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 18% liegt. Wie vielen Personen muss nun dieses Produkt mindestens vorgeführt werden, damit sich mit mind. 80% Wahrscheinlichkeit, 21 oder mehr Käufer für dieses Produkt finden?

Lösung einblenden
nP(X≤k)
......
1300.2585
1310.2458
1320.2335
1330.2216
1340.2102
1350.1991
......

Die Zufallsgröße X gibt Anzahl der Käufer an und ist im Idealfall binomialverteilt mit p = 0.18 und variablem n.

Es muss gelten: P0.18n (X21) ≥ 0.8

Weil man ja aber P0.18n (X21) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.18n (X21) = 1 - P0.18n (X20) ≥ 0.8 |+ P0.18n (X20) - 0.8

0.2 ≥ P0.18n (X20) oder P0.18n (X20) ≤ 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 18% der Versuche mit einem Treffer. Also müssten dann doch bei 21 0.18 ≈ 117 Versuchen auch ungefähr 21 (≈0.18⋅117) Treffer auftreten.

Wir berechnen also mit unserem ersten n=117:
P0.18n (X20) ≈ 0.4565 (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=135 die gesuchte Wahrscheinlichkeit unter 0.2 ist.

n muss also mindestens 135 sein, damit P0.18n (X20) ≤ 0.2 oder eben P0.18n (X21) ≥ 0.8 gilt.

kumulierte Binomialverteilung

Beispiel:

Ein Würfel wird 88 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass nicht öfter als 22 mal eine 6 (p=1/6) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=88 und p= 1 6 .

P 1 6 88 (X22) = P 1 6 88 (X=0) + P 1 6 88 (X=1) + P 1 6 88 (X=2) +... + P 1 6 88 (X=22) = 0.9838157103132 ≈ 0.9838
(TI-Befehl: binomcdf(88,1/6,22))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 3 rote und einige schwarze Kugeln. Es soll 19 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 90% unter den 19 gezogenen Kugeln nicht mehr als 3 rote sind?

Lösung einblenden
pP(X≤3)
......
3 19 0.6478
3 20 0.6841
3 21 0.7165
3 22 0.7452
3 23 0.7707
3 24 0.7933
3 25 0.8133
3 26 0.8312
3 27 0.847
3 28 0.8611
3 29 0.8737
3 30 0.885
3 31 0.8951
3 32 0.9041
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=19 und unbekanntem Parameter p.

Es muss gelten: Pp19 (X3) =0.9 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 3 sein muss, da es ja genau 3 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp19 (X3) ('höchstens 3 Treffer bei 19 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 3 19 . Mit diesem p wäre ja 3= 3 19 ⋅19 der Erwartungswert und somit Pp19 (X3) irgendwo in der nähe von 50%. Wenn wir nun p= 3 19 mit 3 3 erweitern (so dass wir auf den Zähler 3 kommen) und den Nenner abrunden, müssten wir mit p= 3 19 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 3 32 die gesuchte Wahrscheinlichkeit über 90% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 32 sein.

Also werden noch 29 zusätzliche Optionen (also schwarze Kugeln) benötigt.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 80% Wahrscheinlichkeit von 63 Freiwürfen mindestens 53 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥53)=1-P(X≤52)
......
0.820.4044
0.830.4868
0.840.5724
0.850.6575
0.860.738
0.870.8102
......

Es muss gelten: Pp63 (X53) =0.8 (oder mehr)

oder eben: 1- Pp63 (X52) =0.8 (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(63,X,52) - 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=0.87 die gesuchte Wahrscheinlichkeit über 0.8 ist.

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 59 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so genau 10 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=59 und p= 1 4 .

P 1 4 59 (X=10) = ( 59 10 ) ( 1 4 )10 ( 3 4 )49 =0.045243655920956≈ 0.0452
(TI-Befehl: binompdf(59,1/4,10))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 79 und p = 0.85
Bestimme den Erwartungswert μ und die Standardabweichung σ von X .

Lösung einblenden

Für Erwartungswert und Standardabweichung bei der Binomialverteilung gibt es ja einfache Formeln, in die man einfach n = 79 und p = 0.85 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 79 ⋅ 0.85 = 67.15

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 79 ⋅ 0.85 ⋅ 0.15 = 10.0725 3.17