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:

Der, dessen Name nicht genannt werden darf, testet Zauber um seine Nase wiederherzustellen. Ein solcher Versuch endet zu 70% mit einer Konfettiexplosion. Wie viele Versuche muss er mindestens machen, damit er mit einer Wahrscheinlichkeit von mindestens 50% mindestens 33 Nasen hat.

Lösung einblenden
nP(X≤k)
......
1080.514
1090.4889
1100.4641
......

Die Zufallsgröße X gibt die Anzahl der geglückten Nasen-Zauberversuche an und ist im Idealfall binomialverteilt mit p = 0.3 und variablem n.

Es muss gelten: P0.3n (X33) ≥ 0.5

Weil man ja aber P0.3n (X33) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.3n (X33) = 1 - P0.3n (X32) ≥ 0.5 |+ P0.3n (X32) - 0.5

0.5 ≥ P0.3n (X32) oder P0.3n (X32) ≤ 0.5

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 30% der Versuche mit einem Treffer. Also müssten dann doch bei 33 0.3 ≈ 110 Versuchen auch ungefähr 33 (≈0.3⋅110) Treffer auftreten.

Wir berechnen also mit unserem ersten n=110:
P0.3n (X32) ≈ 0.4641 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.5 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 0.5 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=109 die gesuchte Wahrscheinlichkeit unter 0.5 ist.

n muss also mindestens 109 sein, damit P0.3n (X32) ≤ 0.5 oder eben P0.3n (X33) ≥ 0.5 gilt.

kumulierte Binomialverteilung

Beispiel:

Ein Zufallsexperiment wird 65 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p= 0,35. Wie groß ist dabei die Wahrscheinlichkeit, weniger als 25 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=65 und p=0.35.

P0.3565 (X<25) = P0.3565 (X24) = P0.3565 (X=0) + P0.3565 (X=1) + P0.3565 (X=2) +... + P0.3565 (X=24) = 0.67902723642416 ≈ 0.679
(TI-Befehl: binomcdf(65,0.35,24))

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 7 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 7 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 80% für die 90 Durchgänge reichen?

Lösung einblenden
pP(X≤7)
......
1 12 0.5215
1 13 0.6107
1 14 0.6864
1 15 0.7489
1 16 0.7996
1 17 0.8403
......

Die Zufallsgröße X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=90 und unbekanntem Parameter p.

Es muss gelten: Pp90 (X7) =0.8 (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 Pp90 (X7) ('höchstens 7 Treffer bei 90 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 7 90 . Mit diesem p wäre ja 7= 7 90 ⋅90 der Erwartungswert und somit Pp90 (X7) irgendwo in der nähe von 50%. Wenn wir nun p= 7 90 mit 1 7 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 12 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 17 die gesuchte Wahrscheinlichkeit über 80% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens 17 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Ein Promi macht Urlaub in einem Ferienclub. Dort sind noch weitere 76 Gäste. Wie groß darf der Bekanntheitsgrad des Promis höchstens sein, dass ihn mit einer Wahrscheinlichkeit von mindestens 90% nicht mehr als 60 erkennen und dumm anlabern?

Lösung einblenden
pP(X≤k)
......
0.680.9875
0.690.9803
0.70.9697
0.710.9546
0.720.9337
0.730.9055
0.740.8687
......

Es muss gelten: Pp76 (X60) =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=binomcdf(76,X,60) - 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=0.73 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Formel v. Bernoulli

Beispiel:

Ein Würfel wird 30 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 5 mal eine 6 (p=1/6) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=30 und p= 1 6 .

P 1 6 30 (X=5) = ( 30 5 ) ( 1 6 )5 ( 5 6 )25 =0.19210813105163≈ 0.1921
(TI-Befehl: binompdf(30,1/6,5))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,45. Wie groß ist die Wahrscheinlichkeit bei 66 Versuchen, dass die Anzahl der Treffer im grünen Bereich nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 66⋅0.45 ≈ 29.7,
die Standardabweichung mit σ = n p (1-p) = 66 0.45 0.55 ≈ 4.04

33.74 (29.7 + 4.04) und 25.66 (29.7 - 4.04) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 29.7 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=66 und p=0.45.

P0.4566 (26X33) =

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

P0.4566 (X33) - P0.4566 (X25) ≈ 0.8265 - 0.1493 ≈ 0.6772
(TI-Befehl: binomcdf(66,0.45,33) - binomcdf(66,0.45,25))