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 Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,65.Wie oft muss man das Zufallsexperiment mindestens wiederholen (oder wie groß muss die Stichprobe sein), um mit mind. 70% Wahrscheinlichkeit, mindestens 38 Treffer zu erzielen ?

Lösung einblenden
nP(X≤k)
......
580.4726
590.4034
600.3384
610.2791
......

Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.65 und variablem n.

Es muss gelten: P0.65n (X38) ≥ 0.7

Weil man ja aber P0.65n (X38) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.65n (X38) = 1 - P0.65n (X37) ≥ 0.7 |+ P0.65n (X37) - 0.7

0.3 ≥ P0.65n (X37) oder P0.65n (X37) ≤ 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 65% der Versuche mit einem Treffer. Also müssten dann doch bei 38 0.65 ≈ 58 Versuchen auch ungefähr 38 (≈0.65⋅58) Treffer auftreten.

Wir berechnen also mit unserem ersten n=58:
P0.65n (X37) ≈ 0.4726 (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=61 die gesuchte Wahrscheinlichkeit unter 0.3 ist.

n muss also mindestens 61 sein, damit P0.65n (X37) ≤ 0.3 oder eben P0.65n (X38) ≥ 0.7 gilt.

Binomialverteilung X>=k

Beispiel:

Ein Zufallsexperiment wird 42 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,6.
Wie groß ist dabei die Wahrscheinlichkeit, mindestens 25 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=42 und p=0.6.

...
22
23
24
25
26
27
...

P0.642 (X25) = 1 - P0.642 (X24) = 0.591
(TI-Befehl: 1-binomcdf(42,0.6,24))

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 8er-Packung mit der mindestens 50% 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 0.9648
1 3 0.8049
1 4 0.6329
1 5 0.4967
......

Die Zufallsgröße X gibt die Anzahl der Eier mit einer Superfigur an. X ist binomialverteilt mit n=8 und unbekanntem Parameter p.

Es muss gelten: Pp8 (X2) = 1- Pp8 (X1) = 0.5 (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 Pp8 (X2) ('mindestens 2 Treffer bei 8 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 4 die gesuchte Wahrscheinlichkeit über 50% bleibt.
Der Nenner, also die das wievielte Ei eine Superfigur enthält, darf also höchstens 4 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Eine Produktionsstätte für HighTech-Chips hat Probleme mit der Qualitätssicherung. Ein Großhändler nimmt die übliche Liefermenge von 50 Stück nur an, wenn nicht mehr als 37 Teile defekt sind. Wie hoch darf der Prozentsatz der fehlerhaften Teile höchstens sein, dass eine Lieferung mit einer Wahrscheinlichkeit von mind. 90% angenommen werden.

Lösung einblenden
pP(X≤k)
......
0.610.9811
0.620.9736
0.630.9635
0.640.9505
0.650.9339
0.660.913
0.670.8873
......

Es muss gelten: Pp50 (X37) =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(50,X,37) - 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=0.66 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X>=k

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,6. Wie groß ist die Wahrscheinlichkeit bei 95 Versuchen mehr als 52 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Drehungen, die im grünen Bereich landen, an. X ist binomialverteilt mit n=95 und p=0.6.

...
50
51
52
53
54
55
...

P0.695 (X>52) = P0.695 (X53) = 1 - P0.695 (X52) = 0.8272
(TI-Befehl: 1-binomcdf(95,0.6,52))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Würfel wird 56 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der gewürfelten 6er nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 56⋅ 1 6 ≈ 9.33,
die Standardabweichung mit σ = n p (1-p) = 56 1 6 5 6 ≈ 2.79

12.12 (9.33 + 2.79) und 6.54 (9.33 - 2.79) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 9.33 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 7 und 12 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 7 und 12 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=56 und p= 1 6 .

P 1 6 56 (7X12) =

...
4
5
6
7
8
9
10
11
12
13
14
...

P 1 6 56 (X12) - P 1 6 56 (X6) ≈ 0.8703 - 0.154 ≈ 0.7163
(TI-Befehl: binomcdf(56, 1 6 ,12) - binomcdf(56, 1 6 ,6))