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 15% liegt. Wie vielen Personen muss nun dieses Produkt mindestens vorgeführt werden, damit sich mit mind. 80% Wahrscheinlichkeit, 29 oder mehr Käufer für dieses Produkt finden?

Lösung einblenden
nP(X≤k)
......
2150.2403
2160.2317
2170.2234
2180.2152
2190.2072
2200.1994
......

Die Zufallsgröße X gibt Anzahl der Käufer an und ist im Idealfall binomialverteilt mit p = 0.15 und variablem n.

Es muss gelten: P0.15n (X≥29) ≥ 0.8

Weil man ja aber P0.15n (X≥29) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.15n (X≥29) = 1 - P0.15n (X≤28) ≥ 0.8 |+ P0.15n (X≤28) - 0.8

0.2 ≥ P0.15n (X≤28) oder P0.15n (X≤28) ≤ 0.2

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 15% der Versuche mit einem Treffer. Also müssten dann doch bei 29 0.15 ≈ 193 Versuchen auch ungefähr 29 (≈0.15⋅193) Treffer auftreten.

Wir berechnen also mit unserem ersten n=193:
P0.15n (X≤28) ≈ 0.4732 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.2 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 0.2 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=220 die gesuchte Wahrscheinlichkeit unter 0.2 ist.

n muss also mindestens 220 sein, damit P0.15n (X≤28) ≤ 0.2 oder eben P0.15n (X≥29) ≥ 0.8 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 43 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so 12 oder gar noch mehr Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=43 und p=0.25.

...
9
10
11
12
13
14
...

P0.2543 (X≥12) = 1 - P0.2543 (X≤11) = 0.3855
(TI-Befehl: 1-binomcdf(43,0.25,11))

Binomialvert. mit variablem p (diskret)

Beispiel:

Eine Schulklasse möchte fürs Schulfest ein Glücksrad entwickeln. Aus optischen Gründen sollen dabei alle Sektoren gleich groß sein. Einer davon soll für den Hauptpreis stehen. Hierfür haben sie insgesamt 6 Preise gesammelt. Sie erwarten, dass das Glücksrad beim Schulfest 70 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 6 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 95% für die 70 Durchgänge reichen?

Lösung einblenden
pP(X≤6)
......
1 11 0.5454
1 12 0.6343
1 13 0.7081
1 14 0.7678
1 15 0.8155
1 16 0.8533
1 17 0.8831
1 18 0.9066
1 19 0.9251
1 20 0.9396
1 21 0.9512
......

Die Zufallsgröße X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=70 und unbekanntem Parameter p.

Es muss gelten: Pp70 (X≤6) =0.95 (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 Pp70 (X≤6) ('höchstens 6 Treffer bei 70 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 6 70 . Mit diesem p wäre ja 6= 6 70 ⋅70 der Erwartungswert und somit Pp70 (X≤6) irgendwo in der nähe von 50%. Wenn wir nun p= 6 70 mit 1 6 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 11 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 21 die gesuchte Wahrscheinlichkeit über 95% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens 21 sein.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 80% Wahrscheinlichkeit von 53 Freiwürfen mindestens 41 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥41)=1-P(X≤40)
......
0.760.483
0.770.5519
0.780.6205
0.790.687
0.80.7492
0.810.8055
......

Es muss gelten: Pp53 (X≥41) =0.8 (oder mehr)

oder eben: 1- Pp53 (X≤40) =0.8 (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(53,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=0.81 die gesuchte Wahrscheinlichkeit über 0.8 ist.

Formel v. Bernoulli

Beispiel:

Eine Münze wird 36 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 19 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=36 und p=0.5.

P0.536 (X=19) = ( 36 19 ) ⋅ 0.519 ⋅ 0.517 =0.12511004169937≈ 0.1251
(TI-Befehl: binompdf(36,0.5,19))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 89 und p = 0.4
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 = 89 und p = 0.4 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 89 ⋅ 0.4 = 35.6

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 89 ⋅ 0.4 ⋅ 0.6 = 21.36 ≈ 4.62