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:

Die Firma Apple hat ein neues geniales Produkt, die iYacht, auf den Markt gebracht (wenn auch nicht ganz günstig). Die hierfür beauftragte Marketingagentur garantiert, dass unter denen, denen sie die Yacht vorgeführt hat, der Anteil der späteren Käufer bei 13% liegt. Wie vielen Personen muss nun dieses Produkt mindestens vorgeführt werden, damit sich mit mind. 90% Wahrscheinlichkeit, 31 oder mehr Käufer für dieses Produkt finden?

Lösung einblenden
nP(X≤k)
......
2860.1181
2870.1139
2880.1097
2890.1056
2900.1017
2910.0979
......

Die Zufallsgröße X gibt Anzahl der Käufer an und ist im Idealfall binomialverteilt mit p = 0.13 und variablem n.

Es muss gelten: P0.13n (X31) ≥ 0.9

Weil man ja aber P0.13n (X31) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.13n (X31) = 1 - P0.13n (X30) ≥ 0.9 |+ P0.13n (X30) - 0.9

0.1 ≥ P0.13n (X30) oder P0.13n (X30) ≤ 0.1

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 13% der Versuche mit einem Treffer. Also müssten dann doch bei 31 0.13 ≈ 238 Versuchen auch ungefähr 31 (≈0.13⋅238) Treffer auftreten.

Wir berechnen also mit unserem ersten n=238:
P0.13n (X30) ≈ 0.4757 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.1 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 0.1 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=291 die gesuchte Wahrscheinlichkeit unter 0.1 ist.

n muss also mindestens 291 sein, damit P0.13n (X30) ≤ 0.1 oder eben P0.13n (X31) ≥ 0.9 gilt.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Würfel wird 91 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 12 mal, aber weniger als 23 mal eine sechs gewürfelt wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=91 und p= 1 6 .

P 1 6 91 (13X22) =

...
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
...

P 1 6 91 (X22) - P 1 6 91 (X12) ≈ 0.9762 - 0.2308 ≈ 0.7454
(TI-Befehl: binomcdf(91, 1 6 ,22) - binomcdf(91, 1 6 ,12))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 5 rote und einige schwarze Kugeln. Es soll 17 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 75% unter den 17 gezogenen Kugeln nicht mehr als 6 rote sind?

Lösung einblenden
pP(X≤6)
......
5 14 0.5946
5 15 0.6739
5 16 0.739
5 17 0.7914
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=17 und unbekanntem Parameter p.

Es muss gelten: Pp17 (X6) =0.75 (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 Pp17 (X6) ('höchstens 6 Treffer bei 17 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 6 17 . Mit diesem p wäre ja 6= 6 17 ⋅17 der Erwartungswert und somit Pp17 (X6) irgendwo in der nähe von 50%. Wenn wir nun p= 6 17 mit 5 6 erweitern (so dass wir auf den Zähler 5 kommen) und den Nenner abrunden, müssten wir mit p= 5 14 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 5 17 die gesuchte Wahrscheinlichkeit über 75% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 17 sein.

Also werden noch 12 zusätzliche Optionen (also schwarze Kugeln) benötigt.

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

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 69 mal wiederholt (bzw. die Stichprobe hat die Größe 69)Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 60% mindestens 39 Treffer erzielt werden?

Lösung einblenden
pP(X≥39)=1-P(X≤38)
......
0.530.2644
0.540.3216
0.550.3835
0.560.4487
0.570.5155
0.580.582
......

Es muss gelten: Pp69 (X39) =0.6 (oder mehr)

oder eben: 1- Pp69 (X38) =0.6 (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(69,X,38) - 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=0.58 die gesuchte Wahrscheinlichkeit über 0.6 ist.

kumulierte Binomialverteilung

Beispiel:

Ein Zufallsexperiment wird 69 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p= 0,85.Wie groß ist dabei die Wahrscheinlichkeit, höchstens 57 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=69 und p=0.85.

P0.8569 (X57) = P0.8569 (X=0) + P0.8569 (X=1) + P0.8569 (X=2) +... + P0.8569 (X=57) = 0.33693864902074 ≈ 0.3369
(TI-Befehl: binomcdf(69,0.85,57))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 92 und p = 0.2
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 = 92 und p = 0.2 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 92 ⋅ 0.2 = 18.4

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 92 ⋅ 0.2 ⋅ 0.8 = 14.72 3.84