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:

Wie oft muss man mit einem normalen Würfel mindestens würfeln, um mit einer Wahrscheinlichkeit von mindestens 50% 31 oder mehr 6er zu erzielen?

Lösung einblenden
nP(X≤k)
......
1830.5088
1840.4957
1850.4825
1860.4695
......

Die Zufallsgröße X gibt Anzahl der gewürfelten 6er an und ist im Idealfall binomialverteilt mit p = 1 6 und variablem n.

Es muss gelten: P 1 6 n (X≥31) ≥ 0.5

Weil man ja aber P 1 6 n (X≥31) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P 1 6 n (X≥31) = 1 - P 1 6 n (X≤30) ≥ 0.5 |+ P 1 6 n (X≤30) - 0.5

0.5 ≥ P 1 6 n (X≤30) oder P 1 6 n (X≤30) ≤ 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 1 6 der Versuche mit einem Treffer. Also müssten dann doch bei 31 1 6 ≈ 186 Versuchen auch ungefähr 31 (≈ 1 6 ⋅186) Treffer auftreten.

Wir berechnen also mit unserem ersten n=186:
P 1 6 n (X≤30) ≈ 0.4695 (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 erstmals bei n=184 die gesuchte Wahrscheinlichkeit unter 0.5 ist.

n muss also mindestens 184 sein, damit P 1 6 n (X≤30) ≤ 0.5 oder eben P 1 6 n (X≥31) ≥ 0.5 gilt.

kumulierte Binomialverteilung

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 87 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so bis zu 27 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=87 und p=0.25.

P0.2587 (X≤27) = P0.2587 (X=0) + P0.2587 (X=1) + P0.2587 (X=2) +... + P0.2587 (X=27) = 0.92012339588412 ≈ 0.9201
(TI-Befehl: binomcdf(87,0.25,27))

Binomialvert. mit variablem p (diskret)

Beispiel:

Ein neuer Multiple Choice Test mit 13 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 30% liegt. Bestimme die hierfür notwendige Mindestanzahl an Antwortmöglichkeiten bei jeder Frage.

Lösung einblenden
pP(X≤2)
......
1 6 0.6281
1 7 0.7189
......

Die Zufallsgröße X gibt die Anzahl der zufällig richtig geratenenen Antworten an. X ist binomialverteilt mit n=13 und unbekanntem Parameter p.

Es muss gelten: Pp13 (X≤2) =0.7 (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 Pp13 (X≤2) ('höchstens 2 Treffer bei 13 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 2 13 . Mit diesem p wäre ja 2= 2 13 ⋅13 der Erwartungswert und somit Pp13 (X≤2) irgendwo in der nähe von 50%. Wenn wir nun p= 2 13 mit 1 2 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 6 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 7 die gesuchte Wahrscheinlichkeit über 70% steigt.
Der Nenner, also die Anzahl der Antwortmöglichkeiten, muss also mindestens 7 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Ein Promi macht Urlaub in einem Ferienclub. Dort sind noch weitere 100 Gäste. Wie groß darf der Bekanntheitsgrad des Promis höchstens sein, dass ihn mit einer Wahrscheinlichkeit von mindestens 90% nicht mehr als 34 erkennen und dumm anlabern?

Lösung einblenden
pP(X≤k)
......
0.230.9956
0.240.9913
0.250.9836
0.260.971
0.270.9518
0.280.924
0.290.8861
......

Es muss gelten: Pp100 (X≤34) =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(100,X,34) - 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=0.28 die gesuchte Wahrscheinlichkeit über 0.9 ist.

kumulierte Binomialverteilung

Beispiel:

Eine Münze wird 70 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass höchstens 33 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=70 und p=0.5.

P0.570 (X≤33) = P0.570 (X=0) + P0.570 (X=1) + P0.570 (X=2) +... + P0.570 (X=33) = 0.36010138617643 ≈ 0.3601
(TI-Befehl: binomcdf(70,0.5,33))

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=0,6 entsteht. Es wird eine Stichprobe der Menge 56 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=56⋅0.6 = 33.6

Die 10% Abweichung wären dann zwischen 90% von 33.6, also 0.9⋅ 33.6 = 30.24 und 110% von 33.6, also 1.1⋅ 33.6 = 36.96

Da die Trefferzahl ja nicht weiter von 33.6 entfernt sein darf als 30.24 bzw. 36.96, muss sie also zwischen 31 und 36 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=56 und p=0.6.

P0.656 (31≤X≤36) =

...
28
29
30
31
32
33
34
35
36
37
38
...

P0.656 (X≤36) - P0.656 (X≤30) ≈ 0.7844 - 0.1982 ≈ 0.5862
(TI-Befehl: binomcdf(56,0.6,36) - binomcdf(56,0.6,30))