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=0,01. Wie viele Rechner können bestellt werden, dass zu einer Wahrscheinlichkeit von 70% kein Descepticon unter ihnen ist?

Lösung einblenden
nP(X≤k)
......
300.7397
310.7323
320.725
330.7177
340.7106
350.7034
360.6964
......

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: P0.01n (X0) ≥ 0.7

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 0 0.01 ≈ 0 Versuchen auch ungefähr 0 (≈0.01⋅0) Treffer auftreten.

Wir berechnen also mit unserem ersten n=0:
P0.01n (X0) ≈ 1 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.7 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 0.7 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=35 die gesuchte Wahrscheinlichkeit über 70% ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,3. Wie groß ist die Wahrscheinlichkeit bei 45 Versuchen, mehr als 12 mal und höchstens 15 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=45 und p=0.3.

P0.345 (13X15) =

...
10
11
12
13
14
15
16
17
...

P0.345 (X15) - P0.345 (X12) ≈ 0.7462 - 0.3802 ≈ 0.366
(TI-Befehl: binomcdf(45,0.3,15) - binomcdf(45,0.3,12))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 5 rote und einige schwarze Kugeln. Es soll 20 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 90% unter den 20 gezogenen Kugeln nicht mehr als 3 rote sind?

Lösung einblenden
pP(X≤3)
......
5 33 0.6404
5 34 0.662
5 35 0.6822
5 36 0.7012
5 37 0.7189
5 38 0.7354
5 39 0.7509
5 40 0.7653
5 41 0.7788
5 42 0.7915
5 43 0.8032
5 44 0.8143
5 45 0.8246
5 46 0.8342
5 47 0.8433
5 48 0.8517
5 49 0.8596
5 50 0.867
5 51 0.874
5 52 0.8805
5 53 0.8867
5 54 0.8924
5 55 0.8978
5 56 0.9029
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=20 und unbekanntem Parameter p.

Es muss gelten: Pp20 (X3) =0.9 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 5 sein muss, da es ja genau 5 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp20 (X3) ('höchstens 3 Treffer bei 20 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 3 20 . Mit diesem p wäre ja 3= 3 20 ⋅20 der Erwartungswert und somit Pp20 (X3) irgendwo in der nähe von 50%. Wenn wir nun p= 3 20 mit 5 3 erweitern (so dass wir auf den Zähler 5 kommen) und den Nenner abrunden, müssten wir mit p= 5 33 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 5 56 die gesuchte Wahrscheinlichkeit über 90% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 56 sein.

Also werden noch 51 zusätzliche Optionen (also schwarze Kugeln) benötigt.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Eine Fluggesellschaft hat 42 Plätze in ihrem Flugzeug. Trotzdem werden 51 Flugtickets verkauft. Wie hoch darf die Wahrscheinlichkeit, dass ein Ticketkäufer auch tatsächlich mitfliegt, höchstens sein, dass das Flugzeug mit einer Wahrscheinlichkeit von mindestens 90% nicht überbucht ist (also dass alle mitfliegen können)?

Lösung einblenden
pP(X≤k)
......
0.70.985
0.710.9784
0.720.9693
0.730.9571
0.740.9409
0.750.92
0.760.8934
......

Es muss gelten: Pp51 (X42) =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(51,X,42) - 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=0.75 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X>=k

Beispiel:

Ein Zufallsexperiment wird 73 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,75.
Wie groß ist dabei die Wahrscheinlichkeit, mindestens 58 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=73 und p=0.75.

...
55
56
57
58
59
60
...

P0.7573 (X58) = 1 - P0.7573 (X57) = 0.2318
(TI-Befehl: 1-binomcdf(73,0.75,57))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 49 und p = 0.05
Bestimme den Erwartungswert μ und die Standardabweichung σ von X .

Lösung einblenden

Für Erwartungswert und Standardabweichung bei der Binomialverteilung gibt es ja einfache Formeln, in die man einfach n = 49 und p = 0.05 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 49 ⋅ 0.05 = 2.45

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 49 ⋅ 0.05 ⋅ 0.95 = 2.3275 1.53