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=0,35.Wie oft darf man das Zufallsexperiment höchstens wiederholen (oder wie groß darf die Stichprobe sein), um mit mind. 60% Wahrscheinlichkeit, höchstens 26 Treffer zu erzielen ?

Lösung einblenden
nP(X≤k)
......
720.6301
730.5966
740.5628
......

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

Es muss gelten: P0.35n (X≤26) ≥ 0.6

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 35% der Versuche mit einem Treffer. Also müssten dann doch bei 26 0.35 ≈ 74 Versuchen auch ungefähr 26 (≈0.35⋅74) Treffer auftreten.

Wir berechnen also mit unserem ersten n=74:
P0.35n (X≤26) ≈ 0.5628 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.6 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 0.6 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=72 die gesuchte Wahrscheinlichkeit über 60% ist.

kumulierte Binomialverteilung

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=0,2 entsteht. Es wird eine Stichprobe der Menge 27 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon nicht mehr als 5 defekte Chips enthalten sind.

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=27 und p=0.2.

P0.227 (X≤5) = P0.227 (X=0) + P0.227 (X=1) + P0.227 (X=2) +... + P0.227 (X=5) = 0.53865673286853 ≈ 0.5387
(TI-Befehl: binomcdf(27,0.2,5))

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 8 Preise gesammelt. Sie erwarten, dass das Glücksrad beim Schulfest 90 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 8 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 75% für die 90 Durchgänge reichen?

Lösung einblenden
pP(X≤8)
......
1 11 0.5661
1 12 0.6651
1 13 0.7448
1 14 0.8069
......

Die Zufallsgröße X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=90 und unbekanntem Parameter p.

Es muss gelten: Pp90 (X≤8) =0.75 (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 Pp90 (X≤8) ('höchstens 8 Treffer bei 90 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 8 90 . Mit diesem p wäre ja 8= 8 90 ⋅90 der Erwartungswert und somit Pp90 (X≤8) irgendwo in der nähe von 50%. Wenn wir nun p= 8 90 mit 1 8 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 11 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 14 die gesuchte Wahrscheinlichkeit über 75% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens 14 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 54 Wiederholungen 31 mal (oder mehr) rot zu treffen bei mind. 70% liegt?

Lösung einblenden
pP(X≥31)=1-P(X≤30)
......
0.550.4152
0.560.4738
0.570.5332
0.580.592
0.590.6491
0.60.7033
......

Es muss gelten: Pp54 (X≥31) =0.7 (oder mehr)

oder eben: 1- Pp54 (X≤30) =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(54,X,30) - 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=0.6 die gesuchte Wahrscheinlichkeit über 0.7 ist.

Formel v. Bernoulli

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,4. Wie groß ist die Wahrscheinlichkeit bei 59 Versuchen genau 24 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=59 und p=0.4.

P0.459 (X=24) = ( 59 24 ) ⋅ 0.424 ⋅ 0.635 =0.10466918336534≈ 0.1047
(TI-Befehl: binompdf(59,0.4,24))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=25%. Wie groß ist die Wahrscheinlichkeit dass er bei 65 Versuchen nicht mehr als 20% von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=65⋅0.25 = 16.25

Die 20% Abweichung wären dann zwischen 80% von 16.25, also 0.8⋅ 16.25 = 13 und 120% von 16.25, also 1.2⋅ 16.25 = 19.5

Da die Trefferzahl ja nicht weiter von 16.25 entfernt sein darf als 13 bzw. 19.5, muss sie also zwischen 13 und 19 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=65 und p=0.25.

P0.2565 (13≤X≤19) =

...
10
11
12
13
14
15
16
17
18
19
20
21
...

P0.2565 (X≤19) - P0.2565 (X≤12) ≈ 0.825 - 0.1403 ≈ 0.6847
(TI-Befehl: binomcdf(65,0.25,19) - binomcdf(65,0.25,12))