Pestalozzi Gymnasium Biberach EduRandomtasks

Binomialvert. mit variablem n (höchst.)

Beispiel:

In einer Urne ist der Anteil der grünen Kugeln 20%. Wie oft darf höchstens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 60% Wahrscheinlichkeit nicht mehr als 33 grüne Kugeln gezogen werden?

Lösung einblenden

n	P(X≤k)
...	...
161	0.6081
162	0.5928
163	0.5774
164	0.5619
165	0.5464
...	...

Die Zufallsgröße X gibt Anzahl der gezogenen grünen Kugeln an und ist im Idealfall binomialverteilt mit p = 0.2 und variablem n.

Es muss gelten: $P_{0.2}^{n} (X \leq 33)$ ≥ 0.6

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 20% der Versuche mit einem Treffer. Also müssten dann doch bei $\frac{33}{0.2}$ ≈ 165 Versuchen auch ungefähr 33 (≈0.2⋅165) Treffer auftreten.

Wir berechnen also mit unserem ersten n=165:
$P_{0.2}^{n} (X \leq 33)$ ≈ 0.5464 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.6 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 0.6 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=161 die gesuchte Wahrscheinlichkeit über 60% ist.

Formel v. Bernoulli

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 80% entsteht. Es wird eine Stichprobe der Menge 86 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon genau 63 defekte Chips enthalten sind.

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=86 und p=0.8.

P_{0.8}^{86} (X = 63)

=

(\begin{matrix} 86 \\ 63 \end{matrix}) \cdot {0.8}^{63} \cdot {0.2}^{23}

=0.031112082239≈ 0.0311
(TI-Befehl: binompdf(86,0.8,63))

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 6er-Packung mit der mindestens 75% Wahrscheinlichkeit 1 oder mehr Superfiguren enthalten sein. Wenn in jedes n-te Ei eine Superfigur rein soll, wie groß darf dann n höchstens sein?

Lösung einblenden

p	P(X≥1)=1-P(X≤0)
...	...
$\frac{1}{2}$	0.9844
$\frac{1}{3}$	0.9122
$\frac{1}{4}$	0.822
$\frac{1}{5}$	0.7379
...	...

Die Zufallsgröße X gibt die Anzahl der Eier mit einer Superfigur an. X ist binomialverteilt mit n=6 und unbekanntem Parameter p.

Es muss gelten: $P_{p}^{6} (X \geq 1)$ = 1- $P_{p}^{6} (X \leq 0)$ = 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 $P_{p}^{6} (X \geq 1)$ ('mindestens 1 Treffer bei 6 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= $\frac{1}{2}$ .

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= $\frac{1}{4}$ die gesuchte Wahrscheinlichkeit über 75% bleibt.
Der Nenner, also die das wievielte Ei eine Superfigur enthält, darf also höchstens 4 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Eine Fluggesellschaft hat 88 Plätze in ihrem Flugzeug. Trotzdem werden 93 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)?

Lösung einblenden

p	P(X≤k)
...	...
0.86	0.9978
0.87	0.9953
0.88	0.9902
0.89	0.9803
0.9	0.9618
0.91	0.9291
0.92	0.8741
...	...

Es muss gelten: $P_{p}^{93} (X \leq 88)$ =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,88) - 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.

Binomialverteilung X>=k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,74. Wie groß ist die Wahrscheinlichkeit dass er von 87 Versuchen mindestens 63 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=87 und p=0.74.

...

60

61

62

63

64

65

...

P_{0.74}^{87} (X \geq 63)

= 1 -

P_{0.74}^{87} (X \leq 62)

= 0.6825
(TI-Befehl: 1-binomcdf(87,0.74,62))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 33 und p = 0.8
Bestimme den Erwartungswert μ und die Standardabweichung σ von X .

Lösung einblenden

Für Erwartungswert und Standardabweichung bei der Binomialverteilung gibt es ja einfache Formeln, in die man einfach n = 33 und p = 0.8 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 33 ⋅ 0.8 = 26.4

Standardabweichung S(X) = $\sqrt{n ⋅ p ⋅ (1-p)}$ = $\sqrt{33 ⋅ 0.8 ⋅ 0.2}$ = $\sqrt{5.28}$ ≈ 2.3

Aufgabenbeispiele von Wiederholung aus 9/10

Binomialvert. mit variablem n (höchst.)

Formel v. Bernoulli

Binomialvert. mit variablem p (diskret)

Binomialvert. mit variabl. p (höchstens) nur GTR

Binomialverteilung X>=k

Erwartungswert, Standardabweichung best.