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:
In Tschechien gilt absolutes Alkoholverbot in Lokalen für Jugendliche unter 18 Jahren. Ein paar trinkfreudige 17-jährige Jugendliche wollen bei einer Studienfahrt nach Prag trotzdem ihr Glück versuchen. 91% der Gaststätten setzen das Alkoholverbot konsequent um und schenken nur gegen Vorlage einer "ID" (Personalausweis) Bier aus. Wie viele Kneipen müssen die Jugenlichen nun mindestens aufsuchen, damit sie bei einer Kneipentour mit mindestens 70% Wahrscheinlichkeit in mindestens 2 Lokalen nicht mit Nachfragen zu ihrer "ID" gedemütigt werden und in Ruhe ein Bier trinken können?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 22 | 0.3988 |
| 23 | 0.3742 |
| 24 | 0.3508 |
| 25 | 0.3286 |
| 26 | 0.3076 |
| 27 | 0.2876 |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der besuchten Kneipen, die keine "ID" (Personalausweis) verlangen an und ist im Idealfall binomialverteilt mit p = 0.09 und variablem n.
Es muss gelten: ≥ 0.7
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.7 |+ - 0.7
0.3 ≥ oder ≤ 0.3
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 9% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 22 Versuchen auch ungefähr 2 (≈0.09⋅22) Treffer auftreten.
Wir berechnen also mit unserem ersten n=22:
≈ 0.3988
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.3 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 0.3 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=27 die gesuchte Wahrscheinlichkeit unter 0.3 ist.
n muss also mindestens 27 sein, damit ≤ 0.3 oder eben ≥ 0.7 gilt.
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 64 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so genau 11 Fragen richtig beantwortet hat?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=64 und p=.
= =0.042356880983768≈ 0.0424(TI-Befehl: binompdf(64,1/4,11))
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 7er-Packung mit der mindestens 50% Wahrscheinlichkeit 1 oder mehr Superfiguren enthalten sein. Wenn in jedes n-te Ei eine Superfigur rein soll, wie groß darf dann n höchstens sein?
| p | P(X≥1)=1-P(X≤0) |
|---|---|
| ... | ... |
| 0.9922 | |
| 0.9415 | |
| 0.8665 | |
| 0.7903 | |
| 0.7209 | |
| 0.6601 | |
| 0.6073 | |
| 0.5615 | |
| 0.5217 | |
| 0.4868 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der Eier mit einer Superfigur an. X ist binomialverteilt mit n=7 und unbekanntem Parameter p.
Es muss gelten: = 1- = 0.5 (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 ('mindestens 1 Treffer bei 7 Versuchen') bei diesen Nennern wird (siehe Tabelle links)
Als Startwert wählen wir als p=.
In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 50% bleibt.
Der Nenner, also die das wievielte Ei eine Superfigur enthält, darf also höchstens
10 sein.
Binomialvert. mit variabl. p (mind.) nur GTR
Beispiel:
Ein Basketballtrainer sucht einen neuen Spieler, der mit 50% Wahrscheinlichkeit von 56 Freiwürfen mindestens 33 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?
| p | P(X≥33)=1-P(X≤32) |
|---|---|
| ... | ... |
| 0.53 | 0.1831 |
| 0.54 | 0.2256 |
| 0.55 | 0.2732 |
| 0.56 | 0.3255 |
| 0.57 | 0.3815 |
| 0.58 | 0.4403 |
| ... | ... |
Es muss gelten: =0.5 (oder mehr)
oder eben: 1- =0.5 (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,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=0.58 die gesuchte Wahrscheinlichkeit über 0.5 ist.
kumulierte Binomialverteilung
Beispiel:
Ein Würfel wird 27 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass nicht öfter als 4 mal eine 6 (p=1/6) geworfen wird?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=27 und p=.
= + + +... + = 0.52354743407478 ≈ 0.5235(TI-Befehl: binomcdf(27,1/6,4))
Wahrscheinlichkeit von σ-Intervall um μ
Beispiel:
Ein Basketballspieler hat eine Trefferquote von p=35%. Wie groß ist die Wahrscheinlichkeit dass bei 96 Versuchen die Anzahl seiner Treffer um nicht mehr als eine Standardabweichung von seinem Erwartungswert abweicht?
Den Erwartungswert berechnet man mit μ = n⋅p = 96⋅0.35 ≈ 33.6,
die Standardabweichung mit σ =
=
≈ 4.67
38.27 (33.6 + 4.67) und 28.93 (33.6 - 4.67) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 33.6 entfernt.
Das bedeutet, dass genau die Zahlen zwischen 29 und 38 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.
Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 29 und 38 liegt.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=96 und p=0.35.
=
(TI-Befehl: binomcdf(96,0.35,38) - binomcdf(96,0.35,28))
