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:

Die Firma Apple hat ein neues geniales Produkt, die iYacht, auf den Markt gebracht (wenn auch nicht ganz günstig). Die hierfür beauftragte Marketingagentur garantiert, dass unter denen, denen sie die Yacht vorgeführt hat, der Anteil der späteren Käufer bei 17% liegt. Wie vielen Personen muss nun dieses Produkt mindestens vorgeführt werden, damit sich mit mind. 90% Wahrscheinlichkeit, 33 oder mehr Käufer für dieses Produkt finden?

Lösung einblenden
nP(X≤k)
......
2300.1217
2310.116
2320.1106
2330.1053
2340.1002
2350.0953
......

Die Zufallsgröße X gibt Anzahl der Käufer an und ist im Idealfall binomialverteilt mit p = 0.17 und variablem n.

Es muss gelten: P0.17n (X33) ≥ 0.9

Weil man ja aber P0.17n (X33) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.17n (X33) = 1 - P0.17n (X32) ≥ 0.9 |+ P0.17n (X32) - 0.9

0.1 ≥ P0.17n (X32) oder P0.17n (X32) ≤ 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 17% der Versuche mit einem Treffer. Also müssten dann doch bei 33 0.17 ≈ 194 Versuchen auch ungefähr 33 (≈0.17⋅194) Treffer auftreten.

Wir berechnen also mit unserem ersten n=194:
P0.17n (X32) ≈ 0.4718 (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=235 die gesuchte Wahrscheinlichkeit unter 0.1 ist.

n muss also mindestens 235 sein, damit P0.17n (X32) ≤ 0.1 oder eben P0.17n (X33) ≥ 0.9 gilt.

kumulierte Binomialverteilung

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 33 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so bis zu 10 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=33 und p=0.25.

P0.2533 (X10) = P0.2533 (X=0) + P0.2533 (X=1) + P0.2533 (X=2) +... + P0.2533 (X=10) = 0.81896878444586 ≈ 0.819
(TI-Befehl: binomcdf(33,0.25,10))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 20 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 85% unter den 20 gezogenen Kugeln nicht mehr als 6 rote sind?

Lösung einblenden
pP(X≤6)
......
4 13 0.5784
4 14 0.662
4 15 0.7306
4 16 0.7858
4 17 0.8297
4 18 0.8644
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=20 und unbekanntem Parameter p.

Es muss gelten: Pp20 (X6) =0.85 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 4 sein muss, da es ja genau 4 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp20 (X6) ('höchstens 6 Treffer bei 20 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 6 20 . Mit diesem p wäre ja 6= 6 20 ⋅20 der Erwartungswert und somit Pp20 (X6) irgendwo in der nähe von 50%. Wenn wir nun p= 6 20 mit 4 6 erweitern (so dass wir auf den Zähler 4 kommen) und den Nenner abrunden, müssten wir mit p= 4 13 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 4 18 die gesuchte Wahrscheinlichkeit über 85% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 18 sein.

Also werden noch 14 zusätzliche Optionen (also schwarze Kugeln) benötigt.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Ein Promi macht Urlaub in einem Ferienclub. Dort sind noch weitere 71 Gäste. Wie groß darf der Bekanntheitsgrad des Promis höchstens sein, dass ihn mit einer Wahrscheinlichkeit von mindestens 90% nicht mehr als 49 erkennen und dumm anlabern?

Lösung einblenden
pP(X≤k)
......
0.570.986
0.580.9787
0.590.9685
0.60.9545
0.610.9358
0.620.9114
0.630.8805
......

Es muss gelten: Pp71 (X49) =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(71,X,49) - 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=0.62 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Würfel wird 72 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 4 mal, aber weniger als 13 mal eine sechs gewürfelt wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=72 und p= 1 6 .

P 1 6 72 (5X12) =

...
2
3
4
5
6
7
8
9
10
11
12
13
14
...

P 1 6 72 (X12) - P 1 6 72 (X4) ≈ 0.5763 - 0.0045 ≈ 0.5718
(TI-Befehl: binomcdf(72, 1 6 ,12) - binomcdf(72, 1 6 ,4))

Wahrscheinlichkeit von σ-Intervall um μ

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=0,3 entsteht. Es wird eine Stichprobe der Menge 67 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips um nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 67⋅0.3 ≈ 20.1,
die Standardabweichung mit σ = n p (1-p) = 67 0.3 0.7 ≈ 3.75

23.85 (20.1 + 3.75) und 16.35 (20.1 - 3.75) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 20.1 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 17 und 23 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 17 und 23 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=67 und p=0.3.

P0.367 (17X23) =

...
14
15
16
17
18
19
20
21
22
23
24
25
...

P0.367 (X23) - P0.367 (X16) ≈ 0.8185 - 0.1689 ≈ 0.6496
(TI-Befehl: binomcdf(67,0.3,23) - binomcdf(67,0.3,16))