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:

Ein Mathelehrer möchte neue Taschenrechner für seine Klasse bestellen. Die Wahrscheinlichkeit, dass einer der Taschenrechner ein Decepticon (bekannt aus dem Transformers-Filmen) ist, liegt bei p=0,08. Wie viele Rechner können bestellt werden, dass zu einer Wahrscheinlichkeit von 60% kein Descepticon unter ihnen ist?

Lösung einblenden
nP(X≤k)
......
10.92
20.8464
30.7787
40.7164
50.6591
60.6064
70.5578
......

Die Zufallsgröße X gibt Anzahl der Descepticons unter den Taschenrechnern an und ist im Idealfall binomialverteilt mit p = 0.08 und variablem n.

Es muss gelten: P0.08n (X0) ≥ 0.6

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 8% der Versuche mit einem Treffer. Also müssten dann doch bei 0 0.08 ≈ 0 Versuchen auch ungefähr 0 (≈0.08⋅0) Treffer auftreten.

Wir berechnen also mit unserem ersten n=0:
P0.08n (X0) ≈ 1 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.6 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 0.6 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=6 die gesuchte Wahrscheinlichkeit über 60% ist.

Binomialverteilung X>=k

Beispiel:

Ein Würfel wird 45 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass mehr als 6 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=45 und p= 1 6 .

...
4
5
6
7
8
9
...

P 1 6 45 (X>6) = P 1 6 45 (X7) = 1 - P 1 6 45 (X6) = 0.6408
(TI-Befehl: 1-binomcdf(45, 1 6 ,6))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 17 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 85% unter den 17 gezogenen Kugeln nicht mehr als 6 rote sind?

Lösung einblenden
pP(X≤6)
......
4 11 0.5724
4 12 0.6739
4 13 0.7532
4 14 0.8136
4 15 0.859
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=17 und unbekanntem Parameter p.

Es muss gelten: Pp17 (X6) =0.85 (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 Pp17 (X6) ('höchstens 6 Treffer bei 17 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 6 17 . Mit diesem p wäre ja 6= 6 17 ⋅17 der Erwartungswert und somit Pp17 (X6) irgendwo in der nähe von 50%. Wenn wir nun p= 6 17 mit 4 6 erweitern (so dass wir auf den Zähler 4 kommen) und den Nenner abrunden, müssten wir mit p= 4 11 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 4 15 die gesuchte Wahrscheinlichkeit über 85% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 15 sein.

Also werden noch 11 zusätzliche Optionen (also schwarze Kugeln) benötigt.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 100 mal wiederholt (bzw. die Stichprobe hat die Größe 100).Wie hoch darf die Einzelwahrscheinlichkeit p höchstens sein, dass mit einer Wahrscheinlichkeit von mind. 60% höchstens 38 Treffer erzielt werden?

Lösung einblenden
pP(X≤k)
......
0.320.9167
0.330.8782
0.340.8292
0.350.7699
0.360.7011
0.370.625
0.380.5442
......

Es muss gelten: Pp100 (X38) =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=binomcdf(100,X,38) - 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 letztmals bei p=0.37 die gesuchte Wahrscheinlichkeit über 0.6 ist.

Formel v. Bernoulli

Beispiel:

Eine Münze wird 38 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 15 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=38 und p=0.5.

P0.538 (X=15) = ( 38 15 ) 0.515 0.523 =0.056284212623723≈ 0.0563
(TI-Befehl: binompdf(38,0.5,15))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Ein Würfel wird 98 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der gewürfelten 6er nicht mehr als 20% vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=98⋅ 1 6 = 16.333333333333

Die 20% Abweichung wären dann zwischen 80% von 16.333, also 0.8⋅ 16.333 = 13.067 und 120% von 16.333333333333, also 1.2⋅ 16.333 = 19.6

Da die Trefferzahl ja nicht weiter von 16.333333333333 entfernt sein darf als 13.067 bzw. 19.6, muss sie also zwischen 14 und 19 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=98 und p= 1 6 .

P 1 6 98 (14X19) =

...
11
12
13
14
15
16
17
18
19
20
21
...

P 1 6 98 (X19) - P 1 6 98 (X13) ≈ 0.807 - 0.225 ≈ 0.582
(TI-Befehl: binomcdf(98, 1 6 ,19) - binomcdf(98, 1 6 ,13))