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 Glücksrad, ist die Wahrscheinlichkeit in den grünen Bereich zu kommen p=0,15. Wie oft muss man dieses Glückrad mindestens drehen, um mit einer Wahrscheinlichkeit von mindestens 80% 28 mal oder öfters in den grünen Bereich zu kommen?

Lösung einblenden
nP(X≤k)
......
2080.2397
2090.231
2100.2225
2110.2142
2120.2061
2130.1982
......

Die Zufallsgröße X gibt Anzahl der Drehungen, die im grünen Bereich landen an und ist im Idealfall binomialverteilt mit p = 0.15 und variablem n.

Es muss gelten: P0.15n (X≥28) ≥ 0.8

Weil man ja aber P0.15n (X≥28) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.15n (X≥28) = 1 - P0.15n (X≤27) ≥ 0.8 |+ P0.15n (X≤27) - 0.8

0.2 ≥ P0.15n (X≤27) oder P0.15n (X≤27) ≤ 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 15% der Versuche mit einem Treffer. Also müssten dann doch bei 28 0.15 ≈ 187 Versuchen auch ungefähr 28 (≈0.15⋅187) Treffer auftreten.

Wir berechnen also mit unserem ersten n=187:
P0.15n (X≤27) ≈ 0.4646 (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=213 die gesuchte Wahrscheinlichkeit unter 0.2 ist.

n muss also mindestens 213 sein, damit P0.15n (X≤27) ≤ 0.2 oder eben P0.15n (X≥28) ≥ 0.8 gilt.

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=0,65 entsteht. Es wird eine Stichprobe der Menge 97 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips mindestens 54 und höchstens 72 beträgt?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=97 und p=0.65.

P0.6597 (54≤X≤72) =

...
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
...

P0.6597 (X≤72) - P0.6597 (X≤53) ≈ 0.9799 - 0.0224 ≈ 0.9575
(TI-Befehl: binomcdf(97,0.65,72) - binomcdf(97,0.65,53))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 5 rote und einige schwarze Kugeln. Es soll 11 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 90% unter den 11 gezogenen Kugeln nicht mehr als 3 rote sind?

Lösung einblenden
pP(X≤3)
......
5 18 0.6345
5 19 0.6765
5 20 0.7133
5 21 0.7455
5 22 0.7737
5 23 0.7983
5 24 0.8199
5 25 0.8389
5 26 0.8555
5 27 0.8701
5 28 0.883
5 29 0.8944
5 30 0.9044
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=11 und unbekanntem Parameter p.

Es muss gelten: Pp11 (X≤3) =0.9 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 5 sein muss, da es ja genau 5 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp11 (X≤3) ('höchstens 3 Treffer bei 11 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 3 11 . Mit diesem p wäre ja 3= 3 11 ⋅11 der Erwartungswert und somit Pp11 (X≤3) irgendwo in der nähe von 50%. Wenn wir nun p= 3 11 mit 5 3 erweitern (so dass wir auf den Zähler 5 kommen) und den Nenner abrunden, müssten wir mit p= 5 18 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 5 30 die gesuchte Wahrscheinlichkeit über 90% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 30 sein.

Also werden noch 25 zusätzliche Optionen (also schwarze Kugeln) benötigt.

Binomialvert. mit variabl. p (mind.) nur GTR

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 74 mal wiederholt (bzw. die Stichprobe hat die Größe 74)Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 90% mindestens 35 Treffer erzielt werden?

Lösung einblenden
pP(X≥35)=1-P(X≤34)
......
0.50.7193
0.510.7744
0.520.8228
0.530.8641
0.540.8984
0.550.9259
......

Es muss gelten: Pp74 (X≥35) =0.9 (oder mehr)

oder eben: 1- Pp74 (X≤34) =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=1-binomcdf(74,X,34) - 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=0.55 die gesuchte Wahrscheinlichkeit über 0.9 ist.

kumulierte Binomialverteilung

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,05. Wie groß ist die Wahrscheinlichkeit bei 76 Versuchen weniger als 8 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Drehungen, die im grünen Bereich landen, an. X ist binomialverteilt mit n=76 und p=0.05.

P0.0576 (X<8) = P0.0576 (X≤7) = P0.0576 (X=0) + P0.0576 (X=1) + P0.0576 (X=2) +... + P0.0576 (X=7) = 0.9640023256301 ≈ 0.964
(TI-Befehl: binomcdf(76,0.05,7))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=65%. Wie groß ist die Wahrscheinlichkeit dass bei 64 Versuchen die Anzahl seiner Treffer um nicht mehr als eine Standardabweichung von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 64⋅0.65 ≈ 41.6,
die Standardabweichung mit σ = n ⋅ p ⋅ (1-p) = 64 ⋅0.65 ⋅ 0.35 ≈ 3.82

45.42 (41.6 + 3.82) und 37.78 (41.6 - 3.82) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 41.6 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 38 und 45 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 38 und 45 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=64 und p=0.65.

P0.6564 (38≤X≤45) =

...
35
36
37
38
39
40
41
42
43
44
45
46
47
...

P0.6564 (X≤45) - P0.6564 (X≤37) ≈ 0.8468 - 0.1416 ≈ 0.7052
(TI-Befehl: binomcdf(64,0.65,45) - binomcdf(64,0.65,37))