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 43 Gäste. Wie groß darf der Bekanntheitsgrad des Promis höchstens sein, dass ihn mit einer Wahrscheinlichkeit von mindestens 90% nicht mehr als 24 erkennen und dumm anlabern?

Lösung einblenden
pP(X≤k)
......
0.420.976
0.430.9673
0.440.9563
0.450.9424
0.460.9255
0.470.905
0.480.8807
......

Es muss gelten: Pp43 (X24) =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(43,X,24) - 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=0.47 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 55 mal wiederholt (bzw. die Stichprobe hat die Größe 55)Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 70% mindestens 41 Treffer erzielt werden?

Lösung einblenden
pP(X≥41)=1-P(X≤40)
......
0.720.4016
0.730.467
0.740.5343
0.750.6018
0.760.6674
0.770.7294
......

Es muss gelten: Pp55 (X41) =0.7 (oder mehr)

oder eben: 1- Pp55 (X40) =0.7 (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(55,X,40) - 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=0.77 die gesuchte Wahrscheinlichkeit über 0.7 ist.

zwei unabhängige Binom.

Beispiel:

Ein Mitarbeiter der Stadtwerke bekommt den Auftrag am Freitag bei 65 und am Samstag bei 35 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 36 am Samstag so zwischen 24 und 26 erreichen werde. Tatsächlich ist die Wahrscheinlichkeit, dass ihm die Tür geöffnet wird, am Samstag mit 64% 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=65 und unbekanntem Parameter p.

Gesucht ist die Wahrscheinlichkeit zwischen 24 und 36 Treffer bei 65 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.5 zu erzielen, also P0.565 (24X36) .
Diese Wahrscheinlichkeit lässt sich als P0.565 (X36) - P0.565 (X23) ≈ 0.8395 - 0.0124 ≈ 0.8271 berechnen.
TI-Befehl: binomcdf(65,0.5,36)- binomcdf(65,0.5,23)

Samstag:

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=35 und unbekanntem Parameter p.

Gesucht ist die Wahrscheinlichkeit zwischen 24 und 26 Treffer bei 35 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.64 zu erzielen, also P0.6435 (24X26) .
Diese Wahrscheinlichkeit lässt sich als P0.6435 (X26) - P0.6435 (X23) ≈ 0.9289 - 0.6451 ≈ 0.2838 berechnen.
TI-Befehl: binomcdf(35,0.64,26)- binomcdf(35,0.64,23)

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

P ≈ 0.8271 ⋅ 0.2838 ≈ 0.2347

feste Reihenfolge im Binomialkontext

Beispiel:

Bei einem Glücksrad beträgt die Wahrscheinlichkeit für den grünen Bereich 75%. Es wird 6 mal gedreht.Bestimme die Wahrscheinlichkeit, dass dabei genau 3 mal in den grünen Bereich gedreht wird und diese Drehungen unmittelbar hintereinander erfolgen (also ohne, dass dazwischen mal nicht in den grünen Bereich gedreht wird).

Lösung einblenden

Wenn die Reihenfolge keine Rolle spielen würde, könnten wir ja einfach die Wahrscheinlichkeit von 3 Treffer bei 6 Versuchen mit der Formel von Bernoulli berechnen: ( 6 3 ) 0.75 3 0.25 3

Dabei gibt ja 0.75 3 0.25 3 die Wahrscheinlichkeit eines bestimmten Pfads mit 3 Treffer und 3 Nicht-Treffern und ( 6 3 ) die Anzahl solcher Pfade an.

Hier spielt nun aber die Reihenfolge eine Rolle, also haben wir nicht alle möglichen ( 6 3 ) Anordnungen der Treffer sondern nur die ausgewählten (bei denen die Treffer benachbart sind), das sind im Einzelnen:

XXXOOO

OXXXOO

OOXXXO

OOOXXX

Es gibt also genau 4 verschiedene mögliche Reihenfolgen für diese benachbarten Treffer, somit gilt für die Gesamtwahrscheinlichkeit:
P = 4 ⋅ 0.75 3 0.25 3 ≈ 0.0264

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)

Lösung einblenden

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 P0.8720 (X15) .

Dies berechnet man über die Gegenwahrscheinlichkeit: P0.8720 (X15) = 1 - P0.8720 (X14)

≈ 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'

EreignisP
genügend Treffer -> genügend Treffer0,9274
genügend Treffer -> zu wenig0,0356
zu wenig -> genügend Treffer0,0356
zu wenig -> zu wenig0,0014

Einzel-Wahrscheinlichkeiten: genügend Treffer: 0,963; zu wenig: 0,037;

Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das SchaubBild nicht sehen :( Die relevanten Pfade sind:
  • 'genügend Treffer'-'zu wenig' (P=0,0356)
  • 'zu wenig'-'genügend Treffer' (P=0,0356)
  • 'genügend Treffer'-'genügend Treffer' (P=0,9274)

Die Lösung ist also die Summe dieser Wahrscheinlichkeiten:

0,0356 + 0,0356 + 0,9274 = 0,9986


Binomial-Aufgabe mit 2 Ereignissen

Beispiel:

Ein normaler Würfel wird 16 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass, Von den ersten 7 Versuchen höchstens 1 mal eine Sechs gewürfelt wird und von den restlichen Versuchen mindestens 1 Sechser gewürfelt werden?

Lösung einblenden

Wir können die beiden Ereignisse als zwei getrennte von einander unabhängige Zufallsversuche betrachten, dabei betrachten wir zuerst die ersten 7 Durchgänge:

Die Zufallsgröße X gibt die Anzahl der Sechser-Würfe an. X ist binomialverteilt mit n=7 und p= 1 6 .

Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als P 1 6 7 (X1) ≈ 0.6698.

Analog betrachten wir nun die restlichen 9 Durchgänge:

Die Zufallsgröße Y gibt die Anzahl der Sechser-Würfe an. Y ist binomialverteilt mit n=9 und p= 1 6 .

Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als P 1 6 9 (Y1) = 1- P 1 6 9 (Y0) ≈ 0.8062.

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 7 (X1) P 1 6 9 (Y1) = 0.6698 ⋅ 0.8062 ≈ 0.54