Pestalozzi Gymnasium Biberach EduRandomtasks

Binomialvert. mit variablem n (höchst.)

Beispiel:

Eine Fluggesellschaft geht davon aus, dass 12% der gekauften Tickets gar nicht eingelöst werden. Wieviel Tickets kann sie für ihre 36-Platzmaschine höchstens verkaufen, so dass es zu mindestens 60% Wahrscheinlichkeit zu keiner Überbelegung kommt.

Lösung einblenden

n	P(X≤k)
...	...
40	0.7232
41	0.5559
...	...

Die Zufallsgröße X gibt die Anzahl der Ticketbesitzer, die tatsächlich fliegen an und ist im Idealfall binomialverteilt mit p = 0.88 und variablem n.

Es muss gelten: $P_{0.88}^{n} (X \leq 36)$ ≥ 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 88% der Versuche mit einem Treffer. Also müssten dann doch bei $\frac{36}{0.88}$ ≈ 41 Versuchen auch ungefähr 36 (≈0.88⋅41) Treffer auftreten.

Wir berechnen also mit unserem ersten n=41:
$P_{0.88}^{n} (X \leq 36)$ ≈ 0.5559 (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=40 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 25% entsteht. Es wird eine Stichprobe der Menge 96 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon genau 16 defekte Chips enthalten sind.

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=96 und p=0.25.

P_{0.25}^{96} (X = 16)

=

(\begin{matrix} 96 \\ 16 \end{matrix}) \cdot {0.25}^{16} \cdot {0.75}^{80}

=0.015594251853344≈ 0.0156
(TI-Befehl: binompdf(96,0.25,16))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 3 rote und einige schwarze Kugeln. Es soll 17 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 75% unter den 17 gezogenen Kugeln nicht mehr als 3 rote sind?

Lösung einblenden

p	P(X≤3)
...	...
$\frac{3}{17}$	0.6479
$\frac{3}{18}$	0.6887
$\frac{3}{19}$	0.7244
$\frac{3}{20}$	0.7556
...	...

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=17 und unbekanntem Parameter p.

Es muss gelten: $P_{p}^{17} (X \leq 3)$ =0.75 (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 $P_{p}^{17} (X \leq 3)$ ('höchstens 3 Treffer bei 17 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= $\frac{3}{17}$ . Mit diesem p wäre ja 3= $\frac{3}{17}$ ⋅17 der Erwartungswert und somit $P_{p}^{17} (X \leq 3)$ irgendwo in der nähe von 50%. Wenn wir nun p= $\frac{3}{17}$ mit $\frac{3}{3}$ erweitern (so dass wir auf den Zähler 3 kommen) und den Nenner abrunden, müssten wir mit p= $\frac{3}{17}$ einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= $\frac{3}{20}$ die gesuchte Wahrscheinlichkeit über 75% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 20 sein.

Also werden noch 17 zusätzliche Optionen (also schwarze Kugeln) benötigt.

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

Beispiel:

Eine Fluggesellschaft verkauft 70 Flugtickets für einen bestimmten Flug. Das sind 25 Tickets mehr, als das Flugzeug Plätze hat. Wie hoch muss die Wahrscheinlichkeit, dass ein Ticketkäufer nicht mitfliegt, mindestens sein, dass das Flugzeug mit einer Wahrscheinlichkeit von mindestens 90% nicht überbucht ist (also dass alle mitfliegen können)?

Lösung einblenden

p	P(X≥25)=1-P(X≤24)
...	...
0.38	0.6947
0.39	0.752
0.4	0.8027
0.41	0.8464
0.42	0.883
0.43	0.9128
...	...

Es muss gelten: $P_{p}^{70} (X \geq 25)$ =0.9 (oder mehr)

oder eben: 1- $P_{p}^{70} (X \leq 24)$ =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=1-binomcdf(70,X,24) - 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 0.9 ist.

Formel v. Bernoulli

Beispiel:

Eine Münze wird 28 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 17 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=28 und p=0.5.

P_{0.5}^{28} (X = 17)

=

(\begin{matrix} 28 \\ 17 \end{matrix}) \cdot {0.5}^{17} \cdot {0.5}^{11}

=0.079997554421425≈ 0.08
(TI-Befehl: binompdf(28,0.5,17))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 93 und p = 0.85
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 = 93 und p = 0.85 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 93 ⋅ 0.85 = 79.05

Standardabweichung S(X) = $\sqrt{n ⋅ p ⋅ (1-p)}$ = $\sqrt{93 ⋅ 0.85 ⋅ 0.15}$ = $\sqrt{11.8575}$ ≈ 3.44

Aufgabenbeispiele von Wiederholung aus 9/10

Binomialvert. mit variablem n (höchst.)

Formel v. Bernoulli

Binomialvert. mit variablem p (diskret)

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

Formel v. Bernoulli

Erwartungswert, Standardabweichung best.