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 72 Gäste. Wie groß darf der Bekanntheitsgrad des Promis höchstens sein, dass ihn mit einer Wahrscheinlichkeit von mindestens 90% nicht mehr als 45 erkennen und dumm anlabern?

Lösung einblenden
pP(X≤k)
......
0.50.9878
0.510.9813
0.520.972
0.530.9593
0.540.9421
0.550.9197
0.560.8912
......

Es muss gelten: Pp72 (X≤45) =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(72,X,45) - 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=0.55 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 57 mal wiederholt (bzw. die Stichprobe hat die Größe 57)Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 50% mindestens 36 Treffer erzielt werden?

Lösung einblenden
pP(X≥36)=1-P(X≤35)
......
0.580.2578
0.590.3096
0.60.3658
0.610.4253
0.620.487
0.630.5494
......

Es muss gelten: Pp57 (X≥36) =0.5 (oder mehr)

oder eben: 1- Pp57 (X≤35) =0.5 (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(57,X,35) - 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=0.63 die gesuchte Wahrscheinlichkeit über 0.5 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 20%. Wie groß ist die Wahrscheinlichkeit, dass er insgesamt 3 mal trifft?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Zuerst überlegen wir mit welchen Kombinationen man auf die Summe von genau 3 kommen kann:

  • 0 mal unten und 3 mal oben
  • 1 mal unten und 2 mal oben
  • 2 mal unten und 1 mal oben
  • 3 mal unten und 0 mal oben

0 mal unten und 3 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 3 mal oben ist

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=3 und p=0.2.

P0.23 (X=3) = ( 3 3 ) ⋅ 0.23 ⋅ 0.80 ≈ 0.008
Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p1=0.027 ⋅ 0.008 = 0.000216

1 mal unten und 2 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 2 mal oben ist

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=3 und p=0.2.

P0.23 (X=2) = ( 3 2 ) ⋅ 0.22 ⋅ 0.81 ≈ 0.096
Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p2=0.189 ⋅ 0.096 = 0.018144

2 mal unten und 1 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 1 mal oben ist

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=3 und p=0.2.

P0.23 (X=1) = ( 3 1 ) ⋅ 0.21 ⋅ 0.82 ≈ 0.384
Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p3=0.441 ⋅ 0.384 = 0.169344

3 mal unten und 0 mal oben

Die Wahrscheinlichkeit für 3 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=3) = ( 3 3 ) ⋅ 0.73 ⋅ 0.30 ≈ 0.343
Die Wahrscheinlichkeit für 0 mal oben ist

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=3 und p=0.2.

P0.23 (X=0) = ( 3 0 ) ⋅ 0.20 ⋅ 0.83 ≈ 0.512
Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p4=0.343 ⋅ 0.512 = 0.175616


Die gesuchte Wahrscheinlichkeit erhält man nun, indem man die Wahrscheinlichkeiten der 4 Kombinationen addiert:

0.0002 + 0.0181 + 0.1693 + 0.1756 = 0.3633

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 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 6 Versuchen mit der Formel von Bernoulli berechnen: ( 6 3 ) ⋅ 0.45 3 ⋅ 0.55 3

Dabei gibt ja 0.45 3 ⋅ 0.55 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 ⋅ 0.45 3 ⋅ 0.55 3 ≈ 0.0606

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 25 Stück verpackt. Ein Großhändler öffnet testweise zwei Kartons der Lieferung und prüft die darin enthaltenen Leuchtmittel. Nur wenn in keiner der Packungen mehr als 4 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=25 und unbekanntem Parameter p.

Gesucht ist die Wahrscheinlichkeit für höchstens 4 Treffer bei 25 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.09, also P0.0925 (X≤4)

Dazu kann man ja einfach die kumulierte Binomialverteilungsfunktion benutzen:

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=25 und p=0.09.

P0.0925 (X≤4) = P0.0925 (X=0) + P0.0925 (X=1) + P0.0925 (X=2) +... + P0.0925 (X=4) = 0.93138653918453 ≈ 0.9314
(TI-Befehl: binomcdf(25,0.09,4))

Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'kiste ok' (p=0.9314) und 'nicht ok'(p=0.0686).

Jetzt können wir mit einem Baumdiagramm die Gesuchte Endwahrscheinlichkeit berechnen.

Gesucht ist ja 0 mal 'nicht ok'

EreignisP
kiste ok -> kiste ok0,8675
kiste ok -> nicht ok0,0639
nicht ok -> kiste ok0,0639
nicht ok -> nicht ok0,0047

Einzel-Wahrscheinlichkeiten: kiste ok: 0,9314; nicht ok: 0,0686;

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=0,8675)

Die Lösung ist also die Summe dieser Wahrscheinlichkeiten:

0,8675 = 0,8675


Binomial-Aufgabe mit 2 Ereignissen

Beispiel:

Ein normaler Würfel wird 21 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass, Von den ersten 14 Versuchen höchstens 1 mal eine Sechs gewürfelt wird und von den restlichen Versuchen mindestens 2 Sechser gewürfelt werden?

Lösung einblenden

Wir können die beiden Ereignisse als zwei getrennte von einander unabhängige Zufallsversuche betrachten, dabei betrachten wir zuerst die ersten 14 Durchgänge:

Die Zufallsgröße X gibt die Anzahl der Sechser-Würfe an. X ist binomialverteilt mit n=14 und p= 1 6 .

Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als P 1 6 14 (X≤1) ≈ 0.296.

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= 1 6 .

Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als P 1 6 7 (Y≥2) = 1- P 1 6 7 (Y≤1) ≈ 0.3302.

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 14 (X≤1) ⋅ P 1 6 7 (Y≥2) = 0.296 ⋅ 0.3302 ≈ 0.0977