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 Glücksrad, ist die Wahrscheinlichkeit in den grünen Bereich zu kommen p=0,25. Wie oft muss man dieses Glückrad mindestens drehen, um mit einer Wahrscheinlichkeit von mindestens 70% 37 mal oder öfters in den grünen Bereich zu kommen?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 153 | 0.3773 |
| 154 | 0.36 |
| 155 | 0.343 |
| 156 | 0.3264 |
| 157 | 0.3103 |
| 158 | 0.2945 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der Drehungen, die im grünen Bereich landen an und ist im Idealfall binomialverteilt mit p = 0.25 und variablem n.
Es muss gelten: ≥ 0.7
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.7 |+ - 0.7
0.3 ≥ oder ≤ 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 25% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 148 Versuchen auch ungefähr 37 (≈0.25⋅148) Treffer auftreten.
Wir berechnen also mit unserem ersten n=148:
≈ 0.4685
(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=158 die gesuchte Wahrscheinlichkeit unter 0.3 ist.
n muss also mindestens 158 sein, damit ≤ 0.3 oder eben ≥ 0.7 gilt.
Formel v. Bernoulli
Beispiel:
Eine Münze wird 27 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 14 mal "Zahl" (p=0,5) geworfen wird?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=27 und p=0.5.
= =0.14944598078728≈ 0.1494(TI-Befehl: binompdf(27,0.5,14))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 25 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 75% unter den 25 gezogenen Kugeln nicht mehr als 21 schwarze sind?
| p | P(X≤21) |
|---|---|
| ... | ... |
| 0.9994 | |
| 0.9976 | |
| 0.9933 | |
| 0.9851 | |
| 0.9722 | |
| 0.9542 | |
| 0.9312 | |
| 0.9038 | |
| 0.8727 | |
| 0.8388 | |
| 0.803 | |
| 0.766 | |
| 0.7285 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=25 und unbekanntem Parameter p.
Es muss gelten: = 0.75 (oder mehr)
Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 4 größer sein muss als der Zähler.
Deswegen erhöhen wir nun schrittweise immer den Zähler und Nenner bei der Einzelwahrscheinlichkeit um 1 und probieren aus, wie sich das auf die gesuchte Wahrscheinlichkeit ('höchstens 21 Treffer bei 25 Versuchen') auswirkt (siehe Tabelle links)
Als Startwert wählen wir als p=. (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)
In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 75% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 16 sein.
Binomialvert. mit variabl. p (höchstens) nur GTR
Beispiel:
Eine Fluggesellschaft hat 61 Plätze in ihrem Flugzeug. Trotzdem werden 64 Flugtickets verkauft. Wie hoch darf die Wahrscheinlichkeit, dass ein Ticketkäufer auch tatsächlich mitfliegt, höchstens sein, dass das Flugzeug mit einer Wahrscheinlichkeit von mindestens 90% nicht überbucht ist (also dass alle mitfliegen können)?
| p | P(X≥k)=1-P(X≤k-1) |
|---|---|
| ... | ... |
| 0.86 | 0.9958 |
| 0.87 | 0.9925 |
| 0.88 | 0.9868 |
| 0.89 | 0.9771 |
| 0.9 | 0.9611 |
| 0.91 | 0.9353 |
| 0.92 | 0.895 |
| ... | ... |
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(64,X,61) - 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=0.91 die gesuchte Wahrscheinlichkeit über 0.9 ist.
kumulierte Binomialverteilung
Beispiel:
Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, nicht mehr als 3 Glückskekse mit einer Peproni zu erwischen, wenn man 83 Glückskekse kauft?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=83 und p=.
= + + + = 0.0053822105021497 ≈ 0.0054(TI-Befehl: binomcdf(83,1/8,3))
Binomialvert. Abstand vom Erwartungswert
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,25. Wie groß ist die Wahrscheinlichkeit bei 43 Versuchen, dass die Anzahl der Treffer im grünen Bereich nicht mehr als 20% vom Erwartungswert abweicht?
Den Erwartungswert berechnet man als E=n⋅p=43⋅0.25 = 10.75
Die 20% Abweichung wären dann zwischen 80% von 10.75, also 0.8⋅ 10.75 = 8.6 und 120% von 10.75, also 1.2⋅ 10.75 = 12.9
Da die Trefferzahl ja nicht weiter von 10.75 entfernt sein darf als 8.6 bzw. 12.9, muss sie also zwischen 9 und 12 liegen.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=43 und p=0.25.
=
(TI-Befehl: binomcdf(43,0.25,12) - binomcdf(43,0.25,8))
