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:

Ein Mathelehrer möchte neue Taschenrechner für seine Klasse bestellen. Die Wahrscheinlichkeit, dass einer der Taschenrechner ein Decepticon (bekannt aus dem Transformers-Filmen) ist, liegt bei p=0,01. Wie viele Rechner können bestellt werden, dass zu einer Wahrscheinlichkeit von 70% kein Descepticon unter ihnen ist?

Lösung einblenden
nP(X≤k)
......
300.7397
310.7323
320.725
330.7177
340.7106
350.7034
360.6964
......

Die Zufallsgröße X gibt Anzahl der Descepticons unter den Taschenrechnern an und ist im Idealfall binomialverteilt mit p = 0.01 und variablem n.

Es muss gelten: P0.01n (X0) ≥ 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 1% der Versuche mit einem Treffer. Also müssten dann doch bei 0 0.01 ≈ 0 Versuchen auch ungefähr 0 (≈0.01⋅0) Treffer auftreten.

Wir berechnen also mit unserem ersten n=0:
P0.01n (X0) ≈ 1 (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=35 die gesuchte Wahrscheinlichkeit über 70% ist.

kumulierte Binomialverteilung

Beispiel:

Ein Zufallsexperiment wird 60 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p= 0,6.Wie groß ist dabei die Wahrscheinlichkeit, höchstens 40 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=60 und p=0.6.

P0.660 (X40) = P0.660 (X=0) + P0.660 (X=1) + P0.660 (X=2) +... + P0.660 (X=40) = 0.88304030070443 ≈ 0.883
(TI-Befehl: binomcdf(60,0.6,40))

Binomialvert. mit variablem p (diskret)

Beispiel:

Eine Schulklasse möchte fürs Schulfest ein Glücksrad entwickeln. Aus optischen Gründen sollen dabei alle Sektoren gleich groß sein. Einer davon soll für den Hauptpreis stehen. Hierfür haben sie insgesamt 6 Preise gesammelt. Sie erwarten, dass das Glücksrad beim Schulfest 65 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 6 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 90% für die 65 Durchgänge reichen?

Lösung einblenden
pP(X≤6)
......
1 10 0.5224
1 11 0.6217
1 12 0.7032
1 13 0.7682
1 14 0.8192
1 15 0.8589
1 16 0.8895
1 17 0.9132
......

Die Zufallsgröße X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=65 und unbekanntem Parameter p.

Es muss gelten: Pp65 (X6) =0.9 (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 Pp65 (X6) ('höchstens 6 Treffer bei 65 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 6 65 . Mit diesem p wäre ja 6= 6 65 ⋅65 der Erwartungswert und somit Pp65 (X6) irgendwo in der nähe von 50%. Wenn wir nun p= 6 65 mit 1 6 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 10 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 17 die gesuchte Wahrscheinlichkeit über 90% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens 17 sein.

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

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 88 mal wiederholt (bzw. die Stichprobe hat die Größe 88)Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 80% mindestens 46 Treffer erzielt werden?

Lösung einblenden
pP(X≥46)=1-P(X≤45)
......
0.520.4477
0.530.5227
0.540.5969
0.550.6679
0.560.7334
0.570.7919
......

Es muss gelten: Pp88 (X46) =0.8 (oder mehr)

oder eben: 1- Pp88 (X45) =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(88,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=0.57 die gesuchte Wahrscheinlichkeit über 0.8 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,65. Wie groß ist die Wahrscheinlichkeit bei 62 Versuchen, mehr als 34 mal und höchstens 47 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=62 und p=0.65.

P0.6562 (35X47) =

...
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
...

P0.6562 (X47) - P0.6562 (X34) ≈ 0.9752 - 0.063 ≈ 0.9122
(TI-Befehl: binomcdf(62,0.65,47) - binomcdf(62,0.65,34))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 94 und p = 0.55
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 = 94 und p = 0.55 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 94 ⋅ 0.55 = 51.7

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 94 ⋅ 0.55 ⋅ 0.45 = 23.265 4.82