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 46 Ausspielungen nicht öfters als 30 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)
......
0.510.9818
0.520.9749
0.530.9658
0.540.9542
0.550.9397
0.560.9217
0.570.8998
......

Es muss gelten: Pp46 (X30) =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(46,X,30) - 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=0.56 die gesuchte Wahrscheinlichkeit über 0.9 ist.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 90% Wahrscheinlichkeit von 98 Freiwürfen mindestens 81 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥81)=1-P(X≤80)
......
0.820.4966
0.830.6002
0.840.7001
0.850.7895
0.860.8634
0.870.9191
......

Es muss gelten: Pp98 (X81) =0.9 (oder mehr)

oder eben: 1- Pp98 (X80) =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(98,X,80) - 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=0.87 die gesuchte Wahrscheinlichkeit über 0.9 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 40% und oben 40%. 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=0.4.

P0.43 (X=1) = ( 3 1 ) 0.41 0.62 ≈ 0.432
Die Wahrscheinlichkeit für 3 mal oben ist

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=3 und p=0.4.

P0.43 (X=3) = ( 3 3 ) 0.43 0.60 ≈ 0.064
Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p1=0.432 ⋅ 0.064 = 0.027648

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=0.4.

P0.43 (X=2) = ( 3 2 ) 0.42 0.61 ≈ 0.288
Die Wahrscheinlichkeit für 2 mal oben ist

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=3 und p=0.4.

P0.43 (X=2) = ( 3 2 ) 0.42 0.61 ≈ 0.288
Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p2=0.288 ⋅ 0.288 = 0.082944

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=0.4.

P0.43 (X=3) = ( 3 3 ) 0.43 0.60 ≈ 0.064
Die Wahrscheinlichkeit für 1 mal oben ist

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=3 und p=0.4.

P0.43 (X=1) = ( 3 1 ) 0.41 0.62 ≈ 0.432
Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p3=0.064 ⋅ 0.432 = 0.027648


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

0.0276 + 0.0829 + 0.0276 = 0.1382

feste Reihenfolge im Binomialkontext

Beispiel:

10 Würfel werden gleichzeitig geworfen und liegen dann anschließend in einer Reihe. Bestimme die Wahrscheinlichkeit, dass dabei genau 3 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 3 Treffer bei 10 Versuchen mit der Formel von Bernoulli berechnen: ( 10 3 ) ( 1 6 ) 3 ( 5 6 ) 7

Dabei gibt ja ( 1 6 ) 3 ( 5 6 ) 7 die Wahrscheinlichkeit eines bestimmten Pfads mit 3 Treffer und 7 Nicht-Treffern und ( 10 3 ) die Anzahl solcher Pfade an.

Hier spielt nun aber die Reihenfolge eine Rolle, also haben wir nicht alle möglichen ( 10 3 ) Anordnungen der Treffer sondern nur die ausgewählten (bei denen die Treffer benachbart sind), das sind im Einzelnen:

XXXOOOOOOO

OXXXOOOOOO

OOXXXOOOOO

OOOXXXOOOO

OOOOXXXOOO

OOOOOXXXOO

OOOOOOXXXO

OOOOOOOXXX

Es gibt also genau 8 verschiedene mögliche Reihenfolgen für diese benachbarten Treffer, somit gilt für die Gesamtwahrscheinlichkeit:
P = 8 ⋅ ( 1 6 ) 3 ( 5 6 ) 7 ≈ 0.0103

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 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 4 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 4 Treffer bei 25 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.05, also P0.0525 (X4)

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=0.05.

P0.0525 (X4) = P0.0525 (X=0) + P0.0525 (X=1) + P0.0525 (X=2) +... + P0.0525 (X=4) = 0.99283505209741 ≈ 0.9928
(TI-Befehl: binomcdf(25,0.05,4))

Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'kiste ok' (p=0.9928) und 'nicht ok'(p=0.0072).

Jetzt können wir mit einem Baumdiagramm die Gesuchte Endwahrscheinlichkeit berechnen.

Gesucht ist ja 0 mal 'nicht ok'

EreignisP
kiste ok -> kiste ok0,9857
kiste ok -> nicht ok0,0071
nicht ok -> kiste ok0,0071
nicht ok -> nicht ok0,0001

Einzel-Wahrscheinlichkeiten: kiste ok: 0,9928; nicht ok: 0,0072;

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=0,9857)

Die Lösung ist also die Summe dieser Wahrscheinlichkeiten:

0,9857 = 0,9857


Binomial-Aufgabe mit 2 Ereignissen

Beispiel:

Ein normaler Würfel wird 13 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass, Von den ersten 6 Versuchen höchstens 1 mal eine Sechs gewürfelt wird und von den restlichen Versuchen mindestens 0 Sechser gewürfelt werden?

Lösung einblenden

Wir können die beiden Ereignisse als zwei getrennte von einander unabhängige Zufallsversuche betrachten, dabei betrachten wir zuerst die ersten 6 Durchgänge:

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

Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als P 1 6 6 (X1) ≈ 0.7368.

Analog betrachten wir nun die restlichen 7 Durchgänge:

Die Zufallsgröße Y gibt die Anzahl der Sechser-Würfe an. Y ist binomialverteilt mit n=7 und p= 1 6 .

Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als P 1 6 7 (Y0) = 1- P 1 6 7 (Y-1) ≈ 1.

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 6 (X1) P 1 6 7 (Y0) = 0.7368 ⋅ 1 ≈ 0.7368