Pestalozzi Gymnasium Biberach EduRandomtasks

Binomialvert. mit variablem n (höchst.)

Beispiel:

Ein Mathelehrer möchte neue Taschenrechner für seine Klasse bestellen. Die Wahrscheinlichkeit, dass einer der Taschenrechner ein Decepticon (bekannt aus dem Transformers-Filmen) ist, liegt bei p=0,04. Wie viele Rechner können bestellt werden, dass zu einer Wahrscheinlichkeit von 90% kein Descepticon unter ihnen ist?

Lösung einblenden

n	P(X≤k)
...	...
1	0.96
2	0.9216
3	0.8847
...	...

Die Zufallsgröße X gibt Anzahl der Descepticons unter den Taschenrechnern an und ist im Idealfall binomialverteilt mit p = 0.04 und variablem n.

Es muss gelten: $P_{0.04}^{n} (X \leq 0)$ ≥ 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 4% der Versuche mit einem Treffer. Also müssten dann doch bei $\frac{0}{0.04}$ ≈ 0 Versuchen auch ungefähr 0 (≈0.04⋅0) Treffer auftreten.

Wir berechnen also mit unserem ersten n=0:
$P_{0.04}^{n} (X \leq 0)$ ≈ 1 (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=2 die gesuchte Wahrscheinlichkeit über 90% ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen, von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 40 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 8, aber weniger als 12 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=40 und p=0.25.

$P_{0.25}^{40} (8 \leq X \leq 11)$ =

...

5

6

7

8

9

10

11

12

13

...

P_{0.25}^{40} (X \leq 11)

-

P_{0.25}^{40} (X \leq 7)

≈ 0.7151 - 0.182 ≈ 0.5331
(TI-Befehl: binomcdf(40,0.25,11) - binomcdf(40,0.25,7))

Binomialvert. mit variablem p (diskret)

Beispiel:

Ein neuer Multiple Choice Test mit 16 verschiedenen Fragen soll entwickelt werden. Dabei muss immer genau eine von mehreren Antwortmöglichkeiten richtig sein. Die Anzahl an Antwortmöglichkeiten soll bei allen Fragen gleich sein. Insgesamt soll der Test so konzipiert sein, dass die Wahrscheinlichkeit mehr als 2 Fragen nur durch Raten zufällig richtig zu beantworten (obwohl man keinerlei Wissen hat) bei höchstens 25% liegt. Bestimme die hierfür notwendige Mindestanzahl an Antwortmöglichkeiten bei jeder Frage.

Lösung einblenden

p	P(X≤2)
...	...
$\frac{1}{8}$	0.6771
$\frac{1}{9}$	0.7405
$\frac{1}{10}$	0.7892
...	...

Die Zufallsgröße X gibt die Anzahl der zufällig richtig geratenenen Antworten an. X ist binomialverteilt mit n=16 und unbekanntem Parameter p.

Es muss gelten: $P_{p}^{16} (X \leq 2)$ =0.75 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 1 sein muss, da es ja genau einen günstigen Fall gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit $P_{p}^{16} (X \leq 2)$ ('höchstens 2 Treffer bei 16 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= $\frac{2}{16}$ . Mit diesem p wäre ja 2= $\frac{2}{16}$ ⋅16 der Erwartungswert und somit $P_{p}^{16} (X \leq 2)$ irgendwo in der nähe von 50%. Wenn wir nun p= $\frac{2}{16}$ mit $\frac{1}{2}$ erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= $\frac{1}{8}$ einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= $\frac{1}{10}$ die gesuchte Wahrscheinlichkeit über 75% steigt.
Der Nenner, also die Anzahl der Antwortmöglichkeiten, muss also mindestens 10 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Eine Produktionsstätte für HighTech-Chips hat Probleme mit der Qualitätssicherung. Ein Großhändler nimmt die übliche Liefermenge von 80 Stück nur an, wenn nicht mehr als 44 Teile defekt sind. Wie hoch darf der Prozentsatz der fehlerhaften Teile höchstens sein, dass eine Lieferung mit einer Wahrscheinlichkeit von mind. 90% angenommen werden.

Lösung einblenden

p	P(X≤k)
...	...
0.43	0.9884
0.44	0.9816
0.45	0.9716
0.46	0.9577
0.47	0.9388
0.48	0.9139
0.49	0.8821
...	...

Es muss gelten: $P_{p}^{80} (X \leq 44)$ =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(80,X,44) - 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=0.48 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen, von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 57 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 10, aber weniger als 15 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=57 und p=0.25.

$P_{0.25}^{57} (10 \leq X \leq 14)$ =

...

7

8

9

10

11

12

13

14

15

16

...

P_{0.25}^{57} (X \leq 14)

-

P_{0.25}^{57} (X \leq 9)

≈ 0.5406 - 0.0683 ≈ 0.4723
(TI-Befehl: binomcdf(57,0.25,14) - binomcdf(57,0.25,9))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,3. Wie groß ist die Wahrscheinlichkeit bei 40 Versuchen, dass die Anzahl der Treffer im grünen Bereich nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 40⋅0.3 ≈ 12,
die Standardabweichung mit σ = $\sqrt{n \cdot p \cdot (1-p)}$ = $\sqrt{40\cdot0.3\cdot0.7}$ ≈ 2.9

14.9 (12 + 2.9) und 9.1 (12 - 2.9) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 12 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 10 und 14 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 10 und 14 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=40 und p=0.3.

$P_{0.3}^{40} (10 \leq X \leq 14)$ =

...

7

8

9

10

11

12

13

14

15

16

...

P_{0.3}^{40} (X \leq 14)

-

P_{0.3}^{40} (X \leq 9)

≈ 0.8074 - 0.1959 ≈ 0.6115
(TI-Befehl: binomcdf(40,0.3,14) - binomcdf(40,0.3,9))

Aufgabenbeispiele von Wiederholung aus 9/10

Binomialvert. mit variablem n (höchst.)

Binomialverteilung X ∈ [l;k]

Binomialvert. mit variablem p (diskret)

Binomialvert. mit variabl. p (höchstens) nur GTR

Binomialverteilung X ∈ [l;k]

Wahrscheinlichkeit von σ-Intervall um μ