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=0,6.Wie oft darf man das Zufallsexperiment höchstens wiederholen (oder wie groß darf die Stichprobe sein), um mit mind. 80% Wahrscheinlichkeit, höchstens 24 Treffer zu erzielen ?

Lösung einblenden
nP(X≤k)
......
360.838
370.7783
380.7103
390.6365
400.5598
......

Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.6 und variablem n.

Es muss gelten: P0.6n (X≤24) ≥ 0.8

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 60% der Versuche mit einem Treffer. Also müssten dann doch bei 24 0.6 ≈ 40 Versuchen auch ungefähr 24 (≈0.6⋅40) Treffer auftreten.

Wir berechnen also mit unserem ersten n=40:
P0.6n (X≤24) ≈ 0.5598 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.8 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 0.8 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=36 die gesuchte Wahrscheinlichkeit über 80% 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=0,19 entsteht. Es wird eine Stichprobe der Menge 43 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon nicht mehr als 9 defekte Chips enthalten sind.

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=43 und p=0.19.

P0.1943 (X≤9) = P0.1943 (X=0) + P0.1943 (X=1) + P0.1943 (X=2) +... + P0.1943 (X=9) = 0.70746954334099 ≈ 0.7075
(TI-Befehl: binomcdf(43,0.19,9))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 25 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 90% unter den 25 gezogenen Kugeln nicht mehr als 21 schwarze sind?

Lösung einblenden
pP(X≤21)
......
5 9 0.9994
6 10 0.9976
7 11 0.9933
8 12 0.9851
9 13 0.9722
10 14 0.9542
11 15 0.9312
12 16 0.9038
13 17 0.8727
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=25 und unbekanntem Parameter p.

Es muss gelten: Pp25 (X≤21) = 0.9 (oder mehr)

Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 4 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 Pp25 (X≤21) ('höchstens 21 Treffer bei 25 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 5 9 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 12 16 die gesuchte Wahrscheinlichkeit über 90% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 12 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Bei einem Glücksrad soll mit einer Wahrscheinlichkeit von 90% bei 87 Ausspielungen nicht öfters als 56 mal der grüne Bereich kommen. Wie hoch darf man die Wahrscheinlichkeit für den grünen Bereich auf dem Glücksrad maximal setzen?

Lösung einblenden
pP(X≥k)=1-P(X≤k-1)
......
0.530.9926
0.540.9878
0.550.9805
0.560.9698
0.570.9546
0.580.9338
0.590.9061
......

Es muss gelten: Pp87 (X≤56) =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(87,X,56) - 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=0.58 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Würfel wird 75 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 9 mal, aber weniger als 20 mal eine sechs gewürfelt wird?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=75 und p= 1 6 .

P 1 6 75 (10≤X≤19) =

...
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
...

P 1 6 75 (X≤19) - P 1 6 75 (X≤9) ≈ 0.9808 - 0.1773 ≈ 0.8035
(TI-Befehl: binomcdf(75, 1 6 ,19) - binomcdf(75, 1 6 ,9))

Wahrscheinlichkeit von σ-Intervall um μ

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=0,75 entsteht. Es wird eine Stichprobe der Menge 66 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips um nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 66⋅0.75 ≈ 49.5,
die Standardabweichung mit σ = n ⋅ p ⋅ (1-p) = 66 ⋅0.75 ⋅ 0.25 ≈ 3.52

53.02 (49.5 + 3.52) und 45.98 (49.5 - 3.52) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 49.5 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 46 und 53 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 46 und 53 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=66 und p=0.75.

P0.7566 (46≤X≤53) =

...
43
44
45
46
47
48
49
50
51
52
53
54
55
...

P0.7566 (X≤53) - P0.7566 (X≤45) ≈ 0.8741 - 0.1289 ≈ 0.7452
(TI-Befehl: binomcdf(66,0.75,53) - binomcdf(66,0.75,45))