Aufgabenbeispiele von Wiederholung aus 9/10

Durch Aktualisieren des Browsers (z.B. mit Taste F5) kann man neue Beispielaufgaben sehen


Binomialvert. mit variablem n (höchst.)

Beispiel:

Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,25.Wie oft darf man das Zufallsexperiment höchstens wiederholen (oder wie groß darf die Stichprobe sein), um mit mind. 80% Wahrscheinlichkeit, höchstens 22 Treffer zu erzielen ?

Lösung einblenden
nP(X≤k)
......
770.8055
780.7861
790.7658
800.7447
810.7228
820.7004
830.6773
840.6538
850.6299
860.6058
870.5814
880.557
......

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

Es muss gelten: P0.25n (X22) ≥ 0.8

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 25% der Versuche mit einem Treffer. Also müssten dann doch bei 22 0.25 ≈ 88 Versuchen auch ungefähr 22 (≈0.25⋅88) Treffer auftreten.

Wir berechnen also mit unserem ersten n=88:
P0.25n (X22) ≈ 0.557 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.8 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 0.8 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=77 die gesuchte Wahrscheinlichkeit über 80% ist.

Binomialverteilung X>=k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,84. Wie groß ist die Wahrscheinlichkeit dass er von 20 Versuchen mindestens 19 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=20 und p=0.84.

...
16
17
18
19

P0.8420 (X19) = 1 - P0.8420 (X18) = 0.1471
(TI-Befehl: 1-binomcdf(20,0.84,18))

Binomialvert. mit variablem p (diskret)

Beispiel:

Ein neuer Multiple Choice Test mit 13 verschiedenen Fragen soll entwickelt werden. Dabei muss immer genau eine von mehreren Antwortmöglichkeiten richtig sein. Die Anzahl an Antwortmöglichkeiten soll bei allen Fragen gleich sein. Insgesamt soll der Test so konzipiert sein, dass die Wahrscheinlichkeit mehr als 2 Fragen nur durch Raten zufällig richtig zu beantworten (obwohl man keinerlei Wissen hat) bei höchstens 20% liegt. Bestimme die hierfür notwendige Mindestanzahl an Antwortmöglichkeiten bei jeder Frage.

Lösung einblenden
pP(X≤2)
......
1 6 0.6281
1 7 0.7189
1 8 0.7841
1 9 0.8313
......

Die Zufallsgröße X gibt die Anzahl der zufällig richtig geratenenen Antworten an. X ist binomialverteilt mit n=13 und unbekanntem Parameter p.

Es muss gelten: Pp13 (X2) =0.8 (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 Pp13 (X2) ('höchstens 2 Treffer bei 13 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 2 13 . Mit diesem p wäre ja 2= 2 13 ⋅13 der Erwartungswert und somit Pp13 (X2) irgendwo in der nähe von 50%. Wenn wir nun p= 2 13 mit 1 2 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 6 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 9 die gesuchte Wahrscheinlichkeit über 80% steigt.
Der Nenner, also die Anzahl der Antwortmöglichkeiten, muss also mindestens 9 sein.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 50% Wahrscheinlichkeit von 42 Freiwürfen mindestens 26 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥26)=1-P(X≤25)
......
0.560.2707
0.570.3157
0.580.3638
0.590.4143
0.60.4666
0.610.5198
......

Es muss gelten: Pp42 (X26) =0.5 (oder mehr)

oder eben: 1- Pp42 (X25) =0.5 (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(42,X,25) - 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=0.61 die gesuchte Wahrscheinlichkeit über 0.5 ist.

Formel v. Bernoulli

Beispiel:

Ein Würfel wird 54 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 9 mal eine 6 (p=1/6) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=54 und p= 1 6 .

P 1 6 54 (X=9) = ( 54 9 ) ( 1 6 )9 ( 5 6 )45 =0.14428653432265≈ 0.1443
(TI-Befehl: binompdf(54,1/6,9))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,65. Wie groß ist die Wahrscheinlichkeit bei 85 Versuchen, dass die Anzahl der Treffer im grünen Bereich nicht mehr als 20% vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=85⋅0.65 = 55.25

Die 20% Abweichung wären dann zwischen 80% von 55.25, also 0.8⋅ 55.25 = 44.2 und 120% von 55.25, also 1.2⋅ 55.25 = 66.3

Da die Trefferzahl ja nicht weiter von 55.25 entfernt sein darf als 44.2 bzw. 66.3, muss sie also zwischen 45 und 66 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=85 und p=0.65.

P0.6585 (45X66) =

...
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
...

P0.6585 (X66) - P0.6585 (X44) ≈ 0.9959 - 0.0081 ≈ 0.9878
(TI-Befehl: binomcdf(85,0.65,66) - binomcdf(85,0.65,44))