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:

Wie oft darf man mit einem normalen Würfel höchstens würfeln, um mit einer Wahrscheinlichkeit von 90% nicht mehr als 33 6er zu würfeln?

Lösung einblenden
nP(X≤k)
......
1630.9059
1640.8995
1650.8929
1660.886
1670.8789
1680.8714
1690.8637
1700.8557
1710.8475
1720.8389
1730.8301
1740.8211
1750.8118
1760.8022
1770.7924
1780.7823
1790.7721
1800.7616
1810.7508
1820.7399
1830.7288
1840.7175
1850.706
1860.6944
1870.6826
1880.6706
1890.6586
1900.6464
1910.6341
1920.6217
1930.6093
1940.5968
1950.5842
1960.5716
1970.559
1980.5463
......

Die Zufallsgröße X gibt Anzahl der gewürfelten 6er an und ist im Idealfall binomialverteilt mit p = 1 6 und variablem n.

Es muss gelten: P 1 6 n (X33) ≥ 0.9

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 1 6 der Versuche mit einem Treffer. Also müssten dann doch bei 33 1 6 ≈ 198 Versuchen auch ungefähr 33 (≈ 1 6 ⋅198) Treffer auftreten.

Wir berechnen also mit unserem ersten n=198:
P 1 6 n (X33) ≈ 0.5463 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.9 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 0.9 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=163 die gesuchte Wahrscheinlichkeit über 90% ist.

kumulierte Binomialverteilung

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, nicht mehr als 16 Glückskekse mit einer Peproni zu erwischen, wenn man 75 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=75 und p= 1 8 .

P 1 8 75 (X16) = P 1 8 75 (X=0) + P 1 8 75 (X=1) + P 1 8 75 (X=2) +... + P 1 8 75 (X=16) = 0.98983661281829 ≈ 0.9898
(TI-Befehl: binomcdf(75,1/8,16))

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 60 mal aufgerufen wird. Die Mitglieder der Homepage-AG wollen dass mit mindestens 80%-iger Wahrscheinlichkiet mindestens 10 mal am Tag eines ihrer eigenen 5 Bilder erscheint. Wie viele andere Bilder dürfen dann höchstens noch in der Datenbank sein?

Lösung einblenden
pP(X≥10)=1-P(X≤9)
......
5 14 0.9997
5 15 0.9988
5 16 0.9967
5 17 0.9924
5 18 0.9846
5 19 0.9724
5 20 0.9548
5 21 0.9316
5 22 0.9026
5 23 0.8683
5 24 0.8294
5 25 0.7868
......

Die Zufallsgröße X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=60 und unbekanntem Parameter p.

Es muss gelten: Pp60 (X10) = 1- Pp60 (X9) = 0.8 (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 Pp60 (X10) ('mindestens 10 Treffer bei 60 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 5 14 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 5 24 die gesuchte Wahrscheinlichkeit über 80% bleibt.
Der Nenner, also die Anzahl aller Bilder in der Datenbank, darf also höchstens 24 sein.

Also wären noch 19 zusätzliche Optionen (also weitere Bilder) zulässig.

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

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 51 mal wiederholt (bzw. die Stichprobe hat die Größe 51)Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 80% mindestens 22 Treffer erzielt werden?

Lösung einblenden
pP(X≥22)=1-P(X≤21)
......
0.440.6024
0.450.6567
0.460.7079
0.470.7552
0.480.7979
0.490.8358
......

Es muss gelten: Pp51 (X22) =0.8 (oder mehr)

oder eben: 1- Pp51 (X21) =0.8 (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(51,X,21) - 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=0.49 die gesuchte Wahrscheinlichkeit über 0.8 ist.

Binomialverteilung X>=k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,76. Wie groß ist die Wahrscheinlichkeit dass er von 92 Versuchen mehr als 66 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=92 und p=0.76.

...
64
65
66
67
68
69
...

P0.7692 (X>66) = P0.7692 (X67) = 1 - P0.7692 (X66) = 0.7999
(TI-Befehl: 1-binomcdf(92,0.76,66))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Würfel wird 62 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der gewürfelten 6er nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 62⋅ 1 6 ≈ 10.33,
die Standardabweichung mit σ = n p (1-p) = 62 1 6 5 6 ≈ 2.93

13.27 (10.33 + 2.93) und 7.4 (10.33 - 2.93) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 10.33 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=62 und p= 1 6 .

P 1 6 62 (8X13) =

...
5
6
7
8
9
10
11
12
13
14
15
...

P 1 6 62 (X13) - P 1 6 62 (X7) ≈ 0.859 - 0.1674 ≈ 0.6916
(TI-Befehl: binomcdf(62, 1 6 ,13) - binomcdf(62, 1 6 ,7))