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:

Wie oft muss man mit einem normalen Würfel mindestens würfeln, um mit einer Wahrscheinlichkeit von mindestens 60% 34 oder mehr 6er zu erzielen?

Lösung einblenden
nP(X≤k)
......
2050.4585
2060.4462
2070.434
2080.4219
2090.4099
2100.398
......

Die Zufallsgröße X gibt Anzahl der gewürfelten 6er an und ist im Idealfall binomialverteilt mit p = 1 6 und variablem n.

Es muss gelten: P 1 6 n (X34) ≥ 0.6

Weil man ja aber P 1 6 n (X34) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P 1 6 n (X34) = 1 - P 1 6 n (X33) ≥ 0.6 |+ P 1 6 n (X33) - 0.6

0.4 ≥ P 1 6 n (X33) oder P 1 6 n (X33) ≤ 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 1 6 der Versuche mit einem Treffer. Also müssten dann doch bei 34 1 6 ≈ 204 Versuchen auch ungefähr 34 (≈ 1 6 ⋅204) Treffer auftreten.

Wir berechnen also mit unserem ersten n=204:
P 1 6 n (X33) ≈ 0.4709 (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=210 die gesuchte Wahrscheinlichkeit unter 0.4 ist.

n muss also mindestens 210 sein, damit P 1 6 n (X33) ≤ 0.4 oder eben P 1 6 n (X34) ≥ 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 56 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so 18 oder gar noch mehr Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=56 und p=0.25.

...
15
16
17
18
19
20
...

P0.2556 (X18) = 1 - P0.2556 (X17) = 0.1407
(TI-Befehl: 1-binomcdf(56,0.25,17))

Binomialvert. mit variablem p (diskret)

Beispiel:

Eine Firma, die Überraschungseier vertreibt, möchte als Werbegag manche Eier mit Superfiguren bestücken. Aus Angst vor Kundenbeschwerden sollen in einer 5er-Packung mit der mindestens 75% Wahrscheinlichkeit 2 oder mehr Superfiguren enthalten sein. Wenn in jedes n-te Ei eine Superfigur rein soll, wie groß darf dann n höchstens sein?

Lösung einblenden
pP(X≥2)=1-P(X≤1)
......
1 2 0.8125
1 3 0.5391
......

Die Zufallsgröße X gibt die Anzahl der Eier mit einer Superfigur an. X ist binomialverteilt mit n=5 und unbekanntem Parameter p.

Es muss gelten: Pp5 (X2) = 1- Pp5 (X1) = 0.75 (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 Pp5 (X2) ('mindestens 2 Treffer bei 5 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 1 2 .

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 1 2 die gesuchte Wahrscheinlichkeit über 75% bleibt.
Der Nenner, also die das wievielte Ei eine Superfigur enthält, darf also höchstens 2 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Bei einem Glücksrad soll mit einer Wahrscheinlichkeit von 90% bei 87 Ausspielungen nicht öfters als 63 mal der grüne Bereich kommen. Wie hoch darf man die Wahrscheinlichkeit für den grünen Bereich auf dem Glücksrad maximal setzen?

Lösung einblenden
pP(X≤k)
......
0.610.9904
0.620.9843
0.630.9752
0.640.9619
0.650.9432
0.660.9176
0.670.8838
......

Es muss gelten: Pp87 (X63) =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,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 letztmals bei p=0.66 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Würfel wird 61 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 4 mal, aber weniger als 15 mal eine sechs gewürfelt wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=61 und p= 1 6 .

P 1 6 61 (5X14) =

...
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
...

P 1 6 61 (X14) - P 1 6 61 (X4) ≈ 0.9268 - 0.0179 ≈ 0.9089
(TI-Befehl: binomcdf(61, 1 6 ,14) - binomcdf(61, 1 6 ,4))

Binomialvert. Abstand vom Erwartungswert

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 p=0,6 entsteht. Es wird eine Stichprobe der Menge 59 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips nicht mehr als 20% vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=59⋅0.6 = 35.4

Die 20% Abweichung wären dann zwischen 80% von 35.4, also 0.8⋅ 35.4 = 28.32 und 120% von 35.4, also 1.2⋅ 35.4 = 42.48

Da die Trefferzahl ja nicht weiter von 35.4 entfernt sein darf als 28.32 bzw. 42.48, muss sie also zwischen 29 und 42 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=59 und p=0.6.

P0.659 (29X42) =

...
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
...

P0.659 (X42) - P0.659 (X28) ≈ 0.9725 - 0.0344 ≈ 0.9381
(TI-Befehl: binomcdf(59,0.6,42) - binomcdf(59,0.6,28))