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:

Eine Fluggesellschaft geht davon aus, dass 10% der gekauften Tickets gar nicht eingelöst werden. Wieviel Tickets kann sie für ihre 37-Platzmaschine höchstens verkaufen, so dass es zu mindestens 70% Wahrscheinlichkeit zu keiner Überbelegung kommt.

Lösung einblenden
nP(X≤k)
......
400.7772
410.5969
......

Die Zufallsgröße X gibt die Anzahl der Ticketbesitzer, die tatsächlich fliegen an und ist im Idealfall binomialverteilt mit p = 0.9 und variablem n.

Es muss gelten: P0.9n (X37) ≥ 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 90% der Versuche mit einem Treffer. Also müssten dann doch bei 37 0.9 ≈ 41 Versuchen auch ungefähr 37 (≈0.9⋅41) Treffer auftreten.

Wir berechnen also mit unserem ersten n=41:
P0.9n (X37) ≈ 0.5969 (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=40 die gesuchte Wahrscheinlichkeit über 70% ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Würfel wird 65 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 11 mal, aber weniger als 14 mal eine sechs gewürfelt wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=65 und p= 1 6 .

P 1 6 65 (12X13) =

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

P 1 6 65 (X13) - P 1 6 65 (X11) ≈ 0.815 - 0.6014 ≈ 0.2136
(TI-Befehl: binomcdf(65, 1 6 ,13) - binomcdf(65, 1 6 ,11))

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 6 Preise gesammelt. Sie erwarten, dass das Glücksrad beim Schulfest 85 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 6 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 80% für die 85 Durchgänge reichen?

Lösung einblenden
pP(X≤6)
......
1 14 0.5945
1 15 0.6616
1 16 0.7187
1 17 0.7667
1 18 0.8067
......

Die Zufallsgröße X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=85 und unbekanntem Parameter p.

Es muss gelten: Pp85 (X6) =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 Pp85 (X6) ('höchstens 6 Treffer bei 85 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 6 85 . Mit diesem p wäre ja 6= 6 85 ⋅85 der Erwartungswert und somit Pp85 (X6) irgendwo in der nähe von 50%. Wenn wir nun p= 6 85 mit 1 6 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 14 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 18 die gesuchte Wahrscheinlichkeit über 80% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens 18 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Eine Fluggesellschaft hat 22 Plätze in ihrem Flugzeug. Trotzdem werden 66 Flugtickets verkauft. Wie hoch darf die Wahrscheinlichkeit, dass ein Ticketkäufer auch tatsächlich mitfliegt, höchstens sein, dass das Flugzeug mit einer Wahrscheinlichkeit von mindestens 90% nicht überbucht ist (also dass alle mitfliegen können)?

Lösung einblenden
pP(X≤k)
......
0.220.9885
0.230.9806
0.240.969
0.250.9524
0.260.93
0.270.9007
0.280.8641
......

Es muss gelten: Pp66 (X22) =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(66,X,22) - 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=0.27 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Würfel wird 50 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 6 mal, aber weniger als 9 mal eine sechs gewürfelt wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=50 und p= 1 6 .

P 1 6 50 (7X8) =

...
4
5
6
7
8
9
10
...

P 1 6 50 (X8) - P 1 6 50 (X6) ≈ 0.5421 - 0.2506 ≈ 0.2915
(TI-Befehl: binomcdf(50, 1 6 ,8) - binomcdf(50, 1 6 ,6))

Binomialvert. Abstand vom Erwartungswert

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=0,35 entsteht. Es wird eine Stichprobe der Menge 46 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips nicht mehr als 20% vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=46⋅0.35 = 16.1

Die 20% Abweichung wären dann zwischen 80% von 16.1, also 0.8⋅ 16.1 = 12.88 und 120% von 16.1, also 1.2⋅ 16.1 = 19.32

Da die Trefferzahl ja nicht weiter von 16.1 entfernt sein darf als 12.88 bzw. 19.32, muss sie also zwischen 13 und 19 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=46 und p=0.35.

P0.3546 (13X19) =

...
10
11
12
13
14
15
16
17
18
19
20
21
...

P0.3546 (X19) - P0.3546 (X12) ≈ 0.8531 - 0.1319 ≈ 0.7212
(TI-Befehl: binomcdf(46,0.35,19) - binomcdf(46,0.35,12))