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:

Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,25.Wie oft muss man das Zufallsexperiment mindestens wiederholen (oder wie groß muss die Stichprobe sein), um mit mind. 60% Wahrscheinlichkeit, mindestens 37 Treffer zu erzielen ?

Lösung einblenden
nP(X≤k)
......
1480.4685
1490.4498
1500.4312
1510.413
1520.395
......

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

Es muss gelten: P0.25n (X≥37) ≥ 0.6

Weil man ja aber P0.25n (X≥37) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.25n (X≥37) = 1 - P0.25n (X≤36) ≥ 0.6 |+ P0.25n (X≤36) - 0.6

0.4 ≥ P0.25n (X≤36) oder P0.25n (X≤36) ≤ 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 25% der Versuche mit einem Treffer. Also müssten dann doch bei 37 0.25 ≈ 148 Versuchen auch ungefähr 37 (≈0.25⋅148) Treffer auftreten.

Wir berechnen also mit unserem ersten n=148:
P0.25n (X≤36) ≈ 0.4685 (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=152 die gesuchte Wahrscheinlichkeit unter 0.4 ist.

n muss also mindestens 152 sein, damit P0.25n (X≤36) ≤ 0.4 oder eben P0.25n (X≥37) ≥ 0.6 gilt.

Binomialverteilung X>=k

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 51 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so 9 oder gar noch mehr Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=51 und p=0.25.

...
6
7
8
9
10
11
...

P0.2551 (X≥9) = 1 - P0.2551 (X≤8) = 0.92
(TI-Befehl: 1-binomcdf(51,0.25,8))

Binomialvert. mit variablem p (diskret)

Beispiel:

Die Homepage-AG einer Schule möchte auf der Startseite der Internetseite der Schule ein Zufallsbild integrieren. Dabei soll bei jedem Aufruf der Startseite ein zufälliges Bild aus einer Bilderdatenbank gezeigt werden. Alle Bilder der Datenbank sind immer gleich wahrscheinlich. Auf 3 Bildern der Datenbank sind Mitglieder der Homepage-AG zu sehen. Es wird geschätzt, dass die Seite täglich 150 mal aufgerufen wird. Die Mitglieder der Homepage-AG wollen dass mit mindestens 85%-iger Wahrscheinlichkiet mindestens 14 mal am Tag eines ihrer eigenen 3 Bilder erscheint. Wie viele andere Bilder dürfen dann höchstens noch in der Datenbank sein?

Lösung einblenden
pP(X≥14)=1-P(X≤13)
......
3 16 0.9995
3 17 0.9986
3 18 0.9964
3 19 0.9922
3 20 0.9849
3 21 0.9734
3 22 0.957
3 23 0.9349
3 24 0.9069
3 25 0.8734
3 26 0.8346
......

Die Zufallsgröße X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=150 und unbekanntem Parameter p.

Es muss gelten: Pp150 (X≥14) = 1- Pp150 (X≤13) = 0.85 (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 Pp150 (X≥14) ('mindestens 14 Treffer bei 150 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 3 16 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 3 25 die gesuchte Wahrscheinlichkeit über 85% bleibt.
Der Nenner, also die Anzahl aller Bilder in der Datenbank, darf also höchstens 25 sein.

Also wären noch 22 zusätzliche Optionen (also weitere Bilder) zulässig.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 70% Wahrscheinlichkeit von 83 Freiwürfen mindestens 41 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥41)=1-P(X≤40)
......
0.470.3709
0.480.4418
0.490.5146
0.50.5868
0.510.6562
0.520.7207
......

Es muss gelten: Pp83 (X≥41) =0.7 (oder mehr)

oder eben: 1- Pp83 (X≤40) =0.7 (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(83,X,40) - 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=0.52 die gesuchte Wahrscheinlichkeit über 0.7 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Zufallsexperiment wird 65 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,5.Wie groß ist dabei die Wahrscheinlichkeit, mindestens 31, aber höchstens 39 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=65 und p=0.5.

P0.565 (31≤X≤39) =

...
28
29
30
31
32
33
34
35
36
37
38
39
40
41
...

P0.565 (X≤39) - P0.565 (X≤30) ≈ 0.9592 - 0.3101 ≈ 0.6491
(TI-Befehl: binomcdf(65,0.5,39) - binomcdf(65,0.5,30))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 57 und p = 0.55
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 = 57 und p = 0.55 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 57 ⋅ 0.55 = 31.35

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 57 ⋅ 0.55 ⋅ 0.45 = 14.1075 ≈ 3.76