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 90% nicht mehr als 27 6er zu würfeln?

Lösung einblenden
nP(X≤k)
......
1310.9052
1320.8981
1330.8906
1340.8827
1350.8745
1360.866
1370.8571
1380.8479
1390.8384
1400.8285
1410.8183
1420.8078
1430.797
1440.7859
1450.7746
1460.7629
1470.751
1480.7388
1490.7264
1500.7138
1510.701
1520.688
1530.6748
1540.6615
1550.648
1560.6344
1570.6207
1580.6069
1590.593
1600.5791
1610.5651
1620.5512
......

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 (X≤27) ≥ 0.9

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 27 1 6 ≈ 162 Versuchen auch ungefähr 27 (≈ 1 6 ⋅162) Treffer auftreten.

Wir berechnen also mit unserem ersten n=162:
P 1 6 n (X≤27) ≈ 0.5512 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.9 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 0.9 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=131 die gesuchte Wahrscheinlichkeit über 90% ist.

Binomialverteilung X>=k

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, 12 oder mehr Glückskekse mit einer Peproni zu erwischen, wenn man 62 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=62 und p=0.125.

...
9
10
11
12
13
14
...

P0.12562 (X≥12) = 1 - P0.12562 (X≤11) = 0.0805
(TI-Befehl: 1-binomcdf(62,0.125,11))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 3 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 90% unter den 20 gezogenen Kugeln nicht mehr als 6 rote sind?

Lösung einblenden
pP(X≤6)
......
3 10 0.608
3 11 0.7093
3 12 0.7858
3 13 0.8422
3 14 0.8833
3 15 0.9133
......

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 (X≤6) =0.9 (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 Pp20 (X≤6) ('höchstens 6 Treffer bei 20 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 6 20 . Mit diesem p wäre ja 6= 6 20 ⋅20 der Erwartungswert und somit Pp20 (X≤6) irgendwo in der nähe von 50%. Wenn wir nun p= 6 20 mit 3 6 erweitern (so dass wir auf den Zähler 3 kommen) und den Nenner abrunden, müssten wir mit p= 3 10 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 3 15 die gesuchte Wahrscheinlichkeit über 90% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 15 sein.

Also werden noch 12 zusätzliche Optionen (also schwarze Kugeln) benötigt.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Ein Promi macht Urlaub in einem Ferienclub. Dort sind noch weitere 42 Gäste. Wie groß darf der Bekanntheitsgrad des Promis höchstens sein, dass ihn mit einer Wahrscheinlichkeit von mindestens 90% nicht mehr als 38 erkennen und dumm anlabern?

Lösung einblenden
pP(X≤k)
......
0.790.9855
0.80.9792
0.810.9704
0.820.9585
0.830.9424
0.840.921
0.850.8933
......

Es muss gelten: Pp42 (X≤38) =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=binomcdf(42,X,38) - 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 letztmals bei p=0.84 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Formel v. Bernoulli

Beispiel:

Eine Münze wird 29 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 12 mal "Zahl" (p=0,5) geworfen wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=29 und p=0.5.

P0.529 (X=12) = ( 29 12 ) ⋅ 0.512 ⋅ 0.517 =0.096663711592555≈ 0.0967
(TI-Befehl: binompdf(29,0.5,12))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 68 und p = 0.4
Bestimme den Erwartungswert μ und die Standardabweichung σ von X .

Lösung einblenden

Für Erwartungswert und Standardabweichung bei der Binomialverteilung gibt es ja einfache Formeln, in die man einfach n = 68 und p = 0.4 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 68 ⋅ 0.4 = 27.2

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 68 ⋅ 0.4 ⋅ 0.6 = 16.32 ≈ 4.04