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:

In Tschechien gilt absolutes Alkoholverbot in Lokalen für Jugendliche unter 18 Jahren. Ein paar trinkfreudige 17-jährige Jugendliche wollen bei einer Studienfahrt nach Prag trotzdem ihr Glück versuchen. 83% der Gaststätten setzen das Alkoholverbot konsequent um und schenken nur gegen Vorlage einer "ID" (Personalausweis) Bier aus. Wie viele Kneipen müssen die Jugenlichen nun mindestens aufsuchen, damit sie bei einer Kneipentour mit mindestens 50% Wahrscheinlichkeit in mindestens 5 Lokalen nicht mit Nachfragen zu ihrer "ID" gedemütigt werden und in Ruhe ein Bier trinken können?

Lösung einblenden
nP(X≤k)
......
270.5048
280.4705
290.4373
......

Die Zufallsgröße X gibt die Anzahl der besuchten Kneipen, die keine "ID" (Personalausweis) verlangen an und ist im Idealfall binomialverteilt mit p = 0.17 und variablem n.

Es muss gelten: P0.17n (X5) ≥ 0.5

Weil man ja aber P0.17n (X5) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.17n (X5) = 1 - P0.17n (X4) ≥ 0.5 |+ P0.17n (X4) - 0.5

0.5 ≥ P0.17n (X4) oder P0.17n (X4) ≤ 0.5

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 17% der Versuche mit einem Treffer. Also müssten dann doch bei 5 0.17 ≈ 29 Versuchen auch ungefähr 5 (≈0.17⋅29) Treffer auftreten.

Wir berechnen also mit unserem ersten n=29:
P0.17n (X4) ≈ 0.4373 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.5 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 0.5 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=28 die gesuchte Wahrscheinlichkeit unter 0.5 ist.

n muss also mindestens 28 sein, damit P0.17n (X4) ≤ 0.5 oder eben P0.17n (X5) ≥ 0.5 gilt.

Binomialverteilung X>=k

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,65. Wie groß ist die Wahrscheinlichkeit bei 79 Versuchen mindestens 53 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=79 und p=0.65.

...
50
51
52
53
54
55
...

P0.6579 (X53) = 1 - P0.6579 (X52) = 0.3974
(TI-Befehl: 1-binomcdf(79,0.65,52))

Binomialvert. mit variablem p (diskret)

Beispiel:

Ein neuer Multiple Choice Test mit 19 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 3 Fragen nur durch Raten zufällig richtig zu beantworten (obwohl man keinerlei Wissen hat) bei höchstens 25% liegt. Bestimme die hierfür notwendige Mindestanzahl an Antwortmöglichkeiten bei jeder Frage.

Lösung einblenden
pP(X≤3)
......
1 6 0.607
1 7 0.7165
1 8 0.7933
......

Die Zufallsgröße X gibt die Anzahl der zufällig richtig geratenenen Antworten an. X ist binomialverteilt mit n=19 und unbekanntem Parameter p.

Es muss gelten: Pp19 (X3) =0.75 (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 Pp19 (X3) ('höchstens 3 Treffer bei 19 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 3 19 . Mit diesem p wäre ja 3= 3 19 ⋅19 der Erwartungswert und somit Pp19 (X3) irgendwo in der nähe von 50%. Wenn wir nun p= 3 19 mit 1 3 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 6 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 8 die gesuchte Wahrscheinlichkeit über 75% steigt.
Der Nenner, also die Anzahl der Antwortmöglichkeiten, muss also mindestens 8 sein.

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

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 97 mal wiederholt (bzw. die Stichprobe hat die Größe 97)Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 90% mindestens 67 Treffer erzielt werden?

Lösung einblenden
pP(X≥67)=1-P(X≤66)
......
0.70.6268
0.710.7058
0.720.7771
0.730.8381
0.740.8877
0.750.926
......

Es muss gelten: Pp97 (X67) =0.9 (oder mehr)

oder eben: 1- Pp97 (X66) =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(97,X,66) - 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=0.75 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Formel v. Bernoulli

Beispiel:

Ein Würfel wird 47 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 9 mal eine 6 (p=1/6) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=47 und p= 1 6 .

P 1 6 47 (X=9) = ( 47 9 ) ( 1 6 )9 ( 5 6 )38 =0.1324754626183≈ 0.1325
(TI-Befehl: binompdf(47,1/6,9))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Würfel wird 97 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der gewürfelten 6er nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 97⋅ 1 6 ≈ 16.17,
die Standardabweichung mit σ = n p (1-p) = 97 1 6 5 6 ≈ 3.67

19.84 (16.17 + 3.67) und 12.5 (16.17 - 3.67) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 16.17 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 13 und 19 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 13 und 19 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=97 und p= 1 6 .

P 1 6 97 (13X19) =

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

P 1 6 97 (X19) - P 1 6 97 (X12) ≈ 0.8197 - 0.1586 ≈ 0.6611
(TI-Befehl: binomcdf(97, 1 6 ,19) - binomcdf(97, 1 6 ,12))