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 Tschechien gilt absolutes Alkoholverbot in Lokalen für Jugendliche unter 18 Jahren. Ein paar trinkfreudige 17-jährige Jugendliche wollen bei einer Studienfahrt nach Prag trotzdem ihr Glück versuchen. 83% der Gaststätten setzen das Alkoholverbot konsequent um und schenken nur gegen Vorlage einer "ID" (Personalausweis) Bier aus. Wie viele Kneipen müssen die Jugenlichen nun mindestens aufsuchen, damit sie bei einer Kneipentour mit mindestens 90% Wahrscheinlichkeit in mindestens 4 Lokalen nicht mit Nachfragen zu ihrer "ID" gedemütigt werden und in Ruhe ein Bier trinken können?

Lösung einblenden
nP(X≤k)
......
330.164
340.147
350.1315
360.1174
370.1047
380.0932
......

Die Zufallsgröße X gibt die Anzahl der besuchten Kneipen, die keine "ID" (Personalausweis) verlangen an und ist im Idealfall binomialverteilt mit p = 0.17 und variablem n.

Es muss gelten: P0.17n (X≥4) ≥ 0.9

Weil man ja aber P0.17n (X≥4) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.17n (X≥4) = 1 - P0.17n (X≤3) ≥ 0.9 |+ P0.17n (X≤3) - 0.9

0.1 ≥ P0.17n (X≤3) oder P0.17n (X≤3) ≤ 0.1

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 17% der Versuche mit einem Treffer. Also müssten dann doch bei 4 0.17 ≈ 24 Versuchen auch ungefähr 4 (≈0.17⋅24) Treffer auftreten.

Wir berechnen also mit unserem ersten n=24:
P0.17n (X≤3) ≈ 0.3986 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.1 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 0.1 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=38 die gesuchte Wahrscheinlichkeit unter 0.1 ist.

n muss also mindestens 38 sein, damit P0.17n (X≤3) ≤ 0.1 oder eben P0.17n (X≥4) ≥ 0.9 gilt.

kumulierte Binomialverteilung

Beispiel:

Ein Würfel wird 83 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass weniger als 17 mal eine 6 (p=1/6) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der gewürfelten Sechser an. X ist binomialverteilt mit n=83 und p= 1 6 .

P 1 6 83 (X<17) = P 1 6 83 (X≤16) = P 1 6 83 (X=0) + P 1 6 83 (X=1) + P 1 6 83 (X=2) +... + P 1 6 83 (X=16) = 0.78764956744413 ≈ 0.7876
(TI-Befehl: binomcdf(83,1/6,16))

Binomialvert. mit variablem p (diskret)

Beispiel:

Ein neuer Multiple Choice Test mit 14 verschiedenen Fragen soll entwickelt werden. Dabei muss immer genau eine von mehreren Antwortmöglichkeiten richtig sein. Die Anzahl an Antwortmöglichkeiten soll bei allen Fragen gleich sein. Insgesamt soll der Test so konzipiert sein, dass die Wahrscheinlichkeit mehr als 2 Fragen nur durch Raten zufällig richtig zu beantworten (obwohl man keinerlei Wissen hat) bei höchstens 25% liegt. Bestimme die hierfür notwendige Mindestanzahl an Antwortmöglichkeiten bei jeder Frage.

Lösung einblenden
pP(X≤2)
......
1 7 0.6772
1 8 0.749
1 9 0.802
......

Die Zufallsgröße X gibt die Anzahl der zufällig richtig geratenenen Antworten an. X ist binomialverteilt mit n=14 und unbekanntem Parameter p.

Es muss gelten: Pp14 (X≤2) =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 Pp14 (X≤2) ('höchstens 2 Treffer bei 14 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 2 14 . Mit diesem p wäre ja 2= 2 14 ⋅14 der Erwartungswert und somit Pp14 (X≤2) irgendwo in der nähe von 50%. Wenn wir nun p= 2 14 mit 1 2 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 7 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 9 die gesuchte Wahrscheinlichkeit über 75% steigt.
Der Nenner, also die Anzahl der Antwortmöglichkeiten, muss also mindestens 9 sein.

Binomialvert. mit variabl. p (mind.) nur GTR

Beispiel:

Eine Fluggesellschaft verkauft 72 Flugtickets für einen bestimmten Flug. Das sind 65 Tickets mehr, als das Flugzeug Plätze hat. Wie hoch muss die Wahrscheinlichkeit, dass ein Ticketkäufer nicht mitfliegt, mindestens sein, dass das Flugzeug mit einer Wahrscheinlichkeit von mindestens 90% nicht überbucht ist (also dass alle mitfliegen können)?

Lösung einblenden
pP(X≥65)=1-P(X≤64)
......
0.890.4566
0.90.5675
0.910.6795
0.920.7833
0.930.8701
0.940.9336
......

Es muss gelten: Pp72 (X≥65) =0.9 (oder mehr)

oder eben: 1- Pp72 (X≤64) =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=1-binomcdf(72,X,64) - 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 erstmals bei p=0.94 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X>=k

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, 1 oder mehr Glückskekse mit einer Peproni zu erwischen, wenn man 36 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=36 und p=0.125.

0
1
2
3
...

P0.12536 (X≥1) = 1 - P0.12536 (X≤0) = 0.9918
(TI-Befehl: 1-binomcdf(36,0.125,0))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=25%. Wie groß ist die Wahrscheinlichkeit dass er bei 60 Versuchen nicht mehr als 15% von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=60⋅0.25 = 15

Die 15% Abweichung wären dann zwischen 85% von 15, also 0.85⋅ 15 = 12.75 und 115% von 15, also 1.15⋅ 15 = 17.25

Da die Trefferzahl ja nicht weiter von 15 entfernt sein darf als 12.75 bzw. 17.25, muss sie also zwischen 13 und 17 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=60 und p=0.25.

P0.2560 (13≤X≤17) =

...
10
11
12
13
14
15
16
17
18
19
...

P0.2560 (X≤17) - P0.2560 (X≤12) ≈ 0.7753 - 0.2316 ≈ 0.5437
(TI-Befehl: binomcdf(60,0.25,17) - binomcdf(60,0.25,12))