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 74 mal wiederholt (bzw. die Stichprobe hat die Größe 74).Wie hoch darf die Einzelwahrscheinlichkeit p höchstens sein, dass mit einer Wahrscheinlichkeit von mind. 60% höchstens 38 Treffer erzielt werden?

Lösung einblenden
pP(X≤k)
......
0.450.8876
0.460.8509
0.470.807
0.480.7561
0.490.6988
0.50.6362
0.510.5698
......

Es muss gelten: Pp74 (X38) =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=binomcdf(74,X,38) - 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=0.5 die gesuchte Wahrscheinlichkeit über 0.6 ist.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 90% Wahrscheinlichkeit von 91 Freiwürfen mindestens 67 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥67)=1-P(X≤66)
......
0.740.5867
0.750.67
0.760.7469
0.770.8144
0.780.8705
0.790.9144
......

Es muss gelten: Pp91 (X67) =0.9 (oder mehr)

oder eben: 1- Pp91 (X66) =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(91,X,66) - 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=0.79 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 70% und oben 30%. 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=0.7.

P0.73 (X=0) = ( 3 0 ) 0.70 0.33 ≈ 0.027
Die Wahrscheinlichkeit für 2 mal oben ist

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=3 und p=0.3.

P0.33 (X=2) = ( 3 2 ) 0.32 0.71 ≈ 0.189
Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p1=0.027 ⋅ 0.189 = 0.005103

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=0.7.

P0.73 (X=1) = ( 3 1 ) 0.71 0.32 ≈ 0.189
Die Wahrscheinlichkeit für 1 mal oben ist

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=3 und p=0.3.

P0.33 (X=1) = ( 3 1 ) 0.31 0.72 ≈ 0.441
Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p2=0.189 ⋅ 0.441 = 0.083349

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=0.7.

P0.73 (X=2) = ( 3 2 ) 0.72 0.31 ≈ 0.441
Die Wahrscheinlichkeit für 0 mal oben ist

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=3 und p=0.3.

P0.33 (X=0) = ( 3 0 ) 0.30 0.73 ≈ 0.343
Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p3=0.441 ⋅ 0.343 = 0.151263


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

0.0051 + 0.0833 + 0.1513 = 0.2397

feste Reihenfolge im Binomialkontext

Beispiel:

Ein Basketballspieler mit einer Trefferquote von 80% wirft 10 mal auf den Korb. Bestimme die Wahrscheinlichkeit, dass er bei diesen 10 Versuchen irgendwann einmal eine Serie mit 3 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 3 Treffer bei 10 Versuchen mit der Formel von Bernoulli berechnen: ( 10 3 ) 0.8 3 0.2 7

Dabei gibt ja 0.8 3 0.2 7 die Wahrscheinlichkeit eines bestimmten Pfads mit 3 Treffer und 7 Nicht-Treffern und ( 10 3 ) die Anzahl solcher Pfade an.

Hier spielt nun aber die Reihenfolge eine Rolle, also haben wir nicht alle möglichen ( 10 3 ) Anordnungen der Treffer sondern nur die ausgewählten (bei denen die Treffer benachbart sind), das sind im Einzelnen:

XXXOOOOOOO

OXXXOOOOOO

OOXXXOOOOO

OOOXXXOOOO

OOOOXXXOOO

OOOOOXXXOO

OOOOOOXXXO

OOOOOOOXXX

Es gibt also genau 8 verschiedene mögliche Reihenfolgen für diese benachbarten Treffer, somit gilt für die Gesamtwahrscheinlichkeit:
P = 8 ⋅ 0.8 3 0.2 7 ≈ 0.0001

Kombination Binom.-Baumdiagramm

Beispiel:

Ein fernöstlicher LED-Hersteller hat Probleme in der Qualitätssicherung, so dass 9% 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 2 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 2 Treffer bei 50 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.09, also P0.0950 (X2)

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=0.09.

P0.0950 (X2) = P0.0950 (X=0) + P0.0950 (X=1) + P0.0950 (X=2) = 0.16054049072451 ≈ 0.1605
(TI-Befehl: binomcdf(50,0.09,2))

Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'kiste ok' (p=0.1605) und 'nicht ok'(p=0.8395).

Jetzt können wir mit einem Baumdiagramm die Gesuchte Endwahrscheinlichkeit berechnen.

Gesucht ist ja 0 mal 'nicht ok'

EreignisP
kiste ok -> kiste ok0,0258
kiste ok -> nicht ok0,1347
nicht ok -> kiste ok0,1347
nicht ok -> nicht ok0,7048

Einzel-Wahrscheinlichkeiten: kiste ok: 0,1605; nicht ok: 0,8395;

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=0,0258)

Die Lösung ist also die Summe dieser Wahrscheinlichkeiten:

0,0258 = 0,0258


Binomial-Aufgabe mit 2 Ereignissen

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 40% und wirft 28 mal auf dem Korb. Wie groß ist die Wahrscheinlichkeit, dass er von den ersten 20 Versuchen genau 8 mal und von den restlichen Versuchen höchstens 4 mal trifft.

Lösung einblenden

Wir können die beiden Ereignisse als zwei getrennte von einander unabhängige Zufallsversuche betrachten, dabei betrachten wir zuerst die ersten 20 Durchgänge:

Die Zufallsgröße X gibt die Anzahl der Treffer des BB-Spielers an. X ist binomialverteilt mit n=20 und p=0.4.

Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als P0.420 (X=8) ≈ 0.1797.

Analog betrachten wir nun die restlichen 8 Durchgänge:

Die Zufallsgröße Y gibt die Anzahl der Treffer des BB-Spielers an. Y ist binomialverteilt mit n=8 und p=0.4.

Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als P0.48 (Y4) ≈ 0.8263.

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 = P0.420 (X=8) P0.48 (Y4) = 0.1797 ⋅ 0.8263 ≈ 0.1485