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 49 Stück nur an, wenn nicht mehr als 23 Teile defekt sind. Wie hoch darf der Prozentsatz der fehlerhaften Teile höchstens sein, dass eine Lieferung mit einer Wahrscheinlichkeit von mind. 90% angenommen werden.

Lösung einblenden
pP(X≤k)
......
0.330.9853
0.340.9785
0.350.9695
0.360.9576
0.370.9423
0.380.9232
0.390.8998
......

Es muss gelten: Pp49 (X23) =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(49,X,23) - 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=0.38 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 93 mal wiederholt (bzw. die Stichprobe hat die Größe 93)Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 60% mindestens 84 Treffer erzielt werden?

Lösung einblenden
pP(X≥84)=1-P(X≤83)
......
0.860.145
0.870.2163
0.880.3087
0.890.4207
0.90.5459
0.910.6738
......

Es muss gelten: Pp93 (X84) =0.6 (oder mehr)

oder eben: 1- Pp93 (X83) =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,83) - 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=0.91 die gesuchte Wahrscheinlichkeit über 0.6 ist.

zwei unabhängige Binom.

Beispiel:

Ein Mitarbeiter der Stadtwerke bekommt den Auftrag am Freitag bei 60 und am Samstag bei 45 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 30 und 35 am Samstag so zwischen 24 und 28 erreichen werde. Tatsächlich ist die Wahrscheinlichkeit, dass ihm die Tür geöffnet wird, am Samstag mit 65% höher als am Freitag mit 50%. Wie groß ist die Wahrscheinlichkeit, dass seine Prognose zutrifft?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Freitag:

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=60 und unbekanntem Parameter p.

Gesucht ist die Wahrscheinlichkeit zwischen 30 und 35 Treffer bei 60 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.5 zu erzielen, also P0.560 (30X35) .
Diese Wahrscheinlichkeit lässt sich als P0.560 (X35) - P0.560 (X29) ≈ 0.9225 - 0.4487 ≈ 0.4738 berechnen.
TI-Befehl: binomcdf(60,0.5,35)- binomcdf(60,0.5,29)

Samstag:

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=45 und unbekanntem Parameter p.

Gesucht ist die Wahrscheinlichkeit zwischen 24 und 28 Treffer bei 45 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.65 zu erzielen, also P0.6545 (24X28) .
Diese Wahrscheinlichkeit lässt sich als P0.6545 (X28) - P0.6545 (X23) ≈ 0.4017 - 0.0382 ≈ 0.3635 berechnen.
TI-Befehl: binomcdf(45,0.65,28)- binomcdf(45,0.65,23)

Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten:

P ≈ 0.4738 ⋅ 0.3635 ≈ 0.1722

feste Reihenfolge im Binomialkontext

Beispiel:

6 Würfel werden gleichzeitig geworfen und liegen dann anschließend in einer Reihe. Bestimme die Wahrscheinlichkeit, dass dabei genau 5 Sechser gewürfelt werden und die alle direkt nebeneinander liegen.

Lösung einblenden

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: ( 6 5 ) ( 1 6 ) 5 ( 5 6 ) 1

Dabei gibt ja ( 1 6 ) 5 ( 5 6 ) 1 die Wahrscheinlichkeit eines bestimmten Pfads mit 5 Treffer und 1 Nicht-Treffern und ( 6 5 ) die Anzahl solcher Pfade an.

Hier spielt nun aber die Reihenfolge eine Rolle, also haben wir nicht alle möglichen ( 6 5 ) 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 ⋅ ( 1 6 ) 5 ( 5 6 ) 1 ≈ 0.0002

Kombination Binom.-Baumdiagramm

Beispiel:

Bei einer Fluggesellschaft treten 14% der Besitzer gültiger Flugtickets ihren Flug nicht an. Deswegen verkauft die Fluggesellschaft immer 103 Tickets für ihr Flugzeug mit 99 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)

Lösung einblenden

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=103 und unbekanntem Parameter p.

Gesucht ist die Wahrscheinlichkeit für höchstens 99 Treffer bei 103 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.86, also P0.86103 (X99)

Dazu kann man ja einfach die kumulierte Binomialverteilungsfunktion benutzen:

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=103 und p=0.86.

P0.86103 (X99) = P0.86103 (X=0) + P0.86103 (X=1) + P0.86103 (X=2) +... + P0.86103 (X=99) = 0.99983514822409 ≈ 0.9998
(TI-Befehl: binomcdf(103,0.86,99))

Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'nicht überbucht' (p=0.9998) und 'überbucht'(p=0.00019999999999998).

Jetzt können wir mit einem Baumdiagramm die Gesuchte Endwahrscheinlichkeit berechnen.

Gesucht ist ja 0 mal 'überbucht' oder 1 mal 'überbucht'

EreignisP
nicht überbucht -> nicht überbucht -> nicht überbucht0,9994
nicht überbucht -> nicht überbucht -> überbucht0,0002
nicht überbucht -> überbucht -> nicht überbucht0,0002
nicht überbucht -> überbucht -> überbucht0
überbucht -> nicht überbucht -> nicht überbucht0,0002
überbucht -> nicht überbucht -> überbucht0
überbucht -> überbucht -> nicht überbucht0
überbucht -> überbucht -> überbucht0

Einzel-Wahrscheinlichkeiten: nicht überbucht: 0,9998; überbucht: 0,0002;

Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das SchaubBild nicht sehen :( Die relevanten Pfade sind:
  • 'nicht überbucht'-'nicht überbucht'-'nicht überbucht' (P=0,9994)
  • 'nicht überbucht'-'nicht überbucht'-'überbucht' (P=0,0002)
  • 'nicht überbucht'-'überbucht'-'nicht überbucht' (P=0,0002)
  • 'überbucht'-'nicht überbucht'-'nicht überbucht' (P=0,0002)

Die Lösung ist also die Summe dieser Wahrscheinlichkeiten:

0,9994 + 0,0002 + 0,0002 + 0,0002 = 1


Binomial-Aufgabe mit 2 Ereignissen

Beispiel:

Eine faire Münze wird 31 mal geworfen. Bestimme die Wahrscheinlichkeit des folgenden Ereignisses: Von den ersten 11 Versuchen landen höchstens 5 Versuche mit Zahl oben und von den restlichen Versuchen erscheint genau 11 mal "Zahl".

Lösung einblenden

Wir können die beiden Ereignisse als zwei getrennte von einander unabhängige Zufallsversuche betrachten, dabei betrachten wir zuerst die ersten 11 Durchgänge:

Die Zufallsgröße X gibt die Anzahl der Würfe bei denen die Zahl sichtbar ist an. X ist binomialverteilt mit n=11 und p=0.5.

Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als P0.511 (X5) ≈ 0.5.

Analog betrachten wir nun die restlichen 20 Durchgänge:

Die Zufallsgröße Y gibt die Anzahl der Würfe bei denen die Zahl sichtbar ist an. Y ist binomialverteilt mit n=20 und p=0.5.

Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als P0.520 (Y=11) ≈ 0.1602.

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 = P0.511 (X5) P0.520 (Y=11) = 0.5 ⋅ 0.1602 ≈ 0.0801