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?

Lösung einblenden
nP(X≤k)
......
120.6323
130.2794
......

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: P0.92n (X≥12) ≥ 0.7

Weil man ja aber P0.92n (X≥12) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.92n (X≥12) = 1 - P0.92n (X≤11) ≥ 0.7 |+ P0.92n (X≤11) - 0.7

0.3 ≥ P0.92n (X≤11) oder P0.92n (X≤11) ≤ 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 12 0.92 ≈ 13 Versuchen auch ungefähr 12 (≈0.92⋅13) Treffer auftreten.

Wir berechnen also mit unserem ersten n=13:
P0.92n (X≤11) ≈ 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 P0.92n (X≤11) ≤ 0.3 oder eben P0.92n (X≥12) ≥ 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?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=95 und p= 1 6 .

P 1 6 95 (8≤X≤22) =

...
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
...

P 1 6 95 (X≤22) - P 1 6 95 (X≤7) ≈ 0.9622 - 0.0067 ≈ 0.9555
(TI-Befehl: binomcdf(95, 1 6 ,22) - binomcdf(95, 1 6 ,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?

Lösung einblenden
pP(X≤24)
......
10 14 0.9998
11 15 0.9996
12 16 0.9992
13 17 0.9988
14 18 0.9981
15 19 0.9973
16 20 0.9962
17 21 0.9949
18 22 0.9934
19 23 0.9916
20 24 0.9895
21 25 0.9872
22 26 0.9846
23 27 0.9818
24 28 0.9788
25 29 0.9755
26 30 0.9721
27 31 0.9684
28 32 0.9645
29 33 0.9605
30 34 0.9562
31 35 0.9519
32 36 0.9474
33 37 0.9427
34 38 0.938
35 39 0.9332
36 40 0.9282
37 41 0.9232
38 42 0.9181
39 43 0.9129
40 44 0.9077
41 45 0.9024
42 46 0.8971
43 47 0.8918
44 48 0.8864
45 49 0.881
46 50 0.8756
47 51 0.8702
48 52 0.8648
49 53 0.8594
50 54 0.854
51 55 0.8486
52 56 0.8432
53 57 0.8378
54 58 0.8325
55 59 0.8271
56 60 0.8218
57 61 0.8165
58 62 0.8112
59 63 0.806
60 64 0.8008
61 65 0.7956
62 66 0.7905
63 67 0.7854
64 68 0.7803
65 69 0.7753
66 70 0.7703
67 71 0.7654
68 72 0.7604
69 73 0.7556
70 74 0.7507
71 75 0.7459
72 76 0.7412
73 77 0.7365
74 78 0.7318
75 79 0.7272
76 80 0.7226
77 81 0.7181
78 82 0.7136
79 83 0.7091
80 84 0.7047
81 85 0.7003
82 86 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: Pp25 (X≤24) = 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 Pp25 (X≤24) ('höchstens 24 Treffer bei 25 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 10 14 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 81 85 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?

Lösung einblenden
pP(X≥k)=1-P(X≤k-1)
......
0.350.9829
0.360.9755
0.370.9659
0.380.9534
0.390.9376
0.40.9181
0.410.8945
......

Es muss gelten: Pp47 (X≤23) =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)

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=70 und p=0.125.

...
13
14
15
16
17
18
...

P0.12570 (X≥16) = 1 - P0.12570 (X≤15) = 0.0115
(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?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=59⋅ 1 6 = 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= 1 6 .

P 1 6 59 (8≤X≤11) =

...
5
6
7
8
9
10
11
12
13
...

P 1 6 59 (X≤11) - P 1 6 59 (X≤7) ≈ 0.7283 - 0.2113 ≈ 0.517
(TI-Befehl: binomcdf(59, 1 6 ,11) - binomcdf(59, 1 6 ,7))