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 37 6er zu würfeln?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 185 | 0.9035 |
| 186 | 0.8974 |
| 187 | 0.8912 |
| 188 | 0.8846 |
| 189 | 0.8779 |
| 190 | 0.8709 |
| 191 | 0.8636 |
| 192 | 0.8561 |
| 193 | 0.8484 |
| 194 | 0.8404 |
| 195 | 0.8322 |
| 196 | 0.8238 |
| 197 | 0.8151 |
| 198 | 0.8062 |
| 199 | 0.7971 |
| 200 | 0.7877 |
| 201 | 0.7782 |
| 202 | 0.7684 |
| 203 | 0.7585 |
| 204 | 0.7484 |
| 205 | 0.738 |
| 206 | 0.7275 |
| 207 | 0.7169 |
| 208 | 0.7061 |
| 209 | 0.6951 |
| 210 | 0.684 |
| 211 | 0.6728 |
| 212 | 0.6614 |
| 213 | 0.65 |
| 214 | 0.6384 |
| 215 | 0.6268 |
| 216 | 0.6151 |
| 217 | 0.6033 |
| 218 | 0.5914 |
| 219 | 0.5796 |
| 220 | 0.5676 |
| 221 | 0.5557 |
| 222 | 0.5438 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der gewürfelten 6er an und ist im Idealfall binomialverteilt mit p = und variablem n.
Es muss gelten: ≥ 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 der Versuche mit einem Treffer.
Also müssten dann doch bei ≈ 222 Versuchen auch ungefähr 37
(≈
Wir berechnen also mit unserem ersten n=222:
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=185 die gesuchte Wahrscheinlichkeit über 90% ist.
Formel v. Bernoulli
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,7. Wie groß ist die Wahrscheinlichkeit bei 65 Versuchen genau 48 mal im grünen Bereich zu landen?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=65 und p=0.7.
(TI-Befehl: binompdf(65,0.7,48))
Binomialvert. mit variablem p (diskret)
Beispiel:
Eine Schulklasse möchte fürs Schulfest ein Glücksrad entwickeln. Aus optischen Gründen sollen dabei alle Sektoren gleich groß sein. Einer davon soll für den Hauptpreis stehen. Hierfür haben sie insgesamt 7 Preise gesammelt. Sie erwarten, dass das Glücksrad beim Schulfest 50 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 7 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 80% für die 50 Durchgänge reichen?
| p | P(X≤7) |
|---|---|
| ... | ... |
| 0.576 | |
| 0.7165 | |
| 0.8136 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=50 und unbekanntem Parameter p.
Es muss gelten:
Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 1 sein muss, da es ja genau einen günstigen Fall gibt.
Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit
Um einen günstigen Startwert zu finden wählen wir mal als p=
In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p=
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens
9 sein.
Binomialvert. mit variabl. p (mind.) nur GTR
Beispiel:
Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 63 mal wiederholt (bzw. die Stichprobe hat die Größe 63)Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 90% mindestens 33 Treffer erzielt werden?
| p | P(X≥33)=1-P(X≤32) |
|---|---|
| ... | ... |
| 0.55 | 0.7078 |
| 0.56 | 0.7604 |
| 0.57 | 0.8076 |
| 0.58 | 0.8487 |
| 0.59 | 0.8837 |
| 0.6 | 0.9127 |
| ... | ... |
Es muss gelten:
oder eben: 1-
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(63,X,32) - 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=0.6 die gesuchte Wahrscheinlichkeit über 0.9 ist.
Binomialverteilung X ∈ [l;k]
Beispiel:
Ein partystarker Schüler muss einen Mulitple Choice Test ablegen, von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 81 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 15, aber weniger als 21 Fragen richtig beantwortet hat?
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=81 und p=0.25.
(TI-Befehl: binomcdf(81,0.25,20) - binomcdf(81,0.25,14))
Erwartungswert, Standardabweichung best.
Beispiel:
Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 78 und p = 0.5
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 = 78 und p = 0.5 einsetzen muss:
Erwartungswert E(X) = n ⋅ p = 78 ⋅ 0.5 = 39
Standardabweichung S(X) =
