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 29 Nasen hat.

Lösung einblenden
nP(X≤k)
......
460.3282
470.2625
480.2056
490.1578
500.1187
510.0877
......

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 (X≥29) ≥ 0.9

Weil man ja aber P0.65n (X≥29) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.65n (X≥29) = 1 - P0.65n (X≤28) ≥ 0.9 |+ P0.65n (X≤28) - 0.9

0.1 ≥ P0.65n (X≤28) oder P0.65n (X≤28) ≤ 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 29 0.65 ≈ 45 Versuchen auch ungefähr 29 (≈0.65⋅45) Treffer auftreten.

Wir berechnen also mit unserem ersten n=45:
P0.65n (X≤28) ≈ 0.4017 (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=51 die gesuchte Wahrscheinlichkeit unter 0.1 ist.

n muss also mindestens 51 sein, damit P0.65n (X≤28) ≤ 0.1 oder eben P0.65n (X≥29) ≥ 0.9 gilt.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, mehr als 19 und höchstens 21 Glückskekse mit einer Peproni zu erwischen, wenn man 98 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=98 und p=0.125.

P0.12598 (20≤X≤21) =

...
17
18
19
20
21
22
23
...

P0.12598 (X≤21) - P0.12598 (X≤19) ≈ 0.9957 - 0.9821 ≈ 0.0136
(TI-Befehl: binomcdf(98,0.125,21) - binomcdf(98,0.125,19))

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 7 Preise gesammelt. Sie erwarten, dass das Glücksrad beim Schulfest 55 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 7 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 70% für die 55 Durchgänge reichen?

Lösung einblenden
pP(X≤7)
......
1 7 0.4636
1 8 0.6188
1 9 0.7363
......

Die Zufallsgröße X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=55 und unbekanntem Parameter p.

Es muss gelten: Pp55 (X≤7) =0.7 (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 Pp55 (X≤7) ('höchstens 7 Treffer bei 55 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 7 55 . Mit diesem p wäre ja 7= 7 55 ⋅55 der Erwartungswert und somit Pp55 (X≤7) irgendwo in der nähe von 50%. Wenn wir nun p= 7 55 mit 1 7 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 7 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 9 die gesuchte Wahrscheinlichkeit über 70% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens 9 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Eine Fluggesellschaft hat 62 Plätze in ihrem Flugzeug. Trotzdem werden 76 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)=1-P(X≤k-1)
......
0.710.9876
0.720.9802
0.730.9693
0.740.9536
0.750.9315
0.760.9016
0.770.8623
......

Es muss gelten: Pp76 (X≤62) =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(76,X,62) - 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=0.76 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X>=k

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=0,16 entsteht. Es wird eine Stichprobe der Menge 96 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon 7 oder sogar noch mehr Chips defekt sind?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=96 und p=0.16.

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

P0.1696 (X≥7) = 1 - P0.1696 (X≤6) = 0.9965
(TI-Befehl: 1-binomcdf(96,0.16,6))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,25. Wie groß ist die Wahrscheinlichkeit bei 54 Versuchen, dass die Anzahl der Treffer im grünen Bereich nicht mehr als 20% vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=54⋅0.25 = 13.5

Die 20% Abweichung wären dann zwischen 80% von 13.5, also 0.8⋅ 13.5 = 10.8 und 120% von 13.5, also 1.2⋅ 13.5 = 16.2

Da die Trefferzahl ja nicht weiter von 13.5 entfernt sein darf als 10.8 bzw. 16.2, muss sie also zwischen 11 und 16 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=54 und p=0.25.

P0.2554 (11≤X≤16) =

...
8
9
10
11
12
13
14
15
16
17
18
...

P0.2554 (X≤16) - P0.2554 (X≤10) ≈ 0.828 - 0.1735 ≈ 0.6545
(TI-Befehl: binomcdf(54,0.25,16) - binomcdf(54,0.25,10))