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:
Wie oft darf man mit einem normalen Würfel höchstens würfeln, um mit einer Wahrscheinlichkeit von 60% nicht mehr als 26 6er zu würfeln?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 152 | 0.6089 |
| 153 | 0.5948 |
| 154 | 0.5806 |
| 155 | 0.5664 |
| 156 | 0.5521 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der gewürfelten 6er an und ist im Idealfall binomialverteilt mit p = und variablem n.
Es muss gelten: ≥ 0.6
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 der Versuche mit einem Treffer.
Also müssten dann doch bei ≈ 156 Versuchen auch ungefähr 26
(≈
Wir berechnen also mit unserem ersten n=156:
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.6 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 0.6 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=152 die gesuchte Wahrscheinlichkeit über 60% ist.
Binomialverteilung X ∈ [l;k]
Beispiel:
Ein Basketballspieler hat eine Trefferquote von 92% von der Freiwurflinie. Wie groß ist die Wahrscheinlichkeit dass er von 77 Versuchen mindestens 72 und weniger als 78 trifft?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=77 und p=0.92.
(TI-Befehl: binomcdf(77,0.92,77) - binomcdf(77,0.92,71))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 13 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 90% unter den 13 gezogenen Kugeln nicht mehr als 6 rote sind?
| p | P(X≤6) |
|---|---|
| ... | ... |
| 0.5 | |
| 0.659 | |
| 0.7712 | |
| 0.8466 | |
| 0.8965 | |
| 0.9293 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=13 und unbekanntem Parameter p.
Es muss gelten:
Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 4 sein muss, da es ja genau 4 günstige Fälle gibt.
Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit
Um einen günstigen Startwert zu finden wählen wir mal als p=
In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p=
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens
13 sein.
Also werden noch 9 zusätzliche Optionen (also schwarze Kugeln) benötigt.
Binomialvert. mit variabl. p (mind.) nur GTR
Beispiel:
Ein Basketballtrainer sucht einen neuen Spieler, der mit 50% Wahrscheinlichkeit von 91 Freiwürfen mindestens 54 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?
| p | P(X≥54)=1-P(X≤53) |
|---|---|
| ... | ... |
| 0.54 | 0.1797 |
| 0.55 | 0.2342 |
| 0.56 | 0.297 |
| 0.57 | 0.3668 |
| 0.58 | 0.4415 |
| 0.59 | 0.5187 |
| ... | ... |
Es muss gelten:
oder eben: 1-
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(91,X,53) - 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=0.59 die gesuchte Wahrscheinlichkeit über 0.5 ist.
Binomialverteilung X ∈ [l;k]
Beispiel:
Ein Würfel wird 41 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 3 mal, aber weniger als 12 mal eine sechs gewürfelt wird?
Die Zufallsgröße X gibt die Anzahl der Treffer an.
X ist binomialverteilt mit n=41 und p=
(TI-Befehl: binomcdf(41,
Binomialvert. Abstand vom Erwartungswert
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=0,35 entsteht. Es wird eine Stichprobe der Menge 59 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips nicht mehr als 15% vom Erwartungswert abweicht?
Den Erwartungswert berechnet man als E=n⋅p=59⋅0.35 = 20.65
Die 15% Abweichung wären dann zwischen 85% von 20.65, also 0.85⋅ 20.65 = 17.553 und 115% von 20.65, also 1.15⋅ 20.65 = 23.748
Da die Trefferzahl ja nicht weiter von 20.65 entfernt sein darf als 17.553 bzw. 23.748, muss sie also zwischen 18 und 23 liegen.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=59 und p=0.35.
(TI-Befehl: binomcdf(59,0.35,23) - binomcdf(59,0.35,17))
