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:

Wie oft muss man mit einem normalen Würfel mindestens würfeln, um mit einer Wahrscheinlichkeit von mindestens 70% 22 oder mehr 6er zu erzielen?

Lösung einblenden
nP(X≤k)
......
1390.3605
1400.3466
1410.3331
1420.3198
1430.3068
1440.2941
......

Die Zufallsgröße X gibt Anzahl der gewürfelten 6er an und ist im Idealfall binomialverteilt mit p = 1 6 und variablem n.

Es muss gelten: P 1 6 n (X22) ≥ 0.7

Weil man ja aber P 1 6 n (X22) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P 1 6 n (X22) = 1 - P 1 6 n (X21) ≥ 0.7 |+ P 1 6 n (X21) - 0.7

0.3 ≥ P 1 6 n (X21) oder P 1 6 n (X21) ≤ 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 1 6 der Versuche mit einem Treffer. Also müssten dann doch bei 22 1 6 ≈ 132 Versuchen auch ungefähr 22 (≈ 1 6 ⋅132) Treffer auftreten.

Wir berechnen also mit unserem ersten n=132:
P 1 6 n (X21) ≈ 0.4638 (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=144 die gesuchte Wahrscheinlichkeit unter 0.3 ist.

n muss also mindestens 144 sein, damit P 1 6 n (X21) ≤ 0.3 oder eben P 1 6 n (X22) ≥ 0.7 gilt.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, mehr als 10 und höchstens 13 Glückskekse mit einer Peproni zu erwischen, wenn man 68 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=68 und p=0.125.

P0.12568 (11X13) =

...
8
9
10
11
12
13
14
15
...

P0.12568 (X13) - P0.12568 (X10) ≈ 0.96 - 0.7749 ≈ 0.1851
(TI-Befehl: binomcdf(68,0.125,13) - binomcdf(68,0.125,10))

Binomialvert. mit variablem p (diskret)

Beispiel:

Ein neuer Multiple Choice Test mit 18 verschiedenen Fragen soll entwickelt werden. Dabei muss immer genau eine von mehreren Antwortmöglichkeiten richtig sein. Die Anzahl an Antwortmöglichkeiten soll bei allen Fragen gleich sein. Insgesamt soll der Test so konzipiert sein, dass die Wahrscheinlichkeit mehr als 2 Fragen nur durch Raten zufällig richtig zu beantworten (obwohl man keinerlei Wissen hat) bei höchstens 25% liegt. Bestimme die hierfür notwendige Mindestanzahl an Antwortmöglichkeiten bei jeder Frage.

Lösung einblenden
pP(X≤2)
......
1 9 0.677
1 10 0.7338
1 11 0.7788
......

Die Zufallsgröße X gibt die Anzahl der zufällig richtig geratenenen Antworten an. X ist binomialverteilt mit n=18 und unbekanntem Parameter p.

Es muss gelten: Pp18 (X2) =0.75 (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 Pp18 (X2) ('höchstens 2 Treffer bei 18 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 2 18 . Mit diesem p wäre ja 2= 2 18 ⋅18 der Erwartungswert und somit Pp18 (X2) irgendwo in der nähe von 50%. Wenn wir nun p= 2 18 mit 1 2 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 9 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 11 die gesuchte Wahrscheinlichkeit über 75% steigt.
Der Nenner, also die Anzahl der Antwortmöglichkeiten, muss also mindestens 11 sein.

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

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 78 mal wiederholt (bzw. die Stichprobe hat die Größe 78)Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 60% mindestens 45 Treffer erzielt werden?

Lösung einblenden
pP(X≥45)=1-P(X≤44)
......
0.540.2952
0.550.3592
0.560.4276
0.570.4985
0.580.5697
0.590.639
......

Es muss gelten: Pp78 (X45) =0.6 (oder mehr)

oder eben: 1- Pp78 (X44) =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(78,X,44) - 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=0.59 die gesuchte Wahrscheinlichkeit über 0.6 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, mehr als 6 und höchstens 10 Glückskekse mit einer Peproni zu erwischen, wenn man 77 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=77 und p=0.125.

P0.12577 (7X10) =

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

P0.12577 (X10) - P0.12577 (X6) ≈ 0.6333 - 0.1383 ≈ 0.495
(TI-Befehl: binomcdf(77,0.125,10) - binomcdf(77,0.125,6))

Wahrscheinlichkeit von σ-Intervall um μ

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=0,3 entsteht. Es wird eine Stichprobe der Menge 98 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips um nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 98⋅0.3 ≈ 29.4,
die Standardabweichung mit σ = n p (1-p) = 98 0.3 0.7 ≈ 4.54

33.94 (29.4 + 4.54) und 24.86 (29.4 - 4.54) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 29.4 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 25 und 33 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 25 und 33 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=98 und p=0.3.

P0.398 (25X33) =

...
22
23
24
25
26
27
28
29
30
31
32
33
34
35
...

P0.398 (X33) - P0.398 (X24) ≈ 0.8177 - 0.1394 ≈ 0.6783
(TI-Befehl: binomcdf(98,0.3,33) - binomcdf(98,0.3,24))