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:

Der Starspieler der gegnerischen Basketballmannschaft hat bei Freiwürfen eine Trefferquote von p=0,9. Wie oft darf man ihn höchstens foulen und an die Freiwurflinie schicken, wenn man ihn mit einer Wahrscheinlichkeit von mindestens 60% nicht über 25 Freiwurfpunkte kommen lassen will?

Lösung einblenden
nP(X≤k)
......
270.7674
280.5406
......

Die Zufallsgröße X gibt die Anzahl der getroffenen Freiwürfe an und ist im Idealfall binomialverteilt mit p = 0.9 und variablem n.

Es muss gelten: P0.9n (X25) ≥ 0.6

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 90% der Versuche mit einem Treffer. Also müssten dann doch bei 25 0.9 ≈ 28 Versuchen auch ungefähr 25 (≈0.9⋅28) Treffer auftreten.

Wir berechnen also mit unserem ersten n=28:
P0.9n (X25) ≈ 0.5406 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.6 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 0.6 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=27 die gesuchte Wahrscheinlichkeit über 60% ist.

Formel v. Bernoulli

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, genau 2 Glückskekse mit einer Peproni zu erwischen, wenn man 70 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=70 und p= 1 8 .

P 1 8 70 (X=2) = ( 70 2 ) ( 1 8 )2 ( 7 8 )68 =0.0042981816589003≈ 0.0043
(TI-Befehl: binompdf(70,1/8,2))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 5 rote und einige schwarze Kugeln. Es soll 29 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 70% unter den 29 gezogenen Kugeln nicht mehr als 21 schwarze sind?

Lösung einblenden
pP(X≤21)
......
4 9 0.9994
5 10 0.9959
6 11 0.9848
7 12 0.9608
8 13 0.9213
9 14 0.8671
10 15 0.8014
11 16 0.7287
12 17 0.6534
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=29 und unbekanntem Parameter p.

Es muss gelten: Pp29 (X21) = 0.7 (oder mehr)

Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 5 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 Pp29 (X21) ('höchstens 21 Treffer bei 29 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 4 9 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 11 16 die gesuchte Wahrscheinlichkeit über 70% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 11 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Eine Fluggesellschaft hat 25 Plätze in ihrem Flugzeug. Trotzdem werden 86 Flugtickets verkauft. Wie hoch darf die Wahrscheinlichkeit, dass ein Ticketkäufer auch tatsächlich mitfliegt, höchstens sein, dass das Flugzeug mit einer Wahrscheinlichkeit von mindestens 90% nicht überbucht ist (also dass alle mitfliegen können)?

Lösung einblenden
pP(X≤k)
......
0.180.996
0.190.9918
0.20.9843
0.210.9719
0.220.9529
0.230.9256
0.240.8884
......

Es muss gelten: Pp86 (X25) =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(86,X,25) - 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=0.23 die gesuchte Wahrscheinlichkeit über 0.9 ist.

kumulierte Binomialverteilung

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,85. Wie groß ist die Wahrscheinlichkeit bei 71 Versuchen höchstens 65 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=71 und p=0.85.

P0.8571 (X65) = P0.8571 (X=0) + P0.8571 (X=1) + P0.8571 (X=2) +... + P0.8571 (X=65) = 0.96515878030657 ≈ 0.9652
(TI-Befehl: binomcdf(71,0.85,65))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=65%. Wie groß ist die Wahrscheinlichkeit dass bei 82 Versuchen die Anzahl seiner Treffer um nicht mehr als eine Standardabweichung von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 82⋅0.65 ≈ 53.3,
die Standardabweichung mit σ = n p (1-p) = 82 0.65 0.35 ≈ 4.32

57.62 (53.3 + 4.32) und 48.98 (53.3 - 4.32) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 53.3 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 49 und 57 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 49 und 57 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=82 und p=0.65.

P0.6582 (49X57) =

...
46
47
48
49
50
51
52
53
54
55
56
57
58
59
...

P0.6582 (X57) - P0.6582 (X48) ≈ 0.8344 - 0.1337 ≈ 0.7007
(TI-Befehl: binomcdf(82,0.65,57) - binomcdf(82,0.65,48))