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:

In einer Urne ist der Anteil der grünen Kugeln 20%. Wie oft muss mindestens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 70% Wahrscheinlichkeit 26 oder mehr grüne Kugeln gezogen werden?

Lösung einblenden
nP(X≤k)
......
1360.3649
1370.3492
1380.3338
1390.3188
1400.3041
1410.2899
......

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 (X26) ≥ 0.7

Weil man ja aber P0.2n (X26) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.2n (X26) = 1 - P0.2n (X25) ≥ 0.7 |+ P0.2n (X25) - 0.7

0.3 ≥ P0.2n (X25) oder P0.2n (X25) ≤ 0.3

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 (X25) ≈ 0.465 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.3 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 0.3 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=141 die gesuchte Wahrscheinlichkeit unter 0.3 ist.

n muss also mindestens 141 sein, damit P0.2n (X25) ≤ 0.3 oder eben P0.2n (X26) ≥ 0.7 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 40% entsteht. Es wird eine Stichprobe der Menge 79 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon genau 37 defekte Chips enthalten sind.

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=79 und p=0.4.

P0.479 (X=37) = ( 79 37 ) 0.437 0.642 =0.042052792697786≈ 0.0421
(TI-Befehl: binompdf(79,0.4,37))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 2 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 80% unter den 25 gezogenen Kugeln nicht mehr als 24 schwarze sind?

Lösung einblenden
pP(X≤24)
......
5 7 0.9998
6 8 0.9992
7 9 0.9981
8 10 0.9962
9 11 0.9934
10 12 0.9895
11 13 0.9846
12 14 0.9788
13 15 0.9721
14 16 0.9645
15 17 0.9562
16 18 0.9474
17 19 0.938
18 20 0.9282
19 21 0.9181
20 22 0.9077
21 23 0.8971
22 24 0.8864
23 25 0.8756
24 26 0.8648
25 27 0.854
26 28 0.8432
27 29 0.8325
28 30 0.8218
29 31 0.8112
30 32 0.8008
31 33 0.7905
......

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: Pp25 (X24) = 0.8 (oder mehr)

Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 2 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 Pp25 (X24) ('höchstens 24 Treffer bei 25 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 5 7 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 30 32 die gesuchte Wahrscheinlichkeit über 80% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 30 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 96 Wiederholungen 47 mal (oder mehr) rot zu treffen bei mind. 60% liegt?

Lösung einblenden
pP(X≥47)=1-P(X≤46)
......
0.450.2487
0.460.3153
0.470.3883
0.480.4653
0.490.5436
0.50.6202
......

Es muss gelten: Pp96 (X47) =0.6 (oder mehr)

oder eben: 1- Pp96 (X46) =0.6 (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(96,X,46) - 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=0.5 die gesuchte Wahrscheinlichkeit über 0.6 ist.

Formel v. Bernoulli

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,6. Wie groß ist die Wahrscheinlichkeit bei 51 Versuchen genau 26 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=51 und p=0.6.

P0.651 (X=26) = ( 51 26 ) 0.626 0.425 =0.047622548865311≈ 0.0476
(TI-Befehl: binompdf(51,0.6,26))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 23 und p = 0.35
Bestimme den Erwartungswert μ und die Standardabweichung σ von X .

Lösung einblenden

Für Erwartungswert und Standardabweichung bei der Binomialverteilung gibt es ja einfache Formeln, in die man einfach n = 23 und p = 0.35 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 23 ⋅ 0.35 = 8.05

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 23 ⋅ 0.35 ⋅ 0.65 = 5.2325 2.29