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 80% 38 oder mehr 6er zu erzielen?

Lösung einblenden
nP(X≤k)
......
2510.2342
2520.2258
2530.2177
2540.2097
2550.2019
2560.1943
......

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 (X38) ≥ 0.8

Weil man ja aber P 1 6 n (X38) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P 1 6 n (X38) = 1 - P 1 6 n (X37) ≥ 0.8 |+ P 1 6 n (X37) - 0.8

0.2 ≥ P 1 6 n (X37) oder P 1 6 n (X37) ≤ 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 1 6 der Versuche mit einem Treffer. Also müssten dann doch bei 38 1 6 ≈ 228 Versuchen auch ungefähr 38 (≈ 1 6 ⋅228) Treffer auftreten.

Wir berechnen also mit unserem ersten n=228:
P 1 6 n (X37) ≈ 0.4724 (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=256 die gesuchte Wahrscheinlichkeit unter 0.2 ist.

n muss also mindestens 256 sein, damit P 1 6 n (X37) ≤ 0.2 oder eben P 1 6 n (X38) ≥ 0.8 gilt.

Binomialverteilung X ∈ [l;k]

Beispiel:

In einer Chip-Fabrik werden neue High Tech Chips produziert. Leider ist die Technik noch nicht so ganz ausgereift, weswegen Ausschuss mit einer Wahrscheinlichkeit von p=0,35 entsteht. Es wird eine Stichprobe der Menge 84 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips mindestens 21 und höchstens 32 beträgt?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=84 und p=0.35.

P0.3584 (21X32) =

...
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
...

P0.3584 (X32) - P0.3584 (X20) ≈ 0.7626 - 0.0187 ≈ 0.7439
(TI-Befehl: binomcdf(84,0.35,32) - binomcdf(84,0.35,20))

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 5 Bildern der Datenbank sind Mitglieder der Homepage-AG zu sehen. Es wird geschätzt, dass die Seite täglich 60 mal aufgerufen wird. Die Mitglieder der Homepage-AG wollen dass mit mindestens 70%-iger Wahrscheinlichkiet mindestens 10 mal am Tag eines ihrer eigenen 5 Bilder erscheint. Wie viele andere Bilder dürfen dann höchstens noch in der Datenbank sein?

Lösung einblenden
pP(X≥10)=1-P(X≤9)
......
5 14 0.9997
5 15 0.9988
5 16 0.9967
5 17 0.9924
5 18 0.9846
5 19 0.9724
5 20 0.9548
5 21 0.9316
5 22 0.9026
5 23 0.8683
5 24 0.8294
5 25 0.7868
5 26 0.7416
5 27 0.6947
......

Die Zufallsgröße X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=60 und unbekanntem Parameter p.

Es muss gelten: Pp60 (X10) = 1- Pp60 (X9) = 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 Pp60 (X10) ('mindestens 10 Treffer bei 60 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 5 14 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 5 26 die gesuchte Wahrscheinlichkeit über 70% bleibt.
Der Nenner, also die Anzahl aller Bilder in der Datenbank, darf also höchstens 26 sein.

Also wären noch 21 zusätzliche Optionen (also weitere Bilder) zulässig.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Eine Fluggesellschaft hat 54 Plätze in ihrem Flugzeug. Trotzdem werden 90 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)
......
0.480.9915
0.490.986
0.50.9777
0.510.9655
0.520.9484
0.530.925
0.540.8944
......

Es muss gelten: Pp90 (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(90,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=0.53 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

In einer Chip-Fabrik werden neue High Tech Chips produziert. Leider ist die Technik noch nicht so ganz ausgereift, weswegen Ausschuss mit einer Wahrscheinlichkeit von p=0,5 entsteht. Es wird eine Stichprobe der Menge 61 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips mindestens 31 und höchstens 32 beträgt?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=61 und p=0.5.

P0.561 (31X32) =

...
28
29
30
31
32
33
34
...

P0.561 (X32) - P0.561 (X30) ≈ 0.6955 - 0.5 ≈ 0.1955
(TI-Befehl: binomcdf(61,0.5,32) - binomcdf(61,0.5,30))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=75%. Wie groß ist die Wahrscheinlichkeit dass bei 55 Versuchen die Anzahl seiner Treffer um nicht mehr als eine Standardabweichung von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 55⋅0.75 ≈ 41.25,
die Standardabweichung mit σ = n p (1-p) = 55 0.75 0.25 ≈ 3.21

44.46 (41.25 + 3.21) und 38.04 (41.25 - 3.21) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 41.25 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 39 und 44 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 39 und 44 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=55 und p=0.75.

P0.7555 (39X44) =

...
36
37
38
39
40
41
42
43
44
45
46
...

P0.7555 (X44) - P0.7555 (X38) ≈ 0.8446 - 0.1939 ≈ 0.6507
(TI-Befehl: binomcdf(55,0.75,44) - binomcdf(55,0.75,38))