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:

Beim MI6 (Arbeitsplatz von James Bond 007) soll eine Projektgruppe zur Aushebung einer multinationalen Superschurkenvereinigung eingerichtet werden. Bisherige Studien haben ergeben, dass diese kriminelle Vereinigung bereits alle wichtigen Regierungsbehörden infiltriert hat. Man geht davon aus, dass bereits jeder 50. MI6-Angestellte ein Spitzel dieser Organisiation ist. Wie groß darf diese Gruppe nun sein, so dass mit einer Wahrscheinlichkeit von mindestens 60% kein Spitzel in dieser Projektgruppe ist?

Lösung einblenden
nP(X≤k)
......
200.6676
210.6543
220.6412
230.6283
240.6158
250.6035
260.5914
......

Die Zufallsgröße X gibt Anzahl der Spitzel unter den MI6-Angestellten an und ist im Idealfall binomialverteilt mit p = 0.02 und variablem n.

Es muss gelten: P0.02n (X0) ≥ 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 2% der Versuche mit einem Treffer. Also müssten dann doch bei 0 0.02 ≈ 0 Versuchen auch ungefähr 0 (≈0.02⋅0) Treffer auftreten.

Wir berechnen also mit unserem ersten n=0:
P0.02n (X0) ≈ 1 (TI-Befehl: Binomialcdf ...)

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=25 die gesuchte Wahrscheinlichkeit über 60% ist.

Formel v. Bernoulli

Beispiel:

Eine Münze wird 96 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 57 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=96 und p=0.5.

P0.596 (X=57) = ( 96 57 ) 0.557 0.539 =0.015141273204052≈ 0.0151
(TI-Befehl: binompdf(96,0.5,57))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 5 rote und einige schwarze Kugeln. Es soll 17 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 90% unter den 17 gezogenen Kugeln nicht mehr als 3 rote sind?

Lösung einblenden
pP(X≤3)
......
5 28 0.6391
5 29 0.6649
5 30 0.6887
5 31 0.7107
5 32 0.731
5 33 0.7497
5 34 0.767
5 35 0.7829
5 36 0.7975
5 37 0.8111
5 38 0.8236
5 39 0.8351
5 40 0.8457
5 41 0.8556
5 42 0.8647
5 43 0.8731
5 44 0.881
5 45 0.8882
5 46 0.8949
5 47 0.9012
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=17 und unbekanntem Parameter p.

Es muss gelten: Pp17 (X3) =0.9 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 5 sein muss, da es ja genau 5 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp17 (X3) ('höchstens 3 Treffer bei 17 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 3 17 . Mit diesem p wäre ja 3= 3 17 ⋅17 der Erwartungswert und somit Pp17 (X3) irgendwo in der nähe von 50%. Wenn wir nun p= 3 17 mit 5 3 erweitern (so dass wir auf den Zähler 5 kommen) und den Nenner abrunden, müssten wir mit p= 5 28 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 5 47 die gesuchte Wahrscheinlichkeit über 90% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 47 sein.

Also werden noch 42 zusätzliche Optionen (also schwarze Kugeln) benötigt.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Eine Fluggesellschaft hat 35 Plätze in ihrem Flugzeug. Trotzdem werden 44 Flugtickets verkauft. Wie hoch darf die Wahrscheinlichkeit, dass ein Ticketkäufer auch tatsächlich mitfliegt, höchstens sein, dass das Flugzeug mit einer Wahrscheinlichkeit von mindestens 90% nicht überbucht ist (also dass alle mitfliegen können)?

Lösung einblenden
pP(X≤k)
......
0.670.9772
0.680.9687
0.690.9577
0.70.9436
0.710.9258
0.720.9037
0.730.8767
......

Es muss gelten: Pp44 (X35) =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(44,X,35) - 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=0.72 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Würfel wird 51 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 3 mal, aber weniger als 10 mal eine sechs gewürfelt wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=51 und p= 1 6 .

P 1 6 51 (4X9) =

...
1
2
3
4
5
6
7
8
9
10
11
...

P 1 6 51 (X9) - P 1 6 51 (X3) ≈ 0.6596 - 0.021 ≈ 0.6386
(TI-Befehl: binomcdf(51, 1 6 ,9) - binomcdf(51, 1 6 ,3))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 47 und p = 0.95
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 = 47 und p = 0.95 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 47 ⋅ 0.95 = 44.65

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 47 ⋅ 0.95 ⋅ 0.05 = 2.2325 1.49