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:
Beim Biberacher Schützenfest läuft ein 12-köpfiger historischer Spielmannszug mit, der an die Schweden während des 30-Jährigen Kriegs erinnert. Dabei feiern dessen Mitglieder manchmal so ausgelassen, dass die Wahrscheinlichkeit eines Ausfall beim Umzug wegen unverhältnismäßig exzessiven Alkoholgenuss bei 8% liegt. Wie viele Schwedenmusiker muss die Schützendirektion mindestens ausbilden, damit beim Umzug mit mindestens 90%-iger Wahrscheinlichkeit mindestens 12 Schweden einsatzfähig sind?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 13 | 0.2794 |
| 14 | 0.0958 |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der einsatzfähigen Schwedenmusiker an und ist im Idealfall binomialverteilt mit p = 0.92 und variablem n.
Es muss gelten: ≥ 0.9
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.9 |+ - 0.9
0.1 ≥ oder ≤ 0.1
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 92% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 13 Versuchen auch ungefähr 12 (≈0.92⋅13) Treffer auftreten.
Wir berechnen also mit unserem ersten n=13:
≈ 0.2794
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.1 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 0.1 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=14 die gesuchte Wahrscheinlichkeit unter 0.1 ist.
n muss also mindestens 14 sein, damit ≤ 0.1 oder eben ≥ 0.9 gilt.
kumulierte Binomialverteilung
Beispiel:
Eine Münze wird 45 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass weniger als 24 mal "Zahl" (p=0,5) geworfen wird?
Die Zufallsgröße X gibt die Anzahl der Würfe mit Zahl an. X ist binomialverteilt mit n=45 und p=0.5.
= = + + +... + = 0.6170040878776 ≈ 0.617(TI-Befehl: binomcdf(45,0.5,23))
Binomialvert. mit variablem p (diskret)
Beispiel:
Die Homepage-AG einer Schule möchte auf der Startseite der Internetseite der Schule ein Zufallsbild integrieren. Dabei soll bei jedem Aufruf der Startseite ein zufälliges Bild aus einer Bilderdatenbank gezeigt werden. Alle Bilder der Datenbank sind immer gleich wahrscheinlich. Auf 5 Bildern der Datenbank sind Mitglieder der Homepage-AG zu sehen. Es wird geschätzt, dass die Seite täglich 150 mal aufgerufen wird. Die Mitglieder der Homepage-AG wollen dass mit mindestens 90%-iger Wahrscheinlichkiet mindestens 16 mal am Tag eines ihrer eigenen 5 Bilder erscheint. Wie viele andere Bilder dürfen dann höchstens noch in der Datenbank sein?
| p | P(X≥16)=1-P(X≤15) |
|---|---|
| ... | ... |
| 0.9997 | |
| 0.9992 | |
| 0.9984 | |
| 0.997 | |
| 0.9946 | |
| 0.9909 | |
| 0.9855 | |
| 0.978 | |
| 0.9681 | |
| 0.9555 | |
| 0.94 | |
| 0.9213 | |
| 0.8997 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=150 und unbekanntem Parameter p.
Es muss gelten: = 1- = 0.9 (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 ('mindestens 16 Treffer bei 150 Versuchen') bei diesen Nennern wird (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 90% bleibt.
Der Nenner, also die Anzahl aller Bilder in der Datenbank, darf also höchstens
35 sein.
Also wären noch 30 zusätzliche Optionen (also weitere Bilder) zulässig.
Binomialvert. mit variabl. p (mind.) nur GTR
Beispiel:
Ein Basketballtrainer sucht einen neuen Spieler, der mit 50% Wahrscheinlichkeit von 53 Freiwürfen mindestens 23 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?
| p | P(X≥23)=1-P(X≤22) |
|---|---|
| ... | ... |
| 0.38 | 0.2503 |
| 0.39 | 0.3007 |
| 0.4 | 0.3549 |
| 0.41 | 0.4119 |
| 0.42 | 0.4705 |
| 0.43 | 0.5294 |
| ... | ... |
Es muss gelten: =0.5 (oder mehr)
oder eben: 1- =0.5 (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(53,X,22) - 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=0.43 die gesuchte Wahrscheinlichkeit über 0.5 ist.
kumulierte Binomialverteilung
Beispiel:
Ein Würfel wird 85 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass weniger als 10 mal eine 6 (p=1/6) geworfen wird?
Die Zufallsgröße X gibt die Anzahl der gewürfelten Sechser an. X ist binomialverteilt mit n=85 und p=.
= = + + +... + = 0.081829632767748 ≈ 0.0818(TI-Befehl: binomcdf(85,1/6,9))
Erwartungswert, Standardabweichung best.
Beispiel:
Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 100 und p = 0.25
Bestimme den Erwartungswert μ und die Standardabweichung σ von X .
Für Erwartungswert und Standardabweichung bei der Binomialverteilung gibt es ja einfache Formeln, in die man einfach n = 100 und p = 0.25 einsetzen muss:
Erwartungswert E(X) = n ⋅ p = 100 ⋅ 0.25 = 25
Standardabweichung S(X) = = = ≈ 4.33
