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 80% maximal 26 dieser Fehler begeht?

Lösung einblenden
nP(X≤k)
......
430.8084
440.756
450.6985
460.6371
470.5736
......

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 (X≤26) ≥ 0.8

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 26 0.55 ≈ 47 Versuchen auch ungefähr 26 (≈0.55⋅47) Treffer auftreten.

Wir berechnen also mit unserem ersten n=47:
P0.55n (X≤26) ≈ 0.5736 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.8 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 0.8 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=43 die gesuchte Wahrscheinlichkeit über 80% ist.

kumulierte Binomialverteilung

Beispiel:

Ein Würfel wird 24 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass weniger als 6 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=24 und p= 1 6 .

P 1 6 24 (X<6) = P 1 6 24 (X≤5) = P 1 6 24 (X=0) + P 1 6 24 (X=1) + P 1 6 24 (X=2) +... + P 1 6 24 (X=5) = 0.80047048705204 ≈ 0.8005
(TI-Befehl: binomcdf(24,1/6,5))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 16 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 70% unter den 16 gezogenen Kugeln nicht mehr als 3 rote sind?

Lösung einblenden
pP(X≤3)
......
4 21 0.6362
4 22 0.6705
4 23 0.7014
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=16 und unbekanntem Parameter p.

Es muss gelten: Pp16 (X≤3) =0.7 (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 Pp16 (X≤3) ('höchstens 3 Treffer bei 16 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 3 16 . Mit diesem p wäre ja 3= 3 16 ⋅16 der Erwartungswert und somit Pp16 (X≤3) irgendwo in der nähe von 50%. Wenn wir nun p= 3 16 mit 4 3 erweitern (so dass wir auf den Zähler 4 kommen) und den Nenner abrunden, müssten wir mit p= 4 21 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 4 23 die gesuchte Wahrscheinlichkeit über 70% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 23 sein.

Also werden noch 19 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 92 mal wiederholt (bzw. die Stichprobe hat die Größe 92).Wie hoch darf die Einzelwahrscheinlichkeit p höchstens sein, dass mit einer Wahrscheinlichkeit von mind. 70% höchstens 87 Treffer erzielt werden?

Lösung einblenden
pP(X≥k)=1-P(X≤k-1)
......
0.880.9893
0.890.9787
0.90.9592
0.910.925
0.920.8681
0.930.7796
0.940.6529
......

Es muss gelten: Pp92 (X≤87) =0.7 (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(92,X,87) - 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=0.93 die gesuchte Wahrscheinlichkeit über 0.7 ist.

kumulierte Binomialverteilung

Beispiel:

Eine Münze wird 73 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass weniger als 38 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Würfe mit Zahl an. X ist binomialverteilt mit n=73 und p=0.5.

P0.573 (X<38) = P0.573 (X≤37) = P0.573 (X=0) + P0.573 (X=1) + P0.573 (X=2) +... + P0.573 (X=37) = 0.5924393823875 ≈ 0.5924
(TI-Befehl: binomcdf(73,0.5,37))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Würfel wird 75 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der gewürfelten 6er nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 75⋅ 1 6 ≈ 12.5,
die Standardabweichung mit σ = n ⋅ p ⋅ (1-p) = 75 ⋅ 1 6 ⋅ 5 6 ≈ 3.23

15.73 (12.5 + 3.23) und 9.27 (12.5 - 3.23) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 12.5 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 10 und 15 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 10 und 15 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=75 und p= 1 6 .

P 1 6 75 (10≤X≤15) =

...
7
8
9
10
11
12
13
14
15
16
17
...

P 1 6 75 (X≤15) - P 1 6 75 (X≤9) ≈ 0.8252 - 0.1773 ≈ 0.6479
(TI-Befehl: binomcdf(75, 1 6 ,15) - binomcdf(75, 1 6 ,9))