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 80% nicht mehr als 30 6er zu würfeln?

Lösung einblenden
nP(X≤k)
......
1590.8046
1600.7943
1610.7837
1620.7729
1630.7619
1640.7506
1650.7391
1660.7274
1670.7155
1680.7034
1690.6911
1700.6787
1710.6661
1720.6534
1730.6405
1740.6276
1750.6146
1760.6014
1770.5883
1780.5751
1790.5618
1800.5486
......

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 (X≤30) ≥ 0.8

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 30 1 6 ≈ 180 Versuchen auch ungefähr 30 (≈ 1 6 ⋅180) Treffer auftreten.

Wir berechnen also mit unserem ersten n=180:
P 1 6 n (X≤30) ≈ 0.5486 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.8 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 0.8 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=159 die gesuchte Wahrscheinlichkeit über 80% ist.

kumulierte Binomialverteilung

Beispiel:

Ein Zufallsexperiment wird 98 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p= 0,25. Wie groß ist dabei die Wahrscheinlichkeit, weniger als 20 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=98 und p=0.25.

P0.2598 (X<20) = P0.2598 (X≤19) = P0.2598 (X=0) + P0.2598 (X=1) + P0.2598 (X=2) +... + P0.2598 (X=19) = 0.12001424518164 ≈ 0.12
(TI-Befehl: binomcdf(98,0.25,19))

Binomialvert. mit variablem p (diskret)

Beispiel:

Eine Schulklasse möchte fürs Schulfest ein Glücksrad entwickeln. Aus optischen Gründen sollen dabei alle Sektoren gleich groß sein. Einer davon soll für den Hauptpreis stehen. Hierfür haben sie insgesamt 7 Preise gesammelt. Sie erwarten, dass das Glücksrad beim Schulfest 60 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 7 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 75% für die 60 Durchgänge reichen?

Lösung einblenden
pP(X≤7)
......
1 8 0.5198
1 9 0.6514
1 10 0.7516
......

Die Zufallsgröße X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=60 und unbekanntem Parameter p.

Es muss gelten: Pp60 (X≤7) =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 Pp60 (X≤7) ('höchstens 7 Treffer bei 60 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 7 60 . Mit diesem p wäre ja 7= 7 60 ⋅60 der Erwartungswert und somit Pp60 (X≤7) irgendwo in der nähe von 50%. Wenn wir nun p= 7 60 mit 1 7 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 8 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 10 die gesuchte Wahrscheinlichkeit über 75% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, 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 82 Stück nur an, wenn nicht mehr als 77 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
pP(X≤k)
......
0.850.9962
0.860.9927
0.870.9862
0.880.9747
0.890.9549
0.90.9223
0.910.871
......

Es muss gelten: Pp82 (X≤77) =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(82,X,77) - 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=0.9 die gesuchte Wahrscheinlichkeit über 0.9 ist.

kumulierte Binomialverteilung

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 49%. Wie groß ist die Wahrscheinlichkeit dass er von 35 Versuchen weniger als 15 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=35 und p=0.49.

P0.4935 (X<15) = P0.4935 (X≤14) = P0.4935 (X=0) + P0.4935 (X=1) + P0.4935 (X=2) +... + P0.4935 (X=14) = 0.18531216340984 ≈ 0.1853
(TI-Befehl: binomcdf(35,0.49,14))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=25%. Wie groß ist die Wahrscheinlichkeit dass er bei 54 Versuchen nicht mehr als 15% von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=54⋅0.25 = 13.5

Die 15% Abweichung wären dann zwischen 85% von 13.5, also 0.85⋅ 13.5 = 11.475 und 115% von 13.5, also 1.15⋅ 13.5 = 15.525

Da die Trefferzahl ja nicht weiter von 13.5 entfernt sein darf als 11.475 bzw. 15.525, muss sie also zwischen 12 und 15 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=54 und p=0.25.

P0.2554 (12≤X≤15) =

...
9
10
11
12
13
14
15
16
17
...

P0.2554 (X≤15) - P0.2554 (X≤11) ≈ 0.7402 - 0.2704 ≈ 0.4698
(TI-Befehl: binomcdf(54,0.25,15) - binomcdf(54,0.25,11))