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 70% mindestens 26 Nasen hat.

Lösung einblenden
nP(X≤k)
......
650.453
660.4138
670.3759
680.3396
690.3052
700.2728
......

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: P0.4n (X26) ≥ 0.7

Weil man ja aber P0.4n (X26) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.4n (X26) = 1 - P0.4n (X25) ≥ 0.7 |+ P0.4n (X25) - 0.7

0.3 ≥ P0.4n (X25) oder P0.4n (X25) ≤ 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 40% der Versuche mit einem Treffer. Also müssten dann doch bei 26 0.4 ≈ 65 Versuchen auch ungefähr 26 (≈0.4⋅65) Treffer auftreten.

Wir berechnen also mit unserem ersten n=65:
P0.4n (X25) ≈ 0.453 (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=70 die gesuchte Wahrscheinlichkeit unter 0.3 ist.

n muss also mindestens 70 sein, damit P0.4n (X25) ≤ 0.3 oder eben P0.4n (X26) ≥ 0.7 gilt.

kumulierte Binomialverteilung

Beispiel:

Eine Münze wird 94 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass höchstens 51 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=94 und p=0.5.

P0.594 (X51) = P0.594 (X=0) + P0.594 (X=1) + P0.594 (X=2) +... + P0.594 (X=51) = 0.82333598376421 ≈ 0.8233
(TI-Befehl: binomcdf(94,0.5,51))

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 150 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 31 0.9998
5 32 0.9997
5 33 0.9995
5 34 0.9993
5 35 0.9988
5 36 0.9982
5 37 0.9974
5 38 0.9963
5 39 0.9949
5 40 0.993
5 41 0.9907
5 42 0.9879
5 43 0.9844
5 44 0.9803
5 45 0.9756
5 46 0.97
5 47 0.9638
5 48 0.9566
5 49 0.9487
5 50 0.94
5 51 0.9304
5 52 0.9199
5 53 0.9087
5 54 0.8967
5 55 0.8839
5 56 0.8704
5 57 0.8562
5 58 0.8414
5 59 0.8261
5 60 0.8102
5 61 0.7938
5 62 0.777
5 63 0.7599
5 64 0.7425
5 65 0.7249
5 66 0.7071
5 67 0.6891
......

Die Zufallsgröße X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=150 und unbekanntem Parameter p.

Es muss gelten: Pp150 (X10) = 1- Pp150 (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 Pp150 (X10) ('mindestens 10 Treffer bei 150 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 5 31 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 5 66 die gesuchte Wahrscheinlichkeit über 70% bleibt.
Der Nenner, also die Anzahl aller Bilder in der Datenbank, darf also höchstens 66 sein.

Also wären noch 61 zusätzliche Optionen (also weitere Bilder) zulässig.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 100 mal wiederholt (bzw. die Stichprobe hat die Größe 100).Wie hoch darf die Einzelwahrscheinlichkeit p höchstens sein, dass mit einer Wahrscheinlichkeit von mind. 70% höchstens 42 Treffer erzielt werden?

Lösung einblenden
pP(X≤k)
......
0.340.962
0.350.9406
0.360.9111
0.370.8722
0.380.8234
0.390.7645
0.40.6967
......

Es muss gelten: Pp100 (X42) =0.7 (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(100,X,42) - 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=0.39 die gesuchte Wahrscheinlichkeit über 0.7 ist.

kumulierte Binomialverteilung

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 80%. Wie groß ist die Wahrscheinlichkeit dass er von 63 Versuchen nicht mehr als 54 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=63 und p=0.8.

P0.863 (X54) = P0.863 (X=0) + P0.863 (X=1) + P0.863 (X=2) +... + P0.863 (X=54) = 0.9063118016732 ≈ 0.9063
(TI-Befehl: binomcdf(63,0.8,54))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=70%. Wie groß ist die Wahrscheinlichkeit dass er bei 68 Versuchen nicht mehr als 15% von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=68⋅0.7 = 47.6

Die 15% Abweichung wären dann zwischen 85% von 47.6, also 0.85⋅ 47.6 = 40.46 und 115% von 47.6, also 1.15⋅ 47.6 = 54.74

Da die Trefferzahl ja nicht weiter von 47.6 entfernt sein darf als 40.46 bzw. 54.74, muss sie also zwischen 41 und 54 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=68 und p=0.7.

P0.768 (41X54) =

...
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
...

P0.768 (X54) - P0.768 (X40) ≈ 0.9698 - 0.0327 ≈ 0.9371
(TI-Befehl: binomcdf(68,0.7,54) - binomcdf(68,0.7,40))