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:
In Tschechien gilt absolutes Alkoholverbot in Lokalen für Jugendliche unter 18 Jahren. Ein paar trinkfreudige 17-jährige Jugendliche wollen bei einer Studienfahrt nach Prag trotzdem ihr Glück versuchen. 87% der Gaststätten setzen das Alkoholverbot konsequent um und schenken nur gegen Vorlage einer "ID" (Personalausweis) Bier aus. Wie viele Kneipen müssen die Jugenlichen nun mindestens aufsuchen, damit sie bei einer Kneipentour mit mindestens 60% Wahrscheinlichkeit in mindestens 4 Lokalen nicht mit Nachfragen zu ihrer "ID" gedemütigt werden und in Ruhe ein Bier trinken können?
n | P(X≤k) |
---|---|
... | ... |
31 | 0.4136 |
32 | 0.3876 |
... | ... |
Die Zufallsgröße X gibt die Anzahl der besuchten Kneipen, die keine "ID" (Personalausweis) verlangen an und ist im Idealfall binomialverteilt mit p = 0.13 und variablem n.
Es muss gelten: ≥ 0.6
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.6 |+ - 0.6
0.4 ≥ oder ≤ 0.4
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 13% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 31 Versuchen auch ungefähr 4 (≈0.13⋅31) Treffer auftreten.
Wir berechnen also mit unserem ersten n=31:
≈ 0.4136
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.4 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 0.4 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=32 die gesuchte Wahrscheinlichkeit unter 0.4 ist.
n muss also mindestens 32 sein, damit ≤ 0.4 oder eben ≥ 0.6 gilt.
Binomialverteilung X>=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=0,22 entsteht. Es wird eine Stichprobe der Menge 91 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon 15 oder sogar noch mehr Chips defekt sind?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=91 und p=0.22.
(TI-Befehl: 1-binomcdf(91,0.22,14))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 3 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 80% unter den 18 gezogenen Kugeln nicht mehr als 3 rote sind?
p | P(X≤3) |
---|---|
... | ... |
0.6479 | |
0.6863 | |
0.7202 | |
0.7501 | |
0.7765 | |
0.7997 | |
0.8201 | |
... | ... |
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: =0.8 (oder mehr)
Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 3 sein muss, da es ja genau 3 günstige Fälle gibt.
Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit ('höchstens 3 Treffer bei 18 Versuchen') bei diesen Nennern wird (siehe Tabelle links)
Um einen günstigen Startwert zu finden wählen wir mal als p=. Mit diesem p wäre ja 3=⋅18 der Erwartungswert und somit irgendwo in der nähe von 50%. Wenn wir nun p= mit erweitern (so dass wir auf den Zähler 3 kommen) und den Nenner abrunden, müssten wir mit p= einen brauchbaren Einstiegswert für dieses Probieren erhalten.
In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 80% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens
24 sein.
Also werden noch 21 zusätzliche Optionen (also schwarze Kugeln) benötigt.
Binomialvert. mit variabl. p (mind.) nur GTR
Beispiel:
Ein Glücksrad soll mit nur zwei verschiedenen Sektoren (blau und rot) gebaut werden. Wie hoch muss man die Einzelwahrscheinlichkeit p mindestens wählen, dass die Wahrscheinlichkeit bei 48 Wiederholungen 35 mal (oder mehr) rot zu treffen bei mind. 90% liegt?
p | P(X≥35)=1-P(X≤34) |
---|---|
... | ... |
0.75 | 0.6986 |
0.76 | 0.7533 |
0.77 | 0.8032 |
0.78 | 0.8472 |
0.79 | 0.8849 |
0.8 | 0.9162 |
... | ... |
Es muss gelten: =0.9 (oder mehr)
oder eben: 1- =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(48,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 erstmals bei p=0.8 die gesuchte Wahrscheinlichkeit über 0.9 ist.
Binomialverteilung X ∈ [l;k]
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,3. Wie groß ist die Wahrscheinlichkeit bei 46 Versuchen, mehr als 10 mal und höchstens 18 mal im grünen Bereich zu landen?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=46 und p=0.3.
=
(TI-Befehl: binomcdf(46,0.3,18) - binomcdf(46,0.3,10))
Erwartungswert, Standardabweichung best.
Beispiel:
Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 89 und p = 0.25
Bestimme den Erwartungswert μ und die Standardabweichung σ von X .
Für Erwartungswert und Standardabweichung bei der Binomialverteilung gibt es ja einfache Formeln, in die man einfach n = 89 und p = 0.25 einsetzen muss:
Erwartungswert E(X) = n ⋅ p = 89 ⋅ 0.25 = 22.25
Standardabweichung S(X) = = = ≈ 4.09