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:
Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,3.Wie oft muss man das Zufallsexperiment mindestens wiederholen (oder wie groß muss die Stichprobe sein), um mit mind. 50% Wahrscheinlichkeit, mindestens 31 Treffer zu erzielen ?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 101 | 0.5231 |
| 102 | 0.4972 |
| 103 | 0.4715 |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.3 und variablem n.
Es muss gelten: ≥ 0.5
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.5 |+ - 0.5
0.5 ≥ oder ≤ 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 30% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 103 Versuchen auch ungefähr 31 (≈0.3⋅103) Treffer auftreten.
Wir berechnen also mit unserem ersten n=103:
≈ 0.4715
(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=102 die gesuchte Wahrscheinlichkeit unter 0.5 ist.
n muss also mindestens 102 sein, damit ≤ 0.5 oder eben ≥ 0.5 gilt.
Binomialverteilung X>=k
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,95. Wie groß ist die Wahrscheinlichkeit bei 64 Versuchen mehr als 60 mal im grünen Bereich zu landen?
Die Zufallsgröße X gibt die Anzahl der Drehungen, die im grünen Bereich landen, an. X ist binomialverteilt mit n=64 und p=0.95.
(TI-Befehl: 1-binomcdf(64,0.95,60))
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 10er-Packung mit der mindestens 75% Wahrscheinlichkeit 1 oder mehr Superfiguren enthalten sein. Wenn in jedes n-te Ei eine Superfigur rein soll, wie groß darf dann n höchstens sein?
| p | P(X≥1)=1-P(X≤0) |
|---|---|
| ... | ... |
| 0.999 | |
| 0.9827 | |
| 0.9437 | |
| 0.8926 | |
| 0.8385 | |
| 0.7859 | |
| 0.7369 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der Eier mit einer Superfigur an. X ist binomialverteilt mit n=10 und unbekanntem Parameter p.
Es muss gelten: = 1- = 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 ('mindestens 1 Treffer bei 10 Versuchen') bei diesen Nennern wird (siehe Tabelle links)
Als Startwert wählen wir als p=.
In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 75% bleibt.
Der Nenner, also die das wievielte Ei eine Superfigur enthält, darf also höchstens
7 sein.
Binomialvert. mit variabl. p (mind.) nur GTR
Beispiel:
Eine Fluggesellschaft verkauft 67 Flugtickets für einen bestimmten Flug. Das sind 59 Tickets mehr, als das Flugzeug Plätze hat. Wie hoch muss die Wahrscheinlichkeit, dass ein Ticketkäufer nicht mitfliegt, mindestens sein, dass das Flugzeug mit einer Wahrscheinlichkeit von mindestens 90% nicht überbucht ist (also dass alle mitfliegen können)?
| p | P(X≥59)=1-P(X≤58) |
|---|---|
| ... | ... |
| 0.87 | 0.4877 |
| 0.88 | 0.5868 |
| 0.89 | 0.685 |
| 0.9 | 0.7761 |
| 0.91 | 0.854 |
| 0.92 | 0.9146 |
| ... | ... |
Es muss gelten: =0.9 (oder mehr)
oder eben: 1- =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(67,X,58) - 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=0.92 die gesuchte Wahrscheinlichkeit über 0.9 ist.
Formel v. Bernoulli
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,35. Wie groß ist die Wahrscheinlichkeit bei 94 Versuchen genau 36 mal im grünen Bereich zu landen?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=94 und p=0.35.
= =0.067622832383819≈ 0.0676(TI-Befehl: binompdf(94,0.35,36))
Wahrscheinlichkeit von σ-Intervall um μ
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,3. Wie groß ist die Wahrscheinlichkeit bei 56 Versuchen, dass die Anzahl der Treffer im grünen Bereich nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?
Den Erwartungswert berechnet man mit μ = n⋅p = 56⋅0.3 ≈ 16.8,
die Standardabweichung mit σ =
=
≈ 3.43
20.23 (16.8 + 3.43) und 13.37 (16.8 - 3.43) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 16.8 entfernt.
Das bedeutet, dass genau die Zahlen zwischen 14 und 20 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.
Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 14 und 20 liegt.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=56 und p=0.3.
=
(TI-Befehl: binomcdf(56,0.3,20) - binomcdf(56,0.3,13))
