Aufgabenbeispiele von Rückwärtsaufgaben
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=0,35.Wie oft darf man das Zufallsexperiment höchstens wiederholen (oder wie groß darf die Stichprobe sein), um mit mind. 60% Wahrscheinlichkeit, höchstens 23 Treffer zu erzielen ?
n | P(X≤k) |
---|---|
... | ... |
64 | 0.6179 |
65 | 0.5821 |
66 | 0.5462 |
... | ... |
Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.35 und variablem n.
Es muss gelten: ≥ 0.6
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 35% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 66 Versuchen auch ungefähr 23 (≈0.35⋅66) Treffer auftreten.
Wir berechnen also mit unserem ersten n=66:
≈ 0.5462
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.6 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 0.6 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=64 die gesuchte Wahrscheinlichkeit über 60% ist.
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 2 rote und einige schwarze Kugeln. Es soll 29 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 70% unter den 29 gezogenen Kugeln nicht mehr als 24 schwarze sind?
p | P(X≤24) |
---|---|
... | ... |
0.9978 | |
0.9839 | |
0.9468 | |
0.8847 | |
0.8045 | |
0.7161 | |
0.6273 | |
... | ... |
Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=29 und unbekanntem Parameter p.
Es muss gelten: = 0.7 (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 ('höchstens 24 Treffer bei 29 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 70% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 8 sein.
Binomialvert. mit variablem n (höchst.)
Beispiel:
Eine Fluggesellschaft geht davon aus, dass 16% der gekauften Tickets gar nicht eingelöst werden. Wieviel Tickets kann sie für ihre 20-Platzmaschine höchstens verkaufen, so dass es zu mindestens 80% Wahrscheinlichkeit zu keiner Überbelegung kommt.
n | P(X≤k) |
---|---|
... | ... |
22 | 0.888 |
23 | 0.736 |
24 | 0.5496 |
... | ... |
Die Zufallsgröße X gibt die Anzahl der Ticketbesitzer, die tatsächlich fliegen an und ist im Idealfall binomialverteilt mit p = 0.84 und variablem n.
Es muss gelten: ≥ 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 84% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 24 Versuchen auch ungefähr 20 (≈0.84⋅24) Treffer auftreten.
Wir berechnen also mit unserem ersten n=24:
≈ 0.5496
(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=22 die gesuchte Wahrscheinlichkeit über 80% ist.
Binomialvert. mit variablem n (mind)
Beispiel:
Die Firma Apple hat ein neues geniales Produkt, die iYacht, auf den Markt gebracht (wenn auch nicht ganz günstig). Die hierfür beauftragte Marketingagentur garantiert, dass unter denen, denen sie die Yacht vorgeführt hat, der Anteil der späteren Käufer bei 11% liegt. Wie vielen Personen muss nun dieses Produkt mindestens vorgeführt werden, damit sich mit mind. 50% Wahrscheinlichkeit, 32 oder mehr Käufer für dieses Produkt finden?
n | P(X≤k) |
---|---|
... | ... |
287 | 0.5046 |
288 | 0.4963 |
289 | 0.488 |
290 | 0.4798 |
291 | 0.4716 |
... | ... |
Die Zufallsgröße X gibt Anzahl der Käufer an und ist im Idealfall binomialverteilt mit p = 0.11 und variablem n.
Es muss gelten: ≥ 0.5
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.5 |+ - 0.5
0.5 ≥ oder ≤ 0.5
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 11% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 291 Versuchen auch ungefähr 32 (≈0.11⋅291) Treffer auftreten.
Wir berechnen also mit unserem ersten n=291:
≈ 0.4716
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.5 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 0.5 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=288 die gesuchte Wahrscheinlichkeit unter 0.5 ist.
n muss also mindestens 288 sein, damit ≤ 0.5 oder eben ≥ 0.5 gilt.
Binomialvert. mit variablem k (höchst.)
Beispiel:
Mitarbeiter:innen einer Firma müssen eine Maschine bedienen, die mit einer Wahrscheinlichkeit von 12% ein fehlerhaftes Teil produziert. Jede Mitarbeiter:in produziert jeden Monat 95 Teile. Als Gag möchte die Geschäftsführung den Mitarbeiter:innen einen kleines Geschenk machen, deren Maschnine nicht mehr als eine bestimmte Anzahl an fehlerhaften Teilen produziert hat. Dabei soll aber die Wahrscheinlichkeit, ein Geschenk zu bekommen, bei höchstens 20% liegen. Wie viele fehlerhaften Teile dürfen somit höchstens produziert werden, um ein Geschenk zu bekommen?
k | P(X≤k) |
---|---|
... | ... |
3 | 0.0024 |
4 | 0.0082 |
5 | 0.0228 |
6 | 0.0525 |
7 | 0.104 |
8 | 0.1813 |
9 | 0.2832 |
10 | 0.4027 |
11 | 0.5287 |
12 | 0.6489 |
... | ... |
Die Zufallsgröße X gibt die Anzahl der fehlerhaften Teile an und ist im Idealfall binomialverteilt mit p = 0.12 und n = 95.
Es muss gelten: < 0.2
Jetzt müssen wir eben so lange mit verschiedenen Werten von k probieren, bis diese Gleichung erstmals nicht mehr erfüllt wird:
Dabei kann man entweder einfach viele verschiedene Werte einzeln berechnen oder man verwendet Listen bei der Binomialverteilung im WTR, (TI: binomcdf, Casio: Kumul. Binomial-V).
Schaut man dazu die kumulierte Binomialverteilung in der Tabelle links an, so erkennt man, dass die Trefferzahlen im Intervall zwischen 0 und 8 immer noch weniger als 0.2 der Gesamt-Wahrscheinlichkeit auf sich vereinen. Erst nimmt mit 28.32% einen Wert über 0.2 an.
Das größtmögliche k mit < 0.2 ist somit k = 8.
Die Maximalanzahl der fehlerhaften Teile für ein Geschenk muss somit k = 8 sein.
(also keine kumulierte Wahrscheinlichkeit wie links in der Tabelle)
Binomialvert. mit variablem k (mind.)
Beispiel:
Bei einem Multiple-Choice-Test werden 25 Fragen gestellt. Bei jeder Frage gibt es 6 Antworten, von denen genau eine richtig ist. Die Wahrscheinlichkeit, dass man mit reinem Raten der richtigen Antworten durch Zufall trotzdem den Test besteht, soll unter 10% liegen. Wie viele Fragen müssen dann zum Bestehen des Tests mindestens richtig beantwortet werden?
k | P(X≤k) |
---|---|
... | ... |
2 | 0.1887 |
3 | 0.3816 |
4 | 0.5937 |
5 | 0.772 |
6 | 0.8908 |
7 | 0.9553 |
8 | 0.9843 |
9 | 0.9953 |
10 | 0.9988 |
11 | 0.9997 |
... | ... |
Die Zufallsgröße X gibt die Anzahl der richtig geratenen Fragen an und ist im Idealfall binomialverteilt mit p = und n = 25.
Es muss gelten: < 0.1 (oranger Bereich)
oder andersrum ausgedrückt: ≥ 0.9 (blauer Bereich)
Jetzt müssen wir eben so lange mit verschiedenen Werten von k probieren, bis diese Gleichung erstmals erfüllt wird:
Dabei kann man entweder einfach viele verschiedene Werte einzeln berechnen oder man verwendet Listen bei der Binomialverteilung im WTR, (TI: binomcdf, Casio: Kumul. Binomial-V).
Schaut man dazu die kumulierte Binomialverteilung in der Tabelle links an, so erkennt man, dass die Trefferzahlen im Intervall zwischen 0 und 6 immer noch weniger als 0.9 der Gesamt-Wahrscheinlichkeit auf sich vereinen. Erst nimmt mit 95.53% einen Wert über 0.9 an.
Das kleinstmögliche k mit = 1 - < 0.1 ist somit k = 8.
Die Mindestanzahl richtiger Fragen zum Bestehen des Tests muss somit k = 8 sein.
(also keine kumulierte Wahrscheinlichkeit wie links in der Tabelle)
Binomialvert. mit variablem k (mind.)
Beispiel:
Bei einem Multiple-Choice-Test werden 45 Fragen gestellt. Bei jeder Frage gibt es 4 Antworten, von denen genau eine richtig ist. Die Wahrscheinlichkeit, dass man mit reinem Raten der richtigen Antworten durch Zufall trotzdem den Test besteht, soll unter 8% liegen. Wie viele Fragen müssen dann zum Bestehen des Tests mindestens richtig beantwortet werden?
k | P(X≤k) |
---|---|
... | ... |
10 | 0.4089 |
11 | 0.5457 |
12 | 0.6748 |
13 | 0.7841 |
14 | 0.8673 |
15 | 0.9247 |
16 | 0.9605 |
17 | 0.9809 |
18 | 0.9915 |
19 | 0.9965 |
... | ... |
Die Zufallsgröße X gibt die Anzahl der richtig geratenen Fragen an und ist im Idealfall binomialverteilt mit p = und n = 45.
Es muss gelten: < 0.08 (oranger Bereich)
oder andersrum ausgedrückt: ≥ 0.92 (blauer Bereich)
Jetzt müssen wir eben so lange mit verschiedenen Werten von k probieren, bis diese Gleichung erstmals erfüllt wird:
Dabei kann man entweder einfach viele verschiedene Werte einzeln berechnen oder man verwendet Listen bei der Binomialverteilung im WTR, (TI: binomcdf, Casio: Kumul. Binomial-V).
Schaut man dazu die kumulierte Binomialverteilung in der Tabelle links an, so erkennt man, dass die Trefferzahlen im Intervall zwischen 0 und 14 immer noch weniger als 0.92 der Gesamt-Wahrscheinlichkeit auf sich vereinen. Erst nimmt mit 92.47% einen Wert über 0.92 an.
Das kleinstmögliche k mit = 1 - < 0.08 ist somit k = 16.
Die Mindestanzahl richtiger Fragen zum Bestehen des Tests muss somit k = 16 sein.
(also keine kumulierte Wahrscheinlichkeit wie links in der Tabelle)