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 Fluggesellschaft hat 69 Plätze in ihrem Flugzeug. Trotzdem werden 80 Flugtickets verkauft. Wie hoch darf die Wahrscheinlichkeit, dass ein Ticketkäufer auch tatsächlich mitfliegt, höchstens sein, dass das Flugzeug mit einer Wahrscheinlichkeit von mindestens 90% nicht überbucht ist (also dass alle mitfliegen können)?

Lösung einblenden
pP(X≤k)
......
0.760.9919
0.770.9863
0.780.9774
0.790.9638
0.80.9435
0.810.9145
0.820.8743
......

Es muss gelten: Pp80 (X69) =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(80,X,69) - 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=0.81 die gesuchte Wahrscheinlichkeit über 0.9 ist.

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

Beispiel:

Eine Fluggesellschaft verkauft 76 Flugtickets für einen bestimmten Flug. Das sind 64 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≥64)=1-P(X≤63)
......
0.840.5563
0.850.6502
0.860.7387
0.870.8169
0.880.881
0.890.9293
......

Es muss gelten: Pp76 (X64) =0.9 (oder mehr)

oder eben: 1- Pp76 (X63) =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(76,X,63) - 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=0.89 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 60% 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=0.6.

P0.63 (X=0) = ( 3 0 ) 0.60 0.43 ≈ 0.064
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=0.064 ⋅ 0.189 = 0.012096

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=0.6.

P0.63 (X=1) = ( 3 1 ) 0.61 0.42 ≈ 0.288
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=0.288 ⋅ 0.441 = 0.127008

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=0.6.

P0.63 (X=2) = ( 3 2 ) 0.62 0.41 ≈ 0.432
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=0.432 ⋅ 0.343 = 0.148176


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

0.0121 + 0.127 + 0.1482 = 0.2873

feste Reihenfolge im Binomialkontext

Beispiel:

Ein Basketballspieler mit einer Trefferquote von 45% 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 ) 0.45 3 0.55 7

Dabei gibt ja 0.45 3 0.55 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 ⋅ 0.45 3 0.55 7 ≈ 0.0111

Kombination Binom.-Baumdiagramm

Beispiel:

Ein 10-Klässler bekommt im Schulsport eine 1 als Teilnote, wenn er beim Basketball von 20 Korblegerversuchen mindestens 18 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 84% 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 18 Treffer bei 20 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.84,
also P0.8420 (X18) .

Dies berechnet man über die Gegenwahrscheinlichkeit: P0.8420 (X18) = 1 - P0.8420 (X17)

≈ 1 - 0.642 ≈ 0.358 (TI-Befehl: 1-binomcdf(20,0.84,17))

Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'genügend Treffer' (p=0.358) und 'zu wenig'(p=0.642).

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 Treffer0,1282
genügend Treffer -> zu wenig0,2298
zu wenig -> genügend Treffer0,2298
zu wenig -> zu wenig0,4122

Einzel-Wahrscheinlichkeiten: genügend Treffer: 0,358; zu wenig: 0,642;

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=0,2298)
  • 'zu wenig'-'genügend Treffer' (P=0,2298)
  • 'genügend Treffer'-'genügend Treffer' (P=0,1282)

Die Lösung ist also die Summe dieser Wahrscheinlichkeiten:

0,2298 + 0,2298 + 0,1282 = 0,5878


Binomial-Aufgabe mit 2 Ereignissen

Beispiel:

Eine faire Münze wird 17 mal geworfen. Bestimme die Wahrscheinlichkeit des folgenden Ereignisses: Von den ersten 7 Versuchen landen höchstens 3 Versuche mit Zahl oben und von den restlichen Versuchen erscheint genau 4 mal "Zahl".

Lösung einblenden

Wir können die beiden Ereignisse als zwei getrennte von einander unabhängige Zufallsversuche betrachten, dabei betrachten wir zuerst die ersten 7 Durchgänge:

Die Zufallsgröße X gibt die Anzahl der Würfe bei denen die Zahl sichtbar ist an. X ist binomialverteilt mit n=7 und p=0.5.

Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als P0.57 (X3) ≈ 0.5.

Analog betrachten wir nun die restlichen 10 Durchgänge:

Die Zufallsgröße Y gibt die Anzahl der Würfe bei denen die Zahl sichtbar ist an. Y ist binomialverteilt mit n=10 und p=0.5.

Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als P0.510 (Y=4) ≈ 0.2051.

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 = P0.57 (X3) P0.510 (Y=4) = 0.5 ⋅ 0.2051 ≈ 0.1026