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 85 Ausspielungen nicht öfters als 53 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)
......
0.510.9866
0.520.9788
0.530.9676
0.540.9517
0.550.9303
0.560.902
0.570.866
......

Es muss gelten: Pp85 (X53) =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(85,X,53) - 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 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 99 Wiederholungen 26 mal (oder mehr) rot zu treffen bei mind. 60% liegt?

Lösung einblenden
pP(X≥26)=1-P(X≤25)
......
0.220.1822
0.230.2533
0.240.335
0.250.4236
0.260.5146
0.270.6034
......

Es muss gelten: Pp99 (X26) =0.6 (oder mehr)

oder eben: 1- Pp99 (X25) =0.6 (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(99,X,25) - 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=0.27 die gesuchte Wahrscheinlichkeit über 0.6 ist.

zwei unabhängige Binom.

Beispiel:

Ein Mitarbeiter der Stadtwerke bekommt den Auftrag am Freitag bei 55 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 24 und 38 am Samstag so zwischen 25 und 30 erreichen werde. Tatsächlich ist die Wahrscheinlichkeit, dass ihm die Tür geöffnet wird, am Samstag mit 63% höher als am Freitag mit 54%. Wie groß ist die Wahrscheinlichkeit, dass seine Prognose zutrifft?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Freitag:

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=55 und unbekanntem Parameter p.

Gesucht ist die Wahrscheinlichkeit zwischen 24 und 38 Treffer bei 55 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.54 zu erzielen, also P0.5455 (24X38) .
Diese Wahrscheinlichkeit lässt sich als P0.5455 (X38) - P0.5455 (X23) ≈ 0.9922 - 0.0469 ≈ 0.9453 berechnen.
TI-Befehl: binomcdf(55,0.54,38)- binomcdf(55,0.54,23)

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 25 und 30 Treffer bei 35 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.63 zu erzielen, also P0.6335 (25X30) .
Diese Wahrscheinlichkeit lässt sich als P0.6335 (X30) - P0.6335 (X24) ≈ 0.9993 - 0.8032 ≈ 0.1961 berechnen.
TI-Befehl: binomcdf(35,0.63,30)- binomcdf(35,0.63,24)

Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten:

P ≈ 0.9453 ⋅ 0.1961 ≈ 0.1854

feste Reihenfolge im Binomialkontext

Beispiel:

Bei einem Glücksrad beträgt die Wahrscheinlichkeit für den grünen Bereich 60%. Es wird 8 mal gedreht.Bestimme die Wahrscheinlichkeit, dass dabei genau 5 mal in den grünen Bereich gedreht wird und diese Drehungen unmittelbar hintereinander erfolgen (also ohne, dass dazwischen mal nicht in den grünen Bereich gedreht wird).

Lösung einblenden

Wenn die Reihenfolge keine Rolle spielen würde, könnten wir ja einfach die Wahrscheinlichkeit von 5 Treffer bei 8 Versuchen mit der Formel von Bernoulli berechnen: ( 8 5 ) 0.6 5 0.4 3

Dabei gibt ja 0.6 5 0.4 3 die Wahrscheinlichkeit eines bestimmten Pfads mit 5 Treffer und 3 Nicht-Treffern und ( 8 5 ) die Anzahl solcher Pfade an.

Hier spielt nun aber die Reihenfolge eine Rolle, also haben wir nicht alle möglichen ( 8 5 ) Anordnungen der Treffer sondern nur die ausgewählten (bei denen die Treffer benachbart sind), das sind im Einzelnen:

XXXXXOOO

OXXXXXOO

OOXXXXXO

OOOXXXXX

Es gibt also genau 4 verschiedene mögliche Reihenfolgen für diese benachbarten Treffer, somit gilt für die Gesamtwahrscheinlichkeit:
P = 4 ⋅ 0.6 5 0.4 3 ≈ 0.0199

Kombination Binom.-Baumdiagramm

Beispiel:

Ein fernöstlicher LED-Hersteller hat Probleme in der Qualitätssicherung, so dass 9% 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)

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=50 und unbekanntem Parameter p.

Gesucht ist die Wahrscheinlichkeit für höchstens 4 Treffer bei 50 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.09, also P0.0950 (X4)

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=0.09.

P0.0950 (X4) = P0.0950 (X=0) + P0.0950 (X=1) + P0.0950 (X=2) +... + P0.0950 (X=4) = 0.52765570857376 ≈ 0.5277
(TI-Befehl: binomcdf(50,0.09,4))

Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'kiste ok' (p=0.5277) und 'nicht ok'(p=0.4723).

Jetzt können wir mit einem Baumdiagramm die Gesuchte Endwahrscheinlichkeit berechnen.

Gesucht ist ja 0 mal 'nicht ok'

EreignisP
kiste ok -> kiste ok0,2785
kiste ok -> nicht ok0,2492
nicht ok -> kiste ok0,2492
nicht ok -> nicht ok0,2231

Einzel-Wahrscheinlichkeiten: kiste ok: 0,5277; nicht ok: 0,4723;

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=0,2785)

Die Lösung ist also die Summe dieser Wahrscheinlichkeiten:

0,2785 = 0,2785


Binomial-Aufgabe mit 2 Ereignissen

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 55% und wirft 17 mal auf dem Korb. Wie groß ist die Wahrscheinlichkeit, dass er von den ersten 8 Versuchen genau 5 mal und von den restlichen Versuchen höchstens 4 mal trifft.

Lösung einblenden

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 Treffer des BB-Spielers an. X ist binomialverteilt mit n=8 und p=0.55.

Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als P0.558 (X=5) ≈ 0.2568.

Analog betrachten wir nun die restlichen 9 Durchgänge:

Die Zufallsgröße Y gibt die Anzahl der Treffer des BB-Spielers an. Y ist binomialverteilt mit n=9 und p=0.55.

Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als P0.559 (Y4) ≈ 0.3786.

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 = P0.558 (X=5) P0.559 (Y4) = 0.2568 ⋅ 0.3786 ≈ 0.0972