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:

Die Firma Apple hat ein neues geniales Produkt, die iYacht, auf den Markt gebracht (wenn auch nicht ganz günstig). Die hierfür beauftragte Marketingagentur garantiert, dass unter denen, denen sie die Yacht vorgeführt hat, der Anteil der späteren Käufer bei 15% liegt. Wie vielen Personen muss nun dieses Produkt mindestens vorgeführt werden, damit sich mit mind. 80% Wahrscheinlichkeit, 20 oder mehr Käufer für dieses Produkt finden?

Lösung einblenden
nP(X≤k)
......
1510.2405
1520.2303
1530.2204
1540.2108
1550.2015
1560.1925
......

Die Zufallsgröße X gibt Anzahl der Käufer an und ist im Idealfall binomialverteilt mit p = 0.15 und variablem n.

Es muss gelten: P0.15n (X≥20) ≥ 0.8

Weil man ja aber P0.15n (X≥20) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.15n (X≥20) = 1 - P0.15n (X≤19) ≥ 0.8 |+ P0.15n (X≤19) - 0.8

0.2 ≥ P0.15n (X≤19) oder P0.15n (X≤19) ≤ 0.2

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 15% der Versuche mit einem Treffer. Also müssten dann doch bei 20 0.15 ≈ 133 Versuchen auch ungefähr 20 (≈0.15⋅133) Treffer auftreten.

Wir berechnen also mit unserem ersten n=133:
P0.15n (X≤19) ≈ 0.4677 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.2 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 0.2 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=156 die gesuchte Wahrscheinlichkeit unter 0.2 ist.

n muss also mindestens 156 sein, damit P0.15n (X≤19) ≤ 0.2 oder eben P0.15n (X≥20) ≥ 0.8 gilt.

kumulierte Binomialverteilung

Beispiel:

In einer Chip-Fabrik werden neue High Tech Chips produziert. Leider ist die Technik noch nicht so ganz ausgereift, weswegen Ausschuss mit einer Wahrscheinlichkeit von p=0,16 entsteht. Es wird eine Stichprobe der Menge 39 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon nicht mehr als 7 defekte Chips enthalten sind.

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=39 und p=0.16.

P0.1639 (X≤7) = P0.1639 (X=0) + P0.1639 (X=1) + P0.1639 (X=2) +... + P0.1639 (X=7) = 0.72057921880005 ≈ 0.7206
(TI-Befehl: binomcdf(39,0.16,7))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 2 rote und einige schwarze Kugeln. Es soll 12 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 80% unter den 12 gezogenen Kugeln nicht mehr als 6 rote sind?

Lösung einblenden
pP(X≤6)
......
2 4 0.6128
2 5 0.8418
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=12 und unbekanntem Parameter p.

Es muss gelten: Pp12 (X≤6) =0.8 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 2 sein muss, da es ja genau 2 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp12 (X≤6) ('höchstens 6 Treffer bei 12 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 6 12 . Mit diesem p wäre ja 6= 6 12 ⋅12 der Erwartungswert und somit Pp12 (X≤6) irgendwo in der nähe von 50%. Wenn wir nun p= 6 12 mit 2 6 erweitern (so dass wir auf den Zähler 2 kommen) und den Nenner abrunden, müssten wir mit p= 2 4 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 2 5 die gesuchte Wahrscheinlichkeit über 80% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 5 sein.

Also werden noch 3 zusätzliche Optionen (also schwarze Kugeln) benötigt.

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

Beispiel:

Eine Fluggesellschaft verkauft 94 Flugtickets für einen bestimmten Flug. Das sind 55 Tickets mehr, als das Flugzeug Plätze hat. Wie hoch muss die Wahrscheinlichkeit, dass ein Ticketkäufer nicht mitfliegt, mindestens sein, dass das Flugzeug mit einer Wahrscheinlichkeit von mindestens 90% nicht überbucht ist (also dass alle mitfliegen können)?

Lösung einblenden
pP(X≥55)=1-P(X≤54)
......
0.60.6575
0.610.7275
0.620.7899
0.630.8434
0.640.8873
0.650.9219
......

Es muss gelten: Pp94 (X≥55) =0.9 (oder mehr)

oder eben: 1- Pp94 (X≤54) =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=1-binomcdf(94,X,54) - 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=0.65 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,75. Wie groß ist die Wahrscheinlichkeit bei 81 Versuchen, mehr als 66 mal und höchstens 69 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=81 und p=0.75.

P0.7581 (67≤X≤69) =

...
64
65
66
67
68
69
70
71
...

P0.7581 (X≤69) - P0.7581 (X≤66) ≈ 0.9909 - 0.934 ≈ 0.0569
(TI-Befehl: binomcdf(81,0.75,69) - binomcdf(81,0.75,66))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=35%. Wie groß ist die Wahrscheinlichkeit dass bei 88 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 = 88⋅0.35 ≈ 30.8,
die Standardabweichung mit σ = n ⋅ p ⋅ (1-p) = 88 ⋅0.35 ⋅ 0.65 ≈ 4.47

35.27 (30.8 + 4.47) und 26.33 (30.8 - 4.47) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 30.8 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 27 und 35 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 27 und 35 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=88 und p=0.35.

P0.3588 (27≤X≤35) =

...
24
25
26
27
28
29
30
31
32
33
34
35
36
37
...

P0.3588 (X≤35) - P0.3588 (X≤26) ≈ 0.853 - 0.1685 ≈ 0.6845
(TI-Befehl: binomcdf(88,0.35,35) - binomcdf(88,0.35,26))