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 92 mal wiederholt (bzw. die Stichprobe hat die Größe 92).Wie hoch darf die Einzelwahrscheinlichkeit p höchstens sein, dass mit einer Wahrscheinlichkeit von mind. 60% höchstens 25 Treffer erzielt werden?

Lösung einblenden
pP(X≤k)
......
0.210.9395
0.220.9048
0.230.8583
0.240.7999
0.250.7305
0.260.6523
0.270.5685
......

Es muss gelten: Pp92 (X≤25) =0.6 (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(92,X,25) - 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=0.26 die gesuchte Wahrscheinlichkeit über 0.6 ist.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 90% Wahrscheinlichkeit von 46 Freiwürfen mindestens 25 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥25)=1-P(X≤24)
......
0.580.7438
0.590.7865
0.60.8249
0.610.8588
0.620.8881
0.630.913
......

Es muss gelten: Pp46 (X≥25) =0.9 (oder mehr)

oder eben: 1- Pp46 (X≤24) =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(46,X,24) - 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 0.9 ist.

zwei unabhängige Binom.

Beispiel:

Ein Mitarbeiter der Stadtwerke bekommt den Auftrag am Freitag bei 55 und am Samstag bei 40 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 35 am Samstag so zwischen 24 und 28 erreichen werde. Tatsächlich ist die Wahrscheinlichkeit, dass ihm die Tür geöffnet wird, am Samstag mit 72% höher als am Freitag mit 48%. 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 35 Treffer bei 55 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.48 zu erzielen, also P0.4855 (24≤X≤35) .
Diese Wahrscheinlichkeit lässt sich als P0.4855 (X≤35) - P0.4855 (X≤23) ≈ 0.9932 - 0.2173 ≈ 0.7759 berechnen.
TI-Befehl: binomcdf(55,0.48,35)- binomcdf(55,0.48,23)

Samstag:

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=40 und unbekanntem Parameter p.

Gesucht ist die Wahrscheinlichkeit zwischen 24 und 28 Treffer bei 40 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.72 zu erzielen, also P0.7240 (24≤X≤28) .
Diese Wahrscheinlichkeit lässt sich als P0.7240 (X≤28) - P0.7240 (X≤23) ≈ 0.4478 - 0.0345 ≈ 0.4133 berechnen.
TI-Befehl: binomcdf(40,0.72,28)- binomcdf(40,0.72,23)

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

P ≈ 0.7759 ⋅ 0.4133 ≈ 0.3207

feste Reihenfolge im Binomialkontext

Beispiel:

Ein Basketballspieler mit einer Trefferquote von 85% wirft 10 mal auf den Korb. Bestimme die Wahrscheinlichkeit, dass er bei diesen 10 Versuchen irgendwann einmal eine Serie mit 4 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 4 Treffer bei 10 Versuchen mit der Formel von Bernoulli berechnen: ( 10 4 ) ⋅ 0.85 4 ⋅ 0.15 6

Dabei gibt ja 0.85 4 ⋅ 0.15 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 ⋅ 0.85 4 ⋅ 0.15 6 ≈ 0

Kombination Binom.-Baumdiagramm

Beispiel:

Bei einer Fluggesellschaft treten 11% der Besitzer gültiger Flugtickets ihren Flug nicht an. Deswegen verkauft die Fluggesellschaft immer 106 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=106 und unbekanntem Parameter p.

Gesucht ist die Wahrscheinlichkeit für höchstens 99 Treffer bei 106 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.89, also P0.89106 (X≤99)

Dazu kann man ja einfach die kumulierte Binomialverteilungsfunktion benutzen:

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=106 und p=0.89.

P0.89106 (X≤99) = P0.89106 (X=0) + P0.89106 (X=1) + P0.89106 (X=2) +... + P0.89106 (X=99) = 0.95410949172613 ≈ 0.9541
(TI-Befehl: binomcdf(106,0.89,99))

Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'nicht überbucht' (p=0.9541) und 'überbucht'(p=0.0459).

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 überbucht0,8685
nicht überbucht -> nicht überbucht -> überbucht0,0418
nicht überbucht -> überbucht -> nicht überbucht0,0418
nicht überbucht -> überbucht -> überbucht0,002
überbucht -> nicht überbucht -> nicht überbucht0,0418
überbucht -> nicht überbucht -> überbucht0,002
überbucht -> überbucht -> nicht überbucht0,002
überbucht -> überbucht -> überbucht0,0001

Einzel-Wahrscheinlichkeiten: nicht überbucht: 0,9541; überbucht: 0,0459;

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=0,8685)
  • 'nicht überbucht'-'nicht überbucht'-'überbucht' (P=0,0418)
  • 'nicht überbucht'-'überbucht'-'nicht überbucht' (P=0,0418)
  • 'überbucht'-'nicht überbucht'-'nicht überbucht' (P=0,0418)

Die Lösung ist also die Summe dieser Wahrscheinlichkeiten:

0,8685 + 0,0418 + 0,0418 + 0,0418 = 0,9939


Binomial-Aufgabe mit 2 Ereignissen

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 85% und wirft 24 mal auf dem Korb. Wie groß ist die Wahrscheinlichkeit, dass er von den ersten 10 Versuchen genau 9 mal und von den restlichen Versuchen höchstens 12 mal trifft.

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 Treffer des BB-Spielers an. X ist binomialverteilt mit n=10 und p=0.85.

Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als P0.8510 (X=9) ≈ 0.3474.

Analog betrachten wir nun die restlichen 14 Durchgänge:

Die Zufallsgröße Y gibt die Anzahl der Treffer des BB-Spielers an. Y ist binomialverteilt mit n=14 und p=0.85.

Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als P0.8514 (Y≤12) ≈ 0.6433.

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 = P0.8510 (X=9) ⋅ P0.8514 (Y≤12) = 0.3474 ⋅ 0.6433 ≈ 0.2235