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 85% mit einer Konfettiexplosion. Wie viele Versuche muss er mindestens machen, damit er mit einer Wahrscheinlichkeit von mindestens 50% mindestens 27 Nasen hat.
| n | P(X≤k) |
|---|---|
| ... | ... |
| 177 | 0.5057 |
| 178 | 0.4931 |
| 179 | 0.4806 |
| 180 | 0.4681 |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der geglückten Nasen-Zauberversuche an und ist im Idealfall binomialverteilt mit p = 0.15 und variablem n.
Es muss gelten: ≥ 0.5
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.5 |+ - 0.5
0.5 ≥ oder ≤ 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 15% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 180 Versuchen auch ungefähr 27 (≈0.15⋅180) Treffer auftreten.
Wir berechnen also mit unserem ersten n=180:
≈ 0.4681
(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=178 die gesuchte Wahrscheinlichkeit unter 0.5 ist.
n muss also mindestens 178 sein, damit ≤ 0.5 oder eben ≥ 0.5 gilt.
Binomialverteilung X>=k
Beispiel:
Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, 9 oder mehr Glückskekse mit einer Peproni zu erwischen, wenn man 53 Glückskekse kauft?
(Bitte auf 4 Stellen nach dem Komma runden)
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=53 und p=0.125.
(TI-Befehl: 1-binomcdf(53,0.125,8))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 25 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 75% unter den 25 gezogenen Kugeln nicht mehr als 24 schwarze sind?
| p | P(X≤24) |
|---|---|
| ... | ... |
| 0.9998 | |
| 0.9996 | |
| 0.9992 | |
| 0.9988 | |
| 0.9981 | |
| 0.9973 | |
| 0.9962 | |
| 0.9949 | |
| 0.9934 | |
| 0.9916 | |
| 0.9895 | |
| 0.9872 | |
| 0.9846 | |
| 0.9818 | |
| 0.9788 | |
| 0.9755 | |
| 0.9721 | |
| 0.9684 | |
| 0.9645 | |
| 0.9605 | |
| 0.9562 | |
| 0.9519 | |
| 0.9474 | |
| 0.9427 | |
| 0.938 | |
| 0.9332 | |
| 0.9282 | |
| 0.9232 | |
| 0.9181 | |
| 0.9129 | |
| 0.9077 | |
| 0.9024 | |
| 0.8971 | |
| 0.8918 | |
| 0.8864 | |
| 0.881 | |
| 0.8756 | |
| 0.8702 | |
| 0.8648 | |
| 0.8594 | |
| 0.854 | |
| 0.8486 | |
| 0.8432 | |
| 0.8378 | |
| 0.8325 | |
| 0.8271 | |
| 0.8218 | |
| 0.8165 | |
| 0.8112 | |
| 0.806 | |
| 0.8008 | |
| 0.7956 | |
| 0.7905 | |
| 0.7854 | |
| 0.7803 | |
| 0.7753 | |
| 0.7703 | |
| 0.7654 | |
| 0.7604 | |
| 0.7556 | |
| 0.7507 | |
| 0.7459 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=25 und unbekanntem Parameter p.
Es muss gelten: = 0.75 (oder mehr)
Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 4 größer sein muss als der Zähler.
Deswegen erhöhen wir nun schrittweise immer den Zähler und Nenner bei der Einzelwahrscheinlichkeit um 1 und probieren aus, wie sich das auf die gesuchte Wahrscheinlichkeit ('höchstens 24 Treffer bei 25 Versuchen') auswirkt (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 75% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 70 sein.
Binomialvert. mit variabl. p (höchstens) nur GTR
Beispiel:
Ein Promi macht Urlaub in einem Ferienclub. Dort sind noch weitere 92 Gäste. Wie groß darf der Bekanntheitsgrad des Promis höchstens sein, dass ihn mit einer Wahrscheinlichkeit von mindestens 90% nicht mehr als 34 erkennen und dumm anlabern?
| p | P(X≥k)=1-P(X≤k-1) |
|---|---|
| ... | ... |
| 0.26 | 0.9925 |
| 0.27 | 0.9864 |
| 0.28 | 0.9765 |
| 0.29 | 0.9614 |
| 0.3 | 0.9396 |
| 0.31 | 0.9096 |
| 0.32 | 0.8703 |
| ... | ... |
Es muss gelten: =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(92,X,34) - 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=0.31 die gesuchte Wahrscheinlichkeit über 0.9 ist.
Binomialverteilung X ∈ [l;k]
Beispiel:
Ein partystarker Schüler muss einen Mulitple Choice Test ablegen, von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 93 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 14, aber weniger als 27 Fragen richtig beantwortet hat?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=93 und p=0.25.
=
(TI-Befehl: binomcdf(93,0.25,26) - binomcdf(93,0.25,13))
Erwartungswert, Standardabweichung best.
Beispiel:
Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 91 und p = 0.95
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 = 91 und p = 0.95 einsetzen muss:
Erwartungswert E(X) = n ⋅ p = 91 ⋅ 0.95 = 86.45
Standardabweichung S(X) = = = ≈ 2.08
