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:
Beim Biberacher Schützenfest läuft ein 12-köpfiger historischer Spielmannszug mit, der an die Schweden während des 30-Jährigen Kriegs erinnert. Dabei feiern dessen Mitglieder manchmal so ausgelassen, dass die Wahrscheinlichkeit eines Ausfall beim Umzug wegen unverhältnismäßig exzessiven Alkoholgenuss bei 14% liegt. Wie viele Schwedenmusiker muss die Schützendirektion mindestens ausbilden, damit beim Umzug mit mindestens 70%-iger Wahrscheinlichkeit mindestens 12 Schweden einsatzfähig sind?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 14 | 0.3111 |
| 15 | 0.1476 |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der einsatzfähigen Schwedenmusiker an und ist im Idealfall binomialverteilt mit p = 0.86 und variablem n.
Es muss gelten: ≥ 0.7
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.7 |+ - 0.7
0.3 ≥ oder ≤ 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 86% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 14 Versuchen auch ungefähr 12 (≈0.86⋅14) Treffer auftreten.
Wir berechnen also mit unserem ersten n=14:
≈ 0.3111
(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=15 die gesuchte Wahrscheinlichkeit unter 0.3 ist.
n muss also mindestens 15 sein, damit ≤ 0.3 oder eben ≥ 0.7 gilt.
Binomialverteilung X ∈ [l;k]
Beispiel:
Ein Basketballspieler hat eine Trefferquote von 76% von der Freiwurflinie. Wie groß ist die Wahrscheinlichkeit dass er von 94 Versuchen mindestens 65 und weniger als 79 trifft?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=94 und p=0.76.
=
(TI-Befehl: binomcdf(94,0.76,78) - binomcdf(94,0.76,64))
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 6er-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?
| p | P(X≥2)=1-P(X≤1) |
|---|---|
| ... | ... |
| 0.8906 | |
| 0.6488 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der Eier mit einer Superfigur an. X ist binomialverteilt mit n=6 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 2 Treffer bei 6 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
2 sein.
Binomialvert. mit variabl. p (höchstens) nur GTR
Beispiel:
Eine Produktionsstätte für HighTech-Chips hat Probleme mit der Qualitätssicherung. Ein Großhändler nimmt die übliche Liefermenge von 59 Stück nur an, wenn nicht mehr als 46 Teile defekt sind. Wie hoch darf der Prozentsatz der fehlerhaften Teile höchstens sein, dass eine Lieferung mit einer Wahrscheinlichkeit von mind. 90% angenommen werden.
| p | P(X≤k) |
|---|---|
| ... | ... |
| 0.66 | 0.984 |
| 0.67 | 0.9765 |
| 0.68 | 0.9662 |
| 0.69 | 0.9523 |
| 0.7 | 0.9339 |
| 0.71 | 0.9101 |
| 0.72 | 0.88 |
| ... | ... |
Es muss gelten: =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(59,X,46) - 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=0.71 die gesuchte Wahrscheinlichkeit über 0.9 ist.
Binomialverteilung X ∈ [l;k]
Beispiel:
Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, mehr als 3 und höchstens 16 Glückskekse mit einer Peproni zu erwischen, wenn man 75 Glückskekse kauft?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=75 und p=0.125.
=
(TI-Befehl: binomcdf(75,0.125,16) - binomcdf(75,0.125,3))
Binomialvert. Abstand vom Erwartungswert
Beispiel:
Ein Würfel wird 95 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der gewürfelten 6er nicht mehr als 20% vom Erwartungswert abweicht?
Den Erwartungswert berechnet man als E=n⋅p=95⋅ = 15.833333333333
Die 20% Abweichung wären dann zwischen 80% von 15.833, also 0.8⋅ 15.833 = 12.667 und 120% von 15.833333333333, also 1.2⋅ 15.833 = 19
Da die Trefferzahl ja nicht weiter von 15.833333333333 entfernt sein darf als 12.667 bzw. 19, muss sie also zwischen 13 und 19 liegen.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=95 und p=.
=
(TI-Befehl: binomcdf(95,,19) - binomcdf(95,,12))
