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:

Beim Biberacher Schützenfest läuft ein 12-köpfiger historischer Spielmannszug mit, der an die Schweden während des 30-Jährigen Kriegs erinnert. Dabei feiern dessen Mitglieder manchmal so ausgelassen, dass die Wahrscheinlichkeit eines Ausfall beim Umzug wegen unverhältnismäßig exzessiven Alkoholgenuss bei 17% liegt. Wie viele Schwedenmusiker muss die Schützendirektion mindestens ausbilden, damit beim Umzug mit mindestens 50%-iger Wahrscheinlichkeit mindestens 12 Schweden einsatzfähig sind?

Lösung einblenden
nP(X≤k)
......
130.6751
140.4341
......

Die Zufallsgröße X gibt die Anzahl der einsatzfähigen Schwedenmusiker an und ist im Idealfall binomialverteilt mit p = 0.83 und variablem n.

Es muss gelten: P0.83n (X12) ≥ 0.5

Weil man ja aber P0.83n (X12) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.83n (X12) = 1 - P0.83n (X11) ≥ 0.5 |+ P0.83n (X11) - 0.5

0.5 ≥ P0.83n (X11) oder P0.83n (X11) ≤ 0.5

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 83% der Versuche mit einem Treffer. Also müssten dann doch bei 12 0.83 ≈ 14 Versuchen auch ungefähr 12 (≈0.83⋅14) Treffer auftreten.

Wir berechnen also mit unserem ersten n=14:
P0.83n (X11) ≈ 0.4341 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.5 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 0.5 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=14 die gesuchte Wahrscheinlichkeit unter 0.5 ist.

n muss also mindestens 14 sein, damit P0.83n (X11) ≤ 0.5 oder eben P0.83n (X12) ≥ 0.5 gilt.

Binomialverteilung X>=k

Beispiel:

Ein Würfel wird 65 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass mehr als 15 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=65 und p= 1 6 .

...
13
14
15
16
17
18
...

P 1 6 65 (X>15) = P 1 6 65 (X16) = 1 - P 1 6 65 (X15) = 0.0653
(TI-Befehl: 1-binomcdf(65, 1 6 ,15))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 3 rote und einige schwarze Kugeln. Es soll 12 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 70% unter den 12 gezogenen Kugeln nicht mehr als 3 rote sind?

Lösung einblenden
pP(X≤3)
......
3 12 0.6488
3 13 0.7074
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=12 und unbekanntem Parameter p.

Es muss gelten: Pp12 (X3) =0.7 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 3 sein muss, da es ja genau 3 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp12 (X3) ('höchstens 3 Treffer bei 12 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 3 12 . Mit diesem p wäre ja 3= 3 12 ⋅12 der Erwartungswert und somit Pp12 (X3) irgendwo in der nähe von 50%. Wenn wir nun p= 3 12 mit 3 3 erweitern (so dass wir auf den Zähler 3 kommen) und den Nenner abrunden, müssten wir mit p= 3 12 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 3 13 die gesuchte Wahrscheinlichkeit über 70% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 13 sein.

Also werden noch 10 zusätzliche Optionen (also schwarze Kugeln) benötigt.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 80% Wahrscheinlichkeit von 86 Freiwürfen mindestens 49 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥49)=1-P(X≤48)
......
0.560.4723
0.570.547
0.580.6204
0.590.69
0.60.7536
0.610.8098
......

Es muss gelten: Pp86 (X49) =0.8 (oder mehr)

oder eben: 1- Pp86 (X48) =0.8 (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(86,X,48) - 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=0.61 die gesuchte Wahrscheinlichkeit über 0.8 ist.

kumulierte Binomialverteilung

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 55%. Wie groß ist die Wahrscheinlichkeit dass er von 90 Versuchen nicht mehr als 51 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=90 und p=0.55.

P0.5590 (X51) = P0.5590 (X=0) + P0.5590 (X=1) + P0.5590 (X=2) +... + P0.5590 (X=51) = 0.66294479603721 ≈ 0.6629
(TI-Befehl: binomcdf(90,0.55,51))

Wahrscheinlichkeit von σ-Intervall um μ

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=0,25 entsteht. Es wird eine Stichprobe der Menge 59 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips um nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 59⋅0.25 ≈ 14.75,
die Standardabweichung mit σ = n p (1-p) = 59 0.25 0.75 ≈ 3.33

18.08 (14.75 + 3.33) und 11.42 (14.75 - 3.33) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 14.75 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 12 und 18 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 12 und 18 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=59 und p=0.25.

P0.2559 (12X18) =

...
9
10
11
12
13
14
15
16
17
18
19
20
...

P0.2559 (X18) - P0.2559 (X11) ≈ 0.8692 - 0.1644 ≈ 0.7048
(TI-Befehl: binomcdf(59,0.25,18) - binomcdf(59,0.25,11))