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=0,5.Wie oft muss man das Zufallsexperiment mindestens wiederholen (oder wie groß muss die Stichprobe sein), um mit mind. 80% Wahrscheinlichkeit, mindestens 40 Treffer zu erzielen ?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 82 | 0.3703 |
| 83 | 0.3304 |
| 84 | 0.2928 |
| 85 | 0.2577 |
| 86 | 0.2253 |
| 87 | 0.1956 |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.5 und variablem n.
Es muss gelten: ≥ 0.8
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.8 |+ - 0.8
0.2 ≥ oder ≤ 0.2
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 50% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 80 Versuchen auch ungefähr 40 (≈0.5⋅80) Treffer auftreten.
Wir berechnen also mit unserem ersten n=80:
≈ 0.4555
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.2 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 0.2 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=87 die gesuchte Wahrscheinlichkeit unter 0.2 ist.
n muss also mindestens 87 sein, damit ≤ 0.2 oder eben ≥ 0.8 gilt.
kumulierte Binomialverteilung
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,4. Wie groß ist die Wahrscheinlichkeit bei 61 Versuchen weniger als 29 mal im grünen Bereich zu landen?
Die Zufallsgröße X gibt die Anzahl der Drehungen, die im grünen Bereich landen, an. X ist binomialverteilt mit n=61 und p=0.4.
= = + + +... + = 0.85782717851984 ≈ 0.8578(TI-Befehl: binomcdf(61,0.4,28))
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?
| p | P(X≤24) |
|---|---|
| ... | ... |
| 0.9998 | |
| 0.9996 | |
| 0.9992 | |
| 0.9988 | |
| 0.9981 | |
| 0.9973 | |
| 0.9962 | |
| 0.9949 | |
| 0.9934 | |
| 0.9916 | |
| 0.9895 | |
| 0.9872 | |
| 0.9846 | |
| 0.9818 | |
| 0.9788 | |
| 0.9755 | |
| 0.9721 | |
| 0.9684 | |
| 0.9645 | |
| 0.9605 | |
| 0.9562 | |
| 0.9519 | |
| 0.9474 | |
| 0.9427 | |
| 0.938 | |
| 0.9332 | |
| 0.9282 | |
| 0.9232 | |
| 0.9181 | |
| 0.9129 | |
| 0.9077 | |
| 0.9024 | |
| 0.8971 | |
| 0.8918 | |
| 0.8864 | |
| 0.881 | |
| 0.8756 | |
| 0.8702 | |
| 0.8648 | |
| 0.8594 | |
| 0.854 | |
| 0.8486 | |
| 0.8432 | |
| 0.8378 | |
| 0.8325 | |
| 0.8271 | |
| 0.8218 | |
| 0.8165 | |
| 0.8112 | |
| 0.806 | |
| 0.8008 | |
| 0.7956 | |
| 0.7905 | |
| 0.7854 | |
| 0.7803 | |
| 0.7753 | |
| 0.7703 | |
| 0.7654 | |
| 0.7604 | |
| 0.7556 | |
| 0.7507 | |
| 0.7459 | |
| 0.7412 | |
| 0.7365 | |
| 0.7318 | |
| 0.7272 | |
| 0.7226 | |
| 0.7181 | |
| 0.7136 | |
| 0.7091 | |
| 0.7047 | |
| 0.7003 | |
| 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: = 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 25 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 81 sein.
Binomialvert. mit variabl. p (höchstens) nur GTR
Beispiel:
Eine Fluggesellschaft hat 48 Plätze in ihrem Flugzeug. Trotzdem werden 79 Flugtickets verkauft. Wie hoch darf die Wahrscheinlichkeit, dass ein Ticketkäufer auch tatsächlich mitfliegt, höchstens sein, dass das Flugzeug mit einer Wahrscheinlichkeit von mindestens 90% nicht überbucht ist (also dass alle mitfliegen können)?
| p | P(X≤k) |
|---|---|
| ... | ... |
| 0.49 | 0.9864 |
| 0.5 | 0.9789 |
| 0.51 | 0.9682 |
| 0.52 | 0.9532 |
| 0.53 | 0.9331 |
| 0.54 | 0.9069 |
| 0.55 | 0.8736 |
| ... | ... |
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(79,X,48) - 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.
Formel v. Bernoulli
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 65% entsteht. Es wird eine Stichprobe der Menge 90 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon genau 68 defekte Chips enthalten sind.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=90 und p=0.65.
= =0.009425763094291≈ 0.0094(TI-Befehl: binompdf(90,0.65,68))
Wahrscheinlichkeit von σ-Intervall um μ
Beispiel:
Ein Würfel wird 41 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der gewürfelten 6er nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?
Den Erwartungswert berechnet man mit μ = n⋅p = 41⋅ ≈ 6.83,
die Standardabweichung mit σ =
=
≈ 2.39
9.22 (6.83 + 2.39) und 4.45 (6.83 - 2.39) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 6.83 entfernt.
Das bedeutet, dass genau die Zahlen zwischen 5 und 9 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.
Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 5 und 9 liegt.
Die Zufallsgröße X gibt die Anzahl der Treffer an.
X ist binomialverteilt mit n=41 und p=
(TI-Befehl: binomcdf(41,
