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 60%. Wie oft muss mindestens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 80% Wahrscheinlichkeit 40 oder mehr grüne Kugeln gezogen werden?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 67 | 0.4276 |
| 68 | 0.3711 |
| 69 | 0.3181 |
| 70 | 0.2694 |
| 71 | 0.2254 |
| 72 | 0.1863 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der gezogenen grünen Kugeln an und ist im Idealfall binomialverteilt mit p = 0.6 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 60% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 67 Versuchen auch ungefähr 40 (≈0.6⋅67) Treffer auftreten.
Wir berechnen also mit unserem ersten n=67:
≈ 0.4276
(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=72 die gesuchte Wahrscheinlichkeit unter 0.2 ist.
n muss also mindestens 72 sein, damit ≤ 0.2 oder eben ≥ 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=0,25 entsteht. Es wird eine Stichprobe der Menge 68 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips mindestens 13 und höchstens 17 beträgt?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=68 und p=0.25.
=
(TI-Befehl: binomcdf(68,0.25,17) - binomcdf(68,0.25,12))
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 11er-Packung mit der mindestens 75% Wahrscheinlichkeit 1 oder mehr Superfiguren enthalten sein. Wenn in jedes n-te Ei eine Superfigur rein soll, wie groß darf dann n höchstens sein?
| p | P(X≥1)=1-P(X≤0) |
|---|---|
| ... | ... |
| 0.9995 | |
| 0.9884 | |
| 0.9578 | |
| 0.9141 | |
| 0.8654 | |
| 0.8165 | |
| 0.7698 | |
| 0.7263 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der Eier mit einer Superfigur an. X ist binomialverteilt mit n=11 und unbekanntem Parameter p.
Es muss gelten: = 1- = 0.75 (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 ('mindestens 1 Treffer bei 11 Versuchen') bei diesen Nennern wird (siehe Tabelle links)
Als Startwert wählen wir als p=.
In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 75% bleibt.
Der Nenner, also die das wievielte Ei eine Superfigur enthält, darf also höchstens
8 sein.
Binomialvert. mit variabl. p (höchstens) nur GTR
Beispiel:
Bei einem Glücksrad soll mit einer Wahrscheinlichkeit von 90% bei 85 Ausspielungen nicht öfters als 69 mal der grüne Bereich kommen. Wie hoch darf man die Wahrscheinlichkeit für den grünen Bereich auf dem Glücksrad maximal setzen?
| p | P(X≤k) |
|---|---|
| ... | ... |
| 0.7 | 0.9931 |
| 0.71 | 0.9884 |
| 0.72 | 0.9809 |
| 0.73 | 0.9695 |
| 0.74 | 0.9528 |
| 0.75 | 0.9289 |
| 0.76 | 0.896 |
| ... | ... |
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(85,X,69) - 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=0.75 die gesuchte Wahrscheinlichkeit über 0.9 ist.
Formel v. Bernoulli
Beispiel:
Eine Münze wird 41 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 23 mal "Zahl" (p=0,5) geworfen wird?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=41 und p=0.5.
= =0.091910187893518≈ 0.0919(TI-Befehl: binompdf(41,0.5,23))
Erwartungswert, Standardabweichung best.
Beispiel:
Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 66 und p = 0.3
Bestimme den Erwartungswert μ und die Standardabweichung σ von X .
Für Erwartungswert und Standardabweichung bei der Binomialverteilung gibt es ja einfache Formeln, in die man einfach n = 66 und p = 0.3 einsetzen muss:
Erwartungswert E(X) = n ⋅ p = 66 ⋅ 0.3 = 19.8
Standardabweichung S(X) = = = ≈ 3.72
