Pestalozzi Gymnasium Biberach EduRandomtasks

Binomialvert. mit variablem n (höchst.)

Beispiel:

Eine Fluggesellschaft geht davon aus, dass 15% der gekauften Tickets gar nicht eingelöst werden. Wieviel Tickets kann sie für ihre 27-Platzmaschine höchstens verkaufen, so dass es zu mindestens 80% Wahrscheinlichkeit zu keiner Überbelegung kommt.

Lösung einblenden

n	P(X≤k)
...	...
30	0.8486
31	0.7039
32	0.5356
...	...

Die Zufallsgröße X gibt die Anzahl der Ticketbesitzer, die tatsächlich fliegen an und ist im Idealfall binomialverteilt mit p = 0.85 und variablem n.

Es muss gelten: $P_{0.85}^{n} (X \leq 27)$ ≥ 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 85% der Versuche mit einem Treffer. Also müssten dann doch bei $\frac{27}{0.85}$ ≈ 32 Versuchen auch ungefähr 27 (≈0.85⋅32) Treffer auftreten.

Wir berechnen also mit unserem ersten n=32:
$P_{0.85}^{n} (X \leq 27)$ ≈ 0.5356 (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=30 die gesuchte Wahrscheinlichkeit über 80% ist.

kumulierte Binomialverteilung

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, nicht mehr als 3 Glückskekse mit einer Peproni zu erwischen, wenn man 78 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=78 und p= $\frac{1}{8}$ .

P_{\frac{1}{8}}^{78} (X \leq 3)

=

P_{\frac{1}{8}}^{78} (X = 0)

+

P_{\frac{1}{8}}^{78} (X = 1)

+

P_{\frac{1}{8}}^{78} (X = 2)

+

P_{\frac{1}{8}}^{78} (X = 3)

= 0.0088466840356277 ≈ 0.0088
(TI-Befehl: binomcdf(78,1/8,3))

Binomialvert. mit variablem p (diskret)

Beispiel:

Ein neuer Multiple Choice Test mit 14 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 2 Fragen nur durch Raten zufällig richtig zu beantworten (obwohl man keinerlei Wissen hat) bei höchstens 20% liegt. Bestimme die hierfür notwendige Mindestanzahl an Antwortmöglichkeiten bei jeder Frage.

Lösung einblenden

p	P(X≤2)
...	...
$\frac{1}{7}$	0.6772
$\frac{1}{8}$	0.749
$\frac{1}{9}$	0.802
...	...

Die Zufallsgröße X gibt die Anzahl der zufällig richtig geratenenen Antworten an. X ist binomialverteilt mit n=14 und unbekanntem Parameter p.

Es muss gelten: $P_{p}^{14} (X \leq 2)$ =0.8 (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 $P_{p}^{14} (X \leq 2)$ ('höchstens 2 Treffer bei 14 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= $\frac{2}{14}$ . Mit diesem p wäre ja 2= $\frac{2}{14}$ ⋅14 der Erwartungswert und somit $P_{p}^{14} (X \leq 2)$ irgendwo in der nähe von 50%. Wenn wir nun p= $\frac{2}{14}$ mit $\frac{1}{2}$ erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= $\frac{1}{7}$ einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= $\frac{1}{9}$ die gesuchte Wahrscheinlichkeit über 80% steigt.
Der Nenner, also die Anzahl der Antwortmöglichkeiten, muss also mindestens 9 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Bei einem Glücksrad soll mit einer Wahrscheinlichkeit von 90% bei 47 Ausspielungen nicht öfters als 42 mal der grüne Bereich kommen. Wie hoch darf man die Wahrscheinlichkeit für den grünen Bereich auf dem Glücksrad maximal setzen?

Lösung einblenden

p	P(X≤k)
...	...
0.78	0.9865
0.79	0.9802
0.8	0.9713
0.81	0.959
0.82	0.9423
0.83	0.9199
0.84	0.8906
...	...

Es muss gelten: $P_{p}^{47} (X \leq 42)$ =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(47,X,42) - 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=0.83 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Formel v. Bernoulli

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 35% entsteht. Es wird eine Stichprobe der Menge 52 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon genau 23 defekte Chips enthalten sind.

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=52 und p=0.35.

P_{0.35}^{52} (X = 23)

=

(\begin{matrix} 52 \\ 23 \end{matrix}) \cdot {0.35}^{23} \cdot {0.65}^{29}

=0.043218282726274≈ 0.0432
(TI-Befehl: binompdf(52,0.35,23))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Würfel wird 96 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der gewürfelten 6er nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 96⋅ $\frac{1}{6}$ ≈ 16,
die Standardabweichung mit σ = $\sqrt{n \cdot p \cdot (1-p)}$ = $\sqrt{96\cdot\frac{1}{6}\cdot\frac{5}{6}}$ ≈ 3.65

19.65 (16 + 3.65) und 12.35 (16 - 3.65) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 16 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 13 und 19 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 13 und 19 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=96 und p= $\frac{1}{6}$ .

$P_{\frac{1}{6}}^{96} (13 \leq X \leq 19)$ =

...

10

11

12

13

14

15

16

17

18

19

20

21

...

P_{\frac{1}{6}}^{96} (X \leq 19)

-

P_{\frac{1}{6}}^{96} (X \leq 12)

≈ 0.832 - 0.1693 ≈ 0.6627
(TI-Befehl: binomcdf(96, $\frac{1}{6}$ ,19) - binomcdf(96, $\frac{1}{6}$ ,12))

Aufgabenbeispiele von Wiederholung aus 9/10

Binomialvert. mit variablem n (höchst.)

kumulierte Binomialverteilung

Binomialvert. mit variablem p (diskret)

Binomialvert. mit variabl. p (höchstens) nur GTR

Formel v. Bernoulli

Wahrscheinlichkeit von σ-Intervall um μ