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:

Im einem Mathekurs beträgt die Wahrscheinlichkeit, dass ein klassischer GeSchwa-Fehler begangen wird, p=0,8. Wie viele Aufgaben kann ein Schüler höchstens machen, damit er mit einer Wahrscheinlichkeit von 90% maximal 29 dieser Fehler begeht?

Lösung einblenden
nP(X≤k)
......
330.9192
340.8381
350.7279
360.5993
......

Die Zufallsgröße X gibt Anzahl der begangenen GeSchwa-Fehler an und ist im Idealfall binomialverteilt mit p = 0.8 und variablem n.

Es muss gelten: P0.8n (X29) ≥ 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 80% der Versuche mit einem Treffer. Also müssten dann doch bei 29 0.8 ≈ 36 Versuchen auch ungefähr 29 (≈0.8⋅36) Treffer auftreten.

Wir berechnen also mit unserem ersten n=36:
P0.8n (X29) ≈ 0.5993 (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=33 die gesuchte Wahrscheinlichkeit über 90% ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Würfel wird 58 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 9 mal, aber weniger als 16 mal eine sechs gewürfelt wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=58 und p= 1 6 .

P 1 6 58 (10X15) =

...
7
8
9
10
11
12
13
14
15
16
17
...

P 1 6 58 (X15) - P 1 6 58 (X9) ≈ 0.9749 - 0.4924 ≈ 0.4825
(TI-Befehl: binomcdf(58, 1 6 ,15) - binomcdf(58, 1 6 ,9))

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 90% unter den 25 gezogenen Kugeln nicht mehr als 21 schwarze sind?

Lösung einblenden
pP(X≤21)
......
5 9 0.9994
6 10 0.9976
7 11 0.9933
8 12 0.9851
9 13 0.9722
10 14 0.9542
11 15 0.9312
12 16 0.9038
13 17 0.8727
......

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 (X21) = 0.9 (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 Pp25 (X21) ('höchstens 21 Treffer bei 25 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 5 9 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 12 16 die gesuchte Wahrscheinlichkeit über 90% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 12 sein.

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

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 74 mal wiederholt (bzw. die Stichprobe hat die Größe 74)Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 90% mindestens 66 Treffer erzielt werden?

Lösung einblenden
pP(X≥66)=1-P(X≤65)
......
0.880.464
0.890.572
0.90.6802
0.910.7803
0.920.8642
0.930.9269
......

Es muss gelten: Pp74 (X66) =0.9 (oder mehr)

oder eben: 1- Pp74 (X65) =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(74,X,65) - 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=0.93 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X ∈ [l;k]

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 p=0,5 entsteht. Es wird eine Stichprobe der Menge 95 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips mindestens 51 und höchstens 54 beträgt?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=95 und p=0.5.

P0.595 (51X54) =

...
48
49
50
51
52
53
54
55
56
...

P0.595 (X54) - P0.595 (X50) ≈ 0.9247 - 0.7308 ≈ 0.1939
(TI-Befehl: binomcdf(95,0.5,54) - binomcdf(95,0.5,50))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=45%. Wie groß ist die Wahrscheinlichkeit dass er bei 94 Versuchen nicht mehr als 15% von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=94⋅0.45 = 42.3

Die 15% Abweichung wären dann zwischen 85% von 42.3, also 0.85⋅ 42.3 = 35.955 und 115% von 42.3, also 1.15⋅ 42.3 = 48.645

Da die Trefferzahl ja nicht weiter von 42.3 entfernt sein darf als 35.955 bzw. 48.645, muss sie also zwischen 36 und 48 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=94 und p=0.45.

P0.4594 (36X48) =

...
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
...

P0.4594 (X48) - P0.4594 (X35) ≈ 0.9004 - 0.0786 ≈ 0.8218
(TI-Befehl: binomcdf(94,0.45,48) - binomcdf(94,0.45,35))