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:

Der Starspieler der gegnerischen Basketballmannschaft hat bei Freiwürfen eine Trefferquote von p=0,9. Wie oft darf man ihn höchstens foulen und an die Freiwurflinie schicken, wenn man ihn mit einer Wahrscheinlichkeit von mindestens 50% nicht über 25 Freiwurfpunkte kommen lassen will?

Lösung einblenden
nP(X≤k)
......
280.5406
290.329
......

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

Es muss gelten: P0.9n (X25) ≥ 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 90% der Versuche mit einem Treffer. Also müssten dann doch bei 25 0.9 ≈ 28 Versuchen auch ungefähr 25 (≈0.9⋅28) Treffer auftreten.

Wir berechnen also mit unserem ersten n=28:
P0.9n (X25) ≈ 0.5406 (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 letztmals bei n=28 die gesuchte Wahrscheinlichkeit über 50% ist.

kumulierte Binomialverteilung

Beispiel:

Ein Würfel wird 68 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass nicht öfter als 6 mal eine 6 (p=1/6) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=68 und p= 1 6 .

P 1 6 68 (X6) = P 1 6 68 (X=0) + P 1 6 68 (X=1) + P 1 6 68 (X=2) +... + P 1 6 68 (X=6) = 0.050149407649035 ≈ 0.0501
(TI-Befehl: binomcdf(68,1/6,6))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 5 rote und einige schwarze Kugeln. Es soll 19 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 70% unter den 19 gezogenen Kugeln nicht mehr als 3 rote sind?

Lösung einblenden
pP(X≤3)
......
5 31 0.632
5 32 0.6554
5 33 0.6772
5 34 0.6975
5 35 0.7165
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=19 und unbekanntem Parameter p.

Es muss gelten: Pp19 (X3) =0.7 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 5 sein muss, da es ja genau 5 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp19 (X3) ('höchstens 3 Treffer bei 19 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 3 19 . Mit diesem p wäre ja 3= 3 19 ⋅19 der Erwartungswert und somit Pp19 (X3) irgendwo in der nähe von 50%. Wenn wir nun p= 3 19 mit 5 3 erweitern (so dass wir auf den Zähler 5 kommen) und den Nenner abrunden, müssten wir mit p= 5 31 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 5 35 die gesuchte Wahrscheinlichkeit über 70% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 35 sein.

Also werden noch 30 zusätzliche Optionen (also schwarze Kugeln) benötigt.

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 52 Wiederholungen 41 mal (oder mehr) rot zu treffen bei mind. 90% liegt?

Lösung einblenden
pP(X≥41)=1-P(X≤40)
......
0.80.6593
0.810.7247
0.820.7848
0.830.8379
0.840.8829
0.850.9193
......

Es muss gelten: Pp52 (X41) =0.9 (oder mehr)

oder eben: 1- Pp52 (X40) =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(52,X,40) - 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=0.85 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X>=k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,65. Wie groß ist die Wahrscheinlichkeit dass er von 100 Versuchen mindestens 63 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=100 und p=0.65.

...
60
61
62
63
64
65
...

P0.65100 (X63) = 1 - P0.65100 (X62) = 0.7024
(TI-Befehl: 1-binomcdf(100,0.65,62))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=35%. Wie groß ist die Wahrscheinlichkeit dass er bei 55 Versuchen nicht mehr als 15% von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=55⋅0.35 = 19.25

Die 15% Abweichung wären dann zwischen 85% von 19.25, also 0.85⋅ 19.25 = 16.363 und 115% von 19.25, also 1.15⋅ 19.25 = 22.138

Da die Trefferzahl ja nicht weiter von 19.25 entfernt sein darf als 16.363 bzw. 22.138, muss sie also zwischen 17 und 22 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=55 und p=0.35.

P0.3555 (17X22) =

...
14
15
16
17
18
19
20
21
22
23
24
...

P0.3555 (X22) - P0.3555 (X16) ≈ 0.8215 - 0.2203 ≈ 0.6012
(TI-Befehl: binomcdf(55,0.35,22) - binomcdf(55,0.35,16))