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:
Ein Mathelehrer möchte neue Taschenrechner für seine Klasse bestellen. Die Wahrscheinlichkeit, dass einer der Taschenrechner ein Decepticon (bekannt aus dem Transformers-Filmen) ist, liegt bei p=0,03. Wie viele Rechner können bestellt werden, dass zu einer Wahrscheinlichkeit von 50% kein Descepticon unter ihnen ist?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 17 | 0.5958 |
| 18 | 0.578 |
| 19 | 0.5606 |
| 20 | 0.5438 |
| 21 | 0.5275 |
| 22 | 0.5117 |
| 23 | 0.4963 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der Descepticons unter den Taschenrechnern an und ist im Idealfall binomialverteilt mit p = 0.03 und variablem n.
Es muss gelten: ≥ 0.5
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 3% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 0 Versuchen auch ungefähr 0 (≈0.03⋅0) Treffer auftreten.
Wir berechnen also mit unserem ersten n=0:
≈ 1
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.5 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 0.5 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=22 die gesuchte Wahrscheinlichkeit über 50% ist.
Binomialverteilung X ∈ [l;k]
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,25. Wie groß ist die Wahrscheinlichkeit bei 45 Versuchen, mehr als 7 mal und höchstens 16 mal im grünen Bereich zu landen?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=45 und p=0.25.
=
(TI-Befehl: binomcdf(45,0.25,16) - binomcdf(45,0.25,7))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 17 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 90% unter den 17 gezogenen Kugeln nicht mehr als 3 rote sind?
| p | P(X≤3) |
|---|---|
| ... | ... |
| 0.6255 | |
| 0.6586 | |
| 0.6887 | |
| 0.7159 | |
| 0.7405 | |
| 0.7628 | |
| 0.7829 | |
| 0.801 | |
| 0.8174 | |
| 0.8323 | |
| 0.8457 | |
| 0.8579 | |
| 0.869 | |
| 0.8791 | |
| 0.8882 | |
| 0.8965 | |
| 0.9041 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=17 und unbekanntem Parameter p.
Es muss gelten: =0.9 (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 ('höchstens 3 Treffer bei 17 Versuchen') bei diesen Nennern wird (siehe Tabelle links)
Um einen günstigen Startwert zu finden wählen wir mal als p=. Mit diesem p wäre ja 3=⋅17 der Erwartungswert und somit irgendwo in der nähe von 50%. Wenn wir nun p= mit erweitern (so dass wir auf den Zähler 4 kommen) und den Nenner abrunden, müssten wir mit p= einen brauchbaren Einstiegswert für dieses Probieren erhalten.
In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 90% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens
38 sein.
Also werden noch 34 zusätzliche Optionen (also schwarze Kugeln) benötigt.
Binomialvert. mit variabl. p (höchstens) nur GTR
Beispiel:
Eine Produktionsstätte für HighTech-Chips hat Probleme mit der Qualitätssicherung. Ein Großhändler nimmt die übliche Liefermenge von 83 Stück nur an, wenn nicht mehr als 45 Teile defekt sind. Wie hoch darf der Prozentsatz der fehlerhaften Teile höchstens sein, dass eine Lieferung mit einer Wahrscheinlichkeit von mind. 90% angenommen werden.
| p | P(X≤k) |
|---|---|
| ... | ... |
| 0.42 | 0.9906 |
| 0.43 | 0.9848 |
| 0.44 | 0.9761 |
| 0.45 | 0.9636 |
| 0.46 | 0.9463 |
| 0.47 | 0.9231 |
| 0.48 | 0.8931 |
| ... | ... |
Es muss gelten: =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(83,X,45) - 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=0.47 die gesuchte Wahrscheinlichkeit über 0.9 ist.
kumulierte Binomialverteilung
Beispiel:
Ein Zufallsexperiment wird 91 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p= 0,75.Wie groß ist dabei die Wahrscheinlichkeit, höchstens 74 Treffer zu erzielen?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=91 und p=0.75.
= + + +... + = 0.9387671361519 ≈ 0.9388(TI-Befehl: binomcdf(91,0.75,74))
Binomialvert. Abstand vom Erwartungswert
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,55. Wie groß ist die Wahrscheinlichkeit bei 50 Versuchen, dass die Anzahl der Treffer im grünen Bereich nicht mehr als 20% vom Erwartungswert abweicht?
Den Erwartungswert berechnet man als E=n⋅p=50⋅0.55 = 27.5
Die 20% Abweichung wären dann zwischen 80% von 27.5, also 0.8⋅ 27.5 = 22 und 120% von 27.5, also 1.2⋅ 27.5 = 33
Da die Trefferzahl ja nicht weiter von 27.5 entfernt sein darf als 22 bzw. 33, muss sie also zwischen 23 und 33 liegen.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=50 und p=0.55.
=
(TI-Befehl: binomcdf(50,0.55,33) - binomcdf(50,0.55,22))
