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 einer Urne ist der Anteil der grünen Kugeln 50%. Wie oft muss mindestens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 60% Wahrscheinlichkeit 23 oder mehr grüne Kugeln gezogen werden?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 46 | 0.4415 |
| 47 | 0.3854 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der gezogenen grünen Kugeln an und ist im Idealfall binomialverteilt mit p = 0.5 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 50% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 46 Versuchen auch ungefähr 23 (≈0.5⋅46) Treffer auftreten.
Wir berechnen also mit unserem ersten n=46:
≈ 0.4415
(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=47 die gesuchte Wahrscheinlichkeit unter 0.4 ist.
n muss also mindestens 47 sein, damit ≤ 0.4 oder eben ≥ 0.6 gilt.
Binomialverteilung X ∈ [l;k]
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,4. Wie groß ist die Wahrscheinlichkeit bei 41 Versuchen, mehr als 17 mal und höchstens 21 mal im grünen Bereich zu landen?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=41 und p=0.4.
=
(TI-Befehl: binomcdf(41,0.4,21) - binomcdf(41,0.4,17))
Binomialvert. mit variablem p (diskret)
Beispiel:
Eine Firma, die Überraschungseier vertreibt, möchte als Werbegag manche Eier mit Superfiguren bestücken. Aus Angst vor Kundenbeschwerden sollen in einer 9er-Packung mit der mindestens 50% Wahrscheinlichkeit 2 oder mehr Superfiguren enthalten sein. Wenn in jedes n-te Ei eine Superfigur rein soll, wie groß darf dann n höchstens sein?
| p | P(X≥2)=1-P(X≤1) |
|---|---|
| ... | ... |
| 0.9805 | |
| 0.8569 | |
| 0.6997 | |
| 0.5638 | |
| 0.4573 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der Eier mit einer Superfigur an. X ist binomialverteilt mit n=9 und unbekanntem Parameter p.
Es muss gelten: = 1- = 0.5 (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 ('mindestens 2 Treffer bei 9 Versuchen') bei diesen Nennern wird (siehe Tabelle links)
Als Startwert wählen wir als p=.
In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 50% bleibt.
Der Nenner, also die das wievielte Ei eine Superfigur enthält, darf also höchstens
5 sein.
Binomialvert. mit variabl. p (mind.) nur GTR
Beispiel:
Ein Basketballtrainer sucht einen neuen Spieler, der mit 70% Wahrscheinlichkeit von 73 Freiwürfen mindestens 62 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?
| p | P(X≥62)=1-P(X≤61) |
|---|---|
| ... | ... |
| 0.82 | 0.3177 |
| 0.83 | 0.4009 |
| 0.84 | 0.4917 |
| 0.85 | 0.586 |
| 0.86 | 0.6788 |
| 0.87 | 0.7648 |
| ... | ... |
Es muss gelten: =0.7 (oder mehr)
oder eben: 1- =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(73,X,61) - 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=0.87 die gesuchte Wahrscheinlichkeit über 0.7 ist.
kumulierte Binomialverteilung
Beispiel:
Eine Münze wird 32 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass höchstens 18 mal "Zahl" (p=0,5) geworfen wird?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=32 und p=0.5.
= + + +... + = 0.81145720626228 ≈ 0.8115(TI-Befehl: binomcdf(32,0.5,18))
Erwartungswert, Standardabweichung best.
Beispiel:
Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 76 und p = 0.5
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 = 76 und p = 0.5 einsetzen muss:
Erwartungswert E(X) = n ⋅ p = 76 ⋅ 0.5 = 38
Standardabweichung S(X) = = = ≈ 4.36
