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 80% nicht mehr als 22 6er zu würfeln?

Lösung einblenden
nP(X≤k)
......
1150.8004
1160.788
1170.7754
1180.7624
1190.749
1200.7354
1210.7215
1220.7073
1230.693
1240.6783
1250.6636
1260.6486
1270.6335
1280.6182
1290.6029
1300.5875
1310.5721
1320.5566
......

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 (X22) ≥ 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 1 6 der Versuche mit einem Treffer. Also müssten dann doch bei 22 1 6 ≈ 132 Versuchen auch ungefähr 22 (≈ 1 6 ⋅132) Treffer auftreten.

Wir berechnen also mit unserem ersten n=132:
P 1 6 n (X22) ≈ 0.5566 (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=115 die gesuchte Wahrscheinlichkeit über 80% ist.

Binomialverteilung X>=k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,78. Wie groß ist die Wahrscheinlichkeit dass er von 21 Versuchen mindestens 16 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=21 und p=0.78.

...
13
14
15
16
17
18
...

P0.7821 (X16) = 1 - P0.7821 (X15) = 0.692
(TI-Befehl: 1-binomcdf(21,0.78,15))

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 6 Preise gesammelt. Sie erwarten, dass das Glücksrad beim Schulfest 80 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 6 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 70% für die 80 Durchgänge reichen?

Lösung einblenden
pP(X≤6)
......
1 13 0.5807
1 14 0.6539
1 15 0.7157
......

Die Zufallsgröße X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=80 und unbekanntem Parameter p.

Es muss gelten: Pp80 (X6) =0.7 (oder mehr)

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 Pp80 (X6) ('höchstens 6 Treffer bei 80 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 6 80 . Mit diesem p wäre ja 6= 6 80 ⋅80 der Erwartungswert und somit Pp80 (X6) irgendwo in der nähe von 50%. Wenn wir nun p= 6 80 mit 1 6 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 13 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 15 die gesuchte Wahrscheinlichkeit über 70% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens 15 sein.

Binomialvert. mit variabl. p (mind.) nur GTR

Beispiel:

Ein Glücksrad soll mit nur zwei verschiedenen Sektoren (blau und rot) gebaut werden. Wie hoch muss man die Einzelwahrscheinlichkeit p mindestens wählen, dass die Wahrscheinlichkeit bei 95 Wiederholungen 26 mal (oder mehr) rot zu treffen bei mind. 50% liegt?

Lösung einblenden
pP(X≥26)=1-P(X≤25)
......
0.220.1284
0.230.1855
0.240.2545
0.250.3333
0.260.4188
0.270.5067
......

Es muss gelten: Pp95 (X26) =0.5 (oder mehr)

oder eben: 1- Pp95 (X25) =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(95,X,25) - 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=0.27 die gesuchte Wahrscheinlichkeit über 0.5 ist.

kumulierte Binomialverteilung

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, nicht mehr als 4 Glückskekse mit einer Peproni zu erwischen, wenn man 46 Glückskekse kauft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=46 und p= 1 8 .

P 1 8 46 (X4) = P 1 8 46 (X=0) + P 1 8 46 (X=1) + P 1 8 46 (X=2) +... + P 1 8 46 (X=4) = 0.30292166855016 ≈ 0.3029
(TI-Befehl: binomcdf(46,1/8,4))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 62 und p = 0.65
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 = 62 und p = 0.65 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 62 ⋅ 0.65 = 40.3

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 62 ⋅ 0.65 ⋅ 0.35 = 14.105 3.76