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:

Bei einem Glücksrad, ist die Wahrscheinlichkeit in den grünen Bereich zu kommen p=0,4. Wie oft muss man dieses Glückrad mindestens drehen, um mit einer Wahrscheinlichkeit von mindestens 80% 36 mal oder öfters in den grünen Bereich zu kommen?

Lösung einblenden
nP(X≤k)
......
950.3022
960.2745
970.2483
980.2237
990.2008
1000.1795
......

Die Zufallsgröße X gibt Anzahl der Drehungen, die im grünen Bereich landen an und ist im Idealfall binomialverteilt mit p = 0.4 und variablem n.

Es muss gelten: P0.4n (X≥36) ≥ 0.8

Weil man ja aber P0.4n (X≥36) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.4n (X≥36) = 1 - P0.4n (X≤35) ≥ 0.8 |+ P0.4n (X≤35) - 0.8

0.2 ≥ P0.4n (X≤35) oder P0.4n (X≤35) ≤ 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 40% der Versuche mit einem Treffer. Also müssten dann doch bei 36 0.4 ≈ 90 Versuchen auch ungefähr 36 (≈0.4⋅90) Treffer auftreten.

Wir berechnen also mit unserem ersten n=90:
P0.4n (X≤35) ≈ 0.46 (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=100 die gesuchte Wahrscheinlichkeit unter 0.2 ist.

n muss also mindestens 100 sein, damit P0.4n (X≤35) ≤ 0.2 oder eben P0.4n (X≥36) ≥ 0.8 gilt.

Formel v. Bernoulli

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, genau 10 Glückskekse mit einer Peproni zu erwischen, wenn man 66 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=66 und p= 1 8 .

P 1 8 66 (X=10) = ( 66 10 ) ⋅ ( 1 8 )10 ⋅ ( 7 8 )56 =0.1111203288145≈ 0.1111
(TI-Befehl: binompdf(66,1/8,10))

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 65 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 7 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 95% für die 65 Durchgänge reichen?

Lösung einblenden
pP(X≤7)
......
1 9 0.5638
1 10 0.6769
1 11 0.7637
1 12 0.8282
1 13 0.8751
1 14 0.909
1 15 0.9334
1 16 0.9509
......

Die Zufallsgröße X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=65 und unbekanntem Parameter p.

Es muss gelten: Pp65 (X≤7) =0.95 (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 Pp65 (X≤7) ('höchstens 7 Treffer bei 65 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 7 65 . Mit diesem p wäre ja 7= 7 65 ⋅65 der Erwartungswert und somit Pp65 (X≤7) irgendwo in der nähe von 50%. Wenn wir nun p= 7 65 mit 1 7 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 9 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 16 die gesuchte Wahrscheinlichkeit über 95% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens 16 sein.

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

Beispiel:

Eine Fluggesellschaft verkauft 63 Flugtickets für einen bestimmten Flug. Das sind 24 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≥24)=1-P(X≤23)
......
0.410.7228
0.420.774
0.430.8192
0.440.8582
0.450.8909
0.460.9178
......

Es muss gelten: Pp63 (X≥24) =0.9 (oder mehr)

oder eben: 1- Pp63 (X≤23) =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(63,X,23) - 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=0.46 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Würfel wird 47 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 6 mal, aber weniger als 11 mal eine sechs gewürfelt wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=47 und p= 1 6 .

P 1 6 47 (7≤X≤10) =

...
4
5
6
7
8
9
10
11
12
...

P 1 6 47 (X≤10) - P 1 6 47 (X≤6) ≈ 0.8516 - 0.3127 ≈ 0.5389
(TI-Befehl: binomcdf(47, 1 6 ,10) - binomcdf(47, 1 6 ,6))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=75%. Wie groß ist die Wahrscheinlichkeit dass bei 74 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 = 74⋅0.75 ≈ 55.5,
die Standardabweichung mit σ = n ⋅ p ⋅ (1-p) = 74 ⋅0.75 ⋅ 0.25 ≈ 3.72

59.22 (55.5 + 3.72) und 51.78 (55.5 - 3.72) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 55.5 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 52 und 59 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 52 und 59 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=74 und p=0.75.

P0.7574 (52≤X≤59) =

...
49
50
51
52
53
54
55
56
57
58
59
60
61
...

P0.7574 (X≤59) - P0.7574 (X≤51) ≈ 0.8596 - 0.142 ≈ 0.7176
(TI-Befehl: binomcdf(74,0.75,59) - binomcdf(74,0.75,51))