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 14% liegt. Wie viele Schwedenmusiker muss die Schützendirektion mindestens ausbilden, damit beim Umzug mit mindestens 60%-iger Wahrscheinlichkeit mindestens 12 Schweden einsatzfähig sind?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 13 | 0.5614 |
| 14 | 0.3111 |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der einsatzfähigen Schwedenmusiker an und ist im Idealfall binomialverteilt mit p = 0.86 und variablem n.
Es muss gelten: ≥ 0.6
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.6 |+ - 0.6
0.4 ≥ oder ≤ 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 86% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 14 Versuchen auch ungefähr 12 (≈0.86⋅14) Treffer auftreten.
Wir berechnen also mit unserem ersten n=14:
≈ 0.3111
(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=14 die gesuchte Wahrscheinlichkeit unter 0.4 ist.
n muss also mindestens 14 sein, damit ≤ 0.4 oder eben ≥ 0.6 gilt.
Binomialverteilung X ∈ [l;k]
Beispiel:
Ein Würfel wird 89 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 7 mal, aber weniger als 19 mal eine sechs gewürfelt wird?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=89 und p=.
=
(TI-Befehl: binomcdf(89,,18) - binomcdf(89,,7))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 5 rote und einige schwarze Kugeln. Es soll 25 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 90% unter den 25 gezogenen Kugeln nicht mehr als 24 schwarze sind?
| p | P(X≤24) |
|---|---|
| ... | ... |
| 0.9998 | |
| 0.9997 | |
| 0.9995 | |
| 0.9992 | |
| 0.9989 | |
| 0.9984 | |
| 0.9978 | |
| 0.9971 | |
| 0.9962 | |
| 0.9952 | |
| 0.994 | |
| 0.9927 | |
| 0.9912 | |
| 0.9895 | |
| 0.9877 | |
| 0.9857 | |
| 0.9836 | |
| 0.9813 | |
| 0.9788 | |
| 0.9762 | |
| 0.9735 | |
| 0.9706 | |
| 0.9676 | |
| 0.9645 | |
| 0.9613 | |
| 0.9579 | |
| 0.9545 | |
| 0.951 | |
| 0.9474 | |
| 0.9437 | |
| 0.9399 | |
| 0.9361 | |
| 0.9322 | |
| 0.9282 | |
| 0.9242 | |
| 0.9201 | |
| 0.916 | |
| 0.9119 | |
| 0.9077 | |
| 0.9035 | |
| 0.8993 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=25 und unbekanntem Parameter p.
Es muss gelten: = 0.9 (oder mehr)
Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 5 größer sein muss als der Zähler.
Deswegen erhöhen wir nun schrittweise immer den Zähler und Nenner bei der Einzelwahrscheinlichkeit um 1 und probieren aus, wie sich das auf die gesuchte Wahrscheinlichkeit ('höchstens 24 Treffer bei 25 Versuchen') auswirkt (siehe Tabelle links)
Als Startwert wählen wir als p=. (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)
In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 90% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 51 sein.
Binomialvert. mit variabl. p (höchstens) nur GTR
Beispiel:
Ein Promi macht Urlaub in einem Ferienclub. Dort sind noch weitere 78 Gäste. Wie groß darf der Bekanntheitsgrad des Promis höchstens sein, dass ihn mit einer Wahrscheinlichkeit von mindestens 90% nicht mehr als 55 erkennen und dumm anlabern?
| p | P(X≥k)=1-P(X≤k-1) |
|---|---|
| ... | ... |
| 0.59 | 0.9868 |
| 0.6 | 0.9795 |
| 0.61 | 0.9689 |
| 0.62 | 0.9542 |
| 0.63 | 0.9341 |
| 0.64 | 0.9076 |
| 0.65 | 0.8736 |
| ... | ... |
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(78,X,55) - 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=0.64 die gesuchte Wahrscheinlichkeit über 0.9 ist.
Binomialverteilung X>=k
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,7. Wie groß ist die Wahrscheinlichkeit bei 44 Versuchen mehr als 27 mal im grünen Bereich zu landen?
(Bitte auf 4 Stellen nach dem Komma runden)
Die Zufallsgröße X gibt die Anzahl der Drehungen, die im grünen Bereich landen, an. X ist binomialverteilt mit n=44 und p=0.7.
(TI-Befehl: 1-binomcdf(44,0.7,27))
Erwartungswert, Standardabweichung best.
Beispiel:
Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 87 und p = 0.1
Bestimme den Erwartungswert μ und die Standardabweichung σ von X .
Für Erwartungswert und Standardabweichung bei der Binomialverteilung gibt es ja einfache Formeln, in die man einfach n = 87 und p = 0.1 einsetzen muss:
Erwartungswert E(X) = n ⋅ p = 87 ⋅ 0.1 = 8.7
Standardabweichung S(X) = = = ≈ 2.8
