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:

In einer Urne ist der Anteil der grünen Kugeln 55%. Wie oft muss mindestens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 70% Wahrscheinlichkeit 37 oder mehr grüne Kugeln gezogen werden?

Lösung einblenden
nP(X≤k)
......
670.4642
680.4118
690.3616
700.3145
710.2708
......

Die Zufallsgröße X gibt Anzahl der gezogenen grünen Kugeln an und ist im Idealfall binomialverteilt mit p = 0.55 und variablem n.

Es muss gelten: P0.55n (X37) ≥ 0.7

Weil man ja aber P0.55n (X37) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.55n (X37) = 1 - P0.55n (X36) ≥ 0.7 |+ P0.55n (X36) - 0.7

0.3 ≥ P0.55n (X36) oder P0.55n (X36) ≤ 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 55% der Versuche mit einem Treffer. Also müssten dann doch bei 37 0.55 ≈ 67 Versuchen auch ungefähr 37 (≈0.55⋅67) Treffer auftreten.

Wir berechnen also mit unserem ersten n=67:
P0.55n (X36) ≈ 0.4642 (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=71 die gesuchte Wahrscheinlichkeit unter 0.3 ist.

n muss also mindestens 71 sein, damit P0.55n (X36) ≤ 0.3 oder eben P0.55n (X37) ≥ 0.7 gilt.

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 70% entsteht. Es wird eine Stichprobe der Menge 63 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon genau 41 defekte Chips enthalten sind.

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=63 und p=0.7.

P0.763 (X=41) = ( 63 41 ) 0.741 0.322 =0.073744332758012≈ 0.0737
(TI-Befehl: binompdf(63,0.7,41))

Binomialvert. mit variablem p (diskret)

Beispiel:

Eine Firma, die Überraschungseier vertreibt, möchte als Werbegag manche Eier mit Superfiguren bestücken. Aus Angst vor Kundenbeschwerden sollen in einer 7er-Packung mit der mindestens 75% Wahrscheinlichkeit 2 oder mehr Superfiguren enthalten sein. Wenn in jedes n-te Ei eine Superfigur rein soll, wie groß darf dann n höchstens sein?

Lösung einblenden
pP(X≥2)=1-P(X≤1)
......
1 2 0.9375
1 3 0.7366
......

Die Zufallsgröße X gibt die Anzahl der Eier mit einer Superfigur an. X ist binomialverteilt mit n=7 und unbekanntem Parameter p.

Es muss gelten: Pp7 (X2) = 1- Pp7 (X1) = 0.75 (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 Pp7 (X2) ('mindestens 2 Treffer bei 7 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 1 2 .

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 1 2 die gesuchte Wahrscheinlichkeit über 75% bleibt.
Der Nenner, also die das wievielte Ei eine Superfigur enthält, darf also höchstens 2 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Ein Promi macht Urlaub in einem Ferienclub. Dort sind noch weitere 96 Gäste. Wie groß darf der Bekanntheitsgrad des Promis höchstens sein, dass ihn mit einer Wahrscheinlichkeit von mindestens 90% nicht mehr als 43 erkennen und dumm anlabern?

Lösung einblenden
pP(X≤k)
......
0.330.994
0.340.9893
0.350.9816
0.360.97
0.370.9529
0.380.9289
0.390.8969
......

Es muss gelten: Pp96 (X43) =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(96,X,43) - 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=0.38 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 87% von der Freiwurflinie. Wie groß ist die Wahrscheinlichkeit dass er von 54 Versuchen mindestens 44 und weniger als 51 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=54 und p=0.87.

P0.8754 (44X50) =

...
41
42
43
44
45
46
47
48
49
50
51
52
...

P0.8754 (X50) - P0.8754 (X43) ≈ 0.9329 - 0.085 ≈ 0.8479
(TI-Befehl: binomcdf(54,0.87,50) - binomcdf(54,0.87,43))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,4. Wie groß ist die Wahrscheinlichkeit bei 44 Versuchen, dass die Anzahl der Treffer im grünen Bereich nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 44⋅0.4 ≈ 17.6,
die Standardabweichung mit σ = n p (1-p) = 44 0.4 0.6 ≈ 3.25

20.85 (17.6 + 3.25) und 14.35 (17.6 - 3.25) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 17.6 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 15 und 20 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 15 und 20 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=44 und p=0.4.

P0.444 (15X20) =

...
12
13
14
15
16
17
18
19
20
21
22
...

P0.444 (X20) - P0.444 (X14) ≈ 0.8144 - 0.1703 ≈ 0.6441
(TI-Befehl: binomcdf(44,0.4,20) - binomcdf(44,0.4,14))