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:

Bei einem Glücksrad, ist die Wahrscheinlichkeit in den grünen Bereich zu kommen p=0,45. Wie oft muss man dieses Glückrad mindestens drehen, um mit einer Wahrscheinlichkeit von mindestens 80% 26 mal oder öfters in den grünen Bereich zu kommen?

Lösung einblenden
nP(X≤k)
......
600.3501
610.3092
620.2711
630.236
640.204
650.1751
......

Die Zufallsgröße X gibt Anzahl der Drehungen, die im grünen Bereich landen an und ist im Idealfall binomialverteilt mit p = 0.45 und variablem n.

Es muss gelten: P0.45n (X26) ≥ 0.8

Weil man ja aber P0.45n (X26) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.45n (X26) = 1 - P0.45n (X25) ≥ 0.8 |+ P0.45n (X25) - 0.8

0.2 ≥ P0.45n (X25) oder P0.45n (X25) ≤ 0.2

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 45% der Versuche mit einem Treffer. Also müssten dann doch bei 26 0.45 ≈ 58 Versuchen auch ungefähr 26 (≈0.45⋅58) Treffer auftreten.

Wir berechnen also mit unserem ersten n=58:
P0.45n (X25) ≈ 0.4389 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.2 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 0.2 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=65 die gesuchte Wahrscheinlichkeit unter 0.2 ist.

n muss also mindestens 65 sein, damit P0.45n (X25) ≤ 0.2 oder eben P0.45n (X26) ≥ 0.8 gilt.

Formel v. Bernoulli

Beispiel:

In einer Chip-Fabrik werden neue High Tech Chips produziert. Leider ist die Technik noch nicht so ganz ausgereift, weswegen Ausschuss mit einer Wahrscheinlichkeit von 60% entsteht. Es wird eine Stichprobe der Menge 27 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon genau 17 defekte Chips enthalten sind.

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=27 und p=0.6.

P0.627 (X=17) = ( 27 17 ) 0.617 0.410 =0.14973468480502≈ 0.1497
(TI-Befehl: binompdf(27,0.6,17))

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 7 Preise gesammelt. Sie erwarten, dass das Glücksrad beim Schulfest 95 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 7 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 70% für die 95 Durchgänge reichen?

Lösung einblenden
pP(X≤7)
......
1 13 0.5512
1 14 0.6319
1 15 0.7004
......

Die Zufallsgröße X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=95 und unbekanntem Parameter p.

Es muss gelten: Pp95 (X7) =0.7 (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 Pp95 (X7) ('höchstens 7 Treffer bei 95 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 7 95 . Mit diesem p wäre ja 7= 7 95 ⋅95 der Erwartungswert und somit Pp95 (X7) irgendwo in der nähe von 50%. Wenn wir nun p= 7 95 mit 1 7 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 13 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 15 die gesuchte Wahrscheinlichkeit über 70% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens 15 sein.

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

Beispiel:

Eine Fluggesellschaft verkauft 65 Flugtickets für einen bestimmten Flug. Das sind 56 Tickets mehr, als das Flugzeug Plätze hat. Wie hoch muss die Wahrscheinlichkeit, dass ein Ticketkäufer nicht mitfliegt, mindestens sein, dass das Flugzeug mit einer Wahrscheinlichkeit von mindestens 90% nicht überbucht ist (also dass alle mitfliegen können)?

Lösung einblenden
pP(X≥56)=1-P(X≤55)
......
0.860.5735
0.870.6648
0.880.7508
0.890.8267
0.90.8888
0.910.9354
......

Es muss gelten: Pp65 (X56) =0.9 (oder mehr)

oder eben: 1- Pp65 (X55) =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(65,X,55) - 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=0.91 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X>=k

Beispiel:

Ein Zufallsexperiment wird 69 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,4.
Wie groß ist dabei die Wahrscheinlichkeit, mindestens 23 Treffer zu erzielen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=69 und p=0.4.

...
20
21
22
23
24
25
...

P0.469 (X23) = 1 - P0.469 (X22) = 0.896
(TI-Befehl: 1-binomcdf(69,0.4,22))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Würfel wird 59 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der gewürfelten 6er nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 59⋅ 1 6 ≈ 9.83,
die Standardabweichung mit σ = n p (1-p) = 59 1 6 5 6 ≈ 2.86

12.7 (9.83 + 2.86) und 6.97 (9.83 - 2.86) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 9.83 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 7 und 12 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 7 und 12 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=59 und p= 1 6 .

P 1 6 59 (7X12) =

...
4
5
6
7
8
9
10
11
12
13
14
...

P 1 6 59 (X12) - P 1 6 59 (X6) ≈ 0.8259 - 0.1183 ≈ 0.7076
(TI-Befehl: binomcdf(59, 1 6 ,12) - binomcdf(59, 1 6 ,6))