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. 90% Wahrscheinlichkeit, mindestens 20 Treffer zu erzielen ?

Lösung einblenden
nP(X≤k)
......
430.2712
440.2257
450.1856
460.151
470.1215
480.0967
......

Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.5 und variablem n.

Es muss gelten: P0.5n (X20) ≥ 0.9

Weil man ja aber P0.5n (X20) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.5n (X20) = 1 - P0.5n (X19) ≥ 0.9 |+ P0.5n (X19) - 0.9

0.1 ≥ P0.5n (X19) oder P0.5n (X19) ≤ 0.1

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 20 0.5 ≈ 40 Versuchen auch ungefähr 20 (≈0.5⋅40) Treffer auftreten.

Wir berechnen also mit unserem ersten n=40:
P0.5n (X19) ≈ 0.4373 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.1 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 0.1 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=48 die gesuchte Wahrscheinlichkeit unter 0.1 ist.

n muss also mindestens 48 sein, damit P0.5n (X19) ≤ 0.1 oder eben P0.5n (X20) ≥ 0.9 gilt.

Binomialverteilung X ∈ [l;k]

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,55. Wie groß ist die Wahrscheinlichkeit bei 73 Versuchen, mehr als 37 mal und höchstens 45 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=73 und p=0.55.

P0.5573 (38X45) =

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

P0.5573 (X45) - P0.5573 (X37) ≈ 0.8965 - 0.2658 ≈ 0.6307
(TI-Befehl: binomcdf(73,0.55,45) - binomcdf(73,0.55,37))

Binomialvert. mit variablem p (diskret)

Beispiel:

Eine Firma, die Überraschungseier vertreibt, möchte als Werbegag manche Eier mit Superfiguren bestücken. Aus Angst vor Kundenbeschwerden sollen in einer 12er-Packung mit der mindestens 50% Wahrscheinlichkeit 2 oder mehr Superfiguren enthalten sein. Wenn in jedes n-te Ei eine Superfigur rein soll, wie groß darf dann n höchstens sein?

Lösung einblenden
pP(X≥2)=1-P(X≤1)
......
1 2 0.9968
1 3 0.946
1 4 0.8416
1 5 0.7251
1 6 0.6187
1 7 0.5282
1 8 0.4533
......

Die Zufallsgröße X gibt die Anzahl der Eier mit einer Superfigur an. X ist binomialverteilt mit n=12 und unbekanntem Parameter p.

Es muss gelten: Pp12 (X2) = 1- Pp12 (X1) = 0.5 (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 Pp12 (X2) ('mindestens 2 Treffer bei 12 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 1 2 .

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 1 7 die gesuchte Wahrscheinlichkeit über 50% bleibt.
Der Nenner, also die das wievielte Ei eine Superfigur enthält, darf also höchstens 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 97 Stück nur an, wenn nicht mehr als 74 Teile defekt sind. Wie hoch darf der Prozentsatz der fehlerhaften Teile höchstens sein, dass eine Lieferung mit einer Wahrscheinlichkeit von mind. 90% angenommen werden.

Lösung einblenden
pP(X≤k)
......
0.650.9939
0.660.9894
0.670.9823
0.680.9712
0.690.9546
0.70.9309
0.710.8981
......

Es muss gelten: Pp97 (X74) =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(97,X,74) - 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=0.7 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X>=k

Beispiel:

Ein Zufallsexperiment wird 94 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,1.
Wie groß ist dabei die Wahrscheinlichkeit, mindestens 3 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=94 und p=0.1.

0
1
2
3
4
5
...

P0.194 (X3) = 1 - P0.194 (X2) = 0.9967
(TI-Befehl: 1-binomcdf(94,0.1,2))

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=0,45 entsteht. Es wird eine Stichprobe der Menge 71 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips nicht mehr als 15% vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=71⋅0.45 = 31.95

Die 15% Abweichung wären dann zwischen 85% von 31.95, also 0.85⋅ 31.95 = 27.158 und 115% von 31.95, also 1.15⋅ 31.95 = 36.743

Da die Trefferzahl ja nicht weiter von 31.95 entfernt sein darf als 27.158 bzw. 36.743, muss sie also zwischen 28 und 36 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=71 und p=0.45.

P0.4571 (28X36) =

...
25
26
27
28
29
30
31
32
33
34
35
36
37
38
...

P0.4571 (X36) - P0.4571 (X27) ≈ 0.861 - 0.1441 ≈ 0.7169
(TI-Befehl: binomcdf(71,0.45,36) - binomcdf(71,0.45,27))