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 25%. Wie oft muss mindestens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 50% Wahrscheinlichkeit 29 oder mehr grüne Kugeln gezogen werden?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 114 | 0.5072 |
| 115 | 0.4857 |
| 116 | 0.4644 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der gezogenen grünen Kugeln an und ist im Idealfall binomialverteilt mit p = 0.25 und variablem n.
Es muss gelten: ≥ 0.5
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.5 |+ - 0.5
0.5 ≥ oder ≤ 0.5
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 25% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 116 Versuchen auch ungefähr 29 (≈0.25⋅116) Treffer auftreten.
Wir berechnen also mit unserem ersten n=116:
≈ 0.4644
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.5 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 0.5 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=115 die gesuchte Wahrscheinlichkeit unter 0.5 ist.
n muss also mindestens 115 sein, damit ≤ 0.5 oder eben ≥ 0.5 gilt.
Binomialverteilung X ∈ [l;k]
Beispiel:
Ein Würfel wird 72 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 7 mal, aber weniger als 16 mal eine sechs gewürfelt wird?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=72 und p=.
=
(TI-Befehl: binomcdf(72,,15) - binomcdf(72,,7))
Binomialvert. mit variablem p (diskret)
Beispiel:
Die Homepage-AG einer Schule möchte auf der Startseite der Internetseite der Schule ein Zufallsbild integrieren. Dabei soll bei jedem Aufruf der Startseite ein zufälliges Bild aus einer Bilderdatenbank gezeigt werden. Alle Bilder der Datenbank sind immer gleich wahrscheinlich. Auf 5 Bildern der Datenbank sind Mitglieder der Homepage-AG zu sehen. Es wird geschätzt, dass die Seite täglich 150 mal aufgerufen wird. Die Mitglieder der Homepage-AG wollen dass mit mindestens 90%-iger Wahrscheinlichkiet mindestens 12 mal am Tag eines ihrer eigenen 5 Bilder erscheint. Wie viele andere Bilder dürfen dann höchstens noch in der Datenbank sein?
| p | P(X≥12)=1-P(X≤11) |
|---|---|
| ... | ... |
| 0.9998 | |
| 0.9997 | |
| 0.9994 | |
| 0.9989 | |
| 0.9981 | |
| 0.997 | |
| 0.9955 | |
| 0.9934 | |
| 0.9905 | |
| 0.9868 | |
| 0.9822 | |
| 0.9765 | |
| 0.9697 | |
| 0.9616 | |
| 0.9521 | |
| 0.9413 | |
| 0.9292 | |
| 0.9156 | |
| 0.9008 | |
| 0.8846 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=150 und unbekanntem Parameter p.
Es muss gelten: = 1- = 0.9 (oder mehr)
Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 5 sein muss, da es ja genau 5 günstige Fälle gibt.
Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit ('mindestens 12 Treffer bei 150 Versuchen') bei diesen Nennern wird (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 90% bleibt.
Der Nenner, also die Anzahl aller Bilder in der Datenbank, darf also höchstens
46 sein.
Also wären noch 41 zusätzliche Optionen (also weitere Bilder) zulässig.
Binomialvert. mit variabl. p (mind.) nur GTR
Beispiel:
Ein Basketballtrainer sucht einen neuen Spieler, der mit 70% Wahrscheinlichkeit von 99 Freiwürfen mindestens 95 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?
| p | P(X≥95)=1-P(X≤94) |
|---|---|
| ... | ... |
| 0.92 | 0.0948 |
| 0.93 | 0.1696 |
| 0.94 | 0.285 |
| 0.95 | 0.445 |
| 0.96 | 0.6368 |
| 0.97 | 0.8229 |
| ... | ... |
Es muss gelten: =0.7 (oder mehr)
oder eben: 1- =0.7 (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(99,X,94) - 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=0.97 die gesuchte Wahrscheinlichkeit über 0.7 ist.
Binomialverteilung X ∈ [l;k]
Beispiel:
Ein Zufallsexperiment wird 62 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,65.Wie groß ist dabei die Wahrscheinlichkeit, mindestens 37, aber höchstens 45 Treffer zu erzielen?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=62 und p=0.65.
=
(TI-Befehl: binomcdf(62,0.65,45) - binomcdf(62,0.65,36))
Wahrscheinlichkeit von σ-Intervall um μ
Beispiel:
Ein Würfel wird 63 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der gewürfelten 6er nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?
Den Erwartungswert berechnet man mit μ = n⋅p = 63⋅ ≈ 10.5,
die Standardabweichung mit σ =
=
≈ 2.96
13.46 (10.5 + 2.96) und 7.54 (10.5 - 2.96) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 10.5 entfernt.
Das bedeutet, dass genau die Zahlen zwischen 8 und 13 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.
Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 8 und 13 liegt.
Die Zufallsgröße X gibt die Anzahl der Treffer an.
X ist binomialverteilt mit n=63 und p=
(TI-Befehl: binomcdf(63,
