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:

Beim Biberacher Schützenfest läuft ein 12-köpfiger historischer Spielmannszug mit, der an die Schweden während des 30-Jährigen Kriegs erinnert. Dabei feiern dessen Mitglieder manchmal so ausgelassen, dass die Wahrscheinlichkeit eines Ausfall beim Umzug wegen unverhältnismäßig exzessiven Alkoholgenuss bei 16% liegt. Wie viele Schwedenmusiker muss die Schützendirektion mindestens ausbilden, damit beim Umzug mit mindestens 80%-iger Wahrscheinlichkeit mindestens 12 Schweden einsatzfähig sind?

Lösung einblenden
nP(X≤k)
......
140.3932
150.2092
160.0988
......

Die Zufallsgröße X gibt die Anzahl der einsatzfähigen Schwedenmusiker an und ist im Idealfall binomialverteilt mit p = 0.84 und variablem n.

Es muss gelten: P0.84n (X≥12) ≥ 0.8

Weil man ja aber P0.84n (X≥12) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.84n (X≥12) = 1 - P0.84n (X≤11) ≥ 0.8 |+ P0.84n (X≤11) - 0.8

0.2 ≥ P0.84n (X≤11) oder P0.84n (X≤11) ≤ 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 84% der Versuche mit einem Treffer. Also müssten dann doch bei 12 0.84 ≈ 14 Versuchen auch ungefähr 12 (≈0.84⋅14) Treffer auftreten.

Wir berechnen also mit unserem ersten n=14:
P0.84n (X≤11) ≈ 0.3932 (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=16 die gesuchte Wahrscheinlichkeit unter 0.2 ist.

n muss also mindestens 16 sein, damit P0.84n (X≤11) ≤ 0.2 oder eben P0.84n (X≥12) ≥ 0.8 gilt.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Zufallsexperiment wird 78 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,35.Wie groß ist dabei die Wahrscheinlichkeit, mindestens 20, aber höchstens 27 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=78 und p=0.35.

P0.3578 (20≤X≤27) =

...
17
18
19
20
21
22
23
24
25
26
27
28
29
...

P0.3578 (X≤27) - P0.3578 (X≤19) ≈ 0.5237 - 0.0295 ≈ 0.4942
(TI-Befehl: binomcdf(78,0.35,27) - binomcdf(78,0.35,19))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 15 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 85% unter den 15 gezogenen Kugeln nicht mehr als 3 rote sind?

Lösung einblenden
pP(X≤3)
......
4 20 0.6482
4 21 0.6836
4 22 0.7153
4 23 0.7434
4 24 0.7685
4 25 0.7908
4 26 0.8106
4 27 0.8283
4 28 0.8441
4 29 0.8582
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=15 und unbekanntem Parameter p.

Es muss gelten: Pp15 (X≤3) =0.85 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 4 sein muss, da es ja genau 4 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp15 (X≤3) ('höchstens 3 Treffer bei 15 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 3 15 . Mit diesem p wäre ja 3= 3 15 ⋅15 der Erwartungswert und somit Pp15 (X≤3) irgendwo in der nähe von 50%. Wenn wir nun p= 3 15 mit 4 3 erweitern (so dass wir auf den Zähler 4 kommen) und den Nenner abrunden, müssten wir mit p= 4 20 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 4 29 die gesuchte Wahrscheinlichkeit über 85% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 29 sein.

Also werden noch 25 zusätzliche Optionen (also schwarze Kugeln) benötigt.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Ein Promi macht Urlaub in einem Ferienclub. Dort sind noch weitere 75 Gäste. Wie groß darf der Bekanntheitsgrad des Promis höchstens sein, dass ihn mit einer Wahrscheinlichkeit von mindestens 90% nicht mehr als 28 erkennen und dumm anlabern?

Lösung einblenden
pP(X≤k)
......
0.260.9891
0.270.9816
0.280.9704
0.290.9544
0.30.9324
0.310.9034
0.320.8667
......

Es muss gelten: Pp75 (X≤28) =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(75,X,28) - 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=0.31 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Zufallsexperiment wird 85 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,35.Wie groß ist dabei die Wahrscheinlichkeit, mindestens 29, aber höchstens 35 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=85 und p=0.35.

P0.3585 (29≤X≤35) =

...
26
27
28
29
30
31
32
33
34
35
36
37
...

P0.3585 (X≤35) - P0.3585 (X≤28) ≈ 0.9033 - 0.3923 ≈ 0.511
(TI-Befehl: binomcdf(85,0.35,35) - binomcdf(85,0.35,28))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,4. Wie groß ist die Wahrscheinlichkeit bei 86 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=86⋅0.4 = 34.4

Die 20% Abweichung wären dann zwischen 80% von 34.4, also 0.8⋅ 34.4 = 27.52 und 120% von 34.4, also 1.2⋅ 34.4 = 41.28

Da die Trefferzahl ja nicht weiter von 34.4 entfernt sein darf als 27.52 bzw. 41.28, muss sie also zwischen 28 und 41 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=86 und p=0.4.

P0.486 (28≤X≤41) =

...
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
...

P0.486 (X≤41) - P0.486 (X≤27) ≈ 0.94 - 0.0629 ≈ 0.8771
(TI-Befehl: binomcdf(86,0.4,41) - binomcdf(86,0.4,27))