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 50% nicht mehr als 37 6er zu würfeln?

Lösung einblenden
nP(X≤k)
......
2220.5438
2230.5318
2240.5199
2250.508
2260.4961
......

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 (X37) ≥ 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 1 6 der Versuche mit einem Treffer. Also müssten dann doch bei 37 1 6 ≈ 222 Versuchen auch ungefähr 37 (≈ 1 6 ⋅222) Treffer auftreten.

Wir berechnen also mit unserem ersten n=222:
P 1 6 n (X37) ≈ 0.5438 (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 letztmals bei n=225 die gesuchte Wahrscheinlichkeit über 50% ist.

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 23 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so bis zu 5 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=23 und p=0.25.

P0.2523 (X5) = P0.2523 (X=0) + P0.2523 (X=1) + P0.2523 (X=2) +... + P0.2523 (X=5) = 0.46846948590954 ≈ 0.4685
(TI-Befehl: binomcdf(23,0.25,5))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 2 rote und einige schwarze Kugeln. Es soll 12 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 75% unter den 12 gezogenen Kugeln nicht mehr als 6 rote sind?

Lösung einblenden
pP(X≤6)
......
2 4 0.6128
2 5 0.8418
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=12 und unbekanntem Parameter p.

Es muss gelten: Pp12 (X6) =0.75 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 2 sein muss, da es ja genau 2 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp12 (X6) ('höchstens 6 Treffer bei 12 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 6 12 . Mit diesem p wäre ja 6= 6 12 ⋅12 der Erwartungswert und somit Pp12 (X6) irgendwo in der nähe von 50%. Wenn wir nun p= 6 12 mit 2 6 erweitern (so dass wir auf den Zähler 2 kommen) und den Nenner abrunden, müssten wir mit p= 2 4 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 2 5 die gesuchte Wahrscheinlichkeit über 75% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 5 sein.

Also werden noch 3 zusätzliche Optionen (also schwarze Kugeln) benötigt.

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

Beispiel:

Eine Fluggesellschaft verkauft 72 Flugtickets für einen bestimmten Flug. Das sind 60 Tickets mehr, als das Flugzeug Plätze hat. Wie hoch muss die Wahrscheinlichkeit, dass ein Ticketkäufer nicht mitfliegt, mindestens sein, dass das Flugzeug mit einer Wahrscheinlichkeit von mindestens 90% nicht überbucht ist (also dass alle mitfliegen können)?

Lösung einblenden
pP(X≥60)=1-P(X≤59)
......
0.830.5462
0.840.6359
0.850.7215
0.860.7984
0.870.8633
0.880.9141
......

Es muss gelten: Pp72 (X60) =0.9 (oder mehr)

oder eben: 1- Pp72 (X59) =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=1-binomcdf(72,X,59) - 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=0.88 die gesuchte Wahrscheinlichkeit über 0.9 ist.

kumulierte Binomialverteilung

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,2. Wie groß ist die Wahrscheinlichkeit bei 44 Versuchen weniger als 8 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Drehungen, die im grünen Bereich landen, an. X ist binomialverteilt mit n=44 und p=0.2.

P0.244 (X<8) = P0.244 (X7) = P0.244 (X=0) + P0.244 (X=1) + P0.244 (X=2) +... + P0.244 (X=7) = 0.32292512166006 ≈ 0.3229
(TI-Befehl: binomcdf(44,0.2,7))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=60%. Wie groß ist die Wahrscheinlichkeit dass er bei 89 Versuchen nicht mehr als 15% von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=89⋅0.6 = 53.4

Die 15% Abweichung wären dann zwischen 85% von 53.4, also 0.85⋅ 53.4 = 45.39 und 115% von 53.4, also 1.15⋅ 53.4 = 61.41

Da die Trefferzahl ja nicht weiter von 53.4 entfernt sein darf als 45.39 bzw. 61.41, muss sie also zwischen 46 und 61 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=89 und p=0.6.

P0.689 (46X61) =

...
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
...

P0.689 (X61) - P0.689 (X45) ≈ 0.9618 - 0.0447 ≈ 0.9171
(TI-Befehl: binomcdf(89,0.6,61) - binomcdf(89,0.6,45))