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:

Im einem Mathekurs beträgt die Wahrscheinlichkeit, dass ein klassischer GeSchwa-Fehler begangen wird, p=0,55. Wie viele Aufgaben kann ein Schüler höchstens machen, damit er mit einer Wahrscheinlichkeit von 70% maximal 34 dieser Fehler begeht?

Lösung einblenden
nP(X≤k)
......
590.7029
600.6499
610.5949
620.5389
......

Die Zufallsgröße X gibt Anzahl der begangenen GeSchwa-Fehler an und ist im Idealfall binomialverteilt mit p = 0.55 und variablem n.

Es muss gelten: P0.55n (X34) ≥ 0.7

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 55% der Versuche mit einem Treffer. Also müssten dann doch bei 34 0.55 ≈ 62 Versuchen auch ungefähr 34 (≈0.55⋅62) Treffer auftreten.

Wir berechnen also mit unserem ersten n=62:
P0.55n (X34) ≈ 0.5389 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.7 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 0.7 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=59 die gesuchte Wahrscheinlichkeit über 70% ist.

Binomialverteilung X>=k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,85. Wie groß ist die Wahrscheinlichkeit dass er von 40 Versuchen mehr als 35 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=40 und p=0.85.

...
33
34
35
36
37
38
...

P0.8540 (X>35) = P0.8540 (X36) = 1 - P0.8540 (X35) = 0.2633
(TI-Befehl: 1-binomcdf(40,0.85,35))

Binomialvert. mit variablem p (diskret)

Beispiel:

Eine Schulklasse möchte fürs Schulfest ein Glücksrad entwickeln. Aus optischen Gründen sollen dabei alle Sektoren gleich groß sein. Einer davon soll für den Hauptpreis stehen. Hierfür haben sie insgesamt 6 Preise gesammelt. Sie erwarten, dass das Glücksrad beim Schulfest 80 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 6 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 90% für die 80 Durchgänge reichen?

Lösung einblenden
pP(X≤6)
......
1 13 0.5807
1 14 0.6539
1 15 0.7157
1 16 0.767
1 17 0.8093
1 18 0.8438
1 19 0.8719
1 20 0.8947
1 21 0.9133
......

Die Zufallsgröße X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=80 und unbekanntem Parameter p.

Es muss gelten: Pp80 (X6) =0.9 (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 Pp80 (X6) ('höchstens 6 Treffer bei 80 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 6 80 . Mit diesem p wäre ja 6= 6 80 ⋅80 der Erwartungswert und somit Pp80 (X6) irgendwo in der nähe von 50%. Wenn wir nun p= 6 80 mit 1 6 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 13 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 21 die gesuchte Wahrscheinlichkeit über 90% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens 21 sein.

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

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 60 mal wiederholt (bzw. die Stichprobe hat die Größe 60)Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 60% mindestens 30 Treffer erzielt werden?

Lösung einblenden
pP(X≥30)=1-P(X≤29)
......
0.460.3106
0.470.3676
0.480.4277
0.490.4894
0.50.5513
0.510.612
......

Es muss gelten: Pp60 (X30) =0.6 (oder mehr)

oder eben: 1- Pp60 (X29) =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=1-binomcdf(60,X,29) - 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=0.51 die gesuchte Wahrscheinlichkeit über 0.6 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, mehr als 8 und höchstens 10 Glückskekse mit einer Peproni zu erwischen, wenn man 76 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=76 und p=0.125.

P0.12576 (9X10) =

...
6
7
8
9
10
11
12
...

P0.12576 (X10) - P0.12576 (X8) ≈ 0.6498 - 0.3793 ≈ 0.2705
(TI-Befehl: binomcdf(76,0.125,10) - binomcdf(76,0.125,8))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,3. Wie groß ist die Wahrscheinlichkeit bei 42 Versuchen, dass die Anzahl der Treffer im grünen Bereich nicht mehr als 20% vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=42⋅0.3 = 12.6

Die 20% Abweichung wären dann zwischen 80% von 12.6, also 0.8⋅ 12.6 = 10.08 und 120% von 12.6, also 1.2⋅ 12.6 = 15.12

Da die Trefferzahl ja nicht weiter von 12.6 entfernt sein darf als 10.08 bzw. 15.12, muss sie also zwischen 11 und 15 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=42 und p=0.3.

P0.342 (11X15) =

...
8
9
10
11
12
13
14
15
16
17
...

P0.342 (X15) - P0.342 (X10) ≈ 0.836 - 0.2436 ≈ 0.5924
(TI-Befehl: binomcdf(42,0.3,15) - binomcdf(42,0.3,10))