Pestalozzi Gymnasium Biberach EduRandomtasks

Binomialvert. mit variablem n (höchst.)

Beispiel:

Ein Mathelehrer möchte neue Taschenrechner für seine Klasse bestellen. Die Wahrscheinlichkeit, dass einer der Taschenrechner ein Decepticon (bekannt aus dem Transformers-Filmen) ist, liegt bei p=0,07. Wie viele Rechner können bestellt werden, dass zu einer Wahrscheinlichkeit von 80% kein Descepticon unter ihnen ist?

Lösung einblenden

n	P(X≤k)
...	...
1	0.93
2	0.8649
3	0.8044
4	0.7481
...	...

Die Zufallsgröße X gibt Anzahl der Descepticons unter den Taschenrechnern an und ist im Idealfall binomialverteilt mit p = 0.07 und variablem n.

Es muss gelten: $P_{0.07}^{n} (X \leq 0)$ ≥ 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 7% der Versuche mit einem Treffer. Also müssten dann doch bei $\frac{0}{0.07}$ ≈ 0 Versuchen auch ungefähr 0 (≈0.07⋅0) Treffer auftreten.

Wir berechnen also mit unserem ersten n=0:
$P_{0.07}^{n} (X \leq 0)$ ≈ 1 (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=3 die gesuchte Wahrscheinlichkeit über 80% ist.

kumulierte Binomialverteilung

Beispiel:

Ein Würfel wird 45 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=45 und p= $\frac{1}{6}$ .

P_{\frac{1}{6}}^{45} (X < 6)

=

P_{\frac{1}{6}}^{45} (X \leq 5)

=

P_{\frac{1}{6}}^{45} (X = 0)

+

P_{\frac{1}{6}}^{45} (X = 1)

+

P_{\frac{1}{6}}^{45} (X = 2)

+... +

P_{\frac{1}{6}}^{45} (X = 5)

= 0.21668529150996 ≈ 0.2167
(TI-Befehl: binomcdf(45,1/6,5))

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 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

p	P(X≥2)=1-P(X≤1)
...	...
$\frac{1}{2}$	0.8906
$\frac{1}{3}$	0.6488
...	...

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: $P_{p}^{6} (X \geq 2)$ = 1- $P_{p}^{6} (X \leq 1)$ = 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 $P_{p}^{6} (X \geq 2)$ ('mindestens 2 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= $\frac{1}{2}$ 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:

Ein Promi macht Urlaub in einem Ferienclub. Dort sind noch weitere 93 Gäste. Wie groß darf der Bekanntheitsgrad des Promis höchstens sein, dass ihn mit einer Wahrscheinlichkeit von mindestens 90% nicht mehr als 40 erkennen und dumm anlabern?

Lösung einblenden

p	P(X≥k)=1-P(X≤k-1)
...	...
0.32	0.9903
0.33	0.9833
0.34	0.9724
0.35	0.9564
0.36	0.9339
0.37	0.9036
0.38	0.8645
...	...

Es muss gelten: $P_{p}^{93} (X \leq 40)$ =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,40) - 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=0.37 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Formel v. Bernoulli

Beispiel:

Eine Münze wird 35 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 18 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=35 und p=0.5.

P_{0.5}^{35} (X = 18)

=

(\begin{matrix} 35 \\ 18 \end{matrix}) \cdot {0.5}^{18} \cdot {0.5}^{17}

=0.13206059957156≈ 0.1321
(TI-Befehl: binompdf(35,0.5,18))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 82 und p = 0.7
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 = 82 und p = 0.7 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 82 ⋅ 0.7 = 57.4

Standardabweichung S(X) = $\sqrt{n ⋅ p ⋅ (1-p)}$ = $\sqrt{82 ⋅ 0.7 ⋅ 0.3}$ = $\sqrt{17.22}$ ≈ 4.15

Aufgabenbeispiele von Wiederholung aus 9/10

Binomialvert. mit variablem n (höchst.)

kumulierte Binomialverteilung

Binomialvert. mit variablem p (diskret)

Binomialvert. mit variabl. p (höchstens) nur GTR

Formel v. Bernoulli

Erwartungswert, Standardabweichung best.