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=0,5.Wie oft darf man das Zufallsexperiment höchstens wiederholen (oder wie groß darf die Stichprobe sein), um mit mind. 80% Wahrscheinlichkeit, höchstens 22 Treffer zu erzielen ?

Lösung einblenden
nP(X≤k)
......
390.8316
400.7852
410.7336
420.678
430.6196
440.5598
......

Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.5 und variablem n.

Es muss gelten: P0.5n (X22) ≥ 0.8

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 50% der Versuche mit einem Treffer. Also müssten dann doch bei 22 0.5 ≈ 44 Versuchen auch ungefähr 22 (≈0.5⋅44) Treffer auftreten.

Wir berechnen also mit unserem ersten n=44:
P0.5n (X22) ≈ 0.5598 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.8 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 0.8 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=39 die gesuchte Wahrscheinlichkeit über 80% ist.

kumulierte Binomialverteilung

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 44%. Wie groß ist die Wahrscheinlichkeit dass er von 25 Versuchen weniger als 12 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=25 und p=0.44.

P0.4425 (X<12) = P0.4425 (X11) = P0.4425 (X=0) + P0.4425 (X=1) + P0.4425 (X=2) +... + P0.4425 (X=11) = 0.58263457283503 ≈ 0.5826
(TI-Befehl: binomcdf(25,0.44,11))

Binomialvert. mit variablem p (diskret)

Beispiel:

Eine Firma, die Überraschungseier vertreibt, möchte als Werbegag manche Eier mit Superfiguren bestücken. Aus Angst vor Kundenbeschwerden sollen in einer 12er-Packung mit der mindestens 75% Wahrscheinlichkeit 1 oder mehr Superfiguren enthalten sein. Wenn in jedes n-te Ei eine Superfigur rein soll, wie groß darf dann n höchstens sein?

Lösung einblenden
pP(X≥1)=1-P(X≤0)
......
1 2 0.9998
1 3 0.9923
1 4 0.9683
1 5 0.9313
1 6 0.8878
1 7 0.8427
1 8 0.7986
1 9 0.7567
1 10 0.7176
......

Die Zufallsgröße X gibt die Anzahl der Eier mit einer Superfigur an. X ist binomialverteilt mit n=12 und unbekanntem Parameter p.

Es muss gelten: Pp12 (X1) = 1- Pp12 (X0) = 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 Pp12 (X1) ('mindestens 1 Treffer bei 12 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 1 2 .

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 1 9 die gesuchte Wahrscheinlichkeit über 75% bleibt.
Der Nenner, also die das wievielte Ei eine Superfigur enthält, darf also höchstens 9 sein.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 70% Wahrscheinlichkeit von 47 Freiwürfen mindestens 31 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥31)=1-P(X≤30)
......
0.640.4549
0.650.5122
0.660.5698
0.670.6265
0.680.6811
0.690.7326
......

Es muss gelten: Pp47 (X31) =0.7 (oder mehr)

oder eben: 1- Pp47 (X30) =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(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=0.69 die gesuchte Wahrscheinlichkeit über 0.7 ist.

kumulierte Binomialverteilung

Beispiel:

Eine Münze wird 82 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass höchstens 48 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=82 und p=0.5.

P0.582 (X48) = P0.582 (X=0) + P0.582 (X=1) + P0.582 (X=2) +... + P0.582 (X=48) = 0.95148454435135 ≈ 0.9515
(TI-Befehl: binomcdf(82,0.5,48))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,35. Wie groß ist die Wahrscheinlichkeit bei 91 Versuchen, dass die Anzahl der Treffer im grünen Bereich nicht mehr als 20% vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=91⋅0.35 = 31.85

Die 20% Abweichung wären dann zwischen 80% von 31.85, also 0.8⋅ 31.85 = 25.48 und 120% von 31.85, also 1.2⋅ 31.85 = 38.22

Da die Trefferzahl ja nicht weiter von 31.85 entfernt sein darf als 25.48 bzw. 38.22, muss sie also zwischen 26 und 38 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=91 und p=0.35.

P0.3591 (26X38) =

...
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
...

P0.3591 (X38) - P0.3591 (X25) ≈ 0.9266 - 0.0796 ≈ 0.847
(TI-Befehl: binomcdf(91,0.35,38) - binomcdf(91,0.35,25))