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:

Der, dessen Name nicht genannt werden darf, testet Zauber um seine Nase wiederherzustellen. Ein solcher Versuch endet zu 35% mit einer Konfettiexplosion. Wie viele Versuche muss er mindestens machen, damit er mit einer Wahrscheinlichkeit von mindestens 90% mindestens 22 Nasen hat.

Lösung einblenden
nP(X≤k)
......
340.4081
350.324
360.2505
370.1887
380.1387
390.0996
......

Die Zufallsgröße X gibt die Anzahl der geglückten Nasen-Zauberversuche an und ist im Idealfall binomialverteilt mit p = 0.65 und variablem n.

Es muss gelten: P0.65n (X22) ≥ 0.9

Weil man ja aber P0.65n (X22) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.65n (X22) = 1 - P0.65n (X21) ≥ 0.9 |+ P0.65n (X21) - 0.9

0.1 ≥ P0.65n (X21) oder P0.65n (X21) ≤ 0.1

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 65% der Versuche mit einem Treffer. Also müssten dann doch bei 22 0.65 ≈ 34 Versuchen auch ungefähr 22 (≈0.65⋅34) Treffer auftreten.

Wir berechnen also mit unserem ersten n=34:
P0.65n (X21) ≈ 0.4081 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.1 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 0.1 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=39 die gesuchte Wahrscheinlichkeit unter 0.1 ist.

n muss also mindestens 39 sein, damit P0.65n (X21) ≤ 0.1 oder eben P0.65n (X22) ≥ 0.9 gilt.

kumulierte Binomialverteilung

Beispiel:

Eine Münze wird 23 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass weniger als 15 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Würfe mit Zahl an. X ist binomialverteilt mit n=23 und p=0.5.

P0.523 (X<15) = P0.523 (X14) = P0.523 (X=0) + P0.523 (X=1) + P0.523 (X=2) +... + P0.523 (X=14) = 0.89498019218445 ≈ 0.895
(TI-Befehl: binomcdf(23,0.5,14))

Binomialvert. mit variablem p (diskret)

Beispiel:

Die Homepage-AG einer Schule möchte auf der Startseite der Internetseite der Schule ein Zufallsbild integrieren. Dabei soll bei jedem Aufruf der Startseite ein zufälliges Bild aus einer Bilderdatenbank gezeigt werden. Alle Bilder der Datenbank sind immer gleich wahrscheinlich. Auf 2 Bildern der Datenbank sind Mitglieder der Homepage-AG zu sehen. Es wird geschätzt, dass die Seite täglich 60 mal aufgerufen wird. Die Mitglieder der Homepage-AG wollen dass mit mindestens 85%-iger Wahrscheinlichkiet mindestens 10 mal am Tag eines ihrer eigenen 2 Bilder erscheint. Wie viele andere Bilder dürfen dann höchstens noch in der Datenbank sein?

Lösung einblenden
pP(X≥10)=1-P(X≤9)
......
2 6 0.9988
2 7 0.989
2 8 0.9548
2 9 0.8861
2 10 0.7868
......

Die Zufallsgröße X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=60 und unbekanntem Parameter p.

Es muss gelten: Pp60 (X10) = 1- Pp60 (X9) = 0.85 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 2 sein muss, da es ja genau 2 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp60 (X10) ('mindestens 10 Treffer bei 60 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 2 6 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 2 9 die gesuchte Wahrscheinlichkeit über 85% bleibt.
Der Nenner, also die Anzahl aller Bilder in der Datenbank, darf also höchstens 9 sein.

Also wären noch 7 zusätzliche Optionen (also weitere Bilder) zulässig.

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

Beispiel:

Ein Glücksrad soll mit nur zwei verschiedenen Sektoren (blau und rot) gebaut werden. Wie hoch muss man die Einzelwahrscheinlichkeit p mindestens wählen, dass die Wahrscheinlichkeit bei 85 Wiederholungen 28 mal (oder mehr) rot zu treffen bei mind. 90% liegt?

Lösung einblenden
pP(X≥28)=1-P(X≤27)
......
0.350.6924
0.360.7564
0.370.812
0.380.8586
0.390.8966
0.40.9263
......

Es muss gelten: Pp85 (X28) =0.9 (oder mehr)

oder eben: 1- Pp85 (X27) =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(85,X,27) - 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=0.4 die gesuchte Wahrscheinlichkeit über 0.9 ist.

kumulierte Binomialverteilung

Beispiel:

Eine Münze wird 90 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass weniger als 55 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Würfe mit Zahl an. X ist binomialverteilt mit n=90 und p=0.5.

P0.590 (X<55) = P0.590 (X54) = P0.590 (X=0) + P0.590 (X=1) + P0.590 (X=2) +... + P0.590 (X=54) = 0.97770123768604 ≈ 0.9777
(TI-Befehl: binomcdf(90,0.5,54))

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=0,55 entsteht. Es wird eine Stichprobe der Menge 48 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips nicht mehr als 10% vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=48⋅0.55 = 26.4

Die 10% Abweichung wären dann zwischen 90% von 26.4, also 0.9⋅ 26.4 = 23.76 und 110% von 26.4, also 1.1⋅ 26.4 = 29.04

Da die Trefferzahl ja nicht weiter von 26.4 entfernt sein darf als 23.76 bzw. 29.04, muss sie also zwischen 24 und 29 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=48 und p=0.55.

P0.5548 (24X29) =

...
21
22
23
24
25
26
27
28
29
30
31
...

P0.5548 (X29) - P0.5548 (X23) ≈ 0.8154 - 0.1998 ≈ 0.6156
(TI-Befehl: binomcdf(48,0.55,29) - binomcdf(48,0.55,23))