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=0,85.Wie oft muss man das Zufallsexperiment mindestens wiederholen (oder wie groß muss die Stichprobe sein), um mit mind. 90% Wahrscheinlichkeit, mindestens 37 Treffer zu erzielen ?

Lösung einblenden
nP(X≤k)
......
440.3366
450.2255
460.1421
470.0846
......

Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.85 und variablem n.

Es muss gelten: P0.85n (X37) ≥ 0.9

Weil man ja aber P0.85n (X37) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.85n (X37) = 1 - P0.85n (X36) ≥ 0.9 |+ P0.85n (X36) - 0.9

0.1 ≥ P0.85n (X36) oder P0.85n (X36) ≤ 0.1

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 85% der Versuche mit einem Treffer. Also müssten dann doch bei 37 0.85 ≈ 44 Versuchen auch ungefähr 37 (≈0.85⋅44) Treffer auftreten.

Wir berechnen also mit unserem ersten n=44:
P0.85n (X36) ≈ 0.3366 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.1 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 0.1 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=47 die gesuchte Wahrscheinlichkeit unter 0.1 ist.

n muss also mindestens 47 sein, damit P0.85n (X36) ≤ 0.1 oder eben P0.85n (X37) ≥ 0.9 gilt.

kumulierte Binomialverteilung

Beispiel:

Eine Münze wird 71 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass höchstens 39 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=71 und p=0.5.

P0.571 (X39) = P0.571 (X=0) + P0.571 (X=1) + P0.571 (X=2) +... + P0.571 (X=39) = 0.82876450079007 ≈ 0.8288
(TI-Befehl: binomcdf(71,0.5,39))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 2 rote und einige schwarze Kugeln. Es soll 26 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 80% unter den 26 gezogenen Kugeln nicht mehr als 24 schwarze sind?

Lösung einblenden
pP(X≤24)
......
4 6 0.9996
5 7 0.9982
6 8 0.9945
7 9 0.9878
8 10 0.9773
9 11 0.9633
10 12 0.9458
11 13 0.9256
12 14 0.9031
13 15 0.8789
14 16 0.8536
15 17 0.8275
16 18 0.8012
17 19 0.7748
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=26 und unbekanntem Parameter p.

Es muss gelten: Pp26 (X24) = 0.8 (oder mehr)

Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 2 größer sein muss als der Zähler.

Deswegen erhöhen wir nun schrittweise immer den Zähler und Nenner bei der Einzelwahrscheinlichkeit um 1 und probieren aus, wie sich das auf die gesuchte Wahrscheinlichkeit Pp26 (X24) ('höchstens 24 Treffer bei 26 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 4 6 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 16 18 die gesuchte Wahrscheinlichkeit über 80% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 16 sein.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 80% Wahrscheinlichkeit von 56 Freiwürfen mindestens 21 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥21)=1-P(X≤20)
......
0.380.5807
0.390.6398
0.40.6953
0.410.7464
0.420.7924
0.430.8329
......

Es muss gelten: Pp56 (X21) =0.8 (oder mehr)

oder eben: 1- Pp56 (X20) =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(56,X,20) - 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=0.43 die gesuchte Wahrscheinlichkeit über 0.8 ist.

Binomialverteilung X>=k

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, 2 oder mehr Glückskekse mit einer Peproni zu erwischen, wenn man 26 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=26 und p=0.125.

0
1
2
3
4
...

P0.12526 (X2) = 1 - P0.12526 (X1) = 0.8536
(TI-Befehl: 1-binomcdf(26,0.125,1))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 64 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 = 64 und p = 0.7 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 64 ⋅ 0.7 = 44.8

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 64 ⋅ 0.7 ⋅ 0.3 = 13.44 3.67