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:
Wie oft muss man mit einem normalen Würfel mindestens würfeln, um mit einer Wahrscheinlichkeit von mindestens 70% 32 oder mehr 6er zu erzielen?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 202 | 0.3478 |
| 203 | 0.3364 |
| 204 | 0.3253 |
| 205 | 0.3143 |
| 206 | 0.3035 |
| 207 | 0.2929 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der gewürfelten 6er an und ist im Idealfall binomialverteilt mit p = 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 der Versuche mit einem Treffer.
Also müssten dann doch bei ≈ 192 Versuchen auch ungefähr 32
(≈
Wir berechnen also mit unserem ersten n=192:
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=207 die gesuchte Wahrscheinlichkeit unter 0.3 ist.
n muss also mindestens 207 sein, damit
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=0,18 entsteht. Es wird eine Stichprobe der Menge 38 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon 4 oder sogar noch mehr Chips defekt sind?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=38 und p=0.18.
(TI-Befehl: 1-binomcdf(38,0.18,3))
Binomialvert. mit variablem p (diskret)
Beispiel:
Ein neuer Multiple Choice Test mit 13 verschiedenen Fragen soll entwickelt werden. Dabei muss immer genau eine von mehreren Antwortmöglichkeiten richtig sein. Die Anzahl an Antwortmöglichkeiten soll bei allen Fragen gleich sein. Insgesamt soll der Test so konzipiert sein, dass die Wahrscheinlichkeit mehr als 2 Fragen nur durch Raten zufällig richtig zu beantworten (obwohl man keinerlei Wissen hat) bei höchstens 30% liegt. Bestimme die hierfür notwendige Mindestanzahl an Antwortmöglichkeiten bei jeder Frage.
| p | P(X≤2) |
|---|---|
| ... | ... |
| 0.6281 | |
| 0.7189 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der zufällig richtig geratenenen Antworten an. X ist binomialverteilt mit n=13 und unbekanntem Parameter p.
Es muss gelten:
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
Um einen günstigen Startwert zu finden wählen wir mal als p=
In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p=
Der Nenner, also die Anzahl der Antwortmöglichkeiten, muss also mindestens
7 sein.
Binomialvert. mit variabl. p (höchstens) nur GTR
Beispiel:
Eine Produktionsstätte für HighTech-Chips hat Probleme mit der Qualitätssicherung. Ein Großhändler nimmt die übliche Liefermenge von 75 Stück nur an, wenn nicht mehr als 46 Teile defekt sind. Wie hoch darf der Prozentsatz der fehlerhaften Teile höchstens sein, dass eine Lieferung mit einer Wahrscheinlichkeit von mind. 90% angenommen werden.
| p | P(X≤k) |
|---|---|
| ... | ... |
| 0.49 | 0.9881 |
| 0.5 | 0.9815 |
| 0.51 | 0.9721 |
| 0.52 | 0.9591 |
| 0.53 | 0.9415 |
| 0.54 | 0.9184 |
| 0.55 | 0.889 |
| ... | ... |
Es muss gelten:
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(75,X,46) - 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=0.54 die gesuchte Wahrscheinlichkeit über 0.9 ist.
Binomialverteilung X ∈ [l;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=0,55 entsteht. Es wird eine Stichprobe der Menge 45 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips mindestens 24 und höchstens 26 beträgt?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=45 und p=0.55.
(TI-Befehl: binomcdf(45,0.55,26) - binomcdf(45,0.55,23))
Binomialvert. Abstand vom Erwartungswert
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=0,25 entsteht. Es wird eine Stichprobe der Menge 77 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips nicht mehr als 10% vom Erwartungswert abweicht?
Den Erwartungswert berechnet man als E=n⋅p=77⋅0.25 = 19.25
Die 10% Abweichung wären dann zwischen 90% von 19.25, also 0.9⋅ 19.25 = 17.325 und 110% von 19.25, also 1.1⋅ 19.25 = 21.175
Da die Trefferzahl ja nicht weiter von 19.25 entfernt sein darf als 17.325 bzw. 21.175, muss sie also zwischen 18 und 21 liegen.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=77 und p=0.25.
(TI-Befehl: binomcdf(77,0.25,21) - binomcdf(77,0.25,17))
