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 60% mit einer Konfettiexplosion. Wie viele Versuche muss er mindestens machen, damit er mit einer Wahrscheinlichkeit von mindestens 90% mindestens 27 Nasen hat.
| n | P(X≤k) |
|---|---|
| ... | ... |
| 76 | 0.181 |
| 77 | 0.1586 |
| 78 | 0.1383 |
| 79 | 0.1201 |
| 80 | 0.1037 |
| 81 | 0.0892 |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der geglückten Nasen-Zauberversuche an und ist im Idealfall binomialverteilt mit p = 0.4 und variablem n.
Es muss gelten: ≥ 0.9
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.9 |+ - 0.9
0.1 ≥ oder ≤ 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 40% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 68 Versuchen auch ungefähr 27 (≈0.4⋅68) Treffer auftreten.
Wir berechnen also mit unserem ersten n=68:
≈ 0.4345
(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=81 die gesuchte Wahrscheinlichkeit unter 0.1 ist.
n muss also mindestens 81 sein, damit ≤ 0.1 oder eben ≥ 0.9 gilt.
Formel v. Bernoulli
Beispiel:
Eine Münze wird 82 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 35 mal "Zahl" (p=0,5) geworfen wird?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=82 und p=0.5.
= =0.036784660339889≈ 0.0368(TI-Befehl: binompdf(82,0.5,35))
Binomialvert. mit variablem p (diskret)
Beispiel:
Eine Schulklasse möchte fürs Schulfest ein Glücksrad entwickeln. Aus optischen Gründen sollen dabei alle Sektoren gleich groß sein. Einer davon soll für den Hauptpreis stehen. Hierfür haben sie insgesamt 7 Preise gesammelt. Sie erwarten, dass das Glücksrad beim Schulfest 75 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 7 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 85% für die 75 Durchgänge reichen?
| p | P(X≤7) |
|---|---|
| ... | ... |
| 0.5208 | |
| 0.6272 | |
| 0.7138 | |
| 0.7818 | |
| 0.8341 | |
| 0.8739 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=75 und unbekanntem Parameter p.
Es muss gelten: =0.85 (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 ('höchstens 7 Treffer bei 75 Versuchen') bei diesen Nennern wird (siehe Tabelle links)
Um einen günstigen Startwert zu finden wählen wir mal als p=. Mit diesem p wäre ja 7=⋅75 der Erwartungswert und somit irgendwo in der nähe von 50%. Wenn wir nun p= mit erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= einen brauchbaren Einstiegswert für dieses Probieren erhalten.
In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 85% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens
15 sein.
Binomialvert. mit variabl. p (höchstens) nur GTR
Beispiel:
Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 61 mal wiederholt (bzw. die Stichprobe hat die Größe 61).Wie hoch darf die Einzelwahrscheinlichkeit p höchstens sein, dass mit einer Wahrscheinlichkeit von mind. 50% höchstens 51 Treffer erzielt werden?
| p | P(X≥k)=1-P(X≤k-1) |
|---|---|
| ... | ... |
| 0.79 | 0.8519 |
| 0.8 | 0.8041 |
| 0.81 | 0.7464 |
| 0.82 | 0.679 |
| 0.83 | 0.603 |
| 0.84 | 0.5202 |
| 0.85 | 0.4337 |
| ... | ... |
Es muss gelten: =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=binomcdf(61,X,51) - 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=0.84 die gesuchte Wahrscheinlichkeit über 0.5 ist.
Binomialverteilung X>=k
Beispiel:
Ein Würfel wird 43 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass mindestens 10 mal eine 6 (p=1/6) geworfen wird?
(Bitte auf 4 Stellen nach dem Komma runden)
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=43 und p=.
(TI-Befehl: 1-binomcdf(43,,9))
Wahrscheinlichkeit von σ-Intervall um μ
Beispiel:
Ein Würfel wird 68 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der gewürfelten 6er nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?
Den Erwartungswert berechnet man mit μ = n⋅p = 68⋅ ≈ 11.33,
die Standardabweichung mit σ =
=
≈ 3.07
14.41 (11.33 + 3.07) und 8.26 (11.33 - 3.07) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 11.33 entfernt.
Das bedeutet, dass genau die Zahlen zwischen 9 und 14 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.
Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 9 und 14 liegt.
Die Zufallsgröße X gibt die Anzahl der Treffer an.
X ist binomialverteilt mit n=68 und p=
(TI-Befehl: binomcdf(68,
