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 90 Stück nur an, wenn nicht mehr als 52 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)
......
0.460.9905
0.470.9844
0.480.9752
0.490.9619
0.50.9433
0.510.9183
0.520.8857
......

Es muss gelten: Pp90 (X52) =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(90,X,52) - 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=0.51 die gesuchte Wahrscheinlichkeit über 0.9 ist.

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

Beispiel:

Eine Fluggesellschaft verkauft 45 Flugtickets für einen bestimmten Flug. Das sind 29 Tickets mehr, als das Flugzeug Plätze hat. Wie hoch muss die Wahrscheinlichkeit, dass ein Ticketkäufer nicht mitfliegt, mindestens sein, dass das Flugzeug mit einer Wahrscheinlichkeit von mindestens 90% nicht überbucht ist (also dass alle mitfliegen können)?

Lösung einblenden
pP(X≥29)=1-P(X≤28)
......
0.670.7039
0.680.7521
0.690.7963
0.70.8358
0.710.8705
0.720.9001
......

Es muss gelten: Pp45 (X29) =0.9 (oder mehr)

oder eben: 1- Pp45 (X28) =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(45,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=0.72 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 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 37 am Samstag so zwischen 25 und 32 erreichen werde. Tatsächlich ist die Wahrscheinlichkeit, dass ihm die Tür geöffnet wird, am Samstag mit 62% höher als am Freitag mit 54%. 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 30 und 37 Treffer bei 65 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.54 zu erzielen, also P0.5465 (30X37) .
Diese Wahrscheinlichkeit lässt sich als P0.5465 (X37) - P0.5465 (X29) ≈ 0.7239 - 0.0819 ≈ 0.642 berechnen.
TI-Befehl: binomcdf(65,0.54,37)- binomcdf(65,0.54,29)

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 25 und 32 Treffer bei 45 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.62 zu erzielen, also P0.6245 (25X32) .
Diese Wahrscheinlichkeit lässt sich als P0.6245 (X32) - P0.6245 (X24) ≈ 0.9235 - 0.1484 ≈ 0.7751 berechnen.
TI-Befehl: binomcdf(45,0.62,32)- binomcdf(45,0.62,24)

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

P ≈ 0.642 ⋅ 0.7751 ≈ 0.4976

feste Reihenfolge im Binomialkontext

Beispiel:

Bei einem Glücksrad beträgt die Wahrscheinlichkeit für den grünen Bereich 30%. Es wird 10 mal gedreht.Bestimme die Wahrscheinlichkeit, dass dabei genau 5 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 5 Treffer bei 10 Versuchen mit der Formel von Bernoulli berechnen: ( 10 5 ) 0.3 5 0.7 5

Dabei gibt ja 0.3 5 0.7 5 die Wahrscheinlichkeit eines bestimmten Pfads mit 5 Treffer und 5 Nicht-Treffern und ( 10 5 ) die Anzahl solcher Pfade an.

Hier spielt nun aber die Reihenfolge eine Rolle, also haben wir nicht alle möglichen ( 10 5 ) Anordnungen der Treffer sondern nur die ausgewählten (bei denen die Treffer benachbart sind), das sind im Einzelnen:

XXXXXOOOOO

OXXXXXOOOO

OOXXXXXOOO

OOOXXXXXOO

OOOOXXXXXO

OOOOOXXXXX

Es gibt also genau 6 verschiedene mögliche Reihenfolgen für diese benachbarten Treffer, somit gilt für die Gesamtwahrscheinlichkeit:
P = 6 ⋅ 0.3 5 0.7 5 ≈ 0.0025

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:

Ein Basketballspieler hat eine Trefferquote von 90% und wirft 32 mal auf dem Korb. Wie groß ist die Wahrscheinlichkeit, dass er von den ersten 20 Versuchen genau 18 mal und von den restlichen Versuchen höchstens 10 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=0.9.

Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als P0.920 (X=18) ≈ 0.2852.

Analog betrachten wir nun die restlichen 12 Durchgänge:

Die Zufallsgröße Y gibt die Anzahl der Treffer des BB-Spielers an. Y ist binomialverteilt mit n=12 und p=0.9.

Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als P0.912 (Y10) ≈ 0.341.

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 = P0.920 (X=18) P0.912 (Y10) = 0.2852 ⋅ 0.341 ≈ 0.0973