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:
Beim Biberacher Schützenfest läuft ein 12-köpfiger historischer Spielmannszug mit, der an die Schweden während des 30-Jährigen Kriegs erinnert. Dabei feiern dessen Mitglieder manchmal so ausgelassen, dass die Wahrscheinlichkeit eines Ausfall beim Umzug wegen unverhältnismäßig exzessiven Alkoholgenuss bei 8% liegt. Wie viele Schwedenmusiker muss die Schützendirektion mindestens ausbilden, damit beim Umzug mit mindestens 50%-iger Wahrscheinlichkeit mindestens 12 Schweden einsatzfähig sind?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 12 | 0.6323 |
| 13 | 0.2794 |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der einsatzfähigen Schwedenmusiker an und ist im Idealfall binomialverteilt mit p = 0.92 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 92% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 13 Versuchen auch ungefähr 12 (≈0.92⋅13) Treffer auftreten.
Wir berechnen also mit unserem ersten n=13:
≈ 0.2794
(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=13 die gesuchte Wahrscheinlichkeit unter 0.5 ist.
n muss also mindestens 13 sein, damit ≤ 0.5 oder eben ≥ 0.5 gilt.
kumulierte Binomialverteilung
Beispiel:
Eine Münze wird 47 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass weniger als 21 mal "Zahl" (p=0,5) geworfen wird?
Die Zufallsgröße X gibt die Anzahl der Würfe mit Zahl an. X ist binomialverteilt mit n=47 und p=0.5.
= = + + +... + = 0.19084669883161 ≈ 0.1908(TI-Befehl: binomcdf(47,0.5,20))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 2 rote und einige schwarze Kugeln. Es soll 27 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 70% unter den 27 gezogenen Kugeln nicht mehr als 24 schwarze sind?
| p | P(X≤24) |
|---|---|
| ... | ... |
| 0.9998 | |
| 0.9982 | |
| 0.9923 | |
| 0.9793 | |
| 0.9578 | |
| 0.9282 | |
| 0.8921 | |
| 0.8512 | |
| 0.8075 | |
| 0.7625 | |
| 0.7174 | |
| 0.6733 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=27 und unbekanntem Parameter p.
Es muss gelten: = 0.7 (oder mehr)
Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 2 größer sein muss als der Zähler.
Deswegen erhöhen wir nun schrittweise immer den Zähler und Nenner bei der Einzelwahrscheinlichkeit um 1 und probieren aus, wie sich das auf die gesuchte Wahrscheinlichkeit ('höchstens 24 Treffer bei 27 Versuchen') auswirkt (siehe Tabelle links)
Als Startwert wählen wir als p=. (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)
In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 70% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 13 sein.
Binomialvert. mit variabl. p (mind.) nur GTR
Beispiel:
Ein Basketballtrainer sucht einen neuen Spieler, der mit 90% Wahrscheinlichkeit von 75 Freiwürfen mindestens 47 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?
| p | P(X≥47)=1-P(X≤46) |
|---|---|
| ... | ... |
| 0.64 | 0.6444 |
| 0.65 | 0.7098 |
| 0.66 | 0.7695 |
| 0.67 | 0.822 |
| 0.68 | 0.8667 |
| 0.69 | 0.9034 |
| ... | ... |
Es muss gelten: =0.9 (oder mehr)
oder eben: 1- =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(75,X,46) - 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.
kumulierte Binomialverteilung
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=0,26 entsteht. Es wird eine Stichprobe der Menge 20 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon nicht mehr als 5 defekte Chips enthalten sind.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=20 und p=0.26.
= + + +... + = 0.57650583804446 ≈ 0.5765(TI-Befehl: binomcdf(20,0.26,5))
Wahrscheinlichkeit von σ-Intervall um μ
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,45. Wie groß ist die Wahrscheinlichkeit bei 61 Versuchen, dass die Anzahl der Treffer im grünen Bereich nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?
Den Erwartungswert berechnet man mit μ = n⋅p = 61⋅0.45 ≈ 27.45,
die Standardabweichung mit σ =
=
≈ 3.89
31.34 (27.45 + 3.89) und 23.56 (27.45 - 3.89) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 27.45 entfernt.
Das bedeutet, dass genau die Zahlen zwischen 24 und 31 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.
Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 24 und 31 liegt.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=61 und p=0.45.
=
(TI-Befehl: binomcdf(61,0.45,31) - binomcdf(61,0.45,23))
