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 50%. Wie oft muss mindestens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 70% Wahrscheinlichkeit 27 oder mehr grüne Kugeln gezogen werden?

Lösung einblenden
nP(X≤k)
......
540.446
550.3939
560.3444
570.2983
......

Die Zufallsgröße X gibt Anzahl der gezogenen grünen Kugeln an und ist im Idealfall binomialverteilt mit p = 0.5 und variablem n.

Es muss gelten: P0.5n (X27) ≥ 0.7

Weil man ja aber P0.5n (X27) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.5n (X27) = 1 - P0.5n (X26) ≥ 0.7 |+ P0.5n (X26) - 0.7

0.3 ≥ P0.5n (X26) oder P0.5n (X26) ≤ 0.3

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 27 0.5 ≈ 54 Versuchen auch ungefähr 27 (≈0.5⋅54) Treffer auftreten.

Wir berechnen also mit unserem ersten n=54:
P0.5n (X26) ≈ 0.446 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.3 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 0.3 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=57 die gesuchte Wahrscheinlichkeit unter 0.3 ist.

n muss also mindestens 57 sein, damit P0.5n (X26) ≤ 0.3 oder eben P0.5n (X27) ≥ 0.7 gilt.

Binomialverteilung X ∈ [l;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 69 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 12, aber weniger als 23 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=69 und p=0.25.

P0.2569 (12X22) =

...
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
...

P0.2569 (X22) - P0.2569 (X11) ≈ 0.9248 - 0.0501 ≈ 0.8747
(TI-Befehl: binomcdf(69,0.25,22) - binomcdf(69,0.25,11))

Binomialvert. mit variablem p (diskret)

Beispiel:

Ein neuer Multiple Choice Test mit 19 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 30% liegt. Bestimme die hierfür notwendige Mindestanzahl an Antwortmöglichkeiten bei jeder Frage.

Lösung einblenden
pP(X≤2)
......
1 9 0.6451
1 10 0.7054
......

Die Zufallsgröße X gibt die Anzahl der zufällig richtig geratenenen Antworten an. X ist binomialverteilt mit n=19 und unbekanntem Parameter p.

Es muss gelten: Pp19 (X2) =0.7 (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 Pp19 (X2) ('höchstens 2 Treffer bei 19 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 2 19 . Mit diesem p wäre ja 2= 2 19 ⋅19 der Erwartungswert und somit Pp19 (X2) irgendwo in der nähe von 50%. Wenn wir nun p= 2 19 mit 1 2 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 9 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 10 die gesuchte Wahrscheinlichkeit über 70% steigt.
Der Nenner, also die Anzahl der Antwortmöglichkeiten, muss also mindestens 10 sein.

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

Beispiel:

Eine Fluggesellschaft verkauft 44 Flugtickets für einen bestimmten Flug. Das sind 38 Tickets mehr, als das Flugzeug Plätze hat. Wie hoch muss die Wahrscheinlichkeit, dass ein Ticketkäufer nicht mitfliegt, mindestens sein, dass das Flugzeug mit einer Wahrscheinlichkeit von mindestens 90% nicht überbucht ist (also dass alle mitfliegen können)?

Lösung einblenden
pP(X≥38)=1-P(X≤37)
......
0.860.5789
0.870.6547
0.880.7277
0.890.7951
0.90.8544
0.910.9034
......

Es muss gelten: Pp44 (X38) =0.9 (oder mehr)

oder eben: 1- Pp44 (X37) =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(44,X,37) - 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=0.91 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X>=k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,88. Wie groß ist die Wahrscheinlichkeit dass er von 42 Versuchen mindestens 41 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=42 und p=0.88.

...
38
39
40
41

P0.8842 (X41) = 1 - P0.8842 (X40) = 0.0313
(TI-Befehl: 1-binomcdf(42,0.88,40))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Ein Würfel wird 78 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der gewürfelten 6er nicht mehr als 20% vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=78⋅ 1 6 = 13

Die 20% Abweichung wären dann zwischen 80% von 13, also 0.8⋅ 13 = 10.4 und 120% von 13, also 1.2⋅ 13 = 15.6

Da die Trefferzahl ja nicht weiter von 13 entfernt sein darf als 10.4 bzw. 15.6, muss sie also zwischen 11 und 15 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=78 und p= 1 6 .

P 1 6 78 (11X15) =

...
8
9
10
11
12
13
14
15
16
17
...

P 1 6 78 (X15) - P 1 6 78 (X10) ≈ 0.7806 - 0.2282 ≈ 0.5524
(TI-Befehl: binomcdf(78, 1 6 ,15) - binomcdf(78, 1 6 ,10))