Aufgabenbeispiele von Wiederholung aus 9/10
Durch Aktualisieren des Browsers (z.B. mit Taste F5) kann man neue Beispielaufgaben sehen
Binomialvert. mit variablem n (höchst.)
Beispiel:
Im einem Mathekurs beträgt die Wahrscheinlichkeit, dass ein klassischer GeSchwa-Fehler begangen wird, p=0,85. Wie viele Aufgaben kann ein Schüler höchstens machen, damit er mit einer Wahrscheinlichkeit von 70% maximal 21 dieser Fehler begeht?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 24 | 0.7202 |
| 25 | 0.5289 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der begangenen GeSchwa-Fehler an und ist im Idealfall binomialverteilt mit p = 0.85 und variablem n.
Es muss gelten: ≥ 0.7
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 85% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 25 Versuchen auch ungefähr 21 (≈0.85⋅25) Treffer auftreten.
Wir berechnen also mit unserem ersten n=25:
≈ 0.5289
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.7 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 0.7 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=24 die gesuchte Wahrscheinlichkeit über 70% ist.
Binomialverteilung X ∈ [l;k]
Beispiel:
Ein Zufallsexperiment wird 67 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,55.Wie groß ist dabei die Wahrscheinlichkeit, mindestens 30, aber höchstens 37 Treffer zu erzielen?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=67 und p=0.55.
=
(TI-Befehl: binomcdf(67,0.55,37) - binomcdf(67,0.55,29))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 3 rote und einige schwarze Kugeln. Es soll 26 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 75% unter den 26 gezogenen Kugeln nicht mehr als 24 schwarze sind?
| p | P(X≤24) |
|---|---|
| ... | ... |
| 0.9996 | |
| 0.9989 | |
| 0.9973 | |
| 0.9945 | |
| 0.9904 | |
| 0.9847 | |
| 0.9773 | |
| 0.9683 | |
| 0.9578 | |
| 0.9458 | |
| 0.9326 | |
| 0.9183 | |
| 0.9031 | |
| 0.8871 | |
| 0.8706 | |
| 0.8536 | |
| 0.8363 | |
| 0.8188 | |
| 0.8012 | |
| 0.7836 | |
| 0.7661 | |
| 0.7487 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=26 und unbekanntem Parameter p.
Es muss gelten: = 0.75 (oder mehr)
Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 3 größer sein muss als der Zähler.
Deswegen erhöhen wir nun schrittweise immer den Zähler und Nenner bei der Einzelwahrscheinlichkeit um 1 und probieren aus, wie sich das auf die gesuchte Wahrscheinlichkeit ('höchstens 24 Treffer bei 26 Versuchen') auswirkt (siehe Tabelle links)
Als Startwert wählen wir als p=. (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)
In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 75% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 26 sein.
Binomialvert. mit variabl. p (mind.) nur GTR
Beispiel:
Ein Basketballtrainer sucht einen neuen Spieler, der mit 90% Wahrscheinlichkeit von 73 Freiwürfen mindestens 28 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?
| p | P(X≥28)=1-P(X≤27) |
|---|---|
| ... | ... |
| 0.41 | 0.7167 |
| 0.42 | 0.7722 |
| 0.43 | 0.8209 |
| 0.44 | 0.8622 |
| 0.45 | 0.8965 |
| 0.46 | 0.924 |
| ... | ... |
Es muss gelten: =0.9 (oder mehr)
oder eben: 1- =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(73,X,27) - 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=0.46 die gesuchte Wahrscheinlichkeit über 0.9 ist.
Binomialverteilung X ∈ [l;k]
Beispiel:
Ein Basketballspieler hat eine Trefferquote von 80% von der Freiwurflinie. Wie groß ist die Wahrscheinlichkeit dass er von 57 Versuchen mindestens 41 und weniger als 51 trifft?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=57 und p=0.8.
=
(TI-Befehl: binomcdf(57,0.8,50) - binomcdf(57,0.8,40))
Erwartungswert, Standardabweichung best.
Beispiel:
Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 57 und p = 0.5
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 = 57 und p = 0.5 einsetzen muss:
Erwartungswert E(X) = n ⋅ p = 57 ⋅ 0.5 = 28.5
Standardabweichung S(X) = = = ≈ 3.77
