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:

In Tschechien gilt absolutes Alkoholverbot in Lokalen für Jugendliche unter 18 Jahren. Ein paar trinkfreudige 17-jährige Jugendliche wollen bei einer Studienfahrt nach Prag trotzdem ihr Glück versuchen. 95% der Gaststätten setzen das Alkoholverbot konsequent um und schenken nur gegen Vorlage einer "ID" (Personalausweis) Bier aus. Wie viele Kneipen müssen die Jugenlichen nun mindestens aufsuchen, damit sie bei einer Kneipentour mit mindestens 90% Wahrscheinlichkeit in mindestens 4 Lokalen nicht mit Nachfragen zu ihrer "ID" gedemütigt werden und in Ruhe ein Bier trinken können?

Lösung einblenden
nP(X≤k)
......
1270.1163
1280.1127
1290.1092
1300.1058
1310.1025
1320.0992
......

Die Zufallsgröße X gibt die Anzahl der besuchten Kneipen, die keine "ID" (Personalausweis) verlangen an und ist im Idealfall binomialverteilt mit p = 0.05 und variablem n.

Es muss gelten: P0.05n (X4) ≥ 0.9

Weil man ja aber P0.05n (X4) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.05n (X4) = 1 - P0.05n (X3) ≥ 0.9 |+ P0.05n (X3) - 0.9

0.1 ≥ P0.05n (X3) oder P0.05n (X3) ≤ 0.1

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 5% der Versuche mit einem Treffer. Also müssten dann doch bei 4 0.05 ≈ 80 Versuchen auch ungefähr 4 (≈0.05⋅80) Treffer auftreten.

Wir berechnen also mit unserem ersten n=80:
P0.05n (X3) ≈ 0.4284 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.1 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 0.1 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=132 die gesuchte Wahrscheinlichkeit unter 0.1 ist.

n muss also mindestens 132 sein, damit P0.05n (X3) ≤ 0.1 oder eben P0.05n (X4) ≥ 0.9 gilt.

kumulierte Binomialverteilung

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 5%. Wie groß ist die Wahrscheinlichkeit dass er von 45 Versuchen nicht mehr als 7 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=45 und p=0.05.

P0.0545 (X7) = P0.0545 (X=0) + P0.0545 (X=1) + P0.0545 (X=2) +... + P0.0545 (X=7) = 0.99840293993368 ≈ 0.9984
(TI-Befehl: binomcdf(45,0.05,7))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 20 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 80% unter den 20 gezogenen Kugeln nicht mehr als 3 rote sind?

Lösung einblenden
pP(X≤3)
......
4 26 0.629
4 27 0.6567
4 28 0.6822
4 29 0.7057
4 30 0.7273
4 31 0.7471
4 32 0.7653
4 33 0.7821
4 34 0.7974
4 35 0.8116
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=20 und unbekanntem Parameter p.

Es muss gelten: Pp20 (X3) =0.8 (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 Pp20 (X3) ('höchstens 3 Treffer bei 20 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 3 20 . Mit diesem p wäre ja 3= 3 20 ⋅20 der Erwartungswert und somit Pp20 (X3) irgendwo in der nähe von 50%. Wenn wir nun p= 3 20 mit 4 3 erweitern (so dass wir auf den Zähler 4 kommen) und den Nenner abrunden, müssten wir mit p= 4 26 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 4 35 die gesuchte Wahrscheinlichkeit über 80% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 35 sein.

Also werden noch 31 zusätzliche Optionen (also schwarze Kugeln) benötigt.

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

Beispiel:

Eine Fluggesellschaft verkauft 57 Flugtickets für einen bestimmten Flug. Das sind 35 Tickets mehr, als das Flugzeug Plätze hat. Wie hoch muss die Wahrscheinlichkeit, dass ein Ticketkäufer nicht mitfliegt, mindestens sein, dass das Flugzeug mit einer Wahrscheinlichkeit von mindestens 90% nicht überbucht ist (also dass alle mitfliegen können)?

Lösung einblenden
pP(X≥35)=1-P(X≤34)
......
0.640.7105
0.650.7626
0.660.8094
0.670.8505
0.680.8856
0.690.9146
......

Es muss gelten: Pp57 (X35) =0.9 (oder mehr)

oder eben: 1- Pp57 (X34) =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(57,X,34) - 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=0.69 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Formel v. Bernoulli

Beispiel:

In einer Urne sind 7 blaue und 3 rote Kugeln. Es wird 99 mal eine Kugel gezogen. Nach jedem Ziehen wird die Kugel wieder zurückgelegt. Wie groß ist die Wahrscheinlichkeit dass genau 62 mal eine blaue Kugel gezogen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=99 und p=0.7.

P0.799 (X=62) = ( 99 62 ) 0.762 0.337 =0.024151010856125≈ 0.0242
(TI-Befehl: binompdf(99,0.7,62))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=30%. Wie groß ist die Wahrscheinlichkeit dass bei 59 Versuchen die Anzahl seiner Treffer um nicht mehr als eine Standardabweichung von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 59⋅0.3 ≈ 17.7,
die Standardabweichung mit σ = n p (1-p) = 59 0.3 0.7 ≈ 3.52

21.22 (17.7 + 3.52) und 14.18 (17.7 - 3.52) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 17.7 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 15 und 21 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 15 und 21 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=59 und p=0.3.

P0.359 (15X21) =

...
12
13
14
15
16
17
18
19
20
21
22
23
...

P0.359 (X21) - P0.359 (X14) ≈ 0.8593 - 0.1825 ≈ 0.6768
(TI-Befehl: binomcdf(59,0.3,21) - binomcdf(59,0.3,14))