Urlaub in einem Ferienclub. Dort sind noch weitere 54 Gäste. Wie groß darf der Bekanntheitsgrad des Promis höchstens sein, dass ihn mit einer Wahrscheinlichkeit von mindestens 90% nicht mehr als 48 erkennen und dumm anlabern?
p | P(X≤k) |
---|---|
... | ... |
0.78 | 0.9876 |
0.79 | 0.9812 |
0.8 | 0.9719 |
0.81 | 0.9587 |
0.82 | 0.9403 |
0.83 | 0.9154 |
0.84 | 0.8823 |
... | ... |
Es muss gelten: =0.9 (oder mehr)
Diese Gleichung gibt man also in den GTR als Funktion ein, wobei das variable p eben als X gesetzt werden muss.
(TI-Befehl: y1=binomcdf(54,X,48) - dabei darauf achten, dass X nur zwischen 0 und 1 sein darf -
bei TblSet sollte deswegen Δtable auf 0.01 gesetzt werden)
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei p=0.83 die gesuchte Wahrscheinlichkeit über 0.9 ist.
Binomialvert. mit variabl. p (mind.) nur GTR
Beispiel:
Ein Basketballtrainer sucht einen neuen Spieler, der mit 90% Wahrscheinlichkeit von 92 Freiwürfen mindestens 71 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?
p | P(X≥71)=1-P(X≤70) |
---|---|
... | ... |
0.77 | 0.5424 |
0.78 | 0.6323 |
0.79 | 0.7173 |
0.8 | 0.7931 |
0.81 | 0.8568 |
0.82 | 0.9069 |
... | ... |
Es muss gelten: =0.9 (oder mehr)
oder eben: 1- =0.9 (oder mehr)
Diese Gleichung gibt man also in den GTR als Funktion ein, wobei das variable p eben als X gesetzt werden muss.
(TI-Befehl: y1=1-binomcdf(92,X,70) - dabei darauf achten, dass X nur zwischen 0 und 1 sein darf -
bei TblSet sollte deswegen Δtable auf 0.01 gesetzt werden )
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei p=0.82 die gesuchte Wahrscheinlichkeit über 0.9 ist.
zwei unabhängige Binom.
Beispiel:
Ein Biathlet hat beim Liegendschießen eine Trefferquote von 91% und im Stehen 83%. Beim Sprintwettbewerb muss er 5 mal liegend und 5 mal im Stehen schießen. Wie hoch ist die Wahrscheinlichkeit, dass er dabei mindestens 9 mal trifft?
(Bitte auf 4 Stellen nach dem Komma runden)
Zuerst überlegen wir mit welchen Kombinationen man auf die Summe von mindestens 9 kommen kann:
- 4 mal Liegendschießen und 5 mal Stehendschießen
- 5 mal Liegendschießen und 4 mal Stehendschießen
- 5 mal Liegendschießen und 5 mal Stehendschießen
4 mal Liegendschießen und 5 mal Stehendschießen
Die Wahrscheinlichkeit für 4 mal Liegendschießen ist
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=5 und p=0.91.
= ≈ 0.3086Die Wahrscheinlichkeit für 5 mal Stehendschießen ist
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=5 und p=0.83.
= ≈ 0.3939Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p1=0.3086 ⋅ 0.3939 = 0.12155754
5 mal Liegendschießen und 4 mal Stehendschießen
Die Wahrscheinlichkeit für 5 mal Liegendschießen ist
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=5 und p=0.91.
= ≈ 0.624Die Wahrscheinlichkeit für 4 mal Stehendschießen ist
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=5 und p=0.83.
= ≈ 0.4034Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p2=0.624 ⋅ 0.4034 = 0.2517216
5 mal Liegendschießen und 5 mal Stehendschießen
Die Wahrscheinlichkeit für 5 mal Liegendschießen ist
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=5 und p=0.91.
= ≈ 0.624Die Wahrscheinlichkeit für 5 mal Stehendschießen ist
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=5 und p=0.83.
= ≈ 0.3939Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p3=0.624 ⋅ 0.3939 = 0.2457936
Die gesuchte Wahrscheinlichkeit erhält man nun, indem man die Wahrscheinlichkeiten der 3 Kombinationen addiert:
0.1216 + 0.2517 + 0.2458 = 0.6191
feste Reihenfolge im Binomialkontext
Beispiel:
8 Würfel werden gleichzeitig geworfen und liegen dann anschließend in einer Reihe. Bestimme die Wahrscheinlichkeit, dass dabei genau 4 Sechser gewürfelt werden und die alle direkt nebeneinander liegen.
Wenn die Reihenfolge keine Rolle spielen würde, könnten wir ja einfach die Wahrscheinlichkeit von 4 Treffer bei 8 Versuchen mit der Formel von Bernoulli
berechnen:
⋅
⋅
Dabei gibt ja
Hier spielt nun aber die Reihenfolge eine Rolle, also haben wir nicht alle möglichen
XXXXOOOO
OXXXXOOO
OOXXXXOO
OOOXXXXO
OOOOXXXX
Es gibt also genau 5 verschiedene mögliche Reihenfolgen für diese benachbarten Treffer, somit gilt für die Gesamtwahrscheinlichkeit:
P = 5 ⋅
Kombination Binom.-Baumdiagramm
Beispiel:
Bei einer Fluggesellschaft treten 15% der Besitzer gültiger Flugtickets ihren Flug nicht an. Deswegen verkauft die Fluggesellschaft immer 108 Tickets für ihr Flugzeug mit 95 Plätzen. Wie groß ist die Wahrscheinlichkeit, dass es bei drei aufeinanderfolgenden Flügen nicht öfters als einmal zu der peinlichen Situation kommt, dass mehr Fluggäste ihren Flug antreten wollen, als Plätze frei sind?
(Bitte auf 4 Stellen nach dem Komma runden)
Zuerst berechnen wir mit Hilfe der Binomialverteilungsfunktionen die Einzelwahrscheinlichkeiten für 'nicht überbucht'.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=108 und unbekanntem Parameter p.
Gesucht ist die Wahrscheinlichkeit für höchstens 95 Treffer bei 108 Versuchen mit einer Einzelwahrscheinlichkeiten
von 0.85, also
Dazu kann man ja einfach die kumulierte Binomialverteilungsfunktion benutzen:
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=108 und p=0.85.
(TI-Befehl: binomcdf(108,0.85,95))
Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'nicht überbucht' (p=0.8409) und 'überbucht'(p=0.1591).
Jetzt können wir mit einem Baumdiagramm die Gesuchte Endwahrscheinlichkeit berechnen.
Gesucht ist ja 0 mal 'überbucht' oder 1 mal 'überbucht'
Ereignis | P |
---|---|
nicht überbucht -> nicht überbucht -> nicht überbucht | |
nicht überbucht -> nicht überbucht -> überbucht | |
nicht überbucht -> überbucht -> nicht überbucht | |
nicht überbucht -> überbucht -> überbucht | |
überbucht -> nicht überbucht -> nicht überbucht | |
überbucht -> nicht überbucht -> überbucht | |
überbucht -> überbucht -> nicht überbucht | |
überbucht -> überbucht -> überbucht |
Einzel-Wahrscheinlichkeiten: nicht überbucht:
- 'nicht überbucht'-'nicht überbucht'-'nicht überbucht' (P=
)0,5946 - 'nicht überbucht'-'nicht überbucht'-'überbucht' (P=
)0,1125 - 'nicht überbucht'-'überbucht'-'nicht überbucht' (P=
)0,1125 - 'überbucht'-'nicht überbucht'-'nicht überbucht' (P=
)0,1125
Die Lösung ist also die Summe dieser Wahrscheinlichkeiten:
Binomial-Aufgabe mit 2 Ereignissen
Beispiel:
Ein Basketballspieler hat eine Trefferquote von 15% und wirft 11 mal auf dem Korb. Wie groß ist die Wahrscheinlichkeit, dass er von den ersten 6 Versuchen genau 0 mal und von den restlichen Versuchen höchstens 1 mal trifft.
Wir können die beiden Ereignisse als zwei getrennte von einander unabhängige Zufallsversuche betrachten, dabei betrachten wir zuerst die ersten 6
Durchgänge:
Die Zufallsgröße X gibt die Anzahl der Treffer des BB-Spielers an. X ist binomialverteilt mit n=6 und p=0.15.
Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als
Analog betrachten wir nun die restlichen 5 Durchgänge:
Die Zufallsgröße Y gibt die Anzahl der Treffer des BB-Spielers an. Y ist binomialverteilt mit n=5 und p=0.15.
Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als
Da die beiden Teilereignisse unabhängig voneinander sind und ja beide eintreten sollen, müssen wir nun die beiden Teilwahrscheinlichkeiten miteinander multiplizieren um die gesuchte Gesamtwahrscheinlcihkeit zu erhalten:
P =