Aufgabenbeispiele von Wiederholung aus 9/10

Durch Aktualisieren des Browsers (z.B. mit Taste F5) kann man neue Beispielaufgaben sehen


Binomialvert. mit variablem n (höchst.)

Beispiel:

Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,2.Wie oft darf man das Zufallsexperiment höchstens wiederholen (oder wie groß darf die Stichprobe sein), um mit mind. 80% Wahrscheinlichkeit, höchstens 36 Treffer zu erzielen ?

Lösung einblenden
nP(X≤k)
......
1610.8032
1620.7917
1630.7799
1640.7678
1650.7554
1660.7427
1670.7297
1680.7165
1690.703
1700.6893
1710.6754
1720.6613
1730.6471
1740.6327
1750.6182
1760.6036
1770.5889
1780.5741
1790.5593
1800.5444
......

Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.2 und variablem n.

Es muss gelten: P0.2n (X36) ≥ 0.8

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 20% der Versuche mit einem Treffer. Also müssten dann doch bei 36 0.2 ≈ 180 Versuchen auch ungefähr 36 (≈0.2⋅180) Treffer auftreten.

Wir berechnen also mit unserem ersten n=180:
P0.2n (X36) ≈ 0.5444 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.8 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 0.8 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=161 die gesuchte Wahrscheinlichkeit über 80% ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, mehr als 8 und höchstens 13 Glückskekse mit einer Peproni zu erwischen, wenn man 87 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=87 und p=0.125.

P0.12587 (9X13) =

...
6
7
8
9
10
11
12
13
14
15
...

P0.12587 (X13) - P0.12587 (X8) ≈ 0.806 - 0.2257 ≈ 0.5803
(TI-Befehl: binomcdf(87,0.125,13) - binomcdf(87,0.125,8))

Binomialvert. mit variablem p (diskret)

Beispiel:

Eine Firma, die Überraschungseier vertreibt, möchte als Werbegag manche Eier mit Superfiguren bestücken. Aus Angst vor Kundenbeschwerden sollen in einer 11er-Packung mit der mindestens 75% Wahrscheinlichkeit 1 oder mehr Superfiguren enthalten sein. Wenn in jedes n-te Ei eine Superfigur rein soll, wie groß darf dann n höchstens sein?

Lösung einblenden
pP(X≥1)=1-P(X≤0)
......
1 2 0.9995
1 3 0.9884
1 4 0.9578
1 5 0.9141
1 6 0.8654
1 7 0.8165
1 8 0.7698
1 9 0.7263
......

Die Zufallsgröße X gibt die Anzahl der Eier mit einer Superfigur an. X ist binomialverteilt mit n=11 und unbekanntem Parameter p.

Es muss gelten: Pp11 (X1) = 1- Pp11 (X0) = 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 Pp11 (X1) ('mindestens 1 Treffer bei 11 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 1 2 .

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 1 8 die gesuchte Wahrscheinlichkeit über 75% bleibt.
Der Nenner, also die das wievielte Ei eine Superfigur enthält, darf also höchstens 8 sein.

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

Beispiel:

Ein Glücksrad soll mit nur zwei verschiedenen Sektoren (blau und rot) gebaut werden. Wie hoch muss man die Einzelwahrscheinlichkeit p mindestens wählen, dass die Wahrscheinlichkeit bei 92 Wiederholungen 66 mal (oder mehr) rot zu treffen bei mind. 80% liegt?

Lösung einblenden
pP(X≥66)=1-P(X≤65)
......
0.70.4068
0.710.49
0.720.5747
0.730.6572
0.740.734
0.750.802
......

Es muss gelten: Pp92 (X66) =0.8 (oder mehr)

oder eben: 1- Pp92 (X65) =0.8 (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(92,X,65) - 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 0.8 ist.

kumulierte Binomialverteilung

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 70%. Wie groß ist die Wahrscheinlichkeit dass er von 26 Versuchen nicht mehr als 19 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=26 und p=0.7.

P0.726 (X19) = P0.726 (X=0) + P0.726 (X=1) + P0.726 (X=2) +... + P0.726 (X=19) = 0.70349503437801 ≈ 0.7035
(TI-Befehl: binomcdf(26,0.7,19))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=75%. Wie groß ist die Wahrscheinlichkeit dass bei 46 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 = 46⋅0.75 ≈ 34.5,
die Standardabweichung mit σ = n p (1-p) = 46 0.75 0.25 ≈ 2.94

37.44 (34.5 + 2.94) und 31.56 (34.5 - 2.94) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 34.5 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 32 und 37 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 32 und 37 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=46 und p=0.75.

P0.7546 (32X37) =

...
29
30
31
32
33
34
35
36
37
38
39
...

P0.7546 (X37) - P0.7546 (X31) ≈ 0.8471 - 0.1535 ≈ 0.6936
(TI-Befehl: binomcdf(46,0.75,37) - binomcdf(46,0.75,31))