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 13% liegt. Wie viele Schwedenmusiker muss die Schützendirektion mindestens ausbilden, damit beim Umzug mit mindestens 90%-iger Wahrscheinlichkeit mindestens 12 Schweden einsatzfähig sind?

Lösung einblenden
nP(X≤k)
......
140.2708
150.1204
160.0471
......

Die Zufallsgröße X gibt die Anzahl der einsatzfähigen Schwedenmusiker an und ist im Idealfall binomialverteilt mit p = 0.87 und variablem n.

Es muss gelten: P0.87n (X12) ≥ 0.9

Weil man ja aber P0.87n (X12) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.87n (X12) = 1 - P0.87n (X11) ≥ 0.9 |+ P0.87n (X11) - 0.9

0.1 ≥ P0.87n (X11) oder P0.87n (X11) ≤ 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 87% der Versuche mit einem Treffer. Also müssten dann doch bei 12 0.87 ≈ 14 Versuchen auch ungefähr 12 (≈0.87⋅14) Treffer auftreten.

Wir berechnen also mit unserem ersten n=14:
P0.87n (X11) ≈ 0.2708 (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=16 die gesuchte Wahrscheinlichkeit unter 0.1 ist.

n muss also mindestens 16 sein, damit P0.87n (X11) ≤ 0.1 oder eben P0.87n (X12) ≥ 0.9 gilt.

Formel v. Bernoulli

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, genau 7 Glückskekse mit einer Peproni zu erwischen, wenn man 69 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=69 und p= 1 8 .

P 1 8 69 (X=7) = ( 69 7 ) ( 1 8 )7 ( 7 8 )62 =0.130571821837≈ 0.1306
(TI-Befehl: binompdf(69,1/8,7))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 2 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 24 schwarze sind?

Lösung einblenden
pP(X≤24)
......
5 7 0.9998
6 8 0.9992
7 9 0.9981
8 10 0.9962
9 11 0.9934
10 12 0.9895
11 13 0.9846
12 14 0.9788
13 15 0.9721
14 16 0.9645
15 17 0.9562
16 18 0.9474
17 19 0.938
18 20 0.9282
19 21 0.9181
20 22 0.9077
21 23 0.8971
......

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 (X24) = 0.9 (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 Pp25 (X24) ('höchstens 24 Treffer bei 25 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 5 7 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 20 22 die gesuchte Wahrscheinlichkeit über 90% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 20 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Ein Promi macht Urlaub in einem Ferienclub. Dort sind noch weitere 43 Gäste. Wie groß darf der Bekanntheitsgrad des Promis höchstens sein, dass ihn mit einer Wahrscheinlichkeit von mindestens 90% nicht mehr als 34 erkennen und dumm anlabern?

Lösung einblenden
pP(X≤k)
......
0.660.9793
0.670.9717
0.680.9617
0.690.949
0.70.9328
0.710.9127
0.720.8881
......

Es muss gelten: Pp43 (X34) =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(43,X,34) - 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=0.71 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 89% von der Freiwurflinie. Wie groß ist die Wahrscheinlichkeit dass er von 100 Versuchen mindestens 82 und weniger als 92 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=100 und p=0.89.

P0.89100 (82X91) =

...
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
...

P0.89100 (X91) - P0.89100 (X81) ≈ 0.7835 - 0.0123 ≈ 0.7712
(TI-Befehl: binomcdf(100,0.89,91) - binomcdf(100,0.89,81))

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=0,55 entsteht. Es wird eine Stichprobe der Menge 44 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 = 44⋅0.55 ≈ 24.2,
die Standardabweichung mit σ = n p (1-p) = 44 0.55 0.45 ≈ 3.3

27.5 (24.2 + 3.3) und 20.9 (24.2 - 3.3) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 24.2 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 21 und 27 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 21 und 27 liegt.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=44 und p=0.55.

P0.5544 (21X27) =

...
18
19
20
21
22
23
24
25
26
27
28
29
...

P0.5544 (X27) - P0.5544 (X20) ≈ 0.8413 - 0.1313 ≈ 0.71
(TI-Befehl: binomcdf(44,0.55,27) - binomcdf(44,0.55,20))