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:

Eine Fluggesellschaft geht davon aus, dass 10% der gekauften Tickets gar nicht eingelöst werden. Wieviel Tickets kann sie für ihre 34-Platzmaschine höchstens verkaufen, so dass es zu mindestens 70% Wahrscheinlichkeit zu keiner Überbelegung kommt.

Lösung einblenden
nP(X≤k)
......
370.7297
380.5352
......

Die Zufallsgröße X gibt die Anzahl der Ticketbesitzer, die tatsächlich fliegen an und ist im Idealfall binomialverteilt mit p = 0.9 und variablem n.

Es muss gelten: P0.9n (X≤34) ≥ 0.7

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 90% der Versuche mit einem Treffer. Also müssten dann doch bei 34 0.9 ≈ 38 Versuchen auch ungefähr 34 (≈0.9⋅38) Treffer auftreten.

Wir berechnen also mit unserem ersten n=38:
P0.9n (X≤34) ≈ 0.5352 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.7 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 0.7 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=37 die gesuchte Wahrscheinlichkeit über 70% ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Würfel wird 62 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 10 mal, aber weniger als 13 mal eine sechs gewürfelt wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=62 und p= 1 6 .

P 1 6 62 (11≤X≤12) =

...
8
9
10
11
12
13
14
...

P 1 6 62 (X≤12) - P 1 6 62 (X≤10) ≈ 0.7751 - 0.5378 ≈ 0.2373
(TI-Befehl: binomcdf(62, 1 6 ,12) - binomcdf(62, 1 6 ,10))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 5 rote und einige schwarze Kugeln. Es soll 26 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 90% unter den 26 gezogenen Kugeln nicht mehr als 24 schwarze sind?

Lösung einblenden
pP(X≤24)
......
9 14 0.9998
10 15 0.9996
11 16 0.9992
12 17 0.9986
13 18 0.9977
14 19 0.9963
15 20 0.9945
16 21 0.9922
17 22 0.9894
18 23 0.986
19 24 0.9819
20 25 0.9773
21 26 0.9721
22 27 0.9664
23 28 0.96
24 29 0.9532
25 30 0.9458
26 31 0.938
27 32 0.9298
28 33 0.9213
29 34 0.9123
30 35 0.9031
31 36 0.8936
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=26 und unbekanntem Parameter p.

Es muss gelten: Pp26 (X≤24) = 0.9 (oder mehr)

Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 5 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 Pp26 (X≤24) ('höchstens 24 Treffer bei 26 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 9 14 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 30 35 die gesuchte Wahrscheinlichkeit über 90% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 30 sein.

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

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 76 mal wiederholt (bzw. die Stichprobe hat die Größe 76)Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 60% mindestens 61 Treffer erzielt werden?

Lösung einblenden
pP(X≥61)=1-P(X≤60)
......
0.760.2343
0.770.301
0.780.3767
0.790.4593
0.80.5456
0.810.6319
......

Es muss gelten: Pp76 (X≥61) =0.6 (oder mehr)

oder eben: 1- Pp76 (X≤60) =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(76,X,60) - 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=0.81 die gesuchte Wahrscheinlichkeit über 0.6 ist.

Binomialverteilung X>=k

Beispiel:

Ein Zufallsexperiment wird 88 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,45.
Wie groß ist dabei die Wahrscheinlichkeit, mindestens 38 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=88 und p=0.45.

...
35
36
37
38
39
40
...

P0.4588 (X≥38) = 1 - P0.4588 (X≤37) = 0.6725
(TI-Befehl: 1-binomcdf(88,0.45,37))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 86 und p = 0.75
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 = 86 und p = 0.75 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 86 ⋅ 0.75 = 64.5

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 86 ⋅ 0.75 ⋅ 0.25 = 16.125 ≈ 4.02