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 20%. Wie oft darf höchstens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 90% Wahrscheinlichkeit nicht mehr als 26 grüne Kugeln gezogen werden?

Lösung einblenden
nP(X≤k)
......
1050.9075
1060.8986
1070.8892
1080.8793
1090.8688
1100.8578
1110.8462
1120.8342
1130.8216
1140.8085
1150.795
1160.781
1170.7666
1180.7518
1190.7366
1200.721
1210.7051
1220.6889
1230.6724
1240.6557
1250.6387
1260.6216
1270.6044
1280.5871
1290.5697
1300.5522
......

Die Zufallsgröße X gibt Anzahl der gezogenen grünen Kugeln an und ist im Idealfall binomialverteilt mit p = 0.2 und variablem n.

Es muss gelten: P0.2n (X≤26) ≥ 0.9

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 20% der Versuche mit einem Treffer. Also müssten dann doch bei 26 0.2 ≈ 130 Versuchen auch ungefähr 26 (≈0.2⋅130) Treffer auftreten.

Wir berechnen also mit unserem ersten n=130:
P0.2n (X≤26) ≈ 0.5522 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.9 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 0.9 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=105 die gesuchte Wahrscheinlichkeit über 90% ist.

Binomialverteilung X>=k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,6. Wie groß ist die Wahrscheinlichkeit dass er von 59 Versuchen mehr als 34 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=59 und p=0.6.

...
32
33
34
35
36
37
...

P0.659 (X>34) = P0.659 (X≥35) = 1 - P0.659 (X≤34) = 0.5976
(TI-Befehl: 1-binomcdf(59,0.6,34))

Binomialvert. mit variablem p (diskret)

Beispiel:

Ein neuer Multiple Choice Test mit 15 verschiedenen Fragen soll entwickelt werden. Dabei muss immer genau eine von mehreren Antwortmöglichkeiten richtig sein. Die Anzahl an Antwortmöglichkeiten soll bei allen Fragen gleich sein. Insgesamt soll der Test so konzipiert sein, dass die Wahrscheinlichkeit mehr als 2 Fragen nur durch Raten zufällig richtig zu beantworten (obwohl man keinerlei Wissen hat) bei höchstens 20% liegt. Bestimme die hierfür notwendige Mindestanzahl an Antwortmöglichkeiten bei jeder Frage.

Lösung einblenden
pP(X≤2)
......
1 7 0.6355
1 8 0.7132
1 9 0.7717
1 10 0.8159
......

Die Zufallsgröße X gibt die Anzahl der zufällig richtig geratenenen Antworten an. X ist binomialverteilt mit n=15 und unbekanntem Parameter p.

Es muss gelten: Pp15 (X≤2) =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 Pp15 (X≤2) ('höchstens 2 Treffer bei 15 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 2 15 . Mit diesem p wäre ja 2= 2 15 ⋅15 der Erwartungswert und somit Pp15 (X≤2) irgendwo in der nähe von 50%. Wenn wir nun p= 2 15 mit 1 2 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 7 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 10 die gesuchte Wahrscheinlichkeit über 80% steigt.
Der Nenner, also die Anzahl der Antwortmöglichkeiten, muss also mindestens 10 sein.

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 72 Wiederholungen 60 mal (oder mehr) rot zu treffen bei mind. 70% liegt?

Lösung einblenden
pP(X≥60)=1-P(X≤59)
......
0.80.2951
0.810.3721
0.820.4569
0.830.5462
0.840.6359
0.850.7215
......

Es muss gelten: Pp72 (X≥60) =0.7 (oder mehr)

oder eben: 1- Pp72 (X≤59) =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(72,X,59) - 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 0.7 ist.

Binomialverteilung X>=k

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,75. Wie groß ist die Wahrscheinlichkeit bei 38 Versuchen mehr als 24 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Drehungen, die im grünen Bereich landen, an. X ist binomialverteilt mit n=38 und p=0.75.

...
22
23
24
25
26
27
...

P0.7538 (X>24) = P0.7538 (X≥25) = 1 - P0.7538 (X≤24) = 0.929
(TI-Befehl: 1-binomcdf(38,0.75,24))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,5. Wie groß ist die Wahrscheinlichkeit bei 65 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 = 65⋅0.5 ≈ 32.5,
die Standardabweichung mit σ = n ⋅ p ⋅ (1-p) = 65 ⋅0.5 ⋅ 0.5 ≈ 4.03

36.53 (32.5 + 4.03) und 28.47 (32.5 - 4.03) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 32.5 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 29 und 36 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 29 und 36 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=65 und p=0.5.

P0.565 (29≤X≤36) =

...
26
27
28
29
30
31
32
33
34
35
36
37
38
...

P0.565 (X≤36) - P0.565 (X≤28) ≈ 0.8395 - 0.1605 ≈ 0.679
(TI-Befehl: binomcdf(65,0.5,36) - binomcdf(65,0.5,28))