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:
Der, dessen Name nicht genannt werden darf, testet Zauber um seine Nase wiederherzustellen. Ein solcher Versuch endet zu 45% mit einer Konfettiexplosion. Wie viele Versuche muss er mindestens machen, damit er mit einer Wahrscheinlichkeit von mindestens 60% mindestens 24 Nasen hat.
| n | P(X≤k) |
|---|---|
| ... | ... |
| 44 | 0.4143 |
| 45 | 0.3526 |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der geglückten Nasen-Zauberversuche an und ist im Idealfall binomialverteilt mit p = 0.55 und variablem n.
Es muss gelten: ≥ 0.6
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.6 |+ - 0.6
0.4 ≥ oder ≤ 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 55% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 44 Versuchen auch ungefähr 24 (≈0.55⋅44) Treffer auftreten.
Wir berechnen also mit unserem ersten n=44:
≈ 0.4143
(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=45 die gesuchte Wahrscheinlichkeit unter 0.4 ist.
n muss also mindestens 45 sein, damit ≤ 0.4 oder eben ≥ 0.6 gilt.
Binomialverteilung X ∈ [l;k]
Beispiel:
Ein Würfel wird 60 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 7 mal, aber weniger als 16 mal eine sechs gewürfelt wird?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=60 und p=.
=
(TI-Befehl: binomcdf(60,,15) - binomcdf(60,,7))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 3 rote und einige schwarze Kugeln. Es soll 25 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 70% unter den 25 gezogenen Kugeln nicht mehr als 24 schwarze sind?
| p | P(X≤24) |
|---|---|
| ... | ... |
| 0.9997 | |
| 0.9992 | |
| 0.9986 | |
| 0.9976 | |
| 0.9962 | |
| 0.9944 | |
| 0.9922 | |
| 0.9895 | |
| 0.9864 | |
| 0.9828 | |
| 0.9788 | |
| 0.9744 | |
| 0.9696 | |
| 0.9645 | |
| 0.9591 | |
| 0.9533 | |
| 0.9474 | |
| 0.9412 | |
| 0.9348 | |
| 0.9282 | |
| 0.9215 | |
| 0.9147 | |
| 0.9077 | |
| 0.9007 | |
| 0.8936 | |
| 0.8864 | |
| 0.8792 | |
| 0.872 | |
| 0.8648 | |
| 0.8576 | |
| 0.8504 | |
| 0.8432 | |
| 0.836 | |
| 0.8289 | |
| 0.8218 | |
| 0.8147 | |
| 0.8077 | |
| 0.8008 | |
| 0.7939 | |
| 0.7871 | |
| 0.7803 | |
| 0.7736 | |
| 0.767 | |
| 0.7604 | |
| 0.754 | |
| 0.7475 | |
| 0.7412 | |
| 0.7349 | |
| 0.7287 | |
| 0.7226 | |
| 0.7166 | |
| 0.7106 | |
| 0.7047 | |
| 0.6989 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=25 und unbekanntem Parameter p.
Es muss gelten: = 0.7 (oder mehr)
Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 3 größer sein muss als der Zähler.
Deswegen erhöhen wir nun schrittweise immer den Zähler und Nenner bei der Einzelwahrscheinlichkeit um 1 und probieren aus, wie sich das auf die gesuchte Wahrscheinlichkeit ('höchstens 24 Treffer bei 25 Versuchen') auswirkt (siehe Tabelle links)
Als Startwert wählen wir als p=. (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)
In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 70% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 60 sein.
Binomialvert. mit variabl. p (mind.) nur GTR
Beispiel:
Ein Basketballtrainer sucht einen neuen Spieler, der mit 70% Wahrscheinlichkeit von 64 Freiwürfen mindestens 46 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?
| p | P(X≥46)=1-P(X≤45) |
|---|---|
| ... | ... |
| 0.69 | 0.3644 |
| 0.7 | 0.4313 |
| 0.71 | 0.5012 |
| 0.72 | 0.5719 |
| 0.73 | 0.6414 |
| 0.74 | 0.7075 |
| ... | ... |
Es muss gelten: =0.7 (oder mehr)
oder eben: 1- =0.7 (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(64,X,45) - 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=0.74 die gesuchte Wahrscheinlichkeit über 0.7 ist.
Formel v. Bernoulli
Beispiel:
Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, genau 5 Glückskekse mit einer Peproni zu erwischen, wenn man 42 Glückskekse kauft?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=42 und p=.
= =0.18561288578281≈ 0.1856(TI-Befehl: binompdf(42,1/8,5))
Erwartungswert, Standardabweichung best.
Beispiel:
Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 68 und p = 0.15
Bestimme den Erwartungswert μ und die Standardabweichung σ von X .
Für Erwartungswert und Standardabweichung bei der Binomialverteilung gibt es ja einfache Formeln, in die man einfach n = 68 und p = 0.15 einsetzen muss:
Erwartungswert E(X) = n ⋅ p = 68 ⋅ 0.15 = 10.2
Standardabweichung S(X) = = = ≈ 2.94
