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:
Bei einem Glücksrad, ist die Wahrscheinlichkeit in den grünen Bereich zu kommen p=0,8. Wie oft muss man dieses Glückrad mindestens drehen, um mit einer Wahrscheinlichkeit von mindestens 90% 27 mal oder öfters in den grünen Bereich zu kommen?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 34 | 0.3674 |
| 35 | 0.255 |
| 36 | 0.1676 |
| 37 | 0.1046 |
| 38 | 0.0623 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der Drehungen, die im grünen Bereich landen an und ist im Idealfall binomialverteilt mit p = 0.8 und variablem n.
Es muss gelten: ≥ 0.9
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.9 |+ - 0.9
0.1 ≥ oder ≤ 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 80% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 34 Versuchen auch ungefähr 27 (≈0.8⋅34) Treffer auftreten.
Wir berechnen also mit unserem ersten n=34:
≈ 0.3674
(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=38 die gesuchte Wahrscheinlichkeit unter 0.1 ist.
n muss also mindestens 38 sein, damit ≤ 0.1 oder eben ≥ 0.9 gilt.
Binomialverteilung X ∈ [l;k]
Beispiel:
Ein Würfel wird 40 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 4 mal, aber weniger als 8 mal eine sechs gewürfelt wird?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=40 und p=.
=
(TI-Befehl: binomcdf(40,,7) - binomcdf(40,,4))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 3 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 85% unter den 25 gezogenen Kugeln nicht mehr als 24 schwarze sind?
| p | P(X≤24) |
|---|---|
| ... | ... |
| 0.9997 | |
| 0.9992 | |
| 0.9986 | |
| 0.9976 | |
| 0.9962 | |
| 0.9944 | |
| 0.9922 | |
| 0.9895 | |
| 0.9864 | |
| 0.9828 | |
| 0.9788 | |
| 0.9744 | |
| 0.9696 | |
| 0.9645 | |
| 0.9591 | |
| 0.9533 | |
| 0.9474 | |
| 0.9412 | |
| 0.9348 | |
| 0.9282 | |
| 0.9215 | |
| 0.9147 | |
| 0.9077 | |
| 0.9007 | |
| 0.8936 | |
| 0.8864 | |
| 0.8792 | |
| 0.872 | |
| 0.8648 | |
| 0.8576 | |
| 0.8504 | |
| 0.8432 | |
| ... | ... |
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: = 0.85 (oder mehr)
Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 3 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 25 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 85% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 38 sein.
Binomialvert. mit variabl. p (mind.) nur GTR
Beispiel:
Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 53 mal wiederholt (bzw. die Stichprobe hat die Größe 53)Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 50% mindestens 20 Treffer erzielt werden?
| p | P(X≥20)=1-P(X≤19) |
|---|---|
| ... | ... |
| 0.32 | 0.225 |
| 0.33 | 0.2751 |
| 0.34 | 0.3295 |
| 0.35 | 0.3872 |
| 0.36 | 0.447 |
| 0.37 | 0.5075 |
| ... | ... |
Es muss gelten: =0.5 (oder mehr)
oder eben: 1- =0.5 (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(53,X,19) - 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=0.37 die gesuchte Wahrscheinlichkeit über 0.5 ist.
Formel v. Bernoulli
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 85% entsteht. Es wird eine Stichprobe der Menge 90 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon genau 83 defekte Chips enthalten sind.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=90 und p=0.85.
= =0.017693355969963≈ 0.0177(TI-Befehl: binompdf(90,0.85,83))
Erwartungswert, Standardabweichung best.
Beispiel:
Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 43 und p = 0.2
Bestimme den Erwartungswert μ und die Standardabweichung σ von X .
Für Erwartungswert und Standardabweichung bei der Binomialverteilung gibt es ja einfache Formeln, in die man einfach n = 43 und p = 0.2 einsetzen muss:
Erwartungswert E(X) = n ⋅ p = 43 ⋅ 0.2 = 8.6
Standardabweichung S(X) = = = ≈ 2.62
