Aufgabenbeispiele von Wiederholung aus 9/10
Durch Aktualisieren des Browsers (z.B. mit Taste F5) kann man neue Beispielaufgaben sehen
Binomialvert. mit variablem n (höchst.)
Beispiel:
Im einem Mathekurs beträgt die Wahrscheinlichkeit, dass ein klassischer GeSchwa-Fehler begangen wird, p=0,35. Wie viele Aufgaben kann ein Schüler höchstens machen, damit er mit einer Wahrscheinlichkeit von 50% maximal 29 dieser Fehler begeht?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 83 | 0.5457 |
| 84 | 0.5137 |
| 85 | 0.4819 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der begangenen GeSchwa-Fehler an und ist im Idealfall binomialverteilt mit p = 0.35 und variablem n.
Es muss gelten: ≥ 0.5
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 35% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 83 Versuchen auch ungefähr 29 (≈0.35⋅83) Treffer auftreten.
Wir berechnen also mit unserem ersten n=83:
≈ 0.5457
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.5 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 0.5 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=84 die gesuchte Wahrscheinlichkeit über 50% ist.
Binomialverteilung X>=k
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,65. Wie groß ist die Wahrscheinlichkeit bei 80 Versuchen mehr als 53 mal im grünen Bereich zu landen?
Die Zufallsgröße X gibt die Anzahl der Drehungen, die im grünen Bereich landen, an. X ist binomialverteilt mit n=80 und p=0.65.
(TI-Befehl: 1-binomcdf(80,0.65,53))
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 60 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 7 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 75% für die 60 Durchgänge reichen?
| p | P(X≤7) |
|---|---|
| ... | ... |
| 0.5198 | |
| 0.6514 | |
| 0.7516 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=60 und unbekanntem Parameter p.
Es muss gelten: =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 ('höchstens 7 Treffer bei 60 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=⋅60 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 75% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens
10 sein.
Binomialvert. mit variabl. p (höchstens) nur GTR
Beispiel:
Ein Promi macht Urlaub in einem Ferienclub. Dort sind noch weitere 67 Gäste. Wie groß darf der Bekanntheitsgrad des Promis höchstens sein, dass ihn mit einer Wahrscheinlichkeit von mindestens 90% nicht mehr als 20 erkennen und dumm anlabern?
| p | P(X≤k) |
|---|---|
| ... | ... |
| 0.18 | 0.9942 |
| 0.19 | 0.9893 |
| 0.2 | 0.9812 |
| 0.21 | 0.969 |
| 0.22 | 0.9512 |
| 0.23 | 0.9268 |
| 0.24 | 0.8948 |
| ... | ... |
Es muss gelten: =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(67,X,20) - 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=0.23 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=0,65 entsteht. Es wird eine Stichprobe der Menge 59 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips mindestens 40 und höchstens 43 beträgt?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=59 und p=0.65.
=
(TI-Befehl: binomcdf(59,0.65,43) - binomcdf(59,0.65,39))
Binomialvert. Abstand vom Erwartungswert
Beispiel:
Ein Basketballspieler hat eine Trefferquote von p=75%. Wie groß ist die Wahrscheinlichkeit dass er bei 79 Versuchen nicht mehr als 20% von seinem Erwartungswert abweicht?
Den Erwartungswert berechnet man als E=n⋅p=79⋅0.75 = 59.25
Die 20% Abweichung wären dann zwischen 80% von 59.25, also 0.8⋅ 59.25 = 47.4 und 120% von 59.25, also 1.2⋅ 59.25 = 71.1
Da die Trefferzahl ja nicht weiter von 59.25 entfernt sein darf als 47.4 bzw. 71.1, muss sie also zwischen 48 und 71 liegen.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=79 und p=0.75.
=
(TI-Befehl: binomcdf(79,0.75,71) - binomcdf(79,0.75,47))
