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 66 Ausspielungen nicht öfters als 27 mal der grüne Bereich kommen. Wie hoch darf man die Wahrscheinlichkeit für den grünen Bereich auf dem Glücksrad maximal setzen?

Lösung einblenden
pP(X≤k)
......
0.290.9863
0.30.9784
0.310.9671
0.320.9516
0.330.9309
0.340.9043
0.350.8713
......

Es muss gelten: Pp66 (X27) =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(66,X,27) - 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=0.34 die gesuchte Wahrscheinlichkeit über 0.9 ist.

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

Beispiel:

Ein Glücksrad soll mit nur zwei verschiedenen Sektoren (blau und rot) gebaut werden. Wie hoch muss man die Einzelwahrscheinlichkeit p mindestens wählen, dass die Wahrscheinlichkeit bei 70 Wiederholungen 63 mal (oder mehr) rot zu treffen bei mind. 70% liegt?

Lösung einblenden
pP(X≥63)=1-P(X≤62)
......
0.860.2187
0.870.2955
0.880.3867
0.890.4897
0.90.5989
0.910.7067
......

Es muss gelten: Pp70 (X63) =0.7 (oder mehr)

oder eben: 1- Pp70 (X62) =0.7 (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(70,X,62) - 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=0.91 die gesuchte Wahrscheinlichkeit über 0.7 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 4 mal trifft?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Zuerst überlegen wir mit welchen Kombinationen man auf die Summe von genau 4 kommen kann:

  • 1 mal unten und 3 mal oben
  • 2 mal unten und 2 mal oben
  • 3 mal unten und 1 mal oben

1 mal unten und 3 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 3 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=3) = ( 3 3 ) 0.33 0.70 ≈ 0.027
Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p1=0.288 ⋅ 0.027 = 0.007776

2 mal unten und 2 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 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.
p2=0.432 ⋅ 0.189 = 0.081648

3 mal unten und 1 mal oben

Die Wahrscheinlichkeit für 3 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=3) = ( 3 3 ) 0.63 0.40 ≈ 0.216
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.
p3=0.216 ⋅ 0.441 = 0.095256


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

0.0078 + 0.0816 + 0.0953 = 0.1847

feste Reihenfolge im Binomialkontext

Beispiel:

5 Würfel werden gleichzeitig geworfen und liegen dann anschließend in einer Reihe. Bestimme die Wahrscheinlichkeit, dass dabei genau 4 Sechser gewürfelt werden und die alle direkt nebeneinander liegen.

Lösung einblenden

Wenn die Reihenfolge keine Rolle spielen würde, könnten wir ja einfach die Wahrscheinlichkeit von 4 Treffer bei 5 Versuchen mit der Formel von Bernoulli berechnen: ( 5 4 ) ( 1 6 ) 4 ( 5 6 ) 1

Dabei gibt ja ( 1 6 ) 4 ( 5 6 ) 1 die Wahrscheinlichkeit eines bestimmten Pfads mit 4 Treffer und 1 Nicht-Treffern und ( 5 4 ) die Anzahl solcher Pfade an.

Hier spielt nun aber die Reihenfolge eine Rolle, also haben wir nicht alle möglichen ( 5 4 ) Anordnungen der Treffer sondern nur die ausgewählten (bei denen die Treffer benachbart sind), das sind im Einzelnen:

XXXXO

OXXXX

Es gibt also genau 2 verschiedene mögliche Reihenfolgen für diese benachbarten Treffer, somit gilt für die Gesamtwahrscheinlichkeit:
P = 2 ⋅ ( 1 6 ) 4 ( 5 6 ) 1 ≈ 0.0013

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 25 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=25 und unbekanntem Parameter p.

Gesucht ist die Wahrscheinlichkeit für höchstens 2 Treffer bei 25 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.07, also P0.0725 (X2)

Dazu kann man ja einfach die kumulierte Binomialverteilungsfunktion benutzen:

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=25 und p=0.07.

P0.0725 (X2) = P0.0725 (X=0) + P0.0725 (X=1) + P0.0725 (X=2) = 0.74656243172887 ≈ 0.7466
(TI-Befehl: binomcdf(25,0.07,2))

Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'kiste ok' (p=0.7466) und 'nicht ok'(p=0.2534).

Jetzt können wir mit einem Baumdiagramm die Gesuchte Endwahrscheinlichkeit berechnen.

Gesucht ist ja 0 mal 'nicht ok'

EreignisP
kiste ok -> kiste ok0,5574
kiste ok -> nicht ok0,1892
nicht ok -> kiste ok0,1892
nicht ok -> nicht ok0,0642

Einzel-Wahrscheinlichkeiten: kiste ok: 0,7466; nicht ok: 0,2534;

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=0,5574)

Die Lösung ist also die Summe dieser Wahrscheinlichkeiten:

0,5574 = 0,5574


Binomial-Aufgabe mit 2 Ereignissen

Beispiel:

Ein normaler Würfel wird 40 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass, Von den ersten 20 Versuchen höchstens 3 mal eine Sechs gewürfelt wird und von den restlichen Versuchen mindestens 3 Sechser gewürfelt werden?

Lösung einblenden

Wir können die beiden Ereignisse als zwei getrennte von einander unabhängige Zufallsversuche betrachten, dabei betrachten wir zuerst die ersten 20 Durchgänge:

Die Zufallsgröße X gibt die Anzahl der Sechser-Würfe an. X ist binomialverteilt mit n=20 und p= 1 6 .

Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als P 1 6 20 (X3) ≈ 0.5665.

Analog betrachten wir nun die restlichen 20 Durchgänge:

Die Zufallsgröße Y gibt die Anzahl der Sechser-Würfe an. Y ist binomialverteilt mit n=20 und p= 1 6 .

Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als P 1 6 20 (Y3) = 1- P 1 6 20 (Y2) ≈ 0.6713.

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 20 (X3) P 1 6 20 (Y3) = 0.5665 ⋅ 0.6713 ≈ 0.3803