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=2 und der Standardabweichung σ=1.6 .
Berechne P(-1.2 ≤ X ≤ 0.4).
Runde dein Ergebnis auf 3 Stellen hinter dem Komma.
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(-1.2 ≤ X ≤ 0.4) ≈ 0.1359
Intervall Normalverteilung rückwärts
Beispiel:
Die Zufallsgröße X ist normalverteilt mit dem Erwartungswert μ=30 und der Standardabweichung σ=6.5 .
Es gilt P(X ≥ k) = 0.8. Bestimme k.
Runde auf eine Stelle hinter dem Komma genau.
Der WTR kann leider kein k berechnen mit P(X ≥ k) = 0.8, weil er immer nur ein k bei P(X ≤ k) = p berechnen kann.
Also nutzen wir aus, dass P(X ≤ k) = 0.2 (im Schaubild die blaue Fläche) gelten muss, wenn P(X ≥ k) = 0.8 (im Schaubild die rote Fläche) gilt.
Für P(X ≤ k) = 0.2 liefert der WTR k ≈ 24.53.
(TI: invNormal, Casio: Inv. Normal-V. )
Normalverteilung Anwendung
Beispiel:
Ein exotisches Insekt wird im Mittel 5 cm lang. Dabei beträgt die Standardabweichung der Körperlänge 1,2 cm.Bestimme die Wahrscheinlichkeit, dass ein zufällig gewähltes Insekt größer oder gleich 4 hat.
(Bitte auf 3 Stellen nach dem Komma runden)
Die Zufallsgröße X beschreibt die Körperlänge des Insekts im cm, sie wird als normalverteilt angenommen mit dem Erwartungswert μ = 5 und der Standardabweichung σ = 1.2.
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 ≥ 4) ≈ 0.7977
Normalverteilung Anwendung (rückwärts)
Beispiel:
Eine Firma produziert 90 mm lange Schrauben. Aufgrund mehrerer Faktoren beim Produktionsprozesse treten Schwankungen bei der tatsächlichen Länge auf. Dabei beträgt die Standardabweichung 0,7 mm. Wie kurz darf dann eine Schraube höchstens sein, damit sie zu den kürzesten 40% der Schrauben gehört.
(Bitte auf 2 Stellen nach dem Komma runden, ohne Einheiten eingeben!)
Die Zufallsgröße X beschreibt die Schraubenlänge in mm, sie wird als normalverteilt angenommen mit dem Erwartungswert μ = 90 und der Standardabweichung σ = 0.7.
Gesucht ist somit das k, so dass P(X ≤ k) = 0.4 gilt.
Der WTR liefert für P(X ≤ k) = 0.4 den Wert k ≈ 89.823.
(TI: invNormal, Casio: Inv. Normal-V. )
Mittelwert, Standardabw. ablesen
Beispiel:
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.
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:
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.
Den Mittelwert μ= -5 kann man einfach am x-Wert des Hochpunkts der Glockenkurve ablesen.
Die Standardabweichung σ = 4 kann man am Abstand der x-Werte des Hochpunkts vom 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(-12 ≤ X ≤ 1) ≈ 0.8931
Symmetrie nutzen
Beispiel:
Die Zufallsgröße X ist normalverteilt. Ihr Schaubild zeigt die zugehörige Gauß'sche Glockenkurve mit einem ganzzahligen Erwartungswert μ. Der Inhalt der gefärbten Fläche beträgt 0.182.
Bestimme P(4 ≤ X ≤ 6).
Gib die Wahrscheinlichkeit auf 3 Stellen nach dem Komma genau an.
Wir wissen, dass das Schaubild einer normalverteilten Zufallsgröße achsenssymmetrisch zur senkrechten Gerade durch den Hochpunkt ist, hier also zu x = 4.
Somit gilt: P( X ≥ 4) = 0,5.
Aus dem Schaubild können wir lesen, dass P( X ≥ 6) = 0.182 (Flächeninhalt der blauen Fläche). Somit gilt für die gesuchte Wahrscheinlichkeit P(4 ≤ X ≤ 6), die dem Flächeninhalt der roten Fläche entspricht:
P(4 ≤ X ≤ 6) = 0,5 - 0.182 = 0.318
Standardabweichung bestimmen
Beispiel:
Der Punkt P(-7|0.0443) liegt auf der Gauß'schen Glockenkurve mit ganzzahligem Parameter σ und μ = -7.
Bestimme die Standardabweichung σ.
Gegeben ist ja der Hochpunkt der Gauß' schen Glockenkurve, weil ja der gegebene x-Wert gerade dem Erwartungswert μ = -7 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 ≈ 11.287 und runden diesen auf σ1 = 11.
Damit berechnen wir nun den y-Wert der Glockenkurve (mit μ = -7 und σ1=11) an der gegebenen Stelle x = -7
und erhalten f1(-7) = 0.0363
(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 das der y-Wert unserer ersten Kurve mit σ1=11 (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 = -7 berechnen:
μ = -7 | σ = 10 | f(-7) = 0.0399 |
μ = -7 | σ = 9 | f(-7) = 0.0443 |
Somit muss die gesuchte Standardabweichung σ = 9 sein.
variabler Erwartungswert (Anwendungen)
Beispiel:
Bei einer Maschine, die Schrauben herstellt, kann man die Länge der Schrauben auf ganze mm einstellen. Trotzdem sind dann nicht alle produzierten Schrauben ganz exakt gleich lang. Man kann aber davon ausgehen, dass die Schraubenlänge normalverteilt ist mit der eingestellten Länge als Erwartungswert und einer Standardabweichung von 1,4 mm. Auf welchen Wert (ganzzahlig in mm) muss man die Maschine mindestens einstellen, wenn eine zufällig gewählte Schraube mit einer Wahrscheinlichkeit von mindestens 90% mindestens 50 mm lang sein soll?
Die Zufallsgröße X beschreibt die Schraubenlänge in mm.
Zunächst untersuchen wir die Wahrscheinlichkeit, wenn der Erwartungswert μ = 50 gewählt würde. Aus Symmetriegründen wäre dann aber P(X ≥ 50) = 0,5.
Deswegen wird nun der Erwartungswert schrittweise immer um eine Einheit erhöht, bis die gesuchte Wahrscheinlichkeit P(X ≥ 50) mindestens 0.9 ist:
μ = 50: P(X ≥ 50) = 0.5
μ = 51: P(X ≥ 50) = 0.7625
μ = 52: P(X ≥ 50) = 0.9234
Man muss also den Erwartungswert auf mindestens μ = 52 einstellen.
Normalverteilung variables σ
Beispiel:
Eine Maschine soll Schrauben der Länge 7 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 1,1 mm von den geforderten 7 mm abweicht. Man kann davon ausgehen, dass die Schraubenlänge normalverteilt ist mit dem Erwartungswert 7. Welche Standardabweichung (auf eine Stelle hinter dem Komma genau) darf die Normalverteilung dieser Maschine höchstens haben?
Die Zufallsgröße X beschreibt die Schraubenlänge in mm.
Gesucht ist die Standardabweichung σ, so dass P(X ≤ 5.9) + P(X ≥ 8.1) < 5% oder eben, dass P(5.9 ≤ X ≤ 8.1) ≥ 0.95 gilt.
Je kleiner das σ ist, desto enger und höher ist die Glockenkurve der Dichtefunktion. Wir starten also mit einem sehr kleinen σ und erhöhen dieses so lange, bis P(5.9 ≤ X ≤ 8.1) unter die 0.95 sinkt:
σ = 0.1: P(5.9 ≤ X ≤ 8.1) ≈ 1
σ = 0.2: P(5.9 ≤ X ≤ 8.1) ≈ 1
σ = 0.3: P(5.9 ≤ X ≤ 8.1) ≈ 0.9998
σ = 0.4: P(5.9 ≤ X ≤ 8.1) ≈ 0.994
σ = 0.5: P(5.9 ≤ X ≤ 8.1) ≈ 0.9722
σ = 0.6: P(5.9 ≤ X ≤ 8.1) ≈ 0.9332
Die Standardabweichung darf also höchstens σ = 0.5 einstellen.
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 3,5 ml. Auf welchen Wert (ganzzahlig in ml) muss man die Abfüllanlage mindestens einstellen, damit in einer zufällig abgefüllten Flasche mit einer Wahrscheinlichkeit von mindestens 75% mindestens 800 ml drin ist?
Die Zufallsgröße X beschreibt die Abfüllmenge in ml.
Zunächst untersuchen wir die Wahrscheinlichkeit, wenn der Erwartungswert μ = 800 gewählt würde. Aus Symmetriegründen wäre dann aber P(X ≥ 800) = 0,5.
Deswegen wird nun der Erwartungswert schrittweise immer um eine Einheit erhöht, bis die gesuchte Wahrscheinlichkeit P(X ≥ 800) mindestens 0.75 ist:
μ = 800: P(X ≥ 800) = 0.5
μ = 801: P(X ≥ 800) = 0.6125
μ = 802: P(X ≥ 800) = 0.7161
μ = 803: P(X ≥ 800) = 0.8043
Man muss also den Erwartungswert auf mindestens μ = 803 einstellen.
Sigmaregel rückwärts
Beispiel:
X ist normalverteilt mit μ = 150 und σ. Es gilt P(150 ≤ X ≤ 168) ≈ 0,477. Bestimme σ.
Es gilt: P(150 ≤ X ≤ 168) ≈ 0,477
oder anders ausgedrückt:
P(μ ≤ X ≤ μ + 18) ≈ 0
Wegen der Symmetrie der Gauß'schen Glockenkurve gilt dann:
P(μ - 18 ≤ X ≤ μ + 18) ≈ 0,954
Aufgrund der Sigma-Regel P(μ - 2⋅σ ≤ X ≤ μ - 2⋅σ)
≈ 0.954
muss also 2⋅σ = 18 sein.
Für die Standardabweichung gilt somit: σ = 9 .
Dichtefunktion aus Graph ablesen
Beispiel:
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.
Den Mittelwert μ= -2 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) = ergibt:
φ(x) =
Kombination Normal- und Binomialverteilung
Beispiel:
Man geht davon aus, dass die Intelligenz bei Menschen normalverteilt ist. Ein Intelligenztest wird immer so skaliert, dass der Erwartungswert des IQ bei 100 und die Standardabweichung bei 15 liegt. Es werden 90 Menschen zufällig ausgesucht und getestet. Wie hoch ist dabei die Wahrscheinlichkeit, dass darunter mindestens 2 Hochbegabte, also mit einem IQ von mindestens 130, sind?
Zuerst berechnen wir die Wahrscheinlichkeit dafür, dass ein zufällig gewählter Mensch hochbegabt ist. Die Zufallsgröße Y beschreibt dabei den Intelligenzquotient IQ, sie wird als normalverteilt angenommen mit dem Erwartungswert μ = 100 und der Standardabweichung σ = 15.
Mit derm WTR lässt sich so P(Y ≥ 130) ≈ 0.0228 berechnen.
(TI: Normalcdf, Casio: Kumul. Normal-V. )
Und weil dies für jedes der 90 Exemplare gilt, können wir die Zufallsgröße X (, die die Anzahl der hochbegabten Menschen mit einem IQ über 130 zählt) als binomialverteilt mit n = 90 und p = 0.023 annehmen.
Für die gesuchte Wahrscheinlichkeit gilt somit:
=
1 - ≈ 1 - 0.3901 = 0.6099
(TI-Befehl: binomcdf(90,0.023,90) - binomcdf(90,0.023,1))
Die gesuchte Wahrscheinlichkeit beträgt somit ca. 61%.
Kombination Normal- und Binomialverteilung rw
Beispiel:
Die Äpfel einer großen Plantage haben in einem bestimmten Jahr einen maximalen Durchmesser von 9,3 cm und eine Standardabweichung von 2,5 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 51 Stück an den Großhandel verkaufen zu können?
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 = 9.3 und der Standardabweichung σ = 2.5.
Mit derm WTR lässt sich so P(8 ≤ Y ≤ 11) ≈ 0.450216 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 = 0.450216 annehmen.
n | P(X≤k) |
---|---|
... | ... |
124 | 0.1682 |
125 | 0.1494 |
126 | 0.1322 |
127 | 0.1165 |
128 | 0.1023 |
129 | 0.0895 |
... | ... |
Die Zufallsgröße X gibt Äpfel im geforderten Größenbereich an und ist im Idealfall binomialverteilt mit p = 0.450216 und variablem n.
Es muss gelten: ≥ 0.9
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.9 |+ - 0.9
0.1 ≥ oder ≤ 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 45.0216% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 113 Versuchen auch ungefähr 51 (≈0.450216⋅113) Treffer auftreten.
Wir berechnen also mit unserem ersten n=113:
≈ 0.473
(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=129 die gesuchte Wahrscheinlichkeit unter 0.1 ist.
n muss also mindestens 129 sein, damit ≤ 0.1 oder eben ≥ 0.9 gilt.