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 einer Urne ist der Anteil der grünen Kugeln 50%. Wie oft muss mindestens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 50% Wahrscheinlichkeit 37 oder mehr grüne Kugeln gezogen werden?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 73 | 0.5 |
| 74 | 0.4538 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der gezogenen grünen Kugeln an und ist im Idealfall binomialverteilt mit p = 0.5 und variablem n.
Es muss gelten: ≥ 0.5
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.5 |+ - 0.5
0.5 ≥ oder ≤ 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 50% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 74 Versuchen auch ungefähr 37 (≈0.5⋅74) Treffer auftreten.
Wir berechnen also mit unserem ersten n=74:
≈ 0.4538
(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 erstmals bei n=74 die gesuchte Wahrscheinlichkeit unter 0.5 ist.
n muss also mindestens 74 sein, damit ≤ 0.5 oder eben ≥ 0.5 gilt.
Binomialverteilung X ∈ [l;k]
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,5. Wie groß ist die Wahrscheinlichkeit bei 52 Versuchen, mehr als 21 mal und höchstens 28 mal im grünen Bereich zu landen?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=52 und p=0.5.
=
(TI-Befehl: binomcdf(52,0.5,28) - binomcdf(52,0.5,21))
Binomialvert. mit variablem p (diskret)
Beispiel:
Eine Firma, die Überraschungseier vertreibt, möchte als Werbegag manche Eier mit Superfiguren bestücken. Aus Angst vor Kundenbeschwerden sollen in einer 8er-Packung mit der mindestens 50% Wahrscheinlichkeit 1 oder mehr Superfiguren enthalten sein. Wenn in jedes n-te Ei eine Superfigur rein soll, wie groß darf dann n höchstens sein?
| p | P(X≥1)=1-P(X≤0) |
|---|---|
| ... | ... |
| 0.9961 | |
| 0.961 | |
| 0.8999 | |
| 0.8322 | |
| 0.7674 | |
| 0.7086 | |
| 0.6564 | |
| 0.6103 | |
| 0.5695 | |
| 0.5335 | |
| 0.5015 | |
| 0.4729 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der Eier mit einer Superfigur an. X ist binomialverteilt mit n=8 und unbekanntem Parameter p.
Es muss gelten: = 1- = 0.5 (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 ('mindestens 1 Treffer bei 8 Versuchen') bei diesen Nennern wird (siehe Tabelle links)
Als Startwert wählen wir als p=.
In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 50% bleibt.
Der Nenner, also die das wievielte Ei eine Superfigur enthält, darf also höchstens
12 sein.
Binomialvert. mit variabl. p (mind.) nur GTR
Beispiel:
Ein Basketballtrainer sucht einen neuen Spieler, der mit 60% Wahrscheinlichkeit von 80 Freiwürfen mindestens 46 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?
| p | P(X≥46)=1-P(X≤45) |
|---|---|
| ... | ... |
| 0.54 | 0.3039 |
| 0.55 | 0.3694 |
| 0.56 | 0.4392 |
| 0.57 | 0.5111 |
| 0.58 | 0.583 |
| 0.59 | 0.6524 |
| ... | ... |
Es muss gelten: =0.6 (oder mehr)
oder eben: 1- =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(80,X,45) - 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.
kumulierte Binomialverteilung
Beispiel:
Ein Basketballspieler hat eine Trefferquote von 46%. Wie groß ist die Wahrscheinlichkeit dass er von 27 Versuchen weniger als 14 trifft?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=27 und p=0.46.
= = + + +... + = 0.66284268792957 ≈ 0.6628(TI-Befehl: binomcdf(27,0.46,13))
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=0,45 entsteht. Es wird eine Stichprobe der Menge 47 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips nicht mehr als 10% vom Erwartungswert abweicht?
Den Erwartungswert berechnet man als E=n⋅p=47⋅0.45 = 21.15
Die 10% Abweichung wären dann zwischen 90% von 21.15, also 0.9⋅ 21.15 = 19.035 und 110% von 21.15, also 1.1⋅ 21.15 = 23.265
Da die Trefferzahl ja nicht weiter von 21.15 entfernt sein darf als 19.035 bzw. 23.265, muss sie also zwischen 20 und 23 liegen.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=47 und p=0.45.
=
(TI-Befehl: binomcdf(47,0.45,23) - binomcdf(47,0.45,19))
