Pestalozzi Gymnasium Biberach EduRandomtasks

Binomialvert. mit variablem n (höchst.)

Beispiel:

Der Starspieler der gegnerischen Basketballmannschaft hat bei Freiwürfen eine Trefferquote von p=0,9. Wie oft darf man ihn höchstens foulen und an die Freiwurflinie schicken, wenn man ihn mit einer Wahrscheinlichkeit von mindestens 70% nicht über 29 Freiwurfpunkte kommen lassen will?

Lösung einblenden

n	P(X≤k)
...	...
31	0.8304
32	0.6333
...	...

Die Zufallsgröße X gibt die Anzahl der getroffenen Freiwürfe an und ist im Idealfall binomialverteilt mit p = 0.9 und variablem n.

Es muss gelten: $P_{0.9}^{n} (X \leq 29)$ ≥ 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 90% der Versuche mit einem Treffer. Also müssten dann doch bei $\frac{29}{0.9}$ ≈ 32 Versuchen auch ungefähr 29 (≈0.9⋅32) Treffer auftreten.

Wir berechnen also mit unserem ersten n=32:
$P_{0.9}^{n} (X \leq 29)$ ≈ 0.6333 (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=31 die gesuchte Wahrscheinlichkeit über 70% ist.

kumulierte Binomialverteilung

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,95. Wie groß ist die Wahrscheinlichkeit bei 76 Versuchen höchstens 67 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=76 und p=0.95.

P_{0.95}^{76} (X \leq 67)

=

P_{0.95}^{76} (X = 0)

+

P_{0.95}^{76} (X = 1)

+

P_{0.95}^{76} (X = 2)

+... +

P_{0.95}^{76} (X = 67)

= 0.013485777925785 ≈ 0.0135
(TI-Befehl: binomcdf(76,0.95,67))

Binomialvert. mit variablem p (diskret)

Beispiel:

Ein neuer Multiple Choice Test mit 12 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 20% liegt. Bestimme die hierfür notwendige Mindestanzahl an Antwortmöglichkeiten bei jeder Frage.

Lösung einblenden

p	P(X≤3)
...	...
$\frac{1}{4}$	0.6488
$\frac{1}{5}$	0.7946
$\frac{1}{6}$	0.8748
...	...

Die Zufallsgröße X gibt die Anzahl der zufällig richtig geratenenen Antworten an. X ist binomialverteilt mit n=12 und unbekanntem Parameter p.

Es muss gelten: $P_{p}^{12} (X \leq 3)$ =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 $P_{p}^{12} (X \leq 3)$ ('höchstens 3 Treffer bei 12 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= $\frac{3}{12}$ . Mit diesem p wäre ja 3= $\frac{3}{12}$ ⋅12 der Erwartungswert und somit $P_{p}^{12} (X \leq 3)$ irgendwo in der nähe von 50%. Wenn wir nun p= $\frac{3}{12}$ mit $\frac{1}{3}$ erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= $\frac{1}{4}$ einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= $\frac{1}{6}$ die gesuchte Wahrscheinlichkeit über 80% steigt.
Der Nenner, also die Anzahl der Antwortmöglichkeiten, muss also mindestens 6 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Bei einem Glücksrad soll mit einer Wahrscheinlichkeit von 90% bei 89 Ausspielungen nicht öfters als 74 mal der grüne Bereich kommen. Wie hoch darf man die Wahrscheinlichkeit für den grünen Bereich auf dem Glücksrad maximal setzen?

Lösung einblenden

p	P(X≤k)
...	...
0.73	0.9912
0.74	0.985
0.75	0.9752
0.76	0.9602
0.77	0.938
0.78	0.9066
0.79	0.8636
...	...

Es muss gelten: $P_{p}^{89} (X \leq 74)$ =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(89,X,74) - 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=0.78 die gesuchte Wahrscheinlichkeit über 0.9 ist.

kumulierte Binomialverteilung

Beispiel:

Eine Münze wird 80 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass weniger als 35 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Würfe mit Zahl an. X ist binomialverteilt mit n=80 und p=0.5.

P_{0.5}^{80} (X < 35)

=

P_{0.5}^{80} (X \leq 34)

=

P_{0.5}^{80} (X = 0)

+

P_{0.5}^{80} (X = 1)

+

P_{0.5}^{80} (X = 2)

+... +

P_{0.5}^{80} (X = 34)

= 0.10925901973935 ≈ 0.1093
(TI-Befehl: binomcdf(80,0.5,34))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 51 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 = 51 und p = 0.2 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 51 ⋅ 0.2 = 10.2

Standardabweichung S(X) = $\sqrt{n ⋅ p ⋅ (1-p)}$ = $\sqrt{51 ⋅ 0.2 ⋅ 0.8}$ = $\sqrt{8.16}$ ≈ 2.86

Aufgabenbeispiele von Wiederholung aus 9/10

Binomialvert. mit variablem n (höchst.)

kumulierte Binomialverteilung

Binomialvert. mit variablem p (diskret)

Binomialvert. mit variabl. p (höchstens) nur GTR

kumulierte Binomialverteilung

Erwartungswert, Standardabweichung best.