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:
In einer Urne ist der Anteil der grünen Kugeln 60%. Wie oft muss mindestens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 90% Wahrscheinlichkeit 36 oder mehr grüne Kugeln gezogen werden?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 63 | 0.2754 |
| 64 | 0.2286 |
| 65 | 0.1873 |
| 66 | 0.1515 |
| 67 | 0.1211 |
| 68 | 0.0955 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der gezogenen grünen Kugeln an und ist im Idealfall binomialverteilt mit p = 0.6 und variablem n.
Es muss gelten: ≥ 0.9
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.9 |+ - 0.9
0.1 ≥ oder ≤ 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 60% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 60 Versuchen auch ungefähr 36 (≈0.6⋅60) Treffer auftreten.
Wir berechnen also mit unserem ersten n=60:
≈ 0.4442
(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=68 die gesuchte Wahrscheinlichkeit unter 0.1 ist.
n muss also mindestens 68 sein, damit ≤ 0.1 oder eben ≥ 0.9 gilt.
Formel v. Bernoulli
Beispiel:
Ein partystarker Schüler muss einen Mulitple Choice Test ablegen von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 38 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so genau 7 Fragen richtig beantwortet hat?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=38 und p=.
= =0.10316856513797≈ 0.1032(TI-Befehl: binompdf(38,1/4,7))
Binomialvert. mit variablem p (diskret)
Beispiel:
Eine Firma, die Überraschungseier vertreibt, möchte als Werbegag manche Eier mit Superfiguren bestücken. Aus Angst vor Kundenbeschwerden sollen in einer 5er-Packung mit der mindestens 50% Wahrscheinlichkeit 1 oder mehr Superfiguren enthalten sein. Wenn in jedes n-te Ei eine Superfigur rein soll, wie groß darf dann n höchstens sein?
| p | P(X≥1)=1-P(X≤0) |
|---|---|
| ... | ... |
| 0.9687 | |
| 0.8683 | |
| 0.7627 | |
| 0.6723 | |
| 0.5981 | |
| 0.5373 | |
| 0.4871 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der Eier mit einer Superfigur an. X ist binomialverteilt mit n=5 und unbekanntem Parameter p.
Es muss gelten: = 1- = 0.5 (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 ('mindestens 1 Treffer bei 5 Versuchen') bei diesen Nennern wird (siehe Tabelle links)
Als Startwert wählen wir als p=.
In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 50% bleibt.
Der Nenner, also die das wievielte Ei eine Superfigur enthält, darf also höchstens
7 sein.
Binomialvert. mit variabl. p (höchstens) nur GTR
Beispiel:
Eine Fluggesellschaft hat 37 Plätze in ihrem Flugzeug. Trotzdem werden 80 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)?
| p | P(X≤k) |
|---|---|
| ... | ... |
| 0.34 | 0.9914 |
| 0.35 | 0.9858 |
| 0.36 | 0.9773 |
| 0.37 | 0.9649 |
| 0.38 | 0.9477 |
| 0.39 | 0.9246 |
| 0.4 | 0.8947 |
| ... | ... |
Es muss gelten: =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,37) - 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=0.39 die gesuchte Wahrscheinlichkeit über 0.9 ist.
Binomialverteilung X ∈ [l;k]
Beispiel:
Ein Basketballspieler hat eine Trefferquote von 73% von der Freiwurflinie. Wie groß ist die Wahrscheinlichkeit dass er von 52 Versuchen mindestens 37 und weniger als 39 trifft?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=52 und p=0.73.
=
(TI-Befehl: binomcdf(52,0.73,38) - binomcdf(52,0.73,36))
Erwartungswert, Standardabweichung best.
Beispiel:
Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 30 und p = 0.8
Bestimme den Erwartungswert μ und die Standardabweichung σ von X .
Für Erwartungswert und Standardabweichung bei der Binomialverteilung gibt es ja einfache Formeln, in die man einfach n = 30 und p = 0.8 einsetzen muss:
Erwartungswert E(X) = n ⋅ p = 30 ⋅ 0.8 = 24
Standardabweichung S(X) = = = ≈ 2.19
