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:

Die Firma Apple hat ein neues geniales Produkt, die iYacht, auf den Markt gebracht (wenn auch nicht ganz günstig). Die hierfür beauftragte Marketingagentur garantiert, dass unter denen, denen sie die Yacht vorgeführt hat, der Anteil der späteren Käufer bei 17% liegt. Wie vielen Personen muss nun dieses Produkt mindestens vorgeführt werden, damit sich mit mind. 90% Wahrscheinlichkeit, 23 oder mehr Käufer für dieses Produkt finden?

Lösung einblenden
nP(X≤k)
......
1640.1302
1650.1232
1660.1165
1670.1101
1680.1039
1690.0981
......

Die Zufallsgröße X gibt Anzahl der Käufer an und ist im Idealfall binomialverteilt mit p = 0.17 und variablem n.

Es muss gelten: P0.17n (X≥23) ≥ 0.9

Weil man ja aber P0.17n (X≥23) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.17n (X≥23) = 1 - P0.17n (X≤22) ≥ 0.9 |+ P0.17n (X≤22) - 0.9

0.1 ≥ P0.17n (X≤22) oder P0.17n (X≤22) ≤ 0.1

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 17% der Versuche mit einem Treffer. Also müssten dann doch bei 23 0.17 ≈ 135 Versuchen auch ungefähr 23 (≈0.17⋅135) Treffer auftreten.

Wir berechnen also mit unserem ersten n=135:
P0.17n (X≤22) ≈ 0.469 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.1 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 0.1 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=169 die gesuchte Wahrscheinlichkeit unter 0.1 ist.

n muss also mindestens 169 sein, damit P0.17n (X≤22) ≤ 0.1 oder eben P0.17n (X≥23) ≥ 0.9 gilt.

Binomialverteilung X ∈ [l;k]

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,5. Wie groß ist die Wahrscheinlichkeit bei 41 Versuchen, mehr als 23 mal und höchstens 25 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=41 und p=0.5.

P0.541 (24≤X≤25) =

...
21
22
23
24
25
26
27
...

P0.541 (X≤25) - P0.541 (X≤23) ≈ 0.9414 - 0.8256 ≈ 0.1158
(TI-Befehl: binomcdf(41,0.5,25) - binomcdf(41,0.5,23))

Binomialvert. mit variablem p (diskret)

Beispiel:

Ein neuer Multiple Choice Test mit 12 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 0.6774
1 7 0.7601
......

Die Zufallsgröße X gibt die Anzahl der zufällig richtig geratenenen Antworten an. X ist binomialverteilt mit n=12 und unbekanntem Parameter p.

Es muss gelten: Pp12 (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 Pp12 (X≤2) ('höchstens 2 Treffer bei 12 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 2 12 . Mit diesem p wäre ja 2= 2 12 ⋅12 der Erwartungswert und somit Pp12 (X≤2) irgendwo in der nähe von 50%. Wenn wir nun p= 2 12 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 (mind.) nur GTR

Beispiel:

Eine Fluggesellschaft verkauft 60 Flugtickets für einen bestimmten Flug. Das sind 40 Tickets mehr, als das Flugzeug Plätze hat. Wie hoch muss die Wahrscheinlichkeit, dass ein Ticketkäufer nicht mitfliegt, mindestens sein, dass das Flugzeug mit einer Wahrscheinlichkeit von mindestens 90% nicht überbucht ist (also dass alle mitfliegen können)?

Lösung einblenden
pP(X≥40)=1-P(X≤39)
......
0.690.7063
0.70.7622
0.710.8123
0.720.8559
0.730.8926
0.740.9224
......

Es muss gelten: Pp60 (X≥40) =0.9 (oder mehr)

oder eben: 1- Pp60 (X≤39) =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=1-binomcdf(60,X,39) - 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 erstmals bei p=0.74 die gesuchte Wahrscheinlichkeit über 0.9 ist.

kumulierte Binomialverteilung

Beispiel:

Ein Zufallsexperiment wird 43 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p= 0,7.Wie groß ist dabei die Wahrscheinlichkeit, höchstens 28 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=43 und p=0.7.

P0.743 (X≤28) = P0.743 (X=0) + P0.743 (X=1) + P0.743 (X=2) +... + P0.743 (X=28) = 0.29192882696869 ≈ 0.2919
(TI-Befehl: binomcdf(43,0.7,28))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=70%. Wie groß ist die Wahrscheinlichkeit dass bei 68 Versuchen die Anzahl seiner Treffer um nicht mehr als eine Standardabweichung von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 68⋅0.7 ≈ 47.6,
die Standardabweichung mit σ = n ⋅ p ⋅ (1-p) = 68 ⋅0.7 ⋅ 0.3 ≈ 3.78

51.38 (47.6 + 3.78) und 43.82 (47.6 - 3.78) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 47.6 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 44 und 51 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 44 und 51 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=68 und p=0.7.

P0.768 (44≤X≤51) =

...
41
42
43
44
45
46
47
48
49
50
51
52
53
...

P0.768 (X≤51) - P0.768 (X≤43) ≈ 0.8494 - 0.1395 ≈ 0.7099
(TI-Befehl: binomcdf(68,0.7,51) - binomcdf(68,0.7,43))