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:

Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,9.Wie oft muss man das Zufallsexperiment mindestens wiederholen (oder wie groß muss die Stichprobe sein), um mit mind. 90% Wahrscheinlichkeit, mindestens 24 Treffer zu erzielen ?

Lösung einblenden
nP(X≤k)
......
270.2821
280.1421
290.0637
......

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

Es muss gelten: P0.9n (X≥24) ≥ 0.9

Weil man ja aber P0.9n (X≥24) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.9n (X≥24) = 1 - P0.9n (X≤23) ≥ 0.9 |+ P0.9n (X≤23) - 0.9

0.1 ≥ P0.9n (X≤23) oder P0.9n (X≤23) ≤ 0.1

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 24 0.9 ≈ 27 Versuchen auch ungefähr 24 (≈0.9⋅27) Treffer auftreten.

Wir berechnen also mit unserem ersten n=27:
P0.9n (X≤23) ≈ 0.2821 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.1 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 0.1 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=29 die gesuchte Wahrscheinlichkeit unter 0.1 ist.

n muss also mindestens 29 sein, damit P0.9n (X≤23) ≤ 0.1 oder eben P0.9n (X≥24) ≥ 0.9 gilt.

Binomialverteilung X>=k

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, 5 oder mehr Glückskekse mit einer Peproni zu erwischen, wenn man 66 Glückskekse kauft?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=66 und p=0.125.

...
2
3
4
5
6
7
...

P0.12566 (X≥5) = 1 - P0.12566 (X≤4) = 0.9274
(TI-Befehl: 1-binomcdf(66,0.125,4))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 26 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 75% unter den 26 gezogenen Kugeln nicht mehr als 21 schwarze sind?

Lösung einblenden
pP(X≤21)
......
4 8 0.9997
5 9 0.9982
6 10 0.9934
7 11 0.9827
8 12 0.9642
9 13 0.9374
10 14 0.9028
11 15 0.8616
12 16 0.8156
13 17 0.7667
14 18 0.7164
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=26 und unbekanntem Parameter p.

Es muss gelten: Pp26 (X≤21) = 0.75 (oder mehr)

Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 4 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 Pp26 (X≤21) ('höchstens 21 Treffer bei 26 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 4 8 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 13 17 die gesuchte Wahrscheinlichkeit über 75% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 13 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 60 mal wiederholt (bzw. die Stichprobe hat die Größe 60).Wie hoch darf die Einzelwahrscheinlichkeit p höchstens sein, dass mit einer Wahrscheinlichkeit von mind. 50% höchstens 22 Treffer erzielt werden?

Lösung einblenden
pP(X≥k)=1-P(X≤k-1)
......
0.320.8202
0.330.7728
0.340.7196
0.350.6616
0.360.6001
0.370.5365
0.380.4725
......

Es muss gelten: Pp60 (X≤22) =0.5 (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(60,X,22) - 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=0.37 die gesuchte Wahrscheinlichkeit über 0.5 ist.

Binomialverteilung X>=k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,62. Wie groß ist die Wahrscheinlichkeit dass er von 95 Versuchen mehr als 63 trifft?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=95 und p=0.62.

...
61
62
63
64
65
66
...

P0.6295 (X>63) = P0.6295 (X≥64) = 1 - P0.6295 (X≤63) = 0.1656
(TI-Befehl: 1-binomcdf(95,0.62,63))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=45%. Wie groß ist die Wahrscheinlichkeit dass bei 65 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 = 65⋅0.45 ≈ 29.25,
die Standardabweichung mit σ = n ⋅ p ⋅ (1-p) = 65 ⋅0.45 ⋅ 0.55 ≈ 4.01

33.26 (29.25 + 4.01) und 25.24 (29.25 - 4.01) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 29.25 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 26 und 33 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 26 und 33 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=65 und p=0.45.

P0.4565 (26≤X≤33) =

...
23
24
25
26
27
28
29
30
31
32
33
34
35
...

P0.4565 (X≤33) - P0.4565 (X≤25) ≈ 0.8553 - 0.1751 ≈ 0.6802
(TI-Befehl: binomcdf(65,0.45,33) - binomcdf(65,0.45,25))