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=0,35.Wie oft darf man das Zufallsexperiment höchstens wiederholen (oder wie groß darf die Stichprobe sein), um mit mind. 60% Wahrscheinlichkeit, höchstens 26 Treffer zu erzielen ?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 72 | 0.6301 |
| 73 | 0.5966 |
| 74 | 0.5628 |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.35 und variablem n.
Es muss gelten: ≥ 0.6
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 35% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 74 Versuchen auch ungefähr 26 (≈0.35⋅74) Treffer auftreten.
Wir berechnen also mit unserem ersten n=74:
≈ 0.5628
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.6 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 0.6 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=72 die gesuchte Wahrscheinlichkeit über 60% ist.
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=0,2 entsteht. Es wird eine Stichprobe der Menge 27 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon nicht mehr als 5 defekte Chips enthalten sind.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=27 und p=0.2.
= + + +... + = 0.53865673286853 ≈ 0.5387(TI-Befehl: binomcdf(27,0.2,5))
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 8 Preise gesammelt. Sie erwarten, dass das Glücksrad beim Schulfest 90 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 8 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 75% für die 90 Durchgänge reichen?
| p | P(X≤8) |
|---|---|
| ... | ... |
| 0.5661 | |
| 0.6651 | |
| 0.7448 | |
| 0.8069 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=90 und unbekanntem Parameter p.
Es muss gelten: =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 ('höchstens 8 Treffer bei 90 Versuchen') bei diesen Nennern wird (siehe Tabelle links)
Um einen günstigen Startwert zu finden wählen wir mal als p=. Mit diesem p wäre ja 8=⋅90 der Erwartungswert und somit irgendwo in der nähe von 50%. Wenn wir nun p= mit erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= einen brauchbaren Einstiegswert für dieses Probieren erhalten.
In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 75% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens
14 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 54 Wiederholungen 31 mal (oder mehr) rot zu treffen bei mind. 70% liegt?
| p | P(X≥31)=1-P(X≤30) |
|---|---|
| ... | ... |
| 0.55 | 0.4152 |
| 0.56 | 0.4738 |
| 0.57 | 0.5332 |
| 0.58 | 0.592 |
| 0.59 | 0.6491 |
| 0.6 | 0.7033 |
| ... | ... |
Es muss gelten: =0.7 (oder mehr)
oder eben: 1- =0.7 (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(54,X,30) - 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=0.6 die gesuchte Wahrscheinlichkeit über 0.7 ist.
Formel v. Bernoulli
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,4. Wie groß ist die Wahrscheinlichkeit bei 59 Versuchen genau 24 mal im grünen Bereich zu landen?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=59 und p=0.4.
= =0.10466918336534≈ 0.1047(TI-Befehl: binompdf(59,0.4,24))
Binomialvert. Abstand vom Erwartungswert
Beispiel:
Ein Basketballspieler hat eine Trefferquote von p=25%. Wie groß ist die Wahrscheinlichkeit dass er bei 65 Versuchen nicht mehr als 20% von seinem Erwartungswert abweicht?
Den Erwartungswert berechnet man als E=n⋅p=65⋅0.25 = 16.25
Die 20% Abweichung wären dann zwischen 80% von 16.25, also 0.8⋅ 16.25 = 13 und 120% von 16.25, also 1.2⋅ 16.25 = 19.5
Da die Trefferzahl ja nicht weiter von 16.25 entfernt sein darf als 13 bzw. 19.5, muss sie also zwischen 13 und 19 liegen.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=65 und p=0.25.
=
(TI-Befehl: binomcdf(65,0.25,19) - binomcdf(65,0.25,12))
