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=0,35. Wie viele Aufgaben kann ein Schüler höchstens machen, damit er mit einer Wahrscheinlichkeit von 50% maximal 29 dieser Fehler begeht?

Lösung einblenden
nP(X≤k)
......
830.5457
840.5137
850.4819
......

Die Zufallsgröße X gibt Anzahl der begangenen GeSchwa-Fehler an und ist im Idealfall binomialverteilt mit p = 0.35 und variablem n.

Es muss gelten: P0.35n (X29) ≥ 0.5

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 35% der Versuche mit einem Treffer. Also müssten dann doch bei 29 0.35 ≈ 83 Versuchen auch ungefähr 29 (≈0.35⋅83) Treffer auftreten.

Wir berechnen also mit unserem ersten n=83:
P0.35n (X29) ≈ 0.5457 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.5 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 0.5 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=84 die gesuchte Wahrscheinlichkeit über 50% ist.

Binomialverteilung X>=k

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,65. Wie groß ist die Wahrscheinlichkeit bei 80 Versuchen mehr als 53 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=80 und p=0.65.

...
51
52
53
54
55
56
...

P0.6580 (X>53) = P0.6580 (X54) = 1 - P0.6580 (X53) = 0.3666
(TI-Befehl: 1-binomcdf(80,0.65,53))

Binomialvert. mit variablem p (diskret)

Beispiel:

Eine Schulklasse möchte fürs Schulfest ein Glücksrad entwickeln. Aus optischen Gründen sollen dabei alle Sektoren gleich groß sein. Einer davon soll für den Hauptpreis stehen. Hierfür haben sie insgesamt 7 Preise gesammelt. Sie erwarten, dass das Glücksrad beim Schulfest 60 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 7 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 75% für die 60 Durchgänge reichen?

Lösung einblenden
pP(X≤7)
......
1 8 0.5198
1 9 0.6514
1 10 0.7516
......

Die Zufallsgröße X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=60 und unbekanntem Parameter p.

Es muss gelten: Pp60 (X7) =0.75 (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 Pp60 (X7) ('höchstens 7 Treffer bei 60 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 7 60 . Mit diesem p wäre ja 7= 7 60 ⋅60 der Erwartungswert und somit Pp60 (X7) irgendwo in der nähe von 50%. Wenn wir nun p= 7 60 mit 1 7 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 8 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 10 die gesuchte Wahrscheinlichkeit über 75% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens 10 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Ein Promi macht Urlaub in einem Ferienclub. Dort sind noch weitere 67 Gäste. Wie groß darf der Bekanntheitsgrad des Promis höchstens sein, dass ihn mit einer Wahrscheinlichkeit von mindestens 90% nicht mehr als 20 erkennen und dumm anlabern?

Lösung einblenden
pP(X≤k)
......
0.180.9942
0.190.9893
0.20.9812
0.210.969
0.220.9512
0.230.9268
0.240.8948
......

Es muss gelten: Pp67 (X20) =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(67,X,20) - 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=0.23 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X ∈ [l;k]

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=0,65 entsteht. Es wird eine Stichprobe der Menge 59 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips mindestens 40 und höchstens 43 beträgt?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=59 und p=0.65.

P0.6559 (40X43) =

...
37
38
39
40
41
42
43
44
45
...

P0.6559 (X43) - P0.6559 (X39) ≈ 0.9225 - 0.6183 ≈ 0.3042
(TI-Befehl: binomcdf(59,0.65,43) - binomcdf(59,0.65,39))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=75%. Wie groß ist die Wahrscheinlichkeit dass er bei 79 Versuchen nicht mehr als 20% von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=79⋅0.75 = 59.25

Die 20% Abweichung wären dann zwischen 80% von 59.25, also 0.8⋅ 59.25 = 47.4 und 120% von 59.25, also 1.2⋅ 59.25 = 71.1

Da die Trefferzahl ja nicht weiter von 59.25 entfernt sein darf als 47.4 bzw. 71.1, muss sie also zwischen 48 und 71 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=79 und p=0.75.

P0.7579 (48X71) =

...
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
...

P0.7579 (X71) - P0.7579 (X47) ≈ 0.9998 - 0.0018 ≈ 0.998
(TI-Befehl: binomcdf(79,0.75,71) - binomcdf(79,0.75,47))