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 70% nicht mehr als 22 6er zu würfeln?

Lösung einblenden
nP(X≤k)
......
1220.7073
1230.693
1240.6783
1250.6636
1260.6486
1270.6335
1280.6182
1290.6029
1300.5875
1310.5721
1320.5566
......

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

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 (X22) ≈ 0.5566 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.7 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 0.7 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=122 die gesuchte Wahrscheinlichkeit über 70% ist.

Binomialverteilung X>=k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,71. Wie groß ist die Wahrscheinlichkeit dass er von 20 Versuchen mehr als 13 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=20 und p=0.71.

...
11
12
13
14
15
16
...

P0.7120 (X>13) = P0.7120 (X14) = 1 - P0.7120 (X13) = 0.646
(TI-Befehl: 1-binomcdf(20,0.71,13))

Binomialvert. mit variablem p (diskret)

Beispiel:

Die Homepage-AG einer Schule möchte auf der Startseite der Internetseite der Schule ein Zufallsbild integrieren. Dabei soll bei jedem Aufruf der Startseite ein zufälliges Bild aus einer Bilderdatenbank gezeigt werden. Alle Bilder der Datenbank sind immer gleich wahrscheinlich. Auf 3 Bildern der Datenbank sind Mitglieder der Homepage-AG zu sehen. Es wird geschätzt, dass die Seite täglich 90 mal aufgerufen wird. Die Mitglieder der Homepage-AG wollen dass mit mindestens 85%-iger Wahrscheinlichkiet mindestens 16 mal am Tag eines ihrer eigenen 3 Bilder erscheint. Wie viele andere Bilder dürfen dann höchstens noch in der Datenbank sein?

Lösung einblenden
pP(X≥16)=1-P(X≤15)
......
3 9 0.9997
3 10 0.9972
3 11 0.9869
3 12 0.9601
3 13 0.9096
3 14 0.8344
......

Die Zufallsgröße X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=90 und unbekanntem Parameter p.

Es muss gelten: Pp90 (X16) = 1- Pp90 (X15) = 0.85 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 3 sein muss, da es ja genau 3 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp90 (X16) ('mindestens 16 Treffer bei 90 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 3 9 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 3 13 die gesuchte Wahrscheinlichkeit über 85% bleibt.
Der Nenner, also die Anzahl aller Bilder in der Datenbank, darf also höchstens 13 sein.

Also wären noch 10 zusätzliche Optionen (also weitere Bilder) zulässig.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 80% Wahrscheinlichkeit von 75 Freiwürfen mindestens 71 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥71)=1-P(X≤70)
......
0.910.184
0.920.2739
0.930.3902
0.940.5292
0.950.6789
0.960.8188
......

Es muss gelten: Pp75 (X71) =0.8 (oder mehr)

oder eben: 1- Pp75 (X70) =0.8 (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(75,X,70) - 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=0.96 die gesuchte Wahrscheinlichkeit über 0.8 ist.

kumulierte Binomialverteilung

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 88 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so bis zu 14 Fragen richtig beantwortet hat?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=88 und p=0.25.

P0.2588 (X14) = P0.2588 (X=0) + P0.2588 (X=1) + P0.2588 (X=2) +... + P0.2588 (X=14) = 0.028188342773712 ≈ 0.0282
(TI-Befehl: binomcdf(88,0.25,14))

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=0,35 entsteht. Es wird eine Stichprobe der Menge 93 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 = 93⋅0.35 ≈ 32.55,
die Standardabweichung mit σ = n p (1-p) = 93 0.35 0.65 ≈ 4.6

37.15 (32.55 + 4.6) und 27.95 (32.55 - 4.6) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 32.55 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 28 und 37 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 28 und 37 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=93 und p=0.35.

P0.3593 (28X37) =

...
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
...

P0.3593 (X37) - P0.3593 (X27) ≈ 0.8588 - 0.1355 ≈ 0.7233
(TI-Befehl: binomcdf(93,0.35,37) - binomcdf(93,0.35,27))