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:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 51 mal wiederholt (bzw. die Stichprobe hat die Größe 51).Wie hoch darf die Einzelwahrscheinlichkeit p höchstens sein, dass mit einer Wahrscheinlichkeit von mind. 50% höchstens 33 Treffer erzielt werden?

Lösung einblenden
pP(X≤k)
......
0.60.7954
0.610.7517
0.620.7031
0.630.6503
0.640.5939
0.650.535
0.660.4748
......

Es muss gelten: Pp51 (X33) =0.5 (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(51,X,33) - 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=0.65 die gesuchte Wahrscheinlichkeit über 0.5 ist.

Binomialvert. mit variabl. p (mind.) nur GTR

Beispiel:

Ein Glücksrad soll mit nur zwei verschiedenen Sektoren (blau und rot) gebaut werden. Wie hoch muss man die Einzelwahrscheinlichkeit p mindestens wählen, dass die Wahrscheinlichkeit bei 95 Wiederholungen 92 mal (oder mehr) rot zu treffen bei mind. 90% liegt?

Lösung einblenden
pP(X≥92)=1-P(X≤91)
......
0.940.1715
0.950.295
0.960.4701
0.970.6813
0.980.8766
0.990.9845
......

Es muss gelten: Pp95 (X92) =0.9 (oder mehr)

oder eben: 1- Pp95 (X91) =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(95,X,91) - 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=0.99 die gesuchte Wahrscheinlichkeit über 0.9 ist.

zwei unabhängige Binom.

Beispiel:

Beim Torwandschießen muss man immer 3 mal rechts unten und dann 3 mal links oben versuchen zu treffen. Ein Fußballspieler hat unten ein Trefferwahrscheinlichkeit von 50% und oben 40%. Wie groß ist die Wahrscheinlichkeit, dass er insgesamt 2 mal trifft?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Zuerst überlegen wir mit welchen Kombinationen man auf die Summe von genau 2 kommen kann:

  • 0 mal unten und 2 mal oben
  • 1 mal unten und 1 mal oben
  • 2 mal unten und 0 mal oben

0 mal unten und 2 mal oben

Die Wahrscheinlichkeit für 0 mal unten ist

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=3 und p=0.5.

P0.53 (X=0) = ( 3 0 ) 0.50 0.53 ≈ 0.125
Die Wahrscheinlichkeit für 2 mal oben ist

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=3 und p=0.4.

P0.43 (X=2) = ( 3 2 ) 0.42 0.61 ≈ 0.288
Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p1=0.125 ⋅ 0.288 = 0.036

1 mal unten und 1 mal oben

Die Wahrscheinlichkeit für 1 mal unten ist

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=3 und p=0.5.

P0.53 (X=1) = ( 3 1 ) 0.51 0.52 ≈ 0.375
Die Wahrscheinlichkeit für 1 mal oben ist

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=3 und p=0.4.

P0.43 (X=1) = ( 3 1 ) 0.41 0.62 ≈ 0.432
Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p2=0.375 ⋅ 0.432 = 0.162

2 mal unten und 0 mal oben

Die Wahrscheinlichkeit für 2 mal unten ist

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=3 und p=0.5.

P0.53 (X=2) = ( 3 2 ) 0.52 0.51 ≈ 0.375
Die Wahrscheinlichkeit für 0 mal oben ist

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=3 und p=0.4.

P0.43 (X=0) = ( 3 0 ) 0.40 0.63 ≈ 0.216
Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p3=0.375 ⋅ 0.216 = 0.081


Die gesuchte Wahrscheinlichkeit erhält man nun, indem man die Wahrscheinlichkeiten der 3 Kombinationen addiert:

0.036 + 0.162 + 0.081 = 0.279

feste Reihenfolge im Binomialkontext

Beispiel:

Ein Basketballspieler mit einer Trefferquote von 10% wirft 9 mal auf den Korb. Bestimme die Wahrscheinlichkeit, dass er bei diesen 9 Versuchen irgendwann einmal eine Serie mit 4 aufeinanderfolgenden Treffern hinlegt und bei allen anderen Versuchen nicht trifft.

Lösung einblenden

Wenn die Reihenfolge keine Rolle spielen würde, könnten wir ja einfach die Wahrscheinlichkeit von 4 Treffer bei 9 Versuchen mit der Formel von Bernoulli berechnen: ( 9 4 ) 0.1 4 0.9 5

Dabei gibt ja 0.1 4 0.9 5 die Wahrscheinlichkeit eines bestimmten Pfads mit 4 Treffer und 5 Nicht-Treffern und ( 9 4 ) die Anzahl solcher Pfade an.

Hier spielt nun aber die Reihenfolge eine Rolle, also haben wir nicht alle möglichen ( 9 4 ) Anordnungen der Treffer sondern nur die ausgewählten (bei denen die Treffer benachbart sind), das sind im Einzelnen:

XXXXOOOOO

OXXXXOOOO

OOXXXXOOO

OOOXXXXOO

OOOOXXXXO

OOOOOXXXX

Es gibt also genau 6 verschiedene mögliche Reihenfolgen für diese benachbarten Treffer, somit gilt für die Gesamtwahrscheinlichkeit:
P = 6 ⋅ 0.1 4 0.9 5 ≈ 0.0004

Kombination Binom.-Baumdiagramm

Beispiel:

Ein fernöstlicher LED-Hersteller hat Probleme in der Qualitätssicherung, so dass 7% seiner Leuchtmittel defekt sind. Diese werden in Kartons a 50 Stück verpackt. Ein Großhändler öffnet testweise zwei Kartons der Lieferung und prüft die darin enthaltenen Leuchtmittel. Nur wenn in keiner der Packungen mehr als 4 Stück defekt sind nimmt er die Lieferung an. Wie hoch ist die Wahrscheinlichkeit, dass er die Lieferung annimmt?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Zuerst berechnen wir mit Hilfe der Binomialverteilungsfunktionen die Einzelwahrscheinlichkeiten für 'kiste ok'.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=50 und unbekanntem Parameter p.

Gesucht ist die Wahrscheinlichkeit für höchstens 4 Treffer bei 50 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.07, also P0.0750 (X4)

Dazu kann man ja einfach die kumulierte Binomialverteilungsfunktion benutzen:

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=50 und p=0.07.

P0.0750 (X4) = P0.0750 (X=0) + P0.0750 (X=1) + P0.0750 (X=2) +... + P0.0750 (X=4) = 0.72902690999887 ≈ 0.729
(TI-Befehl: binomcdf(50,0.07,4))

Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'kiste ok' (p=0.729) und 'nicht ok'(p=0.271).

Jetzt können wir mit einem Baumdiagramm die Gesuchte Endwahrscheinlichkeit berechnen.

Gesucht ist ja 0 mal 'nicht ok'

EreignisP
kiste ok -> kiste ok0,5314
kiste ok -> nicht ok0,1976
nicht ok -> kiste ok0,1976
nicht ok -> nicht ok0,0734

Einzel-Wahrscheinlichkeiten: kiste ok: 0,729; nicht ok: 0,271;

Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das SchaubBild nicht sehen :( Die relevanten Pfade sind:
  • 'kiste ok'-'kiste ok' (P=0,5314)

Die Lösung ist also die Summe dieser Wahrscheinlichkeiten:

0,5314 = 0,5314


Binomial-Aufgabe mit 2 Ereignissen

Beispiel:

Ein normaler Würfel wird 19 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass, Von den ersten 6 Versuchen höchstens 1 mal eine Sechs gewürfelt wird und von den restlichen Versuchen mindestens 2 Sechser gewürfelt werden?

Lösung einblenden

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 Sechser-Würfe an. X ist binomialverteilt mit n=6 und p= 1 6 .

Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als P 1 6 6 (X1) ≈ 0.7368.

Analog betrachten wir nun die restlichen 13 Durchgänge:

Die Zufallsgröße Y gibt die Anzahl der Sechser-Würfe an. Y ist binomialverteilt mit n=13 und p= 1 6 .

Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als P 1 6 13 (Y2) = 1- P 1 6 13 (Y1) ≈ 0.6635.

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 = P 1 6 6 (X1) P 1 6 13 (Y2) = 0.7368 ⋅ 0.6635 ≈ 0.4889