Pestalozzi Gymnasium Biberach EduRandomtasks

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=0,01. Wie viele Rechner können bestellt werden, dass zu einer Wahrscheinlichkeit von 60% kein Descepticon unter ihnen ist?

Lösung einblenden

n	P(X≤k)
...	...
45	0.6362
46	0.6298
47	0.6235
48	0.6173
49	0.6111
50	0.605
51	0.599
...	...

Die Zufallsgröße X gibt Anzahl der Descepticons unter den Taschenrechnern an und ist im Idealfall binomialverteilt mit p = 0.01 und variablem n.

Es muss gelten: $P_{0.01}^{n} (X \leq 0)$ ≥ 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 1% der Versuche mit einem Treffer. Also müssten dann doch bei $\frac{0}{0.01}$ ≈ 0 Versuchen auch ungefähr 0 (≈0.01⋅0) Treffer auftreten.

Wir berechnen also mit unserem ersten n=0:
$P_{0.01}^{n} (X \leq 0)$ ≈ 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=50 die gesuchte Wahrscheinlichkeit über 60% ist.

Binomialverteilung X>=k

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,4. Wie groß ist die Wahrscheinlichkeit bei 94 Versuchen mehr als 45 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Drehungen, die im grünen Bereich landen, an. X ist binomialverteilt mit n=94 und p=0.4.

...

43

44

45

46

47

48

...

P_{0.4}^{94} (X > 45)

=

P_{0.4}^{94} (X \geq 46)

= 1 -

P_{0.4}^{94} (X \leq 45)

= 0.0491
(TI-Befehl: 1-binomcdf(94,0.4,45))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 5 rote und einige schwarze Kugeln. Es soll 25 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 85% unter den 25 gezogenen Kugeln nicht mehr als 24 schwarze sind?

Lösung einblenden

p	P(X≤24)
...	...
$\frac{12}{17}$	0.9998
$\frac{13}{18}$	0.9997
$\frac{14}{19}$	0.9995
$\frac{15}{20}$	0.9992
$\frac{16}{21}$	0.9989
$\frac{17}{22}$	0.9984
$\frac{18}{23}$	0.9978
$\frac{19}{24}$	0.9971
$\frac{20}{25}$	0.9962
$\frac{21}{26}$	0.9952
$\frac{22}{27}$	0.994
$\frac{23}{28}$	0.9927
$\frac{24}{29}$	0.9912
$\frac{25}{30}$	0.9895
$\frac{26}{31}$	0.9877
$\frac{27}{32}$	0.9857
$\frac{28}{33}$	0.9836
$\frac{29}{34}$	0.9813
$\frac{30}{35}$	0.9788
$\frac{31}{36}$	0.9762
$\frac{32}{37}$	0.9735
$\frac{33}{38}$	0.9706
$\frac{34}{39}$	0.9676
$\frac{35}{40}$	0.9645
$\frac{36}{41}$	0.9613
$\frac{37}{42}$	0.9579
$\frac{38}{43}$	0.9545
$\frac{39}{44}$	0.951
$\frac{40}{45}$	0.9474
$\frac{41}{46}$	0.9437
$\frac{42}{47}$	0.9399
$\frac{43}{48}$	0.9361
$\frac{44}{49}$	0.9322
$\frac{45}{50}$	0.9282
$\frac{46}{51}$	0.9242
$\frac{47}{52}$	0.9201
$\frac{48}{53}$	0.916
$\frac{49}{54}$	0.9119
$\frac{50}{55}$	0.9077
$\frac{51}{56}$	0.9035
$\frac{52}{57}$	0.8993
$\frac{53}{58}$	0.895
$\frac{54}{59}$	0.8907
$\frac{55}{60}$	0.8864
$\frac{56}{61}$	0.8821
$\frac{57}{62}$	0.8778
$\frac{58}{63}$	0.8735
$\frac{59}{64}$	0.8691
$\frac{60}{65}$	0.8648
$\frac{61}{66}$	0.8605
$\frac{62}{67}$	0.8561
$\frac{63}{68}$	0.8518
$\frac{64}{69}$	0.8475
...	...

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=25 und unbekanntem Parameter p.

Es muss gelten: $P_{p}^{25} (X \leq 24)$ = 0.85 (oder mehr)

Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 5 größer sein muss als der Zähler.

Deswegen erhöhen wir nun schrittweise immer den Zähler und Nenner bei der Einzelwahrscheinlichkeit um 1 und probieren aus, wie sich das auf die gesuchte Wahrscheinlichkeit $P_{p}^{25} (X \leq 24)$ ('höchstens 24 Treffer bei 25 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= $\frac{12}{17}$ . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= $\frac{63}{68}$ die gesuchte Wahrscheinlichkeit über 85% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 63 sein.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 80% Wahrscheinlichkeit von 75 Freiwürfen mindestens 54 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden

p	P(X≥54)=1-P(X≤53)
...	...
0.71	0.4818
0.72	0.5585
0.73	0.6341
0.74	0.7059
0.75	0.7714
0.76	0.8288
...	...

Es muss gelten: $P_{p}^{75} (X \geq 54)$ =0.8 (oder mehr)

oder eben: 1- $P_{p}^{75} (X \leq 53)$ =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(75,X,53) - 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=0.76 die gesuchte Wahrscheinlichkeit über 0.8 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Würfel wird 63 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 10 mal, aber weniger als 16 mal eine sechs gewürfelt wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=63 und p= $\frac{1}{6}$ .

$P_{\frac{1}{6}}^{63} (11 \leq X \leq 15)$ =

...

8

9

10

11

12

13

14

15

16

17

...

P_{\frac{1}{6}}^{63} (X \leq 15)

-

P_{\frac{1}{6}}^{63} (X \leq 10)

≈ 0.949 - 0.5152 ≈ 0.4338
(TI-Befehl: binomcdf(63, $\frac{1}{6}$ ,15) - binomcdf(63, $\frac{1}{6}$ ,10))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Würfel wird 70 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der gewürfelten 6er nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 70⋅ $\frac{1}{6}$ ≈ 11.67,
die Standardabweichung mit σ = $\sqrt{n \cdot p \cdot (1-p)}$ = $\sqrt{70\cdot\frac{1}{6}\cdot\frac{5}{6}}$ ≈ 3.12

14.78 (11.67 + 3.12) und 8.55 (11.67 - 3.12) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 11.67 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 9 und 14 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 9 und 14 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=70 und p= $\frac{1}{6}$ .

$P_{\frac{1}{6}}^{70} (9 \leq X \leq 14)$ =

...

6

7

8

9

10

11

12

13

14

15

16

...

P_{\frac{1}{6}}^{70} (X \leq 14)

-

P_{\frac{1}{6}}^{70} (X \leq 8)

≈ 0.8202 - 0.1542 ≈ 0.666
(TI-Befehl: binomcdf(70, $\frac{1}{6}$ ,14) - binomcdf(70, $\frac{1}{6}$ ,8))

Aufgabenbeispiele von Wiederholung aus 9/10

Binomialvert. mit variablem n (höchst.)

Binomialverteilung X>=k

Binomialvert. mit variablem p (diskret)

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

Binomialverteilung X ∈ [l;k]

Wahrscheinlichkeit von σ-Intervall um μ