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 40%. Wie oft muss mindestens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 80% Wahrscheinlichkeit 23 oder mehr grüne Kugeln gezogen werden?

Lösung einblenden
nP(X≤k)
......
600.3493
610.3123
620.2776
630.2453
640.2155
650.1883
......

Die Zufallsgröße X gibt Anzahl der gezogenen grünen Kugeln an und ist im Idealfall binomialverteilt mit p = 0.4 und variablem n.

Es muss gelten: P0.4n (X23) ≥ 0.8

Weil man ja aber P0.4n (X23) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.4n (X23) = 1 - P0.4n (X22) ≥ 0.8 |+ P0.4n (X22) - 0.8

0.2 ≥ P0.4n (X22) oder P0.4n (X22) ≤ 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 40% der Versuche mit einem Treffer. Also müssten dann doch bei 23 0.4 ≈ 58 Versuchen auch ungefähr 23 (≈0.4⋅58) Treffer auftreten.

Wir berechnen also mit unserem ersten n=58:
P0.4n (X22) ≈ 0.4291 (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=65 die gesuchte Wahrscheinlichkeit unter 0.2 ist.

n muss also mindestens 65 sein, damit P0.4n (X22) ≤ 0.2 oder eben P0.4n (X23) ≥ 0.8 gilt.

Binomialverteilung X>=k

Beispiel:

Ein Zufallsexperiment wird 84 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,25.
Wie groß ist dabei die Wahrscheinlichkeit, mindestens 21 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=84 und p=0.25.

...
18
19
20
21
22
23
...

P0.2584 (X21) = 1 - P0.2584 (X20) = 0.5418
(TI-Befehl: 1-binomcdf(84,0.25,20))

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 15% liegt. Bestimme die hierfür notwendige Mindestanzahl an Antwortmöglichkeiten bei jeder Frage.

Lösung einblenden
pP(X≤2)
......
1 6 0.6281
1 7 0.7189
1 8 0.7841
1 9 0.8313
1 10 0.8661
......

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: Pp13 (X2) =0.85 (oder mehr)

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 Pp13 (X2) ('höchstens 2 Treffer bei 13 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 2 13 . Mit diesem p wäre ja 2= 2 13 ⋅13 der Erwartungswert und somit Pp13 (X2) irgendwo in der nähe von 50%. Wenn wir nun p= 2 13 mit 1 2 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 6 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 10 die gesuchte Wahrscheinlichkeit über 85% steigt.
Der Nenner, also die Anzahl der Antwortmöglichkeiten, muss also mindestens 10 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Bei einem Glücksrad soll mit einer Wahrscheinlichkeit von 90% bei 43 Ausspielungen nicht öfters als 36 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)
......
0.710.9824
0.720.9755
0.730.9664
0.740.9543
0.750.9388
0.760.9191
0.770.8944
......

Es muss gelten: Pp43 (X36) =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,36) - 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=0.76 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X>=k

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 87 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so 27 oder gar noch mehr Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=87 und p=0.25.

...
24
25
26
27
28
29
...

P0.2587 (X27) = 1 - P0.2587 (X26) = 0.1211
(TI-Befehl: 1-binomcdf(87,0.25,26))

Wahrscheinlichkeit von σ-Intervall um μ

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 47 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips um nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 47⋅0.25 ≈ 11.75,
die Standardabweichung mit σ = n p (1-p) = 47 0.25 0.75 ≈ 2.97

14.72 (11.75 + 2.97) und 8.78 (11.75 - 2.97) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 11.75 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 9 und 14 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 9 und 14 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=47 und p=0.25.

P0.2547 (9X14) =

...
6
7
8
9
10
11
12
13
14
15
16
...

P0.2547 (X14) - P0.2547 (X8) ≈ 0.8241 - 0.1351 ≈ 0.689
(TI-Befehl: binomcdf(47,0.25,14) - binomcdf(47,0.25,8))