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:
Eine Produktionsstätte für HighTech-Chips hat Probleme mit der Qualitätssicherung. Ein Großhändler nimmt die übliche Liefermenge von 69 Stück nur an, wenn nicht mehr als 58 Teile defekt sind. Wie hoch darf der Prozentsatz der fehlerhaften Teile höchstens sein, dass eine Lieferung mit einer Wahrscheinlichkeit von mind. 90% angenommen werden.
| p | P(X≤k) |
|---|---|
| ... | ... |
| 0.73 | 0.9896 |
| 0.74 | 0.9836 |
| 0.75 | 0.9745 |
| 0.76 | 0.9615 |
| 0.77 | 0.943 |
| 0.78 | 0.9176 |
| 0.79 | 0.8837 |
| ... | ... |
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(69,X,58) - 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=0.78 die gesuchte Wahrscheinlichkeit über 0.9 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 93 Wiederholungen 35 mal (oder mehr) rot zu treffen bei mind. 60% liegt?
| p | P(X≥35)=1-P(X≤34) |
|---|---|
| ... | ... |
| 0.34 | 0.262 |
| 0.35 | 0.3327 |
| 0.36 | 0.4091 |
| 0.37 | 0.4886 |
| 0.38 | 0.5679 |
| 0.39 | 0.644 |
| ... | ... |
Es muss gelten: =0.6 (oder mehr)
oder eben: 1- =0.6 (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(93,X,34) - 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=0.39 die gesuchte Wahrscheinlichkeit über 0.6 ist.
zwei unabhängige Binom.
Beispiel:
Ein Biathlet hat beim Liegendschießen eine Trefferquote von 95% und im Stehen 87%. 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=0.95.
= ≈ 0.2036Die Wahrscheinlichkeit für 5 mal Stehendschießen ist
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=5 und p=0.87.
= ≈ 0.4984Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p1=0.2036 ⋅ 0.4984 = 0.10147424
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=0.95.
= ≈ 0.7738Die Wahrscheinlichkeit für 4 mal Stehendschießen ist
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=5 und p=0.87.
= ≈ 0.3724Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p2=0.7738 ⋅ 0.3724 = 0.28816312
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=0.95.
= ≈ 0.7738Die Wahrscheinlichkeit für 5 mal Stehendschießen ist
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=5 und p=0.87.
= ≈ 0.4984Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p3=0.7738 ⋅ 0.4984 = 0.38566192
Die gesuchte Wahrscheinlichkeit erhält man nun, indem man die Wahrscheinlichkeiten der 3 Kombinationen addiert:
0.1015 + 0.2882 + 0.3857 = 0.7753
feste Reihenfolge im Binomialkontext
Beispiel:
In einer Urne sind 7 blaue und 3 rote Kugeln. Es wird 8 mal eine Kugel gezogen. Nach jedem Ziehen wird die Kugel wieder zurückgelegt. Bestimme die Wahrscheinlichkeit, dass dabei genau 5 blaue Kugeln gezogen werden und diese aber unmittelbar hintereinander gezogen werden (also ohne, dass dazwischen mal eine rote gezogen wird).
Wenn die Reihenfolge keine Rolle spielen würde, könnten wir ja einfach die Wahrscheinlichkeit von 5 Treffer bei 8 Versuchen mit der Formel von Bernoulli berechnen: ⋅ ⋅
Dabei gibt ja ⋅ die Wahrscheinlichkeit eines bestimmten Pfads mit 5 Treffer und 3 Nicht-Treffern und die Anzahl solcher Pfade an.
Hier spielt nun aber die Reihenfolge eine Rolle, also haben wir nicht alle möglichen Anordnungen der Treffer sondern nur die ausgewählten (bei denen die Treffer benachbart sind), das sind im Einzelnen:
XXXXXOOO
OXXXXXOO
OOXXXXXO
OOOXXXXX
Es gibt also genau 4 verschiedene mögliche Reihenfolgen für diese benachbarten Treffer, somit gilt für die Gesamtwahrscheinlichkeit: P = 4 ⋅ ⋅ ≈ 0.0182
Kombination Binom.-Baumdiagramm
Beispiel:
Ein 10-Klässler bekommt im Schulsport eine 1 als Teilnote, wenn er beim Basketball von 20 Korblegerversuchen mindestens 15 trifft. Weil der Sportlehrer ein nettes Weichei ist, darf der Schüler den Test noch ein zweites mal probieren, wenn er unzufrieden ist. Wie groß ist Wahrscheinlichkeit, dass der Schüler mit seiner Trefferquote von 87% eine 1 bekommt?
(Bitte auf 4 Stellen nach dem Komma runden)
Zuerst berechnen wir mit Hilfe der Binomialverteilungsfunktionen die Einzelwahrscheinlichkeiten für 'genügend Treffer'.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=20 und unbekanntem Parameter p.
Gesucht ist die Wahrscheinlichkeit für mindestens 15 Treffer bei 20 Versuchen mit einer Einzelwahrscheinlichkeiten
von 0.87,
also
.
Dies berechnet man über die Gegenwahrscheinlichkeit: = 1 -
≈ 1 - 0.037 ≈ 0.963 (TI-Befehl: 1-binomcdf(20,0.87,14))
Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'genügend Treffer' (p=0.963) und 'zu wenig'(p=0.037).
Jetzt können wir mit einem Baumdiagramm die Gesuchte Endwahrscheinlichkeit berechnen.
Gesucht ist ja 1 mal 'genügend Treffer' oder 2 mal 'genügend Treffer'
| Ereignis | P |
|---|---|
| genügend Treffer -> genügend Treffer | |
| genügend Treffer -> zu wenig | |
| zu wenig -> genügend Treffer | |
| zu wenig -> zu wenig |
Einzel-Wahrscheinlichkeiten: genügend Treffer: ; zu wenig: ;
Die relevanten Pfade sind:- 'genügend Treffer'-'zu wenig' (P=)
- 'zu wenig'-'genügend Treffer' (P=)
- 'genügend Treffer'-'genügend Treffer' (P=)
Die Lösung ist also die Summe dieser Wahrscheinlichkeiten:
+ + =
Binomial-Aufgabe mit 2 Ereignissen
Beispiel:
Ein normaler Würfel wird 12 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass, Von den ersten 5 Versuchen höchstens 0 mal eine Sechs gewürfelt wird und von den restlichen Versuchen mindestens 0 Sechser gewürfelt werden?
Wir können die beiden Ereignisse als zwei getrennte von einander unabhängige Zufallsversuche betrachten, dabei betrachten wir zuerst die ersten 5
Durchgänge:
Die Zufallsgröße X gibt die Anzahl der Sechser-Würfe an. X ist binomialverteilt mit n=5 und p=.
Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als ≈ 0.4019.
Analog betrachten wir nun die restlichen 7 Durchgänge:
Die Zufallsgröße Y gibt die Anzahl der Sechser-Würfe an. Y ist binomialverteilt mit n=7 und p=.
Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als = 1- ≈ 1.
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 = ⋅ = 0.4019 ⋅ 1 ≈ 0.4019
