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:
Eine Fluggesellschaft geht davon aus, dass 15% der gekauften Tickets gar nicht eingelöst werden. Wieviel Tickets kann sie für ihre 34-Platzmaschine höchstens verkaufen, so dass es zu mindestens 70% Wahrscheinlichkeit zu keiner Überbelegung kommt.
| n | P(X≤k) |
|---|---|
| ... | ... |
| 39 | 0.7155 |
| 40 | 0.5675 |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der Ticketbesitzer, die tatsächlich fliegen an und ist im Idealfall binomialverteilt mit p = 0.85 und variablem n.
Es muss gelten: ≥ 0.7
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 85% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 40 Versuchen auch ungefähr 34 (≈0.85⋅40) Treffer auftreten.
Wir berechnen also mit unserem ersten n=40:
≈ 0.5675
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.7 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 0.7 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=39 die gesuchte Wahrscheinlichkeit über 70% ist.
Binomialverteilung X ∈ [l;k]
Beispiel:
Ein Zufallsexperiment wird 80 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,35.Wie groß ist dabei die Wahrscheinlichkeit, mindestens 24, aber höchstens 36 Treffer zu erzielen?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=80 und p=0.35.
=
(TI-Befehl: binomcdf(80,0.35,36) - binomcdf(80,0.35,23))
Binomialvert. mit variablem p (diskret)
Beispiel:
Eine Schulklasse möchte fürs Schulfest ein Glücksrad entwickeln. Aus optischen Gründen sollen dabei alle Sektoren gleich groß sein. Einer davon soll für den Hauptpreis stehen. Hierfür haben sie insgesamt 6 Preise gesammelt. Sie erwarten, dass das Glücksrad beim Schulfest 50 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 6 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 95% für die 50 Durchgänge reichen?
| p | P(X≤6) |
|---|---|
| ... | ... |
| 0.5637 | |
| 0.6817 | |
| 0.7702 | |
| 0.8345 | |
| 0.8804 | |
| 0.9131 | |
| 0.9364 | |
| 0.953 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=50 und unbekanntem Parameter p.
Es muss gelten: =0.95 (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 ('höchstens 6 Treffer bei 50 Versuchen') bei diesen Nennern wird (siehe Tabelle links)
Um einen günstigen Startwert zu finden wählen wir mal als p=. Mit diesem p wäre ja 6=⋅50 der Erwartungswert und somit irgendwo in der nähe von 50%. Wenn wir nun p= mit erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= einen brauchbaren Einstiegswert für dieses Probieren erhalten.
In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 95% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens
15 sein.
Binomialvert. mit variabl. p (mind.) nur GTR
Beispiel:
Ein Basketballtrainer sucht einen neuen Spieler, der mit 90% Wahrscheinlichkeit von 49 Freiwürfen mindestens 39 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?
| p | P(X≥39)=1-P(X≤38) |
|---|---|
| ... | ... |
| 0.81 | 0.6785 |
| 0.82 | 0.7417 |
| 0.83 | 0.7994 |
| 0.84 | 0.85 |
| 0.85 | 0.8926 |
| 0.86 | 0.9269 |
| ... | ... |
Es muss gelten: =0.9 (oder mehr)
oder eben: 1- =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(49,X,38) - 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=0.86 die gesuchte Wahrscheinlichkeit über 0.9 ist.
kumulierte Binomialverteilung
Beispiel:
Eine Münze wird 21 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass weniger als 10 mal "Zahl" (p=0,5) geworfen wird?
Die Zufallsgröße X gibt die Anzahl der Würfe mit Zahl an. X ist binomialverteilt mit n=21 und p=0.5.
= = + + +... + = 0.33181190490723 ≈ 0.3318(TI-Befehl: binomcdf(21,0.5,9))
Erwartungswert, Standardabweichung best.
Beispiel:
Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 26 und p = 0.1
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 = 26 und p = 0.1 einsetzen muss:
Erwartungswert E(X) = n ⋅ p = 26 ⋅ 0.1 = 2.6
Standardabweichung S(X) = = = ≈ 1.53
