Aufgabenbeispiele von Wiederholung aus 9/10

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


Binomialvert. mit variablem n (mind)

Beispiel:

Wie oft muss man mit einem normalen Würfel mindestens würfeln, um mit einer Wahrscheinlichkeit von mindestens 90% 40 oder mehr 6er zu erzielen?

Lösung einblenden
nP(X≤k)
......
2800.1239
2810.1187
2820.1136
2830.1088
2840.1041
2850.0996
......

Die Zufallsgröße X gibt Anzahl der gewürfelten 6er an und ist im Idealfall binomialverteilt mit p = 1 6 und variablem n.

Es muss gelten: P 1 6 n (X40) ≥ 0.9

Weil man ja aber P 1 6 n (X40) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P 1 6 n (X40) = 1 - P 1 6 n (X39) ≥ 0.9 |+ P 1 6 n (X39) - 0.9

0.1 ≥ P 1 6 n (X39) oder P 1 6 n (X39) ≤ 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 1 6 der Versuche mit einem Treffer. Also müssten dann doch bei 40 1 6 ≈ 240 Versuchen auch ungefähr 40 (≈ 1 6 ⋅240) Treffer auftreten.

Wir berechnen also mit unserem ersten n=240:
P 1 6 n (X39) ≈ 0.4731 (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=285 die gesuchte Wahrscheinlichkeit unter 0.1 ist.

n muss also mindestens 285 sein, damit P 1 6 n (X39) ≤ 0.1 oder eben P 1 6 n (X40) ≥ 0.9 gilt.

Binomialverteilung X>=k

Beispiel:

Ein Würfel wird 39 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass mindestens 7 mal eine 6 (p=1/6) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=39 und p= 1 6 .

...
4
5
6
7
8
9
...

P 1 6 39 (X7) = 1 - P 1 6 39 (X6) = 0.4806
(TI-Befehl: 1-binomcdf(39, 1 6 ,6))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 5 rote und einige schwarze Kugeln. Es soll 19 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 70% unter den 19 gezogenen Kugeln nicht mehr als 3 rote sind?

Lösung einblenden
pP(X≤3)
......
5 31 0.632
5 32 0.6554
5 33 0.6772
5 34 0.6975
5 35 0.7165
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=19 und unbekanntem Parameter p.

Es muss gelten: Pp19 (X3) =0.7 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 5 sein muss, da es ja genau 5 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp19 (X3) ('höchstens 3 Treffer bei 19 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 3 19 . Mit diesem p wäre ja 3= 3 19 ⋅19 der Erwartungswert und somit Pp19 (X3) irgendwo in der nähe von 50%. Wenn wir nun p= 3 19 mit 5 3 erweitern (so dass wir auf den Zähler 5 kommen) und den Nenner abrunden, müssten wir mit p= 5 31 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 5 35 die gesuchte Wahrscheinlichkeit über 70% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 35 sein.

Also werden noch 30 zusätzliche Optionen (also schwarze Kugeln) benötigt.

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 59 Wiederholungen 26 mal (oder mehr) rot zu treffen bei mind. 80% liegt?

Lösung einblenden
pP(X≥26)=1-P(X≤25)
......
0.440.5459
0.450.6065
0.460.6646
0.470.7188
0.480.7684
0.490.8126
......

Es muss gelten: Pp59 (X26) =0.8 (oder mehr)

oder eben: 1- Pp59 (X25) =0.8 (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(59,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=0.49 die gesuchte Wahrscheinlichkeit über 0.8 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,4. Wie groß ist die Wahrscheinlichkeit bei 61 Versuchen, mehr als 25 mal und höchstens 29 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=61 und p=0.4.

P0.461 (26X29) =

...
23
24
25
26
27
28
29
30
31
...

P0.461 (X29) - P0.461 (X25) ≈ 0.9079 - 0.6161 ≈ 0.2918
(TI-Befehl: binomcdf(61,0.4,29) - binomcdf(61,0.4,25))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=35%. Wie groß ist die Wahrscheinlichkeit dass er bei 81 Versuchen nicht mehr als 10% von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=81⋅0.35 = 28.35

Die 10% Abweichung wären dann zwischen 90% von 28.35, also 0.9⋅ 28.35 = 25.515 und 110% von 28.35, also 1.1⋅ 28.35 = 31.185

Da die Trefferzahl ja nicht weiter von 28.35 entfernt sein darf als 25.515 bzw. 31.185, muss sie also zwischen 26 und 31 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=81 und p=0.35.

P0.3581 (26X31) =

...
23
24
25
26
27
28
29
30
31
32
33
...

P0.3581 (X31) - P0.3581 (X25) ≈ 0.77 - 0.2556 ≈ 0.5144
(TI-Befehl: binomcdf(81,0.35,31) - binomcdf(81,0.35,25))