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 55%. Wie oft muss mindestens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 70% Wahrscheinlichkeit 25 oder mehr grüne Kugeln gezogen werden?

Lösung einblenden
nP(X≤k)
......
450.4682
460.4046
470.3448
480.2898
......

Die Zufallsgröße X gibt Anzahl der gezogenen grünen Kugeln an und ist im Idealfall binomialverteilt mit p = 0.55 und variablem n.

Es muss gelten: P0.55n (X≥25) ≥ 0.7

Weil man ja aber P0.55n (X≥25) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.55n (X≥25) = 1 - P0.55n (X≤24) ≥ 0.7 |+ P0.55n (X≤24) - 0.7

0.3 ≥ P0.55n (X≤24) oder P0.55n (X≤24) ≤ 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 55% der Versuche mit einem Treffer. Also müssten dann doch bei 25 0.55 ≈ 45 Versuchen auch ungefähr 25 (≈0.55⋅45) Treffer auftreten.

Wir berechnen also mit unserem ersten n=45:
P0.55n (X≤24) ≈ 0.4682 (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=48 die gesuchte Wahrscheinlichkeit unter 0.3 ist.

n muss also mindestens 48 sein, damit P0.55n (X≤24) ≤ 0.3 oder eben P0.55n (X≥25) ≥ 0.7 gilt.

Binomialverteilung X>=k

Beispiel:

Ein Würfel wird 70 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass mehr als 4 mal eine 6 (p=1/6) geworfen wird?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der gewürfelten Sechser an. X ist binomialverteilt mit n=70 und p= 1 6 .

...
2
3
4
5
6
7
...

P 1 6 70 (X>4) = P 1 6 70 (X≥5) = 1 - P 1 6 70 (X≤4) = 0.9942
(TI-Befehl: 1-binomcdf(70, 1 6 ,4))

Binomialvert. mit variablem p (diskret)

Beispiel:

Die Homepage-AG einer Schule möchte auf der Startseite der Internetseite der Schule ein Zufallsbild integrieren. Dabei soll bei jedem Aufruf der Startseite ein zufälliges Bild aus einer Bilderdatenbank gezeigt werden. Alle Bilder der Datenbank sind immer gleich wahrscheinlich. Auf 2 Bildern der Datenbank sind Mitglieder der Homepage-AG zu sehen. Es wird geschätzt, dass die Seite täglich 120 mal aufgerufen wird. Die Mitglieder der Homepage-AG wollen dass mit mindestens 80%-iger Wahrscheinlichkiet mindestens 16 mal am Tag eines ihrer eigenen 2 Bilder erscheint. Wie viele andere Bilder dürfen dann höchstens noch in der Datenbank sein?

Lösung einblenden
pP(X≥16)=1-P(X≤15)
......
2 8 0.9994
2 9 0.9951
2 10 0.9782
2 11 0.9374
2 12 0.8665
2 13 0.7692
......

Die Zufallsgröße X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=120 und unbekanntem Parameter p.

Es muss gelten: Pp120 (X≥16) = 1- Pp120 (X≤15) = 0.8 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 2 sein muss, da es ja genau 2 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp120 (X≥16) ('mindestens 16 Treffer bei 120 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 2 8 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 2 12 die gesuchte Wahrscheinlichkeit über 80% bleibt.
Der Nenner, also die Anzahl aller Bilder in der Datenbank, darf also höchstens 12 sein.

Also wären noch 10 zusätzliche Optionen (also weitere Bilder) zulässig.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Ein Promi macht Urlaub in einem Ferienclub. Dort sind noch weitere 57 Gäste. Wie groß darf der Bekanntheitsgrad des Promis höchstens sein, dass ihn mit einer Wahrscheinlichkeit von mindestens 90% nicht mehr als 43 erkennen und dumm anlabern?

Lösung einblenden
pP(X≥k)=1-P(X≤k-1)
......
0.630.9837
0.640.9764
0.650.9665
0.660.9532
0.670.9358
0.680.9136
0.690.8857
......

Es muss gelten: Pp57 (X≤43) =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(57,X,43) - 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=0.68 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Formel v. Bernoulli

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 69 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so genau 14 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=69 und p= 1 4 .

P 1 4 69 (X=14) = ( 69 14 ) ⋅ ( 1 4 )14 ⋅ ( 3 4 )55 =0.077401172651491≈ 0.0774
(TI-Befehl: binompdf(69,1/4,14))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 69 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 = 69 und p = 0.75 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 69 ⋅ 0.75 = 51.75

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 69 ⋅ 0.75 ⋅ 0.25 = 12.9375 ≈ 3.6