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 82 mal wiederholt (bzw. die Stichprobe hat die Größe 82).Wie hoch darf die Einzelwahrscheinlichkeit p höchstens sein, dass mit einer Wahrscheinlichkeit von mind. 70% höchstens 77 Treffer erzielt werden?

Lösung einblenden
pP(X≤k)
......
0.870.9862
0.880.9747
0.890.9549
0.90.9223
0.910.871
0.920.7945
0.930.6878
......

Es muss gelten: Pp82 (X77) =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=binomcdf(82,X,77) - 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=0.92 die gesuchte Wahrscheinlichkeit über 0.7 ist.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 70% Wahrscheinlichkeit von 60 Freiwürfen mindestens 28 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥28)=1-P(X≤27)
......
0.450.4468
0.460.5089
0.470.5708
0.480.6308
0.490.6877
0.50.7405
......

Es muss gelten: Pp60 (X28) =0.7 (oder mehr)

oder eben: 1- Pp60 (X27) =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(60,X,27) - 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=0.5 die gesuchte Wahrscheinlichkeit über 0.7 ist.

zwei unabhängige Binom.

Beispiel:

Ein Mitarbeiter der Stadtwerke bekommt den Auftrag am Freitag bei 55 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 24 und 34 am Samstag so zwischen 23 und 30 erreichen werde. Tatsächlich ist die Wahrscheinlichkeit, dass ihm die Tür geöffnet wird, am Samstag mit 69% höher als am Freitag mit 58%. 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=55 und unbekanntem Parameter p.

Gesucht ist die Wahrscheinlichkeit zwischen 24 und 34 Treffer bei 55 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.58 zu erzielen, also P0.5855 (24X34) .
Diese Wahrscheinlichkeit lässt sich als P0.5855 (X34) - P0.5855 (X23) ≈ 0.7599 - 0.0113 ≈ 0.7486 berechnen.
TI-Befehl: binomcdf(55,0.58,34)- binomcdf(55,0.58,23)

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 23 und 30 Treffer bei 45 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.69 zu erzielen, also P0.6945 (23X30) .
Diese Wahrscheinlichkeit lässt sich als P0.6945 (X30) - P0.6945 (X22) ≈ 0.422 - 0.0039 ≈ 0.4181 berechnen.
TI-Befehl: binomcdf(45,0.69,30)- binomcdf(45,0.69,22)

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

P ≈ 0.7486 ⋅ 0.4181 ≈ 0.313

feste Reihenfolge im Binomialkontext

Beispiel:

In einer Urne sind 7 blaue und 3 rote Kugeln. Es wird 10 mal eine Kugel gezogen. Nach jedem Ziehen wird die Kugel wieder zurückgelegt. Bestimme die Wahrscheinlichkeit, dass dabei genau 4 blaue Kugeln gezogen werden und diese aber unmittelbar hintereinander gezogen werden (also ohne, dass dazwischen mal eine rote gezogen wird).

Lösung einblenden

Wenn die Reihenfolge keine Rolle spielen würde, könnten wir ja einfach die Wahrscheinlichkeit von 4 Treffer bei 10 Versuchen mit der Formel von Bernoulli berechnen: ( 10 4 ) 0.7 4 0.3 6

Dabei gibt ja 0.7 4 0.3 6 die Wahrscheinlichkeit eines bestimmten Pfads mit 4 Treffer und 6 Nicht-Treffern und ( 10 4 ) die Anzahl solcher Pfade an.

Hier spielt nun aber die Reihenfolge eine Rolle, also haben wir nicht alle möglichen ( 10 4 ) Anordnungen der Treffer sondern nur die ausgewählten (bei denen die Treffer benachbart sind), das sind im Einzelnen:

XXXXOOOOOO

OXXXXOOOOO

OOXXXXOOOO

OOOXXXXOOO

OOOOXXXXOO

OOOOOXXXXO

OOOOOOXXXX

Es gibt also genau 7 verschiedene mögliche Reihenfolgen für diese benachbarten Treffer, somit gilt für die Gesamtwahrscheinlichkeit:
P = 7 ⋅ 0.7 4 0.3 6 ≈ 0.0012

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 90% 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 0.9,
also P0.920 (X15) .

Dies berechnet man über die Gegenwahrscheinlichkeit: P0.920 (X15) = 1 - P0.920 (X14)

≈ 1 - 0.0113 ≈ 0.9887 (TI-Befehl: 1-binomcdf(20,0.9,14))

Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'genügend Treffer' (p=0.9887) und 'zu wenig'(p=0.0113).

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 Treffer0,9775
genügend Treffer -> zu wenig0,0112
zu wenig -> genügend Treffer0,0112
zu wenig -> zu wenig0,0001

Einzel-Wahrscheinlichkeiten: genügend Treffer: 0,9887; zu wenig: 0,0113;

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=0,0112)
  • 'zu wenig'-'genügend Treffer' (P=0,0112)
  • 'genügend Treffer'-'genügend Treffer' (P=0,9775)

Die Lösung ist also die Summe dieser Wahrscheinlichkeiten:

0,0112 + 0,0112 + 0,9775 = 0,9999


Binomial-Aufgabe mit 2 Ereignissen

Beispiel:

In einer Chip-Fabrik werden neue High Tech Chips produziert. Leider ist die Technik noch nicht so ganz ausgereift, weswegen Ausschuss mit einer Wahrscheinlichkeit von p=0,18 entsteht. Es wird eine Stichprobe der Menge 40 entnommen. Wie groß ist die Wahrscheinlichkeit, dass von den ersten 10 Stück dieser Stichprobe gleich mal genau 3 defekt sind und von den restlichen der Stickprobe höchstens 10 nicht funktionieren.

Lösung einblenden

Wir können die beiden Ereignisse als zwei getrennte von einander unabhängige Zufallsversuche betrachten, dabei betrachten wir zuerst die ersten 10 Durchgänge:

Die Zufallsgröße X gibt die Anzahl der defekten Chips an. X ist binomialverteilt mit n=10 und p=0.18.

Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als P0.1810 (X=3) ≈ 0.1745.

Analog betrachten wir nun die restlichen 30 Durchgänge:

Die Zufallsgröße Y gibt die Anzahl der defekten Chips an. Y ist binomialverteilt mit n=30 und p=0.18.

Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als P0.1830 (Y10) ≈ 0.988.

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 = P0.1810 (X=3) P0.1830 (Y10) = 0.1745 ⋅ 0.988 ≈ 0.1724