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:

Die Firma Apple hat ein neues geniales Produkt, die iYacht, auf den Markt gebracht (wenn auch nicht ganz günstig). Die hierfür beauftragte Marketingagentur garantiert, dass unter denen, denen sie die Yacht vorgeführt hat, der Anteil der späteren Käufer bei 13% liegt. Wie vielen Personen muss nun dieses Produkt mindestens vorgeführt werden, damit sich mit mind. 80% Wahrscheinlichkeit, 30 oder mehr Käufer für dieses Produkt finden?

Lösung einblenden
nP(X≤k)
......
2580.2303
2590.2233
2600.2164
2610.2096
2620.203
2630.1965
......

Die Zufallsgröße X gibt Anzahl der Käufer an und ist im Idealfall binomialverteilt mit p = 0.13 und variablem n.

Es muss gelten: P0.13n (X30) ≥ 0.8

Weil man ja aber P0.13n (X30) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.13n (X30) = 1 - P0.13n (X29) ≥ 0.8 |+ P0.13n (X29) - 0.8

0.2 ≥ P0.13n (X29) oder P0.13n (X29) ≤ 0.2

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 13% der Versuche mit einem Treffer. Also müssten dann doch bei 30 0.13 ≈ 231 Versuchen auch ungefähr 30 (≈0.13⋅231) Treffer auftreten.

Wir berechnen also mit unserem ersten n=231:
P0.13n (X29) ≈ 0.4683 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.2 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 0.2 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=263 die gesuchte Wahrscheinlichkeit unter 0.2 ist.

n muss also mindestens 263 sein, damit P0.13n (X29) ≤ 0.2 oder eben P0.13n (X30) ≥ 0.8 gilt.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, mehr als 5 und höchstens 12 Glückskekse mit einer Peproni zu erwischen, wenn man 83 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=83 und p=0.125.

P0.12583 (6X12) =

...
3
4
5
6
7
8
9
10
11
12
13
14
...

P0.12583 (X12) - P0.12583 (X5) ≈ 0.7662 - 0.0437 ≈ 0.7225
(TI-Befehl: binomcdf(83,0.125,12) - binomcdf(83,0.125,5))

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 75 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 7 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 70% für die 75 Durchgänge reichen?

Lösung einblenden
pP(X≤7)
......
1 10 0.5208
1 11 0.6272
1 12 0.7138
......

Die Zufallsgröße X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=75 und unbekanntem Parameter p.

Es muss gelten: Pp75 (X7) =0.7 (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 Pp75 (X7) ('höchstens 7 Treffer bei 75 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 7 75 . Mit diesem p wäre ja 7= 7 75 ⋅75 der Erwartungswert und somit Pp75 (X7) irgendwo in der nähe von 50%. Wenn wir nun p= 7 75 mit 1 7 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 10 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 12 die gesuchte Wahrscheinlichkeit über 70% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens 12 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Eine Fluggesellschaft hat 70 Plätze in ihrem Flugzeug. Trotzdem werden 82 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)?

Lösung einblenden
pP(X≤k)
......
0.750.9922
0.760.9867
0.770.978
0.780.9647
0.790.9448
0.80.9164
0.810.8771
......

Es muss gelten: Pp82 (X70) =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,70) - 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=0.8 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Formel v. Bernoulli

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,35. Wie groß ist die Wahrscheinlichkeit bei 71 Versuchen genau 21 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=71 und p=0.35.

P0.3571 (X=21) = ( 71 21 ) 0.3521 0.6550 =0.064467579398927≈ 0.0645
(TI-Befehl: binompdf(71,0.35,21))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=60%. Wie groß ist die Wahrscheinlichkeit dass bei 46 Versuchen die Anzahl seiner Treffer um nicht mehr als eine Standardabweichung von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 46⋅0.6 ≈ 27.6,
die Standardabweichung mit σ = n p (1-p) = 46 0.6 0.4 ≈ 3.32

30.92 (27.6 + 3.32) und 24.28 (27.6 - 3.32) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 27.6 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 25 und 30 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 25 und 30 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=46 und p=0.6.

P0.646 (25X30) =

...
22
23
24
25
26
27
28
29
30
31
32
...

P0.646 (X30) - P0.646 (X24) ≈ 0.8078 - 0.1751 ≈ 0.6327
(TI-Befehl: binomcdf(46,0.6,30) - binomcdf(46,0.6,24))