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:

Beim Biberacher Schützenfest läuft ein 12-köpfiger historischer Spielmannszug mit, der an die Schweden während des 30-Jährigen Kriegs erinnert. Dabei feiern dessen Mitglieder manchmal so ausgelassen, dass die Wahrscheinlichkeit eines Ausfall beim Umzug wegen unverhältnismäßig exzessiven Alkoholgenuss bei 18% liegt. Wie viele Schwedenmusiker muss die Schützendirektion mindestens ausbilden, damit beim Umzug mit mindestens 60%-iger Wahrscheinlichkeit mindestens 12 Schweden einsatzfähig sind?

Lösung einblenden
nP(X≤k)
......
140.4744
150.2782
......

Die Zufallsgröße X gibt die Anzahl der einsatzfähigen Schwedenmusiker an und ist im Idealfall binomialverteilt mit p = 0.82 und variablem n.

Es muss gelten: P0.82n (X12) ≥ 0.6

Weil man ja aber P0.82n (X12) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.82n (X12) = 1 - P0.82n (X11) ≥ 0.6 |+ P0.82n (X11) - 0.6

0.4 ≥ P0.82n (X11) oder P0.82n (X11) ≤ 0.4

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 82% der Versuche mit einem Treffer. Also müssten dann doch bei 12 0.82 ≈ 15 Versuchen auch ungefähr 12 (≈0.82⋅15) Treffer auftreten.

Wir berechnen also mit unserem ersten n=15:
P0.82n (X11) ≈ 0.2782 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.4 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 0.4 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=15 die gesuchte Wahrscheinlichkeit unter 0.4 ist.

n muss also mindestens 15 sein, damit P0.82n (X11) ≤ 0.4 oder eben P0.82n (X12) ≥ 0.6 gilt.

Binomialverteilung X>=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 92 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so 31 oder gar noch mehr Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=92 und p=0.25.

...
28
29
30
31
32
33
...

P0.2592 (X31) = 1 - P0.2592 (X30) = 0.0385
(TI-Befehl: 1-binomcdf(92,0.25,30))

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 75% unter den 17 gezogenen Kugeln nicht mehr als 6 rote sind?

Lösung einblenden
pP(X≤6)
......
4 11 0.5724
4 12 0.6739
4 13 0.7532
......

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: Pp17 (X6) =0.75 (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 Pp17 (X6) ('höchstens 6 Treffer bei 17 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 6 17 . Mit diesem p wäre ja 6= 6 17 ⋅17 der Erwartungswert und somit Pp17 (X6) irgendwo in der nähe von 50%. Wenn wir nun p= 6 17 mit 4 6 erweitern (so dass wir auf den Zähler 4 kommen) und den Nenner abrunden, müssten wir mit p= 4 11 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 4 13 die gesuchte Wahrscheinlichkeit über 75% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 13 sein.

Also werden noch 9 zusätzliche Optionen (also schwarze Kugeln) benötigt.

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

Beispiel:

Eine Fluggesellschaft verkauft 79 Flugtickets für einen bestimmten Flug. Das sind 21 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≥21)=1-P(X≤20)
......
0.280.6517
0.290.721
0.30.782
0.310.834
0.320.8767
0.330.9107
......

Es muss gelten: Pp79 (X21) =0.9 (oder mehr)

oder eben: 1- Pp79 (X20) =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(79,X,20) - 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=0.33 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Formel v. Bernoulli

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 55% entsteht. Es wird eine Stichprobe der Menge 79 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon genau 39 defekte Chips enthalten sind.

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=79 und p=0.55.

P0.5579 (X=39) = ( 79 39 ) 0.5539 0.4540 =0.054082035862956≈ 0.0541
(TI-Befehl: binompdf(79,0.55,39))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Ein Würfel wird 81 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=81⋅ 1 6 = 13.5

Die 20% Abweichung wären dann zwischen 80% von 13.5, also 0.8⋅ 13.5 = 10.8 und 120% von 13.5, also 1.2⋅ 13.5 = 16.2

Da die Trefferzahl ja nicht weiter von 13.5 entfernt sein darf als 10.8 bzw. 16.2, muss sie also zwischen 11 und 16 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=81 und p= 1 6 .

P 1 6 81 (11X16) =

...
8
9
10
11
12
13
14
15
16
17
18
...

P 1 6 81 (X16) - P 1 6 81 (X10) ≈ 0.8165 - 0.1872 ≈ 0.6293
(TI-Befehl: binomcdf(81, 1 6 ,16) - binomcdf(81, 1 6 ,10))