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 68 mal wiederholt (bzw. die Stichprobe hat die Größe 68).Wie hoch darf die Einzelwahrscheinlichkeit p höchstens sein, dass mit einer Wahrscheinlichkeit von mind. 90% höchstens 61 Treffer erzielt werden?

Lösung einblenden
pP(X≤k)
......
0.80.9895
0.810.9827
0.820.9723
0.830.9566
0.840.9336
0.850.901
0.860.8563
......

Es muss gelten: Pp68 (X61) =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(68,X,61) - 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=0.85 die gesuchte Wahrscheinlichkeit über 0.9 ist.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 50% Wahrscheinlichkeit von 87 Freiwürfen mindestens 59 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥59)=1-P(X≤58)
......
0.630.2073
0.640.2666
0.650.334
0.660.408
0.670.4861
0.680.5656
......

Es muss gelten: Pp87 (X59) =0.5 (oder mehr)

oder eben: 1- Pp87 (X58) =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(87,X,58) - 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=0.68 die gesuchte Wahrscheinlichkeit über 0.5 ist.

zwei unabhängige Binom.

Beispiel:

Ein Biathlet hat beim Liegendschießen eine Trefferquote von 90% und im Stehen 88%. 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=0.9.

P0.95 (X=4) = ( 5 4 ) 0.94 0.11 ≈ 0.3281
Die Wahrscheinlichkeit für 5 mal Stehendschießen ist

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=5 und p=0.88.

P0.885 (X=5) = ( 5 5 ) 0.885 0.120 ≈ 0.5277
Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p1=0.3281 ⋅ 0.5277 = 0.17313837

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=0.9.

P0.95 (X=5) = ( 5 5 ) 0.95 0.10 ≈ 0.5905
Die Wahrscheinlichkeit für 4 mal Stehendschießen ist

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=5 und p=0.88.

P0.885 (X=4) = ( 5 4 ) 0.884 0.121 ≈ 0.3598
Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p2=0.5905 ⋅ 0.3598 = 0.2124619

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=0.9.

P0.95 (X=5) = ( 5 5 ) 0.95 0.10 ≈ 0.5905
Die Wahrscheinlichkeit für 5 mal Stehendschießen ist

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=5 und p=0.88.

P0.885 (X=5) = ( 5 5 ) 0.885 0.120 ≈ 0.5277
Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p3=0.5905 ⋅ 0.5277 = 0.31160685


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

0.1731 + 0.2125 + 0.3116 = 0.6972

feste Reihenfolge im Binomialkontext

Beispiel:

In einer Urne sind 7 blaue und 3 rote Kugeln. Es wird 5 mal eine Kugel gezogen. Nach jedem Ziehen wird die Kugel wieder zurückgelegt. Bestimme die Wahrscheinlichkeit, dass dabei genau 3 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 3 Treffer bei 5 Versuchen mit der Formel von Bernoulli berechnen: ( 5 3 ) 0.7 3 0.3 2

Dabei gibt ja 0.7 3 0.3 2 die Wahrscheinlichkeit eines bestimmten Pfads mit 3 Treffer und 2 Nicht-Treffern und ( 5 3 ) die Anzahl solcher Pfade an.

Hier spielt nun aber die Reihenfolge eine Rolle, also haben wir nicht alle möglichen ( 5 3 ) Anordnungen der Treffer sondern nur die ausgewählten (bei denen die Treffer benachbart sind), das sind im Einzelnen:

XXXOO

OXXXO

OOXXX

Es gibt also genau 3 verschiedene mögliche Reihenfolgen für diese benachbarten Treffer, somit gilt für die Gesamtwahrscheinlichkeit:
P = 3 ⋅ 0.7 3 0.3 2 ≈ 0.0926

Kombination Binom.-Baumdiagramm

Beispiel:

Ein fernöstlicher LED-Hersteller hat Probleme in der Qualitätssicherung, so dass 7% 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 2 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 2 Treffer bei 50 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.07, also P0.0750 (X2)

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=0.07.

P0.0750 (X2) = P0.0750 (X=0) + P0.0750 (X=1) + P0.0750 (X=2) = 0.31078856100189 ≈ 0.3108
(TI-Befehl: binomcdf(50,0.07,2))

Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'kiste ok' (p=0.3108) und 'nicht ok'(p=0.6892).

Jetzt können wir mit einem Baumdiagramm die Gesuchte Endwahrscheinlichkeit berechnen.

Gesucht ist ja 0 mal 'nicht ok'

EreignisP
kiste ok -> kiste ok0,0966
kiste ok -> nicht ok0,2142
nicht ok -> kiste ok0,2142
nicht ok -> nicht ok0,475

Einzel-Wahrscheinlichkeiten: kiste ok: 0,3108; nicht ok: 0,6892;

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=0,0966)

Die Lösung ist also die Summe dieser Wahrscheinlichkeiten:

0,0966 = 0,0966


Binomial-Aufgabe mit 2 Ereignissen

Beispiel:

Ein normaler Würfel wird 26 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass, Von den ersten 12 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 12 Durchgänge:

Die Zufallsgröße X gibt die Anzahl der Sechser-Würfe an. X ist binomialverteilt mit n=12 und p= 1 6 .

Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als P 1 6 12 (X1) ≈ 0.3813.

Analog betrachten wir nun die restlichen 14 Durchgänge:

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

Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als P 1 6 14 (Y2) = 1- P 1 6 14 (Y1) ≈ 0.704.

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 12 (X1) P 1 6 14 (Y2) = 0.3813 ⋅ 0.704 ≈ 0.2684