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 einer Urne ist der Anteil der grünen Kugeln 50%. Wie oft muss mindestens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 90% Wahrscheinlichkeit 24 oder mehr grüne Kugeln gezogen werden?

Lösung einblenden
nP(X≤k)
......
520.2442
530.2051
540.1704
550.1403
560.1144
570.0924
......

Die Zufallsgröße X gibt Anzahl der gezogenen grünen Kugeln an und ist im Idealfall binomialverteilt mit p = 0.5 und variablem n.

Es muss gelten: P0.5n (X24) ≥ 0.9

Weil man ja aber P0.5n (X24) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.5n (X24) = 1 - P0.5n (X23) ≥ 0.9 |+ P0.5n (X23) - 0.9

0.1 ≥ P0.5n (X23) oder P0.5n (X23) ≤ 0.1

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 50% der Versuche mit einem Treffer. Also müssten dann doch bei 24 0.5 ≈ 48 Versuchen auch ungefähr 24 (≈0.5⋅48) Treffer auftreten.

Wir berechnen also mit unserem ersten n=48:
P0.5n (X23) ≈ 0.4427 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.1 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 0.1 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=57 die gesuchte Wahrscheinlichkeit unter 0.1 ist.

n muss also mindestens 57 sein, damit P0.5n (X23) ≤ 0.1 oder eben P0.5n (X24) ≥ 0.9 gilt.

kumulierte Binomialverteilung

Beispiel:

Ein Zufallsexperiment wird 93 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p= 0,9. Wie groß ist dabei die Wahrscheinlichkeit, weniger als 90 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=93 und p=0.9.

P0.993 (X<90) = P0.993 (X89) = P0.993 (X=0) + P0.993 (X=1) + P0.993 (X=2) +... + P0.993 (X=89) = 0.98655241274946 ≈ 0.9866
(TI-Befehl: binomcdf(93,0.9,89))

Binomialvert. mit variablem p (diskret)

Beispiel:

Ein neuer Multiple Choice Test mit 14 verschiedenen Fragen soll entwickelt werden. Dabei muss immer genau eine von mehreren Antwortmöglichkeiten richtig sein. Die Anzahl an Antwortmöglichkeiten soll bei allen Fragen gleich sein. Insgesamt soll der Test so konzipiert sein, dass die Wahrscheinlichkeit mehr als 2 Fragen nur durch Raten zufällig richtig zu beantworten (obwohl man keinerlei Wissen hat) bei höchstens 25% liegt. Bestimme die hierfür notwendige Mindestanzahl an Antwortmöglichkeiten bei jeder Frage.

Lösung einblenden
pP(X≤2)
......
1 7 0.6772
1 8 0.749
1 9 0.802
......

Die Zufallsgröße X gibt die Anzahl der zufällig richtig geratenenen Antworten an. X ist binomialverteilt mit n=14 und unbekanntem Parameter p.

Es muss gelten: Pp14 (X2) =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 Pp14 (X2) ('höchstens 2 Treffer bei 14 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 2 14 . Mit diesem p wäre ja 2= 2 14 ⋅14 der Erwartungswert und somit Pp14 (X2) irgendwo in der nähe von 50%. Wenn wir nun p= 2 14 mit 1 2 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 7 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 9 die gesuchte Wahrscheinlichkeit über 75% steigt.
Der Nenner, also die Anzahl der Antwortmöglichkeiten, muss also mindestens 9 sein.

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

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 44 mal wiederholt (bzw. die Stichprobe hat die Größe 44)Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 50% mindestens 27 Treffer erzielt werden?

Lösung einblenden
pP(X≥27)=1-P(X≤26)
......
0.560.2878
0.570.3351
0.580.3854
0.590.438
0.60.4919
0.610.5463
......

Es muss gelten: Pp44 (X27) =0.5 (oder mehr)

oder eben: 1- Pp44 (X26) =0.5 (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(44,X,26) - 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=0.61 die gesuchte Wahrscheinlichkeit über 0.5 ist.

Formel v. Bernoulli

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,6. Wie groß ist die Wahrscheinlichkeit dass er von 100 Versuchen genau 55 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=100 und p=0.6.

P0.6100 (X=55) = ( 100 55 ) 0.655 0.445 =0.047811180103357≈ 0.0478
(TI-Befehl: binompdf(100,0.6,55))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Ein Würfel wird 72 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der gewürfelten 6er nicht mehr als 20% vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=72⋅ 1 6 = 12

Die 20% Abweichung wären dann zwischen 80% von 12, also 0.8⋅ 12 = 9.6 und 120% von 12, also 1.2⋅ 12 = 14.4

Da die Trefferzahl ja nicht weiter von 12 entfernt sein darf als 9.6 bzw. 14.4, muss sie also zwischen 10 und 14 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=72 und p= 1 6 .

P 1 6 72 (10X14) =

...
7
8
9
10
11
12
13
14
15
16
...

P 1 6 72 (X14) - P 1 6 72 (X9) ≈ 0.7894 - 0.2185 ≈ 0.5709
(TI-Befehl: binomcdf(72, 1 6 ,14) - binomcdf(72, 1 6 ,9))