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:

Bei einem Glücksrad, ist die Wahrscheinlichkeit in den grünen Bereich zu kommen p=0,9. Wie oft muss man dieses Glückrad mindestens drehen, um mit einer Wahrscheinlichkeit von mindestens 60% 31 mal oder öfters in den grünen Bereich zu kommen?

Lösung einblenden
nP(X≤k)
......
340.4462
350.2693
......

Die Zufallsgröße X gibt Anzahl der Drehungen, die im grünen Bereich landen an und ist im Idealfall binomialverteilt mit p = 0.9 und variablem n.

Es muss gelten: P0.9n (X31) ≥ 0.6

Weil man ja aber P0.9n (X31) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.9n (X31) = 1 - P0.9n (X30) ≥ 0.6 |+ P0.9n (X30) - 0.6

0.4 ≥ P0.9n (X30) oder P0.9n (X30) ≤ 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 90% der Versuche mit einem Treffer. Also müssten dann doch bei 31 0.9 ≈ 34 Versuchen auch ungefähr 31 (≈0.9⋅34) Treffer auftreten.

Wir berechnen also mit unserem ersten n=34:
P0.9n (X30) ≈ 0.4462 (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=35 die gesuchte Wahrscheinlichkeit unter 0.4 ist.

n muss also mindestens 35 sein, damit P0.9n (X30) ≤ 0.4 oder eben P0.9n (X31) ≥ 0.6 gilt.

Binomialverteilung X ∈ [l;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=0,4 entsteht. Es wird eine Stichprobe der Menge 98 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips mindestens 42 und höchstens 46 beträgt?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=98 und p=0.4.

P0.498 (42X46) =

...
39
40
41
42
43
44
45
46
47
48
...

P0.498 (X46) - P0.498 (X41) ≈ 0.933 - 0.6841 ≈ 0.2489
(TI-Befehl: binomcdf(98,0.4,46) - binomcdf(98,0.4,41))

Binomialvert. mit variablem p (diskret)

Beispiel:

Ein neuer Multiple Choice Test mit 16 verschiedenen Fragen soll entwickelt werden. Dabei muss immer genau eine von mehreren Antwortmöglichkeiten richtig sein. Die Anzahl an Antwortmöglichkeiten soll bei allen Fragen gleich sein. Insgesamt soll der Test so konzipiert sein, dass die Wahrscheinlichkeit mehr als 2 Fragen nur durch Raten zufällig richtig zu beantworten (obwohl man keinerlei Wissen hat) bei höchstens 20% liegt. Bestimme die hierfür notwendige Mindestanzahl an Antwortmöglichkeiten bei jeder Frage.

Lösung einblenden
pP(X≤2)
......
1 8 0.6771
1 9 0.7405
1 10 0.7892
1 11 0.827
......

Die Zufallsgröße X gibt die Anzahl der zufällig richtig geratenenen Antworten an. X ist binomialverteilt mit n=16 und unbekanntem Parameter p.

Es muss gelten: Pp16 (X2) =0.8 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 1 sein muss, da es ja genau einen günstigen Fall gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp16 (X2) ('höchstens 2 Treffer bei 16 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 2 16 . Mit diesem p wäre ja 2= 2 16 ⋅16 der Erwartungswert und somit Pp16 (X2) irgendwo in der nähe von 50%. Wenn wir nun p= 2 16 mit 1 2 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 8 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 11 die gesuchte Wahrscheinlichkeit über 80% steigt.
Der Nenner, also die Anzahl der Antwortmöglichkeiten, muss also mindestens 11 sein.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 60% Wahrscheinlichkeit von 41 Freiwürfen mindestens 28 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥28)=1-P(X≤27)
......
0.640.3459
0.650.3965
0.660.4494
0.670.5036
0.680.5584
0.690.6127
......

Es muss gelten: Pp41 (X28) =0.6 (oder mehr)

oder eben: 1- Pp41 (X27) =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(41,X,27) - 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=0.69 die gesuchte Wahrscheinlichkeit über 0.6 ist.

Binomialverteilung X ∈ [l;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=0,4 entsteht. Es wird eine Stichprobe der Menge 54 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips mindestens 20 und höchstens 23 beträgt?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=54 und p=0.4.

P0.454 (20X23) =

...
17
18
19
20
21
22
23
24
25
...

P0.454 (X23) - P0.454 (X19) ≈ 0.7033 - 0.2821 ≈ 0.4212
(TI-Befehl: binomcdf(54,0.4,23) - binomcdf(54,0.4,19))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=50%. Wie groß ist die Wahrscheinlichkeit dass bei 83 Versuchen die Anzahl seiner Treffer um nicht mehr als eine Standardabweichung von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 83⋅0.5 ≈ 41.5,
die Standardabweichung mit σ = n p (1-p) = 83 0.5 0.5 ≈ 4.56

46.06 (41.5 + 4.56) und 36.94 (41.5 - 4.56) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 41.5 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 37 und 46 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 37 und 46 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=83 und p=0.5.

P0.583 (37X46) =

...
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
...

P0.583 (X46) - P0.583 (X36) ≈ 0.8639 - 0.1361 ≈ 0.7278
(TI-Befehl: binomcdf(83,0.5,46) - binomcdf(83,0.5,36))