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:

Wie oft darf man mit einem normalen Würfel höchstens würfeln, um mit einer Wahrscheinlichkeit von 70% nicht mehr als 32 6er zu würfeln?

Lösung einblenden
nP(X≤k)
......
1790.709
1800.6972
1810.6853
1820.6732
1830.661
1840.6486
1850.6362
1860.6236
1870.611
1880.5983
1890.5855
1900.5727
1910.5599
1920.547
......

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 (X32) ≥ 0.7

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 32 1 6 ≈ 192 Versuchen auch ungefähr 32 (≈ 1 6 ⋅192) Treffer auftreten.

Wir berechnen also mit unserem ersten n=192:
P 1 6 n (X32) ≈ 0.547 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.7 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 0.7 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=179 die gesuchte Wahrscheinlichkeit über 70% ist.

kumulierte Binomialverteilung

Beispiel:

Ein Würfel wird 83 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass weniger als 20 mal eine 6 (p=1/6) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der gewürfelten Sechser an. X ist binomialverteilt mit n=83 und p= 1 6 .

P 1 6 83 (X<20) = P 1 6 83 (X19) = P 1 6 83 (X=0) + P 1 6 83 (X=1) + P 1 6 83 (X=2) +... + P 1 6 83 (X=19) = 0.94757703421006 ≈ 0.9476
(TI-Befehl: binomcdf(83,1/6,19))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 18 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 75% unter den 18 gezogenen Kugeln nicht mehr als 6 rote sind?

Lösung einblenden
pP(X≤6)
......
4 12 0.6085
4 13 0.6966
4 14 0.7661
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=18 und unbekanntem Parameter p.

Es muss gelten: Pp18 (X6) =0.75 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 4 sein muss, da es ja genau 4 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp18 (X6) ('höchstens 6 Treffer bei 18 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 6 18 . Mit diesem p wäre ja 6= 6 18 ⋅18 der Erwartungswert und somit Pp18 (X6) irgendwo in der nähe von 50%. Wenn wir nun p= 6 18 mit 4 6 erweitern (so dass wir auf den Zähler 4 kommen) und den Nenner abrunden, müssten wir mit p= 4 12 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 4 14 die gesuchte Wahrscheinlichkeit über 75% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 14 sein.

Also werden noch 10 zusätzliche Optionen (also schwarze Kugeln) benötigt.

Binomialvert. mit variabl. p (mind.) nur GTR

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 48 mal wiederholt (bzw. die Stichprobe hat die Größe 48)Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 60% mindestens 23 Treffer erzielt werden?

Lösung einblenden
pP(X≥23)=1-P(X≤22)
......
0.440.3425
0.450.3954
0.460.4502
0.470.5057
0.480.5611
0.490.6153
......

Es muss gelten: Pp48 (X23) =0.6 (oder mehr)

oder eben: 1- Pp48 (X22) =0.6 (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(48,X,22) - 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=0.49 die gesuchte Wahrscheinlichkeit über 0.6 ist.

kumulierte Binomialverteilung

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 57%. Wie groß ist die Wahrscheinlichkeit dass er von 54 Versuchen weniger als 32 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=54 und p=0.57.

P0.5754 (X<32) = P0.5754 (X31) = P0.5754 (X=0) + P0.5754 (X=1) + P0.5754 (X=2) +... + P0.5754 (X=31) = 0.5758864687467 ≈ 0.5759
(TI-Befehl: binomcdf(54,0.57,31))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 24 und p = 0.85
Bestimme den Erwartungswert μ und die Standardabweichung σ von X .

Lösung einblenden

Für Erwartungswert und Standardabweichung bei der Binomialverteilung gibt es ja einfache Formeln, in die man einfach n = 24 und p = 0.85 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 24 ⋅ 0.85 = 20.4

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 24 ⋅ 0.85 ⋅ 0.15 = 3.06 1.75