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:
In einer Urne ist der Anteil der grünen Kugeln 55%. Wie oft muss mindestens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 90% Wahrscheinlichkeit 30 oder mehr grüne Kugeln gezogen werden?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 58 | 0.2625 |
| 59 | 0.2197 |
| 60 | 0.1817 |
| 61 | 0.1487 |
| 62 | 0.1203 |
| 63 | 0.0964 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der gezogenen grünen Kugeln an und ist im Idealfall binomialverteilt mit p = 0.55 und variablem n.
Es muss gelten: ≥ 0.9
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.9 |+ - 0.9
0.1 ≥ oder ≤ 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 55% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 55 Versuchen auch ungefähr 30 (≈0.55⋅55) Treffer auftreten.
Wir berechnen also mit unserem ersten n=55:
≈ 0.4179
(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=63 die gesuchte Wahrscheinlichkeit unter 0.1 ist.
n muss also mindestens 63 sein, damit ≤ 0.1 oder eben ≥ 0.9 gilt.
kumulierte Binomialverteilung
Beispiel:
Ein Würfel wird 59 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass nicht öfter als 11 mal eine 6 (p=1/6) geworfen wird?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=59 und p=.
= + + +... + = 0.72828830316487 ≈ 0.7283(TI-Befehl: binomcdf(59,1/6,11))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 26 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 70% unter den 26 gezogenen Kugeln nicht mehr als 24 schwarze sind?
| p | P(X≤24) |
|---|---|
| ... | ... |
| 0.9996 | |
| 0.9991 | |
| 0.9982 | |
| 0.9967 | |
| 0.9945 | |
| 0.9916 | |
| 0.9878 | |
| 0.983 | |
| 0.9773 | |
| 0.9707 | |
| 0.9633 | |
| 0.9549 | |
| 0.9458 | |
| 0.936 | |
| 0.9256 | |
| 0.9146 | |
| 0.9031 | |
| 0.8912 | |
| 0.8789 | |
| 0.8664 | |
| 0.8536 | |
| 0.8406 | |
| 0.8275 | |
| 0.8144 | |
| 0.8012 | |
| 0.788 | |
| 0.7748 | |
| 0.7617 | |
| 0.7487 | |
| 0.7358 | |
| 0.7231 | |
| 0.7104 | |
| 0.6979 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=26 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 26 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 39 sein.
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 67 Wiederholungen 50 mal (oder mehr) rot zu treffen bei mind. 50% liegt?
| p | P(X≥50)=1-P(X≤49) |
|---|---|
| ... | ... |
| 0.69 | 0.1951 |
| 0.7 | 0.2472 |
| 0.71 | 0.3067 |
| 0.72 | 0.3728 |
| 0.73 | 0.4438 |
| 0.74 | 0.5178 |
| ... | ... |
Es muss gelten: =0.5 (oder mehr)
oder eben: 1- =0.5 (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(67,X,49) - 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=0.74 die gesuchte Wahrscheinlichkeit über 0.5 ist.
Binomialverteilung X>=k
Beispiel:
Ein Zufallsexperiment wird 37 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,3.
Wie groß ist dabei die Wahrscheinlichkeit, mindestens 15 Treffer zu erzielen?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=37 und p=0.3.
(TI-Befehl: 1-binomcdf(37,0.3,14))
Erwartungswert, Standardabweichung best.
Beispiel:
Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 34 und p = 0.6
Bestimme den Erwartungswert μ und die Standardabweichung σ von X .
Für Erwartungswert und Standardabweichung bei der Binomialverteilung gibt es ja einfache Formeln, in die man einfach n = 34 und p = 0.6 einsetzen muss:
Erwartungswert E(X) = n ⋅ p = 34 ⋅ 0.6 = 20.4
Standardabweichung S(X) = = = ≈ 2.86
