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:
Beim Biberacher Schützenfest läuft ein 12-köpfiger historischer Spielmannszug mit, der an die Schweden während des 30-Jährigen Kriegs erinnert. Dabei feiern dessen Mitglieder manchmal so ausgelassen, dass die Wahrscheinlichkeit eines Ausfall beim Umzug wegen unverhältnismäßig exzessiven Alkoholgenuss bei 8% liegt. Wie viele Schwedenmusiker muss die Schützendirektion mindestens ausbilden, damit beim Umzug mit mindestens 70%-iger Wahrscheinlichkeit mindestens 12 Schweden einsatzfähig sind?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 12 | 0.6323 |
| 13 | 0.2794 |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der einsatzfähigen Schwedenmusiker an und ist im Idealfall binomialverteilt mit p = 0.92 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 92% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 13 Versuchen auch ungefähr 12 (≈0.92⋅13) Treffer auftreten.
Wir berechnen also mit unserem ersten n=13:
≈ 0.2794
(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=13 die gesuchte Wahrscheinlichkeit unter 0.3 ist.
n muss also mindestens 13 sein, damit ≤ 0.3 oder eben ≥ 0.7 gilt.
Binomialverteilung X ∈ [l;k]
Beispiel:
Ein Würfel wird 95 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 7 mal, aber weniger als 23 mal eine sechs gewürfelt wird?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=95 und p=.
=
(TI-Befehl: binomcdf(95,,22) - binomcdf(95,,7))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 25 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 70% unter den 25 gezogenen Kugeln nicht mehr als 24 schwarze sind?
| p | P(X≤24) |
|---|---|
| ... | ... |
| 0.9998 | |
| 0.9996 | |
| 0.9992 | |
| 0.9988 | |
| 0.9981 | |
| 0.9973 | |
| 0.9962 | |
| 0.9949 | |
| 0.9934 | |
| 0.9916 | |
| 0.9895 | |
| 0.9872 | |
| 0.9846 | |
| 0.9818 | |
| 0.9788 | |
| 0.9755 | |
| 0.9721 | |
| 0.9684 | |
| 0.9645 | |
| 0.9605 | |
| 0.9562 | |
| 0.9519 | |
| 0.9474 | |
| 0.9427 | |
| 0.938 | |
| 0.9332 | |
| 0.9282 | |
| 0.9232 | |
| 0.9181 | |
| 0.9129 | |
| 0.9077 | |
| 0.9024 | |
| 0.8971 | |
| 0.8918 | |
| 0.8864 | |
| 0.881 | |
| 0.8756 | |
| 0.8702 | |
| 0.8648 | |
| 0.8594 | |
| 0.854 | |
| 0.8486 | |
| 0.8432 | |
| 0.8378 | |
| 0.8325 | |
| 0.8271 | |
| 0.8218 | |
| 0.8165 | |
| 0.8112 | |
| 0.806 | |
| 0.8008 | |
| 0.7956 | |
| 0.7905 | |
| 0.7854 | |
| 0.7803 | |
| 0.7753 | |
| 0.7703 | |
| 0.7654 | |
| 0.7604 | |
| 0.7556 | |
| 0.7507 | |
| 0.7459 | |
| 0.7412 | |
| 0.7365 | |
| 0.7318 | |
| 0.7272 | |
| 0.7226 | |
| 0.7181 | |
| 0.7136 | |
| 0.7091 | |
| 0.7047 | |
| 0.7003 | |
| 0.696 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=25 und unbekanntem Parameter p.
Es muss gelten: = 0.7 (oder mehr)
Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 4 größer sein muss als der Zähler.
Deswegen erhöhen wir nun schrittweise immer den Zähler und Nenner bei der Einzelwahrscheinlichkeit um 1 und probieren aus, wie sich das auf die gesuchte Wahrscheinlichkeit ('höchstens 24 Treffer bei 25 Versuchen') auswirkt (siehe Tabelle links)
Als Startwert wählen wir als p=. (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)
In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 70% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 81 sein.
Binomialvert. mit variabl. p (höchstens) nur GTR
Beispiel:
Bei einem Glücksrad soll mit einer Wahrscheinlichkeit von 90% bei 47 Ausspielungen nicht öfters als 23 mal der grüne Bereich kommen. Wie hoch darf man die Wahrscheinlichkeit für den grünen Bereich auf dem Glücksrad maximal setzen?
| p | P(X≥k)=1-P(X≤k-1) |
|---|---|
| ... | ... |
| 0.35 | 0.9829 |
| 0.36 | 0.9755 |
| 0.37 | 0.9659 |
| 0.38 | 0.9534 |
| 0.39 | 0.9376 |
| 0.4 | 0.9181 |
| 0.41 | 0.8945 |
| ... | ... |
Es muss gelten: =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(47,X,23) - 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=0.4 die gesuchte Wahrscheinlichkeit über 0.9 ist.
Binomialverteilung X>=k
Beispiel:
Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, 16 oder mehr Glückskekse mit einer Peproni zu erwischen, wenn man 70 Glückskekse kauft?
(Bitte auf 4 Stellen nach dem Komma runden)
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=70 und p=0.125.
(TI-Befehl: 1-binomcdf(70,0.125,15))
Binomialvert. Abstand vom Erwartungswert
Beispiel:
Ein Würfel wird 59 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der gewürfelten 6er nicht mehr als 20% vom Erwartungswert abweicht?
Den Erwartungswert berechnet man als E=n⋅p=59⋅ = 9.8333333333333
Die 20% Abweichung wären dann zwischen 80% von 9.833, also 0.8⋅ 9.833 = 7.867 und 120% von 9.8333333333333, also 1.2⋅ 9.833 = 11.8
Da die Trefferzahl ja nicht weiter von 9.8333333333333 entfernt sein darf als 7.867 bzw. 11.8, muss sie also zwischen 8 und 11 liegen.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=59 und p=.
=
(TI-Befehl: binomcdf(59,,11) - binomcdf(59,,7))
