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:
Ein Mathelehrer möchte neue Taschenrechner für seine Klasse bestellen. Die Wahrscheinlichkeit, dass einer der Taschenrechner ein Decepticon (bekannt aus dem Transformers-Filmen) ist, liegt bei p=0,08. Wie viele Rechner können bestellt werden, dass zu einer Wahrscheinlichkeit von 60% kein Descepticon unter ihnen ist?
n | P(X≤k) |
---|---|
... | ... |
1 | 0.92 |
2 | 0.8464 |
3 | 0.7787 |
4 | 0.7164 |
5 | 0.6591 |
6 | 0.6064 |
7 | 0.5578 |
... | ... |
Die Zufallsgröße X gibt Anzahl der Descepticons unter den Taschenrechnern an und ist im Idealfall binomialverteilt mit p = 0.08 und variablem n.
Es muss gelten: ≥ 0.6
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 8% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 0 Versuchen auch ungefähr 0 (≈0.08⋅0) Treffer auftreten.
Wir berechnen also mit unserem ersten n=0:
≈ 1
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.6 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 0.6 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=6 die gesuchte Wahrscheinlichkeit über 60% ist.
Binomialverteilung X>=k
Beispiel:
Ein Würfel wird 45 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass mehr als 6 mal eine 6 (p=1/6) geworfen wird?
Die Zufallsgröße X gibt die Anzahl der gewürfelten Sechser an. X ist binomialverteilt mit n=45 und p=.
(TI-Befehl: 1-binomcdf(45,,6))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 17 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 85% unter den 17 gezogenen Kugeln nicht mehr als 6 rote sind?
p | P(X≤6) |
---|---|
... | ... |
0.5724 | |
0.6739 | |
0.7532 | |
0.8136 | |
0.859 | |
... | ... |
Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=17 und unbekanntem Parameter p.
Es muss gelten: =0.85 (oder mehr)
Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 4 sein muss, da es ja genau 4 günstige Fälle gibt.
Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit ('höchstens 6 Treffer bei 17 Versuchen') bei diesen Nennern wird (siehe Tabelle links)
Um einen günstigen Startwert zu finden wählen wir mal als p=. Mit diesem p wäre ja 6=⋅17 der Erwartungswert und somit irgendwo in der nähe von 50%. Wenn wir nun p= mit erweitern (so dass wir auf den Zähler 4 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 aller Kugeln, muss also mindestens
15 sein.
Also werden noch 11 zusätzliche Optionen (also schwarze Kugeln) benötigt.
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. 60% höchstens 38 Treffer erzielt werden?
p | P(X≤k) |
---|---|
... | ... |
0.32 | 0.9167 |
0.33 | 0.8782 |
0.34 | 0.8292 |
0.35 | 0.7699 |
0.36 | 0.7011 |
0.37 | 0.625 |
0.38 | 0.5442 |
... | ... |
Es muss gelten: =0.6 (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,38) - 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=0.37 die gesuchte Wahrscheinlichkeit über 0.6 ist.
Formel v. Bernoulli
Beispiel:
Eine Münze wird 38 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 15 mal "Zahl" (p=0,5) geworfen wird?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=38 und p=0.5.
= =0.056284212623723≈ 0.0563(TI-Befehl: binompdf(38,0.5,15))
Binomialvert. Abstand vom Erwartungswert
Beispiel:
Ein Würfel wird 98 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der gewürfelten 6er nicht mehr als 20% vom Erwartungswert abweicht?
Den Erwartungswert berechnet man als E=n⋅p=98⋅ = 16.333333333333
Die 20% Abweichung wären dann zwischen 80% von 16.333, also 0.8⋅ 16.333 = 13.067 und 120% von 16.333333333333, also 1.2⋅ 16.333 = 19.6
Da die Trefferzahl ja nicht weiter von 16.333333333333 entfernt sein darf als 13.067 bzw. 19.6, muss sie also zwischen 14 und 19 liegen.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=98 und p=.
=
(TI-Befehl: binomcdf(98,,19) - binomcdf(98,,13))