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:
In einer Urne ist der Anteil der grünen Kugeln 75%. Wie oft darf höchstens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 70% Wahrscheinlichkeit nicht mehr als 37 grüne Kugeln gezogen werden?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 47 | 0.7719 |
| 48 | 0.6836 |
| 49 | 0.5873 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der gezogenen grünen Kugeln an und ist im Idealfall binomialverteilt mit p = 0.75 und variablem n.
Es muss gelten: ≥ 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 75% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 49 Versuchen auch ungefähr 37 (≈0.75⋅49) Treffer auftreten.
Wir berechnen also mit unserem ersten n=49:
≈ 0.5873
(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=47 die gesuchte Wahrscheinlichkeit über 70% ist.
Formel v. Bernoulli
Beispiel:
In einer Urne sind 7 blaue und 3 rote Kugeln. Es wird 88 mal eine Kugel gezogen. Nach jedem Ziehen wird die Kugel wieder zurückgelegt. Wie groß ist die Wahrscheinlichkeit dass genau 59 mal eine blaue Kugel gezogen wird?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=88 und p=0.7.
= =0.075342773347357≈ 0.0753(TI-Befehl: binompdf(88,0.7,59))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 5 rote und einige schwarze Kugeln. Es soll 25 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 80% unter den 25 gezogenen Kugeln nicht mehr als 21 schwarze sind?
| p | P(X≤21) |
|---|---|
| ... | ... |
| 0.9996 | |
| 0.9986 | |
| 0.9963 | |
| 0.992 | |
| 0.9851 | |
| 0.9752 | |
| 0.962 | |
| 0.9456 | |
| 0.926 | |
| 0.9038 | |
| 0.8792 | |
| 0.8527 | |
| 0.8247 | |
| 0.7957 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=25 und unbekanntem Parameter p.
Es muss gelten: = 0.8 (oder mehr)
Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 5 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 ('höchstens 21 Treffer bei 25 Versuchen') auswirkt (siehe Tabelle links)
Als Startwert wählen wir als p=. (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)
In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 80% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 18 sein.
Binomialvert. mit variabl. p (mind.) nur GTR
Beispiel:
Eine Fluggesellschaft verkauft 47 Flugtickets für einen bestimmten Flug. Das sind 31 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)?
| p | P(X≥31)=1-P(X≤30) |
|---|---|
| ... | ... |
| 0.69 | 0.7326 |
| 0.7 | 0.7801 |
| 0.71 | 0.8229 |
| 0.72 | 0.8604 |
| 0.73 | 0.8926 |
| 0.74 | 0.9195 |
| ... | ... |
Es muss gelten: =0.9 (oder mehr)
oder eben: 1- =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(47,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=0.74 die gesuchte Wahrscheinlichkeit über 0.9 ist.
kumulierte Binomialverteilung
Beispiel:
Ein Zufallsexperiment wird 96 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p= 0,95.Wie groß ist dabei die Wahrscheinlichkeit, höchstens 86 Treffer zu erzielen?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=96 und p=0.95.
= + + +... + = 0.021927642604102 ≈ 0.0219(TI-Befehl: binomcdf(96,0.95,86))
Binomialvert. Abstand vom Erwartungswert
Beispiel:
Ein Würfel wird 93 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der gewürfelten 6er nicht mehr als 20% vom Erwartungswert abweicht?
Den Erwartungswert berechnet man als E=n⋅p=93⋅ = 15.5
Die 20% Abweichung wären dann zwischen 80% von 15.5, also 0.8⋅ 15.5 = 12.4 und 120% von 15.5, also 1.2⋅ 15.5 = 18.6
Da die Trefferzahl ja nicht weiter von 15.5 entfernt sein darf als 12.4 bzw. 18.6, muss sie also zwischen 13 und 18 liegen.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=93 und p=.
=
(TI-Befehl: binomcdf(93,,18) - binomcdf(93,,12))
