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 55% mit einer Konfettiexplosion. Wie viele Versuche muss er mindestens machen, damit er mit einer Wahrscheinlichkeit von mindestens 70% mindestens 37 Nasen hat.

Lösung einblenden
nP(X≤k)
......
820.4661
830.4271
840.3892
850.3527
860.3179
870.2849
......

Die Zufallsgröße X gibt die Anzahl der geglückten Nasen-Zauberversuche an und ist im Idealfall binomialverteilt mit p = 0.45 und variablem n.

Es muss gelten: P0.45n (X37) ≥ 0.7

Weil man ja aber P0.45n (X37) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.45n (X37) = 1 - P0.45n (X36) ≥ 0.7 |+ P0.45n (X36) - 0.7

0.3 ≥ P0.45n (X36) oder P0.45n (X36) ≤ 0.3

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 45% der Versuche mit einem Treffer. Also müssten dann doch bei 37 0.45 ≈ 82 Versuchen auch ungefähr 37 (≈0.45⋅82) Treffer auftreten.

Wir berechnen also mit unserem ersten n=82:
P0.45n (X36) ≈ 0.4661 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.3 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 0.3 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=87 die gesuchte Wahrscheinlichkeit unter 0.3 ist.

n muss also mindestens 87 sein, damit P0.45n (X36) ≤ 0.3 oder eben P0.45n (X37) ≥ 0.7 gilt.

Formel v. Bernoulli

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 46 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so genau 13 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=46 und p= 1 4 .

P 1 4 46 (X=13) = ( 46 13 ) ( 1 4 )13 ( 3 4 )33 =0.11424718133324≈ 0.1142
(TI-Befehl: binompdf(46,1/4,13))

Binomialvert. mit variablem p (diskret)

Beispiel:

Eine Schulklasse möchte fürs Schulfest ein Glücksrad entwickeln. Aus optischen Gründen sollen dabei alle Sektoren gleich groß sein. Einer davon soll für den Hauptpreis stehen. Hierfür haben sie insgesamt 7 Preise gesammelt. Sie erwarten, dass das Glücksrad beim Schulfest 80 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 7 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 90% für die 80 Durchgänge reichen?

Lösung einblenden
pP(X≤7)
......
1 11 0.5563
1 12 0.6505
1 13 0.7275
1 14 0.7887
1 15 0.8365
1 16 0.8735
1 17 0.9019
......

Die Zufallsgröße X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=80 und unbekanntem Parameter p.

Es muss gelten: Pp80 (X7) =0.9 (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 Pp80 (X7) ('höchstens 7 Treffer bei 80 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 7 80 . Mit diesem p wäre ja 7= 7 80 ⋅80 der Erwartungswert und somit Pp80 (X7) irgendwo in der nähe von 50%. Wenn wir nun p= 7 80 mit 1 7 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 11 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 17 die gesuchte Wahrscheinlichkeit über 90% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens 17 sein.

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

Beispiel:

Ein Glücksrad soll mit nur zwei verschiedenen Sektoren (blau und rot) gebaut werden. Wie hoch muss man die Einzelwahrscheinlichkeit p mindestens wählen, dass die Wahrscheinlichkeit bei 53 Wiederholungen 31 mal (oder mehr) rot zu treffen bei mind. 90% liegt?

Lösung einblenden
pP(X≥31)=1-P(X≤30)
......
0.610.6993
0.620.7497
0.630.7956
0.640.8363
0.650.8717
0.660.9016
......

Es muss gelten: Pp53 (X31) =0.9 (oder mehr)

oder eben: 1- Pp53 (X30) =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(53,X,30) - 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=0.66 die gesuchte Wahrscheinlichkeit über 0.9 ist.

kumulierte Binomialverteilung

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 49%. Wie groß ist die Wahrscheinlichkeit dass er von 86 Versuchen weniger als 51 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=86 und p=0.49.

P0.4986 (X<51) = P0.4986 (X50) = P0.4986 (X=0) + P0.4986 (X=1) + P0.4986 (X=2) +... + P0.4986 (X=50) = 0.96451309028755 ≈ 0.9645
(TI-Befehl: binomcdf(86,0.49,50))

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=0,55 entsteht. Es wird eine Stichprobe der Menge 56 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips nicht mehr als 15% vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=56⋅0.55 = 30.8

Die 15% Abweichung wären dann zwischen 85% von 30.8, also 0.85⋅ 30.8 = 26.18 und 115% von 30.8, also 1.15⋅ 30.8 = 35.42

Da die Trefferzahl ja nicht weiter von 30.8 entfernt sein darf als 26.18 bzw. 35.42, muss sie also zwischen 27 und 35 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=56 und p=0.55.

P0.5556 (27X35) =

...
24
25
26
27
28
29
30
31
32
33
34
35
36
37
...

P0.5556 (X35) - P0.5556 (X26) ≈ 0.8973 - 0.1242 ≈ 0.7731
(TI-Befehl: binomcdf(56,0.55,35) - binomcdf(56,0.55,26))