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 Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,45.Wie oft muss man das Zufallsexperiment mindestens wiederholen (oder wie groß muss die Stichprobe sein), um mit mind. 80% Wahrscheinlichkeit, mindestens 24 Treffer zu erzielen ?

Lösung einblenden
nP(X≤k)
......
550.3691
560.3255
570.2847
580.2472
590.213
600.1821
......

Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.45 und variablem n.

Es muss gelten: P0.45n (X24) ≥ 0.8

Weil man ja aber P0.45n (X24) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.45n (X24) = 1 - P0.45n (X23) ≥ 0.8 |+ P0.45n (X23) - 0.8

0.2 ≥ P0.45n (X23) oder P0.45n (X23) ≤ 0.2

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 45% der Versuche mit einem Treffer. Also müssten dann doch bei 24 0.45 ≈ 53 Versuchen auch ungefähr 24 (≈0.45⋅53) Treffer auftreten.

Wir berechnen also mit unserem ersten n=53:
P0.45n (X23) ≈ 0.4634 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.2 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 0.2 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=60 die gesuchte Wahrscheinlichkeit unter 0.2 ist.

n muss also mindestens 60 sein, damit P0.45n (X23) ≤ 0.2 oder eben P0.45n (X24) ≥ 0.8 gilt.

Binomialverteilung X>=k

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,1. Wie groß ist die Wahrscheinlichkeit bei 97 Versuchen mindestens 10 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=97 und p=0.1.

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

P0.197 (X10) = 1 - P0.197 (X9) = 0.5088
(TI-Befehl: 1-binomcdf(97,0.1,9))

Binomialvert. mit variablem p (diskret)

Beispiel:

Eine Firma, die Überraschungseier vertreibt, möchte als Werbegag manche Eier mit Superfiguren bestücken. Aus Angst vor Kundenbeschwerden sollen in einer 5er-Packung mit der mindestens 75% Wahrscheinlichkeit 2 oder mehr Superfiguren enthalten sein. Wenn in jedes n-te Ei eine Superfigur rein soll, wie groß darf dann n höchstens sein?

Lösung einblenden
pP(X≥2)=1-P(X≤1)
......
1 2 0.8125
1 3 0.5391
......

Die Zufallsgröße X gibt die Anzahl der Eier mit einer Superfigur an. X ist binomialverteilt mit n=5 und unbekanntem Parameter p.

Es muss gelten: Pp5 (X2) = 1- Pp5 (X1) = 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 Pp5 (X2) ('mindestens 2 Treffer bei 5 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 1 2 .

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 1 2 die gesuchte Wahrscheinlichkeit über 75% bleibt.
Der Nenner, also die das wievielte Ei eine Superfigur enthält, darf also höchstens 2 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Bei einem Glücksrad soll mit einer Wahrscheinlichkeit von 90% bei 93 Ausspielungen nicht öfters als 30 mal der grüne Bereich kommen. Wie hoch darf man die Wahrscheinlichkeit für den grünen Bereich auf dem Glücksrad maximal setzen?

Lösung einblenden
pP(X≤k)
......
0.210.9961
0.220.9921
0.230.9851
0.240.9735
0.250.9557
0.260.9298
0.270.8944
......

Es muss gelten: Pp93 (X30) =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(93,X,30) - 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=0.26 die gesuchte Wahrscheinlichkeit über 0.9 ist.

kumulierte Binomialverteilung

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=0,28 entsteht. Es wird eine Stichprobe der Menge 87 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon nicht mehr als 21 defekte Chips enthalten sind.

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=87 und p=0.28.

P0.2887 (X21) = P0.2887 (X=0) + P0.2887 (X=1) + P0.2887 (X=2) +... + P0.2887 (X=21) = 0.25043888680349 ≈ 0.2504
(TI-Befehl: binomcdf(87,0.28,21))

Binomialvert. Abstand vom Erwartungswert

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=0,35 entsteht. Es wird eine Stichprobe der Menge 59 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips nicht mehr als 20% vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=59⋅0.35 = 20.65

Die 20% Abweichung wären dann zwischen 80% von 20.65, also 0.8⋅ 20.65 = 16.52 und 120% von 20.65, also 1.2⋅ 20.65 = 24.78

Da die Trefferzahl ja nicht weiter von 20.65 entfernt sein darf als 16.52 bzw. 24.78, muss sie also zwischen 17 und 24 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=59 und p=0.35.

P0.3559 (17X24) =

...
14
15
16
17
18
19
20
21
22
23
24
25
26
...

P0.3559 (X24) - P0.3559 (X16) ≈ 0.8531 - 0.1277 ≈ 0.7254
(TI-Befehl: binomcdf(59,0.35,24) - binomcdf(59,0.35,16))