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:

Im einem Mathekurs beträgt die Wahrscheinlichkeit, dass ein klassischer GeSchwa-Fehler begangen wird, p=0,3. Wie viele Aufgaben kann ein Schüler höchstens machen, damit er mit einer Wahrscheinlichkeit von 90% maximal 38 dieser Fehler begeht?

Lösung einblenden
nP(X≤k)
......
1070.9099
1080.8985
1090.8862
1100.873
1110.8589
1120.8438
1130.8279
1140.8111
1150.7935
1160.775
1170.7558
1180.7359
1190.7153
1200.6942
1210.6725
1220.6504
1230.628
1240.6052
1250.5822
1260.5591
1270.536
......

Die Zufallsgröße X gibt Anzahl der begangenen GeSchwa-Fehler an und ist im Idealfall binomialverteilt mit p = 0.3 und variablem n.

Es muss gelten: P0.3n (X≤38) ≥ 0.9

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 38 0.3 ≈ 127 Versuchen auch ungefähr 38 (≈0.3⋅127) Treffer auftreten.

Wir berechnen also mit unserem ersten n=127:
P0.3n (X≤38) ≈ 0.536 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.9 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 0.9 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=107 die gesuchte Wahrscheinlichkeit über 90% ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen, von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 40 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 7, aber weniger als 14 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=40 und p=0.25.

P0.2540 (7≤X≤13) =

...
4
5
6
7
8
9
10
11
12
13
14
15
...

P0.2540 (X≤13) - P0.2540 (X≤6) ≈ 0.8968 - 0.0962 ≈ 0.8006
(TI-Befehl: binomcdf(40,0.25,13) - binomcdf(40,0.25,6))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 14 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 80% unter den 14 gezogenen Kugeln nicht mehr als 6 rote sind?

Lösung einblenden
pP(X≤6)
......
4 9 0.563
4 10 0.6925
4 11 0.7856
4 12 0.8505
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=14 und unbekanntem Parameter p.

Es muss gelten: Pp14 (X≤6) =0.8 (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 Pp14 (X≤6) ('höchstens 6 Treffer bei 14 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 6 14 . Mit diesem p wäre ja 6= 6 14 ⋅14 der Erwartungswert und somit Pp14 (X≤6) irgendwo in der nähe von 50%. Wenn wir nun p= 6 14 mit 4 6 erweitern (so dass wir auf den Zähler 4 kommen) und den Nenner abrunden, müssten wir mit p= 4 9 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 4 12 die gesuchte Wahrscheinlichkeit über 80% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 12 sein.

Also werden noch 8 zusätzliche Optionen (also schwarze Kugeln) benötigt.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Eine Fluggesellschaft hat 78 Plätze in ihrem Flugzeug. Trotzdem werden 99 Flugtickets verkauft. Wie hoch darf die Wahrscheinlichkeit, dass ein Ticketkäufer auch tatsächlich mitfliegt, höchstens sein, dass das Flugzeug mit einer Wahrscheinlichkeit von mindestens 90% nicht überbucht ist (also dass alle mitfliegen können)?

Lösung einblenden
pP(X≥k)=1-P(X≤k-1)
......
0.680.9936
0.690.9888
0.70.9809
0.710.9687
0.720.9503
0.730.9237
0.740.8869
......

Es muss gelten: Pp99 (X≤78) =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(99,X,78) - 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=0.73 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X>=k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,64. Wie groß ist die Wahrscheinlichkeit dass er von 90 Versuchen mehr als 49 trifft?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=90 und p=0.64.

...
47
48
49
50
51
52
...

P0.6490 (X>49) = P0.6490 (X≥50) = 1 - P0.6490 (X≤49) = 0.9609
(TI-Befehl: 1-binomcdf(90,0.64,49))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,65. Wie groß ist die Wahrscheinlichkeit bei 55 Versuchen, dass die Anzahl der Treffer im grünen Bereich nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 55⋅0.65 ≈ 35.75,
die Standardabweichung mit σ = n ⋅ p ⋅ (1-p) = 55 ⋅0.65 ⋅ 0.35 ≈ 3.54

39.29 (35.75 + 3.54) und 32.21 (35.75 - 3.54) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 35.75 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 33 und 39 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 33 und 39 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=55 und p=0.65.

P0.6555 (33≤X≤39) =

...
30
31
32
33
34
35
36
37
38
39
40
41
...

P0.6555 (X≤39) - P0.6555 (X≤32) ≈ 0.856 - 0.1785 ≈ 0.6775
(TI-Befehl: binomcdf(55,0.65,39) - binomcdf(55,0.65,32))