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:

In einer Urne ist der Anteil der grünen Kugeln 75%. Wie oft muss mindestens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 70% Wahrscheinlichkeit 40 oder mehr grüne Kugeln gezogen werden?

Lösung einblenden
nP(X≤k)
......
530.4579
540.3679
550.2868
......

Die Zufallsgröße X gibt Anzahl der gezogenen grünen Kugeln an und ist im Idealfall binomialverteilt mit p = 0.75 und variablem n.

Es muss gelten: P0.75n (X40) ≥ 0.7

Weil man ja aber P0.75n (X40) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.75n (X40) = 1 - P0.75n (X39) ≥ 0.7 |+ P0.75n (X39) - 0.7

0.3 ≥ P0.75n (X39) oder P0.75n (X39) ≤ 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 75% der Versuche mit einem Treffer. Also müssten dann doch bei 40 0.75 ≈ 53 Versuchen auch ungefähr 40 (≈0.75⋅53) Treffer auftreten.

Wir berechnen also mit unserem ersten n=53:
P0.75n (X39) ≈ 0.4579 (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=55 die gesuchte Wahrscheinlichkeit unter 0.3 ist.

n muss also mindestens 55 sein, damit P0.75n (X39) ≤ 0.3 oder eben P0.75n (X40) ≥ 0.7 gilt.

Binomialverteilung X>=k

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, 13 oder mehr Glückskekse mit einer Peproni zu erwischen, wenn man 85 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=85 und p=0.125.

...
10
11
12
13
14
15
...

P0.12585 (X13) = 1 - P0.12585 (X12) = 0.261
(TI-Befehl: 1-binomcdf(85,0.125,12))

Binomialvert. mit variablem p (diskret)

Beispiel:

Ein neuer Multiple Choice Test mit 19 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 3 Fragen nur durch Raten zufällig richtig zu beantworten (obwohl man keinerlei Wissen hat) bei höchstens 30% liegt. Bestimme die hierfür notwendige Mindestanzahl an Antwortmöglichkeiten bei jeder Frage.

Lösung einblenden
pP(X≤3)
......
1 6 0.607
1 7 0.7165
......

Die Zufallsgröße X gibt die Anzahl der zufällig richtig geratenenen Antworten an. X ist binomialverteilt mit n=19 und unbekanntem Parameter p.

Es muss gelten: Pp19 (X3) =0.7 (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 Pp19 (X3) ('höchstens 3 Treffer bei 19 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 3 19 . Mit diesem p wäre ja 3= 3 19 ⋅19 der Erwartungswert und somit Pp19 (X3) irgendwo in der nähe von 50%. Wenn wir nun p= 3 19 mit 1 3 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 7 die gesuchte Wahrscheinlichkeit über 70% steigt.
Der Nenner, also die Anzahl der Antwortmöglichkeiten, muss also mindestens 7 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 54 Stück nur an, wenn nicht mehr als 21 Teile defekt sind. Wie hoch darf der Prozentsatz der fehlerhaften Teile höchstens sein, dass eine Lieferung mit einer Wahrscheinlichkeit von mind. 90% angenommen werden.

Lösung einblenden
pP(X≤k)
......
0.260.9872
0.270.9802
0.280.9704
0.290.957
0.30.9395
0.310.9172
0.320.8895
......

Es muss gelten: Pp54 (X21) =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(54,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 letztmals bei p=0.31 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

In einer Chip-Fabrik werden neue High Tech Chips produziert. Leider ist die Technik noch nicht so ganz ausgereift, weswegen Ausschuss mit einer Wahrscheinlichkeit von p=0,3 entsteht. Es wird eine Stichprobe der Menge 89 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips mindestens 33 und höchstens 36 beträgt?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=89 und p=0.3.

P0.389 (33X36) =

...
30
31
32
33
34
35
36
37
38
...

P0.389 (X36) - P0.389 (X32) ≈ 0.9867 - 0.9084 ≈ 0.0783
(TI-Befehl: binomcdf(89,0.3,36) - binomcdf(89,0.3,32))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 30 und p = 0.05
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 = 30 und p = 0.05 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 30 ⋅ 0.05 = 1.5

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 30 ⋅ 0.05 ⋅ 0.95 = 1.425 1.19