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:

Der, dessen Name nicht genannt werden darf, testet Zauber um seine Nase wiederherzustellen. Ein solcher Versuch endet zu 85% mit einer Konfettiexplosion. Wie viele Versuche muss er mindestens machen, damit er mit einer Wahrscheinlichkeit von mindestens 50% mindestens 38 Nasen hat.

Lösung einblenden
nP(X≤k)
......
2500.5083
2510.4977
2520.4871
2530.4766
......

Die Zufallsgröße X gibt die Anzahl der geglückten Nasen-Zauberversuche an und ist im Idealfall binomialverteilt mit p = 0.15 und variablem n.

Es muss gelten: P0.15n (X38) ≥ 0.5

Weil man ja aber P0.15n (X38) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.15n (X38) = 1 - P0.15n (X37) ≥ 0.5 |+ P0.15n (X37) - 0.5

0.5 ≥ P0.15n (X37) oder P0.15n (X37) ≤ 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 15% der Versuche mit einem Treffer. Also müssten dann doch bei 38 0.15 ≈ 253 Versuchen auch ungefähr 38 (≈0.15⋅253) Treffer auftreten.

Wir berechnen also mit unserem ersten n=253:
P0.15n (X37) ≈ 0.4766 (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 erstmals bei n=251 die gesuchte Wahrscheinlichkeit unter 0.5 ist.

n muss also mindestens 251 sein, damit P0.15n (X37) ≤ 0.5 oder eben P0.15n (X38) ≥ 0.5 gilt.

kumulierte Binomialverteilung

Beispiel:

Ein Zufallsexperiment wird 50 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p= 0,4.Wie groß ist dabei die Wahrscheinlichkeit, höchstens 16 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=50 und p=0.4.

P0.450 (X16) = P0.450 (X=0) + P0.450 (X=1) + P0.450 (X=2) +... + P0.450 (X=16) = 0.15609060471782 ≈ 0.1561
(TI-Befehl: binomcdf(50,0.4,16))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 26 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 85% unter den 26 gezogenen Kugeln nicht mehr als 24 schwarze sind?

Lösung einblenden
pP(X≤24)
......
8 12 0.9996
9 13 0.9991
10 14 0.9982
11 15 0.9967
12 16 0.9945
13 17 0.9916
14 18 0.9878
15 19 0.983
16 20 0.9773
17 21 0.9707
18 22 0.9633
19 23 0.9549
20 24 0.9458
21 25 0.936
22 26 0.9256
23 27 0.9146
24 28 0.9031
25 29 0.8912
26 30 0.8789
27 31 0.8664
28 32 0.8536
29 33 0.8406
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=26 und unbekanntem Parameter p.

Es muss gelten: Pp26 (X24) = 0.85 (oder mehr)

Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 4 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 Pp26 (X24) ('höchstens 24 Treffer bei 26 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 8 12 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 28 32 die gesuchte Wahrscheinlichkeit über 85% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 28 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Eine Fluggesellschaft hat 20 Plätze in ihrem Flugzeug. Trotzdem werden 87 Flugtickets verkauft. Wie hoch darf die Wahrscheinlichkeit, dass ein Ticketkäufer auch tatsächlich mitfliegt, höchstens sein, dass das Flugzeug mit einer Wahrscheinlichkeit von mindestens 90% nicht überbucht ist (also dass alle mitfliegen können)?

Lösung einblenden
pP(X≤k)
......
0.130.9966
0.140.9921
0.150.9833
0.160.968
0.170.9438
0.180.9084
0.190.8603
......

Es muss gelten: Pp87 (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=binomcdf(87,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 letztmals bei p=0.18 die gesuchte Wahrscheinlichkeit über 0.9 ist.

kumulierte Binomialverteilung

Beispiel:

Eine Münze wird 74 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass weniger als 32 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Würfe mit Zahl an. X ist binomialverteilt mit n=74 und p=0.5.

P0.574 (X<32) = P0.574 (X31) = P0.574 (X=0) + P0.574 (X=1) + P0.574 (X=2) +... + P0.574 (X=31) = 0.10033910156469 ≈ 0.1003
(TI-Befehl: binomcdf(74,0.5,31))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 71 und p = 0.5
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 = 71 und p = 0.5 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 71 ⋅ 0.5 = 35.5

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 71 ⋅ 0.5 ⋅ 0.5 = 17.75 4.21