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:

Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,7.Wie oft muss man das Zufallsexperiment mindestens wiederholen (oder wie groß muss die Stichprobe sein), um mit mind. 80% Wahrscheinlichkeit, mindestens 39 Treffer zu erzielen ?

Lösung einblenden
nP(X≤k)
......
560.4119
570.3371
580.2698
590.2112
600.1618
......

Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.7 und variablem n.

Es muss gelten: P0.7n (X39) ≥ 0.8

Weil man ja aber P0.7n (X39) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.7n (X39) = 1 - P0.7n (X38) ≥ 0.8 |+ P0.7n (X38) - 0.8

0.2 ≥ P0.7n (X38) oder P0.7n (X38) ≤ 0.2

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 70% der Versuche mit einem Treffer. Also müssten dann doch bei 39 0.7 ≈ 56 Versuchen auch ungefähr 39 (≈0.7⋅56) Treffer auftreten.

Wir berechnen also mit unserem ersten n=56:
P0.7n (X38) ≈ 0.4119 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.2 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 0.2 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=60 die gesuchte Wahrscheinlichkeit unter 0.2 ist.

n muss also mindestens 60 sein, damit P0.7n (X38) ≤ 0.2 oder eben P0.7n (X39) ≥ 0.8 gilt.

Formel v. Bernoulli

Beispiel:

Ein Würfel wird 65 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 11 mal eine 6 (p=1/6) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=65 und p= 1 6 .

P 1 6 65 (X=11) = ( 65 11 ) ( 1 6 )11 ( 5 6 )54 =0.1307390947441≈ 0.1307
(TI-Befehl: binompdf(65,1/6,11))

Binomialvert. mit variablem p (diskret)

Beispiel:

Ein neuer Multiple Choice Test mit 14 verschiedenen Fragen soll entwickelt werden. Dabei muss immer genau eine von mehreren Antwortmöglichkeiten richtig sein. Die Anzahl an Antwortmöglichkeiten soll bei allen Fragen gleich sein. Insgesamt soll der Test so konzipiert sein, dass die Wahrscheinlichkeit mehr als 2 Fragen nur durch Raten zufällig richtig zu beantworten (obwohl man keinerlei Wissen hat) bei höchstens 20% liegt. Bestimme die hierfür notwendige Mindestanzahl an Antwortmöglichkeiten bei jeder Frage.

Lösung einblenden
pP(X≤2)
......
1 7 0.6772
1 8 0.749
1 9 0.802
......

Die Zufallsgröße X gibt die Anzahl der zufällig richtig geratenenen Antworten an. X ist binomialverteilt mit n=14 und unbekanntem Parameter p.

Es muss gelten: Pp14 (X2) =0.8 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 1 sein muss, da es ja genau einen günstigen Fall gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp14 (X2) ('höchstens 2 Treffer bei 14 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 2 14 . Mit diesem p wäre ja 2= 2 14 ⋅14 der Erwartungswert und somit Pp14 (X2) irgendwo in der nähe von 50%. Wenn wir nun p= 2 14 mit 1 2 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 7 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 9 die gesuchte Wahrscheinlichkeit über 80% steigt.
Der Nenner, also die Anzahl der Antwortmöglichkeiten, muss also mindestens 9 sein.

Binomialvert. mit variabl. p (mind.) nur GTR

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 70% Wahrscheinlichkeit von 52 Freiwürfen mindestens 23 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥23)=1-P(X≤22)
......
0.420.4237
0.430.4818
0.440.54
0.450.5972
0.460.6522
0.470.7042
......

Es muss gelten: Pp52 (X23) =0.7 (oder mehr)

oder eben: 1- Pp52 (X22) =0.7 (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(52,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 erstmals bei p=0.47 die gesuchte Wahrscheinlichkeit über 0.7 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Zufallsexperiment wird 83 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,5.Wie groß ist dabei die Wahrscheinlichkeit, mindestens 35, aber höchstens 42 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=83 und p=0.5.

P0.583 (35X42) =

...
32
33
34
35
36
37
38
39
40
41
42
43
44
...

P0.583 (X42) - P0.583 (X34) ≈ 0.5868 - 0.0619 ≈ 0.5249
(TI-Befehl: binomcdf(83,0.5,42) - binomcdf(83,0.5,34))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 57 und p = 0.95
Bestimme den Erwartungswert μ und die Standardabweichung σ von X .

Lösung einblenden

Für Erwartungswert und Standardabweichung bei der Binomialverteilung gibt es ja einfache Formeln, in die man einfach n = 57 und p = 0.95 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 57 ⋅ 0.95 = 54.15

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 57 ⋅ 0.95 ⋅ 0.05 = 2.7075 1.65