Aufgabenbeispiele von Wiederholung aus 9/10

Durch Aktualisieren des Browsers (z.B. mit Taste F5) kann man neue Beispielaufgaben sehen


Binomialvert. mit variablem n (höchst.)

Beispiel:

In einer Urne ist der Anteil der grünen Kugeln 15%. Wie oft darf höchstens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 60% Wahrscheinlichkeit nicht mehr als 22 grüne Kugeln gezogen werden?

Lösung einblenden
nP(X≤k)
......
1430.607
1440.5933
1450.5795
1460.5658
1470.552
......

Die Zufallsgröße X gibt Anzahl der gezogenen grünen Kugeln an und ist im Idealfall binomialverteilt mit p = 0.15 und variablem n.

Es muss gelten: P0.15n (X22) ≥ 0.6

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 15% der Versuche mit einem Treffer. Also müssten dann doch bei 22 0.15 ≈ 147 Versuchen auch ungefähr 22 (≈0.15⋅147) Treffer auftreten.

Wir berechnen also mit unserem ersten n=147:
P0.15n (X22) ≈ 0.552 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.6 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 0.6 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=143 die gesuchte Wahrscheinlichkeit über 60% ist.

Formel v. Bernoulli

Beispiel:

In einer Urne sind 7 blaue und 3 rote Kugeln. Es wird 48 mal eine Kugel gezogen. Nach jedem Ziehen wird die Kugel wieder zurückgelegt. Wie groß ist die Wahrscheinlichkeit dass genau 36 mal eine blaue Kugel gezogen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=48 und p=0.7.

P0.748 (X=36) = ( 48 36 ) 0.736 0.312 =0.098179580485199≈ 0.0982
(TI-Befehl: binompdf(48,0.7,36))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 3 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 75% unter den 17 gezogenen Kugeln nicht mehr als 6 rote sind?

Lösung einblenden
pP(X≤6)
......
3 8 0.5333
3 9 0.6739
3 10 0.7752
......

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: Pp17 (X6) =0.75 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 3 sein muss, da es ja genau 3 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp17 (X6) ('höchstens 6 Treffer bei 17 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 6 17 . Mit diesem p wäre ja 6= 6 17 ⋅17 der Erwartungswert und somit Pp17 (X6) irgendwo in der nähe von 50%. Wenn wir nun p= 6 17 mit 3 6 erweitern (so dass wir auf den Zähler 3 kommen) und den Nenner abrunden, müssten wir mit p= 3 8 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 3 10 die gesuchte Wahrscheinlichkeit über 75% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 10 sein.

Also werden noch 7 zusätzliche Optionen (also schwarze Kugeln) benötigt.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Bei einem Glücksrad soll mit einer Wahrscheinlichkeit von 90% bei 43 Ausspielungen nicht öfters als 39 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)
......
0.80.9822
0.810.9745
0.820.9637
0.830.9491
0.840.9294
0.850.9036
0.860.8701
......

Es muss gelten: Pp43 (X39) =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(43,X,39) - 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=0.85 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 80% von der Freiwurflinie. Wie groß ist die Wahrscheinlichkeit dass er von 64 Versuchen mindestens 46 und weniger als 59 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=64 und p=0.8.

P0.864 (46X58) =

...
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
...

P0.864 (X58) - P0.864 (X45) ≈ 0.9933 - 0.0421 ≈ 0.9512
(TI-Befehl: binomcdf(64,0.8,58) - binomcdf(64,0.8,45))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 76 und p = 0.7
Bestimme den Erwartungswert μ und die Standardabweichung σ von X .

Lösung einblenden

Für Erwartungswert und Standardabweichung bei der Binomialverteilung gibt es ja einfache Formeln, in die man einfach n = 76 und p = 0.7 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 76 ⋅ 0.7 = 53.2

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 76 ⋅ 0.7 ⋅ 0.3 = 15.96 3.99