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 Glücksrad soll mit einer Wahrscheinlichkeit von 90% bei 78 Ausspielungen nicht öfters als 23 mal der grüne Bereich kommen. Wie hoch darf man die Wahrscheinlichkeit für den grünen Bereich auf dem Glücksrad maximal setzen?

Lösung einblenden
pP(X≤k)
......
0.180.9957
0.190.9914
0.20.9841
0.210.9723
0.220.9546
0.230.9294
0.240.8954
......

Es muss gelten: Pp78 (X≤23) =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(78,X,23) - 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=0.23 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 42 mal wiederholt (bzw. die Stichprobe hat die Größe 42)Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 50% mindestens 27 Treffer erzielt werden?

Lösung einblenden
pP(X≥27)=1-P(X≤26)
......
0.580.2535
0.590.2974
0.60.3446
0.610.3947
0.620.447
0.630.5005
......

Es muss gelten: Pp42 (X≥27) =0.5 (oder mehr)

oder eben: 1- Pp42 (X≤26) =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(42,X,26) - 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:

Ein Biathlet hat beim Liegendschießen eine Trefferquote von 95% und im Stehen 84%. Beim Sprintwettbewerb muss er 5 mal liegend und 5 mal im Stehen schießen. Wie hoch ist die Wahrscheinlichkeit, dass er dabei mindestens 9 mal trifft?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Zuerst überlegen wir mit welchen Kombinationen man auf die Summe von mindestens 9 kommen kann:

  • 4 mal Liegendschießen und 5 mal Stehendschießen
  • 5 mal Liegendschießen und 4 mal Stehendschießen
  • 5 mal Liegendschießen und 5 mal Stehendschießen

4 mal Liegendschießen und 5 mal Stehendschießen

Die Wahrscheinlichkeit für 4 mal Liegendschießen ist

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=5 und p=0.95.

P0.955 (X=4) = ( 5 4 ) ⋅ 0.954 ⋅ 0.051 ≈ 0.2036
Die Wahrscheinlichkeit für 5 mal Stehendschießen ist

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=5 und p=0.84.

P0.845 (X=5) = ( 5 5 ) ⋅ 0.845 ⋅ 0.160 ≈ 0.4182
Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p1=0.2036 ⋅ 0.4182 = 0.08514552

5 mal Liegendschießen und 4 mal Stehendschießen

Die Wahrscheinlichkeit für 5 mal Liegendschießen ist

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=5 und p=0.95.

P0.955 (X=5) = ( 5 5 ) ⋅ 0.955 ⋅ 0.050 ≈ 0.7738
Die Wahrscheinlichkeit für 4 mal Stehendschießen ist

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=5 und p=0.84.

P0.845 (X=4) = ( 5 4 ) ⋅ 0.844 ⋅ 0.161 ≈ 0.3983
Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p2=0.7738 ⋅ 0.3983 = 0.30820454

5 mal Liegendschießen und 5 mal Stehendschießen

Die Wahrscheinlichkeit für 5 mal Liegendschießen ist

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=5 und p=0.95.

P0.955 (X=5) = ( 5 5 ) ⋅ 0.955 ⋅ 0.050 ≈ 0.7738
Die Wahrscheinlichkeit für 5 mal Stehendschießen ist

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=5 und p=0.84.

P0.845 (X=5) = ( 5 5 ) ⋅ 0.845 ⋅ 0.160 ≈ 0.4182
Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p3=0.7738 ⋅ 0.4182 = 0.32360316


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

0.0851 + 0.3082 + 0.3236 = 0.717

feste Reihenfolge im Binomialkontext

Beispiel:

Ein Basketballspieler mit einer Trefferquote von 40% wirft 6 mal auf den Korb. Bestimme die Wahrscheinlichkeit, dass er bei diesen 6 Versuchen irgendwann einmal eine Serie mit 5 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 5 Treffer bei 6 Versuchen mit der Formel von Bernoulli berechnen: ( 6 5 ) ⋅ 0.4 5 ⋅ 0.6 1

Dabei gibt ja 0.4 5 ⋅ 0.6 1 die Wahrscheinlichkeit eines bestimmten Pfads mit 5 Treffer und 1 Nicht-Treffern und ( 6 5 ) die Anzahl solcher Pfade an.

Hier spielt nun aber die Reihenfolge eine Rolle, also haben wir nicht alle möglichen ( 6 5 ) Anordnungen der Treffer sondern nur die ausgewählten (bei denen die Treffer benachbart sind), das sind im Einzelnen:

XXXXXO

OXXXXX

Es gibt also genau 2 verschiedene mögliche Reihenfolgen für diese benachbarten Treffer, somit gilt für die Gesamtwahrscheinlichkeit:
P = 2 ⋅ 0.4 5 ⋅ 0.6 1 ≈ 0.0123

Kombination Binom.-Baumdiagramm

Beispiel:

Ein fernöstlicher LED-Hersteller hat Probleme in der Qualitätssicherung, so dass 6% 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 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=50 und unbekanntem Parameter p.

Gesucht ist die Wahrscheinlichkeit für höchstens 4 Treffer bei 50 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.06, also P0.0650 (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=50 und p=0.06.

P0.0650 (X≤4) = P0.0650 (X=0) + P0.0650 (X=1) + P0.0650 (X=2) +... + P0.0650 (X=4) = 0.82059604685965 ≈ 0.8206
(TI-Befehl: binomcdf(50,0.06,4))

Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'kiste ok' (p=0.8206) und 'nicht ok'(p=0.1794).

Jetzt können wir mit einem Baumdiagramm die Gesuchte Endwahrscheinlichkeit berechnen.

Gesucht ist ja 0 mal 'nicht ok'

EreignisP
kiste ok -> kiste ok0,6734
kiste ok -> nicht ok0,1472
nicht ok -> kiste ok0,1472
nicht ok -> nicht ok0,0322

Einzel-Wahrscheinlichkeiten: kiste ok: 0,8206; nicht ok: 0,1794;

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=0,6734)

Die Lösung ist also die Summe dieser Wahrscheinlichkeiten:

0,6734 = 0,6734


Binomial-Aufgabe mit 2 Ereignissen

Beispiel:

Eine faire Münze wird 30 mal geworfen. Bestimme die Wahrscheinlichkeit des folgenden Ereignisses: Von den ersten 17 Versuchen landen höchstens 9 Versuche mit Zahl oben und von den restlichen Versuchen erscheint genau 6 mal "Zahl".

Lösung einblenden

Wir können die beiden Ereignisse als zwei getrennte von einander unabhängige Zufallsversuche betrachten, dabei betrachten wir zuerst die ersten 17 Durchgänge:

Die Zufallsgröße X gibt die Anzahl der Würfe bei denen die Zahl sichtbar ist an. X ist binomialverteilt mit n=17 und p=0.5.

Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als P0.517 (X≤9) ≈ 0.6855.

Analog betrachten wir nun die restlichen 13 Durchgänge:

Die Zufallsgröße Y gibt die Anzahl der Würfe bei denen die Zahl sichtbar ist an. Y ist binomialverteilt mit n=13 und p=0.5.

Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als P0.513 (Y=6) ≈ 0.2095.

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 = P0.517 (X≤9) ⋅ P0.513 (Y=6) = 0.6855 ⋅ 0.2095 ≈ 0.1436