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:

Der, dessen Name nicht genannt werden darf, testet Zauber um seine Nase wiederherzustellen. Ein solcher Versuch endet zu 80% mit einer Konfettiexplosion. Wie viele Versuche muss er mindestens machen, damit er mit einer Wahrscheinlichkeit von mindestens 70% mindestens 27 Nasen hat.

Lösung einblenden
nP(X≤k)
......
1410.3673
1420.3518
1430.3366
1440.3218
1450.3073
1460.2932
......

Die Zufallsgröße X gibt die Anzahl der geglückten Nasen-Zauberversuche an und ist im Idealfall binomialverteilt mit p = 0.2 und variablem n.

Es muss gelten: P0.2n (X27) ≥ 0.7

Weil man ja aber P0.2n (X27) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.2n (X27) = 1 - P0.2n (X26) ≥ 0.7 |+ P0.2n (X26) - 0.7

0.3 ≥ P0.2n (X26) oder P0.2n (X26) ≤ 0.3

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 20% der Versuche mit einem Treffer. Also müssten dann doch bei 27 0.2 ≈ 135 Versuchen auch ungefähr 27 (≈0.2⋅135) Treffer auftreten.

Wir berechnen also mit unserem ersten n=135:
P0.2n (X26) ≈ 0.4657 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.3 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 0.3 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=146 die gesuchte Wahrscheinlichkeit unter 0.3 ist.

n muss also mindestens 146 sein, damit P0.2n (X26) ≤ 0.3 oder eben P0.2n (X27) ≥ 0.7 gilt.

kumulierte Binomialverteilung

Beispiel:

Ein Würfel wird 48 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass nicht öfter als 12 mal eine 6 (p=1/6) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=48 und p= 1 6 .

P 1 6 48 (X12) = P 1 6 48 (X=0) + P 1 6 48 (X=1) + P 1 6 48 (X=2) +... + P 1 6 48 (X=12) = 0.95316377181649 ≈ 0.9532
(TI-Befehl: binomcdf(48,1/6,12))

Binomialvert. mit variablem p (diskret)

Beispiel:

Die Homepage-AG einer Schule möchte auf der Startseite der Internetseite der Schule ein Zufallsbild integrieren. Dabei soll bei jedem Aufruf der Startseite ein zufälliges Bild aus einer Bilderdatenbank gezeigt werden. Alle Bilder der Datenbank sind immer gleich wahrscheinlich. Auf 3 Bildern der Datenbank sind Mitglieder der Homepage-AG zu sehen. Es wird geschätzt, dass die Seite täglich 120 mal aufgerufen wird. Die Mitglieder der Homepage-AG wollen dass mit mindestens 90%-iger Wahrscheinlichkiet mindestens 12 mal am Tag eines ihrer eigenen 3 Bilder erscheint. Wie viele andere Bilder dürfen dann höchstens noch in der Datenbank sein?

Lösung einblenden
pP(X≥12)=1-P(X≤11)
......
3 14 0.9997
3 15 0.999
3 16 0.9971
3 17 0.9932
3 18 0.9861
3 19 0.9747
3 20 0.958
3 21 0.9354
3 22 0.9068
3 23 0.8723
......

Die Zufallsgröße X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=120 und unbekanntem Parameter p.

Es muss gelten: Pp120 (X12) = 1- Pp120 (X11) = 0.9 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 3 sein muss, da es ja genau 3 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp120 (X12) ('mindestens 12 Treffer bei 120 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 3 14 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 3 22 die gesuchte Wahrscheinlichkeit über 90% bleibt.
Der Nenner, also die Anzahl aller Bilder in der Datenbank, darf also höchstens 22 sein.

Also wären noch 19 zusätzliche Optionen (also weitere Bilder) zulässig.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Eine Fluggesellschaft hat 54 Plätze in ihrem Flugzeug. Trotzdem werden 94 Flugtickets verkauft. Wie hoch darf die Wahrscheinlichkeit, dass ein Ticketkäufer auch tatsächlich mitfliegt, höchstens sein, dass das Flugzeug mit einer Wahrscheinlichkeit von mindestens 90% nicht überbucht ist (also dass alle mitfliegen können)?

Lösung einblenden
pP(X≤k)
......
0.460.99
0.470.9835
0.480.9737
0.490.9593
0.50.9393
0.510.9123
0.520.8772
......

Es muss gelten: Pp94 (X54) =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(94,X,54) - 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=0.51 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,35. Wie groß ist die Wahrscheinlichkeit bei 79 Versuchen, mehr als 24 mal und höchstens 34 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=79 und p=0.35.

P0.3579 (25X34) =

...
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
...

P0.3579 (X34) - P0.3579 (X24) ≈ 0.9452 - 0.2305 ≈ 0.7147
(TI-Befehl: binomcdf(79,0.35,34) - binomcdf(79,0.35,24))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Würfel wird 79 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der gewürfelten 6er nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 79⋅ 1 6 ≈ 13.17,
die Standardabweichung mit σ = n p (1-p) = 79 1 6 5 6 ≈ 3.31

16.48 (13.17 + 3.31) und 9.85 (13.17 - 3.31) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 13.17 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 10 und 16 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 10 und 16 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=79 und p= 1 6 .

P 1 6 79 (10X16) =

...
7
8
9
10
11
12
13
14
15
16
17
18
...

P 1 6 79 (X16) - P 1 6 79 (X9) ≈ 0.8432 - 0.1319 ≈ 0.7113
(TI-Befehl: binomcdf(79, 1 6 ,16) - binomcdf(79, 1 6 ,9))