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:

Wie oft darf man mit einem normalen Würfel höchstens würfeln, um mit einer Wahrscheinlichkeit von 90% nicht mehr als 37 6er zu würfeln?

Lösung einblenden
nP(X≤k)
......
1850.9035
1860.8974
1870.8912
1880.8846
1890.8779
1900.8709
1910.8636
1920.8561
1930.8484
1940.8404
1950.8322
1960.8238
1970.8151
1980.8062
1990.7971
2000.7877
2010.7782
2020.7684
2030.7585
2040.7484
2050.738
2060.7275
2070.7169
2080.7061
2090.6951
2100.684
2110.6728
2120.6614
2130.65
2140.6384
2150.6268
2160.6151
2170.6033
2180.5914
2190.5796
2200.5676
2210.5557
2220.5438
......

Die Zufallsgröße X gibt Anzahl der gewürfelten 6er an und ist im Idealfall binomialverteilt mit p = 1 6 und variablem n.

Es muss gelten: P 1 6 n (X37) ≥ 0.9

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 1 6 der Versuche mit einem Treffer. Also müssten dann doch bei 37 1 6 ≈ 222 Versuchen auch ungefähr 37 (≈ 1 6 ⋅222) Treffer auftreten.

Wir berechnen also mit unserem ersten n=222:
P 1 6 n (X37) ≈ 0.5438 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.9 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 0.9 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=185 die gesuchte Wahrscheinlichkeit über 90% ist.

Binomialverteilung X>=k

Beispiel:

In einer Chip-Fabrik werden neue High Tech Chips produziert. Leider ist die Technik noch nicht so ganz ausgereift, weswegen Ausschuss mit einer Wahrscheinlichkeit von p=0,21 entsteht. Es wird eine Stichprobe der Menge 23 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon 3 oder sogar noch mehr Chips defekt sind?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=23 und p=0.21.

0
1
2
3
4
5
...

P0.2123 (X3) = 1 - P0.2123 (X2) = 0.8895
(TI-Befehl: 1-binomcdf(23,0.21,2))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 29 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 85% unter den 29 gezogenen Kugeln nicht mehr als 21 schwarze sind?

Lösung einblenden
pP(X≤21)
......
3 7 0.9997
4 8 0.9959
5 9 0.9801
6 10 0.943
7 11 0.8819
8 12 0.8014
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=29 und unbekanntem Parameter p.

Es muss gelten: Pp29 (X21) = 0.85 (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 Pp29 (X21) ('höchstens 21 Treffer bei 29 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 3 7 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 7 11 die gesuchte Wahrscheinlichkeit über 85% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 7 sein.

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

Beispiel:

Ein Glücksrad soll mit nur zwei verschiedenen Sektoren (blau und rot) gebaut werden. Wie hoch muss man die Einzelwahrscheinlichkeit p mindestens wählen, dass die Wahrscheinlichkeit bei 87 Wiederholungen 78 mal (oder mehr) rot zu treffen bei mind. 90% liegt?

Lösung einblenden
pP(X≥78)=1-P(X≤77)
......
0.880.3932
0.890.5085
0.90.6291
0.910.7444
0.920.8432
0.930.9173
......

Es muss gelten: Pp87 (X78) =0.9 (oder mehr)

oder eben: 1- Pp87 (X77) =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(87,X,77) - 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=0.93 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Formel v. Bernoulli

Beispiel:

Eine Münze wird 21 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 10 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=21 und p=0.5.

P0.521 (X=10) = ( 21 10 ) 0.510 0.511 =0.16818809509277≈ 0.1682
(TI-Befehl: binompdf(21,0.5,10))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=35%. Wie groß ist die Wahrscheinlichkeit dass bei 80 Versuchen die Anzahl seiner Treffer um nicht mehr als eine Standardabweichung von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 80⋅0.35 ≈ 28,
die Standardabweichung mit σ = n p (1-p) = 80 0.35 0.65 ≈ 4.27

32.27 (28 + 4.27) und 23.73 (28 - 4.27) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 28 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 24 und 32 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 24 und 32 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=80 und p=0.35.

P0.3580 (24X32) =

...
21
22
23
24
25
26
27
28
29
30
31
32
33
34
...

P0.3580 (X32) - P0.3580 (X23) ≈ 0.854 - 0.1454 ≈ 0.7086
(TI-Befehl: binomcdf(80,0.35,32) - binomcdf(80,0.35,23))