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 Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,4.Wie oft muss man das Zufallsexperiment mindestens wiederholen (oder wie groß muss die Stichprobe sein), um mit mind. 90% Wahrscheinlichkeit, mindestens 26 Treffer zu erzielen ?

Lösung einblenden
nP(X≤k)
......
730.1889
740.1654
750.1441
760.125
770.1079
780.0927
......

Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.4 und variablem n.

Es muss gelten: P0.4n (X26) ≥ 0.9

Weil man ja aber P0.4n (X26) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.4n (X26) = 1 - P0.4n (X25) ≥ 0.9 |+ P0.4n (X25) - 0.9

0.1 ≥ P0.4n (X25) oder P0.4n (X25) ≤ 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 40% der Versuche mit einem Treffer. Also müssten dann doch bei 26 0.4 ≈ 65 Versuchen auch ungefähr 26 (≈0.4⋅65) Treffer auftreten.

Wir berechnen also mit unserem ersten n=65:
P0.4n (X25) ≈ 0.453 (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=78 die gesuchte Wahrscheinlichkeit unter 0.1 ist.

n muss also mindestens 78 sein, damit P0.4n (X25) ≤ 0.1 oder eben P0.4n (X26) ≥ 0.9 gilt.

kumulierte Binomialverteilung

Beispiel:

Eine Münze wird 23 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass weniger als 11 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Würfe mit Zahl an. X ist binomialverteilt mit n=23 und p=0.5.

P0.523 (X<11) = P0.523 (X10) = P0.523 (X=0) + P0.523 (X=1) + P0.523 (X=2) +... + P0.523 (X=10) = 0.33881974220276 ≈ 0.3388
(TI-Befehl: binomcdf(23,0.5,10))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 2 rote und einige schwarze Kugeln. Es soll 27 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 70% unter den 27 gezogenen Kugeln nicht mehr als 24 schwarze sind?

Lösung einblenden
pP(X≤24)
......
3 5 0.9998
4 6 0.9982
5 7 0.9923
6 8 0.9793
7 9 0.9578
8 10 0.9282
9 11 0.8921
10 12 0.8512
11 13 0.8075
12 14 0.7625
13 15 0.7174
14 16 0.6733
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=27 und unbekanntem Parameter p.

Es muss gelten: Pp27 (X24) = 0.7 (oder mehr)

Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 2 größer sein muss als der Zähler.

Deswegen erhöhen wir nun schrittweise immer den Zähler und Nenner bei der Einzelwahrscheinlichkeit um 1 und probieren aus, wie sich das auf die gesuchte Wahrscheinlichkeit Pp27 (X24) ('höchstens 24 Treffer bei 27 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 3 5 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 13 15 die gesuchte Wahrscheinlichkeit über 70% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 13 sein.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 70% Wahrscheinlichkeit von 48 Freiwürfen mindestens 30 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥30)=1-P(X≤29)
......
0.60.4222
0.610.4784
0.620.5355
0.630.5922
0.640.6475
0.650.7002
......

Es muss gelten: Pp48 (X30) =0.7 (oder mehr)

oder eben: 1- Pp48 (X29) =0.7 (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(48,X,29) - 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=0.65 die gesuchte Wahrscheinlichkeit über 0.7 ist.

kumulierte Binomialverteilung

Beispiel:

Eine Münze wird 38 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass höchstens 19 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=38 und p=0.5.

P0.538 (X19) = P0.538 (X=0) + P0.538 (X=1) + P0.538 (X=2) +... + P0.538 (X=19) = 0.56429266031773 ≈ 0.5643
(TI-Befehl: binomcdf(38,0.5,19))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,25. Wie groß ist die Wahrscheinlichkeit bei 41 Versuchen, dass die Anzahl der Treffer im grünen Bereich nicht mehr als 20% vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=41⋅0.25 = 10.25

Die 20% Abweichung wären dann zwischen 80% von 10.25, also 0.8⋅ 10.25 = 8.2 und 120% von 10.25, also 1.2⋅ 10.25 = 12.3

Da die Trefferzahl ja nicht weiter von 10.25 entfernt sein darf als 8.2 bzw. 12.3, muss sie also zwischen 9 und 12 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=41 und p=0.25.

P0.2541 (9X12) =

...
6
7
8
9
10
11
12
13
14
...

P0.2541 (X12) - P0.2541 (X8) ≈ 0.7944 - 0.2704 ≈ 0.524
(TI-Befehl: binomcdf(41,0.25,12) - binomcdf(41,0.25,8))