Aufgabenbeispiele von Rückwärtsaufgaben

Durch Aktualisieren des Browsers (z.B. mit Taste F5) kann man neue Beispielaufgaben sehen


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 19% liegt. Wie vielen Personen muss nun dieses Produkt mindestens vorgeführt werden, damit sich mit mind. 60% Wahrscheinlichkeit, 40 oder mehr Käufer für dieses Produkt finden?

Lösung einblenden
nP(X≤k)
......
2120.4528
2130.4397
2140.4267
2150.4139
2160.4012
2170.3887
......

Die Zufallsgröße X gibt Anzahl der Käufer an und ist im Idealfall binomialverteilt mit p = 0.19 und variablem n.

Es muss gelten: P0.19n (X40) ≥ 0.6

Weil man ja aber P0.19n (X40) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.19n (X40) = 1 - P0.19n (X39) ≥ 0.6 |+ P0.19n (X39) - 0.6

0.4 ≥ P0.19n (X39) oder P0.19n (X39) ≤ 0.4

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 19% der Versuche mit einem Treffer. Also müssten dann doch bei 40 0.19 ≈ 211 Versuchen auch ungefähr 40 (≈0.19⋅211) Treffer auftreten.

Wir berechnen also mit unserem ersten n=211:
P0.19n (X39) ≈ 0.4659 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.4 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 0.4 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=217 die gesuchte Wahrscheinlichkeit unter 0.4 ist.

n muss also mindestens 217 sein, damit P0.19n (X39) ≤ 0.4 oder eben P0.19n (X40) ≥ 0.6 gilt.

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 8 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 8 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 70% für die 50 Durchgänge reichen?

Lösung einblenden
pP(X≤8)
......
1 6 0.5421
1 7 0.7197
......

Die Zufallsgröße X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=50 und unbekanntem Parameter p.

Es muss gelten: Pp50 (X8) =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 Pp50 (X8) ('höchstens 8 Treffer bei 50 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 8 50 . Mit diesem p wäre ja 8= 8 50 ⋅50 der Erwartungswert und somit Pp50 (X8) irgendwo in der nähe von 50%. Wenn wir nun p= 8 50 mit 1 8 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 6 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 7 die gesuchte Wahrscheinlichkeit über 70% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens 7 sein.

Binomialvert. mit variablem n (höchst.)

Beispiel:

In einer Urne ist der Anteil der grünen Kugeln 35%. Wie oft darf höchstens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 80% Wahrscheinlichkeit nicht mehr als 29 grüne Kugeln gezogen werden?

Lösung einblenden
nP(X≤k)
......
740.8106
750.7856
760.7591
770.7312
780.7021
790.6721
800.6412
810.6097
820.5778
830.5457
......

Die Zufallsgröße X gibt Anzahl der gezogenen grünen Kugeln an und ist im Idealfall binomialverteilt mit p = 0.35 und variablem n.

Es muss gelten: P0.35n (X29) ≥ 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 35% der Versuche mit einem Treffer. Also müssten dann doch bei 29 0.35 ≈ 83 Versuchen auch ungefähr 29 (≈0.35⋅83) Treffer auftreten.

Wir berechnen also mit unserem ersten n=83:
P0.35n (X29) ≈ 0.5457 (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=74 die gesuchte Wahrscheinlichkeit über 80% ist.

Binomialvert. mit variablem n (mind)

Beispiel:

Bei einem Glücksrad, ist die Wahrscheinlichkeit in den grünen Bereich zu kommen p=0,4. Wie oft muss man dieses Glückrad mindestens drehen, um mit einer Wahrscheinlichkeit von mindestens 80% 34 mal oder öfters in den grünen Bereich zu kommen?

Lösung einblenden
nP(X≤k)
......
890.327
900.2972
910.269
920.2425
930.2177
940.1946
......

Die Zufallsgröße X gibt Anzahl der Drehungen, die im grünen Bereich landen an und ist im Idealfall binomialverteilt mit p = 0.4 und variablem n.

Es muss gelten: P0.4n (X34) ≥ 0.8

Weil man ja aber P0.4n (X34) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.4n (X34) = 1 - P0.4n (X33) ≥ 0.8 |+ P0.4n (X33) - 0.8

0.2 ≥ P0.4n (X33) oder P0.4n (X33) ≤ 0.2

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 40% der Versuche mit einem Treffer. Also müssten dann doch bei 34 0.4 ≈ 85 Versuchen auch ungefähr 34 (≈0.4⋅85) Treffer auftreten.

Wir berechnen also mit unserem ersten n=85:
P0.4n (X33) ≈ 0.4589 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.2 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 0.2 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=94 die gesuchte Wahrscheinlichkeit unter 0.2 ist.

n muss also mindestens 94 sein, damit P0.4n (X33) ≤ 0.2 oder eben P0.4n (X34) ≥ 0.8 gilt.

Binomialvert. mit variablem k (höchst.)

Beispiel:

Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,9. Das Zufallsexperiment soll 83 mal wiederholt werden. Dabei soll die Wahrscheinlichkeit, dass von den 83 Versuchen höchstens k Treffer sind, weniger als 80% betragen. Bestimme den größtmöglichen Wert für k.

Lösung einblenden
kP(X≤k)
......
710.1232
720.2052
730.3163
740.4514
750.5973
760.7356
770.8487
780.927
790.9716
800.9917
......

Die Zufallsgröße X gibt Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.9 und n = 83.

Es muss gelten: P0.983 (Xk) < 0.8

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 76 immer noch weniger als 0.8 der Gesamt-Wahrscheinlichkeit auf sich vereinen. Erst P0.983 (X77) nimmt mit 84.87% einen Wert über 0.8 an.

Das größtmögliche k mit P0.983 (Xk) < 0.8 ist somit k = 76.

größtmöglicher Wert für k muss somit k = 76 sein.

71
72
73
74
75
76
77
78
79
80
81
82
83
Die Höhen der Säulen entsprechen der Wahrscheinlichkeit für genau X=k Treffer
(also keine kumulierte Wahrscheinlichkeit wie links in der Tabelle)

Binomialvert. mit variablem k (mind.)

Beispiel:

Bei einem Multiple-Choice-Test werden 30 Fragen gestellt. Bei jeder Frage gibt es 5 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 4% liegen. Wie viele Fragen müssen dann zum Bestehen des Tests mindestens richtig beantwortet werden?

Lösung einblenden
kP(X≤k)
......
50.4275
60.607
70.7608
80.8713
90.9389
100.9744
110.9905
120.9969
130.9991
140.9998
......

Die Zufallsgröße X gibt die Anzahl der richtig geratenen Fragen an und ist im Idealfall binomialverteilt mit p = 1 5 und n = 30.

Es muss gelten: P 1 5 30 (Xk) < 0.04 (oranger Bereich)

oder andersrum ausgedrückt: P 1 5 30 (Xk-1) ≥ 0.96 (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 9 immer noch weniger als 0.96 der Gesamt-Wahrscheinlichkeit auf sich vereinen. Erst P 1 5 30 (X10) nimmt mit 97.44% einen Wert über 0.96 an.

Das kleinstmögliche k mit P 1 5 30 (Xk) = 1 - P 1 5 30 (Xk-1) < 0.04 ist somit k = 11.

Die Mindestanzahl richtiger Fragen zum Bestehen des Tests muss somit k = 11 sein.

0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Die Höhen der Säulen entsprechen der Wahrscheinlichkeit für genau X=k Treffer
(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 6% liegen. Wie viele Fragen müssen dann zum Bestehen des Tests mindestens richtig beantwortet werden?

Lösung einblenden
kP(X≤k)
......
110.5457
120.6748
130.7841
140.8673
150.9247
160.9605
170.9809
180.9915
190.9965
200.9987
......

Die Zufallsgröße X gibt die Anzahl der richtig geratenen Fragen an und ist im Idealfall binomialverteilt mit p = 1 4 und n = 45.

Es muss gelten: P 1 4 45 (Xk) < 0.06 (oranger Bereich)

oder andersrum ausgedrückt: P 1 4 45 (Xk-1) ≥ 0.94 (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 15 immer noch weniger als 0.94 der Gesamt-Wahrscheinlichkeit auf sich vereinen. Erst P 1 4 45 (X16) nimmt mit 96.05% einen Wert über 0.94 an.

Das kleinstmögliche k mit P 1 4 45 (Xk) = 1 - P 1 4 45 (Xk-1) < 0.06 ist somit k = 17.

Die Mindestanzahl richtiger Fragen zum Bestehen des Tests muss somit k = 17 sein.

0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
Die Höhen der Säulen entsprechen der Wahrscheinlichkeit für genau X=k Treffer
(also keine kumulierte Wahrscheinlichkeit wie links in der Tabelle)