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 92 Ausspielungen nicht öfters als 36 mal der grüne Bereich kommen. Wie hoch darf man die Wahrscheinlichkeit für den grünen Bereich auf dem Glücksrad maximal setzen?
| p | P(X≤k) |
|---|---|
| ... | ... |
| 0.28 | 0.9923 |
| 0.29 | 0.9862 |
| 0.3 | 0.9765 |
| 0.31 | 0.9618 |
| 0.32 | 0.9408 |
| 0.33 | 0.9119 |
| 0.34 | 0.8741 |
| ... | ... |
Es muss gelten: =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(92,X,36) - 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=0.33 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 76 mal wiederholt (bzw. die Stichprobe hat die Größe 76)Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 90% mindestens 68 Treffer erzielt werden?
| p | P(X≥68)=1-P(X≤67) |
|---|---|
| ... | ... |
| 0.88 | 0.4306 |
| 0.89 | 0.5396 |
| 0.9 | 0.6513 |
| 0.91 | 0.7569 |
| 0.92 | 0.8475 |
| 0.93 | 0.9166 |
| ... | ... |
Es muss gelten: =0.9 (oder mehr)
oder eben: 1- =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,67) - 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=0.93 die gesuchte Wahrscheinlichkeit über 0.9 ist.
zwei unabhängige Binom.
Beispiel:
Ein Mitarbeiter der Stadtwerke bekommt den Auftrag am Freitag bei 50 und am Samstag bei 35 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 30 und 34 am Samstag so zwischen 24 und 26 erreichen werde. Tatsächlich ist die Wahrscheinlichkeit, dass ihm die Tür geöffnet wird, am Samstag mit 62% höher als am Freitag mit 50%. Wie groß ist die Wahrscheinlichkeit, dass seine Prognose zutrifft?
(Bitte auf 4 Stellen nach dem Komma runden)
Freitag:
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=50 und unbekanntem Parameter p.
Gesucht ist die Wahrscheinlichkeit zwischen 30 und 34 Treffer bei 50 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.5 zu erzielen, also .Diese Wahrscheinlichkeit lässt sich als - ≈ 0.9967 - 0.8987 ≈ 0.098 berechnen.
TI-Befehl: binomcdf(50,0.5,34)- binomcdf(50,0.5,29)
Samstag:
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=35 und unbekanntem Parameter p.
Gesucht ist die Wahrscheinlichkeit zwischen 24 und 26 Treffer bei 35 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.62 zu erzielen, also .Diese Wahrscheinlichkeit lässt sich als - ≈ 0.9561 - 0.7314 ≈ 0.2247 berechnen.
TI-Befehl: binomcdf(35,0.62,26)- binomcdf(35,0.62,23)
Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten:
P ≈ 0.098 ⋅ 0.2247 ≈ 0.022
feste Reihenfolge im Binomialkontext
Beispiel:
Ein Basketballspieler mit einer Trefferquote von 65% wirft 9 mal auf den Korb. Bestimme die Wahrscheinlichkeit, dass er bei diesen 9 Versuchen irgendwann einmal eine Serie mit 4 aufeinanderfolgenden Treffern hinlegt und bei allen anderen Versuchen nicht trifft.
Wenn die Reihenfolge keine Rolle spielen würde, könnten wir ja einfach die Wahrscheinlichkeit von 4 Treffer bei 9 Versuchen mit der Formel von Bernoulli berechnen: ⋅ ⋅
Dabei gibt ja ⋅ die Wahrscheinlichkeit eines bestimmten Pfads mit 4 Treffer und 5 Nicht-Treffern und die Anzahl solcher Pfade an.
Hier spielt nun aber die Reihenfolge eine Rolle, also haben wir nicht alle möglichen Anordnungen der Treffer sondern nur die ausgewählten (bei denen die Treffer benachbart sind), das sind im Einzelnen:
XXXXOOOOO
OXXXXOOOO
OOXXXXOOO
OOOXXXXOO
OOOOXXXXO
OOOOOXXXX
Es gibt also genau 6 verschiedene mögliche Reihenfolgen für diese benachbarten Treffer, somit gilt für die Gesamtwahrscheinlichkeit: P = 6 ⋅ ⋅ ≈ 0.0056
Kombination Binom.-Baumdiagramm
Beispiel:
Ein fernöstlicher LED-Hersteller hat Probleme in der Qualitätssicherung, so dass 5% 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)
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 0.05, also
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=0.05.
= + + = 0.54053312271951 ≈ 0.5405(TI-Befehl: binomcdf(50,0.05,2))
Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'kiste ok' (p=0.5405) und 'nicht ok'(p=0.4595).
Jetzt können wir mit einem Baumdiagramm die Gesuchte Endwahrscheinlichkeit berechnen.
Gesucht ist ja 0 mal 'nicht ok'
| Ereignis | P |
|---|---|
| kiste ok -> kiste ok | |
| kiste ok -> nicht ok | |
| nicht ok -> kiste ok | |
| nicht ok -> nicht ok |
Einzel-Wahrscheinlichkeiten: kiste ok: ; nicht ok: ;
Die relevanten Pfade sind:- 'kiste ok'-'kiste ok' (P=)
Die Lösung ist also die Summe dieser Wahrscheinlichkeiten:
=
Binomial-Aufgabe mit 2 Ereignissen
Beispiel:
Eine faire Münze wird 27 mal geworfen. Bestimme die Wahrscheinlichkeit des folgenden Ereignisses: Von den ersten 8 Versuchen landen höchstens 3 Versuche mit Zahl oben und von den restlichen Versuchen erscheint genau 11 mal "Zahl".
Wir können die beiden Ereignisse als zwei getrennte von einander unabhängige Zufallsversuche betrachten, dabei betrachten wir zuerst die ersten 8
Durchgänge:
Die Zufallsgröße X gibt die Anzahl der Würfe bei denen die Zahl sichtbar ist an. X ist binomialverteilt mit n=8 und p=0.5.
Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als ≈ 0.3633.
Analog betrachten wir nun die restlichen 19 Durchgänge:
Die Zufallsgröße Y gibt die Anzahl der Würfe bei denen die Zahl sichtbar ist an. Y ist binomialverteilt mit n=19 und p=0.5.
Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als ≈ 0.1442.
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 = ⋅ = 0.3633 ⋅ 0.1442 ≈ 0.0524
