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:

Im einem Mathekurs beträgt die Wahrscheinlichkeit, dass ein klassischer GeSchwa-Fehler begangen wird, p=0,2. Wie viele Aufgaben kann ein Schüler höchstens machen, damit er mit einer Wahrscheinlichkeit von 80% maximal 35 dieser Fehler begeht?

Lösung einblenden
nP(X≤k)
......
1560.8068
1570.7952
1580.7834
1590.7712
1600.7587
1610.7458
1620.7327
1630.7194
1640.7057
1650.6919
1660.6778
1670.6636
1680.6491
1690.6346
1700.6198
1710.605
1720.5901
1730.5751
1740.5601
1750.5451
......

Die Zufallsgröße X gibt Anzahl der begangenen GeSchwa-Fehler an und ist im Idealfall binomialverteilt mit p = 0.2 und variablem n.

Es muss gelten: P0.2n (X35) ≥ 0.8

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 20% der Versuche mit einem Treffer. Also müssten dann doch bei 35 0.2 ≈ 175 Versuchen auch ungefähr 35 (≈0.2⋅175) Treffer auftreten.

Wir berechnen also mit unserem ersten n=175:
P0.2n (X35) ≈ 0.5451 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.8 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 0.8 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=156 die gesuchte Wahrscheinlichkeit über 80% ist.

Binomialverteilung X>=k

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,6. Wie groß ist die Wahrscheinlichkeit bei 71 Versuchen mehr als 37 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Drehungen, die im grünen Bereich landen, an. X ist binomialverteilt mit n=71 und p=0.6.

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

P0.671 (X>37) = P0.671 (X38) = 1 - P0.671 (X37) = 0.8911
(TI-Befehl: 1-binomcdf(71,0.6,37))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 3 rote und einige schwarze Kugeln. Es soll 29 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 85% unter den 29 gezogenen Kugeln nicht mehr als 24 schwarze sind?

Lösung einblenden
pP(X≤24)
......
4 7 0.9992
5 8 0.9951
6 9 0.9839
7 10 0.9621
8 11 0.9287
9 12 0.8847
10 13 0.8326
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=29 und unbekanntem Parameter p.

Es muss gelten: Pp29 (X24) = 0.85 (oder mehr)

Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 3 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 Pp29 (X24) ('höchstens 24 Treffer bei 29 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 4 7 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 9 12 die gesuchte Wahrscheinlichkeit über 85% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 9 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Ein Promi macht Urlaub in einem Ferienclub. Dort sind noch weitere 52 Gäste. Wie groß darf der Bekanntheitsgrad des Promis höchstens sein, dass ihn mit einer Wahrscheinlichkeit von mindestens 90% nicht mehr als 46 erkennen und dumm anlabern?

Lösung einblenden
pP(X≤k)
......
0.770.9887
0.780.9829
0.790.9747
0.80.9631
0.810.9471
0.820.9253
0.830.8965
......

Es muss gelten: Pp52 (X46) =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(52,X,46) - 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=0.82 die gesuchte Wahrscheinlichkeit über 0.9 ist.

kumulierte Binomialverteilung

Beispiel:

Eine Münze wird 64 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass weniger als 34 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Würfe mit Zahl an. X ist binomialverteilt mit n=64 und p=0.5.

P0.564 (X<34) = P0.564 (X33) = P0.564 (X=0) + P0.564 (X=1) + P0.564 (X=2) +... + P0.564 (X=33) = 0.64600962293262 ≈ 0.646
(TI-Befehl: binomcdf(64,0.5,33))

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=0,45 entsteht. Es wird eine Stichprobe der Menge 53 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips nicht mehr als 10% vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=53⋅0.45 = 23.85

Die 10% Abweichung wären dann zwischen 90% von 23.85, also 0.9⋅ 23.85 = 21.465 und 110% von 23.85, also 1.1⋅ 23.85 = 26.235

Da die Trefferzahl ja nicht weiter von 23.85 entfernt sein darf als 21.465 bzw. 26.235, muss sie also zwischen 22 und 26 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=53 und p=0.45.

P0.4553 (22X26) =

...
19
20
21
22
23
24
25
26
27
28
...

P0.4553 (X26) - P0.4553 (X21) ≈ 0.7683 - 0.2593 ≈ 0.509
(TI-Befehl: binomcdf(53,0.45,26) - binomcdf(53,0.45,21))