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:

Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,3.Wie oft darf man das Zufallsexperiment höchstens wiederholen (oder wie groß darf die Stichprobe sein), um mit mind. 50% Wahrscheinlichkeit, höchstens 30 Treffer zu erzielen ?

Lösung einblenden
nP(X≤k)
......
1000.5491
1010.5231
1020.4972
......

Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.3 und variablem n.

Es muss gelten: P0.3n (X30) ≥ 0.5

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 30% der Versuche mit einem Treffer. Also müssten dann doch bei 30 0.3 ≈ 100 Versuchen auch ungefähr 30 (≈0.3⋅100) Treffer auftreten.

Wir berechnen also mit unserem ersten n=100:
P0.3n (X30) ≈ 0.5491 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.5 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 0.5 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=101 die gesuchte Wahrscheinlichkeit über 50% ist.

kumulierte Binomialverteilung

Beispiel:

Eine Münze wird 20 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass höchstens 11 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=20 und p=0.5.

P0.520 (X11) = P0.520 (X=0) + P0.520 (X=1) + P0.520 (X=2) +... + P0.520 (X=11) = 0.74827766418457 ≈ 0.7483
(TI-Befehl: binomcdf(20,0.5,11))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 5 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 80% unter den 27 gezogenen Kugeln nicht mehr als 24 schwarze sind?

Lösung einblenden
pP(X≤24)
......
8 13 0.9997
9 14 0.9992
10 15 0.9982
11 16 0.9965
12 17 0.994
13 18 0.9903
14 19 0.9855
15 20 0.9793
16 21 0.9717
17 22 0.9627
18 23 0.9525
19 24 0.9409
20 25 0.9282
21 26 0.9144
22 27 0.8997
23 28 0.8842
24 29 0.868
25 30 0.8512
26 31 0.834
27 32 0.8164
28 33 0.7985
......

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) = 0.8 (oder mehr)

Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 5 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= 8 13 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 27 32 die gesuchte Wahrscheinlichkeit über 80% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 27 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 65 Stück nur an, wenn nicht mehr als 38 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)
......
0.460.9837
0.470.9759
0.480.9652
0.490.9508
0.50.932
0.510.9081
0.520.8786
......

Es muss gelten: Pp65 (X38) =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(65,X,38) - 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=0.51 die gesuchte Wahrscheinlichkeit über 0.9 ist.

kumulierte Binomialverteilung

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 41%. Wie groß ist die Wahrscheinlichkeit dass er von 84 Versuchen weniger als 28 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=84 und p=0.41.

P0.4184 (X<28) = P0.4184 (X27) = P0.4184 (X=0) + P0.4184 (X=1) + P0.4184 (X=2) +... + P0.4184 (X=27) = 0.060415994981126 ≈ 0.0604
(TI-Befehl: binomcdf(84,0.41,27))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 75 und p = 0.75
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 = 75 und p = 0.75 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 75 ⋅ 0.75 = 56.25

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 75 ⋅ 0.75 ⋅ 0.25 = 14.0625 3.75