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=0,02. Wie viele Rechner können bestellt werden, dass zu einer Wahrscheinlichkeit von 90% kein Descepticon unter ihnen ist?

Lösung einblenden
nP(X≤k)
......
10.98
20.9604
30.9412
40.9224
50.9039
60.8858
......

Die Zufallsgröße X gibt Anzahl der Descepticons unter den Taschenrechnern an und ist im Idealfall binomialverteilt mit p = 0.02 und variablem n.

Es muss gelten: P0.02n (X≤0) ≥ 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 2% der Versuche mit einem Treffer. Also müssten dann doch bei 0 0.02 ≈ 0 Versuchen auch ungefähr 0 (≈0.02⋅0) Treffer auftreten.

Wir berechnen also mit unserem ersten n=0:
P0.02n (X≤0) ≈ 1 (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=5 die gesuchte Wahrscheinlichkeit über 90% ist.

kumulierte Binomialverteilung

Beispiel:

Ein Zufallsexperiment wird 97 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p= 0,25. Wie groß ist dabei die Wahrscheinlichkeit, weniger als 26 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=97 und p=0.25.

P0.2597 (X<26) = P0.2597 (X≤25) = P0.2597 (X=0) + P0.2597 (X=1) + P0.2597 (X=2) +... + P0.2597 (X=25) = 0.62201045147601 ≈ 0.622
(TI-Befehl: binomcdf(97,0.25,25))

Binomialvert. mit variablem p (diskret)

Beispiel:

Ein neuer Multiple Choice Test mit 19 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 15% liegt. Bestimme die hierfür notwendige Mindestanzahl an Antwortmöglichkeiten bei jeder Frage.

Lösung einblenden
pP(X≤2)
......
1 9 0.6451
1 10 0.7054
1 11 0.7538
1 12 0.7926
1 13 0.8241
1 14 0.8497
1 15 0.8707
......

Die Zufallsgröße X gibt die Anzahl der zufällig richtig geratenenen Antworten an. X ist binomialverteilt mit n=19 und unbekanntem Parameter p.

Es muss gelten: Pp19 (X≤2) =0.85 (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 Pp19 (X≤2) ('höchstens 2 Treffer bei 19 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 2 19 . Mit diesem p wäre ja 2= 2 19 ⋅19 der Erwartungswert und somit Pp19 (X≤2) irgendwo in der nähe von 50%. Wenn wir nun p= 2 19 mit 1 2 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 9 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 15 die gesuchte Wahrscheinlichkeit über 85% steigt.
Der Nenner, also die Anzahl der Antwortmöglichkeiten, muss also mindestens 15 sein.

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

Beispiel:

Eine Fluggesellschaft verkauft 88 Flugtickets für einen bestimmten Flug. Das sind 64 Tickets mehr, als das Flugzeug Plätze hat. Wie hoch muss die Wahrscheinlichkeit, dass ein Ticketkäufer nicht mitfliegt, mindestens sein, dass das Flugzeug mit einer Wahrscheinlichkeit von mindestens 90% nicht überbucht ist (also dass alle mitfliegen können)?

Lösung einblenden
pP(X≥64)=1-P(X≤63)
......
0.730.5775
0.740.659
0.750.735
0.760.8024
0.770.8592
0.780.9045
......

Es muss gelten: Pp88 (X≥64) =0.9 (oder mehr)

oder eben: 1- Pp88 (X≤63) =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=1-binomcdf(88,X,63) - 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=0.78 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X>=k

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,6. Wie groß ist die Wahrscheinlichkeit bei 51 Versuchen mehr als 28 mal im grünen Bereich zu landen?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Drehungen, die im grünen Bereich landen, an. X ist binomialverteilt mit n=51 und p=0.6.

...
26
27
28
29
30
31
...

P0.651 (X>28) = P0.651 (X≥29) = 1 - P0.651 (X≤28) = 0.7277
(TI-Befehl: 1-binomcdf(51,0.6,28))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 21 und p = 0.85
Bestimme den Erwartungswert μ und die Standardabweichung σ von X .

Lösung einblenden

Für Erwartungswert und Standardabweichung bei der Binomialverteilung gibt es ja einfache Formeln, in die man einfach n = 21 und p = 0.85 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 21 ⋅ 0.85 = 17.85

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 21 ⋅ 0.85 ⋅ 0.15 = 2.6775 ≈ 1.64