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 Glücksrad, ist die Wahrscheinlichkeit in den grünen Bereich zu kommen p=0,8. Wie oft muss man dieses Glückrad mindestens drehen, um mit einer Wahrscheinlichkeit von mindestens 90% 27 mal oder öfters in den grünen Bereich zu kommen?

Lösung einblenden
nP(X≤k)
......
340.3674
350.255
360.1676
370.1046
380.0623
......

Die Zufallsgröße X gibt Anzahl der Drehungen, die im grünen Bereich landen an und ist im Idealfall binomialverteilt mit p = 0.8 und variablem n.

Es muss gelten: P0.8n (X≥27) ≥ 0.9

Weil man ja aber P0.8n (X≥27) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.8n (X≥27) = 1 - P0.8n (X≤26) ≥ 0.9 |+ P0.8n (X≤26) - 0.9

0.1 ≥ P0.8n (X≤26) oder P0.8n (X≤26) ≤ 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 80% der Versuche mit einem Treffer. Also müssten dann doch bei 27 0.8 ≈ 34 Versuchen auch ungefähr 27 (≈0.8⋅34) Treffer auftreten.

Wir berechnen also mit unserem ersten n=34:
P0.8n (X≤26) ≈ 0.3674 (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=38 die gesuchte Wahrscheinlichkeit unter 0.1 ist.

n muss also mindestens 38 sein, damit P0.8n (X≤26) ≤ 0.1 oder eben P0.8n (X≥27) ≥ 0.9 gilt.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Würfel wird 40 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 4 mal, aber weniger als 8 mal eine sechs gewürfelt wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=40 und p= 1 6 .

P 1 6 40 (5≤X≤7) =

...
2
3
4
5
6
7
8
9
...

P 1 6 40 (X≤7) - P 1 6 40 (X≤4) ≈ 0.6534 - 0.1806 ≈ 0.4728
(TI-Befehl: binomcdf(40, 1 6 ,7) - binomcdf(40, 1 6 ,4))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 3 rote und einige schwarze Kugeln. Es soll 25 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 85% unter den 25 gezogenen Kugeln nicht mehr als 24 schwarze sind?

Lösung einblenden
pP(X≤24)
......
8 11 0.9997
9 12 0.9992
10 13 0.9986
11 14 0.9976
12 15 0.9962
13 16 0.9944
14 17 0.9922
15 18 0.9895
16 19 0.9864
17 20 0.9828
18 21 0.9788
19 22 0.9744
20 23 0.9696
21 24 0.9645
22 25 0.9591
23 26 0.9533
24 27 0.9474
25 28 0.9412
26 29 0.9348
27 30 0.9282
28 31 0.9215
29 32 0.9147
30 33 0.9077
31 34 0.9007
32 35 0.8936
33 36 0.8864
34 37 0.8792
35 38 0.872
36 39 0.8648
37 40 0.8576
38 41 0.8504
39 42 0.8432
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=25 und unbekanntem Parameter p.

Es muss gelten: Pp25 (X≤24) = 0.85 (oder mehr)

Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 3 größer sein muss als der Zähler.

Deswegen erhöhen wir nun schrittweise immer den Zähler und Nenner bei der Einzelwahrscheinlichkeit um 1 und probieren aus, wie sich das auf die gesuchte Wahrscheinlichkeit Pp25 (X≤24) ('höchstens 24 Treffer bei 25 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 8 11 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 38 41 die gesuchte Wahrscheinlichkeit über 85% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 38 sein.

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

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 53 mal wiederholt (bzw. die Stichprobe hat die Größe 53)Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 50% mindestens 20 Treffer erzielt werden?

Lösung einblenden
pP(X≥20)=1-P(X≤19)
......
0.320.225
0.330.2751
0.340.3295
0.350.3872
0.360.447
0.370.5075
......

Es muss gelten: Pp53 (X≥20) =0.5 (oder mehr)

oder eben: 1- Pp53 (X≤19) =0.5 (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(53,X,19) - 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=0.37 die gesuchte Wahrscheinlichkeit über 0.5 ist.

Formel v. Bernoulli

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 85% entsteht. Es wird eine Stichprobe der Menge 90 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon genau 83 defekte Chips enthalten sind.

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=90 und p=0.85.

P0.8590 (X=83) = ( 90 83 ) ⋅ 0.8583 ⋅ 0.157 =0.017693355969963≈ 0.0177
(TI-Befehl: binompdf(90,0.85,83))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 43 und p = 0.2
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 = 43 und p = 0.2 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 43 ⋅ 0.2 = 8.6

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 43 ⋅ 0.2 ⋅ 0.8 = 6.88 ≈ 2.62