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 8% liegt. Wie viele Schwedenmusiker muss die Schützendirektion mindestens ausbilden, damit beim Umzug mit mindestens 60%-iger Wahrscheinlichkeit mindestens 12 Schweden einsatzfähig sind?

Lösung einblenden
nP(X≤k)
......
120.6323
130.2794
......

Die Zufallsgröße X gibt die Anzahl der einsatzfähigen Schwedenmusiker an und ist im Idealfall binomialverteilt mit p = 0.92 und variablem n.

Es muss gelten: P0.92n (X12) ≥ 0.6

Weil man ja aber P0.92n (X12) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.92n (X12) = 1 - P0.92n (X11) ≥ 0.6 |+ P0.92n (X11) - 0.6

0.4 ≥ P0.92n (X11) oder P0.92n (X11) ≤ 0.4

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 92% der Versuche mit einem Treffer. Also müssten dann doch bei 12 0.92 ≈ 13 Versuchen auch ungefähr 12 (≈0.92⋅13) Treffer auftreten.

Wir berechnen also mit unserem ersten n=13:
P0.92n (X11) ≈ 0.2794 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.4 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 0.4 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=13 die gesuchte Wahrscheinlichkeit unter 0.4 ist.

n muss also mindestens 13 sein, damit P0.92n (X11) ≤ 0.4 oder eben P0.92n (X12) ≥ 0.6 gilt.

Binomialverteilung X>=k

Beispiel:

Ein Zufallsexperiment wird 21 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,6.
Wie groß ist dabei die Wahrscheinlichkeit, mindestens 14 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=21 und p=0.6.

...
11
12
13
14
15
16
...

P0.621 (X14) = 1 - P0.621 (X13) = 0.3495
(TI-Befehl: 1-binomcdf(21,0.6,13))

Binomialvert. mit variablem p (diskret)

Beispiel:

Eine Schulklasse möchte fürs Schulfest ein Glücksrad entwickeln. Aus optischen Gründen sollen dabei alle Sektoren gleich groß sein. Einer davon soll für den Hauptpreis stehen. Hierfür haben sie insgesamt 5 Preise gesammelt. Sie erwarten, dass das Glücksrad beim Schulfest 95 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 5 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 80% für die 95 Durchgänge reichen?

Lösung einblenden
pP(X≤5)
......
1 19 0.616
1 20 0.6609
1 21 0.7009
1 22 0.7363
1 23 0.7676
1 24 0.7951
1 25 0.8192
......

Die Zufallsgröße X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=95 und unbekanntem Parameter p.

Es muss gelten: Pp95 (X5) =0.8 (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 Pp95 (X5) ('höchstens 5 Treffer bei 95 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 5 95 . Mit diesem p wäre ja 5= 5 95 ⋅95 der Erwartungswert und somit Pp95 (X5) irgendwo in der nähe von 50%. Wenn wir nun p= 5 95 mit 1 5 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 19 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 25 die gesuchte Wahrscheinlichkeit über 80% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens 25 sein.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 80% Wahrscheinlichkeit von 66 Freiwürfen mindestens 33 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥33)=1-P(X≤32)
......
0.50.5489
0.510.6126
0.520.6734
0.530.73
0.540.7813
0.550.8265
......

Es muss gelten: Pp66 (X33) =0.8 (oder mehr)

oder eben: 1- Pp66 (X32) =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(66,X,32) - 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=0.55 die gesuchte Wahrscheinlichkeit über 0.8 ist.

Binomialverteilung X>=k

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 50 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon 12 oder sogar noch mehr Chips defekt sind?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=50 und p=0.25.

...
9
10
11
12
13
14
...

P0.2550 (X12) = 1 - P0.2550 (X11) = 0.6184
(TI-Befehl: 1-binomcdf(50,0.25,11))

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=0,5 entsteht. Es wird eine Stichprobe der Menge 100 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 = 100⋅0.5 ≈ 50,
die Standardabweichung mit σ = n p (1-p) = 100 0.5 0.5 ≈ 5

55 (50 + 5) und 45 (50 - 5) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 50 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 45 und 55 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 45 und 55 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=100 und p=0.5.

P0.5100 (45X55) =

...
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
...

P0.5100 (X55) - P0.5100 (X44) ≈ 0.8644 - 0.1356 ≈ 0.7288
(TI-Befehl: binomcdf(100,0.5,55) - binomcdf(100,0.5,44))