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 Produktionsstätte für HighTech-Chips hat Probleme mit der Qualitätssicherung. Ein Großhändler nimmt die übliche Liefermenge von 95 Stück nur an, wenn nicht mehr als 28 Teile defekt sind. Wie hoch darf der Prozentsatz der fehlerhaften Teile höchstens sein, dass eine Lieferung mit einer Wahrscheinlichkeit von mind. 90% angenommen werden.
| p | P(X≤k) |
|---|---|
| ... | ... |
| 0.19 | 0.9953 |
| 0.2 | 0.9903 |
| 0.21 | 0.9813 |
| 0.22 | 0.9666 |
| 0.23 | 0.9442 |
| 0.24 | 0.9121 |
| 0.25 | 0.8689 |
| ... | ... |
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(95,X,28) - 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=0.24 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 55 mal wiederholt (bzw. die Stichprobe hat die Größe 55)Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 50% mindestens 35 Treffer erzielt werden?
| p | P(X≥35)=1-P(X≤34) |
|---|---|
| ... | ... |
| 0.58 | 0.2401 |
| 0.59 | 0.2892 |
| 0.6 | 0.3429 |
| 0.61 | 0.4003 |
| 0.62 | 0.4602 |
| 0.63 | 0.5215 |
| ... | ... |
Es muss gelten: =0.5 (oder mehr)
oder eben: 1- =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(55,X,34) - 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 94% 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)
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=0.94.
= ≈ 0.2342Die 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.
= ≈ 0.4182Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p1=0.2342 ⋅ 0.4182 = 0.09794244
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=0.94.
= ≈ 0.7339Die 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.
= ≈ 0.3983Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p2=0.7339 ⋅ 0.3983 = 0.29231237
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=0.94.
= ≈ 0.7339Die 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.
= ≈ 0.4182Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p3=0.7339 ⋅ 0.4182 = 0.30691698
Die gesuchte Wahrscheinlichkeit erhält man nun, indem man die Wahrscheinlichkeiten der 3 Kombinationen addiert:
0.0979 + 0.2923 + 0.3069 = 0.6972
feste Reihenfolge im Binomialkontext
Beispiel:
Ein Basketballspieler mit einer Trefferquote von 95% 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.
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: ⋅ ⋅
Dabei gibt ja ⋅ die Wahrscheinlichkeit eines bestimmten Pfads mit 4 Treffer und 6 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:
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
Kombination Binom.-Baumdiagramm
Beispiel:
Bei einer Fluggesellschaft treten 11% der Besitzer gültiger Flugtickets ihren Flug nicht an. Deswegen verkauft die Fluggesellschaft immer 105 Tickets für ihr Flugzeug mit 97 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)
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=105 und unbekanntem Parameter p.
Gesucht ist die Wahrscheinlichkeit für höchstens 97 Treffer bei 105 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.89, also
Dazu kann man ja einfach die kumulierte Binomialverteilungsfunktion benutzen:
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=105 und p=0.89.
= + + +... + = 0.90238932813569 ≈ 0.9024(TI-Befehl: binomcdf(105,0.89,97))
Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'nicht überbucht' (p=0.9024) und 'überbucht'(p=0.0976).
Jetzt können wir mit einem Baumdiagramm die Gesuchte Endwahrscheinlichkeit berechnen.
Gesucht ist ja 0 mal 'überbucht' oder 1 mal 'überbucht'
| Ereignis | P |
|---|---|
| nicht überbucht -> nicht überbucht -> nicht überbucht | |
| nicht überbucht -> nicht überbucht -> überbucht | |
| nicht überbucht -> überbucht -> nicht überbucht | |
| nicht überbucht -> überbucht -> überbucht | |
| überbucht -> nicht überbucht -> nicht überbucht | |
| überbucht -> nicht überbucht -> überbucht | |
| überbucht -> überbucht -> nicht überbucht | |
| überbucht -> überbucht -> überbucht |
Einzel-Wahrscheinlichkeiten: nicht überbucht: ; überbucht: ;
Die relevanten Pfade sind:- 'nicht überbucht'-'nicht überbucht'-'nicht überbucht' (P=)
- 'nicht überbucht'-'nicht überbucht'-'überbucht' (P=)
- 'nicht überbucht'-'überbucht'-'nicht überbucht' (P=)
- 'überbucht'-'nicht überbucht'-'nicht überbucht' (P=)
Die Lösung ist also die Summe dieser Wahrscheinlichkeiten:
+ + + =
Binomial-Aufgabe mit 2 Ereignissen
Beispiel:
Ein partystarker Schüler muss einen Mulitple Choice Test ablegen von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 25 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er von den ersten 4 Aufgaben keine einzige und von den restlichen Fragen nicht mehr als 5 richtig errät?
Wir können die beiden Ereignisse als zwei getrennte von einander unabhängige Zufallsversuche betrachten, dabei betrachten wir zuerst die ersten 4
Durchgänge:
Die Zufallsgröße X gibt die Anzahl der zufällig richtig geratenen Antworten an. X ist binomialverteilt mit n=4 und p=0.25.
Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als ≈ 0.3164.
Analog betrachten wir nun die restlichen 21 Durchgänge:
Die Zufallsgröße Y gibt die Anzahl der zufällig richtig geratenen Antworten an. Y ist binomialverteilt mit n=21 und p=0.25.
Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als ≈ 0.5666.
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 = ⋅ = 0.3164 ⋅ 0.5666 ≈ 0.1793
