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:

Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,8.Wie oft darf man das Zufallsexperiment höchstens wiederholen (oder wie groß darf die Stichprobe sein), um mit mind. 50% Wahrscheinlichkeit, höchstens 34 Treffer zu erzielen ?

Lösung einblenden
nP(X≤k)
......
420.6223
430.4997
......

Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.8 und variablem n.

Es muss gelten: P0.8n (X34) ≥ 0.5

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 34 0.8 ≈ 43 Versuchen auch ungefähr 34 (≈0.8⋅43) Treffer auftreten.

Wir berechnen also mit unserem ersten n=43:
P0.8n (X34) ≈ 0.4997 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.5 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 0.5 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=42 die gesuchte Wahrscheinlichkeit über 50% ist.

kumulierte Binomialverteilung

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,35. Wie groß ist die Wahrscheinlichkeit bei 75 Versuchen weniger als 31 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Drehungen, die im grünen Bereich landen, an. X ist binomialverteilt mit n=75 und p=0.35.

P0.3575 (X<31) = P0.3575 (X30) = P0.3575 (X=0) + P0.3575 (X=1) + P0.3575 (X=2) +... + P0.3575 (X=30) = 0.84814048281747 ≈ 0.8481
(TI-Befehl: binomcdf(75,0.35,30))

Binomialvert. mit variablem p (diskret)

Beispiel:

Ein neuer Multiple Choice Test mit 16 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 30% liegt. Bestimme die hierfür notwendige Mindestanzahl an Antwortmöglichkeiten bei jeder Frage.

Lösung einblenden
pP(X≤2)
......
1 8 0.6771
1 9 0.7405
......

Die Zufallsgröße X gibt die Anzahl der zufällig richtig geratenenen Antworten an. X ist binomialverteilt mit n=16 und unbekanntem Parameter p.

Es muss gelten: Pp16 (X2) =0.7 (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 Pp16 (X2) ('höchstens 2 Treffer bei 16 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 2 16 . Mit diesem p wäre ja 2= 2 16 ⋅16 der Erwartungswert und somit Pp16 (X2) irgendwo in der nähe von 50%. Wenn wir nun p= 2 16 mit 1 2 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 8 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 9 die gesuchte Wahrscheinlichkeit über 70% steigt.
Der Nenner, also die Anzahl der Antwortmöglichkeiten, muss also mindestens 9 sein.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 50% Wahrscheinlichkeit von 96 Freiwürfen mindestens 59 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥59)=1-P(X≤58)
......
0.560.1649
0.570.2186
0.580.2813
0.590.3518
0.60.4283
0.610.5081
......

Es muss gelten: Pp96 (X59) =0.5 (oder mehr)

oder eben: 1- Pp96 (X58) =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(96,X,58) - 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=0.61 die gesuchte Wahrscheinlichkeit über 0.5 ist.

Binomialverteilung X>=k

Beispiel:

Ein Würfel wird 62 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass mehr als 6 mal eine 6 (p=1/6) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der gewürfelten Sechser an. X ist binomialverteilt mit n=62 und p= 1 6 .

...
4
5
6
7
8
9
...

P 1 6 62 (X>6) = P 1 6 62 (X7) = 1 - P 1 6 62 (X6) = 0.9102
(TI-Befehl: 1-binomcdf(62, 1 6 ,6))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Ein Würfel wird 94 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der gewürfelten 6er nicht mehr als 20% vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=94⋅ 1 6 = 15.666666666667

Die 20% Abweichung wären dann zwischen 80% von 15.667, also 0.8⋅ 15.667 = 12.533 und 120% von 15.666666666667, also 1.2⋅ 15.667 = 18.8

Da die Trefferzahl ja nicht weiter von 15.666666666667 entfernt sein darf als 12.533 bzw. 18.8, muss sie also zwischen 13 und 18 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=94 und p= 1 6 .

P 1 6 94 (13X18) =

...
10
11
12
13
14
15
16
17
18
19
20
...

P 1 6 94 (X18) - P 1 6 94 (X12) ≈ 0.7871 - 0.1923 ≈ 0.5948
(TI-Befehl: binomcdf(94, 1 6 ,18) - binomcdf(94, 1 6 ,12))