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:

Wie oft darf man mit einem normalen Würfel höchstens würfeln, um mit einer Wahrscheinlichkeit von 60% nicht mehr als 26 6er zu würfeln?

Lösung einblenden
nP(X≤k)
......
1520.6089
1530.5948
1540.5806
1550.5664
1560.5521
......

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 (X26) ≥ 0.6

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 26 1 6 ≈ 156 Versuchen auch ungefähr 26 (≈ 1 6 ⋅156) Treffer auftreten.

Wir berechnen also mit unserem ersten n=156:
P 1 6 n (X26) ≈ 0.5521 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.6 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 0.6 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=152 die gesuchte Wahrscheinlichkeit über 60% ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 92% von der Freiwurflinie. Wie groß ist die Wahrscheinlichkeit dass er von 77 Versuchen mindestens 72 und weniger als 78 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=77 und p=0.92.

P0.9277 (X72) =

...
69
70
71
72
73
74
75
76
77

P0.9277 (X77) - P0.9277 (X71) ≈ 1 - 0.5873 ≈ 0.4127
(TI-Befehl: binomcdf(77,0.92,77) - binomcdf(77,0.92,71))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 13 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 90% unter den 13 gezogenen Kugeln nicht mehr als 6 rote sind?

Lösung einblenden
pP(X≤6)
......
4 8 0.5
4 9 0.659
4 10 0.7712
4 11 0.8466
4 12 0.8965
4 13 0.9293
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=13 und unbekanntem Parameter p.

Es muss gelten: Pp13 (X6) =0.9 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 4 sein muss, da es ja genau 4 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp13 (X6) ('höchstens 6 Treffer bei 13 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 6 13 . Mit diesem p wäre ja 6= 6 13 ⋅13 der Erwartungswert und somit Pp13 (X6) irgendwo in der nähe von 50%. Wenn wir nun p= 6 13 mit 4 6 erweitern (so dass wir auf den Zähler 4 kommen) und den Nenner abrunden, müssten wir mit p= 4 8 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 4 13 die gesuchte Wahrscheinlichkeit über 90% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 13 sein.

Also werden noch 9 zusätzliche Optionen (also schwarze Kugeln) benötigt.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 50% Wahrscheinlichkeit von 91 Freiwürfen mindestens 54 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥54)=1-P(X≤53)
......
0.540.1797
0.550.2342
0.560.297
0.570.3668
0.580.4415
0.590.5187
......

Es muss gelten: Pp91 (X54) =0.5 (oder mehr)

oder eben: 1- Pp91 (X53) =0.5 (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(91,X,53) - 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 0.5 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Würfel wird 41 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 3 mal, aber weniger als 12 mal eine sechs gewürfelt wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=41 und p= 1 6 .

P 1 6 41 (4X11) =

...
1
2
3
4
5
6
7
8
9
10
11
12
13
...

P 1 6 41 (X11) - P 1 6 41 (X3) ≈ 0.9685 - 0.0722 ≈ 0.8963
(TI-Befehl: binomcdf(41, 1 6 ,11) - binomcdf(41, 1 6 ,3))

Binomialvert. Abstand vom Erwartungswert

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=0,35 entsteht. Es wird eine Stichprobe der Menge 59 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips nicht mehr als 15% vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=59⋅0.35 = 20.65

Die 15% Abweichung wären dann zwischen 85% von 20.65, also 0.85⋅ 20.65 = 17.553 und 115% von 20.65, also 1.15⋅ 20.65 = 23.748

Da die Trefferzahl ja nicht weiter von 20.65 entfernt sein darf als 17.553 bzw. 23.748, muss sie also zwischen 18 und 23 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=59 und p=0.35.

P0.3559 (18X23) =

...
15
16
17
18
19
20
21
22
23
24
25
...

P0.3559 (X23) - P0.3559 (X17) ≈ 0.7832 - 0.196 ≈ 0.5872
(TI-Befehl: binomcdf(59,0.35,23) - binomcdf(59,0.35,17))