Aufgabenbeispiele von Normalverteilung

Durch Aktualisieren des Browsers (z.B. mit Taste F5) kann man neue Beispielaufgaben sehen


Intervall Normalverteilung (einfach)

Beispiel:

Die Zufallsgröße X ist normalverteilt mit dem Erwartungswert μ=4 und der Standardabweichung σ=1 .

Berechne P(2.4 ≤ X ≤ 2.6).

Runde dein Ergebnis auf 3 Stellen hinter dem Komma.

Lösung einblenden

Hier kann man einfach die WTR-Befehle ("Normalcdf" beim TI, bzw. "Kumul. Normal-V" beim Casio) verwenden: μ und σ, dann die Intervallgrenzen eingeben - und schon kann man das Ergebnis ablesen.

P(2.4 ≤ X ≤ 2.6) ≈ 0.026

Intervall Normalverteilung rückwärts

Beispiel:

Die Zufallsgröße X ist normalverteilt mit dem Erwartungswert μ=50 und der Standardabweichung σ=4.5 .

Es gilt P(X ≥ k) = 0.55. Bestimme k.

Runde auf eine Stelle hinter dem Komma genau.

Lösung einblenden
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Der WTR kann leider kein k berechnen mit P(X ≥ k) = 0.55, weil er immer nur ein k bei P(X ≤ k) = p berechnen kann.

Also nutzen wir aus, dass P(X ≤ k) = 0.45 (im Schaubild die blaue Fläche) gelten muss, wenn P(X ≥ k) = 0.55 (im Schaubild die rote Fläche) gilt.

Für P(X ≤ k) = 0.45 liefert der WTR k ≈ 49.435.

(TI: invNormal, Casio: Inv. Normal-V. )

Normalverteilung Anwendung

Beispiel:

Eine Firma produziert 70 mm lange Schrauben. Aufgrund mehrerer Faktoren beim Produktionsprozess treten Schwankungen bei der tatsächlichen Länge auf. Dabei beträgt die Standardabweichung 0,4 mm. Bestimme die Wahrscheinlichkeit, dass eine zufällig gewählte Schraube kleiner oder gleich 69,4 hat.
(Bitte auf 3 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsgröße X beschreibt die Schraubenlänge in mm, sie wird als normalverteilt angenommen mit dem Erwartungswert μ = 70 und der Standardabweichung σ = 0.4.

Somit kann man einfach die WTR-Befehle ("Normalcdf" beim TI, bzw. "Kumul. Normal-V" beim Casio) verwenden: Erst μ und σ, dann die Intervallgrenzen eingeben. Die linke Intervallgrenze wäre hier jedoch - ∞. Stattdessen kann man einfach einen sehr kleinen Wert eingeben, z.B.: -10000000.

Jetzt lässt sich das Ergebnis ablesen: P(X ≤ 69.4) ≈ 0.0668

Normalverteilung Anwendung (rückwärts)

Beispiel:

Eine Firma produziert 100 mm lange Schrauben. Aufgrund mehrerer Faktoren beim Produktionsprozesse treten Schwankungen bei der tatsächlichen Länge auf. Dabei beträgt die Standardabweichung 0,2 mm. Wie kurz darf dann eine Schraube höchstens sein, damit sie zu den kürzesten 65% der Schrauben gehört.
(Bitte auf 2 Stellen nach dem Komma runden, ohne Einheiten eingeben!)

Lösung einblenden
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Die Zufallsgröße X beschreibt die Schraubenlänge in mm, sie wird als normalverteilt angenommen mit dem Erwartungswert μ = 100 und der Standardabweichung σ = 0.2.

Gesucht ist somit das k, so dass P(X ≤ k) = 0.65 gilt.

Der WTR liefert für P(X ≤ k) = 0.65 den Wert k ≈ 100.077.

(TI: invNormal, Casio: Inv. Normal-V. )

Mittelwert, Standardabw. ablesen

Beispiel:

Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Die Zufallsgröße X ist normalverteilt. Ihr Schaubild zeigt die zugehörige Gauß'sche Glockenkurve mit den ganzzahligen Parametern μ und σ.

Gib die Werte für μ und σ an.

Lösung einblenden

Den Mittelwert μ= 3 kann man einfach am x-Wert des Hochpunkts der Glockenkurve ablesen.

Die Standardabweichung σ = 3 kann man am Abstand der x-Werte des Hochpunkts vom Wendepunkt ablesen.

μ und σ ablesen und Interval berechnen

Beispiel:

Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Die Zufallsgröße X ist normalverteilt. Ihr Schaubild zeigt die zugehörige Gauß'sche Glockenkurve mit den ganzzahligen Parametern μ und σ.

Gib die Werte für μ und σ an und berechne damit die eingefärbte Fläche.

Lösung einblenden

Den Mittelwert μ= -4 kann man einfach am x-Wert des Hochpunkts der Glockenkurve ablesen.

Die Standardabweichung σ = 1 kann man am Abstand der x-Werte von Hochpunkt und Wendepunkt ablesen.

Jetzt kann man einfach einfach die WTR-Befehle ("Normalcdf" beim TI, bzw. "Kumul. Normal-V" beim Casio) verwenden: μ und σ, dann die Intervallgrenzen eingeben - und schließlich das Ergebnis ablesen:

P(-5 ≤ X ≤ -2) ≈ 0.8186

Symmetrie nutzen

Beispiel:

Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Die Zufallsgröße X ist normalverteilt. Ihr Schaubild zeigt die zugehörige Gauß'sche Glockenkurve mit einem ganzzahligen Erwartungswert μ. Der Inhalt der gefärbten Fläche beträgt 0.266.

Bestimme P(-1 ≤ X ≤ 0).

Gib die Wahrscheinlichkeit auf 3 Stellen nach dem Komma genau an.

Lösung einblenden
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Wir wissen, dass das Schaubild einer normalverteilten Zufallsgröße achsenssymmetrisch zur senkrechten Gerade durch den Hochpunkt ist, hier also zu x = -1.

Somit gilt: P( X ≥ -1) = 0,5.

Aus dem Schaubild können wir lesen, dass P( X ≥ 0) = 0.266 (Flächeninhalt der blauen Fläche). Somit gilt für die gesuchte Wahrscheinlichkeit P(-1 ≤ X ≤ 0), die dem Flächeninhalt der roten Fläche entspricht:

P(-1 ≤ X ≤ 0) = 0,5 - 0.266 = 0.234

Standardabweichung bestimmen

Beispiel:

Der Punkt P(4|0.057) liegt auf der Gauß'schen Glockenkurve mit ganzzahligem Parameter σ und μ = 4.

Bestimme die Standardabweichung σ.

Lösung einblenden
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Der gegebene Punkt ist der Hochpunkt der Gauß' schen Glockenkurve, weil ja der gegebene x-Wert gerade dem Erwartungswert μ = 4 entspricht.

Um einen ersten möglichen Wert für eine Standardabweichung σ zu bekommen, berechen wir am besten den Quotient von 0,5 und dem y-Wert der gegebenen Hochpunkts, also 0.5 0.057 ≈ 8.772 und runden diesen auf σ1 = 9.

Damit berechnen wir nun den y-Wert der Glockenkurve (mit μ = 4 und σ1=9) an der gegebenen Stelle x = 4 und erhalten f1(4) = 0.0443
(TI: DISTR -> 1: Normalpdf; Casio: Dichte ..).

Wir wissen ja: Je größer das σ ist, desto breiter wird die Glockenkurve. Da ja aber die ganze Fläche unter der Glockenkurve (die ja der Gesamt-Wahrscheinlichkeit für alles entspricht) immer genau 1 ist, muss die breitere Glockenkurve dementsprechend auch flacher und damit mit einem niedrigeren Hochpunkt ausfallen. Somit gilt:

Je höher das σ, desto niedriger der y-Wert des Hochpunkts.

Und da der y-Wert unserer ersten Kurve mit σ1=9 (in der Abbilung in grün) zu tief war, muss also σ1 zu groß sein und wir müssen jetzt eben schrittweise kleinere Standardabweichungen σ durchprobieren und die zugehörigen y-Werte an der Stelle x = 4 berechnen:

μ = 4σ = 8f(4) = 0.0499
μ = 4σ = 7f(4) = 0.057

Somit muss die gesuchte Standardabweichung σ = 7 sein.

variabler Erwartungswert (Anwendungen)

Beispiel:

Bei einer Getränkeabfüllanlage kann man die Füllmenge der Flaschen auf ganze ml einstellen. Trotzdem ist dann nicht in allen abgefüllten Flaschen ganz exakt gleich viel drin. Man kann aber davon ausgehen, dass die tatsächliche Füllmenge normalverteilt ist mit der eingestellten Füllmenge als Erwartungswert und einer Standardabweichung von 2 ml. Auf welchen Wert (ganzzahlig in ml) muss man die Abfüllanlage mindestens einstellen, damit in einer zufällig abgefüllten Flasche mit einer Wahrscheinlichkeit von mindestens 90% mindestens 700 ml drin ist?

Lösung einblenden

Die Zufallsgröße X beschreibt die Abfüllmenge in ml.

Zunächst untersuchen wir die Wahrscheinlichkeit, wenn der Erwartungswert μ = 700 gewählt würde. Aus Symmetriegründen wäre dann aber P(X ≥ 700) = 0,5.

Deswegen wird nun der Erwartungswert schrittweise immer um eine Einheit erhöht, bis die gesuchte Wahrscheinlichkeit P(X ≥ 700) mindestens 0.9 ist:

μ = 700: P(X ≥ 700) = 0.5

μ = 701: P(X ≥ 700) = 0.6915

μ = 702: P(X ≥ 700) = 0.8413

μ = 703: P(X ≥ 700) = 0.9332

Man muss also den Erwartungswert auf mindestens μ = 703 einstellen.

Normalverteilung variables σ

Beispiel:

Eine Maschine soll Schrauben der Länge 12 mm herstellen. Ein Kunde will die Maschine aber nur kaufen, wenn die Wahrscheinlichkeit kleiner als 5% ist, dass die Länge einer Schraube um mehr als 0,9 mm von den geforderten 12 mm abweicht. Man kann davon ausgehen, dass die Schraubenlänge normalverteilt ist mit dem Erwartungswert 12. Welche Standardabweichung (auf eine Stelle hinter dem Komma genau) darf die Normalverteilung dieser Maschine höchstens haben?

Lösung einblenden

Die Zufallsgröße X beschreibt die Schraubenlänge in mm.

Gesucht ist die Standardabweichung σ, so dass P(X ≤ 11.1) + P(X ≥ 12.9) < 5% oder eben, dass P(11.1 ≤ X ≤ 12.9) ≥ 0.95 gilt.

Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Je kleiner das σ ist, desto enger und höher ist die Glockenkurve der Dichtefunktion.

Aufgrund der Sigmaregel (P(μ-2σ ≤ X ≤ μ+2σ) ≈ 95,4% ) wissen wir, dass die 0.9 mm eine kleinere Wahrscheinlichkeit auf sich vereinen als eine Abweichung um 2 σ, folglich muss die Abweichung 0.9 weniger als 2 σ entsprechen.

0.9 < 2⋅σ |:2
0.45 < σ

Wir starten also mal bei σ = 0.45 und erhöhen dieses so lange, bis P(11.1 ≤X ≤ 12.9) unter die 0.95 sinkt:

σ = 0.4: P(11.1 ≤ X ≤ 12.9) ≈ 0.9756

σ = 0.5: P(11.1 ≤ X ≤ 12.9) ≈ 0.9281

Die Standardabweichung darf also höchstens σ = 0.4 einstellen.

Normalverteilung Anwendung

Beispiel:

Eine Firma produziert 100 mm lange Schrauben. Aufgrund mehrerer Faktoren beim Produktionsprozess treten Schwankungen bei der tatsächlichen Länge auf. Dabei beträgt die Standardabweichung 0,7 mm. Bestimme die Wahrscheinlichkeit, dass eine zufällig gewählte Schraube größer oder gleich 100 hat.
(Bitte auf 3 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsgröße X beschreibt die Schraubenlänge in mm, sie wird als normalverteilt angenommen mit dem Erwartungswert μ = 100 und der Standardabweichung σ = 0.7.

Somit kann man einfach die WTR-Befehle ("Normalcdf" beim TI, bzw. "Kumul. Normal-V" beim Casio) verwenden: Erst μ und σ, dann die Intervallgrenzen eingeben. Die rechte Intervallgrenze wäre hier jedoch + ∞. Stattdessen kann man einfach einen sehr großen Wert eingeben, z.B.: 10000000.

Jetzt lässt sich das Ergebnis ablesen: P(X ≥ 100) ≈ 0.5

Sigmaregel rückwärts

Beispiel:

X ist normalverteilt mit μ und σ = 9. Es gilt P(μ ≤ X ≤ 318) ≈ 0,477. Bestimme μ.

Lösung einblenden
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Es gilt: P(μ ≤ X ≤ 318) ≈ 0,477≈ 0.954 2

Wegen der Sigma-Regel P(μ - 2⋅σ ≤ X ≤ μ + 2⋅σ) ≈ 0.954 und der Symmetrie der Gauß'schen Glockenkurve
muss also P(μ ≤ X ≤ μ + 2⋅σ) ≈ 0.954 2 sein.
Mit σ = 9 gilt somit: P(μ ≤ X ≤ μ + 18) ≈ 0.954 2

Wenn man dies mit der 1 .Zeile vergleicht, erkennt man, dass 318 um 18 größer als μ sein muss.

Für den Mittwelwert gilt somit: μ = 318 - 18 = 300 .

Dichtefunktion aus Graph ablesen

Beispiel:

Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Die Zufallsgröße X ist normalverteilt. Ihr Schaubild zeigt die zugehörige Gauß'sche Glockenkurve mit den ganzzahligen Parametern μ und σ.

Gib den Funktionsterm der Dichtefunktion an.

Lösung einblenden

Den Mittelwert μ= -1 kann man einfach am x-Wert des Hochpunkts der Glockenkurve ablesen.

Die Standardabweichung σ = 1 kann man am Abstand der x-Werte des Hochpunkts vom Wendepunkt ablesen.

Eingesetzt in die allgemeine Dichtefunktion: φ(x) = 1 σ · 2π · e - 1 2 ( x - μ σ ) 2 ergibt:

φ(x) = 1 2π · e - 1 2 ( x +1 1 ) 2

Kombination Normal- und Binomialverteilung

Beispiel:

Ein exotisches Insekt wird im Mittel 50 mm lang. Dabei beträgt die Standardabweichung der Körperlänge 5 mm. Ein Forscher entdeckt insgesamt 65 solcher Insekten. Bestimme die Wahrscheinlichkeit dafür, dass mindestens 5, aber nicht mehr als 8 dieser Insekten größer als 58,5 mm sind.

Lösung einblenden

Zuerst berechnen wir die Wahrscheinlichkeit dafür, dass ein Insekt die geforderte Größe hat. Die Zufallsgröße Y beschreibt dabei die Körperlänge des Insekts, sie wird als normalverteilt angenommen mit dem Erwartungswert μ = 50 und der Standardabweichung σ = 5.

Mit derm WTR lässt sich so P(Y ≥ 58.5) ≈ 0.0446 berechnen.

(TI: Normalcdf, Casio: Kumul. Normal-V. )

Und weil dies für jedes der 65 Exemplare gilt, können wir die Zufallsgröße X (, die die Anzahl der Insekten mit der geforderten Mindestgröße zählt) als binomialverteilt mit n = 65 und p = 0.0446 annehmen.

Für die gesuchte Wahrscheinlichkeit gilt somit:
P0.04565 (5≤X≤8) =

...
2
3
4
5
6
7
8
9
10
...

P0.04565 (X≤8) - P0.04565 (X≤4) ≈ 0.9977 - 0.8364 = 0.1613

(TI-Befehl: binomcdf(65,0.0446,8) - binomcdf(65,0.0446,4))

Die gesuchte Wahrscheinlichkeit beträgt somit ca. 16,1%.

Normalverteilung rw. (Symmetrie)

Beispiel:

Ein exotisches Insekt wird im Mittel 7 cm lang. Dabei beträgt die Standardabweichung der Körperlänge 1,2 cm. Zwischen welchen Längen in cm liegt das kleinste Intervall, in dem die Längen von 30% dieser Insekten liegen?
(Bitte auf 2 Stellen nach dem Komma runden, ohne Einheiten eingeben!)

Lösung einblenden
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Die Zufallsgröße X beschreibt die Körperlänge des Insekts im cm, sie wird als normalverteilt angenommen mit dem Erwartungswert μ = 7 und der Standardabweichung σ = 1.2.

Gesucht ist ja das kleinste Intervall, dessen Wahrscheinlichkeit 30% auf sich vereint.

Weil ja die Gauß'sche Glockenkurve symmetrisch zu x = 7 ist, und um den Erwartungswert die höchsten Werte und damit auch die größten Flächen möglich sind, muss dieses kleinste Intervall symmetrisch um den Erwartungswert herum liegen (siehe rote Fläche unter dem Graph).

Folglich muss gelten: P(µ-d ≤ X ≤ µ+d) = 0.3.

Wegen der Symmetrie bedeutet das dann ja aber P(µ-d ≤ X ≤ µ) = 0.15 ("Hälfte des roten Bereichs").

Und da immer P(X ≤ µ) = 0.5 gilt, muss also P(X ≤ µ-d) = 0.35 sein ("blauer Bereich").

Der WTR liefert für P(X ≤ µ-d) = 0.35 den Wert µ-d ≈ 6.538.

Dieser hat also von µ = 7 den Abstand d = 7-6.538 = 0.462, somit ist der rechte Rand µ+d bei 7+0.462 = 7.462.

(TI: invNormal, Casio: Inv. Normal-V. )

Kombination Normal- und Binomialverteilung rw

Beispiel:

Die Äpfel einer großen Plantage haben in einem bestimmten Jahr durchschnittlich einen Durchmesser von 8,8 cm und eine Standardabweichung von 1,5 cm. Der Großhandel nimmt nur Äpfel an, die zwischen 8 und 11 cm groß sind. Wie viele Äpfel muss man mindestens ernten, um mit einer Wahrscheinlichkeit von mindestens 90% mindestens 70 Stück an den Großhandel verkaufen zu können?

Lösung einblenden

Zuerst berechnen wir die Wahrscheinlichkeit dafür, dass ein zufällig gewählter Apfel im geforderten Größenbereich liegt. Die Zufallsgröße Y beschreibt dabei den maximalen Durchmessers eines Apfels, sie wird als normalverteilt angenommen mit dem Erwartungswert μ = 8.8 und der Standardabweichung σ = 1.5.

Mit derm WTR lässt sich so P(8 ≤ Y ≤ 11) ≈ 0.631865 berechnen.

(TI: Normalcdf, Casio: Kumul. Normal-V. )

Und weil dies für jedes Exemplar gilt, können wir die Zufallsgröße X (, die die Anzahl der Äpfel im geforderten Größenbereich zählt) als binomialverteilt mit unbekanntem n und p = 0.631865 annehmen.

nP(X≤k)
......
1160.2313
1170.1974
1180.1669
1190.1399
1200.1163
1210.0958
......

Die Zufallsgröße X gibt Äpfel im geforderten Größenbereich an und ist im Idealfall binomialverteilt mit p = 0.631865 und variablem n.

Es muss gelten: P0.632n (X≥70) ≥ 0.9

Weil man ja aber P0.632n (X≥70) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.632n (X≥70) = 1 - P0.632n (X≤69) ≥ 0.9 |+ P0.632n (X≤69) - 0.9

0.1 ≥ P0.632n (X≤69) oder P0.632n (X≤69) ≤ 0.1

Jetzt müssen wir eben so lange mit verschiedenen Werten von n probieren, bis diese Gleichung erstmals erfüllt wird:

Dabei stellt sich nun natürlich die Frage, mit welchem Wert für n wir dabei beginnen. Im Normalfall enden 63.1865% der Versuche mit einem Treffer. Also müssten dann doch bei 70 0.631865 ≈ 111 Versuchen auch ungefähr 70 (≈0.631865⋅111) Treffer auftreten.

Wir berechnen also mit unserem ersten n=111:
P0.632n (X≤69) ≈ 0.4468 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.1 entfernt ist, erhöhen bzw. verkleinern wir das n eben in größeren oder kleineren Schrittweiten.

Dies wiederholen wir solange, bis wir zwei aufeinanderfolgende Werte von n gefunden haben, bei denen die 0.1 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=121 die gesuchte Wahrscheinlichkeit unter 0.1 ist.

n muss also mindestens 121 sein, damit P0.632n (X≤69) ≤ 0.1 oder eben P0.632n (X≥70) ≥ 0.9 gilt.

Normalverteilung mehrstufig

Beispiel:

Auf einer großen Hühnerfarm mit freilaufenden Hühnern werden täglich sehr viele Eier gelegt, deren Masse man als normalverteilt mit Erwartungswert 70g und Standardabweichung 8g annehmen kann. Für einen Biomarkt müssen die Eierproduzenten ein Mindestgewicht angeben. der Biomarkt kontrolliert dieses Mindestgewicht gelegentlich, in dem er 3 Eier herausnimmt und wiegt. Wie hoch müssen die Eierproduzenten dieses angegebene Mindestgewicht benennen, damit bei der Kontrolle mit einer Wahrscheinlichkeit von 70% alle 3 Eier diese Mindestvorgabe erfüllen?
(Bitte auf 1 Stelle nach dem Komma runden)

Lösung einblenden

Die Masse eines Hühnereis in g soll als normalverteilte Zufallsgröße X mit µ=70 und σ=8 bezeichnet werden.

Die Wahrscheinlichkeit, dass ein Ei die Vorgabe (Mindestgewicht) erfüllt, bezeichnen wir p.

Damit diese Vorgabe nun auch wirklich bei allen 3 kontrollierten Eiern erfüllt wird, muss somit gelten:

p3 ≥ 0.7 (Die 3 kontrollierten Eier kann man als mehrstufiges Zufallsexperiment mit gleichbleibender Einzelwahrscheinlichkeit p interpretieren.)

Wenn wir jetzt hier die 3-te Wurzel ziehen, erhalten wir die notwendige Einzelwahrscheinlichkeit p, dass ein Ei die Vorgabe (Mindestgewicht) erfüllt:

Einzelwahrscheinlichkeit: p ≥ 0,8879

Wir suchen jetzt also in der Normalverteilung nach einem Mindestgewicht, das mit der Wahrscheinlichkeit 0,8879 eingehalten wird;

also nach einem k mit P(X ≥ k) ≥ 0,8879

Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Der WTR kann leider kein k berechnen mit P(X ≥ k) = 0,8879, weil er immer nur ein k bei P(X ≤ k) = p berechnen kann.

Also nutzen wir aus, dass P(X ≤ k) = 0,1121 (im Schaubild die blaue Fläche) gelten muss, wenn P(X ≥ k) = 0,8879 (im Schaubild die rote Fläche) gilt.

Für P(X ≤ k) = 0,1121 liefert der WTR k ≈ 60.276.

(TI: invNormal, Casio: Inv. Normal-V. )

Normalverteilung VFT

Beispiel:

Man geht davon, dass in einem bestimmten Land der IQ der erwachsenenen Einwohner normalverteilt mit Erwartungswert 104 und Standardabweichung 16 ist. 30% dieser erwachsenenen Einwohner haben Abitur. Das Bildungsministerium teilt dabei die Bevölkerung in zwei Gruppen: die Schlauen und die Normalen. Von den Einwohnern ohne Abitur gehören 80% zu den Normalen. 13,5% der Bevölkerung haben Abitur und gehören zur Gruppe der Schlauen. Ab welchem IQ gilt man in diesem Land schlau?
(Bitte auf 1 Stelle nach dem Komma runden)

Lösung einblenden

Um die Aufgabe mit einer Vierfeldertafel lösen zu können, müssen wir erst unsere Ergebnisse A und B definieren:

A : mit Abitur

A ‾ : nicht mit Abitur, also ohne Abitur

B : schlau

B ‾ : nicht schlau, also normal

Hiermit ergibt sich folgende Vierfeldertafel:

  B
(schlau)
B ‾
(normal)
 
A
(mit Abitur)
0,135 0,3
A ‾
(ohne Abitur)
   
    

Diese müssen wir nun vollends ausfüllen:


Als erstes tragen wir rechts unten die Summe P ( A ) + P ( A ‾ ) = P ( B ) + P ( B ‾ ) = 1 ein, schließlich ist die Wahrscheinlichkeit, dass A gilt oder dass A ‾ gilt 100%.

Dann tragen wir alle direkt aus dem Text entnehmbaren und die dadurch berechenbaren Wahrscheinlichkeiten in die Vierfeldertafel ein.

  B
(schlau)
B ‾
(normal)
 
A
(mit Abitur)
0,1350,1650,3
A ‾
(ohne Abitur)
  0,7
   1

Aus der Information von der Teilgruppe mit "ohne Abitur" sind es 80% kann man die Wahrscheinlichkeit
P ( A ‾ ∩ B ‾ ) = 0,7 ⋅ 0,8 = 0,56 berechnen.

  B
(schlau)
B ‾
(normal)
 
A
(mit Abitur)
0,1350,1650,3
A ‾
(ohne Abitur)
 0,560,7
   1

Jetzt können wir wieder die restlichen Wahrscheinlichkeiten einfach mit der Vierfeldertafel berechnen:

  B
(schlau)
B ‾
(normal)
 
A
(mit Abitur)
0,1350,1650,3
A ‾
(ohne Abitur)
0,140,560,7
 0,2750,7251

Wir wissen jetzt also, dass die Wahrscheinlichkeit für "schlau" ungefähr 0,275 beträgt.

Jetzt suchen wie in der Normalverteilung nach einem -Wert k, für den gilt P(X ≥ k) ≈ 0,275

Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Der WTR kann leider kein k berechnen mit P(X ≥ k) = 0,275, weil er immer nur ein k bei P(X ≤ k) = p berechnen kann.

Also nutzen wir aus, dass P(X ≤ k) = 0,725 (im Schaubild die blaue Fläche) gelten muss, wenn P(X ≥ k) = 0,275 (im Schaubild die rote Fläche) gilt.

Für P(X ≤ k) = 0,725 liefert der WTR k ≈ 113,564.

Als "schlau" gilt also ab 113,564 .

(TI: invNormal, Casio: Inv. Normal-V. )