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:

Wie oft muss man mit einem normalen Würfel mindestens würfeln, um mit einer Wahrscheinlichkeit von mindestens 60% 25 oder mehr 6er zu erzielen?

Lösung einblenden
nP(X≤k)
......
1500.466
1510.4516
1520.4374
1530.4232
1540.4093
1550.3955
......

Die Zufallsgröße X gibt Anzahl der gewürfelten 6er an und ist im Idealfall binomialverteilt mit p = 1 6 und variablem n.

Es muss gelten: P 1 6 n (X25) ≥ 0.6

Weil man ja aber P 1 6 n (X25) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P 1 6 n (X25) = 1 - P 1 6 n (X24) ≥ 0.6 |+ P 1 6 n (X24) - 0.6

0.4 ≥ P 1 6 n (X24) oder P 1 6 n (X24) ≤ 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 1 6 der Versuche mit einem Treffer. Also müssten dann doch bei 25 1 6 ≈ 150 Versuchen auch ungefähr 25 (≈ 1 6 ⋅150) Treffer auftreten.

Wir berechnen also mit unserem ersten n=150:
P 1 6 n (X24) ≈ 0.466 (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=155 die gesuchte Wahrscheinlichkeit unter 0.4 ist.

n muss also mindestens 155 sein, damit P 1 6 n (X24) ≤ 0.4 oder eben P 1 6 n (X25) ≥ 0.6 gilt.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Würfel wird 55 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 4 mal, aber weniger als 11 mal eine sechs gewürfelt wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=55 und p= 1 6 .

P 1 6 55 (5X10) =

...
2
3
4
5
6
7
8
9
10
11
12
...

P 1 6 55 (X10) - P 1 6 55 (X4) ≈ 0.696 - 0.0365 ≈ 0.6595
(TI-Befehl: binomcdf(55, 1 6 ,10) - binomcdf(55, 1 6 ,4))

Binomialvert. mit variablem p (diskret)

Beispiel:

Die Homepage-AG einer Schule möchte auf der Startseite der Internetseite der Schule ein Zufallsbild integrieren. Dabei soll bei jedem Aufruf der Startseite ein zufälliges Bild aus einer Bilderdatenbank gezeigt werden. Alle Bilder der Datenbank sind immer gleich wahrscheinlich. Auf 2 Bildern der Datenbank sind Mitglieder der Homepage-AG zu sehen. Es wird geschätzt, dass die Seite täglich 90 mal aufgerufen wird. Die Mitglieder der Homepage-AG wollen dass mit mindestens 75%-iger Wahrscheinlichkiet mindestens 12 mal am Tag eines ihrer eigenen 2 Bilder erscheint. Wie viele andere Bilder dürfen dann höchstens noch in der Datenbank sein?

Lösung einblenden
pP(X≥12)=1-P(X≤11)
......
2 7 0.9998
2 8 0.9978
2 9 0.9883
2 10 0.9622
2 11 0.9126
2 12 0.8391
2 13 0.7476
......

Die Zufallsgröße X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=90 und unbekanntem Parameter p.

Es muss gelten: Pp90 (X12) = 1- Pp90 (X11) = 0.75 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 2 sein muss, da es ja genau 2 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp90 (X12) ('mindestens 12 Treffer bei 90 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 2 7 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 2 12 die gesuchte Wahrscheinlichkeit über 75% bleibt.
Der Nenner, also die Anzahl aller Bilder in der Datenbank, darf also höchstens 12 sein.

Also wären noch 10 zusätzliche Optionen (also weitere Bilder) zulässig.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Eine Produktionsstätte für HighTech-Chips hat Probleme mit der Qualitätssicherung. Ein Großhändler nimmt die übliche Liefermenge von 53 Stück nur an, wenn nicht mehr als 44 Teile defekt sind. Wie hoch darf der Prozentsatz der fehlerhaften Teile höchstens sein, dass eine Lieferung mit einer Wahrscheinlichkeit von mind. 90% angenommen werden.

Lösung einblenden
pP(X≤k)
......
0.710.9852
0.720.9785
0.730.9691
0.740.9564
0.750.9394
0.760.9173
0.770.8891
......

Es muss gelten: Pp53 (X44) =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=binomcdf(53,X,44) - 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=0.76 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X>=k

Beispiel:

In einer Chip-Fabrik werden neue High Tech Chips produziert. Leider ist die Technik noch nicht so ganz ausgereift, weswegen Ausschuss mit einer Wahrscheinlichkeit von p=0,28 entsteht. Es wird eine Stichprobe der Menge 60 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon 17 oder sogar noch mehr Chips defekt sind?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=60 und p=0.28.

...
14
15
16
17
18
19
...

P0.2860 (X17) = 1 - P0.2860 (X16) = 0.5259
(TI-Befehl: 1-binomcdf(60,0.28,16))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=75%. Wie groß ist die Wahrscheinlichkeit dass er bei 100 Versuchen nicht mehr als 15% von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=100⋅0.75 = 75

Die 15% Abweichung wären dann zwischen 85% von 75, also 0.85⋅ 75 = 63.75 und 115% von 75, also 1.15⋅ 75 = 86.25

Da die Trefferzahl ja nicht weiter von 75 entfernt sein darf als 63.75 bzw. 86.25, muss sie also zwischen 64 und 86 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=100 und p=0.75.

P0.75100 (64X86) =

...
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
...

P0.75100 (X86) - P0.75100 (X63) ≈ 0.9975 - 0.0052 ≈ 0.9923
(TI-Befehl: binomcdf(100,0.75,86) - binomcdf(100,0.75,63))