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:
Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,25.Wie oft muss man das Zufallsexperiment mindestens wiederholen (oder wie groß muss die Stichprobe sein), um mit mind. 50% Wahrscheinlichkeit, mindestens 38 Treffer zu erzielen ?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 150 | 0.5063 |
| 151 | 0.4875 |
| 152 | 0.4689 |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.25 und variablem n.
Es muss gelten: ≥ 0.5
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.5 |+ - 0.5
0.5 ≥ oder ≤ 0.5
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 25% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 152 Versuchen auch ungefähr 38 (≈0.25⋅152) Treffer auftreten.
Wir berechnen also mit unserem ersten n=152:
≈ 0.4689
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.5 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 0.5 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=151 die gesuchte Wahrscheinlichkeit unter 0.5 ist.
n muss also mindestens 151 sein, damit ≤ 0.5 oder eben ≥ 0.5 gilt.
Binomialverteilung X>=k
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,55. Wie groß ist die Wahrscheinlichkeit bei 53 Versuchen mindestens 25 mal im grünen Bereich zu landen?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=53 und p=0.55.
(TI-Befehl: 1-binomcdf(53,0.55,24))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 5 rote und einige schwarze Kugeln. Es soll 17 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 70% unter den 17 gezogenen Kugeln nicht mehr als 3 rote sind?
| p | P(X≤3) |
|---|---|
| ... | ... |
| 0.6391 | |
| 0.6649 | |
| 0.6887 | |
| 0.7107 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=17 und unbekanntem Parameter p.
Es muss gelten: =0.7 (oder mehr)
Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 5 sein muss, da es ja genau 5 günstige Fälle gibt.
Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit ('höchstens 3 Treffer bei 17 Versuchen') bei diesen Nennern wird (siehe Tabelle links)
Um einen günstigen Startwert zu finden wählen wir mal als p=. Mit diesem p wäre ja 3=⋅17 der Erwartungswert und somit irgendwo in der nähe von 50%. Wenn wir nun p= mit erweitern (so dass wir auf den Zähler 5 kommen) und den Nenner abrunden, müssten wir mit p= einen brauchbaren Einstiegswert für dieses Probieren erhalten.
In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 70% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens
31 sein.
Also werden noch 26 zusätzliche Optionen (also schwarze Kugeln) benötigt.
Binomialvert. mit variabl. p (höchstens) nur GTR
Beispiel:
Ein Promi macht Urlaub in einem Ferienclub. Dort sind noch weitere 82 Gäste. Wie groß darf der Bekanntheitsgrad des Promis höchstens sein, dass ihn mit einer Wahrscheinlichkeit von mindestens 90% nicht mehr als 44 erkennen und dumm anlabern?
| p | P(X≤k) |
|---|---|
| ... | ... |
| 0.42 | 0.9873 |
| 0.43 | 0.9799 |
| 0.44 | 0.969 |
| 0.45 | 0.9538 |
| 0.46 | 0.9333 |
| 0.47 | 0.9063 |
| 0.48 | 0.872 |
| ... | ... |
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(82,X,44) - 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=0.47 die gesuchte Wahrscheinlichkeit über 0.9 ist.
kumulierte Binomialverteilung
Beispiel:
Ein Würfel wird 46 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass nicht öfter als 12 mal eine 6 (p=1/6) geworfen wird?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=46 und p=.
= + + +... + = 0.96598944650838 ≈ 0.966(TI-Befehl: binomcdf(46,1/6,12))
Binomialvert. Abstand vom Erwartungswert
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,7. Wie groß ist die Wahrscheinlichkeit bei 87 Versuchen, dass die Anzahl der Treffer im grünen Bereich nicht mehr als 20% vom Erwartungswert abweicht?
Den Erwartungswert berechnet man als E=n⋅p=87⋅0.7 = 60.9
Die 20% Abweichung wären dann zwischen 80% von 60.9, also 0.8⋅ 60.9 = 48.72 und 120% von 60.9, also 1.2⋅ 60.9 = 73.08
Da die Trefferzahl ja nicht weiter von 60.9 entfernt sein darf als 48.72 bzw. 73.08, muss sie also zwischen 49 und 73 liegen.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=87 und p=0.7.
=
(TI-Befehl: binomcdf(87,0.7,73) - binomcdf(87,0.7,48))
