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 87 Stück nur an, wenn nicht mehr als 22 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) |
|---|---|
| ... | ... |
| 0.15 | 0.996 |
| 0.16 | 0.9912 |
| 0.17 | 0.9824 |
| 0.18 | 0.9675 |
| 0.19 | 0.9444 |
| 0.2 | 0.9111 |
| 0.21 | 0.8663 |
| ... | ... |
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(87,X,22) - 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=0.2 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 79 Wiederholungen 71 mal (oder mehr) rot zu treffen bei mind. 90% liegt?
| p | P(X≥71)=1-P(X≤70) |
|---|---|
| ... | ... |
| 0.89 | 0.4917 |
| 0.9 | 0.6074 |
| 0.91 | 0.7204 |
| 0.92 | 0.8206 |
| 0.93 | 0.8996 |
| 0.94 | 0.9531 |
| ... | ... |
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(79,X,70) - 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=0.94 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 60% und oben 40%. Wie groß ist die Wahrscheinlichkeit, dass er insgesamt 3 mal trifft?
(Bitte auf 4 Stellen nach dem Komma runden)
Zuerst überlegen wir mit welchen Kombinationen man auf die Summe von genau 3 kommen kann:
- 0 mal unten und 3 mal oben
- 1 mal unten und 2 mal oben
- 2 mal unten und 1 mal oben
- 3 mal unten und 0 mal oben
0 mal unten und 3 mal oben
Die Wahrscheinlichkeit für 0 mal unten ist
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=3 und p=0.6.
= ≈ 0.064Die 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.
= ≈ 0.064Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p1=0.064 ⋅ 0.064 = 0.004096
1 mal unten und 2 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.
= ≈ 0.288Die 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.
= ≈ 0.288Da 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
2 mal unten und 1 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.
= ≈ 0.432Die 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.
= ≈ 0.432Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p3=0.432 ⋅ 0.432 = 0.186624
3 mal unten und 0 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.
= ≈ 0.216Die Wahrscheinlichkeit für 0 mal oben ist
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=3 und p=0.4.
= ≈ 0.216Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten.
p4=0.216 ⋅ 0.216 = 0.046656
Die gesuchte Wahrscheinlichkeit erhält man nun, indem man die Wahrscheinlichkeiten der 4 Kombinationen addiert:
0.0041 + 0.0829 + 0.1866 + 0.0467 = 0.3203
feste Reihenfolge im Binomialkontext
Beispiel:
Ein Basketballspieler mit einer Trefferquote von 35% wirft 9 mal auf den Korb. Bestimme die Wahrscheinlichkeit, dass er bei diesen 9 Versuchen irgendwann einmal eine Serie mit 3 aufeinanderfolgenden Treffern hinlegt und bei allen anderen Versuchen nicht trifft.
Wenn die Reihenfolge keine Rolle spielen würde, könnten wir ja einfach die Wahrscheinlichkeit von 3 Treffer bei 9 Versuchen mit der Formel von Bernoulli berechnen: ⋅ ⋅
Dabei gibt ja ⋅ die Wahrscheinlichkeit eines bestimmten Pfads mit 3 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:
XXXOOOOOO
OXXXOOOOO
OOXXXOOOO
OOOXXXOOO
OOOOXXXOO
OOOOOXXXO
OOOOOOXXX
Es gibt also genau 7 verschiedene mögliche Reihenfolgen für diese benachbarten Treffer, somit gilt für die Gesamtwahrscheinlichkeit: P = 7 ⋅ ⋅ ≈ 0.0226
Kombination Binom.-Baumdiagramm
Beispiel:
Ein fernöstlicher LED-Hersteller hat Probleme in der Qualitätssicherung, so dass 10% 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 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)
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 4 Treffer bei 50 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.1, 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=0.1.
= + + +... + = 0.43119840682906 ≈ 0.4312(TI-Befehl: binomcdf(50,0.1,4))
Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'kiste ok' (p=0.4312) und 'nicht ok'(p=0.5688).
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:
In einer Chip-Fabrik werden neue High Tech Chips produziert. Leider ist die Technik noch nicht so ganz ausgereift, weswegen Ausschuss mit einer Wahrscheinlichkeit von p=0,21 entsteht. Es wird eine Stichprobe der Menge 70 entnommen. Wie groß ist die Wahrscheinlichkeit, dass von den ersten 10 Stück dieser Stichprobe gleich mal genau 3 defekt sind und von den restlichen der Stickprobe höchstens 16 nicht funktionieren.
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 defekten Chips an. X ist binomialverteilt mit n=10 und p=0.21.
Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als ≈ 0.2134.
Analog betrachten wir nun die restlichen 60 Durchgänge:
Die Zufallsgröße Y gibt die Anzahl der defekten Chips an. Y ist binomialverteilt mit n=60 und p=0.21.
Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als ≈ 0.8895.
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 = ⋅ = 0.2134 ⋅ 0.8895 ≈ 0.1898
