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 80% 32 oder mehr 6er zu erzielen?

Lösung einblenden
nP(X≤k)
......
2120.2432
2130.2339
2140.2249
2150.2161
2160.2075
2170.1992
......

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 (X32) ≥ 0.8

Weil man ja aber P 1 6 n (X32) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P 1 6 n (X32) = 1 - P 1 6 n (X31) ≥ 0.8 |+ P 1 6 n (X31) - 0.8

0.2 ≥ P 1 6 n (X31) oder P 1 6 n (X31) ≤ 0.2

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 32 1 6 ≈ 192 Versuchen auch ungefähr 32 (≈ 1 6 ⋅192) Treffer auftreten.

Wir berechnen also mit unserem ersten n=192:
P 1 6 n (X31) ≈ 0.47 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.2 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 0.2 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=217 die gesuchte Wahrscheinlichkeit unter 0.2 ist.

n muss also mindestens 217 sein, damit P 1 6 n (X31) ≤ 0.2 oder eben P 1 6 n (X32) ≥ 0.8 gilt.

Binomialverteilung X>=k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,75. Wie groß ist die Wahrscheinlichkeit dass er von 77 Versuchen mindestens 56 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=77 und p=0.75.

...
53
54
55
56
57
58
...

P0.7577 (X56) = 1 - P0.7577 (X55) = 0.7278
(TI-Befehl: 1-binomcdf(77,0.75,55))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 27 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 85% unter den 27 gezogenen Kugeln nicht mehr als 21 schwarze sind?

Lösung einblenden
pP(X≤21)
......
4 8 0.9992
5 9 0.9955
6 10 0.9845
7 11 0.9626
8 12 0.9281
9 13 0.8818
10 14 0.8264
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=27 und unbekanntem Parameter p.

Es muss gelten: Pp27 (X21) = 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 Pp27 (X21) ('höchstens 21 Treffer bei 27 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 4 8 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 9 13 die gesuchte Wahrscheinlichkeit über 85% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 9 sein.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 60% Wahrscheinlichkeit von 44 Freiwürfen mindestens 22 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥22)=1-P(X≤21)
......
0.460.3505
0.470.4013
0.480.4536
0.490.5068
0.50.5598
0.510.6118
......

Es muss gelten: Pp44 (X22) =0.6 (oder mehr)

oder eben: 1- Pp44 (X21) =0.6 (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(44,X,21) - 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=0.51 die gesuchte Wahrscheinlichkeit über 0.6 ist.

Binomialverteilung X>=k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,8. Wie groß ist die Wahrscheinlichkeit dass er von 29 Versuchen mehr als 20 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=29 und p=0.8.

...
18
19
20
21
22
23
...

P0.829 (X>20) = P0.829 (X21) = 1 - P0.829 (X20) = 0.8916
(TI-Befehl: 1-binomcdf(29,0.8,20))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 51 und p = 0.9
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 = 51 und p = 0.9 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 51 ⋅ 0.9 = 45.9

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 51 ⋅ 0.9 ⋅ 0.1 = 4.59 2.14