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 Glücksrad soll mit einer Wahrscheinlichkeit von 90% bei 99 Ausspielungen nicht öfters als 71 mal der grüne Bereich kommen. Wie hoch darf man die Wahrscheinlichkeit für den grünen Bereich auf dem Glücksrad maximal setzen?
| p | P(X≤k) |
|---|---|
| ... | ... |
| 0.61 | 0.9902 |
| 0.62 | 0.9835 |
| 0.63 | 0.9732 |
| 0.64 | 0.9579 |
| 0.65 | 0.9361 |
| 0.66 | 0.906 |
| 0.67 | 0.8661 |
| ... | ... |
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(99,X,71) - 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=0.66 die gesuchte Wahrscheinlichkeit über 0.9 ist.
Binomialvert. mit variabl. p (mind.) nur GTR
Beispiel:
Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 56 mal wiederholt (bzw. die Stichprobe hat die Größe 56)Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 90% mindestens 29 Treffer erzielt werden?
| p | P(X≥29)=1-P(X≤28) |
|---|---|
| ... | ... |
| 0.55 | 0.7324 |
| 0.56 | 0.7798 |
| 0.57 | 0.8222 |
| 0.58 | 0.8592 |
| 0.59 | 0.8907 |
| 0.6 | 0.9169 |
| ... | ... |
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(56,X,28) - 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=0.6 die gesuchte Wahrscheinlichkeit über 0.9 ist.
zwei unabhängige Binom.
Beispiel:
Ein Mitarbeiter der Stadtwerke bekommt den Auftrag am Freitag bei 65 und am Samstag bei 40 Haushalten den Gas- und den Stromzähler abzulesen. Als ihn seine Frau fragt, was er denn glaubt, wie viele der Kunden überhaupt zuhause wären und die Tür öffnen würden, sagr er: Ich denke, dass ich am Freitag so zwischen 24 und 33 am Samstag so zwischen 21 und 26 erreichen werde. Tatsächlich ist die Wahrscheinlichkeit, dass ihm die Tür geöffnet wird, am Samstag mit 62% höher als am Freitag mit 47%. Wie groß ist die Wahrscheinlichkeit, dass seine Prognose zutrifft?
(Bitte auf 4 Stellen nach dem Komma runden)
Freitag:
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=65 und unbekanntem Parameter p.
Gesucht ist die Wahrscheinlichkeit zwischen 24 und 33 Treffer bei 65 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.47 zu erzielen, also .Diese Wahrscheinlichkeit lässt sich als - ≈ 0.7685 - 0.039 ≈ 0.7295 berechnen.
TI-Befehl: binomcdf(65,0.47,33)- binomcdf(65,0.47,23)
Samstag:
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=40 und unbekanntem Parameter p.
Gesucht ist die Wahrscheinlichkeit zwischen 21 und 26 Treffer bei 40 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.62 zu erzielen, also .Diese Wahrscheinlichkeit lässt sich als - ≈ 0.7067 - 0.082 ≈ 0.6247 berechnen.
TI-Befehl: binomcdf(40,0.62,26)- binomcdf(40,0.62,20)
Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten:
P ≈ 0.7295 ⋅ 0.6247 ≈ 0.4557
feste Reihenfolge im Binomialkontext
Beispiel:
Ein Basketballspieler mit einer Trefferquote von 45% wirft 6 mal auf den Korb. Bestimme die Wahrscheinlichkeit, dass er bei diesen 6 Versuchen irgendwann einmal eine Serie mit 5 aufeinanderfolgenden Treffern hinlegt und bei allen anderen Versuchen nicht trifft.
Wenn die Reihenfolge keine Rolle spielen würde, könnten wir ja einfach die Wahrscheinlichkeit von 5 Treffer bei 6 Versuchen mit der Formel von Bernoulli berechnen: ⋅ ⋅
Dabei gibt ja ⋅ die Wahrscheinlichkeit eines bestimmten Pfads mit 5 Treffer und 1 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:
XXXXXO
OXXXXX
Es gibt also genau 2 verschiedene mögliche Reihenfolgen für diese benachbarten Treffer, somit gilt für die Gesamtwahrscheinlichkeit: P = 2 ⋅ ⋅ ≈ 0.0203
Kombination Binom.-Baumdiagramm
Beispiel:
Ein 10-Klässler bekommt im Schulsport eine 1 als Teilnote, wenn er beim Basketball von 20 Korblegerversuchen mindestens 18 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 84% 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 18 Treffer bei 20 Versuchen mit einer Einzelwahrscheinlichkeiten
von 0.84,
also
.
Dies berechnet man über die Gegenwahrscheinlichkeit: = 1 -
≈ 1 - 0.642 ≈ 0.358 (TI-Befehl: 1-binomcdf(20,0.84,17))
Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'genügend Treffer' (p=0.358) und 'zu wenig'(p=0.642).
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:
Eine faire Münze wird 17 mal geworfen. Bestimme die Wahrscheinlichkeit des folgenden Ereignisses: Von den ersten 12 Versuchen landen höchstens 7 Versuche mit Zahl oben und von den restlichen Versuchen erscheint genau 3 mal "Zahl".
Wir können die beiden Ereignisse als zwei getrennte von einander unabhängige Zufallsversuche betrachten, dabei betrachten wir zuerst die ersten 12
Durchgänge:
Die Zufallsgröße X gibt die Anzahl der Würfe bei denen die Zahl sichtbar ist an. X ist binomialverteilt mit n=12 und p=0.5.
Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als ≈ 0.8062.
Analog betrachten wir nun die restlichen 5 Durchgänge:
Die Zufallsgröße Y gibt die Anzahl der Würfe bei denen die Zahl sichtbar ist an. Y ist binomialverteilt mit n=5 und p=0.5.
Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als ≈ 0.3125.
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 = ⋅ = 0.8062 ⋅ 0.3125 ≈ 0.2519
