Aufgabenbeispiele von Wiederholung aus 9/10

Durch Aktualisieren des Browsers (z.B. mit Taste F5) kann man neue Beispielaufgaben sehen


Binomialvert. mit variablem n (höchst.)

Beispiel:

Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,7.Wie oft darf man das Zufallsexperiment höchstens wiederholen (oder wie groß darf die Stichprobe sein), um mit mind. 70% Wahrscheinlichkeit, höchstens 40 Treffer zu erzielen ?

Lösung einblenden
nP(X≤k)
......
550.7173
560.6412
570.5613
......

Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.7 und variablem n.

Es muss gelten: P0.7n (X40) ≥ 0.7

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 70% der Versuche mit einem Treffer. Also müssten dann doch bei 40 0.7 ≈ 57 Versuchen auch ungefähr 40 (≈0.7⋅57) Treffer auftreten.

Wir berechnen also mit unserem ersten n=57:
P0.7n (X40) ≈ 0.5613 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.7 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 0.7 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=55 die gesuchte Wahrscheinlichkeit über 70% ist.

Formel v. Bernoulli

Beispiel:

Eine Münze wird 73 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 35 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=73 und p=0.5.

P0.573 (X=35) = ( 73 35 ) 0.535 0.538 =0.087574151735528≈ 0.0876
(TI-Befehl: binompdf(73,0.5,35))

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 9er-Packung mit der mindestens 75% Wahrscheinlichkeit 1 oder mehr Superfiguren enthalten sein. Wenn in jedes n-te Ei eine Superfigur rein soll, wie groß darf dann n höchstens sein?

Lösung einblenden
pP(X≥1)=1-P(X≤0)
......
1 2 0.998
1 3 0.974
1 4 0.9249
1 5 0.8658
1 6 0.8062
1 7 0.7503
1 8 0.6993
......

Die Zufallsgröße X gibt die Anzahl der Eier mit einer Superfigur an. X ist binomialverteilt mit n=9 und unbekanntem Parameter p.

Es muss gelten: Pp9 (X1) = 1- Pp9 (X0) = 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 Pp9 (X1) ('mindestens 1 Treffer bei 9 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 1 2 .

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 1 7 die gesuchte Wahrscheinlichkeit über 75% bleibt.
Der Nenner, also die das wievielte Ei eine Superfigur enthält, darf also höchstens 7 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Ein Promi macht Urlaub in einem Ferienclub. Dort sind noch weitere 81 Gäste. Wie groß darf der Bekanntheitsgrad des Promis höchstens sein, dass ihn mit einer Wahrscheinlichkeit von mindestens 90% nicht mehr als 31 erkennen und dumm anlabern?

Lösung einblenden
pP(X≤k)
......
0.270.9903
0.280.9833
0.290.9727
0.30.9571
0.310.9355
0.320.9066
0.330.8695
......

Es muss gelten: Pp81 (X31) =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(81,X,31) - 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=0.32 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Formel v. Bernoulli

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 74 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so genau 26 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=74 und p= 1 4 .

P 1 4 74 (X=26) = ( 74 26 ) ( 1 4 )26 ( 3 4 )48 =0.014770782868954≈ 0.0148
(TI-Befehl: binompdf(74,1/4,26))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=25%. Wie groß ist die Wahrscheinlichkeit dass er bei 46 Versuchen nicht mehr als 15% von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=46⋅0.25 = 11.5

Die 15% Abweichung wären dann zwischen 85% von 11.5, also 0.85⋅ 11.5 = 9.775 und 115% von 11.5, also 1.15⋅ 11.5 = 13.225

Da die Trefferzahl ja nicht weiter von 11.5 entfernt sein darf als 9.775 bzw. 13.225, muss sie also zwischen 10 und 13 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=46 und p=0.25.

P0.2546 (10X13) =

...
7
8
9
10
11
12
13
14
15
...

P0.2546 (X13) - P0.2546 (X9) ≈ 0.7568 - 0.2531 ≈ 0.5037
(TI-Befehl: binomcdf(46,0.25,13) - binomcdf(46,0.25,9))