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:

In Tschechien gilt absolutes Alkoholverbot in Lokalen für Jugendliche unter 18 Jahren. Ein paar trinkfreudige 17-jährige Jugendliche wollen bei einer Studienfahrt nach Prag trotzdem ihr Glück versuchen. 86% der Gaststätten setzen das Alkoholverbot konsequent um und schenken nur gegen Vorlage einer "ID" (Personalausweis) Bier aus. Wie viele Kneipen müssen die Jugenlichen nun mindestens aufsuchen, damit sie bei einer Kneipentour mit mindestens 60% Wahrscheinlichkeit in mindestens 3 Lokalen nicht mit Nachfragen zu ihrer "ID" gedemütigt werden und in Ruhe ein Bier trinken können?

Lösung einblenden
nP(X≤k)
......
210.4205
220.3877
......

Die Zufallsgröße X gibt die Anzahl der besuchten Kneipen, die keine "ID" (Personalausweis) verlangen an und ist im Idealfall binomialverteilt mit p = 0.14 und variablem n.

Es muss gelten: P0.14n (X3) ≥ 0.6

Weil man ja aber P0.14n (X3) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.14n (X3) = 1 - P0.14n (X2) ≥ 0.6 |+ P0.14n (X2) - 0.6

0.4 ≥ P0.14n (X2) oder P0.14n (X2) ≤ 0.4

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 14% der Versuche mit einem Treffer. Also müssten dann doch bei 3 0.14 ≈ 21 Versuchen auch ungefähr 3 (≈0.14⋅21) Treffer auftreten.

Wir berechnen also mit unserem ersten n=21:
P0.14n (X2) ≈ 0.4205 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.4 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 0.4 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=22 die gesuchte Wahrscheinlichkeit unter 0.4 ist.

n muss also mindestens 22 sein, damit P0.14n (X2) ≤ 0.4 oder eben P0.14n (X3) ≥ 0.6 gilt.

Formel v. Bernoulli

Beispiel:

Eine Münze wird 37 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 19 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=37 und p=0.5.

P0.537 (X=19) = ( 37 19 ) 0.519 0.518 =0.12858532063547≈ 0.1286
(TI-Befehl: binompdf(37,0.5,19))

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 6 Preise gesammelt. Sie erwarten, dass das Glücksrad beim Schulfest 50 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 6 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 80% für die 50 Durchgänge reichen?

Lösung einblenden
pP(X≤6)
......
1 8 0.5637
1 9 0.6817
1 10 0.7702
1 11 0.8345
......

Die Zufallsgröße X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=50 und unbekanntem Parameter p.

Es muss gelten: Pp50 (X6) =0.8 (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 Pp50 (X6) ('höchstens 6 Treffer bei 50 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 6 50 . Mit diesem p wäre ja 6= 6 50 ⋅50 der Erwartungswert und somit Pp50 (X6) irgendwo in der nähe von 50%. Wenn wir nun p= 6 50 mit 1 6 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 8 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 11 die gesuchte Wahrscheinlichkeit über 80% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens 11 sein.

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

Beispiel:

Ein Glücksrad soll mit nur zwei verschiedenen Sektoren (blau und rot) gebaut werden. Wie hoch muss man die Einzelwahrscheinlichkeit p mindestens wählen, dass die Wahrscheinlichkeit bei 97 Wiederholungen 34 mal (oder mehr) rot zu treffen bei mind. 80% liegt?

Lösung einblenden
pP(X≥34)=1-P(X≤33)
......
0.340.4512
0.350.5339
0.360.6145
0.370.6898
0.380.7575
0.390.8159
......

Es muss gelten: Pp97 (X34) =0.8 (oder mehr)

oder eben: 1- Pp97 (X33) =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(97,X,33) - 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=0.39 die gesuchte Wahrscheinlichkeit über 0.8 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Zufallsexperiment wird 85 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,5.Wie groß ist dabei die Wahrscheinlichkeit, mindestens 39, aber höchstens 51 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=85 und p=0.5.

P0.585 (39X51) =

...
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
...

P0.585 (X51) - P0.585 (X38) ≈ 0.9749 - 0.1928 ≈ 0.7821
(TI-Befehl: binomcdf(85,0.5,51) - binomcdf(85,0.5,38))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

In einer Chip-Fabrik werden neue High Tech Chips produziert. Leider ist die Technik noch nicht so ganz ausgereift, weswegen Ausschuss mit einer Wahrscheinlichkeit von p=0,5 entsteht. Es wird eine Stichprobe der Menge 64 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips um nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 64⋅0.5 ≈ 32,
die Standardabweichung mit σ = n p (1-p) = 64 0.5 0.5 ≈ 4

36 (32 + 4) und 28 (32 - 4) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 32 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 28 und 36 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 28 und 36 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=64 und p=0.5.

P0.564 (28X36) =

...
25
26
27
28
29
30
31
32
33
34
35
36
37
38
...

P0.564 (X36) - P0.564 (X27) ≈ 0.8698 - 0.1302 ≈ 0.7396
(TI-Befehl: binomcdf(64,0.5,36) - binomcdf(64,0.5,27))