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:
Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,8.Wie oft darf man das Zufallsexperiment höchstens wiederholen (oder wie groß darf die Stichprobe sein), um mit mind. 90% Wahrscheinlichkeit, höchstens 38 Treffer zu erzielen ?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 43 | 0.9494 |
| 44 | 0.8982 |
| 45 | 0.8232 |
| 46 | 0.7267 |
| 47 | 0.6157 |
| 48 | 0.4998 |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.8 und variablem n.
Es muss gelten: ≥ 0.9
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 80% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 48 Versuchen auch ungefähr 38 (≈0.8⋅48) Treffer auftreten.
Wir berechnen also mit unserem ersten n=48:
≈ 0.4998
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.9 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 0.9 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=43 die gesuchte Wahrscheinlichkeit über 90% ist.
Binomialverteilung X>=k
Beispiel:
Ein Würfel wird 60 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass mehr als 9 mal eine 6 (p=1/6) geworfen wird?
Die Zufallsgröße X gibt die Anzahl der gewürfelten Sechser an. X ist binomialverteilt mit n=60 und p=.
(TI-Befehl: 1-binomcdf(60,,9))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 3 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 80% unter den 25 gezogenen Kugeln nicht mehr als 24 schwarze sind?
| p | P(X≤24) |
|---|---|
| ... | ... |
| 0.9997 | |
| 0.9992 | |
| 0.9986 | |
| 0.9976 | |
| 0.9962 | |
| 0.9944 | |
| 0.9922 | |
| 0.9895 | |
| 0.9864 | |
| 0.9828 | |
| 0.9788 | |
| 0.9744 | |
| 0.9696 | |
| 0.9645 | |
| 0.9591 | |
| 0.9533 | |
| 0.9474 | |
| 0.9412 | |
| 0.9348 | |
| 0.9282 | |
| 0.9215 | |
| 0.9147 | |
| 0.9077 | |
| 0.9007 | |
| 0.8936 | |
| 0.8864 | |
| 0.8792 | |
| 0.872 | |
| 0.8648 | |
| 0.8576 | |
| 0.8504 | |
| 0.8432 | |
| 0.836 | |
| 0.8289 | |
| 0.8218 | |
| 0.8147 | |
| 0.8077 | |
| 0.8008 | |
| 0.7939 | |
| ... | ... |
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: = 0.8 (oder mehr)
Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 3 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 ('höchstens 24 Treffer bei 25 Versuchen') auswirkt (siehe Tabelle links)
Als Startwert wählen wir als p=. (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)
In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 80% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 45 sein.
Binomialvert. mit variabl. p (mind.) nur GTR
Beispiel:
Ein Basketballtrainer sucht einen neuen Spieler, der mit 90% Wahrscheinlichkeit von 75 Freiwürfen mindestens 25 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?
| p | P(X≥25)=1-P(X≤24) |
|---|---|
| ... | ... |
| 0.35 | 0.6603 |
| 0.36 | 0.7236 |
| 0.37 | 0.7802 |
| 0.38 | 0.8291 |
| 0.39 | 0.8702 |
| 0.4 | 0.9037 |
| ... | ... |
Es muss gelten: =0.9 (oder mehr)
oder eben: 1- =0.9 (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,24) - 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=0.4 die gesuchte Wahrscheinlichkeit über 0.9 ist.
Binomialverteilung X>=k
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,9. Wie groß ist die Wahrscheinlichkeit bei 50 Versuchen mindestens 40 mal im grünen Bereich zu landen?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=50 und p=0.9.
(TI-Befehl: 1-binomcdf(50,0.9,39))
Binomialvert. Abstand vom Erwartungswert
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,65. Wie groß ist die Wahrscheinlichkeit bei 48 Versuchen, dass die Anzahl der Treffer im grünen Bereich nicht mehr als 20% vom Erwartungswert abweicht?
Den Erwartungswert berechnet man als E=n⋅p=48⋅0.65 = 31.2
Die 20% Abweichung wären dann zwischen 80% von 31.2, also 0.8⋅ 31.2 = 24.96 und 120% von 31.2, also 1.2⋅ 31.2 = 37.44
Da die Trefferzahl ja nicht weiter von 31.2 entfernt sein darf als 24.96 bzw. 37.44, muss sie also zwischen 25 und 37 liegen.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=48 und p=0.65.
=
(TI-Befehl: binomcdf(48,0.65,37) - binomcdf(48,0.65,24))
